Für Kliniker und Therapeuten

Ein klinischer Referenzleitfaden für Fachkräfte, die ihren Patienten die Praxis der Resonanzfrequenzatmung (RFB) mit Precise Breath empfehlen.

Was ist Resonanzfrequenzatmung?

Resonanzfrequenzatmung (RFB) ist eine spezifische Form der langsam getakteten Atmung, bei der der Patient in seiner individuellen Resonanzfrequenz atmet — der Frequenz (typischerweise 4,5–6,5 Atemzüge pro Minute), die die Herzfrequenzvariabilität maximiert, indem die Resonanzeigenschaften des Herz-Kreislauf-Systems genutzt werden (Vaschillo et al., 2006; Lehrer & Gevirtz, 2014).

Bei Resonanz wird die respiratorische Sinusarrhythmie (RSA) maximiert: Die Herzfrequenz steigt während der Einatmung und sinkt während der Ausatmung mit der größten Amplitude, wodurch Herzfrequenzschwankungen entstehen, die 4- bis 10-mal größer sind als die Ruhegrundlinie. Es wird angenommen, dass dies die Baroreflex-Sensitivität stärkt und die autonome Regulation durch wiederholte Praxis verbessert (Lehrer & Gevirtz, 2014; Shaffer & Meehan, 2020).

RFB unterscheidet sich von generischen Apps zur langsamen Atmung. Schon eine Abweichung von einem Atemzug pro Minute reduziert den physiologischen Effekt erheblich (Steffen et al., 2017). Precise Breath identifiziert die individuelle Frequenz jedes Patienten durch HRV-Analyse, anstatt einen Bevölkerungsdurchschnitt zu verwenden.

Evidenzbasis

Veröffentlichte Forschung hat RFB und HRV-Biofeedback bei einer Reihe klinischer Präsentationen untersucht.

Stress und Angst

Eine Metaanalyse von 24 Studien ergab, dass HRV-Biofeedback — hauptsächlich mittels RFB — eine große Effektstärke (Hedges' g = 0,83) bei der Reduzierung von selbstberichtetem Stress und Angst erzielte (Goessl et al., 2017).

Depression

Studien bei Herzpatienten zeigten signifikante Reduktionen depressiver Symptome nach HRV-Biofeedback-Training bei Resonanzfrequenz (Lin et al., 2019). Die Evidenz in der Allgemeinbevölkerung ist im Entstehen (Lehrer & Gevirtz, 2014).

PTBS

Forschung mit Kampfveteranen ergab, dass RFB-basiertes HRV-Biofeedback mit signifikanten Reduktionen von PTBS-Symptomen und Verbesserungen der autonomen Regulation verbunden war (Tan et al., 2011).

Blutdruck

Kontrollierte Studien haben RFB mit Blutdrucksenkungen in Verbindung gebracht, zusammen mit erhöhter Baroreflex-Sensitivität (Steffen et al., 2017; Lin et al., 2012).

Sportliche Leistung

RFB-basiertes HRV-Biofeedback-Training verbesserte Leistungsmaße und Stressregeneration bei Sportlern (Paul & Garg, 2012).

Autonomes Gleichgewicht

RFB stärkt die Baroreflexfunktion und verbessert die autonome Regulation in mehreren Studien (Lehrer & Gevirtz, 2014; Shaffer & Meehan, 2020).

Diese Ergebnisse beschreiben veröffentlichte Forschung zur Resonanzfrequenzatmung. Precise Breath ist ein Wellness- und Atemtrainingstool — kein Medizinprodukt. Individuelle Ergebnisse können variieren.

Wie Precise Breath das Protokoll umsetzt

Das etablierte klinische Protokoll zur Identifizierung der Resonanzfrequenz eines Patienten testet mehrere Atemfrequenzen in einer einzelnen Sitzung mittels Herzfrequenzvariabilitätsanalyse (Lehrer, 2000; Shaffer & Meehan, 2020). Precise Breath passt dieses Protokoll für eine fortlaufende Verfeinerung über mehrere Sitzungen an:

  • Sensor: Jeder Bluetooth-LE-Brustgurt mit RR-Intervall-Unterstützung. Der Polar H10 (empfohlen) bietet forschungsvalidierte Präzision — der Referenzstandard für die HRV-Messung (Task Force, 1996; Gilgen-Ammann et al., 2019). Bestätigte Kompatibilität: Polar H10, Garmin HRM Dual. Andere Standard-BLE-Brustgurte mit HR Service 0x180D sollten ebenfalls funktionieren.
  • Blockstruktur: Jeder Atemblock verwendet eine 30-Sekunden-Übergangsrampe, eine 15-Sekunden-Einschwingphase und ein 120-Sekunden-Messfenster — entsprechend dem Minimum der Task Force (1996) von 2 Minuten für die LF-Leistungsschätzung.
  • Bewertung: FFT-Spektralamplitude bei der Atemfrequenz (85 % Gewichtung) kombiniert mit Hilbert-Transformations-Phasenkohärenz (15 % Gewichtung). Signalqualitätsfilterung (Artefaktrate + Variationskoeffizient) schließt unzuverlässige Blöcke aus.
  • Modus Kalibrieren: Testet 5 voreingestellte Frequenzen (4,5–6,5 BPM) in zufälliger Reihenfolge in einer einzelnen ~14-minütigen Sitzung, um eine Grundschätzung zu erstellen.
  • Modus Erkunden: Adaptiver Multi-Sitzungs-Algorithmus, der Sitzung für Sitzung benachbarte Frequenzen erkundet und mit wachsendem Vertrauen auf die persönliche Frequenz des Patienten konvergiert.
  • IBI-Anpassung: Wenn ausreichend Daten verfügbar sind, berücksichtigt die App sitzungsübergreifende Verschiebungen der Resonanzfrequenz, die mit dem Ruhe-Interbeat-Intervall korrelieren — im Einklang mit den Ergebnissen von Lalanza et al. (2021).
  • Datenschutz: Alle Daten werden lokal auf dem Gerät des Patienten gespeichert. Es werden keine Daten übertragen, keine Konten benötigt.

HRV-Analyse und Bewertungsdetails

Für Kliniker und Forscher, die die Messmethodik verstehen möchten.

Signalverarbeitungspipeline

Jeder Atemblock erzeugt eine Sequenz von RR-Intervallen vom Brustgurtsensor. Diese werden in einer fünfstufigen Pipeline verarbeitet:

  1. Artefaktentfernung: Eine adaptive Zwei-Pass-Pipeline: (1) Der Bereichsfilter markiert Intervalle außerhalb von 300–1500 ms; (2) der adaptive Sukzessivdifferenzfilter verwendet einen laufenden Median der Interbeat-Differenzen mit einem beidseitigen Kriterium und markiert nur transiente Spitzen, bei denen beide Nachbarn abweichen. Markierte Intervalle werden durch lineare Interpolation ersetzt (nicht entfernt), wodurch das Timing erhalten bleibt. Blöcke mit weniger als 30 verwertbaren Intervallen werden ausgeschlossen.
  2. HF-Tachogramm: Saubere RR-Intervalle werden in momentane Herzfrequenz (bpm) umgewandelt und auf einer kontinuierlichen Zeitachse platziert.
  3. Gleichmäßige Neuabtastung: Das Tachogramm wird mittels natürlichem kubischem Spline auf ein gleichmäßiges 4-Hz-Raster interpoliert — weit über der höchsten relevanten Atemfrequenz — und damit für die FFT-basierte Spektralanalyse geeignet.
  4. Trendbereinigung und Fensterung: Die DC-Komponente wird entfernt und ein Hanning-Fenster wird angewendet, um spektrale Leckage vor der Frequenzbereichsanalyse zu reduzieren.
  5. Spektral- und Phasenanalyse: Die FFT wird auf das gefensterte Signal angewendet. Ein separater Hilbert-Transformations-Durchlauf extrahiert die momentane kardiale Phase relativ zur Atemreferenz.

Gesamtscore

Jedes 120-Sekunden-Messfenster erzeugt einen Gesamtscore (0–1):

Score = 0,85 × Spektrale Amplitude + 0,15 × Phasenkohärenz
  • Spektrale Amplitude (85 %): Normalisierte Leistung bei der Ziel-Atemfrequenz (±0,015 Hz Band) relativ zur gesamten Spektralleistung. Erfasst die Stärke der kardiovaskulären Resonanz bei der Zielfrequenz — das primäre Signal der RSA-Maximierung. Selbst-normalisierend (Verhältnis, nicht absolute Leistung), daher robust gegenüber sitzungsübergreifenden Unterschieden in Ruhe-HF und HRV-Amplitude.
  • Phasenkohärenz (15 %): Mittlere Resultantlänge (MRL) der momentanen kardialen Phase relativ zur Atemreferenz, berechnet mittels Hilbert-Transformation. MRL = 1,0 zeigt perfekte Phasenkopplung an; MRL = 0 zeigt eine zufällige Phasenbeziehung an. Mit 15 % gewichtet, da das 120-Sekunden-Fenster (~10 Atemzyklen) unter dem Ideal von ≥20 Zyklen für stabile Phasenschätzung liegt — diese Metrik ist orientierend, nicht primär. Hinweis: Die Phasenkohärenz erfordert ein symmetrisches (1:1) Ein- zu Ausatmungsverhältnis. Die App unterstützt verlängerte Ausatmungsverhältnisse (1:1,5, 1:2) als Benutzeroption, jedoch wird die Phasenmessung für diese Sitzungen deaktiviert — asymmetrische Atmung erzeugt eine systematische kardiale Phasenverschiebung, die den MRL uninterpretierbar machen würde. Sitzungen mit verlängerter Ausatmung werden ausschließlich nach spektraler Amplitude bewertet.

Signalqualitätsfilterung

Eine Signalqualitätsmetrik (0–1) wird aus Artefaktrate und Herzfrequenz-Variationskoeffizient berechnet:

Signalqualität = 0,70 × (1 − Artefaktrate) + 0,30 × (1 − CV)

Blöcke mit Signalqualität < 0,50 werden vom Resonanzfrequenzschätzer ausgeschlossen. Dieser Schwellenwert verhindert, dass Bewegungsartefakte, Elektrodenkontaktprobleme oder ektopische Schläge die Frequenzschätzung verfälschen. Ausgeschlossene Blöcke werden in der Sitzungszusammenfassung markiert, damit der Patient Probleme bei der Sensorplatzierung frühzeitig erkennen kann.

Resonanzfrequenzschätzung

Nach jeder Erkunden-Sitzung schätzt die App die Resonanzfrequenz des Patienten unter Verwendung aller gültigen Blöcke aus allen historischen Sitzungen neu:

  • Gewichtete Lorentz-Anpassung: Eine qualitätsgewichtete Lorentz-Kurve (gedämpfter Oszillator) wird an die (Frequenz, Score)-Paare aller gültigen historischen Blöcke angepasst (mindestens 5 Blöcke, Signalqualität ≥ 0,50). Die Lorentz-Funktion ist die physikalisch korrekte Spektralform für ein resonantes System und wird durch Gittersuche über Zentralfrequenz und Breite angepasst, wobei Amplitude und Grundlinie an jedem Gitterpunkt analytisch gelöst werden. Die quadratische Qualitätsgewichtung gibt Blöcken hoher Qualität mehr Einfluss, behält aber den gesamten historischen Datensatz bei. Eine gewichtete Quadratik wird als Ausweichmethode verwendet, wenn die Lorentz-Gittersuche keinen gültigen Peak findet.
  • IBI-Kovariablenmodell: Wenn ausreichend Daten verfügbar sind, macht ein erweitertes Modell die Lorentz-Zentralfrequenz IBI-abhängig: x₀(IBI) = x₀ + β · IBIc, unter Berücksichtigung der Korrelation zwischen Ruhe-Interbeat-Intervall und optimaler Atemfrequenz — im Einklang mit den Ergebnissen von Lalanza et al. (2021). Dies ermöglicht die Anpassung innerhalb einer Sitzung, wenn die Ruhe-HF des Patienten von seiner historischen Grundlinie abweicht, sodass die im Block 2 und danach erkundete Frequenz an den Zustand des Patienten an diesem Tag angepasst wird.
  • Alternative: Wenn weder die Lorentz- noch die quadratische Anpassung gut konditioniert sind, wird eine qualitätsgewichtete Bin-Methode als Alternativschätzer verwendet.
  • Konfidenz: Jede Schätzung enthält einen Konfidenzwert (0–1) basierend auf Datenmenge, Anpassungsgüte und Peak-Abdeckung. Er wird in der Sitzungszusammenfassung angezeigt, damit Patienten verfolgen können, wie sich die Schätzung im Laufe der Zeit stabilisiert.

Einrichtungsleitfaden für Patienten

Die folgenden vier Schritte bringen den Patienten vom ersten Download zur aktiven Praxis.

1

Brustgurt-Sensor besorgen

Jeder Bluetooth-LE-Brustgurt mit RR-Intervall-Unterstützung funktioniert. Der Polar H10 (~100 $ bei polar.com) wird wegen seiner forschungsvalidierten Präzision empfohlen. Bestätigte Kompatibilität: Polar H10, Garmin HRM Dual. Andere Standard-BLE-EKG-Brustgurte sollten ebenfalls funktionieren. Patienten sollten den Sensor vor der ersten Sitzung haben.

2

Precise Breath herunterladen

Verfügbar im Google Play Store (Android) und Apple App Store (iOS). Die App führt Benutzer beim ersten Start durch die Sensor-Kopplung. Ein Premium-Upgrade (9,99 $ einmalig) ist für die HRV-Analysemodi erforderlich.

3

Kalibrierungssitzung durchführen

Empfehlen Sie dem Patienten, zunächst eine Kalibrieren-Sitzung (~14 Minuten) durchzuführen. Diese testet systematisch 5 Atemfrequenzen und erstellt eine erste Schätzung der Resonanzfrequenz. Vorbereitung: Nicht-stören-Modus aktivieren, Brustgurt-Elektroden befeuchten, ruhige Sitzposition.

4

Mit dem Modus Resonieren üben

Nach der Kalibrierung nutzt der Patient den Modus Resonieren für die tägliche Praxis bei seiner identifizierten Frequenz. Der Modus Erkunden verfeinert die Schätzung in den folgenden Sitzungen weiter. Empfehlen Sie 15–20 Minuten täglich basierend auf der veröffentlichten Dosierungsevidenz (Lehrer & Gevirtz, 2014).

Fragen oder Überweisungsmaterial

Für klinische Fragen, Überweisungsmaterial oder Lizenzanfragen kontaktieren Sie uns unter [email protected].

Ein druckbares Patientenüberweisungsblatt ist verfügbar — öffnen Sie es und drucken Sie es mit Cmd+P (oder Strg+P) als einseitiges Blatt aus.

Haftungsausschluss: Precise Breath ist eine Wellness- und Atemtrainings-Anwendung. Es handelt sich nicht um ein Medizinprodukt und es ist nicht dazu bestimmt, Krankheiten oder medizinische Zustände zu diagnostizieren, zu behandeln, zu heilen oder zu verhindern. Die auf dieser Seite zitierte klinische Forschung beschreibt veröffentlichte Ergebnisse zur Resonanzfrequenzatmung als Praxis — individuelle Ergebnisse können variieren. Kliniker sollten ihr eigenes Urteil bezüglich der angemessenen Patientenauswahl und Anwendung ausüben.

Wichtige Referenzen

  1. Vaschillo, E. G., Vaschillo, B., & Lehrer, P. M. (2006). Characteristics of resonance in heart rate variability stimulated by biofeedback. Applied Psychophysiology and Biofeedback, 31(2), 129–142.
  2. Lehrer, P. M. & Gevirtz, R. (2014). Heart rate variability biofeedback: How and why does it work? Frontiers in Psychology, 5, 756.
  3. Shaffer, F. & Meehan, Z. M. (2020). A practical guide to resonance frequency assessment. Frontiers in Neuroscience, 14, 570400.
  4. Steffen, P. R., et al. (2017). The impact of resonance frequency breathing on measures of heart rate variability, blood pressure, and mood. Frontiers in Public Health, 5, 222.
  5. Goessl, V. C., Curtiss, J. E., & Hofmann, S. G. (2017). The effect of heart rate variability biofeedback training on stress and anxiety: A meta-analysis. Psychological Medicine, 47(15), 2578–2586.
  6. Lin, I.-M., et al. (2019). Randomized controlled trial of heart rate variability biofeedback in cardiac autonomic and hostility among patients with coronary artery disease. Behaviour Research and Therapy, 70, 38–46.
  7. Tan, G., et al. (2011). Heart rate variability (HRV) and posttraumatic stress disorder (PTSD): A pilot study. Applied Psychophysiology and Biofeedback, 36(1), 27–35.
  8. Paul, M. & Garg, K. (2012). The effect of heart rate variability biofeedback on performance psychology of basketball players. Applied Psychophysiology and Biofeedback, 37(2), 131–144.
  9. Lalanza, J. F., et al. (2021). Resonance frequency is not always stable over time. Scientific Reports, 11, 8800.
  10. Task Force of ESC/NASPE (1996). Heart rate variability: Standards of measurement. Circulation, 93(5), 1043–1065.
  11. Gilgen-Ammann, R., Schweizer, T., & Wyss, T. (2019). RR interval signal quality of a heart rate monitor and an ECG Holter at rest and during exercise. European Journal of Applied Physiology, 119(7), 1525–1532.