La scienza di Balance

Questa pagina separa due cose facili da confondere: ciò che la ricerca sottoposta a revisione tra pari dice sulla variabilità della frequenza cardiaca (HRV) e ciò che mostra il punteggio proprietario Balance di Feelmo.

Che cos'è l'HRV?

L'HRV descrive la variazione degli intervalli tra i battiti. Viene analizzata con metriche nel dominio del tempo e della frequenza. La regolazione autonoma contribuisce all'HRV. In condizioni controllate, RMSSD, potenza ad alta frequenza e misure correlate possono riflettere l'influenza parasimpatica sul cuore legata alla respirazione.

Questo è più limitato che dire che l'HRV misuri tutto il sistema nervoso autonomo. Le raccomandazioni scientifiche del 2026 sconsigliano di usarla come marcatore specifico dei segnali simpatici inviati al cuore o dell'“equilibrio simpato-vagale”. Neppure il rapporto LF/HF è un semplice indicatore di acceleratore e freno (Carter et al., 2026).

Come posso regolare il sistema nervoso autonomo?

La ricerca indica alcune vie documentate.

• Respirazione lenta — modifica il pattern cardiaco e aumenta in media alcune metriche HRV negli studi; ciò non dimostra automaticamente rilassamento (Lehrer & Gevirtz, 2014; Zaccaro et al., 2018; Laborde et al., 2022)
• Luce al mattino — la luce è uno dei fattori ambientali più forti per ritmo circadiano, sonno e umore (Blume et al., 2019)
• Esercizio regolare — una meta-analisi lo associa a un'HRV a riposo più alta (Sandercock et al., 2005)
• Condizioni di misurazione simili — meno movimento può migliorare la confrontabilità, ma il sonno non è una condizione controllata o identica (Trinder et al., 2001; Stein & Pu, 2012)

Sono tutte tendenze di popolazione e l'effetto varia tra le persone.

Il tuo battito non è un metronomo

Gli intervalli tra i battiti non sono perfettamente costanti. Questa variazione si chiama HRV e dipende, tra gli altri fattori, da respirazione, postura, attività, orario, fase del sonno, alcol, farmaci, malattie, età e condizioni di misurazione.

La frequenza cardiaca aumenta spesso un po' durante l'inspirazione e diminuisce durante l'espirazione. Questo pattern contribuisce ad alcune metriche HRV, ma la sua ampiezza non dimostra che il nervo vago sia sano, che tu abbia recuperato o che non vi sia stress.

Da quando una task force congiunta della European Society of Cardiology e della North American Society of Pacing and Electrophysiology ne ha standardizzato misurazione e interpretazione (Task Force, 1996), l'HRV viene usata per studiare indirettamente una parte della regolazione autonoma cardiaca (Shaffer & Ginsberg, 2017). Non misura l'intero sistema nervoso autonomo.

Che cosa osserva Feelmo

Feelmo riassume, tramite un'elaborazione proprietaria sul dispositivo, le informazioni disponibili derivate dall'HRV e l'andamento delle tue registrazioni precedenti. I dettagli non sono pubblici.

Le viste nel dominio del tempo descrivono quanto cambiano gli intervalli tra i battiti in un periodo. Quelle nel dominio della frequenza separano fluttuazioni più rapide, legate al respiro, da pattern più lenti. Sono entrambe lenti scientifiche utili (Task Force, 1996; Shaffer & Ginsberg, 2017; Laborde et al., 2017), ma nessuna risponde da sola alla domanda “quanto sono stressato?”.

Gli studi citati non hanno verificato l'esatto algoritmo Feelmo. Non dimostrano quindi che 0–100 sia una scala clinica, che un punteggio specifico corrisponda a un determinato stato fisiologico o che usare l'app migliori la salute. Un'attività o collaborazione di ricerca non equivale alla convalida del prodotto completata e sottoposta a revisione tra pari.

Perché confrontiamo con le tue registrazioni precedenti

Il valore assoluto dell'HRV varia molto con età, sesso e costituzione. Dati su larga scala che coprono nove decenni di vita hanno mostrato che l'HRV tende a diminuire con l'età (Umetani et al., 1998).

Le registrazioni precedenti di una persona possono offrire più contesto di un confronto diretto con altre persone. Non eliminano gli effetti di respirazione, sonno, farmaci, malattie, sensore o vita quotidiana. I confronti mostrati sono riferimenti propri del prodotto, non diagnosi di salute, recupero, calma o stress; le regole non sono pubbliche.

La Home può mostrare un riferimento proprio del prodotto. Le regole di confronto e visualizzazione non sono pubbliche; non è un riferimento medico.

I personaggi dell'interfaccia

Feelmo mostra Balance accanto a sei compagni. Sono personaggi dell'interfaccia. I dettagli di visualizzazione non sono pubblici.

Nomi come “Sereno”, “Inquieto” o “Stanco” sono nomi del prodotto. Non significano che Feelmo abbia riconosciuto quell'emozione o stato.

Quando misurare: riposo e sonno

Le misurazioni ottiche al polso sono particolarmente sensibili al movimento. Stare seduti e fermi o dormire può ridurre i grandi movimenti e aumentare la possibilità di ottenere dati del polso utilizzabili, senza garantire una misurazione esatta o completa.

• Fase del sonno, risvegli, respirazione, postura, alcol, malattie, contatto del sensore, numero e momento dei campioni di Apple Watch cambiano da una notte all'altra.
• L'HRV notturna è associata alla fisiologia del sonno a livello di gruppo, ma non è una misura diretta della qualità del sonno o del recupero (Trinder et al., 2001).
• Il rapporto tra sonno e HRV è stato sintetizzato anche in rassegne (Stein & Pu, 2012).

Stress e Balance

Il legame tra stress psicologico e riduzione dell'HRV è stato descritto in meta-analisi (Kim et al., 2018). Una meta-analisi di studi di neuroimaging ha inoltre proposto un modello che collega corteccia prefrontale, vie vagali e cuore (Thayer et al., 2012). Per approfondire, vedi La connessione cervello-cuore.

Questi risultati si sovrappongono molto tra persone e situazioni. Non permettono a un'app di dedurre stress, emozione o attività cerebrale di una persona da una misurazione. L'indicatore di “stress” di Feelmo è un'etichetta del prodotto, non una misura diretta dello stress.

Come influisce la respirazione lenta sull'HRV?

La respirazione lenta può aumentare temporaneamente l'ampiezza dell'oscillazione cardiaca legata al respiro. Circa sei respiri al minuto è un ritmo comune negli studi di biofeedback e può avvicinarsi alla frequenza di risonanza del sistema baroriflesso; ritmo ottimale e risposta variano tra le persone (Lehrer & Gevirtz, 2014).

Una meta-analisi di 223 studi ha riscontrato aumenti medi dell'HRV mediata dal vago durante e dopo la respirazione lenta (Laborde et al., 2022). L'aumento durante una respirazione guidata riflette in parte il pattern respiratorio e non dimostra automaticamente rilassamento, recupero, sonno migliore o trattamento.

Le sessioni di Respirazione sono guide di ritmo. I loro nomi non garantiscono calma, attivazione o benefici per la salute.

Luce e movimento

• La luce influenza il ritmo circadiano ed è associata a sonno e umore (Blume et al., 2019).
• Gli interventi di esercizio sono stati associati a cambiamenti dell'HRV a riposo in meta-analisi (Sandercock et al., 2005).

Non sono obiettivi che “devi” raggiungere. Vedere abitudini e Balance insieme può suggerire domande, ma non dimostra un legame causale (Benessere).

Che cosa possiamo dire del punteggio

Balance è una visualizzazione di benessere proprietaria da 0 a 100. I dettagli non sono pubblici. Non misura direttamente stato autonomico, emozioni, stanchezza, stress, recupero o salute. Le pubblicazioni citate non convalidano il punteggio Feelmo; un'attività o collaborazione di ricerca non sostituisce una valutazione esterna completata del prodotto.

Che cosa significa misurare al polso

Apple Watch acquisisce un'onda del polso tramite un sensore ottico e HealthKit può offrire una stima dell'HRV. Uno studio controllato su partecipanti sani ha riportato concordanza con l'ECG per le condizioni e le metriche esaminate (Hernando et al., 2018). Ciò non convalida tutti i modelli, contesti, individui o metriche.

Feelmo legge sul dispositivo le registrazioni autorizzate di Apple Watch / HealthKit. Movimento, vestibilità, contatto con la pelle, durata della registrazione, respirazione, hardware, software e battiti mancanti o irregolari limitano la confrontabilità. I dettagli non sono pubblici.

Confrontare le proprie registrazioni: l'idea dell'N-of-1

Le medie di gruppo e i pattern delle proprie registrazioni sono cose diverse. I pattern di associazione delle abitudini di Feelmo (Premium) presentano associazioni esplorative intraindividuali. Mostrano correlazioni osservate; non provano un effetto o un rapporto causale. I dettagli non sono pubblici.

Che cosa non dimostrano i campi di ricerca citati

La ricerca su HRV, elaborazione dei segnali, statistica, cronobiologia e scienze del comportamento offre contesto generale. Citare questi campi non dimostra che Feelmo riconosca emozioni, misuri l'equilibrio autonomico, determini cause o fornisca una previsione clinicamente convalidata. I dettagli non sono pubblici.

Bibliografia

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.
15. Carter JR, et al. Guidelines for rigor and reproducibility of heart rate variability within human cardiovascular research. American Journal of Physiology-Heart and Circulatory Physiology. 2026. doi:10.1152/ajpheart.00041.2026. PMID: 42495990.
16. Laborde S, Allen MS, Borges U, et al. Effects of voluntary slow breathing on heart rate and heart rate variability: A systematic review and a meta-analysis. Neuroscience & Biobehavioral Reviews. 2022;138:104711. doi:10.1016/j.neubiorev.2022.104711. PMID: 35623448.