耐力運動員心率變異性監測的實踐與應用 (上) | Practices and Applications of Heart Rate Variability Monitoring in Endurance Athletes

耐力運動員心率變異性監測的實踐與應用 (上) | Practices and Applications of Heart Rate Variability Monitoring in Endurance Athletes

耐力運動員心率變異性監測的實踐與應用 (上)

Practices and Applications of Heart Rate Variability Monitoring in Endurance Athletes

 

導論

心率變異性反映了連續心跳變化的波動，可以深入了解心臟自主功能和整體生理狀態。耐力運動員通常比非運動員表現出更好的心臟自主功能，靜息心率更低，變異性更大。心率變異性指標的可用性和使用在更廣泛的人群中有所增加，並且可能對耐力運動員特別有用。本綜述的目的是描述耐力運動員心率變異性分析的當前實踐和應用。將討論心率變異性分析的重要考慮因素，包括分析技術、監測工具、數據平穩性的重要性、身體位置、記錄窗口時間和持續時間、平均心率以及性別和年齡差異。我們將討論影響靜息心率變異性的關鍵因素，包括運動強度、持續時間、方式、總體訓練負荷和生活方式因素。將探索訓練應用，包括心率變異引導訓練以及識別和監測過度訓練等適應不良狀態。最後，將研究心率變異性的一些替代用途，包括運動期間、運動後以及生理預測和表現預測。

 

介紹

如今，在數據和指標方面，運動員已獲得過去難以想像的數量和種類，為其訓練、比賽和恢復應用提供有用資訊。在快速發展的運動員分析領域，心率變異性（HRV）仍是使用最廣泛的工具之一，特別是對耐力運動員而言。此外，HRV數據應用和其細緻入微的解釋不斷發展，為運動員實際應用提供有效資訊。雖然加強運動訓練的機會很多，但潛在的陷阱也很多。本綜述簡要概述了耐力運動員HRV，討論技術考慮因素、影響日常HRV因素、HRV指導訓練的實行以及運動員HRV的替代和未來用途。

 

 

HRV的定義和生理基礎

根據定義，HRV分析是通過測量心律的逐次波動並評估給定時段內觀察到的變異模式來完成的。是通過測量脈率R-R間隔（如心電圖所示）或脈搏間間隔來完成的。 HRV分析不是以平滑數據獲得平均心率 （HR），而是評估心跳序列內的變異性。心跳變異性是人類數百年來一直認識到的一種生理現象，自 20 世紀 70 年代初以來已被廣泛描述和探索 [1]。 HRV的生理學基礎最初被理解為個體自主神經系統（Autonomic nervous system/ANS）的反映，特別是交感神經系統 （Sympathetic nervous system/SNS）與副交感神經系統（Parasympathetic nervous system/PNS）的對比，HRV較多歸因於PNS活性增加[2]。粗略地說，SNS 和 PNS 活動分別體現“逃跑或戰鬥”和“休息和消化”反應。

 

人們對 HRV 有了更細緻的理解，它是一種反映多種生理過程複雜、非線性整合的現象，包括內在的心臟神經系統和外部調節器（如呼吸和血壓）[3, 4]。眾所周知，心率的調節會受到壓力感受器反射的非線性影響，壓力感受器反射會通過神經輸出的變化來響應壓力調節，通常被描述為負反饋循環，血壓升高會導致心率迅速下降[5,6] 。

 

呼吸性竇性心律失常（RSA）是一種典型的生理現象，其中通氣階段和心率相互作用，心率在呼氣時減慢，吸氣時加速[7]。較慢的呼吸和較大的潮氣量會增加 RSA，並且使用規範或“定速”呼吸會產生與沒有定速時獲得的測量值有所差異值[8] ，並且被認為是HRV評估中差異值的常見來源[ 9]。在運動期間，可能會發生重複運動模式（例如步速或騎車節奏）與呼吸頻率的耦合（或夾帶），因呼吸調節效應影響，使HRV的解釋變得複雜化 [10]。

 

雖然 HRV 以前廣泛用於臨床環境中來預測發病率和死亡率 [11]，但 2003年的一篇研究指出了不一致的研究結果以及對運動員HRV的了解相對缺乏 [12]。從那時起，HRV被深入探索作為監測訓練壓力和適應的手段[13, 14]、檢測過度訓練 [15, 16]、作為生物反饋工具 [17] 以及評估腦震盪恢復情況 [18]等程序應用。總結來說，HRV已成為一種可靠工具，可用於監測運動員並為他們的訓練實行提供更多資訊。

 

 

HRV對運動的反應

運動期間，心臟PNS活性降低（在50-60%VO2max時達到最低點），而SNS活性增加，導致HR進一步增加 [19]。與最初提出的模型相比，PNS在運動期間完全撤離，更仔細地說明就是分支之間存在相互對抗的過程中，副交感神經系統影響減弱[20, 21]。雖然SNS活動在較高強度下占主導地位，但有證據支持PNS活動即使在高強度運動時也能產生可被測量的影響 [22]。

 

運動員HRV監測

早在20世紀 90 年代就開始研究將HRV監測用於耐力運動員[23]。耐力運動員通常比健康對照組表現出更高的靜息HRV [24, 25]。在各種耐力運動中都觀察到這一點，包括賽艇運動員、自行車運動員、北歐滑雪運動員、長跑運動員[12, 24]。平均HRV的逐漸增加似乎與有氧運動的改善相對應。在一項針對長跑運動員的研究中，HRV的變化與有氧能力和10公里時間的變化相關[26]。一項針對男性長跑運動員的橫斷面研究也發現靜息HRV與10公里比賽時間之間存在顯著相關性 [27]。近年來，受到監控工具的易用性、可用性和便攜性的推動，HRV使用變得越來越普遍。現在，運動員、教練和運動醫學人員收集 HRV 數據已不再受技術問題侷限，並且建議在將其當作首要條件進行當日短期測量 [13]。有鑑於工具和技術的可及性，HRV使用可能會變得更加普遍。因此，了解產生不同HRV模式的不同測量、技術、應用和複雜的生理相互作用可以幫助指導這種實行並改進對數據的解釋。

 

 

技術考量

分析技術

HRV研究在20世紀80和90年代初蓬勃發展，引導了分析程序和因素考量標準化的“專案組”指南的建立[2]。眾多的分析方法大致分為時間域、頻率域和非線性域[28]。雖然專案組標準側重於更傳統的時域和頻域測量，但近年來，各種HRV分析的非線性方法已得到開發並廣泛使用 [29, 30]。

 

最常用的時域測量是N-N區間標準差（SDNN）和連續差值的均方根 （RMSSD）[28]。簡單來說，SDNN定義了與平均值的平均差異，而RMSSD則是表示與前一個間隔的平均差異。因此，SDNN 是時間序列總體變異性衡量，而 RMSSD則是衡量了短期變異性。

 

而根據PNS比SNS的HR影響更加直接快速，因此RMSS被認為是PNS活動的映照 [9]。在所有HRV測量中，RMSSD（或 RMSSD的自然對數－lnRMSSD）可能是應用最廣泛的，因為其典型誤差低、易於計算以及對呼吸模式差異的穩健特性[13]。

 

頻域（或頻譜分析）測量是通過將時域數據（最典型地透過快速傅里葉方法）轉換為每秒週期（Hz）的頻譜來計算的，反映了各種頻率對信號整體變異性的貢獻[2]。通常觀察到三個峰值：極低頻（Very low frequency/VLF，≤ 0.04 Hz）、低頻（Low frequency /LF，0.04–0.15 Hz）和高頻（High frequency/HF，0.15–0.4 Hz）。傳統理論認為高頻功率反映了PNS活動，低頻功率則反映SNS和PNS活動組合。

 

此一理論受到了挑戰，低頻/高頻作為交感迷走神經平衡反映的概念充其量可能是過於簡單化[19, 31]。頻譜分析可能對呼吸和異位搏動的影響特別敏感，因此有人提倡要使用心電圖，並要求呼吸頻率大於每分鐘10次呼吸，以便在運動員群體中可靠地使用這些測量方式 [32]。

 

非線性分析方法，包括去趨勢波動分析（DFA），超越了量化變異性的傳統方法，試圖捕捉時間序列的複雜性[29]。簡而言之，複雜性是指一個系統或一組信息中包含的跨多個時間尺度的信息量[29]。複雜系統包含多個相互關聯的反饋迴路，因此集成整體包含無法簡單地通過檢查組成部分來理解的屬性[28]。

 

樣本熵（SampEn）通過量化數據序列中的模板匹配來測量數據序列的相對規律性[33]。更頻繁的匹配表明更多的規律性，因此熵分數更低，而更高的熵分數表明數據序列中更多的不規則性和更低的可預測性[28, 33]。樣本熵優點之一是已被證明在短時間序列上相對可靠，儘管建議至少需使用200個數據點[34]。

 

去趨勢波動分析（Detrended Fluctuation Analysis / DFA））是一種非線性技術，旨在區分系統的內部波動和外部擾動，使其成為運動等非靜態條件的首選方法[35]。檢查不同窗口長度的多個測量尺度的變化模式，並減去局部趨勢。縮放指數α與時間窗口的長度有關，其中DFAα1表示短程相關性，DFAα2指定長期相關性。α值為0.5表示沒有相關性（隨機數據），α值為 1.5 相當於高度相關的數據。α~ 1.0的值與觀察到跨時間尺度的自相似性的複雜系統數據一致。最佳中間範圍可能會讓組數據的傳統統計分析帶來挑戰，因為最初的高值和低值可能在訓練後都向中間移動[36]。

 

監控工具

雖然胸帶式心率監測器已被廣泛使用並顯示出高度可靠性，但HRV監測的黃金標準是透過心電圖使用[37]。透過光體積變化描記法（PPG）測量的脈搏率變異性由於易於使用，已越來越普片[38]。PPG的準確性可能取決於使用的工具和條件。事實證明，具有嵌入式 PPG的手錶在靜止狀態下相對準確[39]。另一方面，運動期間的準確性取決於手錶的型號和運動類型，劇烈運動或涉及手臂運動的運動期間誤差會顯著增加[40]。同樣，嵌入指夾脈搏血氧計的PPG技術可靠，但在運動過程中使用時容易出現偽影[41]。PPG的另一種常見用途是通過將手指放在智能手機攝像頭上來靜息測量 HRV，根據建議的做法進行測量時，報告準確度很高 [38]。智能手機的普及和其技術易用性吸引了廣大族群。

 

 

靜止性和身體位置

數據平穩性是指個體狀態的穩定性，使得數據集的均值和標準差在記錄期間保持一致[28]。靜息或穩態運動數據滿足平穩性的定義，但從休息到運動的過渡期當中收集的數據違反了平穩性的要求[35]。平穩性是大多數HRV測量的重要考慮因素 [28]。一個值得注意的例外是DFA，它可以校正非平穩性 [35]，儘管這種校正的有效性受到質疑 [42]。

 

鑑於HRV測量對生理狀態的敏感性，數據收集程序一致的必要性是顯而易見的。數據收集過程中身體姿勢的研究說明了這一點。許多研究比較了不同體位，包括仰臥、坐位和站立的靜息HRV [15,43,44]。最高HRV值通常出現在仰臥狀態下，坐姿狀態則會再降低，站立狀態下會進一步再降低。坐姿測量被認為比仰臥測量與健康水平的變化關係更加密切[45]。因此，當追蹤個體內部HRV或與人群標準進行比較時，測量過程的身體姿勢一致性會是一個關鍵考慮因素。

 

記錄窗口時間和持續時間

測量結果可能會受到記錄時間和數據收集持續時間等因素的影響。雖然24小時 HRV監測已廣泛應用於臨床和研究環境中 [2]，但這種長期監測對於運動員來說可能不切實際。此外，它還包括不同活動的時期，因此會在相對長時間窗口內大幅波動[46]。廣泛建議休息30分鐘 [47]或短至5分鐘 [2] 或特別針對運動員 調整[13]。一分鐘的超短期測量已被證明與5分鐘記錄具有可接受一致性，而 30秒和10秒讀數則顯著降低了一致性水平[48]。

 

一天內不同時間可能會影響HRV測量。長期測量顯示睡眠期間HRV數值最高[49]。 最低HRV出現在上午稍晚和下午稍早時[50]。因此，建議使用夜間讀數[51]或在一天中的標準化時間（例如早上醒來後的第一件事就是測量[13]）來減少與一天中時間相關的混雜效應。年輕運動員的早晨和夜間HRV測量值之間存在很強的相關性[52]。

 

本文待續