平衡的科学

我们将 Feelmo 背后的科学，连同出处一起整理在此。构成分数的算法细节并不公开，但它们所依凭的思路，建立在公开发表的同行评审论文之上。

这一页，是我们尽可能诚实地告诉你「Feelmo 测量什么、为什么这样测量」的地方。篇幅稍长，你尽可只挑感兴趣的标题来读。

心跳，并不是节拍器

健康的心脏不会像时钟那样以固定的节奏跳动。心跳与心跳之间的间隔（R-R 间期），会随呼吸、姿势、压力与恢复状态而不断细微地波动。这种波动，就是 HRV（心率变异性）。

比如吸气时心跳会稍稍变快，呼气时则缓和下来。这种与呼吸同步的有节律的波动，正是掌管休息的副交感神经（迷走神经）在好好运作的信号之一。反过来，当紧张或压力持续时，这种波动往往会变小、变得平坦。

自 1996 年欧洲心脏病学会与北美起搏电生理学会的联合工作组将 HRV 的测量方法与生理学解释标准化以来（Task Force, 1996），HRV 已在数千项研究中，作为从身体外侧窥见自律神经功能的窗口被广泛使用（Shaffer & Ginsberg, 2017）。

Feelmo 看的是什么

HRV 有许多指标，但 Feelmo 的心灵平衡度（Balance）主要围绕 多个 HRV 线索来构建。它们各自窥见的窗口，略有不同。

• 与其倚赖其中某一个指标，Feelmo 更重视把这些线索组合起来看——因为每个指标各自只窥见了平衡的一个侧面。

把这些线索加以组合，并与你自己的基线相对照，我们就能读取当下平衡的样貌。

为什么要与「自己的基线」比较

HRV 的绝对值，因年龄、性别、体质而差异很大。跨越九个年代的大规模数据显示，HRV 会随年龄增长而下降（Umetani et al., 1998）。也就是说，同样的数值，「对那个人而言是高还是低」，因人而完全不同。

所以 Feelmo 看的不是与他人的比较，而是与你自己基线的变化。不是比邻座高还是低，而是与「平时的自己」相比如何——这才是有意义的提问。

首页的平衡仪表上，之所以附上一圈呈现你与基线偏差的「光晕」，正是出于这个缘故。比起分数本身的数字，我们更看重温柔地示意「与平时的自己相比，此刻正朝哪一边倾斜」。

把数字，翻译成表情

平衡度是 0–100 的数字，但 Feelmo 并不把这个数字摆在最前面。取而代之的是，把分数翻译成 **6 位伙伴（元气、平和、平常、不安、爆表、疲惫）**的表情，悄悄地放在分数旁边。

这是为了不把数字的升降断定为「好」或「坏」的一份用心。波动的日子里，会出现「不安」或「疲惫」；平稳的日子里，「平和」或「元气」会把你的此刻，化作温柔的观察之语。这始终只是观察，而非评价，也非诊断。

何时测量——为什么珍视安静与睡眠

手腕的光学传感器虽然便利，却有一个弱点：容易受身体动作的影响。走路或挥动手臂时测得的数值，噪声很大，无法依凭。因此 Feelmo 更看重波动能被稳定读取的条件——坐着不动时的 on-demand 计测（需要时就地测量）以及就寝期间的数据。

之所以仔细观察睡眠期间，有几个理由。

• 睡眠中，运动、饮食、姿势、咖啡因等扰动 HRV 的外部因素最少，因此是一个能在每天近乎相同的条件下比较的时段
• 已有研究表明，在深度非快速眼动睡眠中副交感神经占优（Trinder et al., 2001），因此也是恢复的样貌较易显现的时段
• 睡眠与 HRV 的关系，也已在系统综述中得到梳理（Stein & Pu, 2012）

压力与平衡

心理压力与 HRV 下降之间的关联，在荟萃分析中被反复报告（Kim et al., 2018）。此外，脑成像研究的荟萃分析还提出了一个模型：连接前额叶（思考的脑）与心脏的迷走神经通路，正是使 HRV 成为压力与健康信号的原因（Thayer et al., 2012）。关于 大脑与心脏的连接，我们在另一页里有更细致的讲述。

首页上压力水平与状态的显示，正是立在这些研究的背景之上。不过，这些都是群体层面的「关联」。

缓慢呼吸为何有效

Feelmo 的呼吸会话（呼吸 标签页）之所以引导你进行缓慢呼吸（大约每分钟 6 次左右），是因为这种速度的呼吸已知会与压力感受器反射（血压调节反射）产生共振，短暂地大幅提升 HRV（Lehrer & Gevirtz, 2014）。

吸气与呼气时心跳的变化，恰好与调节血压的反射节律完全重合，就发生在每分钟 6 次左右的缓慢呼吸上。这种「共振」一旦发生，波动便会被大幅放大。缓慢呼吸的心理生理学效应，在系统综述中也被报告与副交感神经活动增强、放松感提升相关（Zaccaro et al., 2018; Russo et al., 2017）。

无论是「让自己平静」的会话，还是「提振」的会话，都是以这样的呼吸生理学为根基、温柔的契机营造。

关于光与运动

身心状态 标签页的习惯日志之所以处理日照与活动量，同样有其背景。

• 光是影响人类昼夜节律（体内时钟）、睡眠与情绪的最强环境因素之一（Blume et al., 2019）。早晨晒太阳的记录，是塑造调和的体内时钟的一点点线索。
• 规律运动与 HRV 升高相关，已在荟萃分析中报告（Sandercock et al., 2005）。步数的累积，从长远看也会成为支撑平衡的根基。

这些都不是「应该这样做」的指标任务，而是为了让你留意平衡与日常之间的联系、柔软的线索。

关于 Lumo Core 能说的

心灵平衡度（Balance）是把上述已确立的 HRV 指标（主要是 多个 HRV 线索），用共通基盘 Lumo Core 的算法加以整合，翻译成 0–100 的单一分数。

• 整合的具体构成与权重，作为商业秘密不予公开
• 我们也会把「那一晚、那一次会话能多确切地测到（计测的质量）」纳入考量后，再给出分数
• 解析的妥当性，在与庆应义塾大学的联合研究中持续验证

Feelmo 的原则是 「不去猜测情绪，而是温柔守护自律神经的平衡」。我们并不去判定情绪本身，而是希望以你自己的尺子，悄悄守护你自律神经的调和程度。

在手腕上测量这件事

Apple Watch 用光学传感器读取脉搏波，推算 R-R 间期。在静息条件下，源自 Apple Watch 的 HRV 已被验证与基于心电图的测量良好一致（Hernando et al., 2018）。

Feelmo 会在设备内从 Apple Watch / HealthKit 读取 HRV、心跳、睡眠等数据。由于剧烈体动时精度会下降，更看重静息与睡眠期间的数据，在这一点上也是合乎情理的。

由你亲自确认——N-of-1 的思路

即便在群体平均上被说成「有效」，也不一定就适用于你。因此 Feelmo 引入了 N-of-1（个人内验证） 的思路：逐一地对比呼吸等介入是否真的让你自己的平衡有所变化。在应用里，这份思路化作了心灵报告「本周的发现」中的 有效习惯分析（Feelmo Premium）。

不是「对大家有效」，而是「对你有效」——用你自己的数据来确认，这是一种把每一个人都当作主角的视角。

支撑 Feelmo 的学问领域

Feelmo 并非依凭单一理论，而是整合多个领域来设计的。在这里，我们俯瞰一下「它以哪些学问为根基」。需要说明的是，具体的算法、计算手法与参数属于 Feelmo 独有的技术，本页并不公开（只介绍领域名称与思路）。

• 自律神经科学、心率变异性 — 从心跳的波动中，读取休息与紧张之间平衡的倾向（详情请见本页前半部分）。
• 情感科学、心理生理学 — 以从多个轴向把握状态的心理学框架为基础，用几个温柔的类别（6 位伙伴的表情）来表达你的此刻。
• 信号处理、时间序列解析 — 从睡眠或安静时的心跳数据中，细致地分辨噪声与有意义的变化。也会把「那一刻能多确切地测到」纳入考量。
• 统计学、机器学习 — 我们持的立场是：分数不该看作一个点，而该看作一个「幅度」，并以统计的方式处理与「你自己的标准」之间的差。
• 决策科学 — 从你的数据中，一点一点地学习「适合那个人、那种处境的调和方式」。
• 因果推断 — 引入审慎分辨「只是相关」与「看来真的相关」的思路。
• 个别化的方法论（N-of-1 的思路） — 不看群体平均，而是把每一个人当作主角，去看「适合你的事情」。
• 时间生物学 — 同样的数值，会因时刻或星期几而意义不同。我们会把日内、周内的节律纳入考量。
• 行为科学 — 我们不会催促你坚持下去。比起指标任务或竞争，我们悄悄地把小小的积累化作言语。
• 规制、伦理 — 表述上避免诊断与断定，把内容保持在倾向与自我照护的框架之内。学习与解析都在设备内完成，数据的所有权属于你。

参考文献

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.