HRV 存在性别差异吗？年龄、指标和测量方法为何会改变答案

首先，性别差异指的是群体平均差异

多数研究中的性别差异，是指女性组平均值与男性组平均值不同。这不表示两个分布彼此分离，也不表示 HRV 能识别每个人的性别。即使平均差异达到统计学显著，同龄女性与男性的数值仍会大范围重叠。

许多较早的数据集只把性别记录为女性或男性二元类别。本文讨论的是这个变量。HRV 不能揭示性别认同、月经周期、妊娠、绝经或激素治疗。

HRV 不是一个单一指标

SDNN 表示一段记录中正常心跳间隔的总体离散程度。RMSSD 表示相邻间隔的变化，在短时静息记录中与心脏迷走神经调节相对密切。Apple HealthKit 把 HRV 存为 SDNN。

频域指标包括 LF、HF 和 LF/HF。LF 有多种生理来源，因此不能把 LF/HF 直接理解为交感神经活动除以副交感神经活动。LF_norm 与 HF_norm 的总和还被限制为固定值，所以也不是彼此独立的证据。

• SDNN：记录期间心跳间隔的总体变化
• RMSSD：相邻心跳间隔之间的短期变化
• HF：受呼吸显著影响的高频成分
• LF/HF：依赖具体情境的比值，不是简单的自主神经平衡仪

大型研究发现了什么？

2016 年的一项荟萃分析汇总了 172 项研究、63,612 名健康参与者。平均而言，女性组的平均 RR 间期更短，因此心率更高；SDNN、总功率和 LF 更低，而 HF 相对占比更高、LF/HF 更低。用 Hedges’ g 表示的标准化平均差为：平均 RR −0.44、SDNN −0.24、标准化 LF −0.38、标准化 HF +0.38、LF/HF −0.39。RMSSD 和 pNN50 在固定效应与随机效应模型中没有显示一致的显著差异。

不过，一项分析 149,205 份 10 秒心电图（ECG）的 Lifelines 研究报告女性的 RMSSD 始终更高。约 820 万名 Fitbit 用户的腕部光电容积脉搏波（PPG）研究发现 SDRR 和 LF 有性别差异，但 RMSSD 或 HF 没有明确差异。

Feelmo 在四数据集再分析中做了什么？

主分析使用 Autonomic Aging 1,073 人、Fantasia 40 人、PhysioNet/Computing in Cardiology Challenge 2018 42 人、MIT-BIH Normal Sinus Rhythm Database 18 人，共四个数据集 1,173 人。另一个敏感性分析加入 MIT-BIH Arrhythmia Database 的 47 人。总数 1,220 包含这些心律失常记录。

在每个数据集中，先把同一个人的多个片段取平均，使每人只贡献一组特征。我们以女性组均值减男性组均值计算 Hedges’ g，再用 DerSimonian–Laird 随机效应模型合并四个数据集的估计。这不是对年龄、呼吸、BMI、药物或其他可能解释进行一致调整的因果分析。

• 主分析：四个数据集、1,173 人
• 敏感性分析：再加入有心律失常数据的 47 人，共 1,220 人
• 效应量：女性组均值减男性组均值，以 Hedges’ g 报告
• 合并方法：DerSimonian–Laird 随机效应模型

探索性再分析中的群体平均差异

四个数据集合并后的点估计为 LF_norm −0.80、HF_norm +0.80、LF/HF −0.63、DFA α1 −0.72。相比之下，RMSSD 为 −0.09、pNN50 为 −0.16，二者的 95% 置信区间都跨过 0。因此，本分析不能确定 RMSSD 或 pNN50 存在一致方向的群体差异。

LF_norm、HF_norm 和 LF/HF 的方向与此前大型荟萃分析一致。更大的效应量估计并不表示“真实”差异更大。人群、记录条件和计算方法不同，简单比较倍数没有明确的生理意义。

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

为什么不能把 LF/HF 称为“自主神经平衡”？

静息时，HF 与心脏迷走神经调节相对密切，但也深受呼吸频率和深度影响。LF 有多种来源，包括交感与副交感影响以及压力感受性反射。因此，LF/HF 不能解释为“交感神经÷副交感神经”，也不是整体自主神经平衡的直接测量。

按常见定义，LF_norm 和 HF_norm 由同一组 LF、HF 数值计算，并被限制为一个上升时另一个下降。LF/HF 也是由这两个成分构成的另一个比值。不能把它们视为三次独立重复。DFA α1 描述心跳间隔的短期分形相关，并不等于自主神经平衡。

为什么 I²=0% 不等于完全一致？

在 LF_norm、HF_norm、LF/HF 和 DFA α1 中，描述数据集间不一致程度的统计量 I² 的点估计为 0%。这表示模型在本分析中没有估计出额外的数据集间方差。它不能证明每个数据集的效应完全相同，也不能证明每个人群都存在同样差异。

主分析只有四个数据集，其中三个不超过 42 人。数据集少、样本小时，发现异质性的能力有限，I² 和数据集间方差都很不确定。RMSSD 的 I² 为 51%，pNN50 为 75%，说明时域指标在数据集间存在较大差异。

年龄模式不能证明绝经是原因

一项对 1,906 名健康人进行五分钟 ECG 的研究报告了年龄、性别与多项 HRV 指标的关联。55–64 岁时，多数指标不再出现性别群体差异；65–74 岁时，除分形维度（FD）外的所有指标都未再观察到差异。它是一项横断面研究，没有随时间跟踪同一批人，也没有仅用激素水平或绝经阶段解释这一模式。

不同年龄组在用药、疾病、身体成分、活动、呼吸和测量时刻上也可能不同。不能从 50 岁后的 HRV 变化倒推出绝经就是原因。

Apple Watch 数值应该怎样使用？

Apple Watch 在 HealthKit 中把 HRV 记录为 SDNN。研究中的 RMSSD、五分钟静息 ECG、24 小时 ECG 和其他厂商的腕部 PPG 数值，不能因为都叫 HRV 就互相替换。

日常使用时，应比较同一设备在相似时刻、姿势和睡眠情境下的测量，并观察数周个人趋势。不要只凭 HRV 诊断健康、疲劳、压力或绝经。如果有症状，应根据症状而不是数字寻求医疗建议。

科学局限

• 讨论的大多数研究为观察性研究，不能证明性别造成 HRV 差异
• 原始数据中的女性/男性二元字段，并不测量性别认同或激素状态
• 四个数据集不是通过系统综述选出的，而是用于探索分析的现有公开数据
• Autonomic Aging 占主分析参与者约 92%，因此对合并结果影响很大
• 静息、睡眠和长时记录被混合，且没有对年龄、呼吸、BMI 或药物进行一致调整
• CinC 2018 包含接受睡眠疾病诊断评估的人，因此不能把四个数据集都称为健康队列
• 仅用四个数据集得到的 DerSimonian–Laird 和 I² 估计具有很大不确定性
• ECG 与腕部 PPG，以及 10 秒、5 分钟、24 小时记录，不能直接比较
• 群体平均差异不是判断个人性别、健康或自主神经状态的分类准确率
• Feelmo 的再分析未经同行评审，也没有独立重复或外部验证