Du stehst in der Küche und spürst, wie dein Herz plötzlich rast – und bevor du es jemandem erklären kannst, beruhigt es sich wieder. Bis du die Apple Health App öffnest, ist der Moment vorbei, und die Grafik zeigt ein paar Zahlen, ohne zu verraten, ob du gerade gestanden, trainiert, zu wenig getrunken, Symptome gehabt oder dich erholt hast.
Genau das ist das Kernproblem, wenn du einen Herzfrequenzmesser fürs iPhone bei POTS und Dysautonomie nutzt. Pulsdaten zu sammeln ist relativ einfach. Daraus eine verlässliche Aufzeichnung von lageabhängigen Veränderungen, dem zeitlichen Ablauf der Symptome, ihrer Dauer und dem Alltagskontext zu machen, ist deutlich schwieriger. Eine mit dem iPhone gekoppelte Apple Watch kann helfen – aber nur, wenn du verstehst, was der Sensor misst, wie oft HealthKit Messwerte erhält und welche Werte nicht als autonome Episoden zählen sollten.
Die Herausforderung, Dysautonomie auf dem iPhone zu erfassen
Wer einen POTS-Verdacht hat, kennt oft diesen Ablauf: Sitzen ist erträglich, beim Aufstehen kommt Benommenheit, das Herz beginnt zu hämmern, und die Konzentration fällt schwer. Nach dem Hinsetzen oder Hinlegen bessern sich die Symptome oft wieder – und für den späteren Arzttermin bleiben kaum objektive Belege übrig.
Ein allgemeines Fitness-Dashboard ist nicht auf diese Erfahrung ausgelegt. Es stellt vielleicht Workouts, Bewegung oder grobe Herzfrequenz-Zusammenfassungen in den Vordergrund, während die klinisch relevanten Fragen ganz andere sind:
- Wie hoch war die Ausgangsherzfrequenz vor dem Aufstehen?
- Hielt der Anstieg an, oder war es nur eine kurze Schwankung?
- Stand die Person, ging sie, trainierte sie oder erholte sie sich gerade?
- Welche Symptome traten gleichzeitig auf?
- Lieferten Schlaf, Flüssigkeitszufuhr, Salzzufuhr, Medikamente oder eine Erkrankung relevanten Kontext?
Ein einzelner hoher Wert kann diese Fragen nicht beantworten. Er ist eine Schätzung mit Zeitstempel, keine Aufzeichnung einer Episode.
Warum eine Grafik nicht ausreicht
Apple Health kann viele Gesundheitsdaten speichern, doch die eingebaute Darstellung muss oft von Hand interpretiert werden. Du siehst vielleicht eine Reihe von Messwerten und erinnerst dich, dass es dir schlecht ging – musst die Episode aber trotzdem aus dem Gedächtnis rekonstruieren, indem du Zeitstempel, Symptome, Aktivität und Körperhaltung miteinander abgleichst.
Bei dieser Rekonstruktion entstehen leicht Lücken. Wenn dir schwindelig ist, notierst du kaum jedes Detail ordentlich. Vielleicht erinnerst du dich an den Spitzenwert, aber nicht an den Ausgangswert – oder an das Symptom, aber nicht daran, wie lange der Anstieg anhielt. Ein gutes Monitoring sollte dir diese Last abnehmen, statt dich zur Vollzeit-Datenerfasserin oder zum Vollzeit-Datenerfasser zu machen.
Faustregel: Eine hilfreiche Aufzeichnung verknüpft die Herzfrequenz mit Zeitpunkt, Aktivität, Symptomen und Erholung. Eine Zahl ohne Kontext ist nur ein Hinweis.
Der blinde Fleck beim passiven Monitoring
Dysautonomie zeigt sich oft bei ganz alltäglichen Übergängen, nicht nur beim gezielten Training. Vom Stuhl aufstehen, in einer Schlange warten, duschen oder Essen zubereiten kann aufschlussreicher sein als ein Workout. Solche Situationen lassen sich mit manuellen Messungen schwer erfassen, weil die Episode beginnen kann, bevor du das Handy greifbar hast, und wieder abklingt, bevor gemessen wird.
Ein passendes iPhone-Setup braucht deshalb zwei Fähigkeiten zugleich: Es muss passiv genug messen, um unvorhersehbare Veränderungen zu erfassen, und den Kontext gut genug filtern, um nicht jeden belastungsbedingten Anstieg als krankhaft einzustufen. Diese Balance ist wichtiger als eine schicke Grafik oder eine riesige Sammlung von Rohdaten.
Genauigkeit und Grenzen der Apple-Watch-Sensoren verstehen
Die Herzfrequenzdaten der Apple Watch stammen aus der Photoplethysmografie, kurz PPG. Der Sensor schätzt den Puls, indem er Veränderungen des Blutvolumens am Handgelenk erfasst. Das macht ihn praktisch für die fortlaufende Überwachung, verwandelt die Uhr aber nicht in ein kontinuierliches EKG.
Die Studienlage spricht für eine maßvolle Interpretation. Eine Peer-Review-Validierungsstudie aus dem Jahr 2019 verglich Messwerte der Apple Watch Series 3 über 24 Stunden mit einem EKG. Sie fand eine mittlere Abweichung von -1,80 Schlägen pro Minute, einen mittleren absoluten Fehler von 4,72 bpm und einen mittleren absoluten prozentualen Fehler von 5,86 %. Die Studie berichtete über die gesamte Aufzeichnungsdauer eine mittlere Übereinstimmung von 95 % mit dem EKG, während im Sitzen ein höherer mittlerer absoluter prozentualer Fehler von 7,21 % auftrat. Die Forschenden kamen zu dem Schluss, dass die Apple Watch und ein weiteres Consumer-Wearable über den gesamten Zeitraum und bei den meisten Aktivitäten generell eine akzeptable Herzfrequenzgenauigkeit erreichten – in dieser Studie definiert als weniger als ±10 %. Die vollständige Methodik und die Ergebnisse findest du in der Peer-Review-Validierungsstudie zur Apple Watch.
Durchschnittliche Übereinstimmung versus einzelne Messwerte
Eine neuere Auswertung liefert ein umfassenderes Bild. Eine systematische Übersichtsarbeit mit Metaanalyse aus dem Jahr 2025 fasste 82 Studien, 14 Gesundheitsmesswerte der Apple Watch und 430.052 Teilnehmende zusammen. Zur Herzfrequenz untersuchten 38 Studien mit 1.855 Teilnehmenden Modelle bis einschließlich Series 9 und Ultra 2. Die Apple Watch unterschätzte die Herzfrequenz im Mittel nur um 0,27 bpm, mit einem 95-%-Konfidenzintervall von -0,72 bis 0,17 bpm. Die individuellen Übereinstimmungsgrenzen reichten jedoch von -7,19 bis 6,64 bpm – ein kleiner durchschnittlicher Fehler bedeutet also nicht, dass jeder einzelne Messwert eng mit einer Referenzmessung übereinstimmt. Die systematische Übersichtsarbeit mit Metaanalyse erklärt, warum die Genauigkeit auf Bevölkerungsebene und die Schwankung einzelner Messwerte getrennt betrachtet werden müssen.
Für das POTS-Tracking verändert diese Unterscheidung, wie du eine Aufzeichnung deutest. Ein wiederholter Anstieg über mehrere Minuten, der in einem gleichbleibenden Kontext auftritt und von Symptomen begleitet wird, sagt mehr aus als ein einzelner überraschender Wert. Wearable-Daten können helfen, Muster zu erkennen und das Gespräch mit Fachleuten zu unterstützen, sollten aber nicht wie ein diagnostisches EKG behandelt werden.
Die Messdichte bestimmt, welche Fragen du beantworten kannst
Die Apple Watch kann Hintergrundmesswerte in hoher Frequenz anzeigen, bis zu alle 5 Sekunden, während die in Apple Health und HealthKit geschriebenen Hintergrundwerte etwa alle 30 Sekunden gespeichert werden können, um Gerätespeicher zu sparen. Eine rückblickende Zeitleiste auf dem iPhone kann also helfen, Veränderungen über mehrere Minuten zu erkennen – etwa einen anhaltenden Anstieg nach dem Aufstehen –, ist aber keine Schlag-für-Schlag-Telemetrie. Das Apple-Dokument zur Herzfrequenzgenauigkeit beschreibt diesen Kompromiss bei der Auflösung.
Workouts können dichtere Daten liefern als die normale Hintergrundmessung. Algorithmen sollten Workouts und Erholungsphasen deshalb ausdrücklich erkennen, statt ihre Messwerte mit der Überwachung ohne Belastung gleichzusetzen. Zeitstempel sollten erhalten bleiben, Lücken ausgewiesen und fehlende Zeiträume nicht mit erfundenen Werten aufgefüllt werden.
Möglichkeiten der Herzfrequenzmessung mit dem iPhone im Vergleich
Wer ein iPhone-basiertes Monitoring möchte, hat drei praktische Möglichkeiten: die eingebauten Aufzeichnungen von Apple Health nutzen, einen Bluetooth-Low-Energy-Brustgurt ergänzen oder eine spezialisierte HealthKit-Analyse-App verwenden. Keine davon ist grundsätzlich überlegen. Jede löst ein anderes Problem.
| Messmethode | Datendichte | Tragbarkeit rund um die Uhr (24/7) | Kontextfilterung | Klinische Berichte |
|---|---|---|---|---|
| Apple Health (integriert) | Passiver Verlauf im Hintergrund, mit Lücken und wechselnder Messfrequenz | Hoch, in Verbindung mit einem Wearable | Begrenzt, manuelle Interpretation | Einfacher Verlauf und Teilen |
| Bluetooth-Brustgurt | Dichte Pulsdaten während der aktiven Nutzung | Gering für das dauerhafte Tragen im Alltag | Abhängig von der App und den Sitzungsbezeichnungen | Nützliche Rohdaten pro Sitzung, müssen oft aufbereitet werden |
| Spezialisierte HealthKit-Analyse-App | Nutzt vorhandene Apple-Health-Messwerte und ordnet sie zu Episoden und Trends | Hoch, da sie vorhandene Daten der Uhr nutzen kann | Kann je nach App Regeln für Aktivität und Erholung anwenden | Kann strukturierte Zusammenfassungen und Exporte bieten |
Apple Health (integriert)
Der integrierte Weg erfordert den geringsten Einrichtungsaufwand. Er nutzt die bereits erfassten Daten und hält dich im vertrauten Apple-Ökosystem. Für einen groben Rückblick auf den Verlauf ist diese Einfachheit wertvoll.
Die Grenze liegt in der Interpretation. Die eingebauten Grafiken wissen nicht automatisch, ob ein Anstieg auf das Aufstehen, Sport, schlechten Schlaf oder Angst folgte. Unter Umständen musst du Ereignisse von Hand notieren und die klinische Geschichte selbst zusammensetzen.
Bluetooth-Brustgurte
Ein Brustgurt kann sinnvoll sein, wenn die Fragestellung dichte Pulsdaten von Moment zu Moment erfordert. Besonders praktisch ist er für einen kontrollierten Stehtest, ein kurzes Protokoll oder ein bestimmtes Ereignis, bei dem du eine Aufzeichnung bewusst starten und stoppen kannst.
Bei unvorhersehbaren Symptomen über den Tag verteilt ist er weniger praktisch. Einen weiteren Sensor zu tragen und zu pflegen kann zur Belastung werden, und eine kurze Aufzeichnung erfasst nicht, was passiert, wenn die Symptome mitten in einer alltäglichen Tätigkeit beginnen.
Spezialisierte HealthKit-Analyse
Eine eigene Analyseebene kann vorhandene Apple-Health-Messwerte ordnen, ohne dass du einen weiteren Sensor brauchst. Der Haken: Die App kann keine Details erzeugen, die HealthKit nie erhalten hat. Ihr Nutzen liegt darin, einheitliche Regeln anzuwenden, den Kontext zu bewahren und verstreute Messwerte in eine nachvollziehbare Zeitleiste zu verwandeln.
Eine ausführlichere Darstellung, wie sich Wearable-Daten für den Rückblick über längere Zeit nutzen lassen, findest du in diesem Leitfaden zur Herzüberwachung mit Wearables. Welche Wahl sinnvoll ist, hängt meist von deiner Fragestellung ab. Nutze Hardware mit dichter Aufzeichnung in aktiven Sitzungen für kontrollierte Messungen und passive Daten der Uhr, um Muster im Alltag zu entdecken.
Aus Rohdaten klinisch nützliche Episoden machen
Ein Herzfrequenzwert wird erst klinisch nützlich, wenn du ihm eine Bedeutung gibst. Bei Verdacht auf orthostatische Tachykardie heißt das: Ausgangswert, Anstieg, Dauer, Umstände und Symptome festhalten, statt nur den Spitzenwert zu speichern.
Eine sinnvolle Verarbeitung beginnt mit dem rohen HealthKit-Messwert und endet mit einer strukturierten Episode, die du gemeinsam mit deiner Ärztin oder deinem Arzt durchgehen kannst. Das System sollte seine Regel klar benennen, die ursprünglichen Zeitstempel bewahren und erkannte Muster von medizinischen Diagnosen unterscheiden.
Schritt eins: die Erkennungsregel festlegen
Ein kriterienbasierter Detektor kann einen Anstieg um 30 bpm oder mehr innerhalb von 5 Minuten markieren und dann Ausgangswert, Spitzenwert, anhaltende Dauer und Zeitpunkt festhalten. Dieses Kriterium kann helfen, Muster für das ärztliche Gespräch zu erkennen, belegt aber für sich genommen kein POTS. Eine fortlaufend aktualisierte systematische Übersichtsarbeit weist darauf hin, dass ein gemeldeter Anstieg um 30 bpm ohne standardisierte klinische Untersuchung als Mustererkennung und nicht als eigenständige Diagnose gewertet werden sollte. Die Belege und Einschränkungen findest du in der fortlaufend aktualisierten systematischen Übersichtsarbeit zu Gesundheitsmessungen der Apple Watch.
Die Regel ist wichtig, weil vage Warnungen zu vagen Aufzeichnungen führen. „Die Herzfrequenz war hoch“ lässt sich über mehrere Tage schwer vergleichen. „Ein anhaltender Anstieg folgte auf ein erfasstes Aufstehen, und der Schwindel begann während des Anstiegs“ ist deutlich hilfreicher.
Schritt zwei: Belastung von orthostatischem Stress trennen
Workout- und Erholungsphasen sollten nicht in die Zählung der Episoden ohne Belastung einfließen. Eine normale Reaktion auf Sport kann wie eine Tachykardie aussehen, wenn der Algorithmus den Aktivitätskontext ignoriert, und in der Erholung nach dem Training kann die Herzfrequenz erhöht bleiben, obwohl die Belastung längst vorbei ist.
Ein praxistauglicher Ablauf sollte:
- Trainingszeiträume anhand der HealthKit-Aktivitätsdaten erkennen.
- Workout- und Erholungsphasen aus der Gesamtzahl orthostatischer Episoden ausschließen.
- Ausgeschlossene Zeiträume separat speichern, damit sie nicht mit fehlenden Daten verwechselt werden.
- Messlücken ausweisen, statt sie durch Interpolation wie echte Messwerte zu behandeln.
Hintergrundmesswerte in HealthKit kommen etwa alle 30 Sekunden an. Die daraus entstehende Zeitleiste eignet sich also für anhaltende Veränderungen über mehrere Minuten, nicht für eine Schlag-für-Schlag-Analyse. Ein ausführlicher Ansatz zur Analyse von Gesundheitstrends kann dir verständlich machen, warum Dauer und Messlücken in den Bericht gehören.
Schritt drei: die persönlichen Notizen ergänzen
Symptome liefern die Bedeutung, die Sensoren nicht liefern können. Notiere nach Möglichkeit Schwindel, Herzklopfen, Erschöpfung, Brain Fog, Flüssigkeitszufuhr, Salzzufuhr, Schlaf, Einnahmezeiten von Medikamenten, Körperhaltung und Erholung. Du brauchst kein perfektes Tagebuch. Einheitliche Zeitstempel rund um die wichtigsten Ereignisse sind nützlicher als lange Notizen, die du Tage später schreibst.
Mit der Zeit kann die kombinierte Aufzeichnung zeigen, ob sich Episoden bei bestimmten Routinen oder Umständen häufen. Betrachte solche Muster als Anlass für das Gespräch mit Fachleuten, nicht als Beweis, dass ein einzelner Auslöser jedes Ereignis verursacht hat.
Datenschutz und Analyse auf dem Gerät bei Gesundheitsdaten
Ein durchgehender Herzfrequenzverlauf ist sensibel. Er kann Schlafmuster, Tagesabläufe, Symptome, Einnahmezeiten von Medikamenten und Phasen geringerer Aktivität offenlegen. Bei der Planung deines Monitorings solltest du deshalb nicht nur prüfen, ob eine App brauchbare Episoden liefert, sondern auch, wo die zugrunde liegenden Daten verarbeitet und gespeichert werden.
Reiner Lesezugriff verringert unnötige Risiken
Mit einer HealthKit-Verbindung nur mit Lesezugriff kann eine App vorhandene Apple-Health-Daten analysieren, ohne neue Gesundheitswerte zurückzuschreiben. Diese Trennung ist sinnvoll, weil sich die App auf die Interpretation konzentrieren kann, während die ursprünglichen Gesundheitsdaten unter deiner Kontrolle bleiben.
Frag außerdem nach, ob die Verarbeitung auf dem iPhone oder auf externen Servern stattfindet. Bei der Analyse auf dem Gerät bleibt die Berechnung in deiner persönlichen Geräteumgebung, während die Synchronisierung über iCloud für einen nahtlosen Übergang zwischen deinen eigenen Geräten sorgen kann, ohne dass ein separater Speicher für Gesundheitsdaten nötig ist.
Datenschutz sollte ein Produktmerkmal sein
Lies dir den Berechtigungsbildschirm und die Datenschutzerklärung durch, bevor du Zugriff gewährst. Achte auf klare Antworten zu folgenden Punkten:
- Datenübertragung, also ob dein roher Herzfrequenzverlauf das Handy verlässt.
- Speicherort, also ob ein Dienst medizinische Zeitleisten extern speichert.
- Schreibrechte, vor allem ob die App HealthKit-Daten verändern kann.
- Export und Löschung, damit du deine Daten abrufen oder entfernen kannst.
- Kontogrenzen, also welche Geräte auf synchronisierte Daten zugreifen können.
Der Leitfaden zum Schutz von Gesundheitsdaten bietet einen hilfreichen Rahmen, um diese Fragen im Zusammenhang mit Wearable-Monitoring zu beurteilen.
Datenschutz ersetzt keinen klinischen Nutzen, und Genauigkeit entschuldigt keinen undurchsichtigen Umgang mit Daten. Das beste Setup wird beidem gerecht. Es verwandelt Gesundheitsdaten in verständliche Episoden und vermeidet zugleich unnötige Kopien persönlicher Informationen.
Das passende Setup für dein Symptomprofil wählen
Was du beim Monitoring brauchst, hängt davon ab, was während deiner Symptome passiert und was du von den Daten erwartest. Wer plötzlich eine Präsynkope erlebt, hat andere Prioritäten als jemand, der eine allmähliche Veränderung des Ausgangswerts über mehrere Wochen verstehen möchte.
| Dein wichtigstes Anliegen | Darauf solltest du setzen | Darauf solltest du dich nicht verlassen |
|---|---|---|
| Sofortige Wahrnehmung während der Symptome | Benachrichtigungen auf dem Handy, gut lesbare Zeitstempel der Episoden und schnelles Erfassen von Symptomen | Eine Grafik, die du später von Hand durchsehen musst |
| Muster über längere Zeit erkennen | Gleichmäßige passive Erfassung, Trends des Ausgangswerts und Heatmaps | Vereinzelte Stichprobenmessungen |
| Kontrollierte Beurteilung im Stehen | Dichte Aufzeichnung in einer aktiven Sitzung und sorgfältige Notizen zur Körperhaltung | Workout-Daten, die mit den täglichen Episodenzahlen vermischt sind |
| Gespräch über Medikamente oder Behandlung | Zeitlich zugeordnete Episoden, Symptomkontext und exportierbare Berichte | Unbeschriftete Screenshots |
| Vorbereitung auf den Termin bei Fachleuten | Klare Kriterien, Ausschlüsse, Lücken und zusammenfassende Trends | Die Behauptung, ein Wearable habe die Erkrankung diagnostiziert |
Wenn die Symptome häufig und stark einschränkend sind
Setz auf einen Ablauf mit Benachrichtigungen, der dich informiert, während sich ein Ereignis entwickelt. Die Benachrichtigung ist kein Notfallurteil. Sie soll dich daran erinnern, Körperhaltung, Symptome, Aktivität und Erholung festzuhalten, solange die Details noch frisch sind.
Achte darauf, dass das System Sport von Veränderungen ohne Belastung unterscheidet. Ohne diesen Filter können häufige Workouts oder anstrengende Hausarbeit die Episodenliste mit Befunden überfluten, die deine klinische Frage nicht beantworten.
Wenn dein Fokus auf Trends liegt
Wähle ein Setup, das Verlaufsdaten bewahrt und so darstellt, dass du sie über mehrere Tage hinweg überblicken kannst. Trends beim Ruhepuls, Wochenzusammenfassungen und Episoden-Heatmaps machen wiederkehrende Zeitmuster leichter erkennbar als eine lange Liste einzelner Messwerte.
Wenn du Schlafstörungen, Flüssigkeitszufuhr, Salzzufuhr oder Medikamentenänderungen im Blick behalten willst, sind Kontextnotizen genauso wichtig wie die Grafik. Ein Trend ohne Anmerkungen zeigt vielleicht, dass sich etwas verändert hat, aber nicht, was zu diesem Zeitpunkt los war.
Wenn du dich auf klinische Untersuchungen vorbereitest
Halte dein Setup stabil, statt immer wieder die Sensoren zu wechseln. Notiere, welches Gerät die Daten erzeugt hat, ob die Werte aus der Hintergrundmessung oder aus einem Workout stammen und welche Zeiträume ausgeschlossen wurden.
Eine spezialisierte HealthKit-Analyse-App wie Cardiogram kann Herzfrequenzdaten aus Apple Health lesen, tachykarde Episoden erkennen, Symptome und Auslöser zuordnen und Zusammenfassungen zur Durchsicht erstellen. Sie kann ein Baustein eines umfassenderen Monitorings sein, ersetzt aber keine standardisierte autonome Funktionsdiagnostik und keine fachliche Beurteilung.
iPhone-Daten bei deiner Fachärztin oder deinem Facharzt für autonome Störungen vorlegen
Fachleute brauchen keinen Berg von Screenshots. Sie brauchen eine knappe Erklärung, wie die Daten erfasst wurden, wie Episoden erkannt wurden und was rund um die Messwerte passiert ist.
Beginne mit der Methode. Gib an, dass die Aufzeichnung PPG-Herzfrequenzdaten eines Wearables aus Apple Health enthält, kein kontinuierliches EKG. Vermerke, ob die Daten aus der Hintergrundmessung oder aus einem Workout stammen, und erkläre, wie mit Trainings- und Erholungsphasen umgegangen wurde.
Baue deinen Bericht um Fragen herum auf
Ein hilfreicher Bericht sollte folgende Fragen beantworten:
- Was hat sich verändert? Zeige Ausgangswert, Spitzenwert, Anstieg und anhaltende Dauer.
- Wann ist es passiert? Gib Datum und Uhrzeit an.
- In welchem Kontext? Halte, soweit bekannt, Körperhaltung, Aktivität, Schlaf, Flüssigkeitszufuhr, Salz und Einnahmezeiten von Medikamenten fest.
- Was hast du gespürt? Ordne Schwindel, Herzklopfen, Erschöpfung, Brain Fog oder Präsynkope der jeweiligen Episode zu.
- Wie verlässlich ist die Zeitleiste? Weise Messlücken aus und stelle interpolierte Werte nicht als Messwerte dar.
Eine PDF-Zusammenfassung lässt sich oft leichter durchsehen als ein scrollender Handybildschirm. Sie sollte das verwendete Erkennungskriterium nennen, Ausschlüsse angeben, wiederkehrende Muster zusammenfassen und die Symptome den jeweiligen Episoden gegenüberstellen.
Hinterfrage, was ein Schwellenwert bedeutet
Ein erkannter Anstieg, der eine Screening-Regel erfüllt, kann ein wichtiger Anhaltspunkt für das Gespräch sein, ist aber keine Diagnose. Die oben zitierte, fortlaufend aktualisierte Übersichtsarbeit betont, dass die individuelle Schwankung von Wearables auch dann bedeutsam bleibt, wenn der durchschnittliche Fehler nahe null liegt. Über die Diagnose entscheiden weiterhin standardisierte Messungen im Stehen, die Krankengeschichte, die körperliche Untersuchung und geeignete Tests.
Der beste Wearable-Bericht sagt nicht: „Meine Uhr hat bewiesen, dass ich POTS habe.“ Er sagt: „Hier ist ein wiederkehrendes Muster mit Zeitstempeln, hier ist, was ich gespürt habe, und hier ist, wie die Aufzeichnung entstanden ist.“
Bring den Bericht, deine Medikamentenliste und eine kurze Beschreibung deines typischen Symptommusters zum Termin mit. Frag deine Fachärztin oder deinen Facharzt, welche Messungen unter standardisierten Bedingungen wiederholt werden sollten und welche Befunde eine andere Form der Überwachung erfordern.
Cardiogram analysiert den Herzfrequenzverlauf aus Apple Health auf tachykarde Episoden, Veränderungen des Ausgangswerts, Symptome, Auslöser und längerfristige Trends und schließt dabei Workout- und Erholungsphasen aus den relevanten Episodenzahlen aus. Wenn du eine strukturierte Aufzeichnung auf dem iPhone und eine für Fachleute aufbereitete Zusammenfassung auf Basis deiner vorhandenen Apple-Watch-Daten möchtest, besuche Cardiogram und schau dir an, wie es zu deinen Monitoring-Zielen passt.
