今天為什麼研究這個？

Day 3 談完 PPG 取出心跳間隔之後，接下來就是 HRV。這應該是穿戴裝置的恢復／壓力類指標中最常被引用的，但同時也讓人感到陌生卻又容易被誤解的指標。市面上的 app 隨便抓一個HRV數據就說「你今天恢復不佳」或是「你壓力很大」，我一直很好奇這裡面到底發生了什麼事。今天會把 HRV 拆成兩個最基本的時域指標：RMSSD 與 SDNN，它們一個看逐拍差值，一個看整體離散度，但用途完全不同。為什麼 HRV 高低不代表健康，什麼情況下 HRV 會失真，又是什麼會導致數據完全錯掉？

Concept

心率變異度（HRV）測量的不是心跳速度，而是連續心跳間期的時間變化。RMSSD 與 SDNN 雖然都是以「毫秒（ms）」為單位的時域指標，但捕捉的生理訊號與時間維度截然不同。

1. 計算口徑與數學定義差異

• 兩個指標的字面定義都建立在 NN 上。Task Force 1996 把 NN 定義成「相鄰 QRS 之間、由竇房結去極化產生的所有間期」，也就是異常拍與雜訊已經剔除之後的序列；RR 與 NN 的差別不是標記法，是有沒有做過剔除這一步。
• 來自ECG處理訊號的演算法鏈：R 波偵測 → R-R（所有相鄰心跳）→ 剔除非竇性拍與雜訊、處理剔除留下的斷點 → NN → RMSSD / SDNN。判準這一拍從哪裡來，不是訊號乾不乾淨——心室早發拍波形清楚、品質完美，但它不從竇房結來，一樣要剔。下面 Hands-On 被剔掉的 161 個間期就全是這種拍造成的（68 個心室早發、13 個心房早發），沒有一個是偽影。
• 剔除也不是原地換個名字，丟掉的間期會在序列裡留下時間斷點，而跨斷點的差值已經不是「相鄰 NN 的差」。這一步做了什麼、丟了多少，跟指標值一樣屬於口徑。
• 穿戴裝置處理訊號的演算法鏈：脈波峰偵測 → 峰間期 → 過濾偽影 → 到此為止。PPG 看得出這一拍什麼時候到，看不出它從哪裡來，竇性與否無從判定，所以濾得再乾淨也到不了 NN。這條鏈的產物該叫什麼、與 ECG 差多少，第 4 節談。
• RMSSD 透過「逐拍相減」的微分效果，過濾掉了心率隨時間緩慢漂移的低頻趨勢，只留下瞬間的拍動跳躍。
• SDNN 則不看相鄰兩拍的差距，而是把所有間期拉成一整個分佈算標準差，因此時間拉得越長（例如 5 分鐘 vs. 24 小時），數值差異極大，受晝夜節律與活動影響甚鉅。

2. 生理機制：各自描述哪一種變異？

RMSSD（副交感神經／迷走神經的即時鏡子）

心臟的迷走神經釋放乙醯膽鹼，作用時間極短（數十毫秒內即可啟動與終止），能在單次心跳之間迅速調節心率（如呼吸性竇性心律不整 RSA）。交感神經的反應慢（經由正腎上腺素傳導，需數秒才有反應），無法造成逐拍劇烈變化。因此，RMSSD 是目前臨床與穿戴裝置評估副交感（迷走神經）張力最常用的指標。

SDNN（自律神經總輸出與動態調控能力）

包含了副交感神經的高頻跳動、交感神經的慢速拉升、體溫調節、神經內分泌（如腎上腺素）以及 24 小時晝夜節律的總和。SDNN 描述的是整體自律神經系統適應內外環境變化的總儲備量，標準的臨床評估通常基於 24 小時動態心電圖（Holter）。

3. 為什麼「HRV 越高越好」是錯誤框架？

許多人把 HRV 當成「遊戲分數」，誤以為數值無上限衝高代表越健康，這忽略了生理與量測兩邊的限制：

1. 心律不整與傳導異常的偽高訊號：心房顫動（AFib）、頻繁的心室早期收縮（PVC）或心房早期收縮（PAC），會造成心跳間期極度混亂。演算法若未完全剔除異常拍，算出來的 RMSSD 與 SDNN 會飆到異常高值，但這代表的是心臟傳導病態，而非自主神經健康。
2. 跨人比高低這件事本身就不成立：Nunan 2010 回顧 44 篇研究、21,438 位健康成人，發現個體之間的 HRV 差異大到 260,000%（主要出現在頻域指標），而且各研究對 RR 的剔除與編修方式不同，本身就讓數值彼此對不上。

4. 手錶上顯示的 HRV，其實是 PRV

一般入門消費型穿戴裝置沒有 ECG。它拿到的是 PPG 脈波的峰到峰間隔（pulse cycle interval），由此算出的變異性，正確的名稱是 PRV（pulse rate variability）。Schäfer & Vagedes 2013 回顧 PPG 與 ECG 的對照研究，結論是靜止時 PRV 的準確度足夠，但短期變異會被略微高估，來源是呼吸與心血管系統的耦合效應；而在身體活動與部分心理壓力下，PRV 與 HRV 的一致性明顯變差。

那為什麼顯示出來的還是叫 HRV？我想到兩層原因：

• 使用條件剛好落在誤差可接受的那一段。 消費裝置多半只在睡眠或靜止時算這個數字，而那正是 Schäfer 說「準確度足夠」的條件。在這個前提下叫它 HRV，失真有限。
• 名字是沿用來的，不是量出來的。 HRV 在使用者、文獻與平台 API 裡都是既有詞彙，PRV 沒有這個認知基礎，改名的成本全落在廠商身上而好處落在讀者身上。這一層我沒有來源，是推論。

Hands-on

Dataset

今天要釘的是口徑，而口徑的核心是。NN要判斷一拍從不從竇房結來，得看得到 R 波形態，手錶給不了這個。所以今天刻意用 ECG 導出的間期：先在看得見波形的資料上把定義講清楚，Day 9 再拿 PPG-DaLiA 的雙通道去量手錶那條鏈到底差多少。

PhysioNet 的 Normal Sinus Rhythm RR Interval Database（nsr2db），54 筆長時間紀錄，13 MB。檔案不是現成的間期表，而是 WFDB beat annotation（.ecg）加表頭（.hea）；ANNOTATORS 寫的是 "corrected beat annotations from an automated detector"——自動偵測後再人工校正，不是原始 ECG，也不是無誤的真值。每一拍都帶 annotation code（N 竇性、V 心室早發、A 心房早發），要不要剔除是讀的人自己決定——名字裡的 RR 指的是它給你未剔除的完整序列，下面的 R-R 與 NN 兩條線都是從同一個檔案產生的。取樣率 128 Hz，間期解析度 1000/128 = 7.8125 ms，正是 Task Force 提到的 "approximately 8 ms (precisely 7.8125 ms=1/128 seconds)"；nsr001 的十萬多個間期，每一個都落在這個格點上。另一半資料是合成的：變異型態已知、兩個指標可以用紙筆算出來的短序列。

Method

1. 造兩條 n=20 的序列，母體 SD 都設成 30 ms：一條逐拍一長一短，一條單調漂移。RMSSD 的期望值是解析解（2d 與步長 d / sqrt((n²−1)/12)），不是跑完再抄回來。
2. 在乾淨序列中間插一個縮短 40% 的間期、後接代償性長間期，總時長不變，刻意不剔除。
3. 讀 nsr001，一次取所有相鄰心跳（R-R），一次只取兩端都是竇性搏動的（NN）。
4. 同一筆資料切成 5 分鐘視窗各算一次，跟 22.55 小時的全段比。

SDNN 的標準差用 ddof=1。Task Force 只寫 "the square root of variance"，沒指定母體或樣本，n=20 時兩者差 2.6%——這種選擇不記下來，同一個函式名就會產出兩種數字。

Code

from wearable_ai.datasets.physionet_rr import load_rr
from wearable_ai.hrv import rmssd, sdnn
from wearable_ai.synthetic import alternating_rr, ramp_rr

alt = alternating_rr(20, mean_ms=1000, sd_ms=30)   # 逐拍一長一短
ramp = ramp_rr(20, mean_ms=1000, sd_ms=30)         # 單調漂移，母體 SD 相同
sdnn(alt), sdnn(ramp)      # (30.78, 30.78)
rmssd(alt), rmssd(ramp)    # (60.00, 5.20)

rr = load_rr("nsr001")                     # 所有相鄰心跳：R-R
nn = load_rr("nsr001", normal_only=True)   # 兩端都是竇性搏動：NN

上圖兩條線的離散程度一樣，下圖差了一個數量級。RMSSD 看的就是下圖。

跑出來的數字

• 300 拍裡錯一拍，兩個指標都接近翻倍（SDNN +87%、RMSSD +113%）。序列越長倍數越小，n=1200 時是 1.31× 與 1.43×。所以「一個異常拍就足以讓指標失效」成立，「RMSSD 特別脆弱」不成立。
• R-R 換成 NN，SDNN 幾乎不動（−0.10 ms），RMSSD 掉 2.23 ms。nsr001 只有 81 個非竇性搏動，算是乾淨的一筆：53 筆（排除缺表頭的 nsr042）的剔除比例中位數 0.102%，而最大的 nsr024 是 15.90%——一個叫「正常竇性心律」的資料庫，有一筆要丟掉六分之一的間期。
• 只改視窗長度，SDNN 從 49.66 變成 168.65，全段是 5 分鐘中位數的 3.4 倍。

結果與意外

Limitations

1. NN 那條序列有 161 個洞，我沒有補。 剔掉非竇性拍會在序列裡留下時間斷點，32.10 ms 是跨著這些斷點算出來的，嚴格說已經不是「相鄰 NN 的差」。Task Force 只在頻域那段（1048 頁）要求內插，沒有替時域規定斷點怎麼處理——分段是我從定義推出來的做法，留到 Day 10。
2. 早發拍縮短 40%，是我挑的數字。 真實的 PVC 與 PAC 在提前多少、代償多少上變化很大，我沒有查到分佈。那組倍數只說明方向與量級，不是臨床值。
3. 128 Hz 這件事，Task Force 會皺眉。 原文建議 250–500 Hz，100 Hz 以上只有在對 R 波定位點做拋物線內插精修時才算堪用，而資料庫沒說標註流程有沒有做過。RMSSD 是差分，量化階梯會直接進到結果裡：7.8125 ms 的格點就是今天所有數字的誤差下限。
4. ECG 挑得出 NN，是因為它看得到波形。 手錶只有脈波峰間期，濾掉體動偽影不等於篩掉非竇性拍。第 4 節那條鏈就斷在這裡，今天的做法搬不過去。
5. 一筆紀錄、一個人、22.55 小時。 全段與 5 分鐘視窗的數字都來自 nsr001，而且視窗那組用的是未剔除的 R-R、最後一段不滿 300 秒也算進去了。它撐得起的只有「視窗長度會動搖 SDNN」（49.66 → 168.65，3.4 倍）這一件事，不能拿去跟文獻常模或手錶的夜間平均對比。

這對 AI Engineering 的意義

今天的數字都指向同一件事：一個指標值，不帶口徑就沒有意義。

hrv_rmssd_ms = 32.10 這個欄位背後至少有四個開關：間期來自 R 波還是 PPG 脈波峰、有沒有剔除非竇性搏動、視窗是 5 分鐘還是 24 小時、標準差用 ddof=0 還是 1。四個都不在欄位名裡，而幅度差很大：視窗長度能讓 SDNN 差 3.4 倍，一個沒剔掉的異常拍能讓 n=300 的 RMSSD 變 2.1 倍，ddof 的差則只有 2.6%——最小的那個一樣沒人記，而它一樣會讓兩支程式對同一段訊號給出不同的數字。LLM 不會問這是哪種口徑，它會直接拿去跟參考區間比、跟昨天比、跟別人比——今天的資料顯示，口徑不同時這三種比較全部無效。

所以 feature contract 要帶的不只是數值與單位，還有 source、window_s、beat_filter、ddof 與被剔除的比例。Task Force 1048 頁的要求就是這件事的臨床版：被剔除與內插的間期，數量與時長佔比都要一併報告。三十年前的共識文件把口徑寫進報告裡，今天的裝置把它藏在一個名詞後面。

另一件是別把變異壓成一個分數。逐拍交替與緩慢漂移的 SDNN 完全相同，生理意義卻不同，而被壓掉的正是 LLM 最需要用來判斷的結構。