hrv.expert

Methoden des HRV-Analysators und Kubios-Vergleich

Welche Algorithmen der HRV-Analysator verwendet und auf welchen Arbeiten sie beruhen, was die Voreinstellung „Kubios-Standard“ festlegt und wie die Ergebnisse geprüft wurden.

Zuletzt aktualisiert am

Der Analysator berechnet in Ihrem Browser aus RR-Intervallen HRV-Kennwerte im Zeit- und Frequenzbereich sowie nichtlineare Kennwerte. Zur Wahl stehen zwei Voreinstellungen: „Website-Standard“ mit den Einstellungen, die der Rest dieser Website verwendet, und „Kubios-Standard“.

Die Voreinstellung Kubios-Standard übernimmt ihre Analyseeinstellungen aus dem Kubios HRV User’s Guide, Version 3.5 (Abschnitte 3.3 und 6). Zwei ihrer Einstellungen stehen nicht im Leitfaden. Die Voreinstellung schaltet die mittlere Schwellenkorrektur ein, und ihr Wert λ = 500 für die Trendbereinigung nach dem Smoothness-Priors-Verfahren ist der Standardwert der Arbeitsgruppe um Tarvainen, die das Verfahren entwickelt hat. Der Name sagt, woher die Einstellungen stammen; dass die Ergebnisse mit denen von Kubios übereinstimmen, verspricht er nicht.

Mit Kubios HRV Standard haben wir den Analysator noch nicht verglichen; in der Kubios-Spalte der Tabelle steht deshalb überall „Noch nicht verglichen“. Verglichen haben wir ihn mit NeuroKit2, einer unabhängigen Open-Source-Bibliothek für HRV, anhand öffentlicher Aufzeichnungen. Die NeuroKit2-Spalte nennt die Kennwerte, die übereinstimmen, und wie genau.

Öffnen Sie den HRV-Analysator, um diese Methoden auf Ihre eigenen Aufzeichnungen anzuwenden.

Algorithmen

Algorithmus Was der Analysator tut Literatur Voreinstellung Kubios-Standard NeuroKit2 Kubios HRV Standard
Kennwerte im Zeitbereich Kennwerte: Mittleres RR, Mittlere Herzfrequenz, SDNN, RMSSD, lnRMSSD, SDSD, NN50, pNN50, NN20, pNN20 Mittleres RR-Intervall und mittlere Herzfrequenz, SDNN (die Stichproben-Standardabweichung), RMSSD und lnRMSSD, SDSD sowie NN50, pNN50, NN20 und pNN20, ausgezählt an den aufeinanderfolgenden Differenzen. Über einen Schlag, den die Regeln der Website entfernt haben, und über eine Unterbrechung der Aufzeichnung hinweg wird keine Differenz gebildet. [1] Keine Einstellungen. Stimmt innerhalb der Toleranz überein:
  • Mittleres RR, Abweichung höchstens 0,1 ms
  • SDNN, Abweichung höchstens 0,1 ms
  • RMSSD, Abweichung höchstens 0,1 ms
  • pNN50, Abweichung höchstens 0,1 Prozentpunkte
Noch nicht verglichen
Geometrische Kennwerte Kennwerte: HRV-Triangularindex, TINN HRV-Triangularindex und TINN, aus einem Histogramm mit einer Klassenbreite von 1/128 s (7,8125 ms), wie sie die Task Force gewählt hat. Angezeigt für Aufzeichnungen ab 5 Minuten. [1] Keine Einstellungen. Nicht verglichen Noch nicht verglichen
Langzeitkennwerte Kennwerte: SDANN, SDNN-Index SDANN und SDNN-Index aus 5-Minuten-Abschnitten. Angezeigt, wenn die Aufzeichnung mindestens zwei vollständige Abschnitte enthält. [1] Keine Einstellungen. Nicht verglichen Noch nicht verglichen
Artefaktkorrektur mit Schwellenwert Markiert ein Intervall, das weiter vom Median von bis zu zehn benachbarten Intervallen entfernt liegt als die Schwelle der Stufe: sehr gering 0,45 s, gering 0,35 s, mittel 0,25 s, stark 0,15 s oder sehr stark 0,05 s bei 60 Schlägen pro Minute, bei höherer Herzfrequenz entsprechend niedriger. Jedes markierte Intervall wird durch kubische Spline-Interpolation (oder lineare Interpolation) ersetzt, sodass die Zahl der Intervalle gleich bleibt. Wurden mehr als 5 % der Intervalle korrigiert, erscheint bei den Ergebnissen ein Hinweis zur Vorsicht. [2] Mittel, kubischer Spline. Der Leitfaden nennt die Stufen, legt aber keine als Standard fest. Nicht verglichen Noch nicht verglichen
Automatische Schwellenstufe Die eigene Regel des Analysators, nicht die automatische Korrektur von Kubios. Die Regel wählt die schwächste Stufe, ab der die Zahl der markierten Intervalle nicht mehr steigt, sofern diese Stufe mindestens ein Intervall und höchstens 5 % der Intervalle markiert. Der Methodentext gibt die Regel vollständig an. [2] Nicht verwendet. Nicht verglichen Noch nicht verglichen
Regeln der Website Entfernt Intervalle außerhalb von 300–2.000 ms oder solche, die mehr als 25 % vom Median von bis zu zehn Nachbarintervallen innerhalb dieses Bereichs abweichen, und bildet über einen entfernten Schlag hinweg keine Differenz. Der Rest der Website verwendet dieselben Regeln. Keine Nicht verwendet. Nicht verglichen Noch nicht verglichen
Neuabtastung Für das Welch-Periodogramm wird ein kubischer Spline durch die Intervalle gelegt und in gleichmäßigen Abständen abgetastet, mit 4 Hz, sofern Sie die Rate nicht ändern. Keine 4 Hz, kubischer Spline. Nicht verglichen Noch nicht verglichen
Trendbereinigung (Smoothness-Priors-Verfahren) Entfernt langsame Trends mit λ = 500; stattdessen lässt sich eine lineare oder gar keine Trendbereinigung wählen. Der Analysator bereinigt die 4-Hz-Reihe vor dem Welch-Periodogramm und, wenn die entsprechende Einstellung eingeschaltet ist, die Schlagreihe vor den nichtlinearen Kennwerten. [3] Smoothness-Priors-Verfahren, λ = 500 (Tarvainens Standardwert; der Leitfaden nennt λ nicht). Die nichtlinearen Kennwerte werden an der trendbereinigten Reihe berechnet. Nicht verglichen Noch nicht verglichen
Welch-Periodogramm Kennwerte: VLF-Leistung, LF-Leistung, HF-Leistung, Gesamtleistung, ln VLF, ln LF, ln HF, LF n.u., HF n.u., LF/HF, VLF-Peak, LF-Peak, HF-Peak Die Periodogramme von Hann-Fenstern, die sich zur Hälfte überlappen, werden gemittelt, und die Leistung jedes Bands ist die Summe über die Frequenzpunkte in diesem Band. Die Bandgrenzen lassen sich ändern, und ein ULF-Band lässt sich einschalten. Eine Aufzeichnung, die kürzer ist als ein Fenster, erhält ein einziges, mit Nullen aufgefülltes Periodogramm (siehe die bekannten Unterschiede unten). [4] , [1] Fenster von 300 s, 50 % Überlappung; VLF 0–0,04 Hz, LF 0,04–0,15 Hz, HF 0,15–0,4 Hz. Stimmt innerhalb der Toleranz überein:
  • LF-Leistung, Abweichung höchstens 1 %
  • HF-Leistung, Abweichung höchstens 6 %
  • LF/HF, Abweichung höchstens 6 %
Noch nicht verglichen
Lomb-Scargle-Periodogramm Kennwerte: VLF-Leistung, LF-Leistung, HF-Leistung, Gesamtleistung, ln VLF, ln LF, ln HF, LF n.u., HF n.u., LF/HF, VLF-Peak, LF-Peak, HF-Peak Berechnet das Spektrum direkt aus den ungleichmäßig verteilten Schlagzeitpunkten, ohne Neuabtastung und ohne Trendbereinigung, bis zur höchsten verwendeten Bandgrenze (mindestens 0,5 Hz). Das Verfahren liefert dieselben Bandkennwerte wie das Welch-Periodogramm. [5] , [6] Nicht verwendet. Nicht verglichen Noch nicht verglichen
Poincaré-Plot Kennwerte: SD1, SD2, SD2/SD1 SD1 aus den aufeinanderfolgenden Differenzen, SD2 aus SD1 und der Standardabweichung der Reihe sowie das Verhältnis von SD2 zu SD1. [7] SD2 aus der trendbereinigten Reihe. Stimmt innerhalb der Toleranz überein:
  • SD1, Abweichung höchstens 0,01 ms
Noch nicht verglichen
Trendbereinigte Fluktuationsanalyse Kennwerte: DFA α1, DFA α2 Boxen aller Größen in den Bereichen von α1 und α2, ohne Überlappung; α1 und α2 sind die Steigungen einer Ausgleichsgeraden in doppelt logarithmischer Darstellung über den jeweiligen Bereich. α2 benötigt mindestens vier Boxen der größten Boxgröße. [8] α1 aus Boxen von 4–12 Schlägen und α2 aus Boxen von 13–64 Schlägen, an der trendbereinigten Reihe. Stimmt innerhalb der Toleranz überein:
  • DFA α1, Abweichung höchstens 0,05
Noch nicht verglichen
Sample Entropy und Approximate Entropy Kennwerte: Sample Entropy, Approximate Entropy Gezählt werden Folgen von m Schlägen, die um höchstens r × SD voneinander abweichen. Sample Entropy lässt die Übereinstimmung einer Folge mit sich selbst aus; Approximate Entropy zählt sie mit. Bei längeren Aufzeichnungen gehen die ersten 3.000 Schläge ein, damit der Browser bedienbar bleibt. [9] , [10] m = 2 und r = 0,2 × SD, an der trendbereinigten Reihe. Stimmt innerhalb der Toleranz überein:
  • Sample Entropy, Abweichung höchstens 0,0001 %
Noch nicht verglichen
Stressindex nach Baevsky Kennwerte: Stressindex nach Baevsky, Stressindex (√SI) Aus einem Histogramm der Intervalle mit einer Klassenbreite von 50 ms. Der Analysator gibt den Stressindex nach Baevsky und dessen Quadratwurzel an, die Kubios als Stressindex ausgibt. [11] , [2] Keine Einstellungen. Nicht verglichen Noch nicht verglichen

So haben wir verglichen

Die Referenzaufzeichnungen sind zehn Abschnitte mit RR-Intervallen, fünf von 5 Minuten und fünf von 20 Minuten Länge, aus den Datensätzen nsr001 bis nsr005 der Normal Sinus Rhythm RR Interval Database auf PhysioNet.

NeuroKit2 0.2.13 (Python 3.13.11, NumPy 2.5.4, SciPy 1.18.1) hat seine Werte am 16. Okt. 2026 berechnet. Die automatisierten Tests der Website analysieren dieselben Aufzeichnungen und schlagen fehl, wenn ein Kennwert außerhalb seiner Toleranz liegt.

Für diesen Vergleich wurde der Analysator, soweit möglich, auf die Vorgaben von NeuroKit2 eingestellt: keine Artefaktkorrektur, keine Trendbereinigung, ein Welch-Fenster von 64 s, die nichtlinearen Kennwerte an der unkorrigierten Reihe und DFA α1 aus Boxen von 4–11 Schlägen. NeuroKit2 rechnete für diese Werte mit denselben Einstellungen.

Mit NeuroKit2 verglichene Kennwerte (angeglichene Einstellungen)
Kennwert Zulässige Abweichung Größte beobachtete Abweichung
Mittleres RR 0,1 ms Nur Rundungsdifferenz
SDNN 0,1 ms Nur Rundungsdifferenz
RMSSD 0,1 ms Nur Rundungsdifferenz
pNN50 0,1 Prozentpunkte Nur Rundungsdifferenz
SD1 0,01 ms Nur Rundungsdifferenz
LF-Leistung 1 % 0,1 %
HF-Leistung 6 % 4,7 %
LF/HF 6 % 4,4 %
Sample Entropy 0,0001 % Nur Rundungsdifferenz
DFA α1 0,05 0,032

Vergleicht man die Voreinstellung Kubios-Standard mit den eigenen Standardeinstellungen von NeuroKit2, weichen die Kennwerte im Frequenzbereich weit stärker ab: die HF-Leistung um bis zu 200 % und die LF-Leistung um bis zu 170 %. Das liegt größtenteils am Fenster. Das Fenster von 300 s in der Voreinstellung ergibt für eine Aufzeichnung von 5 Minuten ein einziges Periodogramm, während NeuroKit2 über Fenster mittelt, die halb so lang sind wie die Aufzeichnung. Trendbereinigung, die jeweilige Art, die Bandleistung zu summieren, und die Interpolation machen den Rest aus. Die Kennwerte im Zeitbereich stimmen weiterhin bis auf Rundungsdifferenzen überein.

Kubios HRV Standard

Noch nicht verglichen. Sobald die Ergebnisse von Kubios HRV Standard für dieselben zehn Aufzeichnungen vorliegen, nennt diese Seite die Version und das Datum, und eine Zeile meldet nur dann Übereinstimmung, wenn ihre Kennwerte innerhalb der Toleranz liegen.

Bekannte Unterschiede zu Kubios HRV

  • Kubios HRV berechnet außerdem ein autoregressives Spektrum (AR-Spektrum). Der Analysator tut das nicht; er bietet das Welch-Periodogramm und das Lomb-Scargle-Periodogramm.
  • Der Kubios-Leitfaden sagt nicht, ob die Trendbereinigung auf die Schlagreihe oder auf die mit 4 Hz neu abgetastete Reihe wirkt. Der Analysator bereinigt für das Spektrum die 4-Hz-Reihe und für die nichtlinearen Kennwerte die Schlagreihe. Beide Ergebnisse können daher von denen in Kubios abweichen.
  • Ist eine Aufzeichnung kürzer als das Welch-Fenster (zum Beispiel eine Aufzeichnung von 5 Minuten beim Fenster von 300 s der Voreinstellung), legt der Analysator das Hann-Fenster nur über die vorhandenen Daten, skaliert die Leistung passend zu diesem Fenster und füllt das Ergebnis mit Nullen auf die volle Fensterlänge auf. Das Frequenzraster bleibt das des vollen Fensters, und die Bandleistung fällt nicht zu niedrig aus. Kubios geht in diesem Fall möglicherweise anders vor, sodass sich das Spektrum einer kurzen Aufzeichnung geringfügig von dem in Kubios unterscheiden kann.
  • Der Stressindex von Kubios ist die Quadratwurzel des Stressindex nach Baevsky. Der Analysator gibt beide an, unter verschiedenen Namen.
  • Die automatische Schwellenstufe ist die eigene Regel des Analysators. Die automatische Korrektur von Kubios in der Premium-Version ist ein anderes Verfahren.

Literatur

  1. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability: standards of measurement, physiological interpretation and clinical use. Circulation. 1996;93(5):1043–1065. doi:10.1161/01.CIR.93.5.1043
  2. Tarvainen MP, Lipponen J, Niskanen JP, et al. Kubios HRV software user’s guide. Kubios Oy. Version 3.5, 3 November 2021. https://www.kubios.com/downloads/Kubios_HRV_Users_Guide.pdf
  3. Tarvainen MP, Ranta-aho PO, Karjalainen PA. An advanced detrending method with application to HRV analysis. IEEE Transactions on Biomedical Engineering. 2002;49(2):172–175. doi:10.1109/10.979357
  4. Welch P. The use of fast Fourier transform for the estimation of power spectra: a method based on time averaging over short, modified periodograms. IEEE Transactions on Audio and Electroacoustics. 1967;15(2):70–73. doi:10.1109/TAU.1967.1161901
  5. Lomb NR. Least-squares frequency analysis of unequally spaced data. Astrophysics and Space Science. 1976;39(2):447–462. doi:10.1007/BF00648343
  6. Scargle JD. Studies in astronomical time series analysis. II - Statistical aspects of spectral analysis of unevenly spaced data. The Astrophysical Journal. 1982;263:835. doi:10.1086/160554
  7. Brennan M, Palaniswami M, Kamen P. Do existing measures of Poincare plot geometry reflect nonlinear features of heart rate variability? IEEE Transactions on Biomedical Engineering. 2001;48(11):1342–1347. doi:10.1109/10.959330
  8. Peng CK, Havlin S, Stanley HE, et al. Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series. Chaos: An Interdisciplinary Journal of Nonlinear Science. 1995;5(1):82–87. doi:10.1063/1.166141
  9. Richman JS, Moorman JR. Physiological time-series analysis using approximate entropy and sample entropy. American Journal of Physiology-Heart and Circulatory Physiology. 2000;278(6):H2039–H2049. doi:10.1152/ajpheart.2000.278.6.H2039
  10. Pincus SM. Approximate entropy as a measure of system complexity. Proceedings of the National Academy of Sciences. 1991;88(6):2297–2301. doi:10.1073/pnas.88.6.2297
  11. Baevsky RM, Chernikova AG. Heart rate variability analysis: physiological foundations and main methods. Cardiometry. 2017;(10):66–76. doi:10.12710/cardiometry.2017.10.6676