Schlafstudie der UT Austin mit Wearable zeigt, wie Bewegung die REM-Latenz beeinflusst
Ein Team der University of Texas at Austin hat 82 junge Erwachsene über mehrere Monate mit einem am Handgelenk getragenen Aktivitätstracker und einer Smartphone-App begleitet. Körperliche Aktivität verlängerte die REM-Latenz, also die Zeit bis zum Eintritt in den REM-Schlaf.

Die in Nature Scientific Reports veröffentlichte Studie wollte im Alltag prüfen, was Schlaflabore bisher nur über einzelne Nächte gezeigt hatten. Laut UT Austin zeichnete das Forschungsteam mit einem am Handgelenk getragenen Aktivitätstracker Bewegung und Herzfrequenz auf und leitete daraus Phasen des Tiefschlafs (NREM), des REM-Schlafs und der körperlichen Aktivität ab. Eine separate Smartphone-App sammelte Angaben der Teilnehmer zu ihrem Wohlbefinden.
Dass körperliche Aktivität die REM-Latenz verlängerte, könnte bedeuten, dass Bewegung hilft, tiefere Schlafstadien zu festigen, bevor das Gehirn in den REM-Schlaf übergeht, die Phase, die mit lebhaften Träumen verbunden ist. Die Mitteilung der Universität nennt mehrere Laborbefunde, die die Studie bestätigen konnte: Leichte Aktivität sowie mäßige bis kräftige Aktivität hingen mit tieferem, erholsamerem Schlaf zusammen, und besserer Schlaf ging wiederum mit mehr Energie und weniger Stress am folgenden Morgen einher.
Warum die Methode zählt
Bisher, so heißt es in der Mitteilung, wurden Studien zu diesem Zusammenhang im Labor durchgeführt und zogen ihre Schlüsse aus einer einzigen Nacht. Das Team der UT Austin hält dieses Design für begrenzt verallgemeinerbar. "Aus Laborstudien kann man viel lernen, aber die Schlafmuster einzelner Teilnehmer über nur eine Nacht zu untersuchen, hat natürlich Grenzen", sagte Benjamin Baird, Research Assistant Professor für Psychologie und einer der Autoren. "Es ist eine ungewohnte, klinische Umgebung, die Stress auslösen kann. Und man kann die Entwicklung über die Zeit nicht wirklich verfolgen. Daher bleiben bei dieser Art von Design immer Fragen zur Verallgemeinerbarkeit."
Der Ansatz mit dem Wearable dagegen beobachtete die Teilnehmer über Wochen oder Monate hinweg. So konnten die Forscher prüfen, wie sich Unterschiede in der Schlafarchitektur zum empfundenen Wohlbefinden verhalten. Schlafarchitektur bezeichnet den Aufbau jedes Schlafzyklus von 90 bis 120 Minuten: drei Stadien des Non-REM-Schlafs (leicht, tief und tiefster NREM) plus REM, der etwa die letzten 25 Prozent jedes Zyklus ausmacht.
David M. Schnyer, Mitautor und Leiter der Fakultät für Psychologie, beschrieb die Gerätewahl als praktischen Fortschritt der Studie. "Wir haben mit einem handelsüblichen Fitbit gezeigt, den jeder tragen könnte, nicht einmal mit einem teuren wissenschaftlichen Gerät, dass er tatsächlich empfindlich auf solche Messungen der Schlafarchitektur reagiert und dabei vorhersagende Ergebnisse liefert", sagte er. "Jetzt steht alles offen. Man kann dieses Gerät nutzen, um alle möglichen Daten zur Schlafarchitektur im Zusammenhang mit Lebensstil, mit Stimmung und Stimmungsstörungen im Feld zu untersuchen, nicht im Labor, was man früher für unmöglich gehalten hätte."
Die Studie ging aus einer Pilotphase im Rahmen von Whole Communities-Whole Health hervor, einem Forschungsprogramm der UT Austin, das einen interdisziplinären Ansatz dafür verfolgt, wie Gesundheitsdaten erhoben werden, und dabei Gemeinden und Teilnehmer in den Forschungsprozess einbezieht. Dieser Kontext ist wichtig für die Einordnung der Ergebnisse: 82 junge Erwachsene sind eine kleine Stichprobe, und die Schlafstadien leitet das Wearable aus Bewegung und Herzfrequenz ab, statt sie direkt mit Elektroden zu messen. Effektstärken, Konfidenzintervalle oder die genaue Dauer der Studie nennt die Mitteilung nicht.
Was die Arbeit liefert, ist eine Vorlage. Wenn ein Tracker für Endverbraucher Signale der Schlafarchitektur erfassen kann, die Stimmung und Energie am nächsten Tag vorhersagen, wie die Autoren behaupten, dann ist das Labor nicht länger der einzige Ort, an dem sich solche Fragen stellen lassen.
Quellen
1Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.