瞭解心率變異性（HRV）

本頁會更深入、並附上出處地為你講解 Feelmo 所依託的起點 —— HRV（心率變異性）。內容稍有些專業，但它是寫給那些想更深入理解平衡度含義的人。讀完之後，你大概會豁然開朗：「為什麼 Feelmo 看的不是心跳本身，而是“拍與拍之間的搖動”」「該如何解讀自己的數字」。

心跳與「拍之間的間隔」

在心電圖上，每一拍都會出現一個又大又尖的波峰（R 波）。這個 R 波與下一個 R 波之間的間隔，被稱為 R-R 間期（排除心律不齊等之後、正常拍與正常拍之間的間隔也稱為 N-N 間期）。

「心率（每分鐘拍數）」表示的是平均的快慢，而 HRV 表示的是這些間隔搖動得有多大。即便同樣是「60 bpm」，也有像節拍器一樣規律跳動的心臟，和隨著呼吸柔韌地伸縮的心臟。後者一般被認為是自律神經能隨情境迅速切換的狀態 —— 也就是適應力較高的狀態（Task Force, 1996; Shaffer & Ginsberg, 2017）。

這裡是關鍵。搖動並不是“不適”的表現，反而可能是正在調和的訊號。心臟不是一臺維持固定節律的機器，而是一臺隨每一次吸氣與呼氣、每一次緊張與放鬆而細細改變速度的、活生生的平衡器。Feelmo 看的，正是這份「柔韌」。

圖：心電圖上的 R 波，以及連續 R 波之間的間隔（R–R）。這些寬度並不恆定、而是在搖動 —— 這就是 HRV。

三種解析領域

HRV 的解析方法，大體被整理成三個「領域」（Task Force, 1996; Shaffer & Ginsberg, 2017）。可以把它們想成是從不同角度觀看同一組 R-R 間期資料的「鏡片」。Feelmo 會從這些鏡片中獲得多個線索，把它們組合起來加以參考，而不單獨依賴其中任何一個。

1. 時域（time-domain）

它把 R-R 間期的離散程度，表示為時間軸上的統計量。這是最直觀、計算也最簡單的鏡片。

其中 整體的變動幅度 映照的是自律神經整體的運作（既包含交感、也包含副交感的“整體餘裕”），是使用最廣泛的綜合視角之一。

2. 頻域（frequency-domain）

它把 R-R 間期的搖動，分解成頻率成分（快的搖動、慢的搖動）。用音樂來打比方，就像把一個和絃拆成構成它的一個個音來聆聽的鏡片。

• 單一頻率比 比 — 過去曾被當作「交感與副交感的平衡」，但有研究指出這一解讀過於簡單（Billman, 2013）。Feelmo 不把 單一頻率比 當作「平衡本身」

這些頻率視角可以幫助理解呼吸、休息與恢復，但 Feelmo 不把某一個頻率成分或簡單比例直接當作分數。

圖：吸氣時心率會稍快，呼氣時會稍慢（呼吸性竇性心律不齊，RSA）。這種呼吸性的搖動是理解副交感神經活動的重要線索（Berntson et al., 1993）。正因如此，緩慢而綿長地呼氣的呼吸法，才能溫柔地、直接地影響當下的心跳波動。

3. 非線性（nonlinear）

心跳節律並不是簡單的週期，而是具有分形式的、複雜的結構。龐加萊圖、熵、非線性指標 fluctuation analysis，去趨勢波動分析）等，作為捕捉平衡的「質」與複雜性的方法被研究著（Shaffer & Ginsberg, 2017）。這種觀點認為：健康的心臟節律是「恰到好處的複雜」—— 太單調或太紊亂，適應力都會下降。這一非線性的視角，也是我們在背後所珍視的思路。

測量方法 —— 心電圖與光電感測器

• ECG（心電圖） — 用電極直接記錄心臟電活動的基準方法
• PPG（光電容積脈搏波） — Apple Watch 等所採用的方法，用 LED 的光捕捉血流的脈搏波。由此得到的拍間隔的變動，嚴格來說被稱為 PRV（脈搏率變異性）

系統綜述報告稱，在安靜狀態下，PRV 與基於 ECG 的 HRV 吻合得很好（Schäfer & Vagedes, 2013）。另一方面，由於在身體活動或運動時吻合度會下降，安靜與睡眠時的資料更受重視。Apple Watch 戴在手臂這一容易活動的部位測量，因此手腕一晃動就容易混入噪聲 —— 這也是 Feelmo 特別看重「坐下來安定時」或「就寢中」資料的原因。

測量的時長與條件

• 標準的短時記錄一直被定為 5 分鐘（Task Force, 1996）
• 更短的「超短時」記錄的妥當性因指標而異，有報告稱 單一 HRV 指標 即便在較短的記錄下也較為穩定（Munoz et al., 2015; Laborde et al., 2017）
• 無論哪個指標，都會受到姿勢、呼吸、時間段、咖啡因、身體活動等的影響，因此統一測量條件比什麼都重要（Laborde et al., 2017）

Feelmo 如何運用這些

在這些指標中，Feelmo 把 Apple Watch 得來的 HRV 所提供的 多個 HRV 線索、測量的穩定性，以及你與自己基線相比的變化一併作為軸心，溫柔地翻譯成心靈平衡度（Balance，0–100）。它並不是把某一個公開指標直接換算成分數。

解讀它的原則，始終如一。

• 不與他人、而是與你自己的基線之差來解讀。 不看「比平均高／低」，而是看「與平時的你相比，今天搖動得如何」
• 重視外部因素較少的條件下的測量 —— 尤其是睡眠中，或坐下來安定時。 由於手腕容易受身體活動影響，越是穩定情境下的資料越可信
• 比起分數本身，更要通過擺在它旁邊的 6 位夥伴的表情來接收它。 我們把數字翻譯成的不是「分數」，而是面向今天的你的、溫柔的觀察之語 —— 不下斷言

具體如何整合多個指標、並轉換成 0–100 的平衡度 —— 其確切的構成與權重，是共通基盤 Lumo Core 的核心，作為商業機密不予公開。在這裡重要的是，Feelmo **並非「猜測情緒」，而是溫柔守護自律神經的平衡（balance）**這一原則。關於背後的科學，也請參閱 平衡的科學；關於分數的讀法，請參閱 什麼是平衡度。

參考文獻

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. Billman GE. The 單一頻率比 ratio does not accurately measure cardiac sympatho-vagal balance. Frontiers in Physiology. 2013;4:26.
5. Schäfer A, Vagedes J. How accurate is pulse rate variability as an estimate of heart rate variability? A review on studies comparing photoplethysmographic technology with an electrocardiogram. International Journal of Cardiology. 2013;166(1):15–29.
6. Munoz ML, van Roon A, Riese H, et al. Validity of (Ultra-)Short Recordings for Heart Rate Variability Measurements. PLoS One. 2015;10(9):e0138921.
7. Berntson GG, Cacioppo JT, Quigley KS. Respiratory sinus arrhythmia: autonomic origins, physiological mechanisms, and psychophysiological implications. Psychophysiology. 1993;30(2):183–196.