วิทยาศาสตร์ของสมดุล

วิทยาศาสตร์ที่อยู่เบื้องหลัง Feelmo พร้อมแหล่งอ้างอิง รายละเอียดของอัลกอริทึมที่ประกอบเป็นคะแนนไม่เปิดเผย แต่วิทยาศาสตร์ที่เป็นรากฐานนั้นตั้งอยู่บนงานวิจัยที่ผ่านการตรวจสอบโดยผู้ทรงคุณวุฒิและเผยแพร่แล้ว

หัวใจไม่ใช่เครื่องเคาะจังหวะ

หัวใจที่แข็งแรงไม่ได้เต้นด้วยจังหวะคงที่เหมือนนาฬิกา ช่วงเวลาระหว่างจังหวะหัวใจ (R-R interval) ผันแปรอยู่ตลอดตามการหายใจ ท่าทาง ความเครียด และการฟื้นตัว ความผันแปรนี้คือ HRV (ความแปรปรวนของอัตราการเต้นหัวใจ)

นับตั้งแต่คณะทำงานร่วมของ European Society of Cardiology และ North American Society of Pacing and Electrophysiology กำหนดมาตรฐานการวัดและการตีความในปี 1996 (Task Force, 1996) HRV ถูกใช้ในงานวิจัยนับพันชิ้นในฐานะหน้าต่างไร้การบุกรุกสู่การทำงานของระบบประสาทอัตโนมัติ (Shaffer & Ginsberg, 2017)

RMSSD "ไม้บรรทัด" ของเรา

ในบรรดาดัชนี HRV มากมาย Feelmo ใช้ RMSSD (รากที่สองของค่าเฉลี่ยกำลังสองของผลต่างระหว่าง R-R interval ที่ติดกัน) เป็นมาตรฐาน เพราะ:

• เป็นดัชนีที่ยอมรับกันของกิจกรรมระบบประสาทพาราซิมพาเทติก (เวกัส) (Task Force, 1996; Shaffer & Ginsberg, 2017)
• ค่อนข้างเสถียรแม้บันทึกสั้น ๆ และได้รับผลกระทบจากรูปแบบการหายใจน้อย จึงถูกแนะนำในงานวิจัยจิตสรีรวิทยา (Laborde et al., 2017)

ทำไมต้องดู "กลางคืน"

Regulation Score ของ Feelmo เกิดจากข้อมูลหัวใจระหว่างหลับเป็นหลัก ด้วยเหตุผลที่ดี

• ระหว่างหลับ ปัจจัยภายนอกที่รบกวน HRV — การออกกำลังกาย อาหาร ท่าทาง คาเฟอีน — มีน้อยที่สุด จึงเปรียบเทียบแต่ละวันในเงื่อนไขเดียวกันได้
• การนอนหลับลึกแบบ non-REM แสดงความเด่นของพาราซิมพาเทติก (Trinder et al., 2001) ทำให้เห็นการฟื้นตัวได้ง่าย
• ความสัมพันธ์ระหว่างการนอนกับ HRV ได้รับการจัดระเบียบไว้ในการทบทวนเชิงระบบ (Stein & Pu, 2012)

ความเครียดกับสมดุล

ความเชื่อมโยงระหว่างความเครียดทางจิตใจกับ HRV ที่ลดลงถูกรายงานซ้ำ ๆ ในการวิเคราะห์อภิมาน (Kim et al., 2018) และการวิเคราะห์อภิมานของงานภาพสมองยังเสนอแบบจำลองที่ว่า เส้นทางเวกัสที่เชื่อมสมองส่วนหน้ากับหัวใจ คือสิ่งที่ทำให้ HRV เป็นตัวบ่งชี้ความเครียดและสุขภาพ (Thayer et al., 2012)

ทำไมการหายใจช้าจึงได้ผล

เซสชันหายใจของ Feelmo นำคุณสู่การหายใจช้า (ราว 6 ครั้งต่อนาที) เพราะการหายใจที่ความเร็วนี้เป็นที่ทราบกันว่า สั่นพ้องกับ baroreflex (รีเฟล็กซ์ปรับความดันเลือด) และเพิ่ม HRV อย่างมากชั่วคราว (Lehrer & Gevirtz, 2014)

ผลทางจิตสรีรวิทยาของการหายใจช้ายังเชื่อมโยงในการทบทวนเชิงระบบกับการเพิ่มขึ้นของกิจกรรมพาราซิมพาเทติกและความรู้สึกผ่อนคลาย (Zaccaro et al., 2018; Russo et al., 2017)

ทำไมเปรียบเทียบกับ "เส้นฐานของตัวเอง"

ค่าสัมบูรณ์ของ HRV แตกต่างกันมากตามอายุ เพศ และร่างกาย ข้อมูลขนาดใหญ่ตลอดเก้าทศวรรษแสดงว่า HRV ลดลงตามอายุ (Umetani et al., 1998)

Feelmo จึงไม่ได้ดูการเปรียบเทียบกับผู้อื่น แต่ดูการเปลี่ยนแปลงจากเส้นฐานของคุณเอง ไม่ใช่ว่าสูงหรือต่ำกว่าคนข้าง ๆ แต่เทียบกับ "ตัวคุณตามปกติ" เป็นอย่างไร — นั่นคือคำถามที่มีความหมาย

การวัดที่ข้อมือ

Apple Watch อ่านคลื่นชีพจรด้วยเซนเซอร์แสงและประมาณ R-R interval ในสภาวะพัก HRV จาก Apple Watch ได้รับการตรวจสอบว่าสอดคล้องดีกับการวัดด้วย ECG (Hernando et al., 2018) ความแม่นยำลดลงเมื่อเคลื่อนไหวรุนแรง ซึ่งเป็นอีกเหตุผลที่ Feelmo เน้นข้อมูลขณะพักและขณะหลับ

เรื่องแสงและการเคลื่อนไหว

บันทึกพฤติกรรมจัดการแสงแดดและกิจกรรมด้วยเหตุผลเช่นกัน

• แสงเป็นหนึ่งในปัจจัยสิ่งแวดล้อมที่ทรงพลังที่สุดที่กำหนดจังหวะเซอร์คาเดียน การนอน และอารมณ์ของมนุษย์ (Blume et al., 2019)
• การออกกำลังกายสม่ำเสมอเชื่อมโยงกับ HRV ที่สูงขึ้นในการวิเคราะห์อภิมาน (Sandercock et al., 2005)

สิ่งที่พูดได้เกี่ยวกับ Lumo Core

Regulation Score นำดัชนี HRV ที่ยอมรับกันข้างต้นมาผสานผ่าน อัลกอริทึม Lumo Core ที่พัฒนาโดยสตูดิโอที่ขับเคลื่อนด้วยงานวิจัยอย่าง Lumo ให้เป็นคะแนนเดียว 0–100

• องค์ประกอบและการถ่วงน้ำหนักที่เจาะจงของการผสานนั้นไม่เปิดเผย เนื่องจากเป็นความลับทางการค้า
• ความสมเหตุสมผลของการวิเคราะห์ได้รับการตรวจสอบอย่างต่อเนื่องในงานวิจัยร่วมกับมหาวิทยาลัยเคโอ

References

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. 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. 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.