平衡的科学

这里会附上出处，整理与 Feelmo 相关的 HRV 一般科学。产品独有处理的详细内容不公开。引用的同行评审论文用于说明一般背景，并未验证产品分数本身。

本页把 HRV 的一般科学与 Feelmo 的产品显示分开说明。引用论文只支持一般背景，并不验证 Feelmo 的准确性或效果。

什么是自主神经？与 HRV 有什么关系？

自主神经在无意识时调节呼吸、心跳与消化。它对心脏的调节会影响 HRV，但呼吸、姿势、时刻、运动、睡眠、药物、疾病和测量条件也会让 HRV 改变。因此，单个 HRV 数值不能直接测量交感与副交感的“整体平衡”、压力或健康（Task Force, 1996; Shaffer & Ginsberg, 2017）。

哪些生活条件可能影响 HRV？

研究报告了以下人群关联或短期变化，但不能仅凭这些结果判断个人自主神经已经“调节好”。

• 缓慢呼吸 — 每分钟约 6 次的呼吸在部分研究中与练习期间 HRV 变化相关；舒适速度与反应因人而异（Lehrer & Gevirtz, 2014; Zaccaro et al., 2018）
• 光线 — 光是影响昼夜节律与睡眠时相的重要环境因素（Blume et al., 2019）
• 规律运动 — 荟萃分析报告了它与静息 HRV 变化之间的人群关联（Sandercock et al., 2005）
• 统一测量条件 — 减少姿势、时刻、呼吸与设备差异，有助于重复比较。睡眠中 HRV 仍会随睡眠阶段和动作变化（Trinder et al., 2001; Stein & Pu, 2012）

以上都是人群层面的趋势，表现程度因人而异。

心跳，并不是节拍器

相邻心跳间隔（R-R 间期）会随呼吸、姿势、活动、时刻和多种生理条件发生细微变化。对这种变化进行概括，就是 HRV（心率变异性）。

呼吸过程中出现的心跳间隔变化称为呼吸性窦性心律不齐。迷走神经活动在其中很重要，但呼吸速度与深度也会显著影响数值。仅凭 HRV 偏高或偏低，不能确定个人的紧张、情绪或恢复状态。

1996 年联合工作组报告提出了 HRV 测量与生理解释的标准化建议（Task Force, 1996）。此后，许多研究用 HRV 探讨心脏的自主神经调节，但 HRV 并不直接显示整体自主神经（Shaffer & Ginsberg, 2017）。

Feelmo 看的是什么

Balance 是 Feelmo 自有的参考指标。HRV 表示心跳之间时间间隔的变化。分数不直接测量自主神经、情绪、疲劳或恢复，也不是与他人比较的成绩。

为什么参考个人过去趋势？

HRV 的绝对值会随年龄、性别、个人与测量条件而有很大差异。一项涵盖 10 至 99 岁样本的研究报告了多项 HRV 指标随年龄变化的人群趋势（Umetani et al., 1998）。这种平均趋势不能判断个人状态。

所以 Feelmo 的 Balance 是参考本人过去趋势的产品内显示。比较与显示规则不公开，也不是医学基准范围。即便如此，也不能只凭数字判断健康、压力、疲劳、恢复或是否适合活动。

六位伙伴，陪你看看今天的自己

六位伙伴用亲切的表情呈现日常变化。看看它们的脸，停下来问问自己：“今天感觉怎么样？”请珍惜自己的真实感受，也可以在心情记录里记下在意的事情。

何时测量——为什么珍视安静与睡眠

手腕光学传感器虽然方便，却会受身体动作和佩戴接触影响。走路或摆动手臂时，测量噪声可能增大。坐着或睡眠中动作可能较少，但也不代表始终准确。

之所以仔细观察睡眠期间，有几个理由。

• 睡眠中手腕动作可能少于白天活动时，但仍受睡眠阶段、觉醒、姿势、呼吸与缺失记录影响
• 深度非快速眼动睡眠中，心脏自主神经模式在群体平均上会改变；但不能用一个手腕 HRV 数值判断个人睡眠阶段或恢复（Trinder et al., 2001）
• 睡眠与 HRV 的关系，也已在系统综述中得到梳理（Stein & Pu, 2012）

压力与平衡

荟萃分析报告了心理压力与部分 HRV 指标之间的人群关联（Kim et al., 2018）。脑成像研究的荟萃分析也讨论了 HRV 与参与自我调节的脑区之间关联的模型（Thayer et al., 2012）。但这些结果不表示 HRV 能直接显示个人压力或健康。相关背景见大脑与心脏的连接。

群体层面存在相关，不表示 HRV 能准确判断一个人的心理压力。首页的压力水平是产品内显示，不直接测量心理压力或疾病。

缓慢呼吸时，可能发生什么变化？

一些研究用压力感受器反射与呼吸节律的相互作用，解释每分钟约 6 次缓慢呼吸与练习期间 HRV 变化的关联。个人的共振速度与反应并不相同（Lehrer & Gevirtz, 2014）。

关于缓慢呼吸的综述报告了练习期间心率、HRV 与主观放松感的变化，但研究方法和结果并不完全一致（Zaccaro et al., 2018; Russo et al., 2017）。

缓慢呼吸可能在练习期间让 HRV 增大，但这不等于整体自主神经改善或获得长期健康效果。效果与舒适速度因人而异。

关于光与运动

身心状态 标签页的习惯日志之所以处理日照与活动量，同样有其背景。

• 光是影响人类昼夜节律与睡眠的重要环境因素（Blume et al., 2019），但只靠记录不能知道个人效果。
• 规律运动与静息 HRV 变化的群体层面关联已在荟萃分析中报告（Sandercock et al., 2005）。不能用步数或 HRV 单独判断恢复或训练准备度。

这些都不是“必须这样做”的指标任务。即使生活记录与平衡度一起变化，也不能证明个人效果或原因。

在手腕上测量这件事

Apple Watch 的光学传感器使用手腕脉搏波。一项小型验证研究在健康成人的静息与心理压力任务中比较了 Apple Watch 衍生的搏动间隔与心电图，但结果不能直接推广到所有人、所有场景或整夜睡眠（Hernando et al., 2018）。

Feelmo 会在设备内读取你允许的 Apple Watch / HealthKit 记录。心灵平衡度处理的详细内容不公开。

回顾你自己的记录——N-of-1 的思路

群体平均值与在你自己记录中观察到的关联是两回事。Feelmo 的习惯相关模式（Feelmo Premium）只汇总用户记录的习惯与 Balance 之间的观察性关联。处理细节不公开，也不证明效果或因果关系。它与回顾个人记录的 N-of-1 思路相通，但不是随机试验或因果分析。

它不会把一般说法直接套在你身上，而是把你自己记录中观察到的相关性作为参考——这是一种把每一个人都当作主角的视角。

支撑 Feelmo 的学问领域

下面介绍理解 Feelmo 画面时相关的学科领域。这份列表不表示各领域已经验证 Feelmo 分数的准确性或效果。独有处理的详细内容不公开。

• 心脏自主神经科学、HRV — 参考 HRV 的生理背景与测量局限。
• 心理生理学 — 注意心理体验与生理信号不是同一件事；六种表情不是情绪分类。
• 信号处理、时间序列解析 — 说明手腕记录可能出现噪声与缺失的一般限制。
• 统计学 — 提供同时看待变化与不确定性的视角。
• 决策科学 — 设计界面与文案，避免用户只凭一个数字决定行动。
• 观察数据统计 — 谨慎比较日常记录中的相关性，不从相关性推断原因或证明效果。
• 个别化的方法论（N-of-1 的思路） — 观察个人内的记录模式，同时与随机试验和因果分析区分开来。
• 时间生物学 — 参考 HRV 可能随时刻与生活节律改变的一般知识。
• 行为科学 — 我们不会催促你坚持下去。比起指标任务或竞争，我们悄悄地把小小的积累化作言语。
• 规制、伦理 — 避免诊断与断定，把内容保持在自我照护的框架内。HealthKit 衍生数据的处理、由你发起的共享和 Apple 同步，见数据与隐私。

参考文献

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.