Vetenskapen bakom Balans

Den här sidan skiljer mellan två saker som lätt blandas ihop: vad sakkunniggranskad forskning säger om hjärtfrekvensvariabilitet (HRV) och vad Feelmos egenutvecklade Balanspoäng visar.

Vad är HRV?

Tiden från ett hjärtslag till nästa är inte helt konstant. Hjärtfrekvensvariabilitet (HRV) är namnet på variationen i dessa intervall. Forskare beräknar HRV på flera sätt:

• Mått i tidsdomänen sammanfattar hur mycket intervallen varierar över tid. RMSSD betonar exempelvis kortvariga skillnader från slag till slag.
• Mått i frekvensdomänen beskriver hur mycket variation som förekommer i olika frekvensband. Högfrekvent effekt påverkas starkt av andningen.

Det autonoma nervsystemet bidrar till HRV. Dess sympatiska del hjälper till att mobilisera kroppen, medan dess parasympatiska del stöder funktioner som att sänka pulsen. Under kontrollerade förhållanden kan RMSSD, högfrekvent effekt och relaterade mått återspegla respiratorisk vagal modulation av hjärtat — andningskopplad parasympatisk påverkan på hjärtat.

Detta är mer begränsat än att säga att HRV mäter hela det autonoma nervsystemet. Den vetenskapliga riktlinjen från 2026 anger att HRV inte bör användas som en specifik markör för sympatiska nervsignaler till hjärtat (”sympatisk signalering till hjärtat”) eller för ”sympatovagal balans”. Den rekommenderar även försiktighet med ”vagal tonus”, ett bredare påstående om den allmänna nivån av vagusnervens aktivitet (Carter et al., 2026). I synnerhet bör kvoten mellan låg och hög frekvens (LF/HF) inte läsas som en enkel mätare av gas kontra broms.

Varför spelar mätningens sammanhang roll?

HRV ändras med andningens frekvens och djup, kroppsställning, fysisk aktivitet, tid på dygnet, sömnstadium, nylig träning, alkohol, läkemedel, sjukdom, ålder och många andra faktorer. Registreringslängd, sensortyp, signalbearbetning, saknade slag, rörelse och oregelbundna rytmer kan också ändra resultatet (Task Force, 1996; Laborde et al., 2017; Carter et al., 2026).

Registreringar är lättare att tolka tillsammans när måttet och mätförhållandena är någorlunda likartade, även om detta inte gör dem helt jämförbara. Högre är inte automatiskt bättre: mätfel och oregelbundna rytmer kan också skapa stor skenbar variation. En enskild förändring har sällan en enda säker förklaring.

Vad är etablerad forskning, och vad är Feelmos produktvisning?

Publicerad forskning beskriver allmänna HRV-metoder och fynd på gruppnivå. Feelmos Balansvisning är inget standardiserat kliniskt mått från dessa artiklar.

Balans är Feelmos eget referensvärde. HRV beskriver förändringar i tiden mellan hjärtslag. Poängen mäter inte direkt det autonoma nervsystemet, känslor, trötthet eller återhämtning och är ingen rangordning mot andra människor.

De citerade HRV-studierna testade inte Feelmos exakta algoritm. De fastställer därför inte att 0–100 är en klinisk skala, att en viss poäng betyder ett visst fysiologiskt tillstånd eller att användning av appen förbättrar hälsan. Forskningsaktivitet eller samarbete är inte samma sak som slutförd sakkunniggranskad validering av produktens poäng.

Varför jämföra med din egen utgångsnivå?

HRV skiljer sig kraftigt mellan människor och ändras i allmänhet med åldern (Umetani et al., 1998). Att titta på en persons egen tidigare trend kan minska missvisande jämförelser med andra, men kan inte fastställa hälsa eller en orsak.

Det tar inte bort förändringar i andning, sömn, läkemedel, sjukdom, sensorförhållanden eller rutiner. ”Högre än vanligt” och ”lägre än vanligt” är beskrivningar av appens trend, inga diagnoser av att vara frisk, återhämtad, lugn eller stressad.

De sex följeslagarna ger vardagens förändringar ett vänligt ansikte. Låt dem påminna dig om att pausa och fråga ”Hur känner jag mig i dag?” Dina egna känslor spelar roll. Du kan lägga till en anteckning i din humördagbok.

Vad visar stressstudier?

En metaanalys rapporterade att psykologisk stress i genomsnitt är förknippad med lägre värden för flera HRV-mått (Kim et al., 2018). Hjärnavbildningsforskning har också funnit samband på gruppnivå mellan vissa vagalt medierade HRV-mått och regioner som deltar i reglering (Thayer et al., 2012).

Dessa resultat överlappar i stor utsträckning mellan individer och situationer. De låter inte en app härleda en persons stress, känslor eller hjärnaktivitet från en enda mätning. För mer om denna skillnad, se Sambandet mellan hjärnan och hjärtat.

Varför spelar sammanhanget fortfarande roll i vila eller under sömn?

Optiska handledsmätningar är särskilt känsliga för rörelse. Att sitta stilla eller sova kan minska stora rörelser, men gör inte varje avläsning korrekt eller likvärdig med ett elektrokardiogram.

Sömn är dock inget laboratoriekontrollerat förhållande. Sömnstadium, korta uppvaknanden, andning, kroppsställning, alkohol, sjukdom, sensorkontakt samt tidpunkt och antal Apple Watch-prover varierar från natt till natt. HRV under natten är relaterad till sömnfysiologi på gruppnivå (Trinder et al., 2001; Stein & Pu, 2012), men är inget direkt mått på sömnkvalitet eller återhämtning.

Vad visar forskning om långsam andning?

Långsam andning ändrar de mekaniska processer och reflexer som formar pulsen. Baroreflexen är kroppens kortvariga reflex för att stabilisera blodtrycket; vid vissa andningsfrekvenser kan andningsrelaterade pulsvariationer och denna reflex förstärka varandra.

En systematisk översikt och metaanalys från 2022 omfattade 223 studier och fann genomsnittliga ökningar av vagalt medierad HRV under långsam andning, direkt efter en enskild session och efter interventioner med flera sessioner (Laborde et al., 2022). Omkring sex andetag per minut är vanligt i denna litteratur, men den frekvens som ger den största variationen skiljer sig mellan människor.

Vad gäller för ljus och träning?

Ljusexponering hjälper till att ställa in dygnsrytmen — kroppens ungefär 24-timmarsrytm — och är relaterad till sömn och sinnesstämning (Blume et al., 2019). Träningsinterventioner har också förknippats med förändringar i HRV i vila i metaanalyser (Sandercock et al., 2005).

Detta är fynd på befolkningsnivå, inga löften om en individuell dag. Feelmo kan sammanfatta ett observerat samband mellan vanor du loggat och Balans. Detaljerna i den egenutvecklade bearbetningen är inte offentliga, och visningen fastställer ingen orsakseffekt.

Vilka begränsningar har Apple Watch och HealthKit?

Apple Watch använder fotopletysmografi (PPG), en optisk metod som upptäcker förändringar i pulsvågen vid handleden. Ett kliniskt elektrokardiogram (EKG) registrerar hjärtats elektriska aktivitet. En studie med friska deltagare fann användbar överensstämmelse för utvalda HRV-mätningar under avslappning och mental stress (Hernando et al., 2018), men studien validerar inte varje person, aktivitet, sömnförhållande, klockgeneration eller Feelmos poäng.

HealthKit-data är inget kontinuerligt kliniskt EKG. Apple styr när och hur prover skapas, och rörelse, passform, hudkontakt, registreringslängd, andning, hårdvara, programvara samt saknade eller oregelbundna slag kan påverka jämförbarheten. Resultat från kroppsburna enheter måste tolkas i sammanhanget av dessa begränsningar (Carter et al., 2026).

Jämför dina egna registreringar: N-of-1-idén

En N-of-1-metod fokuserar på en persons egna registreringar. Feelmo Premiums sambandsmönster mellan vanor sammanfattar observerade samband mellan vanor personen loggat och Balans; detaljerna i den egenutvecklade bearbetningen är inte offentliga.

Detta är observationellt. Vanor förekommer i olika sammanhang, och omätta faktorer kan påverka både en vana och de registreringar som visas. Funktionen sammanfattar ett samband; den kan inte bevisa en orsakseffekt.

Referenser

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.