De wetenschap achter Balans

Deze pagina maakt onderscheid tussen twee zaken die gemakkelijk worden verward: wat wetenschappelijk beoordeeld onderzoek zegt over hartslagvariabiliteit (HRV) en wat Feelmo's eigen Balansscore weergeeft.

Wat is HRV?

De tijd van de ene hartslag tot de volgende is niet perfect constant. Hartslagvariabiliteit (HRV) is de naam voor variatie in die intervallen. Onderzoekers berekenen HRV op verschillende manieren:

• Maten in het tijdsdomein vatten samen hoeveel intervallen in de tijd variëren. RMSSD benadrukt bijvoorbeeld kortdurende verschillen van slag tot slag.
• Maten in het frequentiedomein beschrijven hoeveel variatie in verschillende frequentiebanden voorkomt. Hoogfrequent vermogen wordt sterk beïnvloed door ademhaling.

Het autonome zenuwstelsel draagt bij aan HRV. De sympathische tak helpt het lichaam te mobiliseren, terwijl de parasympathische tak functies ondersteunt waaronder het vertragen van het hart. Onder gecontroleerde omstandigheden kunnen RMSSD, hoogfrequent vermogen en gerelateerde maten respiratoire cardiale vagale modulatie weerspiegelen: de ademhalingsgebonden parasympathische invloed op het hart.

Dit is beperkter dan zeggen dat HRV het hele autonome zenuwstelsel meet. De wetenschappelijke richtlijn uit 2026 stelt dat HRV niet moet worden gebruikt als specifieke marker voor sympathische zenuwsignalen naar het hart ("cardiale sympathische uitstroom") of voor "sympathovagale balans". Ook raadt deze voorzichtigheid aan met "vagale tonus", een bredere uitspraak over het algemene activiteitsniveau van de nervus vagus (Carter et al., 2026). Vooral de verhouding tussen laag- en hoogfrequent vermogen (LF/HF) mag niet worden gelezen als een eenvoudige gas-versus-remmeter.

Waarom doet de meetcontext ertoe?

HRV verandert met ademhalingsfrequentie en -diepte, houding, lichamelijke activiteit, tijdstip, slaapfase, recente inspanning, alcohol, medicatie, ziekte, leeftijd en vele andere factoren. Registratieduur, sensortype, signaalverwerking, ontbrekende slagen, beweging en onregelmatige ritmes kunnen het resultaat ook veranderen (Task Force, 1996; Laborde et al., 2017; Carter et al., 2026).

Registraties zijn makkelijker samen te interpreteren wanneer de maat en meetomstandigheden redelijk vergelijkbaar zijn, hoewel ze daardoor niet perfect vergelijkbaar worden. Hoger is niet automatisch beter: meetfouten en onregelmatige ritmes kunnen ook grote schijnbare variatie creëren. Eén verandering heeft zelden één zekere verklaring.

Wat is vastgesteld onderzoek en wat is Feelmo's productweergave?

Gepubliceerd onderzoek beschrijft algemene HRV-methoden en bevindingen op groepsniveau. Feelmo's Balansweergave is geen gestandaardiseerde klinische maat uit die publicaties.

Balans is Feelmo's eigen referentiescore. HRV beschrijft veranderingen in de tijd tussen hartslagen. De score meet het autonome zenuwstelsel, emoties, vermoeidheid of herstel niet rechtstreeks en is geen ranglijst ten opzichte van andere mensen.

De aangehaalde HRV-onderzoeken testten Feelmo's exacte algoritme niet. Ze stellen daarom niet vast dat 0–100 een klinische schaal is, dat een bepaalde score een bepaalde fysiologische toestand betekent of dat gebruik van de app de gezondheid verbetert. Onderzoeksactiviteit of samenwerking is niet hetzelfde als afgeronde wetenschappelijk beoordeelde validatie van de productscore.

Waarom vergelijken met je eigen uitgangsniveau?

HRV verschilt sterk tussen mensen en verandert doorgaans met de leeftijd (Umetani et al., 1998). Iemands eigen eerdere trend bekijken kan misleidende vergelijkingen met anderen verminderen, maar stelt geen gezondheid of oorzaak vast.

Het neemt veranderingen in ademhaling, slaap, medicatie, ziekte, sensoromstandigheden of routine niet weg. "Hoger dan gebruikelijk" en "lager dan gebruikelijk" zijn beschrijvingen van de trend in de app, geen diagnoses dat je gezond, hersteld, kalm of gestrest bent.

De zes metgezellen geven dagelijkse veranderingen een vriendelijk gezicht. Laat ze je eraan herinneren even te pauzeren en te vragen: "Hoe voel ik me vandaag?" Je eigen gevoelens tellen. Je kunt een notitie toevoegen in je Stemmingslogboek.

Wat tonen stressonderzoeken aan?

Een meta-analyse beschreef dat psychologische stress gemiddeld samenhangt met lagere waarden van verschillende HRV-maten (Kim et al., 2018). Hersenbeeldvormingsonderzoek vond ook verbanden op groepsniveau tussen sommige vagaal gemedieerde HRV-maten en gebieden betrokken bij regulatie (Thayer et al., 2012).

Deze resultaten overlappen aanzienlijk tussen individuen en situaties. Ze staan een app niet toe om uit één meting iemands stress, emotie of hersenactiviteit af te leiden. Zie voor meer over dat onderscheid Het verband tussen hersenen en hart.

Waarom blijft context belangrijk in rust of tijdens slaap?

Optische polsmetingen zijn bijzonder gevoelig voor beweging. Rustig zitten of slapen kan grote bewegingen verminderen, maar maakt niet iedere meting nauwkeurig of gelijkwaardig aan een elektrocardiogram.

Slaap is echter geen laboratoriumgecontroleerde omstandigheid. Slaapfase, kort ontwaken, ademhaling, houding, alcohol, ziekte, sensorcontact en de timing en het aantal Apple Watch-monsters verschillen per nacht. Nachtelijke HRV houdt op groepsniveau verband met slaapfysiologie (Trinder et al., 2001; Stein & Pu, 2012), maar is geen rechtstreekse maat voor slaapkwaliteit of herstel.

Wat toont onderzoek naar langzaam ademen aan?

Langzaam ademen verandert de mechanische en reflexprocessen die de hartslag vormgeven. De baroreflex is de kortetermijnreflex van het lichaam om de bloeddruk te stabiliseren; bij sommige ademhalingsfrequenties kunnen ademhalingsgebonden hartslagschommelingen en deze reflex elkaar versterken.

Een systematisch overzicht en meta-analyse uit 2022 omvatte 223 onderzoeken en vond gemiddelde toenames van vagaal gemedieerde HRV tijdens langzaam ademen, direct na één sessie en na interventies met meerdere sessies (Laborde et al., 2022). Ongeveer zes ademhalingen per minuut is gangbaar in deze literatuur, maar het tempo dat de grootste schommeling veroorzaakt verschilt per persoon.

Hoe zit het met licht en beweging?

Blootstelling aan licht helpt de circadiane timing te bepalen — het ritme van ongeveer 24 uur van het lichaam — en houdt verband met slaap en stemming (Blume et al., 2019). Ook bewegingsinterventies zijn in een meta-analyse verbonden met veranderingen in HRV in rust (Sandercock et al., 2005).

Dit zijn bevindingen op bevolkingsniveau, geen beloften over een individuele dag. Feelmo kan een observationeel verband samenvatten tussen door jou vastgelegde gewoontenregistraties en Balans. Details van de eigen verwerking zijn niet openbaar en de weergave stelt geen oorzakelijk effect vast.

Wat zijn de beperkingen van Apple Watch en HealthKit?

Apple Watch gebruikt fotoplethysmografie (PPG), een optische methode die veranderingen in de polsgolf aan de pols detecteert. Een klinisch elektrocardiogram (ECG) registreert de elektrische activiteit van het hart. Een onderzoek bij gezonde deelnemers vond bruikbare overeenstemming voor geselecteerde HRV-metingen tijdens ontspanning en mentale stress (Hernando et al., 2018), maar dat onderzoek valideert niet iedere persoon, activiteit, slaapomgeving, horlogegeneratie of Feelmo's score.

HealthKit-gegevens zijn geen doorlopend klinisch ECG. Apple bepaalt wanneer en hoe monsters worden gemaakt en beweging, pasvorm, huidcontact, registratieduur, ademhaling, hardware, software en ontbrekende of onregelmatige slagen kunnen de vergelijkbaarheid beïnvloeden. Resultaten van draagbare apparaten moeten in de context van deze beperkingen worden geïnterpreteerd (Carter et al., 2026).

Je eigen registraties vergelijken: het N-of-1-idee

Een N-of-1-aanpak richt zich op de eigen registraties van één persoon. Feelmo Premium's gewoonteverbanden vatten observationele relaties samen tussen de gewoonten die iemand vastlegde en Balans; details van de eigen verwerking zijn niet openbaar.

Dit is observationeel. Gewoonten vinden in verschillende contexten plaats en ongemeten factoren kunnen zowel een gewoonte als de getoonde registraties beïnvloeden. De functie vat een verband samen en kan geen oorzakelijk effect bewijzen.

Referenties

1. 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.
2. 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.
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. 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.
5. 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.
6. Stein PK, Pu Y. Heart rate variability, sleep and sleep disorders. Sleep Medicine Reviews. 2012;16(1):47–66.
7. 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.
8. 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.
9. 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.
10. 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. 2018;18(8):2619. doi:10.3390/s18082619.
11. Blume C, Garbazza C, Spitschan M. Effects of light on human circadian rhythms, sleep and mood. Somnologie. 2019;23(3):147–156.
12. 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.