Garmin Daily Suggested Workouts: Sådan fungerer algoritmen

Algoritmen Daily Suggested Workouts (DSW) fra Garmin/Firstbeat genberegner den tilladte belastning hvert døgn baseret på pulsvariabilitet, søvn og træningsstress. Det er fundamentet for Longevity Resort-programmerne.

Updated 2026-08-28 · Sample procedures Luxury Spa & Medical Wellness Hotel Prezident

Contents

Hvorfor denne gennemgang er vigtig for platformen
Algoritmens konceptuelle arkitektur og funktionelle formål
Systemets biometriske input- og belastningsparametre
Beregningsmodel for EPOC og aerob/anaerob træningseffekt
Modellering og beregning af VO₂max
Evidensgrundlag: HRV-Guided Training
Klassificering og opbygning af genererede træningspas
Mekanikken bag valg af målværdier: Tempo kontra puls
Sammenlignende analyse af Garmins adaptive tilgange
Algoritmens begrænsninger, systemsårbarheder og kanteffekter
Konklusion
Hvad algoritmen ikke ved: erfaringer fra Karlovy Vary-skolen
Sådan hænger det sammen i platformen
Hvad det giver hotellet og investoren
Kilder
Videre om emnet

Hvorfor denne gennemgang er vigtig for platformen

Grundlaget for Longevity Resort-programmerne er visualiseringen af målingerne fra Garmins ure og vægte samt behandlingen af dem via algoritmen Daily Suggested Workouts (DSW) fra Garmin/Firstbeat. Gæsten bærer uret og træder op på vægten; portalen viser søvn, puls, pulsvariabilitet, stress, Body Battery, vægt og kropssammensætning (hvad uret helt præcist måler), og algoritmen omsætter disse datastrømme til en daglig vurdering af parathed og tilladt belastningsniveau.

Vi har ikke genopfundet fysiologien: under motorhjelmen ligger Firstbeats matematiske modeller, der bygger på patenter og kliniske studier. Gennemgangen nedenfor er gengivet i sin helhed for at vise det faglige fundament bag platformen: præcis hvad algoritmen beregner, ud fra hvilke data, hvor dens styrker ligger, og hvor dens begrænsninger går.

Et enkelt forbehold om anvendeligheden: DSW blev oprindeligt udviklet til løbere og triatleter, og en kurstedsgæst har ikke brug for løbespecifikke mesocyklusser. Platformen udnytter den fysiologiske kerne – vurderingen af restitution ud fra pulsvariabilitet og søvn, akkumuleret belastning og daglig parathed – og overfører den til gæstens faktiske aktiviteter på kurstedet: gåture på kurstierne, behandlinger og drikkekur.

Algoritmens konceptuelle arkitektur og funktionelle formål

Funktionen med daglige træningsforslag (Daily Suggested Workouts, DSW), som har været integreret i Garmins økosystem siden Forerunner 745, er et adaptivt ekspertsystem til mikroperiodisering af træningsprocessen [1]. Algoritmens beregningskerne bygger på teknologi fra Firstbeat Analytics, der har specialiseret sig i matematisk modellering af det autonome nervesystem og kardiorespiratorisk fysiologi [2].

I modsætning til traditionelle kalenderbaserede programmer med en fastlåst struktur fungerer DSW efter princippet om et lukket feedback-loop (Closed-Loop Feedback System) [1]. Hvert 24. time genberegner systemet træningsplanen baseret på en dynamisk sammenligning af atletens aktuelle metaboliske status, akkumulerede træningsstress og natlige restitutionsbiomarkører [1].

Algoritmens primære formål er at optimere den kardiorespiratoriske ydeevne (maksimal iltoptagelse VO₂max, laktatclearance og neuromuskulær udholdenhed) og samtidig minimere risikoen for overtræning og overbelastningsskader [5]. Systemet fordeler træningsstimuli i henhold til principperne for polariseret træning ved at afbalancere lavintensiv aerob mængde med tærskel- og højintensive anaerobe intervaller [8].

Når en specifik målbegivenhed tilføjes i kalenderen, tilpasser DSW sig automatisk til en cyklisk periodiseringsmodel med faser til grundtræning, opbygning af specifik udholdenhed, spidsbelastning og nedtrapning (tapering) frem mod konkurrencen [2].

Systemets biometriske input- og belastningsparametre

DSW-beregningspipelinen samler forskellige strømme af fysiologiske data og telemetri, der registreres via kontinuerlig døgnmåling og aktive træningspas [1]. Nøjagtigheden af anbefalingerne afhænger direkte af, hvor uafbrudt signalerne indsamles, samt af en korrekt grundkalibrering af brugerprofilen [1].

Datakategori	Registrerede målinger og parametre	Fysiologisk tolkning og rolle i DSW-algoritmen
Akut og kronisk belastning	Akut belastning (Acute Load, 7 dage) og kronisk belastning (Chronic Load, 28 dage) [1]	Vurdering af forholdet mellem akut og kronisk stress (ACWR); fastlægger den samlede kapacitet for tilladt træningsmængde på den pågældende dag [1].
Fordeling af belastningsbalance	Træningsbelastningsfokus (Load Focus): lav aerob, høj aerob og anaerob kapacitet [6]	Identifikation af systemiske underskud i energisystemerne og valg af fokus for træningspassets primære stimulus [8].
Autonom nervestatus	Pulsvariabilitet (HRV Status), døgnets RMSSD og det 7-dages referenceinterval [1]	Vurdering af vagustone og den sympatovagale balance; blokerer for højintensive udviklingspas ved nedsat vagusaktivitet [1].
Restitutionskinetik	Søvnkvalitet og søvnarkitektur (Sleep Score), dagligt stressniveau, Training Readiness-indeks [1]	Bestemmelse af adaptationsreserven; reduktion af det planlagte tempo eller varigheden ved ufuldstændig restitution [1].
Resterende metabolisk gæld	Fuld restitutionstid (Recovery Time i timer), resterende EPOC [1, 8, 20]	Forhindring af ophobning af metabolisk acidose og glykogendepletion, før der opnås homøostatisk balance [1].
Aktuel funktionel tærskel	VO₂max-værdi, laktattærskel (LTHR, LT-tempo), funktionel tærskeleffekt (FTP) [1]	Danner beregningsgrundlag for generering af målzoner for hastighed (min/km), puls (bpm) og effekt (W) [1].
Individuel bioprofil	Maksimal puls (HRmax), hvilepuls (HRrest), aktivitetsklasse (Activity Class), antropometri [14]	Skalering af ulineære energiforbrugskurver og interne skalaer for relativ intensitet [14].
Kalendersammenhæng	Dato for målløb, distancens længde, rutens topografiske profil [2]	Modulering af mesocyklusser og volumenfordeling tilpasset konkurrencens specifikke krav [2].

Beregningsmodel for EPOC og aerob/anaerob træningseffekt

Kernen i Firstbeats kvantificering af fysisk belastning er en indirekte matematisk vurdering af efterforbrændingen (Excess Post-exercise Oxygen Consumption, EPOC) [11]. I modsætning til klassisk ergospirometri beregner Firstbeat-metoden opbygningen af EPOC i realtid ud fra en kontinuerlig analyse af pulsudvikling, aktuel iltoptagelsesprocent (%VO₂max) og ventilationsparametre (patenterne US7717827B2, US2006/0032315, US10238915B2) [15].

Øjeblikkelig lungeventilation og vejrtrækningsfrekvens (Respiration Rate) bestemmes noninvasivt via spektralanalyse af respiratorisk sinusarytmi (RSA), som modulerer intervallerne mellem hjerteslagene i højfrekvensområdet (HF) af hjerterytmevariabiliteten [23]. Tidsdynamikken for opbygning og udskillelse af metabolisk gæld beskrives ved en differentialligning af formen:

dEPOC/dt = φ(HR(t), Respiration Rate(t), Activity Class) − λ · EPOC(t)

hvor funktionen φ beskriver hastigheden af iltgældsopbygning ved en given intensitet, og leddet λ · EPOC(t) står for den kontinuerlige metaboliske clearance under træningen [15].

Den maksimale EPOC-værdi (Peak EPOC) målt under passet omregnes til aerob træningseffekt (Aerobic Training Effect) på en ulineær skala fra 0.0 til 5.0, hvor 2.0–2.9 vedligeholder den aerobe form, 3.0–4.9 giver en forbedrende stimulering, og 5.0 advarer om risiko for overbelastning [11].

Anaerob træningseffekt (Anaerobic Training Effect) beregnes af en parallel algoritme til genkendelse af dynamiske mønstre [27]. Algoritmen overvåger løbende pludselige stigninger i hastighed eller effekt og sammenholder dem med den kardiovaskulære respons og pausernes varighed [27]. En enkeltstående lang løbetur ved laktattærsklen registreres af systemet som en høj-aerob belastning trods det høje metaboliske stressniveau [31]. For at opnå en anaerob effekt kræves der særskilte nær-maksimale ryk eller sprinter med submaksimal restitution, som stimulerer udtømning af intramuskulære fosfagener (ATP-CP) og et markant glykolytisk skift [27].

Databehandlingen forløber i en trinvis analysekæde. Det rå pulssignal og intervallerne mellem hjerteslagene modtages fra sensoren og fordeles sideløbende i to beregningsspor: spektralanalyse af variabiliteten til bestemmelse af vejrtrækningsfunktionen samt vurdering af bevægelsens mekaniske effekt i forhold til kardiodynamikken [23]. De beregnede parametre samles i et modul til dynamisk EPOC-beregning, hvorfra data sendes videre til beregning af aerob og anaerob træningseffekt [11]. Den samlede belastningsvektor klassificerer derefter træningspasset efter Load Focus og placerer det i lav-aerob, høj-aerob eller anaerob zone [11].

Modellering og beregning af VO₂max

Beregningen af aerob kapacitet i Garmin-algoritmerne bygger på den lineære sammenhæng mellem bevægelseshastighed, mekanisk effekt og iltforbrug (patent US20110040193A1) [23]. For hvert gyldigt løbesegment beregner systemet det teoretiske iltbehov VO₂theor korrigeret for terrænets hældning:

VO₂theor = 12 · v + 54 · tan(arcsin(Δh/d)) + c

hvor v er løbehastigheden i meter i sekundet, Δh/d er sinus til overfladens hældningsvinkel beregnet ud fra barometrisk højdemåler og GPS, og c er det basale hvilestofskifte [33].

I kvasistationære bevægelsesfaser (efter frasortering af overgangsfænomener i pulsen) sammenholdes den beregnede VO₂theor-værdi med den aktuelle procentdel af den maksimale puls (%HRmax) [2]. En lineær ekstrapolation af dette forhold til 100 % HRmax gør det muligt at beregne den individuelle maksimale iltoptagelse VO₂max uden behov for udmattende maksimaltest [2]. Under laboratorieforhold er metodens gennemsnitlige absolutte fejl (MAPE) 5–8 %, men under reelle forhold med et ustabilt optisk pulssignal kan fejlen stige til 8–10 % [6].

Evidensgrundlag: HRV-Guided Training

Den adaptive logik i DSW bygger på kliniske og anvendte studier inden for styring af træningsbelastning baseret på hjerterytmevariabilitet (HRV-guided training) [17]. Det primære evidensgrundlag for algoritmen udgøres af Kiviniemi og kollegers arbejde (Kiviniemi et al., 2007, 2010) samt understøttende metaanalyser af autoregulerende træningsprotokoller [17].

I Kiviniemi et al.s banebrydende studie (2007) blev effekten af et fastlagt træningsprogram (Predefined Training) sammenlignet med en protokol styret af morgenens hjerterytmevariabilitet (HRV-Guided Training) [18]. I den adaptive gruppe blev højintensive intervaller udelukkende ordineret, når RMSSD-værdien lå inden for eller over det individuelle referenceområde [17]. Hvis RMSSD faldt under konfidensintervallet (hvilket afspejler sympatisk dominans og ufuldstændig restitution), blev den hårde træning aflyst og erstattet af lavintensiv træning eller hvile [17].

Forsøget viste, at den HRV-styrede gruppe opnåede en statistisk signifikant større fremgang i maksimal aerob hastighed (+0,9 km/t mod +0,5 km/t) og en tydeligere forbedring af VO₂max ved en lavere samlet mængde hård træning [17]. I DSW-algoritmen omsættes disse fysiologiske principper via skalaen for Training Readiness: autonom udtrætning nedjusterer automatisk planlagte højintensive pas til rolige løbeture eller restitutionsture [1].

Klassificering og opbygning af genererede træningspas

De træningspas, algoritmen opretter, er inddelt i funktionelle kategorier, der hver især opfylder et specifikt biokemisk og tilpasningsmæssigt formål og dækker behovet i det relevante segment af Training Load Focus [6].

Træningstype	Målrettet fysiologisk mekanisme	Metabolisk profil og substratprofil	Vektor for træningseffekt	Andel i basis-mesocyklus
Recovery	Aktiv restitution, udskillelse af metabolitter [8]	Kapillær perfusion uden mikrotraumer i muskelfibrene; intensitet under basiszonen [21].	Lav aerob (0.0–2.0 TE) [11]	10–20 %
Base	Mitokondriel proliferation, angiogenese [8]	Overvejende oxidation af frie fedtsyrer; intensitet 70–80 % HRmax [21].	Lav aerob (2,0–3,5 TE) [11]	50–70 %
Lang tur	Øget intramuskulær glykogenkapacitet [5]	Tilpasning af bevægeapparatet til langvarig mekanisk belastning; substratskift mod lipider [5].	Low Aerobic (3.0–4.5 TE) [11]	15–25 %
Tempo	Øget effekt ved den første ventilatoriske tærskel (VT1) [39]	Blandet aerob-glykolytisk energiomsætning, laktatclearance; intensitet 80–85 % HRmax [21].	Høj aerob (3.0–4.0 TE) [14]	5–15 %
Tærskel	Forskydning af den anden laktattærskel (LT2 / MLSS) [39]	Maksimal laktat steady-state i blodet; arbejde i området 85–90 % HRmax [21].	Høj aerob (3,5–4,8 TE) [11]	5–10 %
VO₂max	Maksimering af hjertets slagvolumen og lungediffusion [6]	Maksimal kardiorespiratorisk belastning, submaksimal acidose; arbejde på 95–100 % af VO₂max [8].	Høj aerob (4.0–5.0 TE) [11]	5–10 %
Sprint / Anaerob	Neuromuskulær stimulation, rekruttering af hurtige motoriske enheder 8	Resyntese af ATP via fosfokreatin og anaerob glykolyse; korte serier af maksimale accelerationer [31].	Anaerob (2,0–4,5 TE) [11]	3–8 %

Mekanikken bag valg af målværdier: Tempo kontra puls

Brugeren kan vælge typen af målsætning (Target Type): ud fra tempo eller puls [42]. Dette valg bestemmer det matematiske kontrolkredsløb for intensitetsstyring under udførelsen af aktiviteten:

Når der styres efter puls (Heart Rate Target), kompenserer systemet for ydre påvirkninger fra omgivelserne – modvind, temperatursvingninger, terræn og ophobet psykoemotionel belastning [46]. Algoritmen stabiliserer sessionens fysiologiske belastning inden for det fastsatte interval og forhindrer et utilsigtet skift fra basiszonen til tærskelzonen på stigninger [9].

Når der styres efter tempo (Pace Target), er den styrende parameter den mekaniske bevægelseshastighed, som beregnes direkte ud fra den aktuelle VO₂max-værdi og profilen for kritisk hastighed [1]. Denne tilstand er optimal til konkurrenceforberedelse på fladt underlag, men indebærer en risiko for metabolisk overbelastning under ugunstige klimaforhold eller høje temperaturer [2].

Firstbeats interne klassifikationslogik er fast bundet til procentdelen af den maksimale hjertefrekvens (%HRmax) og laktattærsklen og ignorerer brugerens indstillinger for visning af pulszoner i Garmin Connect-appen (f.eks. zoner beregnet ud fra pulsreserven %HRR) [14]. Som følge heraf er den faktiske belastningsfordeling i widgetten Training Load Focus baseret på Firstbeats objektive fysiologiske konstanter frem for den visuelle zoneinddeling på apparatets skærm [21].

Sammenlignende analyse af Garmins adaptive tilgange

På Garmin-platformen findes der flere uafhængige softwaremoduler til træningsplanlægning, som adskiller sig grundlæggende i algoritmisk fleksibilitet og planlægningshorisont [1].

Sammenligningsparameter	Daglige træningsforslag (DSW)	Klassisk Garmin Coach (Jeffs, Gregs og Amys planer)	Garmin Run Coach (opdateret adaptiv arkitektur)
Prognosehorisont	Glidende 7-dages vindue med daglig mikrokorrektion [1]	Statisk makroplan på 6–26 uger med en fast tidsplan [1]	Langsigtet dynamisk plan målrettet en bestemt startdato [45]
Følsomhed over for restitution	Umiddelbar: reaktion på nattens HRV-dynamik, søvn og kumulativ EPOC [1, 5, 6]	Minimal: justering foretages kun på baggrund af det faktiske tempo under sessionerne [49]	Høj: kombination af en makrocyklusplan med daglig parathedsanalyse [50]
Operationel variabilitet	Fuld uafhængighed: automatisk tilpasning ved overspring eller forskydning af sessioner [1]	Lav: manglende sessioner reducerer systemets beregnede konfidensscore (Confidence Score) [1]	Høj: algoritmisk omfordeling af nøglesessioner i løbet af ugen [50]
Periodisering til en begivenhed	Automatisk (Base → Build → Peak → Taper), når et løb er fastlagt i kalenderen [2]	Specialiserede skabeloner til et begrænset udvalg af distancer (5K, 10K, 21.1K) [49]	Udførlig makroperiodisering til alle løbedistancer, inklusive maraton [50]
Optimal atletprofil	Erfarne løbere, triatleter, atleter med uregelmæssige arbejdstider [1]	Begyndere inden for sport, der har brug for trinvis tekstvejledning og motivation [1]	Atleter på alle niveauer, der forbereder sig til officielle konkurrencer efter en måltid [50]

Algoritmens begrænsninger, systemsårbarheder og kanteffekter

En dybdegående analyse af langvarig brug af DSW-algoritmen i et reelt træningsforløb afslører en række fysiologiske og kybernetiske begrænsninger ved systemet:

Den første kritiske faktor er opståelsen af en nedadgående positiv feedbacksløjfe (effekten af aftagende stimulus) [10]. Da varigheden og intensiteten af den anbefalede træningssession afhænger af det aktuelle parathedsindeks og den autonome status, medfører stress uden for træningen (søvnmangel, systemisk inflammation, følelsesmæssigt pres) et vedvarende fald i HRV og en stigning i hvilepulsen [1]. Algoritmen reagerer på dette ved gradvist at reducere mængde og intensitet, hvilket begrænser atleten udelukkende til restitutions- og basisløb [5]. Langvarigt fravær af et udviklende stimulus medfører reel dekonditionering af det kardiorespiratoriske system og et fald i VO₂max, hvilket systemet fejlagtigt tolker som et behov for at reducere belastningen yderligere [10].

Den anden kilde til systematiske fejl er trægheden og den optiske støj i fotopletysmografiske sensorer (PPG) [1]. En præcis beregning af den anaerobe effekt og kinetikken for EPOC-akkumulering kræver øjeblikkelig registrering af bratte pulsstigninger og præcis timing af RR-intervaller under sprintaccelerationer [23]. Den optiske sensors forsinkelse ved bratte belastningsskift samt risikoen for, at det optiske signal låser sig fast til kadencen (Cadence Lock), fører til en undervurdering af det anaerobe stimulus [1]. Som resultat registrerer systemet et fiktivt kronisk underskud i Anaerobic-sektoren på Load Focus-skalaen og bliver ved med at generere sprintprotokoller på trods af atletens reelle fysiologiske træthed [14].

Den tredje funktionelle begrænsning er knyttet til den konservative grænse for lange løb (Long Run Cap), som er indbygget i algoritmen [5]. For at mindske risikoen for overbelastningsskader på benhinder og sener genererer systemet sjældent kontinuerlige lavintensive løbeture på mere end 100–110 minutter [5]. For løbere, der forbereder sig til et maraton med en måltid på over 3.5 timer, er denne volumen utilstrækkelig til at skabe en fuld tilpasning af lipolysens enzymsystemer og neuromuskulær modstandsdygtighed over for langvarig stødbelastning [5].

Det fjerde problem er den ukorrekte fortolkning af ustruktureret cross-træning og styrketræning [52]. Styrkepas i fitnesscenteret forårsager lokal muskeltræthed og mekaniske mikroskader på fibrene, men ledsages kun af moderat kardiovaskulær belastning [20]. DSW-algoritmen, som primært orienterer sig efter den pulsbaserede EPOC-værdi, undervurderer den perifere muskeltræthed fra styrkeøvelser eller tilskriver omvendt fejlagtigt styrketræningens EPOC til den samlede akutte aerobe belastning og aflyser derved uhensigtsmæssigt vigtige løbepas [15].

Konklusion

Daily Suggested Workouts-algoritmen fra Garmin/Firstbeat er et fysiologisk velfunderet system til automatiseret styring af træningsstress, som med succes implementerer de grundlæggende principper for polariseret periodisering og pulsvariabilitetsbaseret autoregulering i almindelige wearables [8]. Det matematiske apparat til kontinuerlig EPOC-modellering, differentiering af træningseffekt og ekstrapoleret vurdering af VO₂max giver et pålideligt grundlag for at vedligeholde den generelle kardiorespiratoriske form [1].

Ikke desto mindre er pålideligheden og validiteten af systemets anbefalinger strengt begrænset af inputparametrenes nøjagtighed. For at forhindre algoritmiske fejl og undgå nedadgående spiraler af formtab kræves regelmæssig dataindsamling fra et EKG-brystbælte, nøjagtig empirisk eller laboratoriemæssig verifikation af den maksimale puls samt manuel justering af mængden af lange løbeture ved forberedelse til maraton- og ultramaratondistancer [1].

Hvad algoritmen ikke ved: erfaringer fra Karlovy Vary-skolen

Konklusionen ovenfor nævner ærligt systemets begrænsninger: den nedadgående spiral ved formtab, optisk støj fra sensoren, undervurdering af styrketræning og en konservativ grænse for langvarig belastning. For en spagæst er der endnu flere af den slags forhold. Algoritmen kender hverken til alder og følgesygdomme, medicin, at personen på drikkekurens tredje dag får en balneologisk reaktion, eller at vedkommende gennemgik en operation for et halvt år siden. For en atlet er det acceptable forenklinger. For en kurstedsgæst er det ikke.

Det er netop her, kurstedets lægelige tradition kommer i spil – noget, man ikke kan købe sammen med en softwarelicens. Longevity Resort-programmerne på Luxury Spa & Medical Wellness Hotel Prezident er ikke sammensat af programmører, men af læger, som i årtier har fulgt, hvordan patienter restituerer.

MUDr. Milada Sárová – intern medicin og balneologi. En af de førende autoriteter inden for kurbadsbehandling med mineralvand og drikkekure i Karlovy Vary; hun har holdt forelæsninger om balneologien i Karlovy Vary i mere end 20 lande verden over. Gennem årtiers praksis har tusindvis af kurophold passeret gennem hendes hænder – fra stofskiftelidelser og sygdomme i fordøjelseskanalen til genoptræning efter krævende behandlinger. Det er denne erfaring, der fastlægger platformens indikationer og kontraindikationer, rækkefølgen af behandlinger og drikkekurens plan.
Docent Petr Kolisko – fysioterapi og kinesiologi. En førende tjekkisk specialist i funktionel diagnostik af bevægeapparatet, pioner og ledende instruktør i kinesiologitaping i Tjekkiet og Centraleuropa, mangeårig underviser på medicinske og idrætsvidenskabelige fakulteter samt forfatter til videnskabelige publikationer og monografier om bevægelsesbiomekanik. Denne erfaring danner grundlag for doseringen af bevægelse i platformen: hvilken belastning der er acceptabel ved en konstateret muskelubalance, hvordan mængden optrappes efter en skade eller operation, og hvor kurgangen slutter og overbelastningen begynder.

Sådan hænger det sammen i platformen

Platformen fungerer som en tolk mellem to verdener. På den ene side modtager den objektive tal fra Garmin: puls og pulsvariabilitet, søvnfaser, stress, Body Battery, skridt, akklimatisering, vægt og kropssammensætning. På den anden side står kurstedets lægelige regler: grænseværdier for, hvornår en behandling skal udskydes i dag, pulszonen for vandreturen og rækkefølgen af behandlinger i dagens protokol.

Lægen ser et overblikspanel med alle opholdets målinger og tilpasser ordinationerne; gæsten modtager en dag-for-dag-plan og læser den på sit eget sprog. Tallene ordinerer ikke behandlingen af sig selv – de giver lægen et overblik, som ikke fandtes før, og viser gæsten kurens resultat i tal frem for ord. Platformen er klassificeret som Wellness & Lifestyle Intelligence – livsstilsstøtte og ikke medicinsk diagnostik (læs mere).

Hvad det giver hotellet og investoren

Hotellet modtager ikke et program, men en metode. Jeres egne behandlinger overføres til platformen – saunaer, bade, massager, kilder, menuer – men de fordeles over dagene af en protokol, som er sammensat af specialister fra Karlovy Vary-skolen oven på forskningsgrundlaget fra Garmin/Firstbeat. Personalet oplæres i at arbejde med et færdigt værktøj i stedet for at genopfinde programmet (hvad der indgår i opstarten).
Gæsten ser kurens effekt i tal. Søvn, hvilepuls, pulsvariabilitet og kropssammensætning før og efter — det er dét, premiumgæsten vender tilbage for og fortæller videre om. Sundhedsforbedringen holder op med at være en fornemmelse og bliver til et målbart resultat.
Investoren får en kombination, som er svær at efterligne. Den algoritmiske del kan licenseres — fysiologien bag er beskrevet i patenter og videnskabelige artikler. Årtiers observationer fra kurlæger kan ikke licenseres. Platformens værdi ligger netop i krydsfeltet: avanceret Garmin-forskning på den ene side og kurstedets lægefaglige tradition i verdensklasse på den anden.

Kilder

Videre om emnet

Implementeringshistorie: Prezident i Karlovy Vary · Hvad uret måler · Priser: hvad der indgår i opstarten · Juridisk klassificering

← All articles