深度解析：心率变异性（HRV）与智能穿戴设备的测量奥秘

身为一名医学与科技的双重爱好者，我长期以来习惯于用Apple Watch记录日常体征，并定期在健康App中录入血压、血糖等数据。近期，在朋友的推荐下，我入手了一枚Oura Ring，打算用它来替代Apple Watch进行生命体征监测。在更换设备后，我发现两者都在追踪一个重要指标：HRV（心率变异性）。Oura用它来评估日常压力、恢复状态和睡眠质量；而Apple Watch则在健康App中将其列为心脏健康的核心指标之一。

这并非我第一次接触HRV。近年来，市面上涌现了不少以HRV为核心的应用，如压力监测类的StressWatch、Amood，以及运动恢复类的PeakWatch、Athlytic。就连Garmin这样的专业运动设备品牌，也开始将HRV纳入“训练准备度”的评估体系。

这引发了我一系列疑问：HRV究竟是何物？它真的如此神奇吗？测量是否准确？日常穿戴设备能否测出准确数值？

带着这些问题，我查阅了相关资料和文献，整理出这篇分享，希望能对大家有所帮助。

左：Oura Ring 4；右：Apple Watch Series 10 42mm

反直觉的HRV

谈及心跳，你脑海中浮现的是什么画面？或许是那个一闪一闪的红色心形图标，匀速、有节奏地跳动；或是心电图上规整的波形。如果静息心率是60次/分钟，心脏便像一个精准的节拍器，每隔1秒跳动一次——这似乎是最符合直觉的“健康心跳”。

事实上，在很长一段时间里，医学界也这么认为。20世纪中期以前，不少医生认为稳定、规律的心跳才是健康的标志。然而，随着医学的不断发展，尤其是20世纪60-70年代计算机技术的引入，学者们惊讶地发现：健康人的心跳其实是不规律的。

只有濒死或严重受损的心脏，才会像节拍器一样精准地跳动。

耶鲁大学的Hon和Lee在1965年监测胎儿心跳时，意外发现了一个反直觉的现象：那些即将出现窘迫甚至死亡的胎儿，他们的心跳反而变得异常“规律”，心跳间隔之间的微小波动显著减少甚至完全消失。到了1980年代，一项更为严谨、著名的大样本研究发现：808名心肌梗死的患者中，心跳变异程度低的人死亡率远高于心跳变异较高的患者。

于是人们开始意识到：原来，心跳的“不规律”不是问题，反而是生命活力的体现。一颗节奏完全固定的心脏意味着失去了对外界刺激的响应能力。心跳节律的变化，并非巧合，而是存在一种可以量化、预测的规律。这些看似“混乱”的波动中隐藏着身体状态的密码。

人们开始使用心率变异性（HRV）这一指标来量化这种规律。

HRV是什么？

HRV是指逐次心跳周期之间时间间隔的微小波动。具体来说，它测量的不是每分钟跳多少次（心率），而是连续两次心跳之间的时间差（RR间期）的变化情况。如果你使用心电图仔细测量，实际的心跳间隔可能是这样的：

第1次跳动到第2次：828毫秒

第2次跳动到第3次：845毫秒

第3次跳动到第4次：754毫秒

第4次跳动到第5次：742毫秒

...

如果这些时间间隔变化很大就是高HRV；如果每次间隔几乎一样就是低HRV。它主要反映了人体自主神经系统（交感神经和副交感神经）对心脏的调节能力。

HRV的计算与测量

那么，这些跳动的数字是如何转化为具体的HRV值的呢？

首先，记录设备需要捕捉每一次心跳的精确时刻。医学上的金标准是心电图，它能记录心脏每次跳动时产生的电信号。在心电图上，每次心跳都表现为一个尖峰，称为“R波”。两个连续R波之间的时间间隔就是我们要测量的“RR间期”。现在还有相对便携的心电图设备，可以让患者24小时佩戴以获得连续数据。

消费级设备使用的是另一种技术——光电容积脉搏波（PPG）。你手腕上的绿光LED通过检测血液流动引起的光吸收变化来推算心跳。这种方法的原理是：心脏每跳动一次就有一个血流脉冲传到手腕，LED发出的光被血液吸收的程度会发生微小变化。通过检测这些变化设备可以推算出每次心跳的时刻从而记录心跳间隔数据。

拿到这串心跳间隔数据后下一步就是计算。不同的算法会得出不同的数字。

HRV的计算方法主要分为三大类：时域分析、频域分析和非线性分析

SDNN与RMSSD

SDNN（Standard Deviation of Normal-to-Normal intervals）

...