Wetenschappers van EPFL, UNIL en lokale startup be.care hebben een systeem ontwikkeld dat hartslagvariatie gebruikt om vermoeidheid te detecteren en te identificeren wat voor soort het is. Het systeem gebruikt de resultaten vervolgens om veranderingen in levensstijl voor te stellen die een verschil kunnen maken. Een eerste test is uitgevoerd op universiteitsstudenten onder reële omstandigheden.

Stress en vermoeidheid hebben grote gevolgen voor de gezondheid en brengen hoge maatschappelijke kosten met zich mee. Echter, vermoeidheidsniveaus bij individuen worden zelden gemeten. Dat is de reden waarom wetenschappers van EPFL's Embedded Systems Laboratory (ESL), het Lausanne Universitair Instituut voor Sportwetenschappen (ISSUL), het Lausanne Universitair Sportcentrum en be.care hebben een systeem ontwikkeld om die niveaus eenvoudig te meten en te bepalen aan welke vermoeidheidspatiënten lijden om gerichte aanbevelingen te kunnen doen.

We spreken vaak over vermoeidheid in het enkelvoud, maar er zijn eigenlijk verschillende soorten. Aan welke u lijdt, kan worden vastgesteld door de hartslagvariatie te controleren - dat wil zeggen, het aantal milliseconden tussen twee hartslagen. "Als uw sympathische zenuwstelsel is aangetast, dan heb je last van wat we geagiteerde vermoeidheid zouden kunnen noemen, zoals wanneer je zo moe bent dat je niet kunt slapen, " zegt Grégoire Millet, een ISSUL-professor en medeoprichter van be.care. "Maar als je parasympathische zenuwstelsel is aangetast, dan heb je last van wat we lethargische vermoeidheid zouden kunnen noemen, waar je niets aan wilt doen."

De behandelingen voor deze twee soorten vermoeidheid zijn heel verschillend, of het nu gaat om hoeveel beweging u moet krijgen of wat voor soort voedsel u moet eten, vooral aminozuren. In feite, als u deze dingen verkeerd doet, kan uw toestand verergeren.

Een veldonderzoek bij universiteitsstudenten

De applicatie van de wetenschappers maakt verbinding met een Android-smartwatch en hartslagmeter met borstband en meet de hartslagvariabiliteit van de gebruiker. Ze testten het op universiteitsstudenten door dagelijks twee sets metingen te doen:één tijdens hun reguliere fysieke activiteit; en de andere tijdens een orthostatische test (een speciaal soort test die wordt gebruikt voor het meten van hartslagvariabiliteit). "Studenten moesten vijf minuten gaan liggen en dan plotseling opstaan ​​en vijf minuten blijven staan. Dat vertelde ons of hun centrale zenuwstelsel was aangetast door vermoeidheid, " zegt Elisabetta de Giovanni, een doctoraat student aan ESL die het ontwerp van multiparametrische slimme wearables van de volgende generatie onderzoekt onder toezicht van David Atienza, een professor aan de EPFL School of Engineering. Het onderzoek werd uitgevoerd bij ongeveer 70 studenten gedurende drie maanden.

De gegevens die tijdens het onderzoek werden verzameld, werden verwerkt zodat ze konden worden geanalyseerd met behulp van de door be.care ontwikkelde algoritmen. Dit in Lausanne gevestigde bedrijf heeft een unieke methode bedacht voor het meten, classificatie en behandeling van vermoeidheid. De aanbevelingen die aan patiënten worden gegeven, zijn afhankelijk van de resultaten van de analyse van de algoritmen, en bevatten suggesties voor zowel dieet als lichaamsbeweging. Naast professor Millet, andere be.care-experts die aan het onderzoek hebben meegewerkt zijn Dr. Nicolas Bourdillon; Dr. Pascal Zellner, een specialist in connected zorg; en Dr. Laurent Schmitt, specialist in sportfysiologie.

Nog betere resultaten dankzij een vragenlijst

Om hun systeem nog effectiever te maken, de wetenschappers vroegen de studenten om een ​​vragenlijst in te vullen die hun slaappatroon aangeeft, elke pijn die ze ervaren, hoe zwaar hun werklast is, hoeveel stress ze hebben en hoeveel beweging ze krijgen. Vervolgens koppelden de wetenschappers de reacties van de studenten aan hun hartslagvariabiliteitsgegevens, en gebruikten deze koppelingen om de algoritmen te trainen om te herkennen welke hartslagmetingen overeenkomen met welke symptomen - en dus wat voor soort vermoeidheid. Het doel is om de algoritmen in staat te stellen het soort vermoeidheid van een patiënt correct te detecteren en te identificeren.

De wetenschappers zijn hun applicatie nog aan het ontwikkelen en zullen deze gebruiken in een tweede fase van het onderzoek, om te bepalen of er een positieve of negatieve correlatie is tussen fysieke activiteit en vermoeidheid.