1. Das Problem
Rehabilitation ist mehr als Physiotherapie.
In der frühen Schlaganfallrehabilitation beobachten Behandelnde häufig neben abnehmender Motivation im Verlauf auch fehlende Transparenz über Fortschritte, subjektive Einschätzung statt objektiver Verlaufsdaten oder Komplikationen, die erst spät erkannt werden.
Patient Engagement ist dabei kein „weicher“ Faktor – sondern ein potenziell beeinflussbarer Outcome-Treiber.
Gleichzeitig fehlen im klinischen Alltag skalierbare Instrumente, um Motivation strukturiert zu erfassen, digitale Biomarker zu integrieren und Patient:innen aktiv in ihre Rehabilitation einzubinden.
2. Der Studienansatz
Sensor-S: Eine multizentrische randomisierte kontrollierte Studie
Die Sensor-S-Studie („Effect of Wearable Sensors on Patient Engagement and Motivation in Post Stroke Rehabilitation“) ist eine multizentrische randomisierte kontrollierte Studie (RCT) mit:
- 156 Patient:innen
- zwei Studienzentren (Charité & Brandenburgklinik)
- zwei Interventionsphasen (stationär + ambulant)
- 6 Monaten Nachbeobachtung
Die Studie untersucht, ob sich Motivation mithilfe digitaler Sensorik objektiv erfassen lässt – und wie sich dies auf die Bewertung von Rehabilitationsverläufen auswirkt.
3. Das technologische Setup
Multimodale Datenerfassung über die integrierte Studien-App D4L Collect
Die Intervention kombiniert:
Smartwatch (Samsung Galaxy Watch 6)
→ Herzfrequenz, Aktivität, Schlaf, Schrittzahl
CGM (Dexcom G7)
→ kontinuierliche Glukosemessung alle 5 Minuten
IMUs (Inertial Measurement Units)
→ Gang, Timed Up & Go, Sit-to-Stand, Spastikmessung
Mobile D4L Collect App (Android, z. B. Google Pixel 6)
→ tägliche Reflexionen
→ Motivationseinschätzung
→ Schlaf- & Schmerzabfragen
→ tägliche & wöchentliche Reports
→ motivierende Prompts
Patientenzentrierte Intervention
Die App integriert SMART-basierte Zieldefinition mit täglichen Reflexionen (Text), motivierende Hinweise und strukturierte Reports mit Angaben wie Schrittzahl, Aktivitätsniveau und Herzfrequenz (retrospektiv).
Diese Reports werden patientenverständlich visualisiert – ein zentrales Element zur Förderung von Selbstwirksamkeit.
Die begleitende Bildproduktion (Sensoranbringung, Ganganalyse, App-Interaktion) macht diese Prozesse visuell greifbar und stärkt die Anschaulichkeit für Fachpublikum.
4. Die Infrastruktur dahinter
Warum Infrastruktur wichtiger ist als einzelne Sensoren
Sensoren in Smartphones und Wearables generieren Daten.
Studien benötigen strukturierte, interoperable, auswertbare Datensätze. Die Sensor-S-Studie nutzt die native mobile App D4L Collect von Data4Life zur Datenerhebung und Integration von Daten aus verschiedenen Quellen.
Zentrale Architekturmerkmale:
1. Getrennte Pseudonyme
Studien-ID (DTS Charité)
separate App-ID
keine PII im App-Account
2. OAuth2-Integration zur Dexcom EU API
sichere CGM-Datenübertragung
retrospektive Anzeige im D4L Collect Interface
3. Verschlüsselung
at rest
in transit
Serverstandort Deutschland
4. Strukturierte Datenerfassung
PROMs (PAM-13, PAREMO, EQ-5D-5L etc.)
IMU-Rohdaten
CGM-Rohdaten
Smartwatch-Daten
5. Compliance-Tracking
Monitoring der täglichen Fragebogenquote
Auswertung der App-Interaktionsmuster
5. Implikationen für die klinische Forschung
Die Sensor-S-Studie zeigt, dass Sensoren in Smartphones und Wearables im klinischen Kontext mehr sind als passive Datensammler. Sie fungieren zugleich als Feedback-Instrumente, Motivationsverstärker und potenzielle Quelle digitaler Biomarker. Damit werden sie Teil des Interventionsdesigns – nicht nur technische Begleiter der Datenerhebung.
Entscheidend ist jedoch das Zusammenspiel von Intervention und Infrastruktur. Ein einzelnes Device verändert kein Verhalten. Erst strukturierte Reports, klare Zieldefinition, tägliche App-Interaktion und systematisches Compliance-Monitoring formen ein wirksames digitales Interventionsdesign. Sensoren erzeugen Daten – Infrastruktur macht sie nutzbar.
Digitale Biomarker entstehen aus sauber strukturierten Datensätzen. Im CGM-Kontext betrifft das Parameter wie Glycemic Variability, CVBG, Time in Range oder Mean Amplitude of Glycemic Excursion; bei IMUs etwa Schrittparameter, Stride Length, Angular Velocity oder Spastik-Quantifizierung. Analysierbar werden diese Daten nur, wenn Zeitstempel harmonisiert, Identitäten getrennt verwaltet, Rohdaten zugänglich und Exportformate statistisch verwertbar sind.
Schließlich beginnt Skalierbarkeit im Studiendesign. Mit stationärer und ambulanter Interventionsphase inklusive Remote Setup und Remote Visits zeigt Sensor-S, dass digitale Studien über die Klinik hinaus funktionieren können – technisch, organisatorisch und konzeptionell.
6. Planen Sie eine digitale Studie?
Sprechen Sie mit uns.
D4L Collect ermöglicht strukturierte, sichere und skalierbare Datenerhebung für klinische Studien – von Pilotprojekten bis zu multizentrischen RCTs.
Schicken Sie einfach eine E-Mail an b2b@data4life.care.
Die Inhalte dieses Artikels geben den aktuellen wissenschaftlichen Stand zum Zeitpunkt der Veröffentlichung wieder und wurden nach bestem Wissen und Gewissen verfasst. Dennoch kann der Artikel keine medizinische Beratung und Diagnose ersetzen. Bei Fragen wenden Sie sich an Ihren Allgemeinarzt.
