Datenanalyse

Dateninterpretation und -analyse mit dem cosinuss° WebInterface.

Valide und verlässliche Daten sind die wesentliche Grundlage für jede weitere Analyse. Damit bilden sie den ersten Schritt zur Gewinnung von Erkenntnissen über die Gesundheit. cosinuss° bietet die geeignete Unterstützung bei der Bewertung der Datenqualität sowie zusätzliche Informationen zur Interpretation der Daten, die mit dem cosinuss° Im-Ohr Sensor und dem cosinuss° LabGateway erhoben wurden.

Erste Interpretation der Messdaten

Beispiele für präzise Messungen

Valides PPG-Signal

Das Photoplethysmogramm-Signal (PPG) zeigt die Veränderungen des Blutvolumens mittels Lichtabsorption des arteriellen Blutes an. Jede Herzschlagfolge wird in der Rohdaten-Grafik als Spitze dargestellt. Gültige PPG-Signale sind für die Ableitung von SpO2 und Atemfrequenz erforderlich.

Ein gutes PPG-Signal hat

  • keine oder nur wenige Bewegungsartefakte,
  • regelmäßige Herzschläge,
  • keine Sprünge in der konstanten Komponente des PPG,
  • ein hohes Signal-Rausch-Verhältnis.
Cosinuss-DataAnalytics-good_ppg_signal

Beschleunigungsdaten

Die Beschleunigungsdaten zeigen die Bewegung der Testperson an. Für eine valide Datenerfassung, insbesondere für den SpO2-Wert und die Atemfrequenz, sind Bewegungen hinderlich. In diesem Beispiel liegt der Bewegungsbereich lediglich zwischen 0,9 und 0,93 – die Person hat sich somit fast nicht bewegt.

Cosinuss-DataAnalytics-good_acc_data

Qualitätsindex

Der Qualitätsindex zeigt die Qualität des PPG-Signals in Bezug auf die Berechnung der Herzfrequenzwerte an. Er sollte immer über 40 liegen, damit verlässliche Daten berechnet werden können. Ist dies nicht der Fall, muss geprüft werden, ob der Sensor ein Stück aus dem Ohr der Testperson herausgerutscht ist oder ob die Sensorgröße nicht richtig gewählt wurde.

Cosinuss-DataAnalytics-good_quality_index

Perfusionsindex

Der Perfusionsindex zeigt die Qualität des PPG-Signals in Bezug auf die Berechnung der SpO2-Werte an. Er sollte immer im Bereich von 0,2 – 2 liegen. Ist dies nicht der Fall, sollte eine andere Sensorgröße im Gehörgang ausprobiert werden.

Cosinuss-DataAnalytics-good_perfusion_index

Präzise Vitalparameter

Wenn die Rohdaten valide sind, wie in den obigen Beispielen zu sehen, können die Algorithmen die Vitalparameter berechnen. Genaue Daten von SpO2, Atemfrequenz, Herzfrequenz und Körperkerntemperatur werden berechnet und im cosinuss° WebInterface angezeigt.

Cosinuss-DataAnalytics-good_vital_signs

Beispiele für gestörte Messungen

Verlust der Bluetooth-Verbindung

Ist der aktiv messende Im-Ohr Sensor mehr als 10 Meter vom cosinuss° LabGateway entfernt oder der Akku leer, ist ein Verbindungsverlust auf der Grafik im cosinuss° WebInterface sichtbar. Dieser wird mit geraden Linien durch die Rohdaten-Grafiken dargestellt, wie im Bild unten zu sehen ist.

Cosinuss-DataAnalytics-bluetooth_connection_loss

Falscher Sitz des Im-Ohr Sensors

Wenn die Körperkerntemperatur einer Person unter 35 °C fällt, rutscht entweder der Im-Ohr Sensor aus dem Ohr oder die Person hat die falsche Sensorgröße. In diesem Fall kann der Im-Ohr Sensor keine gültigen Rohdaten mehr erfassen und die Vitalparameter können möglicherweise nicht mehr berechnet werden. Die Auswirkungen können u.a. an den fehlenden Werten für SpO2 und Atemfrequenz erkannt werden.

Cosinuss-DataAnalytics-no_vital_signs

Sehr niedrige Temperatur

Wenn die Körperkerntemperatur stark absinkt, deutet das darauf hin, dass der Im-Ohr Sensor aus dem Ohr der Testperson herausgerutscht sein könnte oder sich gar nicht darin befindet.

Cosinuss-DataAnalytics-very_low_temperature

Bewegungen

Zu viele Bewegungen stören die Messungen. Dies wird deutlich, wenn die Beschleunigungsdaten in einem weiten Wertebereich liegen (hier von 0,7 – 1,1). Infolgedessen ist der Im-Ohr Sensor möglicherweise nicht in der Lage, bewegungsbedingte Signaländerungen aus korrekten Daten zu extrahieren, und die Berechnung von SpO2 und Atemfrequenz ist eventuell nicht möglich.

Cosinuss-DataAnalytics-movement_raw_data

Kombinierte Analyse von Vitalparametern

Aus den kombinierten Informationen mehrerer relevanter Vitaldaten lassen sich mit Hilfe von Algorithmen relevante Erkenntnisse über die Gesundheit ableiten. Solche können zum Beispiel die Bewertung der Herzgesundheit oder die Erkennung von Stress, Hitzschlägen und epileptischen Anfällen sein.

AUF ANFRAGE

cosinuss° kann Ihnen spezifische Algorithmen zur Ableitung von Gesundheits-Insights zur Verfügung stellen oder Sie bei deren Implementierung unterstützen. Nehmen Sie Kontakt auf, um weitere Informationen und Unterstützung zu erhalten!