Apakah ada perbedaan jenis kelamin dalam HRV? Mengapa usia, metrik, dan metode pengukuran mengubah jawaban

Pertama: perbedaan jenis kelamin adalah rata-rata kelompok

Dalam kebanyakan studi, perbedaan jenis kelamin berarti rata-rata kelompok perempuan berbeda dari kelompok laki-laki. Ini tidak berarti kedua distribusi terpisah atau HRV dapat mengenali jenis kelamin setiap orang. Nilai perempuan dan laki-laki berusia sama sangat tumpang tindih bahkan jika perbedaan rata-rata dapat dideteksi secara statistik.

Banyak dataset lama mencatat jenis kelamin hanya sebagai biner perempuan/laki-laki. Itulah variabel yang dibahas di sini. HRV tidak mengungkap identitas gender, fase menstruasi, kehamilan, menopause, atau terapi hormon.

HRV bukan satu pengukuran

SDNN menggambarkan sebaran keseluruhan interval antardetak normal sepanjang rekaman. RMSSD menggambarkan perubahan antara interval bersebelahan dan, pada rekaman istirahat singkat, relatif erat berhubungan dengan modulasi vagal jantung. HealthKit Apple menyimpan HRV sebagai SDNN.

Ukuran ranah frekuensi mencakup LF, HF, dan LF/HF. LF memiliki beberapa kontributor fisiologis, sehingga LF/HF tidak dapat dibaca langsung sebagai aktivitas simpatis dibagi parasimpatis. LF_norm dan HF_norm juga dibatasi pada jumlah tetap, sehingga bukan bukti independen.

• SDNN: variasi keseluruhan interval detak selama rekaman
• RMSSD: perubahan jangka pendek antara interval detak bersebelahan
• HF: komponen frekuensi tinggi yang sangat dipengaruhi napas
• LF/HF: rasio bergantung konteks, bukan pengukur keseimbangan otonom sederhana

Apa yang ditunjukkan studi besar?

Meta-analisis 2016 menggabungkan 172 studi dengan 63,612 peserta sehat. Secara rata-rata, kelompok perempuan memiliki rata-rata interval RR lebih pendek—sehingga detak jantung lebih tinggi—serta SDNN, daya total, dan LF lebih rendah, sementara proporsi relatif HF lebih tinggi dan LF/HF lebih rendah. Perbedaan rata-rata terstandar, dilaporkan sebagai Hedges' g, adalah −0.44 untuk rata-rata RR, −0.24 untuk SDNN, −0.38 untuk LF ternormalisasi, +0.38 untuk HF ternormalisasi, dan −0.39 untuk LF/HF. RMSSD dan pNN50 tidak menunjukkan perbedaan signifikan konsisten antara model efek tetap dan acak.

Namun, studi Lifelines atas 149,205 EKG sepuluh detik melaporkan RMSSD yang konsisten lebih tinggi pada perempuan. Studi PPG pergelangan tangan pada sekitar 8.2 juta pengguna Fitbit menemukan perbedaan jenis kelamin dalam SDRR dan LF, tetapi tidak ada perbedaan jelas dalam RMSSD atau HF.

Yang dilakukan Feelmo dalam analisis ulang empat dataset

Analisis utama memakai 1,073 orang dari Autonomic Aging, 40 dari Fantasia, 42 dari dataset PhysioNet/Computing in Cardiology Challenge 2018, dan 18 dari MIT-BIH Normal Sinus Rhythm Database: 1,173 orang dari empat dataset. Analisis sensitivitas terpisah menambahkan 47 orang dari MIT-BIH Arrhythmia Database. Jumlah total 1,220 mencakup rekaman aritmia tersebut.

Dalam setiap dataset, beberapa segmen orang yang sama dirata-ratakan terlebih dahulu sehingga setiap orang menyumbang satu kumpulan fitur. Kami menghitung Hedges' g sebagai rata-rata kelompok perempuan dikurangi rata-rata kelompok laki-laki, lalu menggabungkan empat perkiraan dataset dengan model efek acak DerSimonian–Laird. Ini bukan analisis sebab-akibat dengan penyesuaian konsisten untuk usia, napas, BMI, obat, atau kemungkinan penjelasan lain.

• Analisis utama: empat dataset dan 1,173 orang
• Analisis sensitivitas: 47 rekaman aritmia ditambahkan, sehingga total 1,220 orang
• Ukuran efek: kelompok perempuan dikurangi kelompok laki-laki, dilaporkan sebagai Hedges' g
• Metode penggabungan: model efek acak DerSimonian–Laird

Perbedaan rata-rata kelompok dalam analisis ulang eksploratif

Perkiraan titik gabungan dari empat dataset adalah −0.80 untuk LF_norm, +0.80 untuk HF_norm, −0.63 untuk LF/HF, dan −0.72 untuk DFA α1. Sebaliknya, RMSSD adalah −0.09 dan pNN50 −0.16, serta kedua interval kepercayaan 95% melewati nol. Karena itu, analisis tidak dapat memastikan arah perbedaan kelompok yang konsisten untuk RMSSD atau pNN50.

Arah LF_norm, HF_norm, dan LF/HF konsisten dengan meta-analisis besar sebelumnya. Perkiraan ukuran efek yang lebih besar tidak menunjukkan perbedaan "sebenarnya" lebih besar. Populasi, kondisi rekaman, dan perhitungan berbeda, sehingga membandingkan analisis sebagai kelipatan sederhana tidak memiliki makna fisiologis jelas.

• LF_norm: g = −0.80, interval kepercayaan 95% −0.93 hingga −0.68
• HF_norm: g = +0.80, interval kepercayaan 95% +0.68 hingga +0.93
• LF/HF: g = −0.63, interval kepercayaan 95% −0.75 hingga −0.50
• DFA α1: g = −0.72, interval kepercayaan 95% −0.84 hingga −0.60
• RMSSD: g = −0.09, interval kepercayaan 95% −0.46 hingga +0.28
• pNN50: g = −0.16, interval kepercayaan 95% −0.71 hingga +0.38

Mengapa LF/HF tidak dapat disebut "keseimbangan otonom"

Saat istirahat, HF relatif erat berhubungan dengan modulasi vagal jantung, tetapi juga sangat dipengaruhi laju dan kedalaman napas. LF memiliki beberapa kontributor, termasuk pengaruh simpatis dan parasimpatis serta barorefleks. Karena itu, LF/HF tidak dapat dibaca sebagai "simpatis dibagi parasimpatis" atau ukuran langsung keseimbangan otonom keseluruhan.

Menurut definisi umum, LF_norm dan HF_norm dihitung dari nilai LF dan HF yang sama dan dibatasi sehingga satu turun ketika lainnya naik. LF/HF adalah rasio lain dari dua komponen sama tersebut. Ketiganya tidak dapat dihitung sebagai tiga replikasi independen. DFA α1 menggambarkan korelasi fraktal jangka pendek pada interval detak; bukan keseimbangan otonom itu sendiri.

Mengapa I²=0% tidak berarti kesesuaian sempurna

Untuk LF_norm, HF_norm, LF/HF, dan DFA α1, perkiraan titik I²—statistik ketidakkonsistenan antardataset—adalah 0%. Ini berarti model memperkirakan tidak ada varians tambahan antardataset dalam analisis ini. Ini tidak membuktikan setiap dataset memiliki efek identik atau perbedaan yang sama ada pada setiap populasi.

Analisis utama hanya memiliki empat dataset, dan tiga berisi 42 orang atau kurang. Dengan begitu sedikit dataset dan sampel kecil, kemampuan mendeteksi heterogenitas terbatas, serta I² dan varians antardataset tidak pasti. I² adalah 51% untuk RMSSD dan 75% untuk pNN50, menunjukkan perbedaan besar antardataset pada ukuran ranah waktu.

Pola usia tidak membuktikan menopause sebagai penyebab

Studi EKG lima menit pada 1,906 orang sehat melaporkan hubungan usia dan jenis kelamin dengan beberapa ukuran HRV. Perbedaan kelompok jenis kelamin tidak lagi terlihat pada sebagian besar indeks usia 55–64 dan semua indeks kecuali dimensi fraktal (FD) usia 65–74. Studi bersifat potong lintang: tidak mengikuti orang yang sama dari waktu ke waktu dan tidak menjelaskan pola hanya dengan kadar hormon atau tahap menopause.

Kelompok usia juga dapat berbeda dalam obat, penyakit, komposisi tubuh, aktivitas fisik, napas, dan waktu pengukuran. HRV sendiri tidak dapat menalar mundur dari perubahan setelah usia 50 dan mengenali menopause sebagai penyebab.

Bagaimana menggunakan nilai Apple Watch?

Apple Watch mencatat HRV dalam HealthKit sebagai SDNN. RMSSD penelitian, EKG istirahat lima menit, EKG 24 jam, dan nilai PPG pergelangan tangan produsen lain tidak dapat dipertukarkan hanya karena semuanya disebut HRV.

Dalam penggunaan harian, bandingkan pengukuran perangkat sama pada waktu, postur, dan konteks tidur serupa, lalu ikuti tren sendiri selama beberapa minggu. Jangan gunakan HRV sendiri untuk mendiagnosis kesehatan, kelelahan, stres, atau menopause. Jika memiliki gejala, cari saran medis berdasarkan gejala alih-alih angka.

Keterbatasan ilmiah

• Sebagian besar studi yang dibahas bersifat observasional dan tidak dapat membuktikan jenis kelamin menyebabkan perbedaan HRV
• Biner perempuan/laki-laki pada data sumber bukan ukuran identitas gender atau keadaan hormonal
• Empat dataset tidak dipilih melalui tinjauan sistematis; ini data publik tersedia yang dipakai untuk analisis eksploratif
• Autonomic Aging menyumbang sekitar 92% peserta analisis utama, sehingga sangat memengaruhi hasil gabungan
• Rekaman istirahat, tidur, dan durasi panjang dicampur tanpa penyesuaian konsisten untuk usia, napas, BMI, atau obat
• CinC 2018 berisi orang yang dinilai untuk diagnosis gangguan tidur, sehingga keempat dataset tidak semuanya dapat disebut kohort sehat
• Perkiraan DerSimonian–Laird dan I² dari hanya empat dataset membawa ketidakpastian besar
• EKG dan PPG pergelangan tangan, serta rekaman 10 detik, lima menit, atau 24 jam, tidak dapat dibandingkan langsung
• Perbedaan rata-rata populasi tidak mengukur ketepatan klasifikasi jenis kelamin, kesehatan, atau keadaan otonom seseorang
• Analisis ulang Feelmo belum ditinjau dan belum memperoleh replikasi independen atau validasi eksternal