一文解决关于佳明HRV 99%的疑惑以及深入理解HRV的原理
一文解决关于佳明HRV 99%的疑惑以及深入理解HRV的原理
前言
HRV(心率变异性)现在已经成为高端智能手表的标配,苹果、佳明等厂商的高端机型概莫能外。那么你真的懂HRV的意义吗?你知道如何解读和利用HRV吗?接下来,让我们深入理解HRV的原理。
关于佳明HRV,问的最多的十个问题
什么是 HRV?
严谨定义:心率变异性是以毫秒为单位的连续心跳之间的时间间隔变化的生理现象。一颗正常、健康的心脏不会像节拍器一样均匀地跳动,但相反,当观察心跳之间的毫秒数时,会有不断的变化。
通俗地说:心脏每两次跳动之间的间隔是不相等的,不断变化的。通常休息时,HRV升高,身体有压力时,HRV下降。佳明 HRV 的测量时机?
佳明在用户睡觉时测量心率和HRV,这是最可靠的测量方法。因为运动中会严重影响HRV的波动,很难区分是运动强度导致的,还是原本就存在的疲劳或压力。
佳明会随时间建立个人的HRV趋势,每个晚上都会得到一张夜间HRV的图表,七天内建立七天平均HRV,在三周内建立个人的基准范围。佳明有了个人基准范围后,就能够将七天平均值与之进行比较,并确定HRV状态是否平衡。从这点看来,佳明HRV实际上具有一定的滞后性,但是长期的趋势是很值得参考的。平衡的 HRV 意味着什么?
HRV平衡,意味着身体处于稳态,充分适应当前的训练负荷,甚至可以适当增加训练量。导致 HRV 不平衡的因素是什么?
- 生理因素。年龄、性别、基因、昼夜节律。
- 生活方式。饮食、体力活动、压力、酒精、抽烟、睡眠、冥想、呼吸。
- 疾病。研究表明,糖尿病、心脏病、肺病、肾脏疾病、焦虑症、惊恐发作、创伤后应激障碍、癫痫、厌食症和其他精神疾病患者的HRV值较低。
- 外部因素。气候、噪音、疼痛等。
如何让 HRV 平衡?
找到上述因素,降低或消除影响。但是HRV的趋势的变化是缓慢的,可能需要几天甚至数周才能从不平衡逆转为平衡。佳明 HRV总是不平衡怎么办?
如果尝试了所有改善生活方式的方法,HRV还是不平衡,可能需要考虑是设备的问题,可以通过重置手表来让佳明重新建立基准线。HRV对训练有什么指导意义?
HRV是一个帮助我们衡量身体对当前训练负荷的适应程度的很好指标。如果我们加量训练,HRV仍然平衡,说明身体还能扛得住,再加点量问题也不大;反之,如果HRV开始不平衡,说明需要休息。高HRV 就好,低 HRV就差吗?
通常来说,HRV的上升趋势是好的,但将值的高低和好坏相提并论并不合理。HRV的值很个人,会受到很多因素的影响。我们更应该关注的是HRV是否处于基准范围内,而非绝对数值。我是否可以和朋友比较 HRV值?
和他人比较HRV的绝对值,没有意义。HRV是一个非常个人的指标,因人而异,与他人比较并不能说明你和ta谁更健康。你只需要关注的是HRV是否则基准范围之内。睡眠对 HRV 有多重要?
- 睡眠时的HRV测量是最可靠的,这也是建立可靠的长期趋势的关键。
- 睡眠对于恢复很重要,高质量睡眠可以促进HRV平衡。建议大家多睡觉,睡眠是精力管理中很重要的一环。
佳明HRV是怎么计算的?
心率变异性是由称为自主神经系统(ANS)的神经系统的原始部分控制的,它在幕后工作,自动调节我们的心率、血压、呼吸和消化等关键任务。ANS分为两大组成部分:交感神经系统和副交感神经系统,也称为战斗或逃跑机制和放松反应。
HRV听起来很复杂,感觉好高深
不要被缩写吓到,其实HRV很好理解。
HRV测量的每次心跳之间的时间变化。举个栗子,假如我们的心率是60BPM,每分钟跳动60次,如果心跳间隔平均,那每两次心跳的间隔是1秒,但事实并非如此,完全有可能存在这次连续的两跳间隔1.3s,下次间隔0.7s。我们通常看到的数据一般是统计学呈现,一堆术语缩写可能让人晕头转向,但是实际上HRV的计算仅仅涉及到高中学到的各种统计学知识,标准差、均方差等等。佳明是基于怎样的原始数据得到的HRV?
测量HRV的方式有很多,比如一个完整的心电图,或者一些更加容易触及的设备,搭载了光学心率的智能手表(Apple Watch、佳明手表等)、心率带(Polar H10等)。心率设备上监测到心跳的尖峰以及尖峰之间的时间是非常容易的,有了原始数据,我们就可以思考如何计算HRV特征了。
佳明采用的是RMSSD指标,RMSSD 是连续NN间隔差的平方的平均值的平方根。它主要反映了心率变异性中由副交感神经活动引起的快速变化。
能不能简化一下计算过程?
样本A的5次心跳有4个R-R间隔,时间间距分别是448ms,601ms,716ms,320ms,经过计算,平均的R-R间隔为521ms,也就是说平均心率是115次。
样本B的5次心跳4个R-R间隔时间间距分别是520ms,535ms,524ms,506ms,经过计算平均的R-R间隔仍然是521ms,平均心率也是115次。
但当采用RMSSD计算公式(我们认为上面R-R间隔都是正常的,等价于N-N间隔,所谓的N-N间隔没有什么玄机,只是代表这段数据剔除了异常数据,比如运动中的心电图会产生一种伪影现象,这也是佳明和我反复强调的为什么测的是睡眠hrv)计算我们分别得到的254ms和15ms,这说明二者的自主神经系统差异还是很大的,后者有可能比较紧张。
这就是准确的事实吗?
上述只是演示了最核心的计算过程,实际在手表上进行的计算复杂很多,作为开发者,将这种长期的数据监测和做菜的过程相比,我们做菜的关键步骤往往很多,但是从菜地里采集原料、择菜、洗菜、切菜、收拾锅碗瓢盆善后占据了绝大多数时间,在佳明这里,要准备好供后续计算的数据,需要采集大量可靠的原始数据,然后滤波,去除异常数据,再存储足够的样本后才能进行下一步计算,考虑到三周的趋势建立,这是一个漫长且蕴含大量复杂计算的过程。在实际算法实现上,只有佳明这块的研发团队知道了,从原理层面向大家展现HRV的玄机,希望大家有所收获,不再困惑。
参考
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6932537
- https://www.health.harvard.edu/blog/heart-rate-variability-new-way-track-well-2017112212789
- https://www.hrv4training.com/blog2/heart-rate-variability-hrv-features-can-we-use-sdnn-instead-of-rmssd-a-data-driven-perspective-on-short-term-variability-analysis
- https://marcoaltini.substack.com/p/apple-watch-and-heart-rate-variability