O promjenjivosti otkucaja srca i Apple Watch

Imaš li jedan?

EDIT 3: 10. studenog 2018.: iako se primjenjuje ono što slijedi, sada postoji pouzdano rješenje za korištenje vašeg Apple Watch-a za prikupljanje smislenih podataka o HRV-u prvo ujutro i tumačenje istih. Molimo pogledajte ovaj članak kako biste saznali više.

Ako ste novi u svijetu varijabilnosti otkucaja srca (HRV), možda biste trebali prvo pročitati ovaj post ili pregledati ovaj palub.

Kako gotovo sve utječe na autonomni živčani sustav, prikupljanje i analiza uzdužnih podataka reprezentativnih vagalnih tonova može pružiti uvid u mnoge složene mehanizme koji se odvijaju u pogledu zdravlja i bolesti. Međutim, povijesno je analiza HRV-a bila loše standardizirana, što je dovelo do poteškoća u pravilnom osmišljavanju i provedbi studija kao i poteškoća u uspoređivanju rezultata studija.

Lakoća pristupa podacima HRV-a danas često zamračuje složenu prirodu razumijevanja i ispravne interpretacije pruženih informacija i osnovnih fizioloških procesa. Često se zanemaruje potreba za točnim RR intervalima, uklanjanjem artefakata, kontekstom, najboljim praksama, posebno u prostoru potrošača. Stoga bi i sama priroda HRV-a mogla dovesti (ili može dovesti u budućnost) do zbrke zbog njegove uporabe u primijenjenim istraživanjima i od strane potrošača koji danas imaju pristup tim tehnologijama.

Nažalost, čini se da su najnovije značajke Apple Watcha malo dodale zbrku. Taj je post uglavnom motiviran nebrojenim e-mailovima koje sam primio u vezi s mogućnošću integriranja Apple Watch-a u HRV4Training, koji jasno ističu neke dezinformacije oko teme HRV-a i samog Apple Watch-a.

Jednostavno rečeno, Apple Watch se u ovoj fazi ne može koristiti za pouzdanu i smislenu HRV analizu putem trećih aplikacija.

Zainteresirani za učenje zašto? Nastavi čitati.

"Mogu li koristiti svoj Apple Watch za analizu HRV-a kao što to radim s Polarnim ili drugim senzorom?"

Nažalost, Apple Watch se ne može koristiti kao običan Bluetooth senzor kao što biste koristili, na primjer, Polar remen za prsa. Naravno, Apple Watch razgovara s vašim telefonom putem Bluetooth-a, ali to nije dovoljno. Razlog je taj što Apple Watch ne udovoljava standardnom Bluetooth profilu srčanog ritma niske energije. Što to znači? Standardi se uvode tako da možemo imati interoperabilnost između senzora, telefona i aplikacija koje proizvode ili razvijaju različite tvrtke. Kad se senzor pusti na tržište, ako je tvrtka implementirala standardni Bluetooth niskoenergetski profil otkucaja srca u njemu, svaka aplikacija može razgovarati s njim. To je slučaj za Polar, Wahoo i mnoge druge proizvođače vani. Drugi, ne udovoljavaju standardima, na primjer Fitbit ili Apple, što znači da aplikacije treće strane ne mogu izravno razgovarati sa svojim senzorima, izvan ekosustava koji stvaraju.

Na primjer, u slučaju Applea, svaka interakcija mora biti putem aplikacije Health, a nije moguće da bilo koja treća aplikacija izravno razgovara s satom. Ovo ograničenje ima ozbiljne posljedice jer sat zapisuje Health na način koji je izvan kontrole aplikacija trećih strana.

Prvo izdanje: čak i ako sat mora točno izračunati HRV i upisati ga u Health, to bi i dalje bio problem u pogledu korisničkog iskustva jer treća aplikacija ne može pokrenuti HRV mjerenje. Slično tome, aplikacija Health može se ažurirati u različito vrijeme s obzirom na to kada želite koristiti aplikaciju treće strane.

Kao što je rečeno, postoje senzori koji ne udovoljavaju standardima, ali ipak pružaju način za dobivanje ili sirovih podataka (PPG) ili za nadmašivanje podataka (RR intervali) koje bi tada mogla koristiti treća aplikacija poput HRV4Training za računanje HRV. Ni kod Apple Watch-a to nije slučaj, jer nisu dostupni neobrađeni podaci ili podaci o ritmu. Čak i kada je senzor u načinu rada ili koristi aplikaciju 'Diši' (detaljnije o tome kasnije), a podaci se pišu Zdravlju s većom učestalošću (uzorak svakih nekoliko sekundi umjesto jedan na nekoliko minuta), ti su podaci apsolutno nedovoljni za izračunavanje HRV-a nije precizan ritam otkucaja, nego jednostavno prosječni rad srca.

Drugo izdanje: osnovna jedinica podataka potrebna za izračunavanje HRV-a uopće nije dostupna.
Istovremeno snimanje pomoću Polar H7 prsnog remena povezanog s aplikacijom HRV Logger (naši referentni podaci) i aplikacijom 'Breathe' u Apple Watch-u. Na snimkama zaslona s desne strane vidimo kako se unatoč ručnom mjerenju HRV-a pokrenutoj pomoću aplikacije 'Breathe', za minutu podataka bilježe samo dva otkucaja srca (u prošlosti sam vidio niz različitih ishoda međutim, očigledno nema podataka o ritmu da se tuku). Gornji zaplet prikazuje kako izgledaju podaci o ritmu udaranja tijekom vježbe disanja, s jasnim oscilacijama otkucaja srca zbog udisaja / udisaja, to bi bili podaci koje bismo trebali da izračunamo druge značajke HRV-a iz RR intervala, koji međutim nisu prisutni u zdravstvu.

"Ali moj Apple Watch piše HRV to Health"

Istina, Apple Watch je počeo pisati podatke o HRV-u u Health kad se upotrebljava aplikacija 'Breathe', a također u neka druga vremena tijekom dana ili noći. Nekoliko stvari o kojima bi ovdje trebalo razgovarati jesu:

  1. Koliku je vrijednost napisao Apple Watch to Health (HRV nije jednoznačan broj i može ga se kvantificirati na više različitih načina, neki su smisleniji od drugih).
Treće izdanje: kada pogledamo kratka mjerenja HRV-a (1–5 minuta), jedina stvar koju stvarno možemo zabilježiti je parasimpatička aktivnost, koja je kvantificirana osobinama različitima od onih koje je izračunao Apple Watch i dostupna u Healthu - provjerite veze na početku ovog posta, ako ne znate o čemu govorim, analiza HRV-a jednostavno je način za hvatanje dobro poznatih procesa koji predstavljaju fiziološki stres - ako se pravilno obavi.

2. Koji su kriteriji i koje su implikacije nedostatka kontekstualizacije ovog mjerenja (čitajte: podaci se pišu nasumično tijekom dana, umjesto u jasnom kontekstu, prvo ujutro, jer toplo preporučujem ako želite imati bilo kakav smisao podataka - više o najboljim praksama i smjernicama za HRV analizu dostupno je i ovdje).

Četvrto pitanje: kontekst je sve kad govorimo o tumačenju fizioloških podataka, a ovdje radimo korak unatrag zbog nedostatka konteksta.

Idemo malo dublje istražiti ove dvije točke.

1. Koliku je vrijednost napisao Apple Watch to Health

Trenutno je SDNN vrijednost ono što podržava Health (a izračunava i Apple Watch). Osobno vjerujem da je ova odluka uglavnom posljedica činjenice da se medicinska zajednica povijesno oslanjala na vrijednost SDNN-a kada je koristila HRV u kontekstu kliničke dijagnoze / medicinske primjene ili jednostavno stratificirala populaciju (npr. Za smrtni rizik). No, kao i uvijek, prvo bismo trebali razumjeti kako i zašto se koristi SDNN te kako i zašto koristimo drugačiju metriku.

Prije svega, SDNN se koristio u kontekstu 24-satnog mjerenja, kako bismo stekli razumijevanje promjena srčane promjenjivosti tokom dana, kao odgovor na cirkadijanski ritam i akutne stresore. Radilo se uglavnom o razlikovanju nikakve varijabilnosti (nesposobnost sustava da reagira na bilo koji stresor, kao što se može dogoditi u slučaju teških kroničnih stanja / bolesti) u odnosu na zdrav kardiovaskularni sustav - kao što SDNN matematički izračunava količinu varijabilnosti u našem 24 sata intervala RR (beat to beat razlike). Ova metoda omogućuje kvantificiranje makro razlika u fiziologiji između specifičnih zdravstvenih stanja i zdravih kontrola (između pojedinih studija). Ova metoda je također vrlo ovisna o fizičkoj aktivnosti i drugim zbunjujućim čimbenicima koji tijekom dana utječu na fiziologiju. Osobno, nagađao bih da se većina razlika između skupina koje je SDNN otkrio tijekom 24 sata također zabilježi jutarnjim ili noćnim mjerenjima (dobro kontekstualiziranom fiziologijom odmaranja) u smislu jasnih obilježja parasimpatičke aktivnosti poput rMSSD ili HF.

Primjer upotrebe značajke SDNN u medicinskoj literaturi. Preživljavanje bolesnika na hemodijalizi bez događaja i veće varijabilnosti otkucaja srca. naslovi: a) Viša skupina SDNN pokazala je značajno veći glavni štetni opstanak srčanih i moždanih cerebrovaskularnih događaja nego niža skupina SDNN. b) SDANN viša skupina pokazala je značajno veći glavni nepovoljni srčani i cerebrovaskularni preživljavanje bez događaja, od niže skupine SDANN. Iz ovog rada.

Stvari su se od tih vremena puno promijenile. Sada možemo pribaviti podatke u poznatom kontekstu (prvo ujutro) izvan laboratorijskih uvjeta, tako da je učinak zbunjujućih čimbenika / vanjskih stresora ograničen, a također i lako poboljšati usklađenost. Konačno smo prešli iz analize unakrsnog presjeka između predmeta (čitaj: razlike između bolesti i zdravlja u 24 sata holter mjerenja od različitih ljudi), do unutarnji subjekt longitudinalne analize (čitaj: snažnija analiza koja nam omogućava praćenje promjena u fiziologiji zajedno s promjenama u zdravlju, specifičnom bolešću, fizičkim performansama za pojedinca).

U kontekstu naše procjene početnog kroničnog stresa primjenom dobro kontekstualiziranog jutarnjeg mjerenja kratkog trajanja - što je po mom mišljenju mjesto s kojeg bismo trebali započeti, ako želimo naučiti malo više o stresu i fiziologiji pomoću HRV-a - to čini manje smisla je pogledati SDNN, a trebali bismo gledati HRV-ove značajke reprezentativne za parasimpatičku aktivnost kao što su rMSSD ili HF.

U HRV4Trainingu koristimo rMSSD jer je dobro utvrđeno da je on marker parasimpatičke aktivnosti, i samim tim što je niža vrijednost, viša je razina stresa u odnosu na vaše početne / prošle podatke (očito je previše pojednostavljenja). Sa ljudske fiziološke točke gledišta, ovo se povezuje s činjenicom da je parasimpatička aktivnost uglavnom aktivnost vagusnog živca. Vagusni živac djeluje na signalne čvorove receptora da moduliraju puls na ritmu za ritam, dok simpatička aktivnost ima različite putove s sporijom signalizacijom, stoga promjene ritma u ritmu odražavaju parasimpatičku aktivnost i mogu se kvantificirati pomoću rMSSD ili HF (vidjeti Nunan i sur.).

Nažalost, Health trenutno ne dopušta programerima da pišu druge značajke osim SDNN-a, jer to računa i izvještava Apple Watch. Kako je Apple u posljednjih nekoliko mjeseci poboljšavao Health and Watch, nadamo se da će se u budućnosti dodati i više HRV značajki.

Molimo pogledajte Edit 2 na dnu stranice radi dodatnih razmišljanja o ovoj točki.

2. Koji su kriteriji i koji su implici nedostatka kontekstualizacije ovog mjerenja

Kao što je spomenuto, Apple Watch povremeno piše HRV (SDNN) vrijednosti za Health, no nejasno je koji su kriteriji (izvan korištenja aplikacije 'Breathe' za koju se čini da stalno pokreće čitanje SDNN-a) i to također nije jasno što je točnost.

Općenito, obeshrabrio bih provjere / mjerenja u toku dana, jer imaju vrlo malu ponovljivost i obično jednostavno odražavaju neke prolazne akutne stresore i učinak tjelesne aktivnosti (čak i samo hodanje u drugu sobu, povećat će vam otkucaje srca i smanjiti HRV na nekoliko sekundi / minuta, ovisno o vašoj kondiciji i zdravstvenom stanju, a kamoli piti kavu, uzrujavati se zbog svog Facebook feeda itd.). Postoji velika varijabilnost u HRV-u, znatno veća nego u otkucaju srca i zato kontekst postaje još važniji.

U idealnom slučaju, ono što biste željeli zauzeti je osnovni kronični stres, a to je ono što mjerite kada čitate svoje čitanje u poznatom kontekstu s ograničenim utjecajem vanjskih čimbenika, što znači prvo ujutro prije jela, pića, bavljenja sportom, čitanja vašeg e-pošta itd.

Početni kronični stres odražavat će glavne stresore poput životnog stresa, naporne vježbe, putovanja, malo previše pića sinoć itd. - a kvantifikacija će vam omogućiti da bolje shvatite kako vaše tijelo reagira na vaš životni stil, nadamo se da vodi do provedbe značajnih promjena. Ovo je najznačajnija praktična primjena HRV-a za potrošača danas.

HRV4Training mjerenje temeljeno na kameri.

Slučaja manje je više

Čak i kada se podaci o ritmu za batine mogu steći s velikom točnošću u slobodnom životu, jedno jedinstveno mjerenje u dobro poznatom kontekstu (prvo ujutro) je vrjednije od snimanja više podataka u nasumično vrijeme tijekom dana ili kontinuirano.

Zašto je to? Uzmite u obzir da je ono što pokušavamo izmjeriti parasimpatičkom aktivnošću, pa je grana autonomnog živčanog sustava (ANS) zadužena za odmor, oporavak i opuštanje. Na ANS djeluje gotovo sve (hrana, alkohol, kava, stres - samo razmislite o tome da pročitate nešto na mreži i dobijete neku emocionalnu reakciju bez ikakvog vremena), dakle mjeri se tijekom dana, a potencijalno je korisno ako se pravilno kontekstualizira (npr. Ako možete povežite fiziološke odgovore s onim što se događa, jer slične reakcije pokreću i fizički - trening ili samo hodanje - i psihološki - emocionalni ili drugi - stresori, tako da sama fiziologija, bez konteksta, zaista nije korisna), obično je jednostavno odraz svih akutnih stresora s kojima se susrećemo tokom dana. Ako je vaš interes mjerenje vašeg odgovora na unos hrane ili sesije meditacije, to ima puno smisla (iako je čak i u tom slučaju bolji dizajn eksperimenta mjerenje stresa prije / poslije i analiziranje relativnih promjena).

Međutim, ako ste zainteresirani za mjerenje osnovnog / osnovnog fiziološkog stresa kako biste potencijalno prilagodili svoj način života ili plan treninga, tada bi vam nedostajali ti podaci ili ga zbunjivali s onim što se događa u vaš dan. Na HRV jako utječu akutni stresori, stoga je važnost 'jutarnje rutine', mjerenje čim se probudite dok pokušavate ostati opušteni.

Nemogućnost dnevnih mjerenja da odražavaju temeljni fiziološki stres pokazala je nedavno i u radu čiji je autor Ricardo Mesquita, gdje su autori zaključili da „Analiza RMSSD-a iz svakodnevnih rutinskih aktivnosti nije pouzdana i stoga se ne može pretpostaviti valjanost. RMSSD bi stoga trebalo izračunati iz RR intervala zabilježenih u standardiziranim uvjetima, kao što je tijekom OT nakon buđenja. '- ovo je čak i pod pretpostavkom da se rMSSD može ispravno snimiti tijekom svakodnevnih aktivnosti, što ne treba uzimati zdravo za gotovo kada koristite uređaje temeljene na PPG ( više o artefaktima, kasnije). Ovdje papir.

U redu, još nekoliko riječi o tehnologiji i artefaktima.

"Nije moguće da Apple Watch ne može precizno izmjeriti HRV, a to možete učiniti s telefonskom kamerom."

Apple Watch može točno mjeriti HRV. Zaista se nadam tome i voljeli bismo ga koristiti s tehnologijama koje smo razvili. U nekim našim usporedbama s Polar prsnim remenima Apple Watch je, ustvari, pokazao sjajan dogovor u pogledu izmjerenog SDNN-a dok je koristio aplikaciju 'Breathe' (u gornjem primjeru, Apple Watch je izvijestio o SDNN 131 ms, dok je Polar + HRV Logger izvijestio je 137 ms, s obzirom da dva toka nisu čak ni pravilno sinkronizirana, ovo izgleda vrlo dobro - pogledajte Uredi 1 na dnu stranice).

No u ovom trenutku treba biti jasno da podaci nisu u traženom formatu da bismo mogli izračunati značajke koje koristimo u vrijeme kada su nam potrebne. Problem nije „biti sat“ ili „koristiti optička mjerenja“, već jednostavno biti zaključan na način koji sprečava vrstu korištenja koja bi nam bila potrebna, ako želimo pružiti vrijednost na temelju tih podataka, a ne samo brojeva ili prilično parcele.

U ovoj fazi HRV4Training omogućuje vam mjerenje s kamerom (validirano mjerenje), kao i redovite senzore koji su u skladu sa standardnim protokolima, uključujući i jedini narukvicu koji možemo pronaći, koji u određenim okolnostima može izvijestiti o točnim intervalima RR-a.

Istodobni R-R interval za pojedinog subjekta tijekom 60 sekundi snimanja za fotoplethismographic (PPG), polarni remen prsnog koša (H7) i elektrokardiogram (EKG). Moguće je. Ovdje papir.

Kako se aplikacija koristi za jutarnje mjerenje u kojem je korisnik potpuno miran, ona se po definiciji koristi u optimalnoj postavci za optička očitanja, dok bi svako kretanje zgloba ili drugo pitanje dok Apple Watch mjeri potencijalno stvorilo artefakte.

Artefakti?

Da, artefakti.

Dvije uzastopne minute EKG podataka. Druga minuta uključuje jedan jedini ektopični ritam. rMSSD za prvu minutu podataka iznosi 79 ms, za drugu je 201 ms, što je velika razlika s obzirom da se ništa nije promijenilo u smislu parasimpatičke aktivnosti. Imajte na umu da je ovo EKG, a na sve modalitete senzora utječu artefakti, ponekad različite prirode, s kojima treba rješavati, ako želimo shvatiti podatke.

Na HRV podatke jako utječu artefakti, bilo u mjernom uređaju (otkriven pogrešan ritam, pokret za PPG senzore), bilo u stvarnim podacima (ektopični ritam, aritmije) s kojima se treba pravilno rukovati.

Nejasno je kako se Apple Watch bavi artefaktima i u ovoj fazi ne postoji način da se shvati da li ih ima, jer se ne izvješćuje o mjernim podacima o kvaliteti podataka. Tvrdio sam drugdje (ovdje) za veću transparentnost, posebno kada se radi o fiziološkim podacima, jer gotovo da nijedan senzor tamo ne pokazuje pokazatelje razine pouzdanosti na kvalitetu podataka koji se prijavljuju, što ima implikacije na one koji se oslanjaju na takve podatke. analitika višeg nivoa.

Pametna tvrtka Cardiogram iskoristila je činjenicu da Apple Watch ne može ispravno prijaviti otkucaje srca kada je prisutna aritmija (ovdje govorimo o prosječnom broju otkucaja srca, mnogo jednostavnijoj mjernoj vrijednosti, a ne varijabilnosti) kako bi identificirali zdrave pojedince i pojedince s aritmijama.

Iako se mogućnosti i ograničenja gledanja mogu iskoristiti i na višim razinama aplikacija koje imaju za cilj združivanje dijelova stanovništva u različite skupine na temelju zdravstvenih mjernih podataka / stratifikacije rizika, ovo je problem ako se trudimo pouzdano i točno mjeriti. HRV pojedinca, koristeći se Watchom kao i danas.

Podaci Apple Watch za osobu s atrijskom fibrilacijom preuzeti iz kardiogramskog bloga, na ovoj poveznici. Kao što vidite, postoje čitave minute bez podataka o brzini otkucaja srca ili pogrešnih podataka, jer Apple Watch ne uspije ispravno izmjeriti u tim okolnostima. Očigledno nije kako izgleda atrijska fibrilacija, no to je problem ako želimo pouzdano izmjeriti HRV pomoću ovog uređaja, jer ne samo da su podaci netočni, već se i ne prijavljuju kao takvi.

Pa što?

Vjerujem da Apple ide u pravom smjeru, a na HRV4Trainingu nastavljamo gledati podatke kao i druge mogućnosti korištenja Watch-a, pa nadam se da je ovo samo pitanje vremena. Međutim, trenutno očito nije moguće integrirati sat u aplikaciju.

Nadam se da ste ovo čitanje učinili pomalo korisnim i da će vam pomoći da najbolje iskoristite raspoložive tehnologije.

Moramo naučiti mnogo od toga da budemo malo svjesniji naše fiziologije i kako reagiramo na različite životne stresore, no stvarno je važno da su ta mjerenja točna i pravilno kontekstualizirana.

Saznajte više na vezama u nastavku:

Dobijte mjerenje. Nisu potrebni senzori.

EDIT 1: 28. rujna 2018.: Hernando i dr., U nedavnom radu pod naslovom „Validacija Apple-ovog čuvara za mjerenja varijabilnosti otkucaja srca tijekom opuštanja i mentalnog stresa kod zdravih subjekata“ pokazuju da su intervali RR-a od Apple Watch-a vrlo precizni , što je fantastična vijest. Ono što se raspravlja u ovom postu ipak primjenjuje, stoga je jedini način da se dobiju intervali RR putem aplikacije Breathe, niti jedna druga aplikacija ne može pristupiti tim podacima ili izvršiti mjerenje, nažalost.

Iz papira: „Apple ne uključuje nijednu metodu programiranja za programere za direktan pristup vrijednostima. Ova aplikacija (Breathe) pohranjuje sirove vrijednosti RR-a, s preciznošću centisekunde, u osobni zdravstveni karton korisnika, dostupan za izvoz u XML formatu pomoću Apple-ove Zdravstvene aplikacije. "

EDIT 2: 15. listopada 2018 .: zbog činjenice da se čini da se stvari neće uskoro mijenjati u pogledu pristupa neobrađenim PPG podacima ili čak samo RR intervalima, što znači da smo (kao programeri) zaglavili sa SDNN vrijednošću napisano u Health-u, obavio sam dosta posla kako bih bolje razumio njegovu učinkovitost u kontekstu kratkoročnih mjerenja koja su prvo izvršena ujutro i snimanja kroničnog stresa kao što bismo to učinili s rMSSD-om. Rezultati su prilično pozitivni, a šira rasprava o ovom aspektu može se naći u ovom postu na blogu: https://www.hrv4training.com/blog/heart-rate-variability-hrv-features-can-we-use-sdnn- umjesto-of-rmssd-a-data-driven-perspektiva na kratkoročne-varijabilnosti-analiza

Marco je magistrirao u primijenjenom strojnom učenju, mr.sc. cum laude inženjer informatike i trenutno je upisana na mr.sc. u znanosti o ljudskom pokretu i visoko-uspješnim treniranjem.

Objavio je više od 50 radova i patenata na raskrižju fiziologije, zdravlja, tehnologije i ljudskih performansi.

Suosnivač je HRV4Traininga i voli trčati.