Zum Poster

Autonome Dysbalance als Prädiktor für Schmerzerwartungen und -erleben bei chronischen Rückenschmerzen: Studienprotokoll zur Anwendung von Herzratenvariabilitäts-Biofeedback im Mixed-Methods-Design (BACK.BEAT)

Autorin

Sophie Schmitz

Co-Autoren

Prof. Dr. Bernd Löwe, Dr. Paul Hüsing

Hintergrund

Chronische Rückenschmerzen gehören weltweit zu den führenden Ursachen für Einschränkungen der Lebensqualität und werden zunehmend als biopsychosoziale Erkrankung verstanden, in der nozizeptive, autonome sowie kognitiv-emotionale Mechanismen ineinandergreifen. Eine Dysregulation des autonomen Nervensystems (ANS), die sich unter anderem in einer reduzierten Herzfrequenzvariabilität (HRV) äußert, gilt als potenzieller Biomarker für die Vulnerabilität gegenüber chronischen Schmerzen. Parallel dazu tragen maladaptive Schmerzerwartungen wesentlich zur Verstärkung und Aufrechterhaltung der Symptomatik bei.
HRV-basiertes Biofeedback, das durch gezielte Atemregulation eine Wiederherstellung des autonomen Gleichgewichts anstrebt, stellt einen vielversprechenden, bislang jedoch unzureichend erforschten Ansatz zur Beeinflussung physiologischer und psychologischer Schmerzmechanismen dar. Die BACK.BEAT-Studie untersucht die Zusammenhänge zwischen täglichen HRV-Schwankungen, Schmerzerwartungen und Schmerzerfahrungen bei Personen mit chronischen Rückenschmerzen sowie die Durchführbarkeit und Wirksamkeit eines HRV-Biofeedback-Trainings hinsichtlich autonomer Regulation, Schmerzreduktion und Krankheitsverständnis.

Methoden

In einem gemischten, randomisiert kontrollierten Studiendesign werden Teilnehmende mit chronischen Rückenschmerzen einer HRV-Biofeedback- oder Kontrollgruppe zugewiesen. Die HRV wird kontinuierlich mittels Garmin Vivosmart 5 erfasst und mit täglichen Schmerzerwartungen und -erfahrungen korreliert, die über ökologische Momentaufnahmen (EMA) per Smartphone erhoben werden. Das Labor-basierte HRV-Biofeedback erfolgt über das System NeXus-4 (MindMedia). Die HRV-Analyse umfasst Zeitbereichsparameter (SDNN, RMSSD) sowie Frequenzbereichsparameter (lnLF, lnHF). Statistische Verfahren beinhalten Korrelationsanalysen (Pearson/Spearman), Varianzanalysen mit Messwiederholung (Gruppe × Zeit) und explorative Regressionsmodelle. Qualitative Daten zur Krankheitswahrnehmung werden thematisch ausgewertet.

Diskussion

Die BACK.BEAT-Studie soll das Zusammenspiel autonomer Regulation, kognitiv-emotionaler Prozesse und Schmerzwahrnehmung bei chronischen Rückenschmerzen näher beleuchten. Durch die Kombination tragbarer HRV-Technologie, ökologischer Momentaufnahmen und HRV-basierten Biofeedbacks wird die Machbarkeit und potenzielle Wirksamkeit technologiegestützter, mechanismusorientierter Interventionen zur Behandlung chronischer Schmerzen untersucht.