HRV erklärt: SDNN vs. RMSSD

Dein iPhone zeigt eine HRV von 48 ms. Der Ring eines Freundes zeigt bei ihm 75 ms. Eine andere App meldet für dich am selben Morgen 31 ms. Keine dieser Zahlen muss falsch sein, aber sie messen womöglich nicht dasselbe, und ein direkter Vergleich sagt kaum etwas aus.

Dieser Leitfaden erklärt, was Herzfrequenzvariabilität ist, welche zwei Messgrößen dir am häufigsten begegnen (SDNN und RMSSD), warum deine eigene Baseline, also dein persönlicher Ausgangswert, der einzig faire Vergleich ist und wie genau Tracked die importierten HRV-Werte kennzeichnet.

Was HRV ist

Ein gesundes Herz schlägt nicht wie ein Metronom. Selbst in Ruhe verändert sich der Abstand zwischen zwei Schlägen von Schlag zu Schlag um einige Millisekunden. Die Herzfrequenzvariabilität (HRV) beschreibt, wie stark diese Abstände schwanken.

Diese Schwankung wird zu einem großen Teil vom autonomen Nervensystem geprägt, und Atmung, Körperhaltung, Schlaf und Stress fließen alle mit ein (Shaffer & Ginsberg, 2017). HRV ist keine einzelne Zahl mit einer einzigen Formel, sondern eine Familie statistischer Kennwerte, die jeweils anders aus derselben Folge von Schlagabständen berechnet werden. Auf Consumer-Geräten begegnen dir am häufigsten SDNN und RMSSD.

SDNN: die Gesamtvariabilität einer Messung

SDNN ist die Standardabweichung der NN-Intervalle (normal-to-normal): der Abstände zwischen regulären Herzschlägen, bereinigt um Artefakte und unregelmäßige Schläge. Sie beschreibt, wie breit alle Intervalle einer Aufzeichnung streuen.

Weil SDNN jede Art von Schwankung über die gesamte Aufzeichnung erfasst, auch langsame Wellen, hängt der Wert stark von der Aufzeichnungsdauer ab. Die Task Force, die 1996 die HRV-Messung standardisierte, riet davon ab, SDNN-Werte aus unterschiedlich langen Aufzeichnungen miteinander zu vergleichen (Task Force, 1996).

RMSSD: die Variabilität von Schlag zu Schlag

RMSSD ist die Wurzel aus dem Mittelwert der quadrierten Differenzen aufeinanderfolgender Intervalle (Root Mean Square of Successive Differences). Man bildet die Differenz zwischen jeweils zwei benachbarten Intervallen, quadriert diese Differenzen, mittelt sie und zieht die Quadratwurzel. Das Ergebnis konzentriert sich auf schnelle Veränderungen von Schlag zu Schlag.

RMSSD ist das wichtigste Zeitbereichsmaß, um die vagal vermittelte (parasympathische) HRV abzuschätzen (Shaffer & Ginsberg, 2017). Es funktioniert auch mit kurzen Aufzeichnungen, ein Grund, warum Sportwissenschaftler es häufig zum Monitoring von Athleten nutzen (Buchheit, 2014).

Warum SDNN und RMSSD nicht austauschbar sind

• Es sind verschiedene Formeln. Dieselben Herzschläge ergeben zwei unterschiedliche Zahlen, weil beide Kennwerte unterschiedliche Fragen an diese Schläge stellen.
• Es gibt keinen Umrechnungsfaktor. Der Abstand zwischen beiden ist nicht fest, sondern schwankt von Person zu Person und von Aufzeichnung zu Aufzeichnung.
• Auch Geräte messen unterschiedlich. Aufzeichnungsdauer, Tageszeit, Sensortyp (EKG-Brustgurt oder optischer Sensor am Handgelenk bzw. Finger) und der Umgang mit Artefakten verschieben HRV-Werte. Solche methodischen Unterschiede erklären einen Großteil der Streuung veröffentlichter Werte (Nunan et al., 2010).

45 ms SDNN und 45 ms RMSSD sind also nicht derselbe Messwert. Und wer von 40 ms SDNN auf einem Gerät zu 55 ms RMSSD auf einem anderen wechselt, hat sich nicht verbessert, sondern das Lineal getauscht.

Welche Plattform welche Messgröße liefert

Manches davon ist gut dokumentiert. Wo nicht, lohnt ein Blick in die Dokumentation des Herstellers.

• Apple Health speichert HRV als SDNN. Der HRV-Datentyp von HealthKit ist als SDNN definiert, und genau das schreibt die Apple Watch.
• Health Connect unter Android speichert HRV als RMSSD. Der HRV-Datensatztyp heißt HeartRateVariabilityRmssdRecord.
• Viele spezialisierte Wearables melden RMSSD. WHOOP und Oura zum Beispiel geben ihre HRV als RMSSD an. Andere Geräte handhaben es unterschiedlich, und Hersteller können ihre Methode mit der Zeit ändern.

Vergleiche dich mit deiner eigenen Baseline, nicht mit anderen

HRV unterscheidet sich zwischen Menschen enorm. Eine systematische Übersichtsarbeit zur Kurzzeit-HRV mit 44 Studien und über 21.000 gesunden Erwachsenen fand große Unterschiede zwischen Einzelpersonen (Nunan et al., 2010). Alter, Geschlecht und Messkontext verschieben typische Werte, und Normwerte für unterschiedliche Aufzeichnungsdauern sind nicht austauschbar (Shaffer & Ginsberg, 2017).

Ein Wert, der für die eine Person niedrig ist, kann für eine andere ganz gewöhnlich sein. Die sinnvolle Frage lautet daher nicht „Sind 48 ms gut?“, sondern „Wie verhält sich das zu meinem eigenen jüngsten Normalwert, auf dieselbe Weise gemessen?“ Forschende, die Spitzensportler begleiten, betonen dasselbe: Erst Längsschnittdaten zeigen das individuelle HRV-Muster einer Person (Plews et al., 2013).

Warum eine einzelne Nacht wenig aussagt

HRV schwankt aus vielen Gründen von Tag zu Tag. Schlaf, Krankheit, Stress, Alkohol, der Zeitpunkt der Messung und schlichtes Messrauschen können alle eine Rolle spielen. Ein einzelner Messwert verrät dir nicht, welcher dieser Faktoren beteiligt war, falls überhaupt einer.

Deshalb setzt sportwissenschaftliches Monitoring auf Mittelwerte statt auf einzelne Tage. Plews und Kollegen verfolgten bei Elite-Triathleten einen gleitenden 7-Tage-Mittelwert des RMSSD (Plews et al., 2012) und empfehlen geeignete Mittelungsverfahren für das tägliche Monitoring (Plews et al., 2013). Betrachte eine Nacht als einen Datenpunkt. Eine Woche im Vergleich zu den Wochen davor ergibt ein stabileres Bild, bleibt aber eine Beschreibung und keine Erklärung.

HRV ist keine Diagnose

HRV aus Consumer-Geräten ist ein Wellness-Messwert, kein medizinischer Test. Ein niedrigerer Wert bedeutet nicht, dass etwas nicht stimmt, ein höherer nicht, dass du gesund bist, und keiner von beiden sagt dir, warum er sich verändert hat. Wenn du Beschwerden oder gesundheitliche Bedenken hast, sprich mit einer Ärztin oder einem Arzt, statt dich auf einen Wearable-Wert zu verlassen.

Wie Tracked HRV kennzeichnet

Wenn du Apple Health oder Health Connect über Health Sync verbindest, behält Tracked die Messgröße bei, die deine Quelle tatsächlich geliefert hat:

• Apple Health → SDNN.
• Health Connect → RMSSD.
• Direkt verbundene Wearable-Konten → RMSSD. Jede HRV, die Tracked direkt aus einem verbundenen Wearable-Konto importiert, wird als RMSSD gespeichert.

Ein Messwert, der nicht angibt, um welche Messgröße es sich handelt, wird verworfen statt geraten. SDNN und RMSSD werden als zwei getrennte Messgrößen gespeichert, und Tracked mittelt sie nie zusammen, rechnet die eine nie in die andere um und vergleicht sie nie miteinander. Enthält dein Verlauf beide (etwa weil du vom iPhone auf ein Android-Smartphone gewechselt bist), nutzt Tracked für einen Vergleich nur eine Messgröße und lässt die andere weg, statt sie zu vermischen. Der Bereitschafts-Bildschirm nennt die verwendete Messgröße, zum Beispiel „HRV (SDNN)“.

Die Baseline gehört nur dir. Tracked vergleicht deine letzten 7 Tage mit den 28 Tagen direkt davor, sodass die betrachtete Woche nie Teil ihrer eigenen Baseline ist. Verglichen wird nie mit einem Bevölkerungsdurchschnitt oder einem klinischen Grenzwert.

• Erst genug Daten. Eine Veränderung wird erst gemeldet, wenn die letzte Woche mindestens 4 erfasste Tage und das Baseline-Fenster mindestens 14 enthält. Bis dahin sagt Tracked, dass für einen Vergleich noch zu wenige Daten vorliegen. Das ist etwas anderes als eine Veränderung von null.
• Ein Gerätewechsel wird angezeigt, nicht verglichen. Taucht keine der Quellen aus deiner letzten Woche auch in deinem Baseline-Fenster auf, stammen die beiden Mittelwerte von verschiedenen Messinstrumenten. Tracked meldet dann einen Quellenwechsel statt einer Zahl. Sobald Tage deiner aktuellen Quelle ins Baseline-Fenster rücken, ist der Vergleich wieder möglich.

Was Tracked nicht berechnet. Tracked berechnet keinen Erholungs- oder Strain-Score und macht aus der HRV keinen eigenen Score. Der Bereitschafts-Score in Tracked entsteht aus deinen Antworten in der Bereitschafts-Umfrage. Mit den Bereitschafts-Umfragen von Tracked Pro können HRV und Ruhepuls, gemessen an deiner eigenen Baseline, diesen Score geringfügig und begrenzt anpassen, sobald genug Verlauf vorhanden ist. Der Bereitschafts-Bildschirm zeigt, wie stark sie ihn verändert haben. Deine Umfrageantworten bestimmen den Score weiterhin.

Claude nach deiner HRV fragen

Der Connector von Tracked ist im Connector-Verzeichnis von Claude gelistet und liest dieselben Daten, ausschließlich lesend. Seine Erholungs-Zusammenfassung nennt bei jedem HRV-Wert die Messgröße (SDNN oder RMSSD) und gibt das Baseline-Fenster an: die letzten 7 Tage gegenüber den 28 Tagen davor, mit der Zahl der erfassten Tage hinter jedem Mittelwert. Ist kein Vergleich möglich, sagt er, warum. Er meldet keinen Bereitschafts-, Erholungs- oder Strain-Score und ist keine medizinische Beratung. Unter KI-Connectoren findest du die Einrichtung und was der Connector sonst noch lesen kann.

Quellen

1. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology (1996). Heart rate variability: standards of measurement, physiological interpretation and clinical use. Circulation, 93(5), 1043-1065. PubMed
2. Shaffer, F. & Ginsberg, J.P. (2017). An overview of heart rate variability metrics and norms. Frontiers in Public Health, 5, 258. PMC
3. Buchheit, M. (2014). Monitoring training status with HR measures: do all roads lead to Rome? Frontiers in Physiology, 5, 73. PMC
4. Nunan, D., Sandercock, G.R. & Brodie, D.A. (2010). A quantitative systematic review of normal values for short-term heart rate variability in healthy adults. Pacing and Clinical Electrophysiology, 33(11), 1407-1417. PubMed
5. Plews, D.J., Laursen, P.B., Kilding, A.E. & Buchheit, M. (2012). Heart rate variability in elite triathletes, is variation in variability the key to effective training? A case comparison. European Journal of Applied Physiology, 112(11), 3729-3741. PubMed
6. Plews, D.J., Laursen, P.B., Stanley, J., Kilding, A.E. & Buchheit, M. (2013). Training adaptation and heart rate variability in elite endurance athletes: opening the door to effective monitoring. Sports Medicine, 43(9), 773-781. PubMed
7. Apple Developer Documentation. heartRateVariabilitySDNN. Apple
8. Android Developers. HeartRateVariabilityRmssdRecord. Android