Leistungsdiagnostische und belastungssteuernde Verfahren spielen im Sport und der Rehabilitation eine große Rolle. Zunehmend werden hier Methoden zur Bestimmung der Herzfrequenzvariabilität (HRV) angewandt. Die Herzfrequenz als nichtstationäres Signal ist hinsichtlich ihrer Regulation in besonderem Maße abhängig vom autonomen Nervensystem. In Form einer Schlag-zu-Schlag- Veränderung der Herzfrequenz spiegelt diese das kardiorespiratorische Kontrollsystem wider. Im Ruhezustand unterliegt die HRV besonders dem parasympathischen Nervensystem und dem Baroreflexmechanismus. Unter Belastung weist die HRV eine starke Beeinflussung durch die Atmung auf, wobei nach neueren Studien die hochfrequenten Anteile besonders im Zusammenhang mit respiratorischen Schwellen (aerobe Schwelle AT und respiratorischer Kompensationspunkt RCP) stehen sollen. Im Gegensatz zu anderen Untersuchungen (Berbalk et al., Horn et al.), welche zur Analyse der Herzfrequenzvariabilität die Fast-Fourier-Transformation (FFT) verwendeten, wird in der vorliegenden Studie die Hilbert-Transformation benutzt. Diese berücksichtigt im Gegensatz zur FFT die Nicht-Stationarität des HRV-Signals. Somit werden Voraussetzungen der FFT (z.B. Analyse nur von stationären Zeitreihen) bei Vorliegen von nicht- stationären biologischen Signalen nicht verletzt. Die Hilbert-Transformation wandelt zeitbezogene, nicht-stationäre Daten in frequenzbezogene Daten um. Aus dem dann gegebenen Spektrum wird die Phase rekonstruiert bzw. verschoben, d.h. es wird bei einem gegebenen Realteil der Imaginärteil errechnet. Aus den kontinuierlichen Veränderungen werden Größen, wie z.B. bei Wiederanstieg hochfrequenter Anteile die HRV-Schwelle (THRV), abgeleitet. Vergleichend erfolgte in der vorliegenden Arbeit die Bestimmung der respiratorischen Schwelle AT anhand der V-Slope-Methode nach Wasserman et al. sowie die Bestimmung individueller und fixer Laktatschwellen anhand von Schwellenkonzepten nach Dickhuth et al., Stegmann et al. und Mader et al. In dieser Studie wurden vier unterschiedliche Gruppen unabhängig voneinander aufgrund von ansteigenden maximalen Belastungsprotokollen sowohl fahrrad- als auch laufbandergometrisch hinsichtlich ihrer Herzfrequenzvariabilitätsschwelle untersucht. Es konnte ein hohes Maß an Übereinstimmung von THRV mit AT in allen durchgeführten Untersuchungen gefunden werden. Die individuellen Laktatschwellen nach Dickhuth et al. und Stegmann et al. lagen minimal oberhalb der ventilatorischen Schwelle AT. Die fixe 4 mmol-Laktatschwelle nach Mader et al. und der RCP traten hingegen deutlich später auf. Sowohl mittels linearer Regressionen als auch mittels Bland-Altman-Plots konnte ein hoher positiver Zusammenhang bzw. eine akzeptable Abweichung von THRV mit AT nachgewiesen werden. Schlußfolgernd ist THRV im respiratorischen Schwellenbereich detektierbar und kann somit als Ersatzparameter für AT verwendet werden. Somit könnte zukünftig mittels der Bestimmung von THRV eine vereinfachte, nicht invasive Leistungs- und Trainingsdiagnostik resultieren.
Performance diagnosis and measures to control physical strain play a major role in sports and rehabilitation. For that there are used more often methods to define heart-rate variability (HRV). The regulation of the heart rate as non stationary signal depends on the autonomic nervous system. Heart rate reflects in the form of beat-to-beat alteration the cardiorespiratory control system. At resting state HRV is in particular subjected to the parasympathetic nervous system and the barorecepter reflex mechanism. During exercise breathing pattern has a relevant effect on HRV. Current studies show that especially the high-frequency components of HRV are associated with respiratory thresholds ( aerob threshold AT and respiratory compensation point RCP). Unlike other studies (Berbalk et al., Horn et al.) that took the fast- Fourier transformation (FFT) for analysis of heart rate variability the present study uses the Hilbert- transformation. That includes the non- stationary pattern of the HRV- signal, contrary to FFT. Requirements of FFT as the analysis of stationary time series are not violated when non-stationary biological signals are present. The Hilbert- transformation transforms time- related, non-stationary data into frequency-related data. Hence obtained spectrum is used to reconstruct respectively to adjust the phase, that means to calculate the imaginary part out of the given real part. There are gained certain dimensions out of these continous variances, for instance the HRV- threshold (THRV) at re-increase of the high-frequency components. At present study comparatively were defined respiratory threshold AT using V-slope method according to Wasserman et al. as lactate thresholds using concepts according to Dickhut et al., Stegman et al. and Mader et al. In that study four different groups were independently examined by means of increasing applied maximal exercise protocols using ergometry on bike and treadmill in regard to heart rate variability- threshold. All conducted examinations showed a high degree of accordance of THRV and AT. The individual lactate thresholds according to Dickhut et al. and Stegman et al. were minimal above the ventilatory threshold AT. The fix 4-mmol- lactate threshold according to Mader et al. as RCP showed clearly a delayed occurrence. Using as well linear regression as Bland-Altman-plots a high positive accordance or rather an acceptable aberration between THRV and AT could be verified. Consequently is to say that THRV is detectable in the range of ventilatory threshold and hence is usable as surrogate of AT. Hence the analysis of THRV might prospectively deliver an easier, non-invasive performance and trainings diagnosis.
