HRV에는 성별 차이가 있을까? 나이·지표·측정법에 따라 답이 달라지는 이유

먼저, 성별 차이는 집단 평균의 차이입니다

대부분의 연구에서 성별 차이는 여성 집단 평균과 남성 집단 평균이 달랐다는 뜻입니다. 두 분포가 분리됐거나 HRV로 각 사람의 성별을 식별할 수 있다는 뜻이 아닙니다. 평균 차이가 통계적으로 보여도 같은 나이의 여성과 남성 값은 넓게 겹칩니다.

오래된 데이터셋 다수는 성별을 여성·남성 이분법으로만 기록합니다. 여기서 다루는 것은 그 변수입니다. HRV로 성 정체성, 월경 주기, 임신, 폐경, 호르몬 치료를 알아낼 수 없습니다.

HRV는 하나의 측정값이 아닙니다

SDNN은 기록 중 정상 박동 간격 전체가 얼마나 흩어져 있는지 나타냅니다. RMSSD는 이웃한 간격의 변화를 나타내며 짧은 안정 기록에서는 심장 미주신경 조절과 비교적 밀접합니다. Apple HealthKit은 HRV를 SDNN으로 저장합니다.

주파수 영역 지표에는 LF, HF, LF/HF가 있습니다. LF에는 여러 생리적 요인이 기여하므로 LF/HF를 교감신경 활동을 부교감신경 활동으로 나눈 값으로 직접 읽을 수 없습니다. LF_norm과 HF_norm도 합이 고정되도록 제한되므로 서로 독립된 증거가 아닙니다.

• SDNN: 기록 중 박동 간격의 전체 변동
• RMSSD: 이웃한 박동 간격 사이의 단기 변화
• HF: 호흡의 영향을 크게 받는 고주파 성분
• LF/HF: 맥락에 따라 해석되는 비율이며 단순한 자율신경 균형계가 아님

대규모 연구는 무엇을 보여 주나요?

2016년 메타분석은 건강한 참가자 63,612명이 포함된 연구 172개를 합쳤습니다. 평균적으로 여성 집단은 평균 RR 간격이 더 짧아 심박수가 더 높았고, SDNN·total power·LF는 낮았으며 HF의 상대 비중은 높고 LF/HF는 낮았습니다. Hedges의 g로 나타낸 표준화 평균 차이는 평균 RR −0.44, SDNN −0.24, 정규화 LF −0.38, 정규화 HF +0.38, LF/HF −0.39였습니다. RMSSD와 pNN50은 고정효과와 무작위효과 모형에서 일관된 유의 차이를 보이지 않았습니다.

반면 149,205개의 10초 심전도(ECG)를 분석한 Lifelines 연구는 여성에서 RMSSD가 일관되게 더 높다고 보고했습니다. 약 820만 명의 Fitbit 사용자를 다룬 손목 광용적맥파(PPG) 연구는 SDRR와 LF의 성별 차이를 발견했지만 RMSSD와 HF에는 뚜렷한 차이를 찾지 못했습니다.

공개 데이터 4종 재분석에서 Feelmo가 한 일

주 분석은 Autonomic Aging 1,073명, Fantasia 40명, PhysioNet/Computing in Cardiology Challenge 2018 42명, MIT-BIH Normal Sinus Rhythm Database 18명으로, 4개 데이터셋 1,173명을 사용했습니다. 별도 민감도 분석에서는 MIT-BIH Arrhythmia Database 47명을 더했습니다. 총 1,220명이라는 수에는 이 부정맥 기록이 포함됩니다.

각 데이터셋에서 한 사람의 여러 구간을 먼저 평균해 사람마다 한 세트의 특성만 기여하도록 했습니다. 여성 집단 평균에서 남성 집단 평균을 뺀 Hedges의 g를 계산하고, DerSimonian–Laird 무작위효과 모형으로 네 데이터셋의 추정치를 통합했습니다. 나이, 호흡, BMI, 약물 등 가능한 설명을 일관되게 보정한 인과 분석은 아닙니다.

• 주 분석: 데이터셋 4개, 1,173명
• 민감도 분석: 부정맥 자료가 있는 47명을 더해 총 1,220명
• 효과크기: 여성 집단 평균 − 남성 집단 평균, Hedges의 g로 보고
• 통합 방법: DerSimonian–Laird 무작위효과 모형

탐색적 재분석의 집단 평균 차이

네 데이터셋의 통합 점추정치는 LF_norm −0.80, HF_norm +0.80, LF/HF −0.63, DFA α1 −0.72였습니다. 반면 RMSSD는 −0.09, pNN50은 −0.16이었고 두 95% 신뢰구간 모두 0을 포함했습니다. 따라서 이 분석은 RMSSD나 pNN50의 일관된 집단 차이 방향을 확립하지 못합니다.

LF_norm, HF_norm, LF/HF의 방향은 이전 대규모 메타분석과 같았습니다. 더 큰 효과크기 추정치가 “실제” 차이가 더 크다는 뜻은 아닙니다. 모집단, 기록 조건, 계산이 달라 단순한 배수로 비교하는 것은 생리학적으로 명확한 의미가 없습니다.

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

LF/HF를 “자율신경 균형”이라고 부를 수 없는 이유

안정 시 HF는 심장 미주신경 조절과 비교적 밀접하지만 호흡 속도와 깊이에도 큰 영향을 받습니다. LF에는 교감·부교감 영향과 압수용체 반사 등 여러 요인이 기여합니다. 따라서 LF/HF를 “교감신경÷부교감신경” 또는 전체 자율신경 균형의 직접 측정값으로 읽을 수 없습니다.

일반적인 정의에서 LF_norm과 HF_norm은 같은 LF·HF 값에서 계산되고 하나가 오르면 다른 하나가 내려가도록 합이 제한됩니다. LF/HF도 같은 두 성분으로 만든 또 다른 비율입니다. 이를 독립적인 세 번의 재현으로 셀 수 없습니다. DFA α1은 박동 간격의 단기 프랙탈 상관을 설명하며 자율신경 균형 자체가 아닙니다.

I²=0%가 완전한 일치를 뜻하지 않는 이유

데이터셋 간 불일치를 설명하는 통계량인 I²의 점추정치는 LF_norm, HF_norm, LF/HF, DFA α1에서 0%였습니다. 이 분석의 모형이 추가적인 데이터셋 간 분산을 추정하지 않았다는 뜻입니다. 모든 데이터셋의 효과가 같거나 모든 모집단에서 같은 차이가 존재한다는 증거는 아닙니다.

주 분석에는 데이터셋이 네 개뿐이고 세 개는 참가자가 42명 이하였습니다. 데이터셋과 표본이 적으면 이질성을 찾는 능력이 제한되어 I²와 데이터셋 간 분산 모두 불확실합니다. RMSSD의 I²는 51%, pNN50은 75%로 시간 영역 지표에서 데이터셋 간 차이가 컸습니다.

연령대의 패턴이 폐경 원인을 입증하지는 않습니다

건강한 1,906명의 5분 ECG 연구는 여러 HRV 지표와 나이·성별의 연관성을 보고했습니다. 성별 집단 차이는 55–64세에서는 대부분 지표에서, 65–74세에서는 프랙탈 차원(FD)을 제외한 모든 지표에서 더 이상 관찰되지 않았습니다. 같은 사람을 시간에 따라 추적한 연구가 아닌 단면 연구였고, 이 패턴을 호르몬 수치나 폐경 단계만으로 설명하지 않았습니다.

연령 집단은 약물, 질환, 체성분, 신체활동, 호흡, 측정 시각도 다를 수 있습니다. 50세 이후 HRV 변화만 보고 폐경이 원인이라고 거꾸로 판단할 수 없습니다.

Apple Watch 수치는 어떻게 사용해야 하나요?

Apple Watch는 HealthKit에 HRV를 SDNN으로 기록합니다. 연구의 RMSSD, 5분 안정 ECG, 24시간 ECG, 다른 제조사의 손목 PPG 값은 모두 HRV라고 불려도 서로 바꿔 쓸 수 없습니다.

일상에서는 같은 기기로 비슷한 시각·자세·수면 조건에서 얻은 값을 몇 주간 자신의 흐름과 비교하세요. HRV만으로 건강, 피로, 스트레스, 폐경을 판단하지 마세요. 증상이 있다면 숫자가 아니라 증상을 근거로 의료진과 상담하세요.

과학적 한계

• 다룬 연구 대부분은 관찰 연구이며 성별이 HRV 차이의 원인임을 입증하지 못합니다
• 원자료의 여성·남성 이분법은 성 정체성이나 호르몬 상태를 측정한 것이 아닙니다
• 네 데이터셋은 체계적 문헌고찰로 선정한 것이 아니라 탐색 분석에 이용할 수 있던 공개 자료입니다
• Autonomic Aging이 주 분석 참가자의 약 92%를 차지해 통합 결과에 큰 영향을 줍니다
• 안정·수면·장시간 기록이 섞였고 나이, 호흡, BMI, 약물을 일관되게 보정하지 못했습니다
• CinC 2018에는 수면 질환 진단 평가를 받은 사람이 포함돼 네 데이터셋을 모두 건강한 코호트라고 할 수 없습니다
• 데이터셋 네 개만으로 계산한 DerSimonian–Laird와 I² 추정에는 큰 불확실성이 있습니다
• ECG와 손목 PPG, 10초·5분·24시간 기록은 직접 비교할 수 없습니다
• 집단 평균 차이는 개인의 성별·건강·자율신경 상태를 분류하는 정확도가 아닙니다
• Feelmo의 재분석은 미심사이며 독립적 재현이나 외부 검증을 받지 않았습니다