平衡的科學

我們將 Feelmo 背後的科學，連同出處一起整理在此。構成分數的演算法細節並不公開，但它們所依憑的思路，建立在公開發表的同行評審論文之上。

這一頁，是我們儘可能誠實地告訴你「Feelmo 測量什麼、為什麼這樣測量」的地方。篇幅稍長，你儘可只挑感興趣的標題來讀。

心跳，並不是節拍器

健康的心臟不會像時鐘那樣以固定的節奏跳動。心跳與心跳之間的間隔（R-R 間期），會隨呼吸、姿勢、壓力與恢復狀態而不斷細微地波動。這種波動，就是 HRV（心率變異性）。

比如吸氣時心跳會稍稍變快，呼氣時則緩和下來。這種與呼吸同步的有節律的波動，正是掌管休息的副交感神經（迷走神經）在好好運作的訊號之一。反過來，當緊張或壓力持續時，這種波動往往會變小、變得平坦。

自 1996 年歐洲心臟病學會與北美起搏電生理學會的聯合工作組將 HRV 的測量方法與生理學解釋標準化以來（Task Force, 1996），HRV 已在數千項研究中，作為從身體外側窺見自律神經功能的視窗被廣泛使用（Shaffer & Ginsberg, 2017）。

Feelmo 看的是什麼

HRV 有許多指標，但 Feelmo 的心靈平衡度（Balance）主要圍繞 多個 HRV 線索來構建。它們各自窺見的視窗，略有不同。

• 與其倚賴其中某一個指標，Feelmo 更重視把這些線索組合起來看——因為每個指標各自只窺見了平衡的一個側面。

把這些線索加以組合，並與你自己的基線相對照，我們就能讀取當下平衡的樣貌。

為什麼要與「自己的基線」比較

HRV 的絕對值，因年齡、性別、體質而差異很大。跨越九個年代的大規模資料顯示，HRV 會隨年齡增長而下降（Umetani et al., 1998）。也就是說，同樣的數值，「對那個人而言是高還是低」，因人而完全不同。

所以 Feelmo 看的不是與他人的比較，而是與你自己基線的變化。不是比鄰座高還是低，而是與「平時的自己」相比如何——這才是有意義的提問。

首頁的平衡儀表上，之所以附上一圈呈現你與基線偏差的「光暈」，正是出於這個緣故。比起分數本身的數字，我們更看重溫柔地示意「與平時的自己相比，此刻正朝哪一邊傾斜」。

把數字，翻譯成表情

平衡度是 0–100 的數字，但 Feelmo 並不把這個數字擺在最前面。取而代之的是，把分數翻譯成 **6 位夥伴（元氣、平和、平常、不安、爆表、疲憊）**的表情，悄悄地放在分數旁邊。

這是為了不把數字的升降斷定為「好」或「壞」的一份用心。波動的日子裡，會出現「不安」或「疲憊」；平穩的日子裡，「平和」或「元氣」會把你的此刻，化作溫柔的觀察之語。這始終只是觀察，而非評價，也非診斷。

何時測量——為什麼珍視安靜與睡眠

手腕的光學感測器雖然便利，卻有一個弱點：容易受身體動作的影響。走路或揮動手臂時測得的數值，噪聲很大，無法依憑。因此 Feelmo 更看重波動能被穩定讀取的條件——坐著不動時的 on-demand 計測（需要時就地測量）以及就寢期間的資料。

之所以仔細觀察睡眠期間，有幾個理由。

• 睡眠中，運動、飲食、姿勢、咖啡因等擾動 HRV 的外部因素最少，因此是一個能在每天近乎相同的條件下比較的時段
• 已有研究表明，在深度非快速眼動睡眠中副交感神經佔優（Trinder et al., 2001），因此也是恢復的樣貌較易顯現的時段
• 睡眠與 HRV 的關係，也已在系統綜述中得到梳理（Stein & Pu, 2012）

壓力與平衡

心理壓力與 HRV 下降之間的關聯，在薈萃分析中被反覆報告（Kim et al., 2018）。此外，腦成像研究的薈萃分析還提出了一個模型：連線前額葉（思考的腦）與心臟的迷走神經通路，正是使 HRV 成為壓力與健康訊號的原因（Thayer et al., 2012）。關於 大腦與心臟的連線，我們在另一頁裡有更細緻的講述。

首頁上壓力水平與狀態的顯示，正是立在這些研究的背景之上。不過，這些都是群體層面的「關聯」。

緩慢呼吸為何有效

Feelmo 的呼吸會話（呼吸 標籤頁）之所以引導你進行緩慢呼吸（大約每分鐘 6 次左右），是因為這種速度的呼吸已知會與壓力感受器反射（血壓調節反射）產生共振，短暫地大幅提升 HRV（Lehrer & Gevirtz, 2014）。

吸氣與呼氣時心跳的變化，恰好與調節血壓的反射節律完全重合，就發生在每分鐘 6 次左右的緩慢呼吸上。這種「共振」一旦發生，波動便會被大幅放大。緩慢呼吸的心理生理學效應，在系統綜述中也被報告與副交感神經活動增強、放鬆感提升相關（Zaccaro et al., 2018; Russo et al., 2017）。

無論是「讓自己平靜」的會話，還是「提振」的會話，都是以這樣的呼吸生理學為根基、溫柔的契機營造。

關於光與運動

身心狀態 標籤頁的習慣日誌之所以處理日照與活動量，同樣有其背景。

• 光是影響人類晝夜節律（體內時鐘）、睡眠與情緒的最強環境因素之一（Blume et al., 2019）。早晨曬太陽的記錄，是塑造調和的體內時鐘的一點點線索。
• 規律運動與 HRV 升高相關，已在薈萃分析中報告（Sandercock et al., 2005）。步數的累積，從長遠看也會成為支撐平衡的根基。

這些都不是「應該這樣做」的指標任務，而是為了讓你留意平衡與日常之間的聯絡、柔軟的線索。

關於 Lumo Core 能說的

心靈平衡度（Balance）是把上述已確立的 HRV 指標（主要是 多個 HRV 線索），用共通基盤 Lumo Core 的演算法加以整合，翻譯成 0–100 的單一分數。

• 整合的具體構成與權重，作為商業秘密不予公開
• 我們也會把「那一晚、那一次會話能多確切地測到（計測的質量）」納入考量後，再給出分數
• 解析的妥當性，在與慶應義塾大學的聯合研究中持續驗證

Feelmo 的原則是 「不去猜測情緒，而是溫柔守護自律神經的平衡」。我們並不去判定情緒本身，而是希望以你自己的尺子，悄悄守護你自律神經的調和程度。

在手腕上測量這件事

Apple Watch 用光學感測器讀取脈搏波，推算 R-R 間期。在靜息條件下，源自 Apple Watch 的 HRV 已被驗證與基於心電圖的測量良好一致（Hernando et al., 2018）。

Feelmo 會在裝置內從 Apple Watch / HealthKit 讀取 HRV、心跳、睡眠等資料。由於劇烈體動時精度會下降，更看重靜息與睡眠期間的資料，在這一點上也是合乎情理的。

由你親自確認——N-of-1 的思路

即便在群體平均上被說成「有效」，也不一定就適用於你。因此 Feelmo 引入了 N-of-1（個人內驗證） 的思路：逐一地對比呼吸等介入是否真的讓你自己的平衡有所變化。在應用裡，這份思路化作了心靈報告「本週的發現」中的 有效習慣分析（Feelmo Premium）。

不是「對大家有效」，而是「對你有效」——用你自己的資料來確認，這是一種把每一個人都當作主角的視角。

支撐 Feelmo 的學問領域

Feelmo 並非依憑單一理論，而是整合多個領域來設計的。在這裡，我們俯瞰一下「它以哪些學問為根基」。需要說明的是，具體的演算法、計算手法與引數屬於 Feelmo 獨有的技術，本頁並不公開（只介紹領域名稱與思路）。

• 自律神經科學、心率變異性 — 從心跳的波動中，讀取休息與緊張之間平衡的傾向（詳情請見本頁前半部分）。
• 情感科學、心理生理學 — 以從多個軸向把握狀態的心理學框架為基礎，用幾個溫柔的類別（6 位夥伴的表情）來表達你的此刻。
• 訊號處理、時間序列解析 — 從睡眠或安靜時的心跳資料中，細緻地分辨噪聲與有意義的變化。也會把「那一刻能多確切地測到」納入考量。
• 統計學、機器學習 — 我們持的立場是：分數不該看作一個點，而該看作一個「幅度」，並以統計的方式處理與「你自己的標準」之間的差。
• 決策科學 — 從你的資料中，一點一點地學習「適合那個人、那種處境的調和方式」。
• 因果推斷 — 引入審慎分辨「只是相關」與「看來真的相關」的思路。
• 個別化的方法論（N-of-1 的思路） — 不看群體平均，而是把每一個人當作主角，去看「適合你的事情」。
• 時間生物學 — 同樣的數值，會因時刻或星期幾而意義不同。我們會把日內、周內的節律納入考量。
• 行為科學 — 我們不會催促你堅持下去。比起指標任務或競爭，我們悄悄地把小小的積累化作言語。
• 規制、倫理 — 表述上避免診斷與斷定，把內容保持在傾向與自我照護的框架之內。學習與解析都在裝置內完成，資料的所有權屬於你。

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. 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.