Bibliographie zur Geh‑Analytik

Inoue K, et al. (2023)

"Association of Daily Step Patterns With Mortality in US Adults"

JAMA Network Open 2023;6(3):e235174

Analyse von 4.840 US‑Erwachsenen: 8.000–9.000 Schritte/Tag bei Älteren senken die Mortalität. Abflachender Zusatznutzen jenseits dieses Bereichs.

Lee I‑M, et al. (2019)

"Association of Step Volume and Intensity With All-Cause Mortality in Older Women"

JAMA Internal Medicine 2019;179(8):1105-1112

16.741 ältere Frauen (Ø 72 J.): Mortalität sinkt ab ≥ 4.400 Schritten/Tag; Plateaubildung um ~7.500 Schritte/Tag. "Mehr ist nicht immer besser".

Ding D, et al. (2025)

"Steps per day and all-cause mortality: a systematic review and meta-analysis"

The Lancet Public Health 2025 (ahead of print)

Meta‑Analyse mit Dosis‑Wirkungs‑Beziehung zwischen täglichen Schritten und Gesundheitsoutcomes über diverse Populationen.

Del Pozo‑Cruz B, et al. (2022)

"Association of Daily Step Count and Intensity With Incident Morbidity and Mortality Among Adults"

JAMA Internal Medicine 2022;182(11):1139-1148

UK Biobank (78.500 Erw.): Einführung der Peak‑30‑Cadence. Sowohl Gesamt‑Schritte als auch Peak‑30 sind unabhängig mit niedrigerer Morbidität/Mortalität assoziiert; Peak‑30 ggf. wichtiger.

Master H, et al. (2022)

"Association of step counts over time with the risk of chronic disease in the All of Us Research Program"

Nature Medicine 2022;28:2301–2308

Längerfristig hohe Schrittzahlen senken das Risiko für chronische Erkrankungen (u. a. Diabetes, Adipositas, Schlafapnoe, GERD, Depression).

Del Pozo‑Cruz B, et al. (2022)

"Association of Daily Step Count and Intensity With Incident Dementia in 78,430 Adults Living in the UK"

JAMA Neurology 2022;79(10):1059-1063

Tägliche Schritte und Schrittintensität sind mit geringerem Demenzrisiko assoziiert. Optimaldosis ~9.800 Schritte/Tag; zusätzlicher Nutzen durch höhere Cadence.

Tudor‑Locke C, et al. (2019) — CADENCE‑Adults

"Walking cadence (steps/min) and intensity in 21-40 year olds: CADENCE-adults"

Int. J. Behav. Nutr. Phys. Act. 2019;16:8

Grundsatzarbeit: 100 spm als Schwelle für moderat (3 METs); Sensitivität 86 %, Spezifität 89,6 % (n=76, 21–40 J.). Grundlage der Cadence‑basierten Steuerung.

Tudor‑Locke C, et al. (2020)

"Walking cadence (steps/min) and intensity in 41 to 60-year-old adults: the CADENCE-adults study"

Int. J. Behav. Nutr. Phys. Act. 2020;17:137

Bestätigt 100 spm (moderat) in 41–60 J.; 130 spm als Schwelle für vigourös (6 METs).

Aguiar EJ, et al. (2021)

"Cadence (steps/min) and relative intensity in 21 to 60-year-olds: the CADENCE-adults study"

Int. J. Behav. Nutr. Phys. Act. 2021;18:27

Cadence‑Schwellen stabil über 21–85 Jahre → universelle Anwendbarkeit.

Moore CC, et al. (2021)

"Development of a Cadence-based Metabolic Equation for Walking"

Med Sci Sports Exerc 2021;53(1):165-173

Einfache Gleichung METs = 0.0219 × cadence + 0.72; 23–35 % genauer als ACSM; Präzision ~0,5 METs.

Ralston HJ (1958)

"Energy-speed relation and optimal speed during level walking"

Int Z Angew Physiol 1958;17:277-283

Klassische Arbeit: U‑förmige Energie‑Geschwindigkeits‑Kurve; optimal ~1,3 m/s für minimales CoT.

Zarrugh MY, et al. (2000)

"Preferred Speed and Cost of Transport: The Effect of Incline"

J Exp Biol 2000;203:2195-2200

CoT steigt deutlich mit Steigung; −5 bis −10 % Gefälle erhöhen exzentrische Bremskosten.

Lim HT, et al. (2018)

"A simple model to estimate metabolic cost of human walking across slopes and surfaces"

Scientific Reports 2018;8:5279

Mechanisches Modell, das Steigung und Untergrund berücksichtigt; Vorhersage des metabolischen Aufwands in variablen Bedingungen.

Steudel‑Numbers K, Tilkens MJ (2022)

"The effect of lower limb length on the energetic cost of locomotion: implications for fossil hominins"

eLife 2022;11:e81939

Analyse von Energie‑/Zeit‑Abwägungen bei Gehgeschwindigkeiten und Steigungen.

Apple Inc. (2021)

"Using Apple Watch to Estimate Cardio Fitness with VO₂ max"

Technisches Whitepaper zur VO₂max‑Schätzung bei Outdoor‑Gehen/Laufen/Wandern (Puls, GPS‑Tempo, Beschleunigung).

Apple Developer Documentation

"HKQuantityTypeIdentifier.vo2Max"

Offizielle HealthKit‑API für VO₂max (mL/(kg·min)); Schätzung auf Apple Watch Series 3+.

Apple Support

"About Cardio Fitness on Apple Watch"

Endnutzer‑Dokumentation zu Cardio‑Fitness, Messung und Normbereichen (alters‑/geschlechtsspezifisch).

Apple Developer Documentation

"HKCategoryTypeIdentifier.lowCardioFitnessEvent"

API für Low‑Cardio‑Fitness‑Ereignisse; ermöglicht proaktive Hinweise bei unterschrittenen VO₂max‑Schwellen.

Apple Inc. (2022)

"Measuring Walking Quality Through iPhone Mobility Metrics"

Validierung von iPhone‑basierten Gehmetriken (Geschwindigkeit, Schrittlänge, Doppelstütz‑%, Asymmetrie). Passives Erfassen mit iPhone 8+ (iOS 14+).

Apple WWDC 2021

"Explore advanced features of HealthKit — Walking Steadiness"

Technische Session zu Walking Steadiness: zusammengesetzte Metrik aus Gangparametern; Sturzrisiko‑Einstufung (OK, Low, Very Low).

Studenski S, et al. (2011)

"Gait Speed and Survival in Older Adults"

JAMA 2011;305(1):50-58

Meilenstein‑Studie (n=34.485): Gehgeschwindigkeit sagt Überleben voraus. <0,8 m/s → höhere Mortalität; >1,0 m/s → gute funktionelle Gesundheit. Gehgeschwindigkeit gilt als „Vitalzeichen“ bei Älteren.

Pamoukdjian F, et al. (2022)

"Gait speed and falls in older adults: A systematic review and meta-analysis"

BMC Geriatrics 2022;22:394

Starke Beziehung zwischen langsamer Gehgeschwindigkeit und erhöhtem Sturzrisiko bei selbständig lebenden Älteren.

Verghese J, et al. (2023)

"Annual decline in gait speed and falls in older adults"

BMC Geriatrics 2023;23:290

Jährliche Veränderungen der Gehgeschwindigkeit prognostizieren Sturzrisiko; Monitoring ermöglicht frühe Intervention.

Hausdorff JM, et al. (2005)

"Gait variability and fall risk in community-living older adults: a 1-year prospective study"

Journal of NeuroEngineering and Rehabilitation 2005;2:19

Erhöhte Gangvariabilität (Variationskoeffizient der Schrittzeit) sagt Sturzrisiko voraus. CV > 3–4 % im normalen Gehen = erhöhtes Risiko.

Hausdorff JM (2009)

"Gait dynamics in Parkinson's disease: common and distinct behavior among stride length, gait variability, and fractal-like scaling"

Chaos 2009;19(2):026113

Fraktale Analyse der Gangmuster bei Parkinson: veränderte Schrittdynamik und geringere Komplexität.

Moe‑Nilssen R, Helbostad JL (2004)

"Estimation of gait cycle characteristics by trunk accelerometry"

Journal of Biomechanics 2004;37(1):121-126

Zuverlässigkeit von Rumpf‑Beschleunigungssensoren für Ganganalyse – Basis für Smartphone/Watch‑Bewertungen.

Phinyomark A, et al. (2020)

"Fractal analysis of human gait variability via stride interval time series"

Frontiers in Physiology 2020;11:333

Übersicht zur fraktalen Analyse (DFA alpha) zur Quantifizierung langreichweitiger Korrelationen in Gangmustern.

Android Developer Documentation

"Health Connect data types and data units"

Offizielle Doku zu Health Connect Datentypen: StepsRecord, StepsCadenceRecord, SpeedRecord, DistanceRecord, HeartRateRecord, Vo2MaxRecord.

Google Fit Documentation

"Step count cadence data type"

API‑Datentyp für Schrittfrequenz (spm) – ermöglicht intensitätsbasiertes Monitoring.

Google Fit Documentation

"Read daily step total"

Wie aggregierte tägliche Schrittzahlen aus Google Fit gelesen werden (mehrere Quellen).

Android Developer Guide

"Health Connect overview"

Überblick: zentrales Gesundheitsdaten‑Repository auf Android, plattformübergreifendes Teilen mit Nutzerzustimmung.

Zandbergen PA, Barbeau SJ (2011)

"Positional Accuracy of Assisted GPS Data from High-Sensitivity GPS-enabled Mobile Phones"

PLOS ONE 2011;6(7):e24727

Validierung der Smartphone‑GPS‑Genauigkeit: 5–8 m in offenen Bereichen, 10–20 m in Häuserschluchten – Basislinie für Consumer‑GPS.

Wu X, et al. (2025)

"Sidewalk-level pedestrian map matching using smartphone GNSS data"

Satellite Navigation 2025;6:3

Bordstein‑/Gehweg‑spezifisches Map‑Matching für Fußgänger – höhere Genauigkeit in Städten als straßenbasiertes Matching.

Jiang C, et al. (2020)

"Accurate and Direct GNSS/PDR Integration Using Extended Kalman Filter for Pedestrian Smartphone Navigation"

Sensorfusion GNSS/IMU via Extended Kalman Filter – kontinuierliche Position auch bei GPS‑Ausfällen (Tunnel/Indoor).

Zhang G, et al. (2019)

"Hybrid Map Matching Algorithm Based on Smartphone and Low-Cost OBD in Urban Canyons"

Remote Sensing 2019;11(18):2174

Hybride Positionsbestimmung (GNSS + Inertialsensoren) für schwierige urbane Umgebungen.

American Thoracic Society (2002)

"ATS Statement: Guidelines for the Six-Minute Walk Test"

Am J Respir Crit Care Med 2002;166:111-117

Standardisiertes 6‑Minuten‑Gehtest‑Protokoll (6MWT): Durchführung, Normwerte, Interpretation.

Podsiadlo D, Richardson S (1991)

"The Timed 'Up & Go': A Test of Basic Functional Mobility for Frail Elderly Persons"

J Am Geriatr Soc 1991;39(2):142-148

Timed Up & Go (TUG): Goldstandard für funktionelle Mobilität/Sturzrisiko. >14 s → hohes Risiko.

Ainsworth BE, et al. (2011)

"2011 Compendium of Physical Activities: A Second Update of Codes and MET Values"

Med Sci Sports Exerc 2011;43(8):1575-1581

Referenzwerk zu MET‑Werten (800+ Aktivitäten). Gehen: 2,0 METs (sehr langsam), 3,0 METs (moderat), 3,5 METs (zügig), 5,0 METs (sehr zügig).

Ainsworth BE, et al. (2024)

"The 2024 Adult Compendium of Physical Activities: An Update of Activity Codes and MET Values"

J Sport Health Sci 2024 (ahead of print)

Aktualisierte MET‑Werte und neue Aktivitäten – essenziell für Energieverbrauchs‑Berechnungen.

Fukuchi RK, et al. (2019)

"Effects of walking speed on gait biomechanics in healthy participants: a systematic review and meta-analysis"

Systematic Reviews 2019;8:153

Meta‑Analyse zu Geschwindigkeits‑Effekten auf Spatio‑Temporal‑Parameter, Kinematik und Kinetik; Geschwindigkeit verändert die Gangmechanik grundlegend.

Mirelman A, et al. (2022)

"Present and future of gait assessment in clinical practice: Towards the application of novel trends and technologies"

Frontiers in Medical Technology 2022;4:901331

Überblick zu Wearables und KI für klinische Ganganalyse (Spatio‑Temporal, Kinematik, Skalen wie UPDRS/SARA).

Mann RA, et al. (1986)

"Comparative electromyography of the lower extremity in jogging, running, and sprinting"

Am J Sports Med 1986;14(6):501-510

Klassische EMG‑Arbeit: Gehen vs. Laufen – 62 % Stützphase (Gehen) vs. 31 % (Laufen); klar unterschiedliche Aktivierungsmuster.

Straczkiewicz M, et al. (2023)

"A 'one-size-fits-most' walking recognition method for smartphones, smartwatches, and wearable accelerometers"

npj Digital Medicine 2023;6:29

Universeller Erkennungsalgorithmus (Sensitivität 0,92–0,97) für verschiedene Geräte/Positionen; 20 öffentliche Datensätze.

Porciuncula F, et al. (2024)

"Wearable Sensors in Other Medical Domains with Application Potential for Orthopedic Trauma Surgery"

Sensors 2024;24(11):3454

Wearable‑Anwendungen zur Messung von Gehgeschwindigkeit, Schritten, Bodenreaktionskräften und ROM (Beschleuniger, Gyroskope, Magnetometer).

Ungvari Z, et al. (2023)

"The multifaceted benefits of walking for healthy aging: from Blue Zones to molecular mechanisms"

GeroScience 2023;45:3211–3239

30 min/Tag × 5 Tage → geringeres Erkrankungsrisiko; anti‑aging Effekte auf Kreislauf/Atmung/Immunsystem; geringeres Risiko für CVD, Diabetes, kognitiven Abbau.

Karstoft K, et al. (2024)

"The health benefits of Interval Walking Training"

Appl Physiol Nutr Metab 2024;49(1):1-15

Interval Walking Training (IWT): Wechsel schnell/ langsam – verbessert Fitness, Kraft und glykämische Kontrolle (T2D) stärker als kontinuierliches moderates Gehen.

Morris JN, Hardman AE (1997)

"Walking to health"

Sports Medicine 1997;23(5):306-332

Grundlagen‑Review: Gehen > 70 % HFmax steigert kardiorespiratorische Fitness; verbessert HDL‑Stoffwechsel und Insulin/Glukose‑Dynamik.