HRV 有性別差異嗎？年齡、指標與測量方法為何會改變答案

先釐清：性別差異是群體平均

研究中的性別差異通常表示女性組平均值與男性組平均值不同，不代表兩組分布完全分開，也不表示可用 HRV 判定每個人的性別。即使平均差異具統計意義，相同年齡女性與男性的數值仍大幅重疊。

許多舊資料集只以女性／男性二元方式記錄生理性別，本文討論的就是該欄位。HRV 無法顯示性別認同、月經週期、懷孕、更年期或荷爾蒙治療。

HRV 不是單一測量

SDNN 描述一段紀錄中正常心跳間隔的整體分散程度。RMSSD 描述相鄰間隔的變化，在短時間靜息紀錄中與心臟迷走神經調節相對密切。Apple HealthKit 以 SDNN 儲存 HRV。

頻域指標包括 LF、HF 與 LF/HF。LF 有多種生理來源，因此不能把 LF/HF 直接解讀成「交感活動除以副交感活動」。LF_norm 和 HF_norm 也受固定總和限制，並非互相獨立的證據。

• SDNN：紀錄期間心跳間隔的整體變異
• RMSSD：相鄰心跳間隔的短期變化
• HF：受呼吸強烈影響的高頻成分
• LF/HF：依情境而異的比值，不是簡單的自律神經平衡計

大型研究顯示什麼？

2016 年的一項統合分析合併 172 篇研究、63,612 名健康參與者。女性組平均 RR 間隔較短，也就是心率較高；SDNN、總功率與 LF 較低，HF 相對占比較高、LF/HF 較低。以 Hedges’ g 表示的標準化平均差異為：平均 RR −0.44、SDNN −0.24、標準化 LF −0.38、標準化 HF +0.38、LF/HF −0.39。RMSSD 與 pNN50 在固定效應和隨機效應模型間沒有一致顯著差異。

不過，Lifelines 研究分析 149,205 份十秒心電圖，報告女性的 RMSSD 一致較高；約 820 萬名 Fitbit 使用者的腕部 PPG 研究在 SDRR 與 LF 看到性別差異，RMSSD 與 HF 則沒有明確差異。

Feelmo 如何進行四資料集再分析

主要分析納入 Autonomic Aging 1,073 人、Fantasia 40 人、PhysioNet/Computing in Cardiology Challenge 2018 42 人，以及 MIT-BIH Normal Sinus Rhythm Database 18 人，共四個資料集、1,173 人。另有敏感度分析加入 MIT-BIH Arrhythmia Database 的 47 人；1,220 的總數包含這些心律不整紀錄。

我們先在每個資料集中平均同一人的多個區段，讓每人只貢獻一組特徵，再以「女性組平均減男性組平均」計算 Hedges’ g，並用 DerSimonian–Laird 隨機效應模型合併四個資料集估計。這不是一致控制年齡、呼吸、BMI、藥物等可能解釋因素的因果分析。

• 主要分析：四個資料集、1,173 人
• 敏感度分析：再加入 47 份心律不整紀錄，總數 1,220 人
• 效果量：女性組減男性組，以 Hedges’ g 表示
• 合併方法：DerSimonian–Laird 隨機效應模型

探索性再分析中的群體平均差異

四個資料集的合併點估計為：LF_norm −0.80、HF_norm +0.80、LF/HF −0.63、DFA α1 −0.72。相較之下，RMSSD 為 −0.09、pNN50 為 −0.16，兩者 95% 信賴區間都跨過零。因此，本分析不能確立 RMSSD 或 pNN50 有一致方向的群體差異。

LF_norm、HF_norm 與 LF/HF 的方向和較早的大型統合分析一致，但較大的效果量估計不表示「真正」差異更大。族群、測量條件與計算方式不同，把兩項分析當成簡單倍數比較沒有明確生理意義。

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

為什麼不能把 LF/HF 稱為「自律神經平衡」

靜息時 HF 與心臟迷走神經調節相對密切，但也深受呼吸速度與深度影響。LF 有多種來源，包括交感、副交感影響與壓力感受器反射。因此，LF/HF 不能解讀成「交感除以副交感」，也不是整體自律神經平衡的直接量測。

依常見定義，LF_norm 和 HF_norm 都由相同的 LF 與 HF 計算，總和受限；一者上升時另一者就下降。LF/HF 也是用同兩個成分計算的比值，不能算作三次獨立重複證據。DFA α1 描述心跳間隔的短期分形相關，本身也不是自律神經平衡。

為什麼 I²=0% 不代表完全一致

LF_norm、HF_norm、LF/HF 與 DFA α1 的 I² 點估計為 0%。I² 是描述資料集間不一致的統計量；這裡只表示模型在本分析中沒有估計出額外的資料集間變異，不代表每個資料集效果完全相同，也不能證明每個族群都有同樣差異。

主要分析只有四個資料集，其中三個樣本數不超過 42 人。資料集少且樣本小時，偵測異質性的能力有限，I² 與資料集間變異都很不確定。RMSSD 的 I² 為 51%，pNN50 為 75%，顯示時域指標在資料集間有明顯差異。

年齡模式不能證明原因是更年期

一項對 1,906 名健康者進行五分鐘心電圖的研究，報告年齡、性別與多項 HRV 指標相關。55–64 歲時，多數指標不再出現性別群體差異；65–74 歲時，除分形維度（FD）外的所有指標都未再觀察到差異。但這是橫斷面研究，沒有長期追蹤同一批人，也沒有單靠荷爾蒙濃度或更年期階段解釋該模式。

不同年齡組在藥物、疾病、體組成、活動、呼吸與測量時段上也可能不同。不能從 50 歲後的 HRV 變化反推更年期就是原因。

Apple Watch 的數值應如何使用？

Apple Watch 在 HealthKit 中以 SDNN 記錄 HRV。研究中的 RMSSD、五分鐘靜息心電圖、24 小時心電圖，以及其他品牌腕部 PPG 的數值，不能只因都叫 HRV 就互換。

日常使用時，請比較同一裝置、相近時段、姿勢與睡眠情境下的測量，觀察自己數週趨勢。不要單靠 HRV 診斷健康、疲勞、壓力或更年期；有症狀時，應以症狀為依據尋求醫療建議。

科學限制

• 本文討論的多數研究為觀察性研究，不能證明性別造成 HRV 差異
• 來源資料中的女性／男性二元欄位，不等於性別認同或荷爾蒙狀態
• 四個資料集不是由系統性綜述選出，而是用於探索性分析的可用公開資料
• Autonomic Aging 約占主要分析參與者的 92%，因此強烈影響合併結果
• 分析混合靜息、睡眠與長時間紀錄，且未一致調整年齡、呼吸、BMI 或藥物
• CinC 2018 包含接受睡眠障礙評估的人，因此不能把四個資料集都稱為健康隊列
• 只有四個資料集時，DerSimonian–Laird 與 I² 的估計有很大不確定性
• 心電圖與腕部 PPG，以及十秒、五分鐘與 24 小時紀錄，不能直接比較
• 族群平均差異不等於分類個人生理性別、健康或自律神經狀態的準確度
• Feelmo 的再分析未經同儕審查，尚無獨立重現或外部驗證