Eine 60-Sekunden-Messung am Morgen vor dem Crash: Was sie verrät und was nicht
Eine Studie mit 4.244 Menschen mit Long COVID fragt, ob eine morgendliche Handymessung von Herzfrequenz und Variabilität einen abendlichen Crash ankündigt. Das Signal innerhalb der Person ist real. Der Zugewinn gegenüber dem Wissen, dass gestern schlecht war, ist klein.
Dr. Sven Jungmann
CEO
Fragen Sie Menschen mit Long COVID, was sie am meisten fürchten, und viele nennen den Crash: eine gute Phase, die nach einer Anstrengung, die im Moment harmlos schien, in einen tagelangen Einbruch kippt. In der Klinik heißt das postexertionelle Symptomverschlechterung. Es ist das Symptom, das jede gewöhnliche Planung unmöglich macht, weil der Preis für Aktivität erst Stunden oder einen Tag später fällig wird. Die Frage dieser Studie ist deshalb eine menschliche: Könnte eine 60-Sekunden-Messung mit der Handykamera am Morgen warnen, dass heute ein Tag zum Kürzertreten ist?
Die Datenlage ist für dieses Feld ungewöhnlich dicht. Aitken und Kolleg:innen stützen sich in npj Digital Medicine auf 4.244 Menschen, die eine App zur Symptomverfolgung bei Long COVID, Myalgischer Enzephalomyelitis / chronischem Erschöpfungssyndrom (ME/CFS) und anderen energielimitierenden Erkrankungen nutzten. Jeden Morgen erfasste eine 60-Sekunden-Photoplethysmographie — das optische Pulssignal, das ein Handy oder Wearable aus der Hautdurchblutung ableitet — Herzfrequenz und Herzfrequenzvariabilität (HRV, die Schlag-zu-Schlag-Schwankung, die das autonome Gleichgewicht widerspiegelt). Jeden Abend bewerteten die Teilnehmenden drei Symptome: Crash, Fatigue und Brain Fog. Im Mittel steuerte jede Person 125 Morgen an Daten bei.
Was die Forschenden getan haben
Es ist eine rückblickende Beobachtungsstudie aus realer App-Nutzung zwischen 2022 und 2024, kein Versuch: Niemand wurde gebeten, auf die Messwerte zu reagieren. Die methodische Sorgfalt liegt anderswo, in einer Unterscheidung, die über die Bedeutung der Zahlen entscheidet. Die Autor:innen trennten Effekte zwischen Personen von Effekten innerhalb einer Person. Die erste Frage lautet, ob Menschen mit niedrigerer HRV im Mittel kränker sind als Menschen mit höherer HRV — ein Vergleich, den alles trübt, was zwei Menschen voneinander unterscheidet. Die zweite Frage ist die einzige, die einer einzelnen Person je helfen könnte: Ist an den Morgen, an denen Ihre eigene HRV niedriger liegt als Ihr persönlicher Normalwert, ein Crash am Abend wahrscheinlicher? Genau dieses Signal innerhalb der Person modellierten sie und prüften die Vorhersage zeitlich vorwärts (Walk-forward-Validierung): trainiert auf der eigenen Vergangenheit jeder Person, um ihre Zukunft vorherzusagen, statt quer durch den Datensatz zu schauen.
Was die Evidenz belegt
Die Assoziation innerhalb der Person ist konsistent und weist in die erwartete Richtung. An den eigenen schlechteren Morgen — höhere Ruheherzfrequenz, niedrigere HRV — waren Crash, Fatigue und Brain Fog am selben Abend wahrscheinlicher. Als Zeichen einer autonomen Belastung, die der Körper registriert, bevor der Mensch sie bewusst spürt, ist das ein echter und sauber analysierter Befund, und er gilt über alle drei Symptome hinweg.
Ob er gut genug vorhersagt, um danach zu handeln, ist die schwierigere Frage — und hier ernüchtert die ehrliche Zahl. Ein Modell, das allein den Symptomwert von gestern nutzte, trennte Crash-Tage bereits mit einer Fläche unter der Grenzwertoptimierungskurve (AUROC, wobei 0,5 ein Münzwurf und 1,0 perfekt ist) von 0,78. Die morgendliche Biometrik hob das auf 0,81. Bei Fatigue ging es von 0,73 auf 0,74, bei Brain Fog von 0,83 auf 0,85. Jeder Zugewinn war angesichts hunderttausender Beobachtungen statistisch signifikant. Jeder beträgt zugleich nur ein bis zwei AUROC-Punkte. Der mit Abstand stärkste Einzelprädiktor für einen schlechten Abend war ein schlechter Tag zuvor.
“Die Morgenmessung liefert einen realen, aber kleinen Zugewinn gegenüber dem billigsten Prädiktor überhaupt: wie es Ihnen gestern ging.”
Was die Evidenz nicht belegt
Eine im Nachhinein gemessene Assoziation ist keine geprüfte Intervention. Niemand in dieser Studie sah eine Warnung, ruhte sich aus und erlebte daraufhin nachweislich seltener einen Crash. Dieser Schritt — der, der es rechtfertigen würde, Betroffenen aufgrund eines Messwerts zu raten, den Tag umzustellen — verlangt eine prospektive Studie, in der die Warnung existiert und ihre Wirkung auf den Verlauf gemessen wird. Dazu kann die vorliegende Arbeit nichts sagen, und die Autor:innen behaupten es auch nicht; sie fordern selbst genau diese prospektive Prüfung.
Zwei weitere Grenzen dämpfen die Lesart. Die Diagnosen waren über eine App selbst berichtet — Long COVID gegen die WHO-Definition, aber ohne standardisierte ME/CFS-Kriterien, neben weiteren energielimitierenden Erkrankungen —, sodass die Stichprobe gemischt und selbstselektiert ist; die Autor:innen sprechen deshalb von „komplexer chronischer Erkrankung“ statt von einer einzelnen Diagnose. Und die Handy-Photoplethysmographie ist ein gröberes Instrument als ein Forschungs-Elektrokardiogramm, ohne Gewähr, dass jede Morgenmessung wirklich in Ruhe erfolgte. Beides benennen die Autor:innen. Hinzu kommt ein offengelegter Interessenkonflikt: Von den elf Autor:innen sind drei aktuelle oder ehemalige Mitarbeitende von Visible Health Inc., dem Unternehmen hinter der App, die die Daten erzeugte; die Erstautorin oder der Erstautor gibt zudem Beratungshonorare an, die als nicht mit dieser Arbeit verbunden erklärt werden. Die Offenlegung ist klar; eine Leserin rechnet sie schlicht ein.
Warum das zählt
Die stille Bedeutung dieser Arbeit ist methodisch, und sie reicht weit über Long COVID hinaus. Die meisten Aussagen aus Consumer-Wearables beruhen auf Vergleichen zwischen Personen — der Art, die einen eindrucksvollen Bevölkerungsdurchschnitt erzeugt und der einzelnen Person nichts sagt. Indem diese Studie auf die Frage innerhalb der Person besteht und zeitlich vorwärts validiert, zeigt sie, wie Evidenz zu digitalen Biomarkern gelesen werden sollte, bevor man ihr glaubt. Für europäische Systeme, die abwägen, ob solche Signale in die Versorgung chronischer Erkrankungen einfließen sollen, lautet die Lehre nicht, dass die Morgenmessung wertlos sei; sie lautet, dass die Messlatte ein geprüfter Nutzen über dem billigsten verfügbaren Prädiktor ist — und diese Latte ist noch nicht übersprungen. Das Signal ist real. Der Beleg, dass es hilft, danach zu handeln, ist die Studie, die noch aussteht.
Quelle: Aitken A, Sawyer A, Iwasaki A, et al. Digital physiological biomarkers predict within-person symptom changes in complex chronic illness. npj Digital Medicine 2026;9:257. Eine rückblickende Beobachtungsanalyse realer App-Daten mit Modellierung innerhalb der Person und Walk-forward-Validierung — stark in der Assoziation, aber ohne prospektiven Beleg, dass ein Handeln auf das Signal Crashes verringert, und mit offengelegten Verbindungen mehrerer Autor:innen zum Hersteller der App.
