被量化的心跳：HRV 是身體的晴雨表，還是制造焦慮的數字游戲？

作為一個醫學僧兼數碼愛好者，我一直習慣用 Apple Watch 記錄日常體征，并在健康 App 中定期錄入血壓、血糖等數據。最近，在好基友的安利下，我入手了一枚 Oura Ring，打算用它替代 Apple Watch 來監測生命體征。切換設備后，我注意到兩者都在追蹤一個重要指標：HRV，心率變異性。Oura 用它來評估每天的壓力情況、恢復狀態和睡眠質量；Apple Watch 則在健康 App 里把它作為心臟健康的核心指標之一。

其實，這并不是我第一次接觸 HRV 了。近兩年，市面上涌現了不少以 HRV 為核心的應用——壓力監測類的如 StressWatch、Amood，運動恢復類的如 PeakWatch、Athlytic。就連 Garmin 這樣的專業運動設備品牌，也開始將 HRV 納入「訓練準備度」的評估體系。

這讓我產生了幾個疑問：HRV 到底是什么？它真的有這么神奇的效果嗎？測量準不準，準確性有多高？日常穿戴設備——手表、手環、戒指等——真的能測出準確數值嗎？

帶著這些問題，我查閱了一些資料和文獻，整理出這篇分享，希望對派友們有所幫助。

（聲明：設備均為自費購買，非廣告。Oura Ring 甚至不在中國地區銷售。而且這玩意每個月還有 5.99 美元的訂閱費，差評。）

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

反直覺的 HRV

說起心跳，你腦海中浮現的是什么畫面？可能是那個一閃一閃的紅色心形圖標，勻速地、有節奏地跳動著；也可能是心電圖上規整的波形。如果靜息心率是 60 次/分鐘，那心臟就應該像一個精準的節拍器，每隔 1 秒跳動一次——這似乎是最符合直覺的「健康心跳」。

事實上，在很長一段時間里，醫學界也是這么認為的。20 世紀中期以前，不少醫生認為穩定、規律的心跳才是健康的標志。如果心跳間隔出現波動，那可能是某種病態的表現。然而，隨著醫學的不斷發展，尤其是 20 世紀 60-70 年代計算機技術的引入，學者們驚訝地發現：健康人的心跳其實是不規律的。

只有瀕死或嚴重受損的心臟，才會像節拍器一樣精準地跳動。

1965 年，耶魯大學的 Hon 和 Lee 在監測胎兒心跳時，意外發現了一個反直覺的現象：那些即將出現窘迫甚至死亡的胎兒，他們的心跳反而變得異常「規律」，胎兒心跳間隔之間的微小波動，會顯著減少甚至完全消失。1980 年代，一項更為嚴謹、更為著名的大樣本研究發現：808 名心肌梗死的患者中，心跳變異程度低的人，死亡率遠高于心跳變異較高的患者。

由此，人們開始意識到：原來，心跳的「不規律」不是問題，反而是生命活力的體現。一顆節奏完全固定的心臟，就像一臺失去了靈性的機器，意味著心臟失去了對外界刺激的響應能力。心跳節律的變化，并非巧合，而是存在一種可以量化、可以預測的規律。在這些看似「混亂」的波動中，其實隱藏著身體狀態的密碼。

人們開始使用一個指標來量化這種規律。這，就是心率變異性，HRV。

HRV 是什么？

心率變異性（Heart Rate Variability, HRV）是指逐次心跳周期之間時間間隔的微小波動。具體來說，它測量的不是每分鐘跳多少次（心率），而是連續兩次心跳之間的時間差（RR 間期，RR interval）的變化情況。如果你使用心電圖仔細進行測量，實際的心跳間隔可能是這樣的：

第 1 次跳動到第 2 次：828 毫秒

第 2 次跳動到第 3 次：845 毫秒

第 3 次跳動到第 4 次：754 毫秒

第 4 次跳動到第 5 次：742 毫秒

如果這些時間間隔變化很大，就是高 HRV；如果每次間隔幾乎一樣，就是低 HRV。它主要反映了人體自主神經系統（交感神經和副交感神經）對心臟的調節能力。

交感神經系統：

• 扮演著「油門」的角色。當機體面臨壓力、恐懼或需要「戰或逃」 反應時，交感神經系統會激活；

• 其作用是加速心跳、增加心肌收縮力，調動身體能量以應對緊急情況；

• 交感神經激活，會使 HRV 降低。

副交感神經系統：

• 主要通過迷走神經發揮作用，扮演著「剎車」的角色；

• 它負責機體的「休息和消化」功能，如促進能量儲存、減慢心跳、降低心肌收縮力等；

• 副交感神經激活，會使 HRV 升高。

當你吸氣時，交感神經略微活躍，心率加快；當你呼氣時，副交感神經占上風，心率減慢。這種隨呼吸而變化的心率波動，醫學上稱為「呼吸性竇性心律不齊」，它是 HRV 的重要組成部分。一個健康的自主神經系統就應該是靈活的：該緊張時能迅速調整狀態，迎接挑戰；該放松時也能快速冷靜下來。這種「一張一弛」的能力，就體現在 HRV 的數值上。

由 Nano Banana Pro 生成

HRV 的測量和計算

那么，從這些跳動的數字到一個具體的 HRV 值，是怎么計算出來的呢?

首先，記錄設備需要捕捉每一次心跳的精確時刻。醫學上的金標準是心電圖，它記錄心臟每次跳動時產生的電信號，在心電圖上，每次心跳都表現為一個尖峰，稱為「R 波」。兩個連續 R 波之間的時間間隔，就是我們要測量的「RR 間期」。現在還有相對便攜的心電圖設備，可以讓患者 24h 佩戴，來獲得患者連續的、24h 的心電圖數據。

消費級設備使用的是另外一種技術——光電容積脈搏波（PPG）。你手腕上那個綠光 LED，實際上是在通過檢測血液流動引起的光吸收變化來推算心跳。這種方法的原理是：心臟每跳動一次，就會有一個血流脈沖傳到手腕，LED 發出的光被血液吸收的程度就會發生微小變化。通過檢測這些變化，設備可以推算出每次心跳的時刻，從而記錄下心跳的間隔數據。

拿到這串心跳間隔數據后，下一步就是計算。不同的算法，會得出不同的數字。

HRV 的計算方法主要分為三大類：時域分析、頻域分析和非線性分析。

了解過一些數據科學的讀者就會看出來，非線性分析是一個非常抽象的方法，計算和解釋起來非常復雜。并沒有成熟的算法，更多地用來科研探索，作為應用來說并不合適。

頻域分析對數據的精確度和連續性要求較高，而 PPG 技術很容易受到干擾。如手臂晃動、傳感器接觸不良、皮膚顏色深淺、紋身、溫度變化等都會影響測量的精度。最終導致整個頻譜計算出來的結果就會完全失真，沒有任何參考價值。而且，關于 LF 和 HF 值，學術界一直存在爭議，尚無定論。

所以，消費級產品中（智能手表、手環、戒指等）基本都是使用時域分析法，它計算簡單、結果直觀。其中，最常見的兩種算法是 SDNN 和 RMSSD。

有趣的是，我手上的兩個設備，正好用的就是這兩種不同的算法。Apple Watch 使用的是 SDNN，而 Oura Ring 使用的是 RMSSD。那么這兩者又有什么不同呢？

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

SDNN 是最經典的心率變異性指標，前文提到的 808 名心肌梗死患者研究正是采用這一方法。它的計算很直接：對所有正常心跳間隔求標準差。

以 5 個心跳為例（實際應用中通常需要 24 小時或至少 5 分鐘的數據），假設間隔分別為 950、1030、980、1040、960 毫秒，均值為 992 毫秒。將每個數值與均值的差平方后求和，再除以（N-1）并開方（樣本標準差公式），得到 SDNN 約為 41 毫秒。

大量研究已證實，SDNN 與冠心病、房顫、心肌缺血、心衰等多種心臟疾病密切相關。在預后研究中，它也被視為預測心血管死亡率（因為心血管疾病導致的死亡）和全因死亡率的可靠指標。

但 SDNN 有一個明顯的局限：心率本身的變化會干擾結果。比如你從床上起來開始運動，5 分鐘內心率從 60 次/分鐘升至 100 次/分鐘。即使每次心跳的間隔都非常均勻（變異性很低），但由于整體均值發生了偏移（心跳越快，心跳間隔越短），計算出的 SDNN 會明顯偏高。

因此，SDNN 更適合反映一段時間內的總體波動，而非瞬時狀態。這也很契合 Apple watch 的設計思路以及健康 app 的「氣質」。它的采樣方式不是連續測量，而是每隔一段時間采樣一次（每次約 1 分鐘），如實記錄下來。然后計算這些采樣點的日、周、月均值，最終以「趨勢」的形式呈現——作為一段時間內心臟健康的一個參考指標，而非單次精確的評估。

RMSSD（Root Mean Square of Successive Differences）

而 RMSSD 則不同，它的關鍵在于「相鄰」。它不看所有間隔的整體分布，而是聚焦于相鄰兩次心跳之間的差異。

還是以剛才那組數據為例。我們計算相鄰差值：(1030-950)、(980-1030)、(1040-980)、(960-1040)，得到 80、-50、60、-80 毫秒。把這些差值平方、求均值、開方，得到 RMSSD 約為 69 毫秒。

因為只看相鄰差值，RMSSD 幾乎不受心率趨勢變化的影響。同時，這種計算方式的獨特魅力在于，它能夠反映副交感神經活動，特別是迷走神經的激活。生理學上，副交感神經的信號傳遞非常快（毫秒級），能讓心跳立刻減慢；而交感神經依賴化學傳遞，響應較慢（秒級）。因此，相鄰心跳之間的快速波動，恰恰是副交感神經活性的體現。RMSSD 正是捕捉這種高頻變化的理想指標。

RMSSD 越高，說明副交感神經越活躍，身體越放松。這正契合 Oura 的產品定位及需求。Oura 的采樣頻率較高，會記錄整晚的睡眠數據（如果你留意觀察，睡覺時 Oura Ring 的綠色 LED 幾乎一直亮著）。當你醒來，就能得到整晚 RMSSD 的加權平均值，作為睡眠質量和身體恢復水平的重要參考。

值得一提的是，Apple Watch 其實也會記錄原始心跳數據。許多第三方 App（如 Athlytic、PeakWatch 等）正是讀取這些數據來計算 RMSSD，從而實現類似 Oura 的恢復評分功能。但從原生體驗和設計邏輯來看，Apple 確實更傾向于 SDNN。

HRV 的消費者手冊

對于大多數你我這樣的普通消費者而言，我們其實并不關心 HRV 是如何算出來的，我們更關心的是以下兩個核心問題：

1.HRV 數據的實際價值：它能反映哪些健康/生理指標，科學證據有多強；

2.消費級設備的 HRV 準確性：Apple Watch、Oura Ring 以及其他主流可穿戴設備的測量精度如何，與醫療級設備相比差距多大；

HRV 數據的實際價值

研究表明，HRV 是一個敏感但非特異性的生物標志物。簡單來說，它能告訴你「身體出問題了」，但它無法準確地告訴你「具體出了什么問題」。

疾病監測與預警

目前最有力的證據來自疾病監測領域。2022 年一項 meta 分析顯示，HRV 處于最低四分位數的人群，全因死亡風險是其他人群的 1.56 倍。另一項針對無心血管疾病人群的 meta 分析發現，較低的 HRV 與首次心血管事件風險增加 32%–45% 相關；SDNN 每提升 1%，致死性或非致死性心血管疾病風險約降低 1%。

心理健康方面，研究一致顯示抑郁、焦慮乃至雙相障礙、精神分裂癥患者的 HRV 均明顯降低。基于 HRV 的生物反饋訓練（即實時監測 HRV 并通過呼吸調節將其調整至良好狀態）已被證明能顯著改善焦慮和抑郁癥狀，盡管長期臨床效果仍需更多研究驗證。

此外，一項基于智能可穿戴設備的 meta 分析顯示，新冠肺炎患者的 SDNN 和 RMSSD 均出現下降，分別降低約 3.25 毫秒和 1.24 毫秒。

運動訓練與生活方式反饋

多項對照研究表明，HRV 導向訓練能有效提升運動表現和訓練效果，并降低不適感。這種方法根據每日晨起 HRV 動態調整訓練計劃：當 HRV 處于基線或升高時進行高強度訓練，顯著低于基線時則安排低強度訓練或休息。但需注意，現有研究普遍樣本量較小、方法學差異大，尚缺乏標準化。

在生活方式方面，酒精是副交感神經的強效抑制劑，即便少量晚間飲酒也會導致當晚睡眠期間 HRV 顯著降低。深夜進食、失眠、作息紊亂同樣會直接反映在次日的 HRV 數值上。不過，慢性失眠與 HRV 之間的關聯目前尚不穩定。

因此，如果你某天早上起來，發現自己的 HRV 值降低了，這確實意味著身體存在某種應激。可能是熬夜了、喝酒了、前一天健身得有點猛，也有可能是要感冒了，心臟出毛病了，血糖不穩定等等。

綜上所述，HRV 本身無法診斷具體疾病，但它是一個極具價值的縱向健康追蹤工具。其核心價值在于建立個人基線，通過觀察偏離基線的趨勢來指導生活方式調整。對于追求健康優化、疾病早期預警或科學訓練的人來說，持續追蹤 HRV 具有一定的實用價值。

但如果試圖依靠短期數據波動，或者某個固定標準（比如高于或低于某個特定數值）來判斷壓力水平或診斷疾病，我對此持保留態度。目前也沒有足夠的證據，或者指南文件支持這樣做。

消費級設備的 HRV 準確性

前文提到的研究大多是基于心電圖測量 HRV 的。心電圖是醫學上測量、計算 HRV 的「金標準」。它通過皮膚電極直接捕捉心臟去極化產生的電信號，精度極高且抗干擾能力強。

而消費級設備幾乎都是采用前文提到的 PPG 技術。這種光學方法實際測量的是脈搏率變異性（PRV），即血管容積變化產生的脈搏波間隔，而非真正的心率變異性。脈搏波從心臟傳導至外周傳感器需要時間，而這個傳導時間會受血壓、動脈硬化程度和年齡影響，從根源上造成 PRV 與 HRV 的差異。同時，PPG 抗干擾能力較弱，高度依賴測量條件。

好消息是，在夜間睡眠或靜息狀態下，PPG 與心電圖的一致性可達優秀水平，相關系數在 0.91 至 0.999 之間（越接近 1 越好）。2025 年一項最新研究對多款消費級可穿戴設備的夜間靜息心率和 HRV 準確性進行了驗證，排名如下：Oura Gen 4 > Oura Gen 3 ≈ WHOOP 4.0 ≈ Garmin Fenix 6 > Polar Grit X Pro。Apple Watch 因不專門檢測睡眠期間 HRV 且不使用 RMSSD 指標，未被納入研究。

來源：Validation of nocturnal resting heart rate and heart rate variability in consumer wearables.

圖中的 MAPE (%) 是平均絕對百分比誤差，值越小越好；CCC 是一致性相關系數，值越接近 1 越好。在這項研究中，戒指的表現要優于手表和腕帶，原因可能在于手指血管密度更高、佩戴更貼合、運動干擾更小。

然而，隨著運動強度增加，所有設備的準確性都會顯著下降。設備與皮膚接觸不良、肌肉收縮、出汗及血流動力學變化都會干擾 PPG 信號質量。

影響準確性的因素還不止于此。由于黑色素會吸收光線（尤其是綠光），深膚色人群的測量誤差通常高于淺膚色人群。各廠商對此有不同的優化策略：Apple 通過動態調整 LED 電流和采樣率進行補償，Oura 則使用穿透力更強的紅外光傳感器。

順帶一提，Apple Watch 有個提升采樣率的小技巧：開啟「房顫歷史」功能后，手表會在睡眠期間進行更密集、連續的 RMSSD 采樣，而非稀疏的 SDNN 采樣點。可惜該功能目前國行版本尚不可用。

這也引出了一個重要的問題：不同品牌設備的 HRV 數值不可直接比較。各廠商使用的算法、采樣頻率、數據處理方式都不同，導致同一個人佩戴不同設備可能得到差異達 200-300% 的 HRV 值。這意味著只有使用同一設備追蹤個人趨勢才有意義。

HRV 數據的正確解讀

講了這么多，最終還是要落到如何正確使用 HRV 數據上。我總結了一些要點，供各位參考：

• 建立個人基線，而非與他人比較。HRV 的正常范圍因人而異，一個人的「低」HRV 可能是另一個人的「高」HRV。因此，與他人比較 HRV 數值意義較小，只有自己縱向比較才能提供更有用信息。

• 保持測量的一致性尤為重要。每天同一時間、同一體位、同一設備，才能獲得可比較的數據。清晨剛醒或整夜睡眠平均值是較理想的測量時機；運動后、飯后、情緒激動時則不適合測量。

• 警惕簡單化解讀。「高 HRV=好，低 HRV=壞」是非常危險的簡化。HRV 突然異常飆升，也可能是極度疲勞后的身體強制代償，或心律失常產生的偽影。

• 區分不同指標的適用場景。晨起的 RMSSD 更適合作為當天訓練狀態的參考，而 SDNN 更適合作為長期心血管健康趨勢的參考指標。

這里不得不再提一下 Oura 和 Apple Watch 的差異。

Oura Ring 從設計之初就聚焦于睡眠與恢復，其產品形態和算法邏輯都圍繞 HRV 監測進行了深度優化。它采樣頻率更高，夜間全程采集數據。其更核心的競爭力在于算法：它不僅僅提供原始 HRV 數值，而是將 HRV、靜息心率、體溫偏差、前一日活動量及睡眠質量等指標加權合成一個 0-100 的綜合評分。

其算法特別注重平衡和個性化，例如將當前的 HRV 與用戶過去 14 天的加權平均基線進行對比，而非與人群常模對比。這種個性化基線比較對于 HRV 這種個體差異極大的指標至關重要。當然，這也意味著除設備購買費用外，每月還需支付 5.99 美元的訂閱費。

Apple Watch 作為綜合性智能手表，受限于續航考量，HRV 采樣頻率較低，且只記錄數據、不提供解讀。其健康 app 的設計語言極為克制，如需專業分析，需要借助第三方 app。目前，市場上的 app 質量參差不齊，很多只能「看個熱鬧」，不能「太當回事兒」。

總結

綜上所述，HRV 測量的不是心跳的快慢，而是連續兩次心跳之間時間間隔的波動程度。目前消費級設備主要采用 SDNN 和 RMSSD 兩種算法。SDNN 更適合反映長期心血管健康趨勢；RMSSD 更適合評估即時恢復狀態和副交感神經活性。兩者不可直接比較。

HRV 是一個敏感但非特異的指標，它能提示「身體出問題了」，卻無法告訴你具體是什么問題——熬夜、飲酒、過度訓練、感冒前兆、心臟疾病等都可能導致 HRV 下降。好消息是，在夜間靜息狀態下，主流消費級設備與醫學級心電圖的一致性相當高，其中指環類設備表現更要優于手腕設備。

正確的使用方式是：與自己的歷史數據縱向比較，而非與他人橫向比較；保持測量條件的一致性；關注長期趨勢，而非單次數值的漲跌。

我們這一代人，或許是人類歷史上第一批能夠如此精確地「看見」自己身體的人。心跳的間隔、睡眠的周期、壓力的漲落——這些曾經只能憑感覺模糊感知的東西，如今都被翻譯成了屏幕上跳動的數字和曲線。

這是技術的饋贈，也是技術的誘惑。

近年來，出現了一個頗具諷刺意味的名詞：正睡癥（Orthosomnia）。患者癡迷于追求完美的睡眠數據，反而因此過度焦慮而加劇了失眠。分數高，便覺得神清氣爽；分數低，哪怕身體感覺尚可，也會瞬間陷入「我今天狀態不好」的心理暗示。于是形成了一個荒誕的閉環：為了監測壓力而購買的設備，最終成了壓力本身。

這讓我想起文章開頭那個反直覺的發現——只有瀕死的心臟，才會像節拍器一樣精準地跳動。生命的本質，恰恰是那些看似「混亂」的波動與變異。

技術是理性的，但身體是感性的。 當我們開始為數據而焦慮、為分數而患得患失時，我們反而在用一種僵化的心態對待本該流動的生命。

數據可以幫助我們發現趨勢、識別異常，但永遠無法替代我們對自己身體的直接感知。最好的健康狀態，不是 app 里那條完美的上升曲線，而是當你放下手機、閉上眼睛，能真切地感受到心臟有力的跳動，感受到氣息在胸腔中自由地起伏。

這些設備最好的用途，不是讓你更依賴它們，而是幫助你重新學會傾聽自己。然后，在某個清晨，你不再需要看任何數字，就知道今天會是美好的一天。

https://sspai.com/post/104231?utm_source=wechat&utm_medium=social

作者：叁思Santh

責編：北鸮