Listen to the article iThis is an audio narration of the article, made using Generative AI technology. Please note that occasional mispronunciations may occur.

Einleitung

Dieser Leitfaden bietet wertvolle Einblicke in die grundlegenden Prinzipien und die neuesten Fortschritte in der Säuglingsforschung unter Einsatz von Biosensortechnologie. Ganz gleich, ob Sie ein erfahrener Forscher sind oder neu auf diesem Gebiet – er enthält nützliche Informationen, die Ihnen helfen, Ihre Forschungsarbeit zu verbessern.

Der Leitfaden beginnt mit einem Überblick über die Gesundheit von Säuglingen und ihre Entwicklungsmeilensteine, gefolgt von konkreten Anwendungsbeispielen, wie Forscher Biosensoren einsetzen, um Themen zu untersuchen, die von der Interaktion zwischen Eltern und Säuglingen bis hin zur Vorhersage von Sepsis reichen. Anschließend befasst er sich eingehend mit den spezifischen Biosensoren, die in der Säuglingsforschung zum Einsatz kommen, und beleuchtet die neuesten Fortschritte in der Biosensorik für Säuglinge.

Eine Krankenschwester misst in einer Klinik mit einem Maßband den Kopfumfang eines Babys.

Obwohl die Säuglingsforschung rasant wächst, stellt sie Forscher nach wie vor vor zahlreiche Herausforderungen. Dieser Leitfaden befasst sich mit den häufigsten Herausforderungen in diesem Bereich und zeigt auf, wie iMotions Lösungen anbietet und als Plattform dient, um die Säuglingsforschung mit modernsten Biosensortechnologien voranzubringen. Abschließend geben wir einen Ausblick auf die Zukunft der Biosensorforschung im Bereich der Säuglingsforschung.

Unser Ziel ist es, Ihnen konkrete Schritte aufzuzeigen, wie Sie die Biosensor-Technologie in Ihre Forschungsprojekte zur Säuglingsforschung integrieren oder weiterentwickeln können.

Entwicklung und Gesundheit von Säuglingen

Laut dem Center for Disease Control & Prevention (CDC) bezieht sich der Begriff „Säugling“ auf ein Kind im ersten Lebensjahr (CDC). Dies ist jedoch eine weit gefasste Definition, und es ist nicht ungewöhnlich, dass Experten und die breite Öffentlichkeit den Begriff „Säugling“ auch für Kinder bis zum Alter von zwei Jahren verwenden. Nach dem ersten Lebensjahr oder sobald das Kind laufen lernt, gilt es als Kleinkind. Tabelle 1 bietet einen Überblick darüber, welche Begriffe zur Beschreibung der Altersgruppe kleiner und ungeborener Kinder verwendet werden.

Begriff	Altersgruppe
Fötus	Während der gesamten Schwangerschaft, die in der Regel etwa 39 bis 40 Wochen dauert
Neugeborenes	Tag 0 – 28 nach der Geburt*Hinweis: Bei einer Geburt vor der 37. Schwangerschaftswoche (SW) gilt das Kind als Frühgeborenes, bis es die 37. Schwangerschaftswoche erreicht hat
Kleinkind	Tag 0 – 12 Monate
Kleinkind	1–3 Jahre

Tabelle 1: Übersicht über die Begriffe zur Bezeichnung von Ungeborenen und Kleinkindern. Bitte beachten Sie, dass diese Begriffe nur grob definiert sind und nicht immer in der hier beschriebenen Weise verwendet werden. Quelle: CDC, Wikipedia.

Gesundheit von Säuglingen und Meilensteine der Entwicklung

Säuglinge durchlaufen eine rasante Entwicklung, die zu schnellen Veränderungen ihres Körpers und ihrer Fähigkeiten führt. Der folgende Abschnitt bietet einen Überblick über die Gesundheitsindikatoren und Entwicklungsmeilensteine, die in der Säuglingsforschung typischerweise beobachtet und gemessen werden.

Indikatoren für die Gesundheit von Säuglingen

Um die Gesundheit von Säuglingen beurteilen, überwachen und behandeln zu können, ist es wichtig zu wissen, wie ihre normalen physiologischen Werte aussehen. Im Vergleich zu Erwachsenen weichen die Messwerte bei Säuglingen erheblich ab. Diese Tabelle bietet einen Überblick über die durchschnittlichen Werte, die bei einem Säugling zu erwarten sind.

	Kleinkind	Erwachsene
Ruhe-Herzfrequenz im Wachzustand (Schläge pro Minute, bpm)	0–1 Monate: 70–190 Schläge pro Minute 1–11 Monate: 80–160 Schläge pro Minute (Kilinc & Snyder, 2020)	60–100 Schläge pro Minute (beachte, dass gut trainierte Sportler eine Ruheherzfrequenz von bis zu 40 Schlägen pro Minute aufweisen können) (Levine, 2023)
Herzfrequenzvariabilität (Millisekunden, ms)	Es besteht kein eindeutiger Konsens hinsichtlich der durchschnittlichen HRV bei Säuglingen* (Latremouille et al., 2021; Oliveira et al., 2019; Mehta et al., 2022).	42 ms, Normalbereich: 19–75 ms (Lee, 2024; King, 2024)
Blutdruck (diastolischer Blutdruck, mmHg)	Neugeborene: 64/41 mm Hg 1–12 Monate: 95/58 mm Hg (Mount Sinai, o. J.)	120/80 mm Hg (CDC, 2024)
Körpertemperatur (Celsius, °C)	0–12 Monate: 36,7–37,3 °C (Healthline, 2024)	37 °C (Healthline, 2024)
Atemfrequenz (Atemzüge pro Minute, bpm)	0–6 Monate: 30–60 Schläge pro Minute 6–12 Monate: 30–50 Schläge pro Minute (Healthline, 2022; Reuter et al., 2014)	12–20 Schläge pro Minute (Healthline, 2022)

Tabelle 2: Übersicht über die durchschnittlichen physiologischen Messwerte bei Säuglingen und Erwachsenen. Es ist zu beachten, dass die Herzfrequenzvariabilität (HRV) als Standardabweichung aller „Normal-zu-Normal“-RR-Intervalle (NN) angegeben wird, dem am häufigsten verwendeten Zeitbereichsmaß für die HRV (Kleiger et al., 2005).

*Die HRV-Ergebnisse für Säuglinge variieren von Studie zu Studie (Claiborne et al., 2023; Latremouille et al., 2021; Chiera et al., 2020; Mehta et al., 2002). Bei der Durchführung Ihrer Forschung ist es wichtig, sich dieser Unterschiede bewusst zu sein.

Einer der Hauptgründe für die Unterschiede zwischen den Gesundheitsindikatoren von Säuglingen und Erwachsenen liegt darin, dass das autonome Nervensystem (ANS), das die Funktion des Herzens und anderer lebenswichtiger Organe steuert, noch nicht vollständig entwickelt ist (Chiera et al., 2020). Tatsächlich verändern sich innerhalb der ersten 24 Lebensstunden eines Säuglings mehrere Parameter des ANS erheblich, darunter die Herzfrequenz und die Herzfrequenzvariabilität (Chiera et al., 2020).

Das autonome Nervensystem entwickelt sich in den ersten beiden Lebensjahren weiter und trägt zu erheblichen natürlichen Veränderungen der physiologischen Marker in diesem Zeitraum bei (Chiera et al., 2020). Es ist zudem wichtig zu bedenken, dass Säuglinge leicht von ihrer äußeren Umgebung beeinflusst werden, sodass bereits geringfügige Temperaturänderungen messbare Auswirkungen auf ihre physiologische Aktivität haben können (Chiera et al., 2020).

Entwicklungsmeilensteine bei Säuglingen

Dank medizinischer Fortschritte überleben heute viele Säuglinge in wohlhabenden Ländern und bleiben von früher tödlichen Krankheiten verschont. Dieser Fortschritt hat den Fokus auf andere Gesundheitsprobleme gelenkt, wie sensorische Beeinträchtigungen (z. B. Taubheit), neurologische Entwicklungsverzögerungen und Störungen des Autismus-Spektrums. Das Verständnis der Entwicklungsmeilensteine bei Säuglingen hat es Forschern und Klinikern ermöglicht, Entwicklungsauffälligkeiten frühzeitig zu erkennen und rechtzeitig einzugreifen. Die folgende Tabelle bietet einen allgemeinen Überblick über die Entwicklungsmeilensteine, die typischerweise im ersten Lebensjahr eines Kindes zu erwarten sind.

Arten der Entwicklung	Meilensteine (unvollständige Auflistung)	Literaturhinweise und weitere Informationen
Kognitiv	Versteht Kausalität und Objektpermanenz	Malik und Marwaha, 2023; Entwicklungsmeilensteine der CDC \| CDC
Kommunikation	Aussprache klarer VokaleTypisches Plappern, z. B. „baba“, „mama“Beginn der Aussprache sinnvoller SpracheFreut sich, wenn ihm vorgelesen wirdSchaut oder wendet sich einem neuen Geräusch zuReagiert auf seinen NamenNachahmung	Kuhl & Meltzoff, 1996; Altersgerechte Meilensteine in der Sprach- und Hörentwicklung – Stanford Medicine Children’s Health
Visuell	Augen-Hand-Koordination; Fähigkeit, zwei Objekte innerhalb des Gesichtsfeldes voneinander zu unterscheiden; Tiefenwahrnehmung	Das Sehvermögen von Säuglingen: Von der Geburt bis zum Alter von 24 Monaten \| AOA
Motorische Funktionen	Krabbeln, Laufen (während man sich an Möbeln festhält), Gegenstände zwischen den Fingern aufheben, sich hochziehen, um aufzustehen	Adolph & Hoch, 2019; Adolph & Franchak, 2017

Tabelle 3: Ein nicht vollständiger Überblick über die Entwicklungsmeilensteine eines Säuglings in den ersten 12 Lebensmonaten

Es ist wichtig zu betonen, dass sich im Säuglingsalter die kognitiven Fähigkeiten, die Kommunikationsfähigkeit und die sensorischen Fähigkeiten rasch entwickeln. Nehmen wir zum Beispiel die Stimmentwicklung. Säuglinge beginnen mit Stimmbändern, die denen nichtmenschlicher Primaten ähnlicher sind, doch im Alter von sechs Monaten treten bedeutende Veränderungen ein, die zu einem Stimmapparat führen, der dem von Erwachsenen näherkommt (Kuhl & Meltzoff, 1996). Diese Umstrukturierung verbessert die motorische Kontrolle und erweitert den Stimmumfang. Bei der Erforschung von Säuglingen und potenziellen Reizen oder Interventionen ist es unerlässlich, diese raschen Entwicklungsveränderungen zu berücksichtigen.

Ein weiterer entscheidender Faktor ist die Umwelt und das Lernen. Säuglinge ahmen von Natur aus die Geräusche nach, die sie hören – ein Prozess, der für den Spracherwerb von entscheidender Bedeutung ist (Kuhl & Meltzoff, 1996). Das bedeutet, dass sie sich an ihre Umgebung anpassen und schließlich wie „Muttersprachler“ klingen. Bei der Untersuchung von Säuglingen müssen wir daher den tiefgreifenden Einfluss ihrer äußeren Umgebung berücksichtigen, der sich naturgemäß nur schwer regulieren lässt.

Geschichte der Säuglingsforschung

Im Zuge der Erweiterung des medizinischen Wissens im 19. Jahrhundert wuchs das Bewusstsein für die Bedeutung einer spezialisierten Versorgung von Säuglingen und Kindern. Ärzte begannen, die erheblichen Unterschiede in Physiologie, Anatomie und Krankheitsbildern zwischen Kindern und Erwachsenen zu begreifen. Dieses wachsende Interesse an der Gesundheit und dem Wohlergehen von Säuglingen und Kindern gipfelte 1888 in der Gründung der American Pediatric Society, die bis heute eine herausragende Rolle in der pädiatrischen Forschung und im Gesundheitswesen spielt. Systematische und rigorose wissenschaftliche Untersuchungen zum Säuglingsalter gewannen jedoch erst in der ersten Hälfte des 20. Jahrhunderts an Dynamik.

In den 1920er Jahren begannen Psychologen, Erkenntnisse über die kognitive Entwicklung von Säuglingen und Kleinkindern zu gewinnen. Namhafte Persönlichkeiten wie Arnold Gesell, Jean Piaget und Lev S. Vygotsky führten kontinuierliche Beobachtungen, sorgfältige Überwachungen und Verhaltensexperimente durch und gewannen so entscheidende Einblicke in die Entwicklung der Psychologie von Säuglingen, Kleinkindern und Kindern. In ähnlicher Weise beleuchteten die Psychologen John Bowlby und Mary Ainsworth Mitte des 20. Jahrhunderts die Entstehung von Mutter-Kind-Bindungen und deren dauerhaften Einfluss auf die Gesundheit eines Kindes. Bis heute bilden die Forschungsergebnisse dieser Psychologen eine Grundlage für die universitäre Lehre und prägen einen Großteil der bestehenden Therapie- und Forschungsansätze.

Die Einbindung von Biosensoren in die Säuglingsforschung ist eine relativ junge Entwicklung, die sich Ende des 20. und Anfang des 21. Jahrhunderts herausgebildet hat. Diese Einbindung hat Forschern neue Instrumente an die Hand gegeben, um verschiedene Aspekte der Physiologie und des Verhaltens von Säuglingen genauer und in manchen Fällen sogar nicht-invasiv zu überwachen. Während sich frühe Säuglings- und Kinderpsychologen ausschließlich auf Beobachtung und Überwachung stützten, hat der Einsatz von Biosensoren unser Verständnis der Säuglingsentwicklung erweitert.

Beispielsweise können Biosensoren die Herzfrequenzvariabilität, Atemmuster, Schlaf-Wach-Zyklen, die Körpertemperatur und sogar den Stresspegel bei Säuglingen messen. Diese Informationen helfen Forschern dabei, zu untersuchen, wie diese physiologischen Parameter mit Entwicklungsmeilensteinen, gesundheitlichen Ergebnissen und Umwelteinflüssen zusammenhängen.

Darüber hinaus wurden Biosensoren in speziell für Säuglinge entwickelte tragbare Geräte integriert, wie beispielsweise intelligente Kleidung und Pflaster. Diese tragbaren Biosensoren ermöglichen eine kontinuierliche Überwachung der Vitalparameter und Bewegungsmuster von Säuglingen und liefern wertvolle Erkenntnisse über deren Gesundheit und Entwicklung, sowohl im klinischen Umfeld als auch zu Hause. Insgesamt stellt die Integration von Biosensoren in die Säuglingsforschung einen bedeutenden Fortschritt dar und bietet Forschern neue Möglichkeiten, die Physiologie, das Verhalten und die Entwicklung von Säuglingen mit größerer Präzision und Tiefe zu untersuchen.

Anwendungsbeispiele für die Säuglingsforschung mit Biosensoren

Aktuelle Forscher befassen sich mit einem breiten Spektrum an Themen rund um Säuglinge, das von Infektionskrankheiten über die kognitive Entwicklung bis hin zu Bindungsstilen zwischen Eltern und Säuglingen reicht. Im Folgenden geben wir einen kurzen Überblick über ausgewählte Anwendungsbeispiele aus der Säuglingsforschung. Einblicke in weitere Forschungsthemen zur Säuglingsforschung unter Einsatz von Biosensoren finden Sie in Tabelle 4.

Vorhersage und Erkennung von Sepsis und plötzlichem Kindstod (SIDS)

Eine Sepsis ist eine bakterielle Infektion, die zu Organversagen führen kann, während das plötzliche Kindstod-Syndrom (SIDS) den unerklärlichen Tod eines Babys unter einem Jahr, meist im Schlaf, bezeichnet. Die Zahl der Todesfälle durch Sepsis und SIDS ist nach wie vor hoch, wobei SIDS besonders unvorhersehbar ist. Forscher haben Biosensoren eingesetzt, um Säuglinge im Krankenhaus und zu Hause zu überwachen und so frühe Anzeichen von SIDS oder einer durch Sepsis verursachten Notlage zu erkennen (Chiera et al., 2020; Kumar et al., 2020).

Studien haben gezeigt, dass bei SIDS bereits Stunden vor dem Auftreten des plötzlichen Kindstods bei Säuglingen ein messbarer Rückgang der Herzfrequenz und der Herzfrequenzvariabilität (HRV) zu verzeichnen ist. Mithilfe von videobasierter PPG (Photoplethysmographie, eine Methode zur Messung von Blutvolumenveränderungen in der Haut), einem berührungslosen und in einigen Fällen sogar ferngesteuerten Sensor, sind Wissenschaftler nun in der Lage, die Herzfrequenz eines Säuglings kontinuierlich in Echtzeit zu überwachen, um frühe Anzeichen von SIDS zu erkennen (Zhao et al., 2016; Zhao et al., 2013).

Ebenso wurden in einer Studie, in der Herzfrequenz, Bewegung und Atmung überwacht wurden, signifikante Veränderungen in den 24 Stunden vor der Diagnose einer spät auftretenden Sepsis festgestellt (Joshi et al., 2020). Insbesondere in den letzten 6 Stunden stellten die Forscher eine deutliche Verlangsamung der Herzfrequenz, eine erhöhte Ateminstabilität und eine Abnahme der spontanen Bewegungen fest.

Da diese Veränderungen der Vitalparameter bei Säuglingen sowohl für das menschliche Auge als auch für herkömmliche Überwachungsgeräte auf der Neugeborenen-Intensivstation (NICU) nicht erkennbar sein können, erweisen sich Biosensorsysteme als lebensrettendes Hilfsmittel (Fairchild und O’Shea, 2010).

Früherkennung von Biomarkern für Autismus-Spektrum-Störungen

Nach Angaben der US-Gesundheitsbehörde CDC (Center for Disease Control) wird bei schätzungsweise jedem sechsten Kind eine neurologische Entwicklungsstörung diagnostiziert, und jedes 36. Kind in den USA leidet an einer Autismus-Spektrum-Störung (ASD). Zwar können alle ethnischen, rassischen und soziodemografischen Gruppen von ASD betroffen sein, doch sind Jungen viermal häufiger betroffen als Mädchen. ASD und andere neurologische Entwicklungsstörungen, wie beispielsweise die Aufmerksamkeitsdefizit-Hyperaktivitätsstörung (ADHS), haben im letzten Vierteljahrhundert dramatisch zugenommen.

Obwohl allgemein anerkannt ist, dass eine frühzeitige Intervention vor dem Alter von zwei bis drei Jahren (National Institute of Child Health and Human Development, 2021) wirksam zur Verbesserung der Symptombehandlung und der Lebensqualität beiträgt, wird ASD in der Regel erst im Alter von fünf Jahren diagnostiziert (Maenner et al., 2023). Um diese Lücke zu schließen, konzentriert sich die Forschung zunehmend auf die Erkennung früher Biomarker für ASD.

In einer solchen Studie untersuchten Forscher die Blickmuster von 64 zehn Monate alten Säuglingen, von denen 47 ein erhöhtes Risiko hatten, eine ASD zu entwickeln, da sie mindestens ein älteres Geschwisterkind mit dieser Diagnose hatten (Thorup et al., 2016). Jeder Säugling saß auf dem Schoß seiner Eltern vor einem Eye-Tracker, der verfolgen konnte, wohin das Kind blickte. Sie stellten fest, dass die Säuglinge in der Hochrisikogruppe im Vergleich zu Säuglingen mit geringem Risiko eine verminderte Leistungsfähigkeit beim Blickfolgen zeigten (Thorup et al., 2016). In einer ähnlichen Studie mit fast 1500 Kleinkindern (Durchschnittsalter 2 Jahre) stellten Forscher fest, dass Säuglinge mit Symptomen von ASD abnormale Blickfixationsmuster zeigten (Wen et al., 2022).

Zudem stand dies im Zusammenhang mit ihrem klinischen Profil (Wen et al., 2022). Studien haben sogar gezeigt, dass das im Alter von 4 Monaten mittels Eye-Tracking erfasste Blickverhalten die kognitiven Funktionen im Alter von 3 Jahren vorhersagt (Kaul et al., 2016). Es ist bekannt, dass sich die Blickmuster bei Personen mit ASD verändern, doch der Großteil dieser Daten wird im Teenageralter oder im Erwachsenenalter erhoben (siehe beispielsweise Dalton et al., 2005, Klin et al., 2002 und Ness et al., 2017). Daher stellt die oben beschriebene Forschung einen entscheidenden Fortschritt für die Frühförderung dar.

Zwar ist Eye-Tracking eine der beliebtesten Technologien zur Messung der kognitiven Entwicklung von Säuglingen und Kindern, doch sind auch andere Sensoren wirksam. Oft sind andere Sensoren zudem praktischer als Eye-Tracking-Geräte. Im Rahmen einer Studie wurde eine App entwickelt, die bei Kleinkindern im Alter von 17 bis 36 Monaten mithilfe von Berührungssensoren und Spracherkennung Gesichts- und Blickbewegungen, die Kopfposition sowie die Aufgabenleistung erfassen konnte (Perochon et al., 2023). Anhand dieser Merkmale konnten Algorithmen des maschinellen Lernens mit hoher Genauigkeit ableiten, ob bei dem Kind wahrscheinlich eine ASD-Diagnose vorliegt (Area Under the Curve (AUC) = 0,90; das bedeutet, dass der Algorithmus in 90 % der Fälle korrekt zwischen Kindern mit und ohne ASD unterscheidet).

Diese Art von Technologie stellt einen neuartigen Fortschritt beim Zugang zu und der Bereitstellung von diagnostischer Unterstützung für eine breitere Bevölkerungsgruppe dar, die normalerweise nicht an persönlichen Forschungsstudien teilnehmen würde oder könnte. Darüber hinaus besteht eine oft übersehene Herausforderung darin, dass viele traditionelle Forschungsstudien Mädchen und Kinder mit Migrationshintergrund nicht einbezogen haben, was die Fähigkeit biometrischer Studien beeinträchtigt, das ASD-Risiko in diesen Bevölkerungsgruppen genau zu messen. Der Algorithmus von Perochon et al. war in der Lage, den ASD-Status bei allen Gruppen von Kleinkindern unabhängig von ethnischer Zugehörigkeit oder Geschlecht genau zu erkennen (Perochon et al., 2023).

Die Dynamik zwischen Eltern und Säuglingen verstehen

Seit den 1950er Jahren untersuchen Forscher die Qualität, die Einflussfaktoren und die langfristigen Auswirkungen der Eltern-Kind-Beziehung. Während sich die meisten Studien bislang auf die Mutter-Kind-Beziehung konzentriert haben, widmen sich zunehmend auch Studien der Vater-Kind-Beziehung.

Die Verhaltenskodierung (die detaillierte Analyse von Verhaltensmustern) mittels Videoaufnahmen und Live-Beobachtung ist ein wirkungsvolles, aber arbeitsintensives Instrument zum Verständnis der Eltern-Kind-Dynamik. Mit dem Aufkommen von Biosensor-Tools hat die Technologie begonnen, die Verhaltenskodierung zu ergänzen und gleichzeitig den Arbeitsaufwand zu reduzieren. Mithilfe von am Kopf befestigten Eye-Tracking-Brillen identifizierten Forscher in einer kleinen, aber longitudinalen Studie mit fünf Eltern-Kind-Paaren (Kinder im Alter von 10 bis 15 Monaten) Faktoren, die den Blickkontakt und die Blickkommunikation in ihrer häuslichen Umgebung beeinflussen (Yamamoto et al., 2019).

Eine junge Mutter, die ihr entzückendes Baby liebevoll im Arm hält

Eine weitere Studie identifizierte mithilfe von doppelten Elektroenzephalogramm-Aufzeichnungen (EEG) einzigartige Korrelate der Gehirnaktivität zwischen Säuglingen und ihren Müttern (Endevelt-Shapira und Feldman, 2023). In dieser innovativen Studie maßen die Forscher die Korrelationen in der Gehirnaktivität zwischen den Müttern und ihren 5 bis 12 Monate alten Säuglingen während der direkten Interaktion. Die Forscher stellten fest, dass eine höhere mütterliche Sensibilität positiv mit einer stärkeren Synchronität zwischen Mutter und Kind korrelierte. Im Gegensatz dazu maßen die Forscher eine geringere interzerebrale Koordination, wenn Mütter bei der mütterlichen Aufdringlichkeit hohe Werte erzielten.

Bisher untersuchten Bindungsstudien, wie sich Stress beim Säugling auf die Mutter-Kind-Beziehung auswirkt. Eine neue Studie aus dem Jahr 2021 untersuchte die umgekehrte Beziehung: Was passiert mit dem autonomen Nervensystem des Säuglings, wenn seine Mutter unter Stress steht (Mueller et al., 2021)? Die Studie ergab, dass nach einem ökologischen Stressor, der nur die Mutter betraf, die Herzfrequenz und die respiratorische Sinusarrhythmie (ein Maß zur Untersuchung der Aktivität des parasympathischen Nervensystems) des Säuglings negativ beeinflusst wurden.

Diese Studie legte nahe, dass mütterlicher Stress vom Säugling „aufgefangen“ wird, auch wenn dieser nicht direkt von dem Stress betroffen war. Ein nachfolgender dyadischer Stressor (bekannt als „Still Face Paradigm“) führte zu einer weiteren Verschlimmerung der Dysregulation des autonomen Nervensystems bei Säuglingen, deren Mütter einem Stressor ausgesetzt waren. Dies deutet darauf hin, dass es für Mütter und ihre Säuglinge schwieriger wird, ihren emotionalen und physiologischen Zustand zu regulieren, wenn die Mütter bereits gestresst sind. Dieser Prozess, auch als Co-Regulation bekannt, ist entscheidend für eine langfristige, gesunde Entwicklung des autonomen Nervensystems bei Säuglingen.

Ein Hinweis zum Einsatz von Biosensoren in diesen Fallstudien

In den meisten der oben besprochenen Fallstudien kommen oft nur ein – oder vielleicht zwei – Biosensoren zum Einsatz, wobei Eye-Tracking, Herzfrequenzsensoren und Atemsensoren weit verbreitet sind. In fortgeschritteneren Studien sind Methoden wie das EEG keine Seltenheit. Wie jedoch Perochon et al. (2023) zeigen, muss sich die Verfolgung von Säuglingen weder auf diese geringe Anzahl von Biosensoren beschränken, noch müssen dabei Sensoren zum Einsatz kommen, die direkten Kontakt mit dem Körper haben.

Technologische Fortschritte, die eine Sprachanalyse und eine videobasierte Analyse von Gesichtsausdrücken ermöglichen, finden nun auch in der Säuglingsforschung zunehmend Anwendung. Ein limitierender Faktor bei der Anwendung dieser berührungslosen Technologien bei Säuglingen ist der Mangel an Datensätzen, die die Messgrößen genau validieren, da bestehende Datenbanken hauptsächlich aus Daten von Erwachsenen bestehen (z. B. Gesichter oder Stimmen von Erwachsenen) (Zaharieva et al., 2024; Onal Ertugrul et al., 2022). Forschungsgruppen beginnen jedoch, dies zu ändern, und neue Studien haben gezeigt, dass es möglich ist, sowohl Gesichtsausdrücke als auch Stimmmerkmale von Säuglingen zu erfassen (Onal Ertugrul et al., 2022; Li et al., 2021).

Neuere Studien legen den Schwerpunkt auf die Gewinnung multimodaler biometrischer Erkenntnisse über das Verhalten von Säuglingen, indem sie eine Kombination aus mehreren gleichzeitig angewandten Methoden nutzen, wie beispielsweise Verhaltenskodierung, EEG, Herzfrequenzmessung, Bewegungserfassung und Atemfrequenzmessung (Islam et al., 2024; Chen et al., 2023). Noch innovativere Ansätze integrieren Sensoren in „intelligente Kleidung“, wobei die Sensoren in die Kleidung eingebaut werden, die das Kind trägt (siehe zum Beispiel: Islam et al., 2024 und Airaksinen et al., 2020). Es ist offensichtlich, dass sich die Landschaft der Biosensor-Technologie für Säuglinge rasch verändert und bemerkenswerte Potenziale für neuartige Wege zum Verständnis des Säuglingsverhaltens bietet.

Biosensoren zur Überwachung von Säuglingen

In diesem Abschnitt befassen wir uns mit den Biosensoren, die derzeit für die Überwachung von Säuglingen verfügbar sind und eingesetzt werden. Es ist wichtig zu beachten, dass diese Sensoren ständig weiterentwickelt werden, wodurch sich die für die Säuglingsforschung verfügbaren Möglichkeiten im Bereich der Biosensorik kontinuierlich verändern.

Zunächst geben wir einen kurzen Überblick über die verschiedenen Biosensoren, die derzeit zur Überwachung von Säuglingen eingesetzt werden. Anschließend widmen wir uns den aktuellen Entwicklungen im Bereich der Biosensoren für Säuglinge, von denen wir erwarten, dass sie in den kommenden Jahren zur „neuen Normalität“ werden.

Biosensoren in der Säuglingsforschung

Die folgende Tabelle bietet einen Überblick darüber, welche Biosensoren zur Messung bestimmter Verhaltensweisen und physiologischer Parameter bei Säuglingen eingesetzt werden können, sowie Beispiele für Anwendungsfälle und relevante Literaturhinweise, die Sie zur Vertiefung heranziehen können. Im Folgenden werden wir uns näher mit einer Untergruppe dieser Sensoren befassen.

*Die galvanische Hautreaktion (GSR) wird auch als elektrodermale Aktivität (EDA) bezeichnet.

Messziel	Optionen der Biosensortechnologie	Beispielanwendungsfälle	Relevante Quellenangaben
Körperbewegung	Videoüberwachung und VerhaltenskodierungBeschleunigungsmessungTrägheitsmesssysteme (IMUs)Drucksensor	Erkennung, Überwachung und Intervention bei KrampfanfällenEntwicklung der MotorikHandlungsfähigkeitSchlafverhaltenErkennung, Überwachung und Intervention bei neurologischen Entwicklungsstörungen	Chen et al., 2023; Sloan et al., 2023; Airaksinen et al., 2020; Crespo-Llado et al., 2018; Chen et al., 2016;
Herzfrequenz	Elektrokardiographie (EKG)Photoplethysmographie (PPG)Video-PPG (vPPG)BallistographieHerz-Akustik	Plötzlicher Kindstod (SIDS)SepsisInteraktion und Bindung zwischen Eltern und SäuglingenSchlafverhaltenSensorische EntwicklungStressreaktivität	Weiss et al., 2024; Chen et al., 2023 ; Mueller et al., 2021; Joshi et al., 2020; Chiera et al., 2020; Zuzarte et al., 2019; Zhao et al., 2016 ; Richard und Mosjo, 2004; Schechtman et al., 1988; Harper et al., 1976
Blutsauerstoffsättigung	Pulsoximetrie	Erkennung von HerzerkrankungenAtemfunktion und -entwicklungErkennung von Schlafapnoe	Govindaswami et al., 2012; Carbone et al., 1999; Loscher et al., 1990
Atmung	PulsoximetrieLuftdrucksensorenPiezoelektrischer SensorInduktive Atemplethysmographie (RIP)	Erkennung von Apnoe und Asthma, SIDS, Sepsis, Stressreaktivität, Erkennung von Krampfanfällen	Chen et al., 2023; Joshi et al., 2020; Rash et al., 2016; Bosquet Enlow et al., 2014; Ritz et al., 2012
Stimmenanalyse	Manuelle Bewertung; Plattformen zur automatischen Extraktion und Klassifizierung von Audio-Merkmalen, z. B. OpenSmile	Analyse des Säuglingsschreis; Erkennung von Erkrankungen, z. B. Asphyxie, Hypoakusis (Hörstörung), Gaumenspalte und Hypothyreose; Kommunikation zwischen Eltern und Säugling	Yasin et al., 2022; Ji et al., 2021; Li et al., 2021; Levrero et al., 2018; Kult & Meltzoff, 1996
Mimik	Videoüberwachung und manuelle Gesichtsausdrucksanalyse (Baby FACS)Kameragestützte Gesichtsausdrucksanalyse	Visuelle AufmerksamkeitEmotionsregulationNonverbale KommunikationInteraktionen zwischen Eltern und Säuglingen	Zaharieva et al., 2024; Onal Ertugrul et al., 2022; Crespo-Llado et al., 2018; Rayson et al., 2017; Izard et al., 1995
Hautleitfähigkeit	Galvanische Hautreaktion (GSR)*	Schmerz, Temperament des Säuglings, Erregungszustand, Entwicklung des autonomen Nervensystems	Visnovcova et al., 2022; Buthman et al., 2018; Ham & Tronick, 2009; Eriksson et al., 2008; Storm, 1999
Blickverfolgung	Infrarot-Eye-Tracking-TechnologieBildschirmbasiertHead-MountedWebcam-basiertes Eye-Tracking	Kognitive und visuelle EntwicklungNeurologische EntwicklungsstörungenInteraktionen zwischen Eltern und Säuglingen	Borjon et al., 2021; Leppanen et al., 2021; Yamamoto et al., 2019; Kaul et al., 2016; Thorup et al., 2016
Gehirnaktivität	Elektroenzephalogramm (EEG) Funktionelle Nahinfrarotspektroskopie (fNIRS)	Kognitive EntwicklungFrüherkennung von neurologischen EntwicklungsstörungenErkennung, Überwachung und Intervention bei AnfällenSchlafverhalten	Gervain et al., 2023; Filippa et al., 2023; Endevelt-Shapari & Feldman, 2023; Nayak et al., 2023; Borjon et al., 2021; Weibley et al., 2021; Dzwilewski et al., 2020; Jones et al., 2020; Crespo-Llado et al., 2018; Briton et al., 2016; Lloyd-Fox et al., 2014

Tabelle 4: Diese Tabelle bietet einen Überblick über die gängigsten Biosensoren, die derzeit in der Säuglingsforschung eingesetzt werden.

Beschleunigungssensoren

Beschleunigungsmesser und Gyroskope werden seit 2010 in der pädiatrischen Forschung eingesetzt, doch hat sich ihre Anwendung im Laufe des letzten Jahrzehnts weiter verbreitet. In den meisten Studien werden diese Beschleunigungsmesser am Handgelenk oder am Knöchel des Säuglings getragen und müssen je nach Forschungsfrage unter Umständen mehrere Tage lang an Ort und Stelle verbleiben, um zuverlässige Messwerte für Wachphasen und sitzende Aktivitäten zu erhalten (Ricardo et al., 2018; Pitchford et al., 2017). Forscher nutzen Beschleunigungsmesser, um die Schlafmuster, das Verhalten und die motorische Entwicklung von Säuglingen zu untersuchen. Insbesondere haben Studien gezeigt, dass Beschleunigungsmesser genauere Daten liefern als die Erinnerungen der Eltern hinsichtlich der Zeit, die ein Säugling mit verschiedenen motorischen Aktivitäten verbringt. Diese Genauigkeit ist entscheidend für fundierte klinische Entscheidungen. (Manning et al., 2023).

Video-Beobachtung und Verhaltenskodierung

Eine der am häufigsten verwendeten und traditionellsten Methoden zur Erfassung des Verhaltens von Säuglingen ist die Verhaltenskodierung mittels Videoobservation. Ob es um die Dokumentation von Gesichtsausdrücken, motorischen Bewegungen oder Schlafmustern geht – die Videoobservation mit anschließender manueller Kodierung gilt als äußerst zuverlässiger Ansatz (Zaharieva et al., 2024; Crespo-Llado et al., 2018; Rayson et al., 2017). Der größte Nachteil der Verhaltenskodierung ist ihr hoher Zeitaufwand. Für bestimmte Verhaltensweisen, wie beispielsweise Gesichtsausdrücke, gibt es derzeit jedoch keine gut validierten technologischen Alternativen für Säuglinge. Daher bleibt die manuelle Kodierung nach der FACS-Methode der Goldstandard (Forestell und Mennella, 2012; Ekman und Friesen, 1978).

Sensoren für Elektrokardiographie (EKG) und Photoplethysmographie (PPG)

Die Messung der Herzfrequenz ist ein zentraler Bestandteil vieler Forschungsstudien mit Säuglingen (Chiera et al., 2020). EKG und PPG sind bei weitem die am häufigsten verwendeten Methoden, wobei jede ihre eigenen Vor- und Nachteile hat. Das EKG gilt als Goldstandard für die Herzfrequenzmessung, doch seine „klobigere“ Aufbaukonstruktion kann die natürlichen Bewegungen des Säuglings behindern. Im Gegensatz dazu misst PPG die Herzfrequenz anhand von Veränderungen des arteriellen Volumens und ermöglicht eine einfachere Sensorplatzierung mit minimaler Beeinträchtigung des Verhaltens.

Im Vergleich zur Robustheit von EKG-Sensoren sind PPG-Sensoren jedoch anfälliger für Bewegungsartefakte (Tamura et al., 2024; Chiera et al., 2020). Dennoch wurden technologische Fortschritte erzielt, um die Bewegungsempfindlichkeit von PPG zu verringern (Sahni et al., 2003), und PPG ist ein fester Bestandteil der meisten heute angebotenen Wearables.

In den letzten Jahren hat sich eine neue Methode zur Erfassung der Herzfrequenz etabliert: die videobasierte PPG (vPPG). Die vPPG nutzt kontaktlose optische Technologie, um Veränderungen des Blutvolumens anhand der Durchblutung der Haut aus der Entfernung zu erfassen (Tamura et al., 2024; Chiera et al., 2020). Unter natürlichen Lichtverhältnissen können handelsübliche Kameras die durch Schwankungen im Blutfluss verursachten winzigen Veränderungen der Hautfarbe erfassen.

Diese Technologie ermöglicht es Forschern, die Herzfrequenz zu ermitteln, ohne ein Gerät am Körper des Säuglings anzubringen, und wurde bereits auf ihr Potenzial zur Prävention von SIDS getestet (Zhao et al., 2016). Es ist wichtig zu erwähnen, dass Veränderungen der Lichtverhältnisse die Signalqualität beeinträchtigen können; derzeit laufen Studien, die den Einsatz von vPPG unter verschiedenen Lichtverhältnissen untersuchen (Cobos-Torres et al., 2018).

Eye-Tracking-Sensoren

Über die Blickverfolgung bei Säuglingen wird bereits seit den 1930er Jahren berichtet, doch erst in den letzten Jahrzehnten hat sich der Einsatz von Eye-Tracking in der Säuglingsforschung weit verbreitet (Aslin, 2012). Genau wie bei Erwachsenen müssen bei der Durchführung von Eye-Tracking-Untersuchungen mit Säuglingen viele Faktoren berücksichtigt werden. Sollte das Eye-Tracking-Gerät am Kopf befestigt oder bildschirmbasiert sein? Welche Abtastrate benötigen wir? Wollen wir Fixationen oder Sakkaden erfassen? Welche Art von visuellen Reizen können wir präsentieren und erwarten, dass sie erfasst werden? Die Antworten auf diese Fragen hängen vollständig von Ihrem Forschungsziel ab, es gibt jedoch einige Hinweise, die Sie beachten sollten:

Im Allgemeinen werden bei Eye-Tracking-Studien mit Säuglingen Eye-Tracker mit einer Abtastrate zwischen 30 und 300 Hz verwendet (Aslin, 2012; Corbetta et al., 2012).
Da das visuelle System von Säuglingen noch nicht vollständig entwickelt ist, ist es schwieriger, eine hochpräzise Kalibrierung zu erzielen. Experten raten dazu, bei der Arbeit mit Säuglingen keine Eye-Tracking-Genauigkeit von besser als 1 Grad des Sehwinkels (dva) zu erwarten, und Ihre Forschungsfrage sollte entsprechend darauf abgestimmt sein (Aslin, 2012).
Die visuellen Reize und die Aufgabe müssen unter Berücksichtigung des Alters der Säuglinge sowie ihrer visuellen und kognitiven Entwicklung konzipiert werden. So schneiden beispielsweise 2 Monate alte Säuglinge bei einer Objekterkennungsaufgabe ganz anders ab als 6 Monate alte. Gredeback et al. bieten einen hervorragenden Überblick über die Studiendesigns von Eye-Tracking-Untersuchungen in der Säuglingsforschung (Gredeback et al., 2010).

Weitere Informationen zum Eye-Tracking finden Sie in unserem Taschenführer zur Eye-Tracking-Forschung.

Elektroenzephalogramm-Sensoren (EEG)

Die Arbeit mit dem EEG ist bekanntermaßen schwierig, was in erster Linie auf die komplexe und zeitaufwändige Vorbereitung sowie den erheblichen Aufwand bei der Datenverarbeitung zurückzuführen ist. Bei Säuglingen ist die Vorbereitung des EEGs jedoch etwas einfacher, da sie in der Regel wenig bis gar keine Haare haben und ihre Haut sehr dünn ist (Britton et al., 2016). Diese Faktoren verbessern die Impedanz, was wiederum die Signalqualität der EEG-Elektroden erhöht.

Eine Person, die ein Baby im Arm hält, während ein Neurologe dessen Gehirn untersucht; Querformat

Allerdings müssen die durch die Bewegung verursachten Artefakte und die damit verbundenen Unannehmlichkeiten für das Kind berücksichtigt werden (Britton et al., 2016). Ähnlich wie beim autonomen Nervensystem, beim visuellen System und beim sensomotorischen System unterliegen die Muster der Gehirnaktivität während der gesamten Entwicklung eines Kindes raschen Veränderungen. Folglich werden in verschiedenen Entwicklungsstadien unterschiedliche Arten von Grundaktivität aufgezeichnet, und auch die Reaktionen des Gehirns auf Reize variieren mit dem Alter.

Chetan und Anikumar liefern nützliche Einblicke in die Methoden und Schritte, die bei der Durchführung von EEG-Forschung an Säuglingen zu berücksichtigen sind (Nayak und Anikumar, 2024). Obwohl EEG-Sensoren aufgrund ihrer Invasivität für die Forschung an Säuglingen weniger attraktiv sind, handelt es sich um einen sehr leistungsfähigen Biosensor, der die kognitive und neurologische Entwicklung vorhersagen kann (Jones et al., 2020).

Technologische Fortschritte bei Biosensoren für Säuglinge

Seit Beginn des 20. und 21. Jahrhunderts, als Biosensoren erstmals in die Säuglingsforschung Einzug hielten, wurden bedeutende technologische Fortschritte erzielt. Auch wenn es unmöglich ist, alle diese Entwicklungen in diesem Abschnitt zu behandeln, würden bei einer Zusammenfassung wahrscheinlich die folgenden Schlüsselbegriffe im Vordergrund stehen: dehnbar, drahtlos und berührungslos. In den folgenden Abschnitten werden wir Beispiele für jede dieser wesentlichen Weiterentwicklungen anführen.

Dehnbare elektronische Pflaster

Biosensoren für Erwachsene sind oft umständlich, und bei Säuglingen können sie die natürlichen Bewegungen einschränken. Ein bedeutender Fortschritt auf diesem Gebiet ist die Entwicklung von Sensoren, die in ein einfaches, dehnbares elektronisches Pflaster integriert sind (Zhou et al., 2024; Kim et al., 2023; Chen et al., 2016). Diese Pflaster lassen sich mühelos am Körper eines Säuglings anbringen, ohne dessen Bewegungen einzuschränken. Diese Pflaster haften direkt auf der Haut und können Vitalparameter wie Herzfrequenz, Atmung und Temperatur überwachen. Sie erweisen sich als kostengünstig und benutzerfreundlich, wodurch sie sich sowohl für den Einsatz in Krankenhäusern als auch für die Überwachung zu Hause eignen (Xu et al., 2021).

Drahtlose Biosensoren

Während ihres Aufenthalts auf der neonatologischen Intensivstation (NICU) werden Frühgeborene umfassend untersucht und überwacht. Bislang werden diese Säuglinge kontinuierlich mit am Körper befestigten Geräten überwacht, beispielsweise mit Sensoren zur Messung von Herzfrequenz und Temperatur. Diese Sensoren sind mit Geräten in der Nähe verbunden, was zu Schwierigkeiten führt, wenn das Kind in den Inkubator hinein- und herausgenommen wird sowie bei Interaktionen mit Pflegepersonal oder Eltern (Chung et al., 2020).

Um dieses Problem anzugehen, sind immer mehr für Säuglinge geeignete Sensoren mittlerweile drahtlos (siehe Memon et al., 2020, für einen hervorragenden Überblick über drahtlose Sensoroptionen für Säuglinge). Diese Optionen reichen von dehnbaren elektronischen Pflastern (wie zuvor erläutert) bis hin zu intelligenter Kleidung und Armbändern. Die gleichzeitige Synchronisierung verschiedener Sensoren, die am Körper des Säuglings angebracht sind, ermöglicht eine detailliertere Datenanalyse und Merkmalsextraktion (Chung et al., 2019).

Kontaktlose Biosensoren

Kontaktlose Biosensoren erfordern, wie der Name schon sagt, keinen direkten physischen Kontakt. Mithilfe von Videoaufnahmen oder Mikrofonen können diese Sensoren aussagekräftige Veränderungen im Verhalten von Säuglingen erfassen. Traditionell war die Video-Beobachtung des Verhaltens von Säuglingen ein Standardansatz in der Forschung. Neuere Technologien wie die videobasierte Photoplethysmographie (PPG) können jedoch Puls und Herzfrequenz völlig berührungslos und sogar aus der Ferne erfassen (Tamura et al., 2024; Chiera et al., 2020).

Ein weiterer fortschrittlicher kontaktloser Biosensor ist das videobasierte Online-Eye-Tracking. Während diese neue Technologie in der Erwachsenenforschung zunehmend erprobt und etabliert ist, befindet sie sich in der Säuglingsforschung aufgrund der besonderen Merkmale der Anatomie und Funktion des kindlichen Auges noch in den Anfängen. Dennoch birgt das videobasierte Online-Eye-Tracking ein erhebliches Potenzial für den Fortschritt in der Säuglingsforschung (Banki et al., 2022).

Zusammenfassung

Zusammenfassend lässt sich sagen, dass für die Säuglingsforschung derzeit eine breite Palette an Biosensoren zur Verfügung steht, wobei die Wahl des Sensors von dem spezifischen Verhalten und dem Entwicklungsstadium abhängt, das Sie untersuchen möchten. Das Fachgebiet entwickelt sich ständig weiter, wobei der Schwerpunkt auf der Reduzierung der Hardware-Komplexität, der Vereinfachung der Einrichtung und der Verbesserung der Benutzerfreundlichkeit liegt.

Herausforderungen in der biometrischen Forschung bei Säuglingen

Die Forschung im Bereich der Säuglingsentwicklung ist zwar spannend, birgt aber auch erhebliche Herausforderungen. Im Folgenden geben wir einen Überblick über vier Herausforderungen, die es zu beachten gilt.

Rasante Entwicklung

Die frühe Kindheit ist eine Phase rascher und einzigartiger motorischer, kognitiver und sensorischer Entwicklung. Für Forscher ist dies zwar eine spannende Zeit, doch stellt es sie auch vor die Herausforderung, aussagekräftige Veränderungen über verschiedene Zeitpunkte und Gruppen von Säuglingen hinweg zu erfassen. Um diesen Herausforderungen zu begegnen, können Forscher „Within-Subject“-Designs einsetzen, bei denen Unterschiede oder Veränderungen im Verhalten desselben Säuglings über mehrere Zeitpunkte hinweg gemessen werden. Dieser Ansatz hilft dabei, individuelle Unterschiede zu berücksichtigen.

Alternativ können Versuchsdesigns mit Probandengruppen, bei denen verschiedene Gruppen von Säuglingen miteinander verglichen werden, diese Herausforderungen bewältigen, indem sie den Stichprobenumfang vergrößern und umfassendere Verallgemeinerungen ermöglichen. Beide Methoden sind wertvoll, um umfassende Einblicke in die Entwicklung von Säuglingen zu gewinnen, und gehen dabei effektiv auf die Herausforderungen ein, die sich aus den raschen und einzigartigen Entwicklungsveränderungen ergeben, die jeder Säugling durchläuft.

Das Kleinkindalter ist eine Phase rascher und einzigartiger motorischer, geistiger und sensorischer Entwicklung.

Eingeschränkte Kommunikation und Umweltfaktoren

Da die verbale Kommunikation mit Säuglingen begrenzt ist, ist es schwierig, ihre Bedürfnisse, ihr Unwohlsein und ihre Reaktionen genau einzuschätzen, sodass sich sowohl Eltern als auch Forscher auf indirekte Messgrößen verlassen müssen. Diese Abhängigkeit kann die Validität und Reliabilität der Interpretationen beeinträchtigen. Darüber hinaus haben Umwelt- und Haushaltsfaktoren wie elterliche Fürsorge, Temperatur und Lärmpegel einen erheblichen Einfluss auf die langfristige Entwicklung und das unmittelbare Verhalten eines Säuglings. Diese Variablen erschweren die Interpretation von Verhaltens-, physiologischen und psychologischen Daten in der Forschung zusätzlich.

Technische Einschränkungen

Zwar wurden in diesem Taschenführer zahlreiche Optionen für Forschungsinstrumente im Bereich der Säuglingsforschung vorgestellt, doch kann es schwierig und kostspielig sein, hochwertige und benutzerfreundliche Technologie für die Säuglingsforschung zu beschaffen. Forscher müssen häufig Angebote verschiedener Anbieter prüfen und mehr Geld investieren, um Zugang zu der erforderlichen Technologie zu erhalten.

Komplexe Datenanalyse

Zwar können wir bestimmte Verhaltensweisen bei Säuglingen fördern, beispielsweise durch den Einsatz ansprechender Kalibrierungspunkte für die Eye-Tracking-Forschung oder durch das Schneiden von Grimassen, um Laute hervorzurufen, doch ist es unwahrscheinlich, dass Säuglinge Anweisungen befolgen, und es ist fast sicher, dass sie nicht stillhalten. Infolgedessen sind unsere Daten möglicherweise weniger gut kalibriert und anfälliger für Bewegungsartefakte. Dies führt zu einer zusätzlichen Komplexität bei der Datenanalyse, die sowohl zeitaufwendig als auch kostspielig sein kann. Die Unterstützung durch Fachleute mit Erfahrung in der Säuglingsforschung bei der Datenanalyse kann sich als wertvolle Investition für Ihr Projekt erweisen.

Wie iMotions die Säuglingsforschung unterstützt

Die fortschrittliche multimodale und verhaltensbasierte Kodierungsplattform von iMotions gewährleistet einen reibungslosen Ablauf bei der Durchführung modernster Säuglingsforschung. Im Folgenden gehen wir näher auf die wichtigsten Aspekte der iMotions-Plattform ein, die speziell Studien mit Säuglingen optimieren.

Verhaltenskodierung bei Säuglingen

iMotions ist zwar stolz darauf, nahtlose multimodale Biosensor-Aufzeichnungen zu ermöglichen, doch die Plattform ist auch eine leistungsstarke Lösung für die Verhaltenskodierung. Forscher können die Annotations- und Markierungswerkzeuge von iMotions nutzen, um bestimmte Momente und Zeiträume im Verhalten von Säuglingen genau zu bestimmen. Diese Werkzeuge unterstützen sowohl Live-Beobachtungen als auch die Analyse nach der Aufzeichnung, wobei sich das Annotationswerkzeug besonders gut für die Markierung längerer Verhaltensphasen eignet. Diese Werkzeuge sind besonders effektiv für die Analyse von Gesichtsausdrücken und Bewegungen.

Vor kurzem hat iMotions automatische Marker eingeführt, die Ereignisse von Biosensoren zeitlich erfassen. Diese Funktion ermöglicht es Forschern, Verhaltensereignisse wie ein Lächeln oder eine Kopfbewegung auf einfache Weise mit den entsprechenden Veränderungen bei den Biosensormessungen in Zusammenhang zu bringen, wodurch die Genauigkeit ihrer Studien erhöht wird.

Videoaufnahme mit mehreren Streams

iMotions kann Videostreams von drei Videoquellen gleichzeitig erfassen und bietet Forschern so die Möglichkeit, kleinste Bewegungen am gesamten Körper und im Gesicht des Säuglings zu beobachten und zu analysieren. Technisch gesehen ist es möglich, die Videofeeds mit Hardware oder Softwaretools wie ManyCam und Logitech aufzuteilen, sodass vier Feeds als eine Kamera angezeigt werden. Es ist wichtig zu beachten, dass dieser Ansatz gut für die Erfassung einzelner Körperteile und Bewegungen geeignet ist, jedoch nicht für mehrere Gesichter zur Analyse von Gesichtsausdrücken, da die von Affdex, der zur Analyse von Gesichtsausdrücken verwendeten Software, diesbezüglich Einschränkungen auferlegt.

Diese Fähigkeit zur Erfassung mehrerer Videostreams ist für eine detaillierte Verhaltenskodierung und -analyse unerlässlich und findet in aktuellen Forschungsarbeiten breite Anwendung. Darüber hinaus gewinnen diese Videostreams dank der Fortschritte in der videobasierten Photoplethysmographie (PPG) und der Atemüberwachung zunehmend an Bedeutung als berührungslose Biosensormessungen.

Datenerfassung bei multimodalen Biosensoren

iMotions kann Daten von mehreren Biosensoren gleichzeitig erfassen, wobei die einzige Einschränkung die Leistungsfähigkeit Ihres Computers und Ihres Netzwerks ist. In der Spitzenforschung geht der Trend bei Studien mit Säuglingen zunehmend zu einem multimodalen Biosensor-Ansatz. Dieser Ansatz unterstreicht, wie wichtig es ist, mehrere Messgrößen zu berücksichtigen, um das Verhalten von Säuglingen – ähnlich wie das von Erwachsenen – vollständig zu verstehen.

Um beispielsweise zu verstehen, ob eine anhand der galvanischen Hautreaktion (GSR) gemessene erhöhte Erregung einem positiven oder negativen Ereignis entspricht, müssen GSR-Daten mit der Gesichtsausdrucksanalyse (FEA) kombiniert werden. Die API und die LSL-Integration von iMotions ermöglichen es Anwendern, nahezu jede Art von Biosensor nahtlos in ihren Datenerfassungsprozess zu integrieren.

Augenbewegungsanalyse bei Säuglingen

iMotions lässt sich mit zahlreichen Anbietern hochwertiger Eye-Tracking-Hardware integrieren, darunter Smart Eye, Pupil Labs, Argus Science und Eye Tech. Darüber hinaus können über den generischen Eye-Tracking-Datenimporteur von iMotions Daten importiert werden, die mit Eye-Tracking-Brillen von Positive Science erfasst wurden – einer häufig verwendeten Marke in der Forschung mit Säuglingen und Kleinkindern. Diese Hardware bietet eine breite Palette an Abtastratenoptionen von 30 Hz bis 250 Hz, was das Spektrum der in der Säuglingsforschung am häufigsten verwendeten Abtastraten abdeckt.

Bei der Durchführung von Eye-Tracking-Studien mit Säuglingen treten häufig zwei Herausforderungen auf:

Bewegungen von Säuglingen: Säuglinge bewegen ihren Kopf während der Datenerfassung ganz natürlich, da sie gesprochene Anweisungen nicht befolgen können. Bildschirmbasierte Eye-Tracker stützen sich auf eine „Headbox“, den räumlichen Bereich, in dem sie Augenbewegungen erfassen und aufzeichnen können. Einige Eye-Tracker haben sehr kleine Headboxen, sodass nur minimale Bewegungen der Testperson erforderlich sind, um qualitativ hochwertige Daten zu erhalten. Für die Forschung mit Säuglingen ist es entscheidend, ein Eye-Tracking-System mit einer größeren Headbox zu wählen, um den natürlichen Kopfbewegungen des Säuglings Rechnung zu tragen und dennoch qualitativ hochwertige Daten zu erfassen.
Anwesenheit der Eltern: In modernen Laborumgebungen sitzen Säuglinge bei Eye-Tracking-Untersuchungen häufig auf dem Schoß eines Elternteils. Diese Anordnung kann zu Ungenauigkeiten führen, da der Eye-Tracker möglicherweise fälschlicherweise die Augen des Elternteils statt die des Säuglings erfasst. Wenn dies bei Ihnen der Fall ist, sollten Sie einen Eye-Tracker in Betracht ziehen, der zwischen den Probanden unterscheiden kann, oder sich für eine Eye-Tracking-Brille entscheiden, um eine genaue Datenerfassung zu gewährleisten.

Brillen der Marke „Neon by Pupil Labs“ für Kinder – geeignet für Kinder im Alter von 2 bis 8 Jahren

In beiden Fällen kann iMotions Ihnen Empfehlungen zur Eye-Tracking-Hardware geben, die Ihren experimentellen Anforderungen am besten entspricht.

Datenanalyse und Export

Die Datenanalyse kann zeitaufwändig und arbeitsintensiv sein. iMotions vereinfacht diesen Prozess, indem es Zugriff auf automatisierte R-Skripte bietet, die die gängigsten Kennzahlen berechnen, die aus einer Vielzahl von Biosensortechnologien abgeleitet werden, beispielsweise Herzfrequenzvariabilität, Atemfrequenz, Blickverweildauer und EEG-Leistungsspektren. Sie können diese Daten in verschiedenen Formaten erhalten, darunter:

Datendateien mit den unverarbeiteten Sensordaten
Datendateien mit gefilterten und analysierten Sensordaten
Emotionale Heatmap: Eine Visualisierung und Quantifizierung der Wechselwirkung zwischen Eye-Tracking und Mimik
Methoden und Grafiken mit zusammenfassenden Statistiken

Diese Analyse- und Exportfunktionen decken ein breites Spektrum an Anforderungen ab, die bei verschiedenen Forschungsprojekten auftreten können.

Die Zukunft der biometrischen Forschung bei Säuglingen

Die Zukunft der Säuglingsforschung ist vielversprechend, da Fortschritte in Technologie und Methodik unser Verständnis der frühkindlichen Entwicklung vertiefen. Hier sind einige zentrale Aspekte, die die Zukunft prägen werden:

Multimodale Ansätze

Es wird zunehmend Wert darauf gelegt, verschiedene Arten von Daten gleichzeitig zu nutzen, wie beispielsweise Biosensoren, Videoanalysen und physiologische Messungen, um ein umfassendes Verständnis des Verhaltens und der Entwicklung von Säuglingen zu erlangen. Dieser multimodale Ansatz ermöglicht es Forschern, komplexe Wechselwirkungen zwischen physiologischen Reaktionen, Verhaltensweisen und Umweltreizen zu untersuchen.

Forscher aus dem Bereich Ingenieurwissenschaften treiben diese Entwicklung weiter voran, indem sie multimodale Biosensortechnologie in intelligente Kleidung für Säuglinge integrieren, wie beispielsweise Anzüge, Schuhe und Wickeltücher (Airaksinen et al., 2022; Airaksinen et al., 2020; Memon et al., 2020; Zhu et al., 2015). Zudem wurden druckempfindliche Matten entwickelt, um die Bewegungen von Säuglingen zu erfassen (Kulvicius et al., 2023). Diese Innovationen stellen bedeutende Fortschritte in unserer Fähigkeit dar, das Verhalten von Säuglingen in natürlichen Umgebungen außerhalb der Grenzen des Labors zu überwachen und zu messen.

Nicht-invasive und berührungslose Überwachung

Technologien wie videobasierte Analysen zur Messung physiologischer Reaktionen (z. B. Herzfrequenz, Atmung, Körperhaltung) ohne körperlichen Kontakt werden immer ausgefeilter. Diese Methoden minimieren Störungen für Säuglinge während der Datenerfassung und ermöglichen so naturalistischere Beobachtungen. Bemerkenswerterweise können diese Messungen nun mit einem Smartphone erfasst werden (Bae et al., 2022; Valentine et al., 2022; Liu et al., 2021), auch bei Säuglingen (Chung et al., 2023). Zwar ist weiterer Forschungsbedarf gegeben, doch unterstreicht dieser Fortschritt die wachsenden Möglichkeiten, Säuglingsforschung außerhalb des Labors und in natürlichen Umgebungen durchzuführen.

Big Data und maschinelles Lernen

Da die Datenerhebung immer ausgefeilter wird, rückt der Einsatz von Big-Data-Techniken und Algorithmen des maschinellen Lernens zur Analyse großer Datensätze zunehmend in den Vordergrund. Mit dem Aufkommen der multimodalen Datenerhebung entwickeln sich fortschrittliche Methoden der Datenanalyse ständig weiter. Diese Innovationen ermöglichen es Forschern, subtile Muster und Zusammenhänge zu erkennen, die mit herkömmlichen Methoden möglicherweise übersehen werden, und so unser Verständnis des Verhaltens und der Entwicklung von Säuglingen zu vertiefen.

Längsschnittstudien

Da sich Sensoren immer leichter in den Alltag integrieren lassen, wird erwartet, dass die Zahl der Längsschnittstudien, die Säuglinge von der Geburt über die Kindheit bis ins Erwachsenenalter begleiten, zunehmen wird. Diese Studien werden wertvolle Erkenntnisse über typische und atypische Entwicklungsverläufe, individuelle Unterschiede sowie den Einfluss früher Lebenserfahrungen auf spätere Lebensverläufe liefern. Die Integration von Sensoren in Kleidung stellt einen innovativen Ansatz zur Erreichung dieses Ziels dar.

Interdisziplinäre Zusammenarbeit

Die moderne Säuglingsforschung stützt sich zunehmend auf das gebündelte Fachwissen von Psychologen, Neurowissenschaftlern, Ingenieuren und Datenanalysten. Da dieses Forschungsgebiet weiter wächst, ist davon auszugehen, dass es zu mehr interdisziplinären Kooperationen kommen wird, um die innovativsten und aufschlussreichsten Erkenntnisse zu gewinnen.

Fazit

In diesem Taschenführer haben wir uns mit dem Einsatz der Biosensortechnologie in der Säuglingsforschung befasst. Während die Säuglingsforschung bereits zu Beginn des 20. Jahrhunderts ihren Anfang nahm, hat sich der Einsatz von Biosensoren erst in den letzten Jahrzehnten durchgesetzt. Trotz dieser Verzögerung hat sich der Einsatz von Biosensor-Instrumenten in der Säuglingsforschung rasch ausgeweitet. Heute gehören die Messung der Herzfrequenz, der Atmung und der Temperatur von Säuglingen in vielen Forschungsabteilungen sowie auf den neonatologischen Intensivstationen zur Routine.

Dennoch kann die Anbringung von Messgeräten bei kleinen Säuglingen nach wie vor eine Herausforderung darstellen. Technologische Fortschritte tragen dem entgegen, indem sie Biosensoren in Babykleidung und Windeln integrieren und die Messgeräte auf klebende, dehnbare Pflaster reduzieren. Diese Innovationen revolutionieren die Art und Weise, wie wir Säuglinge sowohl im Labor als auch in ihrer natürlichen Umgebung untersuchen.

iMotions hat es sich zur Aufgabe gemacht, die Säuglingsforschung mit modernsten Biosensor-Tools voranzutreiben. Wir entwickeln kontinuierlich Lösungen, die validierte und benutzerfreundliche Einblicke in das Verhalten und die Physiologie von Säuglingen bieten, damit Ihre Forschung noch mehr Wirkung entfalten kann.

Literaturverzeichnis

Adolph, K. E., & Hoch, J. E. (2019). Motorische Entwicklung: verkörpert, eingebettet, kulturell geprägt und fördernd. Annual Review of Psychology, 70, 141–164. https://doi.org/10.1146/annurev-psych-010418-102836

Adolph, K. E., & Franchak, J. M. (2017). Die Entwicklung des motorischen Verhaltens. Wiley Interdisciplinary Reviews: Cognitive Science, 8(1-2), 10.1002/wcs.1430. https://doi.org/10.1002/wcs.1430

Airaksinen, M., Gallen, A., Kivi, A., Vijayakrishnan, P., Häyrinen, T., Ilén, E., Räsänen, O., Haataja, L. M. & Vanhatalo, S. (2022). Intelligentes Wearable ermöglicht die Verfolgung der motorischen Entwicklung von Säuglingen außerhalb des Labors. Communications Medicine, 2, 69. https://doi.org/10.1038/s43856-022-00131-6

Airaksinen, M., Räsänen, O., Ilén, E., Häyrinen, T., Kivi, A., Marchi, V., Gallen, A., Blom, S., Varhe, A., Kaartinen, N., Haataja, L., & Vanhatalo, S. (2020). Automatische Erfassung von Körperhaltung und Bewegung bei Säuglingen mit tragbaren Bewegungssensoren. Scientific Reports, 10(1), 169. https://doi.org/10.1038/s41598-019-56862-5

American Optometric Association (ohne Datum). Das Sehvermögen von Säuglingen: Von der Geburt bis zum Alter von 24 Monaten. https://www.aoa.org/healthy-eyes/eye-health-for-life/infant-vision?sso=y . Abgerufen am 27.06.24

Aslin R. N. (2012). Die Augen von Säuglingen: Ein Fenster zur kognitiven Entwicklung. Infancy: Die offizielle Zeitschrift der International Society on Infant Studies, 17(1), 126–140. https://doi.org/10.1111/j.1532-7078.2011.00097.x

Bae, S., Borac, S., Emre, Y., Wang, J., Wu, J., Kashyap, M., Kang, S. H., Chen, L., Moran, M., Cannon, J., Teasley, E. S., Chai, A., Liu, Y., Wadhwa, N., Krainin, M., Rubinstein, M., Maciel, A., McConnell, M. V., Patel, S., Corrado, G. S., … Po, M. J. (2022). Prospektive Validierung von Algorithmen zur Messung der Herz- und Atemfrequenz mittels Smartphone. Communications Medicine, 2, 40. https://doi.org/10.1038/s43856-022-00102-x

Bánki, A., de Eccher, M., Falschlehner, L., Hoehl, S. & Markova, G. (2022). Vergleich von Online-Webcam- und laborbasiertem Eye-Tracking zur Bewertung der Wahrnehmung der audiovisuellen Synchronität bei Säuglingen. Frontiers in Psychology, 12, 733933. https://doi.org/10.3389/fpsyg.2021.733933

Borjon, J. I., Abney, D. H., Yu, C. & Smith, L. B. (2021). Kopf und Augen: Blickverhalten bei Säuglingen im Alter von 12 bis 24 Monaten. Journal of Vision, 21(8), 18. https://doi.org/10.1167/jov.21.8.18

Bosquet Enlow, M., King, L., Schreier, H. M., Howard, J. M., Rosenfield, D., Ritz, T. & Wright, R. J. (2014). Mütterliche Sensibilität und autonome sowie endokrine Stressreaktionen bei Säuglingen. Early Human Development, 90(7), 377–385. https://doi.org/10.1016/j.earlhumdev.2014.04.007

Britton JW, Frey LC, Hopp JL et al., Autoren; St. Louis EK, Frey LC, Herausgeber. Elektroenzephalographie (EEG): Ein Einführungswerk und Atlas zu normalen und abnormalen Befunden bei Erwachsenen, Kindern und Säuglingen [Internet]. Chicago: American Epilepsy Society; 2016. Das Entwicklungs-EEG: Frühgeborene, Neugeborene, Säuglinge und Kinder. Verfügbar unter: https://www.ncbi.nlm.nih.gov/books/NBK390356/

Buthmann, J., Finik, J. & Nomura, Y. (2018). Geschlechtsspezifische Unterschiede in den Zusammenhängen zwischen dem Temperament von Säuglingen und elektrodermalen Reaktionen in der frühen Kindheit. International Journal of Behavioral Development, 42(6), 535–542. https://doi.org/10.1177/0165025418757705

Carbone, T., Marrero, L. C., Weiss, J., Hiatt, M. & Hegyi, T. (1999). Korrelate von Herzfrequenz und Sauerstoffsättigung bei Apnoe bei Säuglingen. Journal of Perinatology: Offizielles Journal der California Perinatal Association, 19(1), 44–47. https://doi.org/10.1038/sj.jp.7200072

Zentrum für Krankheitskontrolle und Prävention (16. Mai 2024). Tipps für eine positive Erziehung: Säuglinge (0–1 Jahre). https://www.cdc.gov/child-development/positive-parenting-tips/infants.html?CDC_AAref_Val=https://www.cdc.gov/ncbddd/childdevelopment/positiveparenting/infants.html Zugriff am 27.06.24.

Zentrum für Krankheitskontrolle und Prävention (8. Mai 2024). Entwicklungsmeilensteine der CDC. https://www.cdc.gov/ncbddd/actearly/milestones/index.html . Abgerufen am 27.06.24.

Centers for Disease Control & Prevention (25. Januar 2024). Daten und Statistiken zu Autismus-Spektrum-Störungen. https://www.cdc.gov/autism/data-research/?CDC_AAref_Val=https://www.cdc.gov/ncbddd/autism/data.html . Abgerufen am 11.07.2024.

Centers for Disease Control & Prevention (15. Mai 2024). Fakten zu Bluthochdruck. https://www.cdc.gov/high-blood-pressure/data-research/facts-stats/index.html#:~:text=Normal,3 . Abgerufen am 11.07.2024.

Chen, H., Wang, Z., Lu, C., Shu, F., Chen, C., Wang, L. & Chen, W. (2023). Erkennung von Krampfanfällen bei Neugeborenen mithilfe eines tragbaren Multisensorsystems. Bioengineering (Basel, Schweiz), 10(6), 658. https://doi.org/10.3390/bioengineering10060658

Chen, H., Xue, M., Mei, Z., Bambang Oetomo, S., & Chen, W. (2016). Ein Überblick über tragbare Sensorsysteme zur Überwachung der Körperbewegungen von Neugeborenen. Sensors (Basel, Schweiz), 16(12), 2134. https://doi.org/10.3390/s16122134

Chiera, M., Cerritelli, F., Casini, A., Barsotti, N., Boschiero, D., Cavigioli, F., Corti, C. G. & Manzotti, A. (2020). Herzfrequenzvariabilität in der Perinatalperiode: Eine kritische und konzeptionelle Übersicht. Frontiers in Neuroscience, 14, 561186. https://doi.org/10.3389/fnins.2020.561186

Chung, H. W., Chang, C. K., Huang, T. H., Chen, L. C., Chen, H. L., Yang, S. T., Chen, C. C. & Wang, K. (2023). Video-Screening auf Basis mobiler Geräte zur Erkennung von Kopfverzögerungen bei Säuglingen: Eine explorative Studie. Children (Basel, Schweiz), 10(7), 1239. https://doi.org/10.3390/children10071239

Chung, H. U., Kim, B. H., Lee, J. Y., Lee, J., Xie, Z., Ibler, E. M., Lee, K., Banks, A., Jeong, J. Y., Kim, J., Ogle, C., Grande, D., Yu, Y., Jang, H., Assem, P., Ryu, D., Kwak, J. W., Namkoong, M., Park, J. B., Lee, Y., … Rogers, J. A. (2019). Binodale, drahtlose epidermale elektronische Systeme mit sensorintegrierter Analytik für die neonatologische Intensivpflege. Science (New York, N.Y.), 363(6430), eaau0780. https://doi.org/10.1126/science.aau0780

Chung, H. U., Rwei, A. Y., Hourlier-Fargette, A., Xu, S., Lee, K., Dunne, E. C., Xie, Z., Liu, C., Carlini, A., Kim, D. H., Ryu, D., Kulikova, E., Cao, J., Odland, I. C., Fields, K. B., Hopkins, B., Banks, A., Ogle, C., Grande, D., Park, J. B., … Rogers, J. A. (2020). Biosensoren mit Hautschnittstelle für die fortschrittliche drahtlose physiologische Überwachung auf neonatologischen und pädiatrischen Intensivstationen. Nature Medicine, 26(3), 418–429. https://doi.org/10.1038/s41591-020-0792-9

Claiborne, A., Williams, A., Jolly, C., Isler, C., Newton, E., May, L. & George, S. (2023). Methoden zur Analyse der Herzfrequenzvariabilität bei Säuglingen: Eine vorläufige Studie. Birth defects research, 115(10), 998–1006. https://doi.org/10.1002/bdr2.2177

Corbetta, D., Guan, Y. & Williams, J. L. (2012). Eye-Tracking bei Säuglingen im Kontext zielgerichteter Handlungen. Infancy: Die offizielle Zeitschrift der International Society on Infant Studies, 17(1), 102–125. https://doi.org/10.1111/j.1532-7078.2011.0093.x

Crespo-Llado, M. M., Vanderwert, R., Roberti, E. & Geangu, E. (2018). Verhaltensreaktionen von acht Monate alten Säuglingen auf die Emotionen von Gleichaltrigen im Zusammenhang mit der asymmetrischen Aktivität des frontalen Kortex. Scientific Reports, 8(1), 17152. https://doi.org/10.1038/s41598-018-35219-4

Cobos-Torres, J. C., Abderrahim, M., & Martínez-Orgado, J. (2018). Berührungslose, einfache Neugeborenenüberwachung mittels Photoplethysmographie. Sensors (Basel, Schweiz), 18(12), 4362. https://doi.org/10.3390/s18124362

Dalton, K. M., Nacewicz, B. M., Johnstone, T., Schaefer, H. S., Gernsbacher, M. A., Goldsmith, H. H., Alexander, A. L. & Davidson, R. J. (2005). Blickfixierung und die neuronalen Schaltkreise der Gesichtsverarbeitung bei Autismus. Nature Neuroscience, 8(4), 519–526. https://doi.org/10.1038/nn1421

Dzwilewski, K. L. C., Merced-Nieves, F. M., Aguiar, A., Korrick, S. A. & Schantz, S. L. (2020). Charakterisierung der Leistung bei einer automatisierten visuellen Erkennungs- und Gedächtnisaufgabe bei 7,5 Monate alten Säuglingen. Neurotoxicology and Teratology, 81, 106904. https://doi.org/10.1016/j.ntt.2020.106904

Endevelt-Shapira, Y., & Feldman, R. (2023). Muster der Gehirn-zu-Gehirn-Synchronität zwischen Mutter und Säugling spiegeln Betreuungsprofile wider. Biology, 12(2), 284. https://doi.org/10.3390/biology12020284

Eriksson, M., Storm, H., Fremming, A. & Schollin, J. (2008). Hautleitfähigkeit im Vergleich zu einer kombinierten verhaltensbezogenen und physiologischen Schmerzmessung bei Neugeborenen. Acta paediatrica (Oslo, Norwegen: 1992), 97(1), 27–30. https://doi.org/10.1111/j.1651-2227.2007.00586.x

Onal Ertugrul, I., Ahn, Y. A., Bilalpur, M., Messinger, D. S., Speltz, M. L. & Cohn, J. F. (2023). Infant AFAR: Automatisierte Erkennung von Gesichtsbewegungen bei Säuglingen. Behavior Research Methods, 55(3), 1024–1035. https://doi.org/10.3758/s13428-022-01863-y

Govindaswami, B., Jegatheesan, P., Song, D. (2012). Screening der Sauerstoffsättigung bei kritischen angeborenen Herzfehlern. Neoreviews 13 (12): e724–e731. https://doi.org/10.1542/neo.13-12-e724

Gervain, J., Minagawa, Y., Emberson, L. & Lloyd-Fox, S. (2023). Einsatz der funktionellen Nahinfrarotspektroskopie zur Untersuchung des sich in der frühen Entwicklung befindlichen Gehirns: Zukünftige Richtungen und neue Herausforderungen. Neurophotonics, 10(2), 023519. https://doi.org/10.1117/1.NPh.10.2.023519

Gredebäck, G., Johnson, S. & von Hofsten, C. (2010). Eye-Tracking in der Säuglingsforschung. Developmental Neuropsychology, 35(1), 1–19. https://doi.org/10.1080/87565640903325758

Fairchild, K. D., & O’Shea, T. M. (2010). Herzfrequenzmerkmale: Physiologische Marker zur Erkennung einer spät auftretenden neonatalen Sepsis. Clinics in Perinatology, 37(3), 581–598. https://doi.org/10.1016/j.clp.2010.06.002

Filippa, M., Benis, D., Adam-Darque, A., Grandjean, D. & Hüppi, P. S. (2023). Frühgeborene zeigen eine atypische Verarbeitung der Stimme der Mutter. Brain and Cognition, 173, 106104. https://doi.org/10.1016/j.bandc.2023.106104

Forestell, C. A., & Mennella, J. A. (2012). Mehr als nur ein hübsches Gesicht. Der Zusammenhang zwischen dem Temperament des Säuglings, der Nahrungsakzeptanz und der Wahrnehmung der Mütter hinsichtlich der Freude ihres Kindes am Essen. Appetite, 58(3), 1136–1142. https://doi.org/10.1016/j.appet.2012.03.005

Ham, J., & Tronick, E. (2008). Ein Verfahren zur Messung der Hautleitfähigkeit bei Säuglingen und dessen erste Validierung anhand des durch Klatschen ausgelösten Schreckreflexes. Developmental Psychobiology, 50(6), 626–631. https://doi.org/10.1002/dev.20317

Harper, R. M., Hoppenbrouwers, T., Sterman, M. B., McGinty, D. J. & Hodgman, J. (1976). Polygraphische Untersuchungen an gesunden Säuglingen in den ersten sechs Lebensmonaten. I. Herzfrequenz und Variabilität als Funktion des Zustands. Pediatric Research, 10(11), 945–948. https://doi.org/10.1203/00006450-197611000-00008

Healthline (2022). Was sind normale Atemfrequenzen bei Erwachsenen und Kindern? https://www.healthline.com/health/normal-respiratory-rate . Abgerufen am 11.07.24.

Healthline (2024). Was ist der normale Temperaturbereich des Körpers? https://www.healthline.com/health/what-is-normal-body-temperature . Abgerufen am 11.07.24.

Islam, B., McElwain, N. L., Li, J., Davila, M. I., Hu, Y., Hu, K., Bodway, J. M., Dhekne, A., Roy Choudhury, R., & Hasegawa-Johnson, M. (2024). Vorläufige technische Validierung von LittleBeats™: Eine multimodale Sensorplattform zur Erfassung von Herzphysiologie, Bewegung und Stimmäußerungen. Sensors (Basel, Schweiz), 24(3), 901. https://doi.org/10.3390/s24030901

Izard, C. E., Fantauzzo, C. A., Castle, J. M., Haynes, O. M., Rayias, M. F. & Putnam, P. H. (1995). Die Ontogenese und Bedeutung der Gesichtsausdrücke von Säuglingen in den ersten 9 Lebensmonaten. Developmental Psychology, 31(6), 997–1013. https://doi.org/10.1037/0012-1649.31.6.997

Ji, C., Mudiyanselage, T.B., Gao, Y. et al. Ein Überblick über die Analyse und Klassifizierung von Säuglingsschreien. J AUDIO SPEECH MUSIC PROC. 2021, 8 (2021). https://doi.org/10.1186/s13636-021-00197-5

Jones, E. J. H., Goodwin, A., Orekhova, E., Charman, T., Dawson, G., Webb, S. J. & Johnson, M. H. (2020). Die Theta-Modulation im EEG von Säuglingen sagt die Intelligenz im Kindesalter voraus. Scientific Reports, 10(1), 11232. https://doi.org/10.1038/s41598-020-67687-y

Joshi, R., Kommers, D., Oosterwijk, L., Feijs, L., van Pul, C. & Andriessen, P. (2020). Vorhersage neonataler Sepsis anhand von Merkmalen der Herzfrequenzvariabilität, Atemcharakteristika und aus dem EKG abgeleiteten Schätzungen der Bewegung des Säuglings. IEEE Journal of Biomedical and Health Informatics, 24(3), 681–692. https://doi.org/10.1109/JBHI.2019.2927463

Kaul, Y. F., Rosander, K., von Hofsten, C., Brodd, K. S., Holmström, G., Kaul, A., Böhm, B. & Hellström-Westas, L. (2016). Die visuelle Verfolgung bei extrem frühgeborenen Säuglingen im Alter von 4 Monaten sagt die neurologische Entwicklung im Alter von 3 Jahren voraus. Pediatric Research, 80(1), 35–42. https://doi.org/10.1038/pr.2016.37

Killinc, O., & Snyder, C.S. (14. Februar 2020). Schneller, langsamer und unregelmäßiger Herzschlag. HealthyChildren.org. https://www.healthychildren.org/English/health-issues/conditions/heart/Pages/Irregular-Heartbeat-Arrhythmia.aspx . Abgerufen am 11.07.2024.

Kim, J., Yoo, S., Liu, C. et al. Drahtlose Biosensoren mit Hautkontakt für die perinatale und pädiatrische Gesundheitsversorgung. Nat Rev Bioeng 1, 631–647 (2023). https://doi.org/10.1038/s44222-023-00090-0

King, L. (2024). Was ist Herzfrequenzvariabilität? WebMD. https://www.webmd.com/heart/what-is-heart-rate-variability Abgerufen am 11.07.2024.

Kleiger, R. E., Stein, P. K. und Bigger, J. T., Jr. (2005). Herzfrequenzvariabilität: Messung und klinischer Nutzen. Annals of noninvasive electrocardiology: die offizielle Zeitschrift der International Society for Holter and Noninvasive Electrocardiology, Inc., 10(1), 88–101. https://doi.org/10.1111/j.1542-474X.2005.10101.x

Klin, A., Jones, W., Schultz, R., Volkmar, F. & Cohen, D. (2002). Blickfixationsmuster beim Betrachten naturalistischer sozialer Situationen als Prädiktoren für soziale Kompetenz bei Menschen mit Autismus. Archives of General Psychiatry, 59(9), 809–816. https://doi.org/10.1001/archpsyc.59.9.809

Kuhl, P. K., & Meltzoff, A. N. (1996). Lautäußerungen von Säuglingen als Reaktion auf Sprache: Stimmimitation und entwicklungsbedingte Veränderungen. The Journal of the Acoustical Society of America, 100(4 Pt 1), 2425–2438. https://doi.org/10.1121/1.417951

Kulvicius, T., Zhang, D., Nielsen-Saines, K., Bölte, S., Kraft, M., Einspieler, C., Poustka, L., Wörgötter, F. & Marschik, P. B. (2023). Klassifizierung von Säuglingsbewegungen mittels Druckverteilungsanalyse. Communications Medicine, 3(1), 112. https://doi.org/10.1038/s43856-023-00342-5

Kumar, N., Akangire, G., Sullivan, B., Fairchild, K. & Sampath, V. (2020). Kontinuierliche Analyse der Vitalparameter zur Vorhersage und Prävention neonataler Erkrankungen im 21. Jahrhundert: Big Data im Vordergrund. Pediatric Research, 87(2), 210–220. https://doi.org/10.1038/s41390-019-0527-0

Latremouille, S., Lam, J., Shalish, W. & Sant’Anna, G. (2021). Herzfrequenzvariabilität bei Neugeborenen: Eine aktuelle Übersichtsarbeit zu Analysemethoden und klinischen Anwendungen. BMJ Open, 11(12), e055209. https://doi.org/10.1136/bmjopen-2021-055209

Lee, A.R. (2024). Was ist eine normale Herzfrequenzvariabilität? Gesundheit. https://www.health.com/condition/heart-disease/heart-rate-variability#:~:text=Der%20Durchschnitt%20%22gut%2C%22%20oder,als%20115.000%20Mal%20pro%20Tag. Abgerufen am 11.07.24.

Leppänen, J. M., Butcher, J. W., Godbout, C., Stephenson, K., Hendrixson, D. T., Griswold, S., Rogers, B. L., Webb, P., Koroma, A. S. & Manary, M. J. (2022). Bewertung der kognitiven Fähigkeiten von Säuglingen unter Feldbedingungen mittels Eye-Tracking: eine Pilot-Kohortenstudie in Sierra Leone. BMJ open, 12(2), e049783. https://doi.org/10.1136/bmjopen-2021-049783

Levine, H. (2. Februar 2023). Was Ihre Herzfrequenz über Ihre Gesundheit aussagt. AARP. https://www.aarp.org/health/healthy-living/info-2023/what-is-a-healthy-heart-rate.html?cmp=KNC-DSO-COR-Health-HeartHealth-NonBrand-Phrase-44175-Bing-HEALTH-Healthy-Heart-Rate-Phrase-NonBrand&&msclkid;=c6c433cd09a717a4488d5542d26b9d56&utm;_source=bing&utm;_medium=cpc&utm;_campaign=Gesundheit-Herzgesundheit-Nichtmarken-Phrase&utm;_term=bpm%20Herzfrequenz&utm;_content=Gesunde-Herzfrequenz&gclid;=c6c433cd09a717a4488d5542d26b9d56&gclsrc;=3p.ds . Zugriff am 24.11.2024.

Li, J., Hasegawa-Johnson, M. & McElwain, N. L. (2021). Analyse akustischer Merkmale und Merkmale der Stimmqualität zur Klassifizierung von Lautäußerungen von Säuglingen und Müttern. Speech Communication, 133, 41–61. https://doi.org/10.1016/j.specom.2021.07.010

Liu, X., Fromm, J., Patel, S., McDuf, D. (2020). Multi-Task-Netzwerke mit zeitlicher Verschiebung der Aufmerksamkeit für die kontaktlose Messung von Vitalparametern auf dem Gerät. Advances in Neural Information Processing Systems, 33:19400–19411.

Lloyd-Fox, S., Papademetriou, M., Darboe, M. K., Everdell, N. L., Wegmuller, R., Prentice, A. M., Moore, S. E. & Elwell, C. E. (2014). Funktionale Nahinfrarotspektroskopie (fNIRS) zur Beurteilung der kognitiven Funktionen bei Säuglingen im ländlichen Afrika. Scientific Reports, 4, 4740. https://doi.org/10.1038/srep04740

Löscher, W. N., Einspieler, C., Klug, E. M., Haidmayer, R., Gallasch, E., Kurz, R. & Kenner, T. (1990). Neurologischer Status, Häufigkeit von Schlafapnoe und Blutsauerstoffsättigung bei sechs Wochen alten Säuglingen. Early Human Development, 24(2), 119–130. https://doi.org/10.1016/0378-3782(90)90142-6

Malik F, Marwaha R. Kognitive Entwicklung. [Aktualisiert am 23. April 2023]. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; Jan. 2024. Verfügbar unter: https://www.ncbi.nlm.nih.gov/books/NBK537095/

Maenner, M. J., Warren, Z., Williams, A. R., Amoakohene, E., Bakian, A. V., Bilder, D. A., Durkin, M. S., Fitzgerald, R. T., Furnier, S. M., Hughes, M. M., Ladd-Acosta, C. M., McArthur, D., Pas, E. T., Salinas, A., Vehorn, A., Williams, S., Esler, A., Grzybowski, A., Hall-Lande, J., Nguyen, R. H. N., … Shaw, K. A. (2023). Prävalenz und Merkmale von Autismus-Spektrum-Störungen bei Kindern im Alter von 8 Jahren – Netzwerk zur Überwachung von Autismus und Entwicklungsstörungen, 11 Standorte, Vereinigte Staaten, 2020. Wöchentlicher Bericht zu Morbidität und Mortalität. Überwachungszusammenfassungen (Washington, D.C.: 2002), 72(2), 1–14. https://doi.org/10.15585/mmwr.ss7202a1

Manning, J., Thakur, D., Bowler, K., Inamdar, K., Chu, V.W. (2023). Validierung von Elternangaben und Beschleunigungsmessern zur Erfassung der Bauchlage zu Hause bei termingeborenen und frühgeborenen Säuglingen. Am J Occup Ther Vol. 77(Supplement_2), 7711500016p1. doi: https://doi.org/10.5014/ajot.2023.77S2-PO16

Mehta, S. K., Super, D. M., Connuck, D., Salvator, A., Singer, L., Fradley, L. G., Harcar-Sevcik, R. A., Kirchner, H. L. & Kaufman, E. S. (2002). Herzfrequenzvariabilität bei gesunden Neugeborenen. The American Journal of Cardiology, 89(1), 50–53. https://doi.org/10.1016/s0002-9149(01)02162-2

Memon, S.F., Memon, M. und Bhatti, S. (2020), Wearable-Technologie zur Gesundheitsüberwachung von Säuglingen: eine Übersicht. IET Circuits Devices Syst., 14: 115–129. https://doi.org/10.1049/iet-cds.2018.5447

Mount Sinai (ohne Datum). Bluthochdruck – Säuglinge. https://www.mountsinai.org/health-library/diseases-conditions/high-blood-pressure-infants#:~:text=Exposure%20to%20illegal%20drugs%20such,Rapid%20breathing. Abgerufen am 11.07.24.

Mueller, I., Snidman, N., DiCorcia, J. A. & Tronick, E. (2021). Akuter mütterlicher Stress stört die Regulation des autonomen Nervensystems und das Verhalten von Säuglingen: Eine CASP-Studie. Frontiers in Psychiatry, 12, 714664. https://doi.org/10.3389/fpsyt.2021.714664

Nationales Institut für Kindergesundheit und menschliche Entwicklung (19. April 2021). Frühförderung bei Autismus. https://www.nichd.nih.gov/health/topics/autism/conditioninfo/treatments/early-intervention . Abgerufen am 11.07.2024.

Nayak CS, Anilkumar AC. Neonatales EEG. [Aktualisiert am 17. Februar 2024]. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; Jan. 2024. Verfügbar unter: https://www.ncbi.nlm.nih.gov/books/NBK536953/

Ness, S. L., Manyakov, N. V., Bangerter, A., Lewin, D., Jagannatha, S., Boice, M., Skalkin, A., Dawson, G., Janvier, Y. M., Goodwin, M. S., Hendren, R., Leventhal, B., Shic, F., Cioccia, W., & Pandina, G. (2017). JAKE® Multimodal Data Capture System: Erkenntnisse aus einer Beobachtungsstudie zu Autismus-Spektrum-Störungen. Frontiers in Neuroscience, 11, 517. https://doi.org/10.3389/fnins.2017.00517

Oliveira, V., von Rosenberg, W., Montaldo, P., Adjei, T., Mendoza, J., Shivamurthappa, V., Mandic, D. & Thayyil, S. (2019). Frühe postnatale Herzfrequenzvariabilität bei gesunden Neugeborenen. Frontiers in Physiology, 10, 922. https://doi.org/10.3389/fphys.2019.00922

Perochon, S., Di Martino, J. M., Carpenter, K. L. H., Compton, S., Davis, N., Eichner, B., Espinosa, S., Franz, L., Krishnappa Babu, P. R., Sapiro, G., & Dawson, G. (2023). Früherkennung von Autismus mittels digitaler Verhaltensphänotypisierung. Nature Medicine, 29(10), 2489–2497. https://doi.org/10.1038/s41591-023-02574-3

Pitchford, E. A., Ketcheson, L. R., Kwon, H. J. & Ulrich, D. A. (2017). Mindestdauer des Tragens von Beschleunigungsmessern bei Säuglingen: Eine Studie zur Verallgemeinerbarkeit. Journal of physical activity & health, 14(6), 421–428. https://doi.org/10.1123/jpah.2016-0395

Rash, J. A., Thomas, J. C., Campbell, T. S., Letourneau, N., Granger, D. A., Giesbrecht, G. F. & APrON-Studienteam (2016). Entwicklungsbedingte Ursprünge der Stressreaktionsmuster bei Säuglingen: Ein multisystemischer Ansatz. Developmental Psychobiology, 58(5), 578–599. https://doi.org/10.1002/dev.21403

Rayson, H., Bonaiuto, J. J., Ferrari, P. F. & Murray, L. (2017). Frühes mütterliches Spiegeln sagt die Aktivierung des motorischen Systems des Säuglings beim Betrachten von Gesichtsausdrücken voraus. Scientific Reports, 7(1), 11738. https://doi.org/10.1038/s41598-017-12097-w

Reuter, S., Moser, C. & Baack, M. (2014). Atemnot beim Neugeborenen. Pediatrics in Review, 35(10), 417–429. https://doi.org/10.1542/pir.35-10-417

Ricardo, L. I. C., DA Silva, I. C. M., Martins, R. C., Wendt, A., Gonçalves, H., Hallal, P. R. C. & Wehrmeister, F. C. (2018). Protokoll zur objektiven Messung der körperlichen Aktivität von Säuglingen mittels Beschleunigungsmessung. Medizin und Wissenschaft in Sport und Bewegung, 50(5), 1084–1092. https://doi.org/10.1249/MSS.0000000000001512

Richard, C. A., & Mosko, S. S. (2004). Das gemeinsame Schlafen von Mutter und Säugling ist mit einem Anstieg der Herzfrequenz des Säuglings verbunden. Sleep, 27(3), 507–511. https://doi.org/10.1093/sleep/27.3.507

Ritz, T., Bosquet Enlow, M., Schulz, S. M., Kitts, R., Staudenmayer, J. & Wright, R. J. (2012). Respiratorische Sinusarrhythmie als Indikator für die Vagusaktivität bei Säuglingen unter Stress: respiratorische Einflüsse und deren Steuerung. PloS one, 7(12), e52729. https://doi.org/10.1371/journal.pone.0052729

Sahni, R., Gupta, A., Ohira-Kist, K. & Rosen, T. S. (2003). Bewegungsresistente Pulsoximetrie bei Neugeborenen. Archives of Disease in Childhood. Fetal and Neonatal Edition, 88(6), F505–F508. https://doi.org/10.1136/fn.88.6.f505

Schechtman, V. L., Harper, R. M., Kluge, K. A., Wilson, A. J., Hoffman, H. J. & Southall, D. P. (1988). Herz- und Atemrhythmen bei gesunden Säuglingen und Opfern des plötzlichen Kindstods. Sleep, 11(5), 413–424. https://doi.org/10.1093/sleep/11.5.413

Sloan, A. T., Jones, N. A. & Kelso, J. A. S. (2023). Bedeutung durch Bewegung und Stille: Merkmale der Koordinationsdynamik offenbaren die Handlungsfähigkeit von Säuglingen. Proceedings of the National Academy of Sciences of the United States of America, 120(39), e2306732120. https://doi.org/10.1073/pnas.2306732120

Stanford Medicine Children’s Health (ohne Datum). Altersgerechte Meilensteine in der Sprach- und Hörentwicklung. https://www.stanfordchildrens.org/en/topic/default?id=age-appropriate-speech-and-hearing-milestones-90-P02169 . Abgerufen am 27.06.24.

Storm, H. Die elektrodermale Aktivität misst die Schmerzreaktion auf einen Fersenstich bei Frühgeborenen ab der 29. Schwangerschaftswoche. Pediatr Res 45, 899 (1999). https://doi.org/10.1203/00006450-199906000-00094

Tamura T, Maeda Y, Sekine M, Yoshida M. Tragbare photoplethysmographische Sensoren – Vergangenheit und Gegenwart. Electronics. 2014; 3(2):282-302. https://doi.org/10.3390/electronics3020282

Thorup, E., Nyström, P., Gredebäck, G., Bölte, S., Falck-Ytter, T. & das EASE-Team (2016). Verändertes Blickverhalten bei Live-Interaktionen bei Säuglingen mit Autismusrisiko: eine Eye-Tracking-Studie. Molecular Autism, 7, 12. https://doi.org/10.1186/s13229-016-0069-9

Valentine, S., Cunningham, A. C., Klasmer, B., Dabbah, M., Balabanovic, M., Aral, M., Vahdat, D. & Plans, D. (2022). Bewegungssensoren von Smartphones zur Fernüberwachung der Atemfrequenz: Technische Validierung. Digital Health, 8, 20552076221089090. https://doi.org/10.1177/20552076221089090

Visnovcova, Z., Kozar, M., Kuderava, Z., Zibolen, M., Ferencova, N. & Tonhajzerova, I. (2022). Entropieanalyse der elektrodermalen Aktivität bei Neugeborenen in den ersten drei Tagen nach der Geburt. Entropy (Basel, Schweiz), 24(3), 422. https://doi.org/10.3390/e24030422

Weiss, S. J., Keeton, V. F., Leung, C. & Niemann, S. (2024). Emotionsregulation bei Säuglingen im Stresskontext: Auswirkungen der Herzfrequenzvariabilität und des Temperaments. Stress and health: Zeitschrift der International Society for the Investigation of Stress, e3373. Vorab-Online-Veröffentlichung. https://doi.org/10.1002/smi.3373

Weibley, H., Di Filippo, M., Liu, X., Lazenby, L., Goscha, J., Ferreira, A., Muscalu, L. & Rader, N. (2021). fNIRS-Überwachung des präfrontalen Kortex von Säuglingen während des Krabbelns und einer Aufgabe zur Ausführung exekutiver Funktionen. Frontiers in Behavioral Neuroscience, 15, 675366. https://doi.org/10.3389/fnbeh.2021.675366

Wen, T. H., Cheng, A., Andreason, C., Zahiri, J., Xiao, Y., Xu, R., Bao, B., Courchesne, E., Barnes, C. C., Arias, S. J. & Pierce, K. (2022). Groß angelegte Validierung eines frühkindlichen Eye-Tracking-Biomarkers für einen Subtyp der Autismus-Spektrum-Störung. Scientific Reports, 12(1), 4253. https://doi.org/10.1038/s41598-022-08102-6

Wikipedia (23. Juni 2024). Säugling. https://en.wikipedia.org/wiki/Infant . Abgerufen am 27.06.2024.

Xu, S., Rwei, A. Y., Vwalika, B., Chisembele, M. P., Stringer, J. S. A., Ginsburg, A. S. & Rogers, J. A. (2021). Drahtlose Hautsensoren zur physiologischen Überwachung von Säuglingen in Ländern mit niedrigem und mittlerem Einkommen. The Lancet. Digital Health, 3(4), e266–e273. https://doi.org/10.1016/S2589-7500(21)00001-7

Yamamoto, H., Sato, A. & Itakura, S. (2019). Eye-Tracking in einer alltäglichen Umgebung zeigt die zwischenmenschliche Distanz auf, die die Blickkommunikation zwischen Säugling und Eltern ermöglicht. Scientific Reports, 9(1), 10352. https://doi.org/10.1038/s41598-019-46650-6

Yasin, S., Draz, U., Ali, T., Shahid, K., Abid, A. et al. (2022). Automatisiertes Spracherkennungssystem zur Erkennung der Gefühle von Babys mittels Merkmalsanalyse. Computers, Materials & Continua, 73(2), 4349–4367. https://doi.org/10.32604/cmc.2022.028251

Zaharieva, M. S., Salvadori, E. A., Messinger, D. S., Visser, I. & Colonnesi, C. (2024). Automatisierte Messung von Gesichtsausdrücken in einer Längsschnittstichprobe von 4- und 8-Monate alten Säuglingen: Baby FaceReader 9 und manuelle Kodierung affektiver Ausdrücke. Behavior research methods, 10.3758/s13428-023-02301-3. Vorab-Online-Veröffentlichung. https://doi.org/10.3758/s13428-023-02301-3

Zhao, F., Li, M., Jiang, Z., Tsien, J. Z. & Lu, Z. (2016). Kamerabasierte, berührungslose Technologie zur Überwachung der Vitalparameter könnte einen Weg zur frühzeitigen Prävention von SIDS bei Säuglingen bieten. Frontiers in Neurology, 7, 236. https://doi.org/10.3389/fneur.2016.00236

Zhao, F., Li, M., Qian, Y. & Tsien, J. Z. (2013). Fernmessung von Herz- und Atemfrequenz für die Telemedizin. PloS one, 8(10), e71384. https://doi.org/10.1371/journal.pone.0071384

Zhou, L., Guess, M., Kim, K. R. & Yeo, W. H. (2024). Auf der Haut tragbare Biosensoren für die intelligente Gesundheitsüberwachung von Säuglingen und Neugeborenen. Communications Materials, 5(1), 72. https://doi.org/10.1038/s43246-024-00511-6

Zhu, Z., Liu, T., Li, G., Li, T. & Inoue, Y. (2015). Tragbare Sensorsysteme für Säuglinge. Sensors (Basel, Schweiz), 15(2), 3721–3749. https://doi.org/10.3390/s150203721
Zuzarte, I., Indic, P., Sternad, D., & Paydarfar, D. (2019). Quantifizierung der Bewegung bei Frühgeborenen mittels Photoplethysmographie. Annals of Biomedical Engineering, 47(2), 646–658. https://doi.org/10.1007/s10439-018-02135-7

Forschung zum Säuglingsalter – Der vollständige Taschenführer

Table of Contents