Hartslagmeter voor de iPhone: gids voor het bijhouden van POTS

Je voelt je hart versnellen terwijl je in de keuken staat, en het komt weer tot rust voordat je het aan iemand kunt uitleggen. Tegen de tijd dat je de Gezondheid-app opent, is het moment voorbij en toont de grafiek een paar getallen zonder te vertellen of je rechtop stond, aan het sporten was, uitgedroogd was, klachten had of aan het herstellen was.

Dat is het kernprobleem bij het gebruik van een hartslagmeter op de iPhone bij POTS en dysautonomie. Hartslaggegevens verzamelen is relatief makkelijk. Er een betrouwbaar overzicht van maken van houdingsgebonden veranderingen, het tijdstip van klachten, de duur en de dagelijkse context is veel moeilijker. Een Apple Watch gekoppeld aan een iPhone kan helpen, maar alleen als je begrijpt wat de sensor meet, hoe vaak HealthKit metingen ontvangt en welke metingen niet als autonome episodes moeten tellen.

De uitdaging van dysautonomie bijhouden op de iPhone

Iemand met een vermoeden van POTS merkt misschien een bekende volgorde op: zitten is goed te doen, staan geeft een licht gevoel in het hoofd, het hart begint te bonken en concentreren wordt moeilijk. De klachten kunnen verbeteren na zitten of liggen, waardoor er later weinig objectief bewijs is voor een afspraak.

Een algemeen fitnessdashboard is niet rond die ervaring ontworpen. Het legt misschien de nadruk op trainingen, beweging of brede samenvattingen van de hartslag, terwijl de medisch nuttige vragen anders zijn:

• Wat was de uitgangswaarde van de hartslag vóór het opstaan?
• Hield de stijging aan, of was het een korte schommeling?
• Stond de persoon rechtop, liep die, sportte die of was die aan het herstellen?
• Welke klachten traden tegelijk op?
• Gaven slaap, vochtinname, zoutinname, medicatie of ziekte relevante context?

Eén hoge meting kan die vragen niet beantwoorden. Het is een schatting met een tijdstempel, geen registratie van een episode.

Waarom een grafiek niet genoeg is

De Gezondheid-app kan veel gezondheidsinformatie bewaren, maar de eigen weergave vraagt vaak om handmatige interpretatie. Een patiënt ziet misschien een reeks metingen en herinnert zich dat die zich niet goed voelde, maar moet de episode dan nog steeds reconstrueren door tijdstempels, klachten, activiteit en houding uit het geheugen te vergelijken.

Die reconstructie is gevoelig voor gaten. Ben je duizelig, dan leg je waarschijnlijk niet elk detail netjes vast. Misschien herinner je je de piek maar niet de uitgangswaarde, of de klacht maar niet hoe lang de stijging duurde. Een monitoringopzet hoort die last te verminderen, in plaats van de patiënt een fulltime gegevensadministrateur te maken.

Vuistregel: een bruikbare registratie koppelt de hartslag aan tijd, activiteit, klachten en herstel. Een getal zonder context is alleen een aanwijzing.

De blinde vlek bij passieve monitoring

Dysautonomie zie je vaak bij gewone overgangen, niet alleen tijdens formele trainingen. Opstaan uit een stoel, in een rij wachten, douchen of eten klaarmaken kan relevanter zijn dan een trainingssessie. Die situaties zijn moeilijk vast te leggen met handmatige controles, omdat de gebeurtenis al kan beginnen voordat je je telefoon bij de hand hebt en kan wegebben voordat er een meting is gedaan.

De juiste opzet op de iPhone heeft daarom twee dingen tegelijk nodig. Hij moet passief genoeg verzamelen om onvoorspelbare veranderingen op te vangen, en de context goed genoeg filteren om niet elke stijging door inspanning als ziekelijk te labelen. Die balans is belangrijker dan een gelikte grafiek of een grote verzameling ruwe metingen.

De nauwkeurigheid en grenzen van de sensor van de Apple Watch

Hartslaggegevens van de Apple Watch komen van fotoplethysmografie, meestal PPG genoemd. De sensor schat de hartslag door veranderingen in het bloedvolume bij de pols te meten. Dat maakt hem praktisch voor doorlopende monitoring, maar maakt van het horloge geen continu ECG.

Het bewijs ondersteunt een afgewogen interpretatie. Een collegiaal getoetst validatieonderzoek uit 2019 vergeleek metingen van de Apple Watch Series 3 met een ECG gedurende 24 uur. Het vond een gemiddeld verschil van -1,80 slagen per minuut, een gemiddelde absolute fout van 4,72 bpm en een gemiddelde absolute procentuele fout van 5,86%. Het onderzoek meldde 95% gemiddelde overeenstemming met het ECG over de hele registratieperiode, terwijl zitten een hogere gemiddelde absolute procentuele fout gaf van 7,21%. De onderzoekers concludeerden dat de Apple Watch en een andere wearable voor consumenten over het algemeen een aanvaardbare nauwkeurigheid van de hartslag haalden, in dat onderzoek gedefinieerd als minder dan ±10%, over de hele periode en bij de meeste activiteiten. Bekijk het collegiaal getoetste validatieonderzoek van de Apple Watch voor de volledige methode en resultaten.

Gemiddelde overeenstemming tegenover losse metingen

Een nieuwere synthese geeft een breder beeld. Een systematisch overzicht met meta-analyse uit 2025 combineerde 82 onderzoeken, 14 gezondheidswaarden van de Apple Watch en 430.052 deelnemers. Voor de hartslag beoordeelden 38 onderzoeken met 1.855 deelnemers modellen tot en met de Series 9 en Ultra 2. De Apple Watch onderschatte de hartslag gemiddeld met slechts 0,27 bpm, met een 95%-betrouwbaarheidsinterval van -0,72 tot 0,17 bpm. Toch liepen de individuele grenzen van overeenstemming van -7,19 tot 6,64 bpm, wat laat zien dat een kleine gemiddelde afwijking niet betekent dat elke meting nauw overeenkomt met een referentiemeting. Het systematische overzicht met meta-analyse legt uit waarom nauwkeurigheid op populatieniveau en variatie in persoonlijke metingen apart moeten worden bekeken.

Bij het bijhouden van POTS verandert dat onderscheid hoe je een registratie interpreteert. Een herhaalde stijging over een paar minuten, in een vaste context en samen met klachten, zegt meer dan één verrassende waarde. Gegevens van wearables kunnen het herkennen van patronen en het medische gesprek ondersteunen, maar mogen niet worden gezien als diagnostisch ECG-bewijs.

De meetdichtheid verandert de vraag die je kunt beantwoorden

De Apple Watch kan op de achtergrond metingen met een hoge frequentie tonen, tot elke 5 seconden, terwijl de achtergrondmetingen die naar de Gezondheid-app en HealthKit worden geschreven ongeveer elke 30 seconden worden vastgelegd om geheugen op het apparaat te besparen. Een tijdlijn op de iPhone kan dus helpen om veranderingen van meerdere minuten achteraf te herkennen, zoals een aanhoudende stijging na het opstaan, maar is geen telemetrie slag voor slag. Het document van Apple over de nauwkeurigheid van de hartslag beschrijft deze afweging in resolutie.

Trainingssessies kunnen dichtere gegevens opleveren dan gewone achtergrondmonitoring. Algoritmen moeten trainingen en herstelperiodes daarom expliciet herkennen, in plaats van die metingen gelijk te stellen aan monitoring zonder inspanning. Bewaar tijdstempels, meld gaten en vul ontbrekende periodes niet op met verzonnen waarden.

Opties voor hartslagmonitoring op de iPhone vergeleken

Er zijn drie praktische routes voor mensen die een monitoringsysteem op basis van de iPhone willen: de eigen registratie van de Gezondheid-app gebruiken, een borstband met Bluetooth Low Energy toevoegen, of een gespecialiseerde app gebruiken die HealthKit-gegevens analyseert. Geen van de drie is altijd beter. Elke route lost een ander probleem op.

Monitoringmethode	Gegevensdichtheid	24/7 te dragen	Filteren op context	Medische rapportage
Eigen registratie van de Gezondheid-app	Passieve achtergrondgeschiedenis, met gaten en wisselende meetfrequentie	Hoog, als die is gekoppeld aan een wearable	Beperkt, handmatige interpretatie	Eenvoudige geschiedenis en delen
Borstband met Bluetooth	Dichte hartslaggegevens tijdens actief gebruik	Laag voor continu dagelijks dragen	Hangt af van de app en de labels van de sessie	Bruikbare ruwe sessiegegevens, moeten vaak worden opgemaakt
Gespecialiseerde app voor HealthKit-analyse	Gebruikt de beschikbare metingen uit de Gezondheid-app en ordent ze in episodes en trends	Hoog, omdat de app bestaande gegevens van het horloge kan gebruiken	Kan regels voor activiteit en herstel toepassen, afhankelijk van de app	Kan gestructureerde samenvattingen en exports bieden

De eigen registratie van de Gezondheid-app

De eigen route vraagt de minste instelling. Ze gebruikt de gegevens die al worden verzameld en houdt de patiënt binnen een vertrouwd ecosysteem van Apple. Voor een brede terugblik op de geschiedenis is die eenvoud waardevol.

De beperking is de interpretatie. De eigen grafieken weten niet automatisch of een stijging volgde op opstaan, sporten, slecht slapen of angst. Patiënten moeten gebeurtenissen misschien handmatig van notities voorzien en het medische verhaal zelf samenstellen.

Borstbanden met Bluetooth

Een borstband kan nuttig zijn als de vraag om dichte hartslaggegevens van moment tot moment vraagt. Dat is vooral praktisch bij een gecontroleerde staantest, een kort protocol of een specifieke gebeurtenis waarbij je een registratie bewust kunt starten en stoppen.

Voor onvoorspelbare klachten gedurende de dag is een borstband minder handig. Nog een sensor dragen en onderhouden kan belastend worden, en een korte registratie legt niet vast wat er gebeurt als de klachten beginnen tijdens een gewone taak.

Gespecialiseerde HealthKit-analyse

Een speciale analyselaag kan bestaande metingen uit de Gezondheid-app ordenen zonder dat er een extra sensor nodig is. Het nadeel is dat de app geen details kan maken die HealthKit nooit heeft ontvangen. De waarde zit in het toepassen van consequente regels, het bewaren van context en het omzetten van losse metingen in een tijdlijn die je kunt beoordelen.

Voor een bredere bespreking van hoe gegevens van wearables kunnen worden gebruikt voor beoordeling over langere tijd, lees je deze gids over hartmonitoring met een wearable. De praktische keuze hangt meestal af van de vraag die je probeert te beantwoorden. Gebruik apparatuur voor dichtere actieve sessies bij gecontroleerde metingen, en passieve gegevens van je horloge om alledaagse patronen te ontdekken.

Ruwe gegevens omzetten in medisch bruikbare episodes

Een hartslagwaarde wordt pas medisch bruikbaar als je er betekenis aan koppelt. Bij een vermoeden van orthostatische tachycardie betekent dat: de uitgangswaarde, de stijging, de duur, de omstandigheden en de klachten vastleggen, in plaats van alleen de piek te bewaren.

Een verstandige verwerkingsketen begint bij de ruwe HealthKit-meting en eindigt bij een gestructureerde episode die een patiënt en een arts kunnen bekijken. Het systeem moet de regel duidelijk vermelden, de oorspronkelijke tijdstempels bewaren en gevonden patronen onderscheiden van medische diagnoses.

Stap één is het vastleggen van de herkenningsregel

Een detector die aan een criterium toetst, kan een stijging van 30 bpm of meer binnen 5 minuten markeren en daarna de uitgangswaarde, de piek, de aanhoudende duur en het tijdstip vastleggen. Dat criterium kan helpen om patronen te vinden om te bespreken, maar stelt op zichzelf geen POTS vast. Een levend systematisch overzicht merkt op dat een gemelde stijging van 30 bpm moet worden gezien als het ontdekken van een patroon en niet als een op zichzelf staande diagnose zonder gestandaardiseerd medisch onderzoek. Lees het levende systematische overzicht over gezondheidsmetingen van de Apple Watch voor het bewijs en de beperkingen.

De regel is belangrijk, omdat vage meldingen vage registraties opleveren. 'De hartslag was hoog' is moeilijk te vergelijken tussen dagen. 'Een aanhoudende stijging volgde op een vastgelegde overgang naar staan, en de duizeligheid begon tijdens de stijging' is veel nuttiger.

Stap twee is inspanning scheiden van orthostatische belasting

Periodes van trainingen en herstel moeten worden uitgesloten van de telling van episodes zonder inspanning. Een normale reactie op sporten kan op tachycardie lijken als het algoritme de context van activiteit negeert, en tijdens het herstel na een training kan de hartslag verhoogd blijven nadat het sporten is gestopt.

Een praktische werkwijze moet:

1. Sportperiodes herkennen aan de hand van activiteitsgegevens in HealthKit.
2. Trainings- en herstelperiodes uitsluiten van het totaal aantal orthostatische episodes.
3. Uitgesloten periodes apart bewaren, zodat ze niet worden aangezien voor ontbrekende gegevens.
4. Gaten in de metingen melden, in plaats van ze op te vullen alsof het echte metingen zijn.

Achtergrondmetingen in HealthKit komen ongeveer elke 30 seconden binnen, dus de tijdlijn die daaruit ontstaat is geschikt voor aanhoudende veranderingen van meerdere minuten, niet voor analyse slag voor slag. Een uitgebreide aanpak van het analyseren van gezondheidstrends kan patiënten helpen begrijpen waarom duur en gaten in de metingen in het rapport horen.

Stap drie is het toevoegen van de menselijke registratie

Klachten geven de betekenis die sensoren niet kunnen leveren. Leg waar mogelijk duizeligheid, hartkloppingen, vermoeidheid, hersenmist, vochtinname, zoutinname, slaap, het tijdstip van medicatie, houding en herstel vast. Je hebt geen perfect dagboek nodig. Consequente tijdstempels rond de belangrijkste gebeurtenissen zijn nuttiger dan lange notities die dagen later worden geschreven.

Na verloop van tijd kan de gecombineerde registratie laten zien of episodes zich ophopen rond bepaalde routines of omstandigheden. Zie die patronen als aanleiding voor een medisch gesprek, niet als bewijs dat één trigger elke gebeurtenis heeft veroorzaakt.

Privacy en analyse op het apparaat voor gezondheidsgegevens

Een doorlopende hartslaggeschiedenis is gevoelig. Ze kan slaappatronen, dagelijkse routines, klachten, het tijdstip van medicatie en periodes met minder activiteit prijsgeven. Een monitoringplan moet daarom niet alleen beoordelen of een app bruikbare episodes oplevert, maar ook waar de onderliggende gegevens worden verwerkt en opgeslagen.

Alleen-lezentoegang vermindert onnodige blootstelling

Met een HealthKit-verbinding die alleen leest, kan een app bestaande gegevens uit de Gezondheid-app analyseren zonder nieuwe gezondheidswaarden terug te schrijven. Die scheiding is nuttig, omdat de app zich kan richten op interpretatie terwijl het oorspronkelijke gezondheidsdossier in handen van de gebruiker blijft.

Patiënten moeten ook vragen of de verwerking op de iPhone of op externe servers plaatsvindt. Bij analyse op het apparaat blijft de berekening binnen de persoonlijke apparaatomgeving, terwijl synchronisatie via iCloud continuïteit tussen de eigen apparaten van de gebruiker kan bieden zonder dat er een aparte opslagplaats voor gezondheidsgegevens nodig is.

Privacy hoort een functie van het product te zijn

Bekijk het toestemmingsscherm en het privacybeleid voordat je toegang geeft. Zoek naar duidelijke antwoorden over:

• Verplaatsing van gegevens, waaronder de vraag of de ruwe hartslaggeschiedenis de telefoon verlaat.
• Opslaglocatie, waaronder de vraag of een dienst medische tijdlijnen extern bewaart.
• Schrijfrechten, vooral of de app HealthKit-gegevens kan wijzigen.
• Exporteren en verwijderen, zodat je je informatie kunt ophalen of wissen.
• Grenzen van het account, waaronder welke apparaten toegang hebben tot gesynchroniseerde gegevens.

De gids over privacy van gezondheidsgegevens biedt een nuttig kader om deze vragen te beoordelen in de context van monitoring met wearables.

Privacy vervangt medische bruikbaarheid niet, en nauwkeurigheid is geen excuus voor ondoorzichtige gegevensverwerking. De sterkste opzet respecteert allebei. Die zet gezondheidsgegevens om in begrijpelijke episodes en beperkt tegelijk onnodige kopieën van persoonlijke informatie.

De juiste opzet kiezen voor jouw klachtenprofiel

Wat je nodig hebt voor monitoring, hangt af van wat er tijdens je klachten gebeurt en wat je van de gegevens wilt. Iemand met plotselinge presyncope heeft een andere prioriteit dan iemand die een geleidelijke verandering in de uitgangswaarde over een paar weken probeert te begrijpen.

Je belangrijkste behoefte	Geef voorrang aan	Vertrouw niet op
Direct inzicht tijdens klachten	Meldingen op de telefoon, leesbare tijdstempels van episodes en snel klachten vastleggen	Een grafiek die je later handmatig moet bekijken
Patronen ontdekken over langere tijd	Consequent passief verzamelen, trends in de uitgangswaarde en heatmaps	Losse steekproefmetingen
Gecontroleerd onderzoek bij staan	Dichte registratie tijdens een actieve sessie en zorgvuldige notities over de houding	Trainingsgegevens die door het dagelijkse totaal van episodes zijn gemengd
Gesprek over medicatie of behandeling	Episodes gekoppeld aan tijdstippen, context bij klachten en exporteerbare rapporten	Screenshots zonder label
Voorbereiding op de specialist	Expliciete criteria, uitsluitingen, gaten en samenvattende trends	Een bewering dat een wearable de aandoening heeft vastgesteld

Als klachten vaak voorkomen en je sterk beperken

Geef voorrang aan een werkwijze met meldingen die je kan waarschuwen terwijl een gebeurtenis zich ontwikkelt. De melding moet niet worden gezien als oordeel over een noodgeval. Ze is bedoeld als aansporing om houding, klachten, activiteit en herstel te noteren zolang de details nog vers zijn.

Zorg ervoor dat het systeem sporten onderscheidt van veranderingen zonder inspanning. Zonder dat filter kunnen veel trainingen of actieve huishoudelijke taken het overzicht van episodes overspoelen met bevindingen die je medische vraag niet beantwoorden.

Als je je richt op trends

Kies een opzet die historische gegevens bewaart en zo presenteert dat je ze over meerdere dagen kunt doornemen. Trends in de rusthartslag, weekoverzichten en heatmaps van episodes kunnen terugkerende tijdstippen makkelijker zichtbaar maken dan een lange lijst afzonderlijke metingen.

Voor mensen die verstoorde slaap, vochtinname, zoutinname of veranderingen in medicatie bijhouden, is het vastleggen van context net zo belangrijk als de grafiek. Een trend zonder notities kan laten zien dat er iets veranderde, maar niet wat er gebeurde toen het veranderde.

Als je je voorbereidt op medisch onderzoek

Houd je opzet stabiel in plaats van steeds van sensor te wisselen. Noteer welk apparaat de gegevens heeft gemaakt, of metingen uit achtergrondmonitoring of een trainingssessie kwamen en welke periodes zijn uitgesloten.

Een gespecialiseerde app voor HealthKit-analyse zoals Cardiogram kan hartslaggegevens uit de Gezondheid-app lezen, episodes van tachycardie herkennen, klachten en triggers koppelen en samenvattingen maken om te bespreken. Zo'n app kan één onderdeel zijn van een breder monitoringplan, geen vervanging voor gestandaardiseerd autonoom onderzoek of een beoordeling door een professional.

Gegevens van je iPhone presenteren aan je specialist in autonome aandoeningen

Een arts heeft geen berg screenshots nodig. Hij of zij heeft een beknopte uitleg nodig van hoe de gegevens zijn verzameld, hoe episodes zijn herkend en wat er rond de metingen gebeurde.

Begin bij de methode. Vermeld dat de registratie PPG-hartslaggegevens van een wearable uit de Gezondheid-app bevat, geen continu ECG. Geef aan of de gegevens uit achtergrondmonitoring of een training kwamen, en hoe periodes van sporten en herstel zijn behandeld.

Bouw een rapport rond vragen

Een bruikbaar rapport moet antwoord geven op:

• Wat veranderde er? Laat de uitgangswaarde, de piek, de stijging en de aanhoudende duur zien.
• Wanneer gebeurde het? Vermeld datums en tijdstempels.
• Wat was de context? Leg houding, activiteit, slaap, vochtinname, zout en het tijdstip van medicatie vast als je die weet.
• Wat voelde je? Koppel duizeligheid, hartkloppingen, vermoeidheid, hersenmist of presyncope aan de episode.
• Hoe betrouwbaar is de tijdlijn? Vermeld gaten in de metingen en presenteer opgevulde waarden niet als metingen.

Een pdf-samenvatting is vaak makkelijker te bekijken dan een scrollend telefoonscherm. Die moet het gebruikte herkenningscriterium vermelden, de uitsluitingen aangeven, terugkerende patronen samenvatten en klachten naast de bijbehorende episodes zetten.

Stel de betekenis van een grens ter discussie

Een gevonden stijging die aan een screeningsregel voldoet, kan belangrijk bewijs zijn om te bespreken, maar is geen diagnose. Het eerder genoemde levende overzicht benadrukt dat de individuele variatie van wearables betekenisvol blijft, ook als de gemiddelde afwijking bijna nul is. Gestandaardiseerde metingen bij staan, de medische voorgeschiedenis, lichamelijk onderzoek en passende tests bepalen nog steeds de diagnose.

Het beste rapport van een wearable zegt niet: 'Mijn horloge heeft bewezen dat ik POTS heb.' Het zegt: 'Hier is een herhaald patroon met tijdstempels, dit is wat ik voelde, en zo is de registratie tot stand gekomen.'

Neem het rapport, je medicatielijst en een korte beschrijving van je gebruikelijke klachtenpatroon mee naar de afspraak. Vraag de specialist welke metingen onder gestandaardiseerde omstandigheden moeten worden herhaald en welke bevindingen een andere vorm van monitoring nodig hebben.

---

Cardiogram analyseert de hartslaggeschiedenis uit de Gezondheid-app op episodes van tachycardie, veranderingen in de uitgangswaarde, klachten, triggers en trends op langere termijn, en laat periodes van trainingen en herstel buiten de relevante telling van episodes. Wil je een gestructureerde registratie op je iPhone en een samenvatting die klaar is voor je arts, gemaakt op basis van de bestaande gegevens van je Apple Watch, ga dan naar Cardiogram en bekijk hoe het past bij je doelen voor monitoring.