SDNN 和 RMSSD 差在哪？兩種 HRV 數字的差別

SDNN 與 RMSSD 是兩種常見的心率變異性（HRV）指標。SDNN 反映心跳間隔整體的離散程度，會隨錄製時間變長而變大；RMSSD 反映逐拍之間的變化，與迷走神經活動的關係較密切。兩者量的是不同的東西，所以只拿同一種指標跟自己比：來源相同、條件相近、看數週的趨勢。

SDNN 和 RMSSD 各量什麼？

心率變異性（HRV）是心跳與心跳之間時間間隔的自然變化。研究者把這種變化濃縮成單一數字，最常見的兩個就是 SDNN 和 RMSSD。1996 年由歐洲心臟學會與北美心律學會組成的特別小組（Task Force）訂定了這個領域的量測標準，把 SDNN 定義為所有正常心跳間隔（NN 間隔，也就是相鄰兩次正常心跳之間的時間）的標準差，把 RMSSD 定義為相鄰 NN 間隔差值平方的平均數再開根號。¹

用白話說，SDNN 問的是：整段錄製期間，間隔分散得有多開。RMSSD 問的是：每個間隔和前一個間隔差多少。Task Force 指出，SDNN 反映了錄製期間所有造成變異的週期性成分；RMSSD 則和其他短期變異指標歸在一起，用來估計心率的高頻變化。¹

為什麼錄製長度很重要？

Task Force 指出，HRV 的總變異量會隨錄製時間變長而增加，因此實務上不適合拿不同長度錄製得到的 SDNN 互相比較。短期分析它偏好在穩定狀態下錄製 5 分鐘；長期的時域分析則要求名義上 24 小時的錄製。¹

Shaffer 與 Ginsberg 後來的回顧從另一個角度說了同一件事：較長的錄製能涵蓋較慢的波動（例如晝夜節律），而 24 小時、短期與超短期錄製的參考值彼此不能互換。²換句話說，5 分鐘窗口得到的 SDNN 和整天得到的 SDNN，是兩種剛好同名的不同量。

哪一個比較反映迷走神經？

Shaffer 與 Ginsberg 把 RMSSD 描述為用來估計迷走神經所帶動之 HRV 變化的主要時域指標，並指出它比 SDNN 更受副交感神經影響；SDNN 則同時受交感與副交感神經活動影響。²他們也提到，在短時間的靜息錄製中，變異的主要來源是呼吸性竇性心律不整（心率隨每次呼吸起伏），這由副交感神經帶動；而超過 24 小時的錄製也會顯示交感神經的貢獻。²

這也是為什麼在關心短期、與呼吸相連的變化時，通常會選 RMSSD。呼吸如何連到迷走神經，可以看為什麼吐氣才是開關。

Apple Watch 回報的是哪一個？準確嗎？

Apple 的開發者文件把 App 可從健康資料讀取的 HRV 數值（名稱為 heartRateVariabilitySDNN）描述為「一種量測心跳間隔標準差的數量樣本類型」。（Apple 文件）我們讀到的那一頁沒有說明錄製窗口，所以沒有依據拿這個數字去對照假設 5 分鐘或 24 小時錄製的參考值。

在準確度方面，有一項驗證研究讓 20 名健康成人在靜息與輕度心理壓力下，同時配戴 Apple Watch 與 Polar H7 胸帶（作為參考）。手錶的逐拍間隔資料與參考裝置相比，信度與一致性都高於 0.9。手錶資料有缺漏，平均每次錄製約 5 處、每處約 6.5 秒。這些缺漏對 SDNN、RMSSD 等時域指標沒有顯著影響，但會降低高頻與低頻功率。在輕度壓力下，RMSSD 與高頻功率都比靜息時低。⁴這是針對健康者的小型研究，摘要描述的是間隔資料與由它算出的指標，所以無法告訴你「健康」App 自己的讀數在一整天裡的表現。

不同裝置、不同日子、不同人的數字能比嗎？

能比的比想像中少。Nunan 等人的系統性回顧涵蓋 44 項研究、21,438 名健康成人，發現文獻中的短期 HRV 數值比 Task Force 的常模低，並把研究之間的差異多半歸因於方法不同，例如 RR 資料如何辨識與編修。作者呼籲進行大型人群研究，並更新短期量測的建議。³Shaffer 與 Ginsberg 也強調，錄製長度、年齡與性別都會影響基準值，時域指標會隨年齡下降，已發表的常模應搭配自己所屬族群的資料一起看。²

感測方式也有影響。手錶與手機相機通常是用光（光體積變化描記法，PPG）而不是心電圖（ECG）的電訊號來估計心跳時間點，原理可以看iPhone 相機怎麼量到脈搏。Schäfer 與 Vagedes 的回顧發現，在靜息時，以脈搏為基礎的變異量作為 ECG 型 HRV 的估計已足夠準確，但短期變異常被高估；身體活動與某些心理壓力源常讓一致性降到不可接受的程度，而且各研究的設計差異大，結果難以用數字比較。⁵Shaffer 與 Ginsberg 引用過一項研究：ECG 與 PPG 在大多數 HRV 指標上相差不到 6%，但 pNN50 相差 29.9%，可見差距取決於你看的是哪一個指標。²

這些資料不能告訴你的事

這裡大部分是回顧與標準文件，外加一項針對單一款手錶、以健康成人為對象的小型驗證研究。它們描述的是這些指標的行為，而不是數字高或低對你是好是壞。這裡沒有任何內容顯示 HRV 數值能診斷或預測個人的疾病，也沒有任何內容說呼吸練習或任何 App 會改變 HRV 或健康。群體常模對單一讀數來說，參考價值很有限。

那要怎麼看自己的數字？

這是我們根據上面這些提醒整理的實用看法，不是研究提出的流程。第一，先確認數字是哪一種指標、來自哪一個來源，不要拿 SDNN 去比 RMSSD。第二，比較時盡量讓來源與條件相近，例如同一個裝置、相近的時段與姿勢。第三，看數週的方向，而不是單一讀數，把它當成關於你自己的資訊，而不是要打敗的分數。想多了解怎麼看個人趨勢，可以讀HRV，去掉玄學的版本。

常被問到的問題

SDNN 和 RMSSD 有什麼差別？

SDNN 是一段錄製中所有正常心跳間隔的標準差，反映整體變異，錄製越長數值越大。RMSSD 是相鄰間隔差值的均方根，反映逐拍之間的變化，與副交感神經活動的關係較密切。

Apple Watch 量的是 SDNN 還是 RMSSD？

Apple 的開發者文件把 App 可透過 HealthKit 讀取的 HRV 數值描述為 SDNN，也就是心跳間隔的標準差。該頁沒有說明錄製窗口，所以請拿同一個來源的讀數跟自己過去比，而不是對照已發表的參考值。

SDNN 和 RMSSD 哪個比較好？

沒有哪一個通用地比較好，因為它們回答的是不同的問題。想在短時間錄製中估計迷走神經帶動的變化，通常選 RMSSD；SDNN 則被認為在 24 小時的錄製上更準確。對個人追蹤來說，一致性更重要：同一種指標、同一個來源、相近的條件。

我可以拿自己的 HRV 跟別人比嗎？

沒有太大意義。年齡、性別、錄製長度、裝置與方法都會改變數值，而 24 小時、短期與超短期錄製的參考值彼此不能互換。看自己在同一個來源上的讀數趨勢，資訊量更高。