Zijn er geslachtsverschillen in HRV? Waarom leeftijd, maat en meetmethode het antwoord veranderen

Eerst: een geslachtsverschil is een groepsgemiddelde

In de meeste onderzoeken betekent een geslachtsverschil dat het gemiddelde in een vrouwelijke groep verschilde van dat in een mannelijke groep. Het betekent niet dat de twee verdelingen gescheiden waren of dat HRV het geslacht van iedere persoon kan identificeren. Waarden bij vrouwen en mannen van dezelfde leeftijd overlappen sterk, ook als een gemiddeld verschil statistisch aantoonbaar is.

Veel oudere datasets registreren geslacht alleen binair als vrouw/man. Dat is de hier besproken variabele. HRV onthult geen genderidentiteit, menstruatiefase, zwangerschap, menopauze of hormoonbehandeling.

HRV is niet één enkele meting

SDNN beschrijft de totale spreiding van normale hartslagintervallen over een registratie. RMSSD beschrijft veranderingen tussen aangrenzende intervallen en hangt bij korte rustregistraties relatief nauw samen met cardiale vagale modulatie. Apple HealthKit slaat HRV op als SDNN.

Maten in het frequentiedomein omvatten LF, HF en LF/HF. LF heeft verschillende fysiologische bijdragen, zodat LF/HF niet rechtstreeks kan worden gelezen als sympathische activiteit gedeeld door parasympathische activiteit. LF_norm en HF_norm zijn ook gebonden aan een vaste som en zijn daarom geen onafhankelijke bewijsstukken.

• SDNN: totale variatie in hartslagintervallen tijdens de registratie
• RMSSD: kortdurende veranderingen tussen aangrenzende hartslagintervallen
• HF: een hoogfrequente component die sterk wordt beïnvloed door ademhaling
• LF/HF: een contextafhankelijke verhouding, geen eenvoudige meter voor autonome balans

Wat tonen grote onderzoeken aan?

Een meta-analyse uit 2016 combineerde 172 onderzoeken met 63,612 gezonde deelnemers. Gemiddeld had de vrouwelijke groep een korter gemiddeld RR-interval, en dus een hogere hartslag, evenals lagere SDNN, totaal vermogen en LF, terwijl het relatieve aandeel HF hoger en LF/HF lager was. De gestandaardiseerde gemiddelde verschillen, gerapporteerd als Hedges' g, waren −0.44 voor gemiddeld RR, −0.24 voor SDNN, −0.38 voor genormaliseerde LF, +0.38 voor genormaliseerde HF en −0.39 voor LF/HF. RMSSD en pNN50 toonden geen consistent significant verschil over de modellen met vaste en willekeurige effecten.

Een Lifelines-onderzoek met 149,205 ECG's van tien seconden beschreef echter consequent hogere RMSSD bij vrouwen. Een pols-PPG-onderzoek van ongeveer 8.2 miljoen Fitbit-gebruikers vond geslachtsverschillen in SDRR en LF, maar geen duidelijk geslachtsverschil in RMSSD of HF.

Wat Feelmo deed in de heranalyse van vier datasets

De hoofdanalyse gebruikte 1,073 mensen uit Autonomic Aging, 40 uit Fantasia, 42 uit de PhysioNet/Computing in Cardiology Challenge 2018-dataset en 18 uit de MIT-BIH Normal Sinus Rhythm Database: 1,173 mensen uit vier datasets. Een afzonderlijke gevoeligheidsanalyse voegde 47 mensen uit de MIT-BIH Arrhythmia Database toe. Het totaal van 1,220 omvat die ritmestoornisregistraties.

Binnen iedere dataset werden meerdere segmenten van dezelfde persoon eerst gemiddeld, zodat iedere persoon één set kenmerken bijdroeg. We berekenden Hedges' g als het gemiddelde van de vrouwelijke groep minus dat van de mannelijke groep en voegden vervolgens de vier datasetschattingen samen met een DerSimonian–Laird-model met willekeurige effecten. Dit was geen oorzakelijke analyse met consistente correctie voor leeftijd, ademhaling, BMI, medicatie of andere mogelijke verklaringen.

• Hoofdanalyse: vier datasets en 1,173 mensen
• Gevoeligheidsanalyse: 47 ritmestoornisregistraties toegevoegd, voor in totaal 1,220 mensen
• Effectgrootte: vrouwelijke groep minus mannelijke groep, gerapporteerd als Hedges' g
• Samenvoegmethode: DerSimonian–Laird-model met willekeurige effecten

Verschillen in groepsgemiddelden in de verkennende heranalyse

De samengevoegde puntschattingen over de vier datasets waren −0.80 voor LF_norm, +0.80 voor HF_norm, −0.63 voor LF/HF en −0.72 voor DFA α1. Daarentegen was RMSSD −0.09 en pNN50 −0.16 en beide 95%-betrouwbaarheidsintervallen kruisten nul. Deze analyse kan daarom geen consistente richting van groepsverschil voor RMSSD of pNN50 vaststellen.

De richtingen van LF_norm, HF_norm en LF/HF kwamen overeen met de eerdere grote meta-analyse. De grotere schattingen van effectgrootte tonen niet dat het "werkelijke" verschil groter is. Populaties, registratieomstandigheden en berekeningen verschilden, zodat de analyses als eenvoudige veelvouden vergelijken geen duidelijke fysiologische betekenis heeft.

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

Waarom LF/HF geen "autonome balans" kan worden genoemd

In rust hangt HF relatief nauw samen met cardiale vagale modulatie, maar wordt ook sterk beïnvloed door ademhalingsfrequentie en -diepte. LF heeft verschillende bijdragen, waaronder sympathische en parasympathische invloeden en de baroreflex. LF/HF kan daarom niet worden gelezen als "sympathisch gedeeld door parasympathisch" of als rechtstreekse maat voor de totale autonome balans.

Onder gangbare definities worden LF_norm en HF_norm uit dezelfde LF- en HF-waarden berekend en begrensd zodat de ene daalt als de andere stijgt. LF/HF is een andere verhouding van dezelfde twee onderdelen. Ze kunnen niet als drie onafhankelijke herhalingen worden geteld. DFA α1 beschrijft kortdurende fractale correlatie in hartslagintervallen; het is niet de autonome balans zelf.

Waarom I²=0% geen volledige overeenstemming betekent

Voor LF_norm, HF_norm, LF/HF en DFA α1 was de puntschatting van I² — een statistiek die inconsistentie tussen datasets beschrijft — 0%. Dit betekent dat het model in deze analyse geen aanvullende variantie tussen datasets schatte. Het bewijst niet dat iedere dataset een identiek effect had of dat hetzelfde verschil in iedere populatie bestaat.

De hoofdanalyse had slechts vier datasets en drie bevatten 42 mensen of minder. Bij zo weinig datasets en kleine steekproeven is het vermogen om heterogeniteit te detecteren beperkt en zijn zowel I² als variantie tussen datasets onzeker. I² was 51% voor RMSSD en 75% voor pNN50, wat aanzienlijke verschillen tussen datasets voor de tijdsdomeinmaten toont.

Een leeftijdspatroon bewijst niet dat menopauze de oorzaak is

Een onderzoek met ECG's van vijf minuten bij 1,906 gezonde mensen beschreef verbanden van leeftijd en geslacht met verschillende HRV-maten. Geslachtsgroepverschillen werden niet langer waargenomen voor de meeste indices bij 55–64 jaar en voor alle indices behalve fractale dimensie (FD) bij 65–74 jaar. Het was dwarsdoorsnedeonderzoek: het volgde dezelfde mensen niet door de tijd en verklaarde het patroon niet uitsluitend met hormoonniveaus of menopauzestadium.

Leeftijdsgroepen kunnen ook verschillen in medicatie, ziekte, lichaamssamenstelling, lichamelijke activiteit, ademhaling en meettijdstip. HRV alleen kan niet vanuit een verandering na leeftijd 50 terugredeneren en menopauze als oorzaak vaststellen.

Hoe gebruik je een Apple Watch-waarde?

Apple Watch registreert HRV in HealthKit als SDNN. RMSSD uit onderzoek, een ECG van vijf minuten in rust, een ECG van 24 uur en een pols-PPG-waarde van een andere fabrikant zijn niet uitwisselbaar simpelweg omdat elk HRV heet.

Vergelijk bij dagelijks gebruik metingen van hetzelfde apparaat met vergelijkbaar tijdstip, houding en slaapcontext en volg je eigen trend over meerdere weken. Gebruik HRV niet alleen om gezondheid, vermoeidheid, stress of menopauze te diagnosticeren. Vraag bij klachten medisch advies op basis van de klachten in plaats van het getal.

Wetenschappelijke beperkingen

• De meeste besproken onderzoeken zijn observationeel en kunnen niet bewijzen dat geslacht een HRV-verschil veroorzaakte
• Een vrouw/man-binaire waarde in brongegevens is geen maat voor genderidentiteit of hormonale toestand
• De vier datasets werden niet geselecteerd via een systematisch overzicht; het waren beschikbare openbare gegevens gebruikt voor een verkennende analyse
• Autonomic Aging leverde ongeveer 92% van de deelnemers aan de hoofdanalyse en beïnvloedt daardoor het samengevoegde resultaat sterk
• Rust-, slaap- en langdurige registraties werden gemengd, zonder consistente correctie voor leeftijd, ademhaling, BMI of medicatie
• CinC 2018 bevat mensen die werden beoordeeld voor diagnose van een slaapstoornis, zodat niet alle vier datasets gezonde cohorten kunnen worden genoemd
• DerSimonian–Laird- en I²-schattingen uit slechts vier datasets dragen aanzienlijke onzekerheid
• ECG en pols-PPG en registraties van 10 seconden, vijf minuten of 24 uur zijn niet rechtstreeks vergelijkbaar
• Een verschil in bevolkingsgemiddelde meet geen nauwkeurigheid voor classificatie van iemands geslacht, gezondheid of autonome toestand
• Feelmo's heranalyse is niet beoordeeld en heeft nog geen onafhankelijke herhaling of externe validatie gekregen