EDA allein erkennt aerobes Training – neue Studie liefert Benchmark

Eine aktuelle Untersuchung auf arXiv zeigt, dass die Elektrodermale Aktivität (EDA) – ein leicht zugängliches, nicht-invasives Signal, das die Aktivierung des sympathischen Nervensystems widerspiegelt – allein in der Lage ist, Ruhephasen von anhaltenden aeroben Belastungen zu unterscheiden. Die Arbeit baut auf früheren multimodalen Studien auf, in denen EDA mit Herzfrequenz und Beschleunigungsmessung kombiniert wurde, und prüft nun die Leistungsfähigkeit des Signals als einziges Merkmal.

Die Forscher nutzten einen öffentlich verfügbaren Datensatz, der von dreißig gesunden Probanden erhoben wurde. Für jede Person wurden EDA-Messungen während Ruhe und während eines kontinuierlichen aeroben Trainings erfasst. Anschließend wurden verschiedene Machine‑Learning‑Modelle mit Leave‑One‑Subject‑Out‑Validierung trainiert, um die Klassifikation zwischen den beiden Zuständen zu testen.

Die Ergebnisse zeigen, dass EDA‑basierte Klassifikatoren ein moderates, aber signifikantes, subjektunabhängiges Ergebnis erzielen. Besonders die phasischen Dynamiken und die zeitliche Ausrichtung der EDA‑Spitzen tragen wesentlich zur Trennung der beiden Klassen bei. Trotz der moderaten Genauigkeit betonen die Autoren, dass EDA allein nicht als Ersatz für multimodale Sensorik dienen soll, sondern vielmehr einen konservativen Benchmark für die reine Unimodalität liefert.

Die Studie liefert damit wertvolle Erkenntnisse für die Entwicklung von Wearables, die auf ein einziges, leicht zu erfassten Signal setzen wollen. Sie verdeutlicht, dass EDA ein brauchbares, wenn auch nicht vollständiges, Instrument zur Erkennung von aeroben Aktivitäten darstellt und legt die Grundlage für weitere Optimierungen und Kombinationen mit ergänzenden Sensoren.