A ciência por trás do Balance

Aqui está um resumo da ciência que sustenta o Feelmo, com as devidas fontes. Os detalhes finos dos algoritmos que compõem a sua pontuação não são públicos, mas as ideias sobre as quais eles se apoiam vêm de pesquisas publicadas e revisadas por pares.

Esta página é onde tentamos contar, da forma mais honesta possível, o que o Feelmo mede e por que ele mede dessa maneira. O texto ficou um pouco longo, então fique à vontade para dar apenas uma olhada rápida nos títulos que chamarem a sua atenção.

Seu batimento cardíaco não é um metrônomo

Um coração saudável não bate em um ritmo fixo como o de um relógio. O intervalo entre um batimento e o próximo (o intervalo R-R) está constantemente flutuando em pequenas variações, em resposta à sua respiração, postura, estresse e estado de recuperação. Essas flutuações são o que chamamos de HRV (variabilidade da frequência cardíaca).

Por exemplo, o seu coração acelera levemente quando você inspira e desacelera quando você expira. Essa flutuação rítmica, sincronizada com a respiração, é um dos sinais de que o sistema nervoso parassimpático (vagal), responsável pelo repouso, está funcionando bem. Por outro lado, quando a tensão ou o estresse persistem, essas flutuações tendem a diminuir e a se achatar.

Desde que uma força-tarefa conjunta da European Society of Cardiology e da North American Society of Pacing and Electrophysiology padronizou a forma de medir e interpretar fisiologicamente a HRV (Task Force, 1996), a HRV vem sendo usada em milhares de estudos como uma janela para vislumbrar a função do sistema nervoso autônomo a partir de fora do corpo (Shaffer & Ginsberg, 2017).

O que o Feelmo observa

A HRV tem muitas métricas, mas a pontuação Balance do Feelmo não é a exibição direta de nenhuma métrica pública isolada. Ela sintetiza várias pistas derivadas da HRV, a qualidade da medição e o quanto você se afastou da sua própria linha de base.

As visões no domínio do tempo capturam o quanto os intervalos entre batimentos variam ao longo de um período. As visões no domínio da frequência separam as flutuações mais rápidas, ligadas à respiração, dos padrões mais lentos. Ambas são lentes científicas úteis (Task Force, 1996; Shaffer & Ginsberg, 2017; Laborde et al., 2017), mas nenhuma lente isolada deve ser tratada como resposta direta à pergunta "quão estressado eu estou?".

O Feelmo usa essas ideias como pano de fundo e, em seguida, compara os seus sinais com a sua própria linha de base e com a confiabilidade da medição. A composição exata, a ponderação e o método de conversão fazem parte da lógica de análise proprietária do Feelmo e não são divulgados publicamente.

Por que comparamos com "a sua própria linha de base"

O valor absoluto da HRV varia muito conforme a idade, o sexo e a constituição de cada pessoa. Dados em larga escala abrangendo nove décadas de vida mostraram que a HRV diminui com a idade (Umetani et al., 1998). Em outras palavras, o mesmo número pode significar algo completamente diferente de uma pessoa para outra em termos de "se ele é alto ou baixo para aquele indivíduo".

É por isso que o Feelmo não olha para como você se compara com os outros, e sim para como você muda em relação à sua própria linha de base. Se você está mais alto ou mais baixo do que a pessoa ao seu lado não é o ponto; como você se compara com o "seu eu de sempre" — essa é a pergunta que importa.

É por isso que o medidor de equilíbrio na tela inicial vem acompanhado de uma "aura" que representa o seu desvio em relação à sua própria linha de base. Mais do que o número da pontuação em si, o que nos importa é mostrar com delicadeza "para que lado você está pendendo neste momento, em comparação com o seu eu de sempre".

Traduzindo números em expressões

A pontuação de equilíbrio é um número de 0 a 100, mas o Feelmo não coloca esse número em primeiro plano. Em vez disso, ele traduz a pontuação nas expressões de seis companheiros (Genki, Odayaka, Futsuu, Fuan, Panku e Tsukare) e os posiciona discretamente ao lado da pontuação.

Essa é a nossa maneira de não declarar que uma alta ou baixa no número seja "boa" ou "ruim". Em um dia agitado, podem aparecer "Fuan" (inquieto) ou "Tsukare" (cansado); em um dia tranquilo, "Odayaka" (calmo) ou "Genki" (animado) traduzem o seu estado atual em palavras gentis e de observação. É observação, nunca avaliação ou diagnóstico.

Quando medir — por que valorizamos o repouso e o sono

Os sensores ópticos de pulso são práticos, mas têm uma fraqueza: são vulneráveis ao movimento do corpo. Os valores captados enquanto você caminha ou balança os braços são ruidosos demais para serem confiáveis. Por isso, o Feelmo dá peso às condições em que a flutuação pode ser lida de forma estável — a medição sob demanda enquanto você está sentado e imóvel (medir na hora, quando você precisa) e os dados captados durante o sono.

Há várias razões para olharmos atentamente para o sono.

• Durante o sono, os fatores externos que perturbam a HRV — exercício, alimentação, postura, cafeína e assim por diante — estão em seu mínimo, o que faz dele um momento em que você pode comparar sob condições quase idênticas todos os dias.
• Durante o sono não REM profundo, demonstrou-se que o sistema nervoso parassimpático predomina (Trinder et al., 2001), de modo que também é um momento em que os sinais de recuperação tendem a aparecer.
• A relação entre sono e HRV também já foi organizada em revisões sistemáticas (Stein & Pu, 2012).

Estresse e equilíbrio

A ligação entre o estresse psicológico e a redução da HRV já foi relatada repetidamente em meta-análises (Kim et al., 2018). Além disso, uma meta-análise de estudos de neuroimagem propôs um modelo em que a via vagal que conecta o córtex pré-frontal (o cérebro que pensa) e o coração é o que faz da HRV um marcador de estresse e saúde (Thayer et al., 2012). Para um olhar mais aprofundado sobre essa ligação cérebro-coração, veja A conexão cérebro-coração.

As exibições de nível de estresse e de estado na tela inicial se apoiam nesse pano de fundo de pesquisa. Dito isso, essas são "associações" em nível de grupo.

Por que a respiração lenta funciona

A razão pela qual as sessões de respiração do Feelmo (a aba Respiração) conduzem você a uma respiração lenta (cerca de seis respirações por minuto) é que respirar nesse ritmo é conhecido por entrar em ressonância com o barorreflexo (o reflexo que regula a pressão arterial) e aumentar temporariamente a HRV de forma significativa (Lehrer & Gevirtz, 2014).

A cerca de seis respirações por minuto, a variação da sua frequência cardíaca ao inspirar e expirar se alinha exatamente com o ritmo do reflexo que regula a pressão arterial. Quando essa "ressonância" ocorre, a flutuação é amplamente amplificada. Os efeitos psicofisiológicos da respiração lenta também já foram relatados em revisões sistemáticas, nas quais são associados a um aumento da atividade parassimpática e a uma maior sensação de relaxamento (Zaccaro et al., 2018; Russo et al., 2017).

Tanto a sessão para "acalmar" quanto a para "revigorar" são convites gentis, construídos sobre essa fisiologia da respiração.

Sobre a luz e o movimento

Há um motivo por trás de o registro de hábitos na aba Bem-estar tratar também da luz solar e da atividade física.

• A luz é um dos fatores ambientais mais fortes que afetam os ritmos circadianos humanos (o relógio biológico), o sono e o humor (Blume et al., 2019). Um registro de luz solar pela manhã é uma pequena pista para construir um relógio biológico bem sintonizado.
• Foi relatado em meta-análises que o exercício regular está associado ao aumento da HRV (Sandercock et al., 2005). Os passos acumulados também se tornam uma base que sustenta o seu equilíbrio no longo prazo.

Isso não são metas do que você "deveria" fazer, mas pistas suaves para notar a conexão entre o seu equilíbrio e o seu dia a dia.

O que podemos dizer sobre a pontuação

A pontuação Balance integra vários sinais do corpo, incluindo pistas derivadas da HRV, e os traduz em uma única pontuação de 0 a 100.

• A estrutura específica e a ponderação dessa integração não são divulgadas, por serem segredo comercial.
• A pontuação é produzida depois de levar em conta também "quão confiável foi, de fato, a medição naquela noite ou naquela sessão (a qualidade da medição)".
• A validade da análise é continuamente verificada dentro de um projeto de pesquisa conjunto com a Keio University.

O princípio do Feelmo é cuidar do seu equilíbrio, em vez de adivinhar os seus sentimentos. Mais do que julgar a emoção em si, buscamos acompanhar com delicadeza o quão bem equilibrado está o seu sistema nervoso autônomo, na sua própria régua.

O que significa medir no pulso

O Apple Watch lê a sua onda de pulso com um sensor óptico e estima os intervalos R-R. Em condições de repouso, a HRV derivada do Apple Watch foi validada como estando em boa concordância com a medição baseada em ECG (Hernando et al., 2018).

O Feelmo lê a HRV, a frequência cardíaca, o sono e mais a partir do Apple Watch / HealthKit no próprio dispositivo. Como a precisão cai durante o movimento intenso do corpo, faz sentido, também por essa razão, que demos peso aos dados captados durante o repouso e o sono.

Verificando por conta própria — a ideia do n-of-1

Mesmo quando se diz que algo "funciona" na média de um grupo, isso não significa necessariamente que se aplica a você. Por isso, a análise de impacto de hábitos do Feelmo (Quais hábitos ajudam você, Feelmo Premium) se baseia na ideia do n-of-1, ou seja, intraindividual: ela verifica individualmente se um hábito como a respiração de fato move o seu próprio equilíbrio.

Confirmar não que "funciona para todo mundo", mas que "funciona para você", usando os seus próprios dados — é uma perspectiva que coloca cada indivíduo no centro.

Os campos de estudo por trás do Feelmo

O Feelmo é concebido pela integração não de uma única teoria, mas de vários campos. Aqui damos uma visão geral de "sobre quais disciplinas ele se apoia". Note que os algoritmos específicos, os métodos de cálculo e os parâmetros são tecnologia própria do Feelmo e não são divulgados nesta página (apresentamos apenas os nomes dos campos e as ideias).

• Neurociência autonômica e variabilidade da frequência cardíaca — ler a tendência do equilíbrio entre repouso e tensão a partir da oscilação do seu batimento cardíaco (veja a primeira metade desta página para detalhes).
• Ciência afetiva e psicofisiologia — com base em referenciais psicológicos que capturam estados ao longo de múltiplos eixos, expressamos o seu estado atual em algumas categorias gentis (as seis expressões).
• Processamento de sinais e análise de séries temporais — distinguir cuidadosamente o ruído da mudança significativa nos dados cardíacos captados durante o sono e o repouso. Também consideramos "quão confiável foi a medição naquele momento".
• Estatística e aprendizado de máquina — adotar a postura de que uma pontuação deve ser captada não como um único ponto, mas como uma "faixa", e tratar estatisticamente a diferença em relação ao "seu próprio padrão".
• Ciência da decisão — aprender gradualmente, a partir dos seus dados, "a maneira de sintonizar que combina com esta pessoa, nesta situação".
• Inferência causal — incorporar formas de pensar que distinguem com cuidado a "mera correlação" de "algo que realmente parece estar relacionado".
• Metodologia de personalização (a ideia do n-of-1) — olhar para "o que combina com você", tendo cada indivíduo como protagonista, em vez da média do grupo.
• Cronobiologia — o mesmo número pode significar algo diferente dependendo da hora do dia ou do dia da semana. Levamos em conta os ritmos diários e semanais.
• Ciência comportamental — não pressionamos você a continuar. Em vez de metas ou competição, colocamos em palavras, com discrição, os pequenos acúmulos.
• Equilíbrio e ética — nossa linguagem evita diagnósticos e afirmações categóricas, mantendo tudo dentro do marco das tendências e do autocuidado. O aprendizado e a análise são concluídos no próprio dispositivo, e a propriedade dos dados pertence a você.

Referências

1. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability: standards of measurement, physiological interpretation and clinical use. Circulation. 1996;93(5):1043–1065.
2. Shaffer F, Ginsberg JP. An Overview of Heart Rate Variability Metrics and Norms. Frontiers in Public Health. 2017;5:258.
3. Laborde S, Mosley E, Thayer JF. Heart Rate Variability and Cardiac Vagal Tone in Psychophysiological Research – Recommendations for Experiment Planning, Data Analysis, and Data Reporting. Frontiers in Psychology. 2017;8:213.
4. Trinder J, Kleiman J, Carrington M, et al. Autonomic activity during human sleep as a function of time and sleep stage. Journal of Sleep Research. 2001;10(4):253–264.
5. Stein PK, Pu Y. Heart rate variability, sleep and sleep disorders. Sleep Medicine Reviews. 2012;16(1):47–66.
6. Kim HG, Cheon EJ, Bai DS, Lee YH, Koo BH. Stress and Heart Rate Variability: A Meta-Analysis and Review of the Literature. Psychiatry Investigation. 2018;15(3):235–245.
7. Thayer JF, Åhs F, Fredrikson M, Sollers JJ, Wager TD. A meta-analysis of heart rate variability and neuroimaging studies: implications for heart rate variability as a marker of stress and health. Neuroscience & Biobehavioral Reviews. 2012;36(2):747–756.
8. Lehrer PM, Gevirtz R. Heart rate variability biofeedback: how and why does it work? Frontiers in Psychology. 2014;5:756.
9. Zaccaro A, Piarulli A, Laurino M, et al. How Breath-Control Can Change Your Life: A Systematic Review on Psycho-Physiological Correlates of Slow Breathing. Frontiers in Human Neuroscience. 2018;12:353.
10. Russo MA, Santarelli DM, O'Rourke D. The physiological effects of slow breathing in the healthy human. Breathe (Sheffield). 2017;13(4):298–309.
11. Umetani K, Singer DH, McCraty R, Atkinson M. Twenty-four hour time domain heart rate variability and heart rate: relations to age and gender over nine decades. Journal of the American College of Cardiology. 1998;31(3):593–601.
12. Hernando D, Roca S, Sancho J, Alesanco Á, Bailón R. Validation of the Apple Watch for Heart Rate Variability Measurements during Relax and Mental Stress in Healthy Subjects. Sensors (Basel). 2018;18(8):2619.
13. Blume C, Garbazza C, Spitschan M. Effects of light on human circadian rhythms, sleep and mood. Somnologie. 2019;23(3):147–156.
14. Sandercock GR, Bromley PD, Brodie DA. Effects of exercise on heart rate variability: inferences from meta-analysis. Medicine & Science in Sports & Exercise. 2005;37(3):433–439.