วิทยาศาสตร์ของสมดุล

หน้านี้รวบรวมงานวิจัย HRV ที่ Feelmo ใช้อ้างอิงพร้อมแหล่งที่มา งานวิจัยที่ผ่านการประเมินโดยผู้ทรงคุณวุฒิเหล่านี้ให้พื้นฐานวิทยาศาสตร์ทั่วไปของ HRV แต่ไม่ได้ตรวจสอบการประมวลผลที่ไม่เปิดเผย คะแนน 0–100 หรือความแม่นยำรายบุคคลของ Feelmo โดยตรง

หน้านี้คือที่ที่เราพยายามจะบอกคุณอย่างซื่อตรงเท่าที่จะทำได้ว่า Feelmo วัดอะไร และทำไมจึงวัดแบบนั้น เนื้อหาอาจยาวสักหน่อย คุณจึงเลือกอ่านเฉพาะหัวข้อที่สนใจก็ได้นะ

ระบบประสาทอัตโนมัติคืออะไร และเกี่ยวกับ HRV อย่างไร?

ระบบประสาทอัตโนมัติควบคุมอัตราการเต้นหัวใจ ความดันโลหิต การย่อยอาหาร และอื่น ๆ โดยไม่ต้องสั่ง ซิมพาเทติกกับพาราซิมพาเทติกไม่ใช่เพียงคันเร่งกับเบรก และอาจทำงานพร้อมกันได้ HRV ได้รับอิทธิพลโดยเฉพาะจากการควบคุมหัวใจผ่านเวกัส แต่การหายใจ ท่าทาง เวลา การออกกำลังกาย ยา อายุ และวิธีวัดก็มีผล จึงไม่ใช่การตรวจซิมพาเทติกหรือ "สมดุลซิมพาเทติก/พาราซิมพาเทติก" โดยตรง (Task Force, 1996; Laborde et al., 2017)

ทำอะไรในชีวิตประจำวันได้บ้าง และควรอ่าน HRV อย่างไร?

งานวิจัยชี้แนวทางที่มีหลักฐานรองรับอยู่หลายอย่าง

• การหายใจช้าโดยไม่ฝืน — การวิเคราะห์อภิมานรายงานว่าดัชนี HRV บางชนิดอาจสูงขึ้นระหว่างและหลังหายใจ แต่การหายใจเองเปลี่ยน HRV ดังนั้นการเพิ่มขึ้นทันทีไม่ใช่หลักฐานว่าสภาพร่างกายดีขึ้น (Laborde et al., 2022)
• แสงยามเช้า — แสงเป็นปัจจัยแวดล้อมที่มีอิทธิพลมากที่สุดอย่างหนึ่งต่อนาฬิกาชีวภาพ การนอน และอารมณ์ (Blume et al., 2019)
• ออกกำลังกายสม่ำเสมอ — การวิเคราะห์อภิมานรายงานความสัมพันธ์กับ HRV ขณะพักที่สูงขึ้น (Sandercock et al., 2005)
• จัดเงื่อนไขการวัดให้ใกล้เคียงกัน — ใช้อุปกรณ์ เวลา ท่าทาง และการหายใจใกล้เคียงกัน ช่วยลดความผันผวนจากเงื่อนไขต่างกัน (Laborde et al., 2017)

ทั้งหมดนี้เป็นแนวโน้มระดับประชากร และแสดงผลมากน้อยต่างกันไปในแต่ละคน

หัวใจไม่ใช่เครื่องเคาะจังหวะ

โดยทั่วไป ช่วงเวลาระหว่างจังหวะหัวใจติดกัน (R-R interval) ไม่ได้เท่ากันเหมือนนาฬิกา แต่เปลี่ยนเล็กน้อยตามการหายใจ ท่าทาง และกิจกรรม ตัวชี้วัดที่สรุปการเปลี่ยนแปลงนี้ด้วยหลายวิธีเรียกรวมว่า HRV (ความแปรปรวนของอัตราการเต้นหัวใจ)

ตัวอย่างเช่น หัวใจอาจเต้นเร็วขึ้นเล็กน้อยตอนหายใจเข้าและช้าลงตอนหายใจออก ความเปลี่ยนแปลงตามลมหายใจนี้ให้ข้อมูลเกี่ยวกับการควบคุมหัวใจผ่านเวกัสขณะพัก แต่ความเร็วและความลึกของลมหายใจเองก็เปลี่ยนค่าได้ จึงสรุปไม่ได้ว่า "สูง = สุขภาพดี" หรือ "ต่ำ = เครียด"

นับตั้งแต่คณะทำงานร่วมเผยแพร่มาตรฐานการวัดในปี 1996 (Task Force, 1996) HRV ถูกใช้ในงานวิจัยอย่างแพร่หลาย อย่างไรก็ตาม การแปลผลต้องระบุดัชนี ระยะบันทึก การหายใจ สัญญาณนำเข้า และกลุ่มประชากร และไม่ควรเท่ากับการทำงานของระบบประสาทอัตโนมัติทั้งหมดโดยตรง (Laborde et al., 2017)

สิ่งที่ Feelmo เฝ้าดู

HRV เป็นชื่อรวมของตัวชี้วัดหลายชนิด ซึ่งระยะบันทึกและเงื่อนไขการวัดต่างกันและใช้แทนกันไม่ได้ Feelmo สรุปข้อมูลจาก HRV ที่ Apple Watch / HealthKit เปิดให้ใช้ เทียบกับแนวโน้มในอดีตของคุณเป็น Balance ด้วยการประมวลผลเฉพาะบนเครื่อง โดยไม่เปิดเผยรายละเอียดอื่น

ทำไมจึงเทียบกับ "เส้นฐานของตัวคุณเอง"

ค่าสัมบูรณ์ของ HRV ต่างกันตามอายุ เพศ ลักษณะรายบุคคล และเงื่อนไขการวัด ข้อมูลที่ครอบคลุมเก้าทศวรรษรายงานความสัมพันธ์ที่ค่าเฉลี่ยระดับกลุ่มของตัวชี้วัด HRV บางชนิดลดลงตามอายุ (Umetani et al., 1998) ดังนั้นตัวเลขเดียวกันอาจตีความต่างกันระหว่างคนและวิธีวัด

ด้วยเหตุนี้ Feelmo จึงไม่ได้มองว่าคุณเทียบกับคนอื่นเป็นอย่างไร แต่มอง ว่าคุณเปลี่ยนแปลงไปอย่างไรเมื่อเทียบกับเส้นฐานของตัวคุณเอง การที่คุณสูงหรือต่ำกว่าคนข้าง ๆ ไม่ใช่ประเด็น แต่คุณเป็นอย่างไรเมื่อเทียบกับ "ตัวคุณตามปกติ" — นั่นคือคำถามที่มีความหมาย

หน้าจอ Balance เป็นเพียงข้อมูลอ้างอิงภายในผลิตภัณฑ์ที่คำนึงถึงแนวโน้มในอดีตของคุณ โดยไม่เปิดเผยกฎการเปรียบเทียบและการแสดงผล ไม่ใช่ช่วงอ้างอิงทางการแพทย์หรือการวัดทางสรีรวิทยาอีกชนิดหนึ่ง

สีหน้าเป็นป้ายภายในผลิตภัณฑ์

Feelmo แสดง เพื่อนทั้ง 6 (สดใส สงบ ปกติ กังวล ล้นเกิน และเหนื่อยล้า) หนึ่งคนไว้ข้าง Balance สีหน้าเป็นเพียงป้ายภายในผลิตภัณฑ์

ชื่ออย่าง "กังวล" หรือ "เหนื่อยล้า" ไม่ได้บอกอารมณ์ ความเหนื่อยล้า ความเครียด สภาพจิตใจ หรือสภาพร่างกายจริง และไม่ใช่ผลการวินิจฉัย

เงื่อนไขและข้อจำกัดของการวัดที่ข้อมือ

เซนเซอร์แสงที่ข้อมือสะดวก แต่ได้รับผลจากการเคลื่อนไหว ความกระชับ และการสัมผัสผิว ตอนนั่งหรือหลับมักมีการเคลื่อนไหวมากน้อยต่างกัน แต่ยังไม่เท่ากับคลื่นไฟฟ้าหัวใจ และมีความคลาดเคลื่อนหรือข้อมูลขาดหายได้

ระหว่างหลับมักมีการเคลื่อนไหวน้อยกว่าตอนกลางวัน จึงอาจเปรียบเทียบบันทึกในเวลาใกล้เคียงกันได้ง่ายขึ้น แต่ระยะการนอน การหายใจ การพลิกตัว แอลกอฮอล์ สภาพร่างกาย และการสวมอุปกรณ์ยังเปลี่ยนได้ จึงไม่ใช่เงื่อนไขเดียวกันทั้งหมด ความสัมพันธ์ระหว่างการนอนกับ HRV ได้รับการรวบรวมไว้ในการทบทวนวรรณกรรมอย่างเป็นระบบ (Stein & Pu, 2012)

ความเครียดกับสมดุล

การวิเคราะห์อภิมานรายงานความสัมพันธ์ระดับกลุ่มระหว่างความเครียดทางใจกับการลดลงของตัวชี้วัด HRV บางชนิด (Kim et al., 2018) การวิเคราะห์อภิมานของงานวิจัยภาพสมองก็กล่าวถึงแบบจำลองความสัมพันธ์ระหว่างคอร์เทกซ์ส่วนหน้า การควบคุมผ่านเวกัส และ HRV (Thayer et al., 2012) ผลเหล่านี้สนับสนุนการใช้ HRV เป็นตัวชี้วัดทางอ้อมในงานวิจัย ไม่ได้ทำให้ HRV เป็นเซนเซอร์วัดความเครียดหรือสุขภาพรายบุคคลโดยตรง ดูเพิ่มที่ ความเชื่อมโยงระหว่างสมองกับหัวใจ

งานวิจัยเหล่านี้เป็นพื้นหลังของการออกแบบ แต่ความสัมพันธ์ระดับกลุ่มไม่ได้พิสูจน์ความแม่นยำรายบุคคลของการแสดงความเครียดใน Feelmo และการแสดงผลนี้ไม่ได้วัดความเครียดทางจิตใจหรือกิจกรรมซิมพาเทติกโดยตรง

ทำไมการหายใจช้า ๆ จึงเปลี่ยน HRV

เซสชันการหายใจบางแบบของ Feelmo นำทางราว 6 ครั้งต่อนาที ในบริเวณนี้ วงจรของลมหายใจ อัตราการเต้นหัวใจ และ baroreflex อาจใกล้กัน ทำให้ HRV ระหว่างหายใจเพิ่มขึ้นในบางคน ความเร็วที่เกิดการสั่นพ้องดีที่สุดต่างกันในแต่ละคน และจังหวะคงที่ไม่ใช่ค่าที่เหมาะที่สุดสำหรับทุกคน (Lehrer & Gevirtz, 2014; Laborde et al., 2022)

การวิเคราะห์อภิมานปี 2022 รายงานแนวโน้มที่ดัชนี vagally mediated HRV เพิ่มขึ้นระหว่าง หลังทันที และหลังการฝึกหายใจช้าหลายครั้ง (Laborde et al., 2022) แต่ HRV ที่เพิ่มระหว่างหายใจอาจเป็นการตอบสนองต่อการควบคุมลมหายใจเอง ไม่ได้พิสูจน์ว่าโรคดีขึ้น ฟื้นตัวระยะยาว หรือ Feelmo ได้ผล

"ทำให้สงบ" และ "ยกระดับ" เป็นชื่อเซสชันภายในผลิตภัณฑ์ ไม่ได้หมายความว่าพิสูจน์ผลทางสรีรวิทยาหรือสุขภาพเฉพาะแล้ว

เรื่องของแสงและการเคลื่อนไหว

การที่บันทึกนิสัยในแท็บ สุขภาวะ ดูแลเรื่องแสงแดดและปริมาณกิจกรรมด้วยนั้น ก็มีพื้นเพอยู่เช่นกัน

• แสงเป็นปัจจัยสิ่งแวดล้อมสำคัญที่มีผลต่อจังหวะรอบวัน การนอน และอารมณ์ (Blume et al., 2019) บันทึกแสงช่วยย้อนดูเวลารับแสงกับจังหวะชีวิต
• การวิเคราะห์อภิมานบางชิ้นรายงานการเปลี่ยน HRV ขณะพักหลังการแทรกแซงด้วยการออกกำลังกายในค่าเฉลี่ยกลุ่ม (Sandercock et al., 2005) แต่ตัดสินผลของการออกกำลังกายจากจำนวนก้าวหรือคะแนนวันเดียวไม่ได้

สิ่งเหล่านี้ไม่ใช่โควตาว่าคุณ "ควร" ทำอะไร แต่เป็นเบาะแสนุ่ม ๆ ที่ช่วยให้คุณสังเกตเห็นความเชื่อมโยงระหว่างสมดุลกับชีวิตประจำวันของคุณ

การแสดงผลผลิตภัณฑ์ Feelmo และข้อจำกัดทางวิทยาศาสตร์

Feelmo สรุปข้อมูลจาก HRV ที่ Apple Watch / HealthKit เปิดให้ใช้ เทียบกับแนวโน้มในอดีตของคุณเป็น Balance (0–100) ด้วยการประมวลผลเฉพาะบนเครื่อง โดยไม่เปิดเผยรายละเอียดอื่น ประสบการณ์วิจัยของผู้พัฒนาและงานวิจัยทั่วไปเป็นข้อมูลอ้างอิงในการออกแบบ แต่ไม่ได้หมายถึงมหาวิทยาลัยรับรองผลิตภัณฑ์ปัจจุบัน ความแม่นยำรายบุคคลได้รับการยืนยัน หรือผลต่อสุขภาพได้รับการพิสูจน์ทางคลินิก

Feelmo ไม่ถือว่าคะแนนเฉพาะเป็นการวัดระบบประสาทอัตโนมัติ อารมณ์ ความเหนื่อยล้า การฟื้นตัว หรือสุขภาพโดยตรง

การวัดที่ข้อมือหมายความว่าอย่างไร

Apple Watch ใช้เซนเซอร์แสงและวิธีอื่นเพื่อรับข้อมูลหัวใจ แล้วบันทึกตัวอย่าง HRV (SDNN) ลง HealthKit งานวิจัยในผู้ใหญ่สุขภาพดีขณะพักพบความสัมพันธ์กับค่าจากคลื่นไฟฟ้าหัวใจ (Hernando et al., 2018) แต่ความคลาดเคลื่อนเปลี่ยนตามอุปกรณ์ วิธีวิเคราะห์ และเงื่อนไขการวัด จึงไม่ถือว่าค่าจากอุปกรณ์ผู้บริโภคเท่ากับคลื่นไฟฟ้าหัวใจทางการแพทย์

Feelmo สรุปข้อมูลจาก HRV ที่ Apple Watch / HealthKit เปิดให้ใช้ เทียบกับแนวโน้มในอดีตของคุณด้วยการประมวลผลเฉพาะบนเครื่อง โดยไม่เปิดเผยรายละเอียดอื่น

เปรียบเทียบบันทึกของคุณเอง — แนวคิด N-of-1

ค่าเฉลี่ยของกลุ่มกับรูปแบบที่ปรากฏร่วมกันในบันทึกของคุณเป็นคนละเรื่อง Feelmo จึงใช้แนวคิด n-of-1 (การสังเกตภายในบุคคล) ใน รูปแบบความสัมพันธ์ของนิสัย (Feelmo Premium) เพื่อสรุปความสัมพันธ์เชิงสังเกตในบันทึกของคุณ โดยไม่เปิดเผยรายละเอียดอื่น และไม่ได้พิสูจน์ผลหรือเหตุและผล

แทนที่จะนำคำกล่าวทั่วไปมาใช้กับคุณโดยตรง ฟีเจอร์นี้เสนอความสัมพันธ์ที่สังเกตได้ในบันทึกของคุณเป็นข้อมูลอ้างอิง — เป็นมุมมองที่ยกให้แต่ละบุคคลเป็นตัวเอก

สาขาวิชาที่อยู่เบื้องหลัง Feelmo

คำอธิบายและการออกแบบหน้าจอของ Feelmo อ้างอิงแนวคิดจากหลายสาขา การระบุชื่อสาขาไม่ได้หมายความว่านำทุกวิธีมาใช้ครบถ้วน หรือพิสูจน์ความแม่นยำของผลิตภัณฑ์ Feelmo ไม่เปิดเผยรายละเอียดการประมวลผลเฉพาะ

• ประสาทวิทยาศาสตร์ของระบบประสาทอัตโนมัติและ HRV — ทำความเข้าใจการเปลี่ยนแปลงระหว่างจังหวะหัวใจ เงื่อนไขการวัด และข้อจำกัดของการแปลผล
• วิทยาศาสตร์อารมณ์และจิตสรีรวิทยา — ตั้งอยู่บนหลักว่าไม่อาจตัดสินสภาวะของคนจากตัวชี้วัดทางสรีรวิทยาเพียงตัวเดียว สีหน้าทั้ง 6 เป็นป้ายในผลิตภัณฑ์ ไม่ใช่การประเมินอารมณ์
• การประมวลผลสัญญาณและอนุกรมเวลา — ช่วยอธิบายว่าบันทึกจากข้อมือมีสัญญาณรบกวน และแยกออกจากการเปลี่ยนแปลงทางสรีรวิทยาได้ไม่สมบูรณ์
• สถิติศาสตร์ — ย้อนดูความเปลี่ยนแปลงในบันทึกของบุคคล การใช้สถิติไม่ได้รับประกันความแม่นยำรายบุคคล
• วิทยาศาสตร์การตัดสินใจ — มุ่งไม่กล่าวข้อมูลที่ไม่แน่นอนเป็นข้อสรุป และให้ความรู้สึกหรืออาการจริงของบุคคลมาก่อน
• สถิติข้อมูลเชิงสังเกต — เปรียบเทียบความสัมพันธ์ในบันทึกประจำวันอย่างระมัดระวัง โดยไม่อนุมานสาเหตุหรือพิสูจน์ผลจากสหสัมพันธ์
• การเปรียบเทียบภายในบุคคล (แนวคิด N-of-1) — ไม่ใช้ค่าเฉลี่ยกลุ่มกับบุคคลโดยตรง แต่ดูรูปแบบที่เกิดร่วมกันในบันทึกคนเดียว โดยไม่พิสูจน์ผลหรือเหตุและผล
• ชีววิทยาเชิงเวลา — เวลาและจังหวะหลับตื่นมีผลต่อตัวชี้วัดทางสรีรวิทยา เวลาในการวัดจึงเป็นบริบทหนึ่งในการแปลผล
• วิทยาศาสตร์พฤติกรรม — เราไม่เร่งให้คุณทำต่อ แทนที่จะเป็นโควตาหรือการแข่งขัน เราค่อย ๆ ถ่ายทอดการสะสมเล็ก ๆ ออกมาเป็นถ้อยคำ
• กฎระเบียบและจริยธรรม — หลีกเลี่ยงข้อความวินิจฉัยหรือรักษา และจำกัดขอบเขตไว้ที่การทบทวนสุขภาวะ ดูการประมวลผลข้อมูล HealthKit การแชร์ที่คุณเริ่มเอง และการซิงค์ของ Apple ได้ที่ ข้อมูลและความเป็นส่วนตัว

เอกสารอ้างอิง

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. Laborde S, 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.