调律的科学

Feelmo 背后的科学,附上出处。构成分数的算法细节不公开,但其根基的科学,建立在公开发表的同行评审论文之上。

心脏不是节拍器

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 间隔),会随呼吸、姿势、压力与恢复状态而不断细微波动。这种波动就是 HRV(心率变异性)。

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其测量与解释标准化以来(Task Force, 1996),HRV 已在数千项研究中,作为观察自主神经功能的无创窗口被广泛使用(Shaffer & Ginsberg, 2017)。

RMSSD 这把「尺子」

在众多 HRV 指标中,Feelmo 采用 RMSSD(相邻 R-R 间隔差值的均方根)作为标准指标,因为:

• 它是公认的副交感神经(迷走神经)活动指标(Task Force, 1996; Shaffer & Ginsberg, 2017)
• 在较短的测量时间内也相对稳定,且较少受呼吸模式影响,因此在心理生理学研究中被推荐使用(Laborde et al., 2017)

为什么看「夜晚」

Feelmo 的调律度主要由睡眠中的心跳数据生成,这是有原因的。

• 睡眠中,运动、饮食、姿势、咖啡因等扰动 HRV 的外部因素最少,因此可以在相同条件下逐日比较
• 深度非快速眼动睡眠中副交感神经占优(Trinder et al., 2001),恢复的样貌更易显现
• 睡眠与 HRV 的关系也已在系统综述中梳理(Stein & Pu, 2012)

压力与调律

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)。脑成像研究的荟萃分析进一步提出一个模型:连接前额叶与心脏的迷走神经通路,正是使 HRV 成为压力与健康标志的原因(Thayer et al., 2012)。

缓慢呼吸为何有效

Feelmo 的呼吸练习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)。

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)。

为何与「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 随年龄增长而下降(Umetani et al., 1998)。

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——这才是有意义的问题。

在手腕上测量

Apple Watch 用光学传感器读取脉搏波,推算 R-R 间隔。在静息条件下,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)。剧烈运动时精度会下降,这也是 Feelmo 重视静息·睡眠数据的另一个原因。

关于光与运动

行为日志处理日照与活动量,同样有其背景。

• 光是塑造人类昼夜节律、睡眠与情绪的最强环境因素之一(Blume et al., 2019)
• 规律运动与更高的 HRV 相关,已在荟萃分析中报告(Sandercock et al., 2005)

关于 Lumo Core 能说的

心的调律度(Regulation Score)是把上述已确立的 HRV 指标,通过研究主导工作室 Lumo 开发的 Lumo Core 算法整合,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
• 分析的有效性,在与庆应义塾大学的联合研究中持续验证

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.