Fitness-Tracker zeichnen täglich Schritte und weitere Bewegungsdaten auf. Eine Auswertung von rund elf Millionen Messtagen zeigt, dass längere Datenreihen mit deutlich mehr Erkrankungen zusammenhängen als einzelne Tageswerte. Die Forschenden untersuchten Daten von fast 30.000 Menschen und fanden auch bisher wenig beschriebene Zusammenhänge, etwa mit chronischen Schmerzsyndromen. Daraus folgt allerdings nicht, dass eine Uhr Krankheiten zuverlässig diagnostizieren kann oder dass mehr Schritte jede dieser Erkrankungen verhindern.
Fitness-Tracker gelten meist als Hilfsmittel, um Schritte zu zählen, Trainings zu dokumentieren oder den Puls im Blick zu behalten. Für die Medizin könnten die Geräte jedoch noch auf eine andere Weise wichtig werden: Wenn sie über Monate hinweg getragen werden, entsteht ein detailliertes Bild der alltäglichen Bewegung. Dieses Muster kann Informationen enthalten, die bei einer kurzen Messung verborgen bleiben.
Ein Forschungsteam um Evelynne S. Fulda vom US-amerikanischen National Human Genome Research Institute sowie Forschende der University of Oxford und weiterer Einrichtungen hat dafür Daten aus dem All of Us Research Program ausgewertet. Die in Nature Communications veröffentlichte Studie verbindet Fitbit-Messwerte mit Gesundheitsdaten. Entscheidend war nicht nur, wie viele Schritte die Teilnehmenden machten, sondern auch, über welchen Zeitraum die Forschenden die Werte mittelten.
Die Analyse umfasste 29.303 Menschen mit verknüpften Bewegungs- und Gesundheitsdaten. Zusammen kamen mehr als elf Millionen Tage mit Fitbit-Messungen zusammen. Die Forschenden untersuchten vier Kennzahlen: die tägliche Schrittzahl, die höchste Schrittfrequenz innerhalb einer Minute, die durchschnittliche Schrittfrequenz während der aktivsten 30 Minuten sowie die Herzfrequenz im Verhältnis zur Schrittzahl. Diese Werte wurden jeweils für fünf Zeitfenster berechnet – von einem einzelnen Tag über eine Woche und einen Monat bis zu sechs Monaten und einem Jahr.
Anschließend verglich das Team die Bewegungsprofile mit mehr als 700 neu aufgetretenen Erkrankungen und über 1.400 bereits bestehenden Diagnosen. Die Auswertung suchte systematisch nach statistischen Zusammenhängen im gesamten Spektrum der erfassten Krankheiten. Dabei wurden strenge Korrekturen für die vielen statistischen Vergleiche vorgenommen. Das ist wichtig, weil bei Tausenden Tests auch zufällige Treffer entstehen können.
Die untersuchte Gruppe war allerdings nicht repräsentativ für alle Menschen. Das Durchschnittsalter lag bei rund 57 Jahren, etwa 69 Prozent der Teilnehmenden waren Frauen und knapp die Hälfte verfügte über mindestens ein Jahr gültiger Fitbit-Daten. Die Ergebnisse zeigen daher, welche Informationen langfristige Wearable-Daten in dieser Gruppe liefern können – nicht, wie gut sich daraus schon heute individuelle Diagnosen für jeden Menschen ableiten lassen.
Der wichtigste Befund betrifft die Dauer der Messung. Bei der Schrittzahl über ein Jahr fand die Analyse nach statistischer Korrektur Zusammenhänge mit 389 bestehenden und 61 später neu diagnostizierten Erkrankungen. Bei der Schrittzahl eines einzelnen Tages waren es 271 bestehende und 33 neu auftretende Diagnosen. Längere Messzeiträume lieferten damit ein breiteres und stabileres Muster.
Das ist plausibel: Ein einzelner Tag kann ungewöhnlich sein. Ein Mensch geht vielleicht wegen eines Termins besonders viel, bleibt wegen Regen zu Hause oder bewegt sich während einer Erkältung kaum. Ein Jahresmittel gleicht solche kurzfristigen Ausschläge eher aus und nähert sich dem gewohnten Aktivitätsniveau an. In der Studie nahm die Zuverlässigkeit der Schrittzahl mit mehr Messtagen zu; bei mehreren Kennzahlen flachte der zusätzliche Gewinn nach ungefähr einem Monat ab, während die Zusammenhänge mit Erkrankungen bei längeren Zeitfenstern häufig stärker ausfielen.
Die Messdauer verändert also die Aussagekraft derselben Kennzahl. Das bedeutet nicht, dass ein Jahreswert immer die beste Antwort auf jede medizinische Frage liefert. Bei akuten Veränderungen kann gerade ein plötzlicher Rückgang wichtig sein. Für die Einschätzung längerfristiger Muster können kurze Messungen dagegen zu stark von Zufall und Alltagsschwankungen geprägt sein.
Die Auswertung bestätigte zahlreiche bekannte Zusammenhänge zwischen Bewegung und Gesundheit, darunter Verbindungen zu Übergewicht, Schlafapnoe und Typ-2-Diabetes. Zusätzlich identifizierte sie mehr als 300 Zusammenhänge, die in früheren vergleichbaren Auswertungen nicht berichtet worden waren. Dazu gehörten unter anderem Verbindungen zu chronischen Schmerzsyndromen, bestimmten Autoimmunerkrankungen, Blutarmut und einigen neurologischen oder psychischen Diagnosen.
Ein Beispiel verdeutlicht, wie stark der gewählte Zeitraum das Ergebnis beeinflussen kann: Eine um 1.000 Schritte höhere durchschnittliche Tageszahl im Jahresprofil war mit einem um 18 Prozent niedrigeren statistischen Risiko für ein chronisches Schmerzsyndrom verbunden. Bei einer Messung über nur einen Tag war der Zusammenhang schwächer. Das ist eine statistische Beziehung innerhalb der untersuchten Daten und kein Beweis dafür, dass zusätzliche Schritte chronische Schmerzen um 18 Prozent reduzieren würden.
Auch Zusammenhänge mit SARS-CoV-2 wurden sichtbar. Solche Befunde können verschiedene Erklärungen haben: Bewegung und Fitness könnten mit dem Gesundheitsrisiko zusammenhängen. Umgekehrt können beginnende oder bestehende Erkrankungen dazu führen, dass Menschen weniger gehen oder dass sich Puls und Belastungsreaktion verändern. Die Forschenden betonen deshalb, dass Bewegungsdaten sowohl mögliche Risikofaktoren als auch frühe Hinweise auf bereits vorhandene Krankheiten abbilden können.
Ein statistischer Zusammenhang ist noch kein medizinischer Test. Die Studie zeigt, dass Bewegungsmuster mit vielen Gesundheitsmerkmalen verknüpft sind. Sie beweist nicht, dass ein bestimmtes Schrittprofil eine Krankheit eindeutig erkennt, bevor Symptome auftreten. Für eine solche Anwendung müssten Modelle in unabhängigen Gruppen geprüft werden. Dabei wären unter anderem Sensitivität, Fehlalarmrate, Unterschiede zwischen Altersgruppen und die Frage entscheidend, ob ein Hinweis tatsächlich früh genug für eine Behandlung kommt.
Hinzu kommen mögliche Verzerrungen. Menschen, die ihre Uhr regelmäßig tragen und ihre Daten teilen, unterscheiden sich möglicherweise von Menschen ohne Wearable. Auch Einkommen, Zugang zur medizinischen Versorgung, Vorerkrankungen und Lebensgewohnheiten können sowohl die Bewegung als auch die Wahrscheinlichkeit einer Diagnose beeinflussen. Statistische Anpassungen reduzieren solche Einflüsse, können sie aber nicht vollständig ausschließen.
Die Studie sollte daher nicht als Aufforderung verstanden werden, aus einzelnen Tageswerten selbst Krankheiten abzuleiten. Ein Fitness-Tracker kann Veränderungen sichtbar machen, ersetzt aber weder eine ärztliche Untersuchung noch etablierte diagnostische Verfahren. Wer dauerhaft deutlich weniger belastbar ist oder neue Beschwerden bemerkt, sollte das medizinisch abklären lassen, statt eine mögliche Ursache aus einer Uhr abzulesen.
Der praktische Wert der Ergebnisse liegt vor allem in der Forschung. Wenn viele Monate an Bewegungsdaten mit elektronischen Gesundheitsakten verknüpft werden, lassen sich Muster untersuchen, die bei kurzen Studien übersehen werden. Künftig könnten solche Daten helfen, Risikogruppen genauer zu beschreiben oder zu bestimmen, welche Veränderungen eine weitere Untersuchung rechtfertigen. Dafür müssen die Zusammenhänge zunächst in anderen Bevölkerungsgruppen bestätigt und in konkrete, verlässliche Vorhersagemodelle übersetzt werden.
Wearables sind dabei nur eine mögliche Datenquelle. Forschende untersuchen auch, ob Smartphones bestimmte körperliche Signale erfassen können. Ein Beispiel ist die Smartphone-App zur Messung von Blutdruck, Puls und Stresslevel. Eine weitere Forschungsrichtung prüft, ob Smartwatches frühe Veränderungen bei COVID-19 erkennen können. Auch dort kommt es darauf an, ob ein Signal zuverlässig genug ist, um im Alltag einen medizinischen Nutzen zu haben.
Die zentrale Erkenntnis ist deshalb nüchterner und zugleich wichtiger als ein Versprechen von Selbstdiagnosen: Die Aussagekraft von Bewegungsdaten hängt stark davon ab, wie lange sie gesammelt werden. Ein einzelner Tag zeigt eine Momentaufnahme; Monate können das typische Aktivitätsniveau besser abbilden. Bis daraus medizinisch nutzbare Warnsysteme entstehen, bleiben Validierung, Datenschutz und eine klare Trennung zwischen Hinweis und Diagnose entscheidend.
Fulda et al., Nature Communications, 11 million days of longitudinal Fitbit data reveal novel future health insights; doi:10.1038/s41467-026-78529-2
Mit KI-Unterstützung erstellt
Wählen Sie Forschung und Wissen bei Google als bevorzugte Quelle oder folgen Sie uns per RSS-Feed.
