The emergence of wearable sensors that allow for unobtrusive monitoring of physiological and behavioural patterns introduces new opportunities to study the impact of stress in a real-world context. This study explores to what extent within-subject trends in daily Heart Rate Variability (HRV) and daily HRV fluctuations are associated with longitudinal changes in stress, depression,
anxiety, and somatisation. Nine Dutch police officers collected daily nocturnal HRV data using an Oura ring during 15–55 weeks. Participants filled in the Four-Dimensional Symptoms Questionnaire every 5 weeks. A sample of 47 five-week observations was collected and analysed using multiple regression. After controlling for trends in total sleep time, moderate-to-vigorous physical activity
and alcohol use, an increasing trend in the seven-day rolling standard deviation of the HRV (HRVsd) was associated with increases in stress and somatisation over 5 weeks. Furthermore, an increasing HRV trend buffered against the association between HRVsd trend and somatisation change, undoing this association when it was combined with increasing HRV. Depression and anxiety could not be
related to trends in HRV or HRVsd, which was related to observed floor effects. These results show that monitoring trends in daily HRV via wearables holds promise for automated stress monitoring and providing personalised feedback.
Binnen dit promotieonderzoek, waarvoor wordt samengewerkt met TNO en het Universitair Medisch Centrum Groningen (UMCG), staat de ontwikkeling van modellen centraal waarmee de veerkracht van werknemers voorspeld kan worden met behulp van wearables en apps. Door de toenemende beschikbaarheid van smartphone apps en wearables (zoals smartwatches) wordt de drempel steeds lager om informatie te verzamelen over het fysieke en psychische functioneren van mensen. Ook organisaties zoeken mogelijkheden om met nieuwe technologie hun werknemers te ondersteunen in het optimaliseren van de veerkracht en duurzame inzetbaarheid.Met moderne software is het op basis van grote hoeveelheden data mogelijk om modellen te ontwikkelen waarmee patronen herkend kunnen worden die voor een individu niet direct zichtbaar zijn. De toepassing van deze technieken op data afkomstig van wearables en apps is daarom sterk in opkomst, maar staat nog in de kinderschoenen.Dit onderzoek richt zich op de ontwikkeling van modellen waarmee de veerkracht van werknemers voorspeld kan worden op basis van data afkomstig van wearables en apps. Hierdoor krijgen werknemers en organisaties inzicht in de mate waarin werknemers veerkrachtig zijn en aan welke specifieke aspecten gewerkt kan worden om de veerkracht en duurzame inzetbaarheid te verbeteren.
Document (PDF)
Niet bekend
