hrv.expert

Metodi dell’analizzatore HRV e confronto con Kubios

Ogni algoritmo usato dall’analizzatore HRV, l’articolo su cui si basa, che cosa prevede la preimpostazione «Valori predefiniti di Kubios» e come sono stati verificati i risultati.

Ultimo aggiornamento:

L’analizzatore calcola nel browser, a partire dagli intervalli RR, le misure della variabilità della frequenza cardiaca (HRV) nel dominio del tempo e della frequenza e quelle non lineari. Ha due preimpostazioni: «Valori predefiniti del sito», le impostazioni usate nel resto del sito, e «Valori predefiniti di Kubios».

La preimpostazione «Valori predefiniti di Kubios» prende le impostazioni di analisi dalla Kubios HRV User’s Guide, versione 3.5 (sezioni 3.3 e 6). Due impostazioni non vengono dalla guida: la preimpostazione attiva la correzione a soglia di livello medio, e il suo λ = 500 per la rimozione del trend con il metodo smoothness priors è il valore predefinito degli autori del metodo (Tarvainen e colleghi). Il nome dice da dove vengono le impostazioni. Non promette i valori di Kubios.

Non abbiamo ancora confrontato l’analizzatore con Kubios HRV Standard, quindi nella colonna Kubios qui sotto ogni riga riporta «Ancora da confrontare». Lo abbiamo confrontato con NeuroKit2, una libreria open source indipendente per la HRV, su registrazioni pubbliche. La colonna NeuroKit2 indica le misure che concordano ed entro quale margine.

Apri l’Analizzatore HRV per usare questi metodi sulle tue registrazioni.

Algoritmi

Algoritmo Che cosa fa l’analizzatore Riferimenti Valori predefiniti di Kubios NeuroKit2 Kubios HRV Standard
Statistiche nel dominio del tempo Fornisce RR medio, Frequenza cardiaca media, SDNN, RMSSD, lnRMSSD, SDSD, NN50, pNN50, NN20, pNN20 RR medio e frequenza cardiaca media, SDNN (la deviazione standard campionaria), RMSSD e lnRMSSD, SDSD, e NN50, pNN50, NN20 e pNN20 contati sulle differenze successive. Non si calcola alcuna differenza a cavallo di un battito eliminato dalle regole del sito, né a cavallo di un’interruzione della registrazione. [1] Nessuna impostazione. Concordanza entro la tolleranza:
  • RR medio, entro 0,1 ms
  • SDNN, entro 0,1 ms
  • RMSSD, entro 0,1 ms
  • pNN50, entro 0,1 punti percentuali
Ancora da confrontare
Misure geometriche Fornisce Indice triangolare della HRV, TINN Indice triangolare della HRV e TINN, da un istogramma con colonne di 1/128 s (7,8125 ms), la scelta della Task Force. Compaiono con registrazioni di almeno 5 minuti. [1] Nessuna impostazione. Nessun confronto Ancora da confrontare
Misure a lungo termine Fornisce SDANN, Indice SDNN SDANN e indice SDNN su segmenti di 5 minuti. Compaiono quando la registrazione contiene almeno due segmenti completi. [1] Nessuna impostazione. Nessun confronto Ancora da confrontare
Correzione degli artefatti a soglia Segna un intervallo quando la sua distanza dalla mediana di non più di dieci intervalli vicini supera la soglia del livello: molto basso 0,45 s, basso 0,35 s, medio 0,25 s, forte 0,15 s o molto forte 0,05 s a 60 battiti al minuto (bpm), con soglie più basse a frequenze cardiache più alte. Ogni intervallo segnato viene sostituito per interpolazione con una spline cubica (o lineare), quindi il numero di intervalli non cambia. Quando è stato corretto più del 5% degli intervalli, i risultati riportano un invito alla cautela. [2] Medio, spline cubica. La guida elenca i livelli ma non ne indica uno come predefinito. Nessun confronto Ancora da confrontare
Livello di soglia automatico Una regola propria dell’analizzatore, non la correzione automatica di Kubios. Sceglie il livello più debole al quale il numero di intervalli segnati smette di aumentare, purché quel livello segni almeno un intervallo e non più del 5% degli intervalli. Il testo dei metodi riporta la regola per intero. [2] Non si usa. Nessun confronto Ancora da confrontare
Regole del sito Elimina gli intervalli fuori dal campo da 300 a 2000 ms, o che si discostano di oltre il 25% dalla mediana di non più di dieci vicini compresi nel campo, e non calcola differenze successive a cavallo di un battito eliminato. Il resto del sito usa le stesse regole. Nessuno Non si usa. Nessun confronto Ancora da confrontare
Ricampionamento Per il periodogramma di Welch si traccia una spline cubica che passa per gli intervalli e la si ricampiona a frequenza costante: 4 Hz, se non la cambi. Nessuno 4 Hz, spline cubica. Nessun confronto Ancora da confrontare
Rimozione del trend con il metodo smoothness priors Elimina i trend lenti con λ = 500; in alternativa si può scegliere la rimozione lineare del trend o nessuna rimozione. L’analizzatore rimuove il trend dalla serie a 4 Hz prima del periodogramma di Welch e, quando quell’impostazione è attiva, dalla serie dei battiti prima delle misure non lineari. [3] Smoothness priors, λ = 500 (valore predefinito di Tarvainen; la guida non indica λ). Le misure non lineari usano la serie senza trend. Nessun confronto Ancora da confrontare
Periodogramma di Welch Fornisce Potenza VLF, Potenza LF, Potenza HF, Potenza totale, ln VLF, ln LF, ln HF, LF n.u., HF n.u., LF/HF, Picco VLF, Picco LF, Picco HF Si fa la media di finestre di Hann sovrapposte per metà, e la potenza di ogni banda è la somma sui punti di frequenza che cadono al suo interno. I limiti delle bande si possono cambiare e si può attivare una banda ULF. Una registrazione più breve di una finestra dà un solo periodogramma, completato con zeri (vedi le differenze note più sotto). [4] , [1] Finestre di 300 s, sovrapposizione del 50%; VLF 0–0,04 Hz, LF 0,04–0,15 Hz, HF 0,15–0,4 Hz. Concordanza entro la tolleranza:
  • Potenza LF, entro 1%
  • Potenza HF, entro 6%
  • LF/HF, entro 6%
Ancora da confrontare
Periodogramma di Lomb–Scargle Fornisce Potenza VLF, Potenza LF, Potenza HF, Potenza totale, ln VLF, ln LF, ln HF, LF n.u., HF n.u., LF/HF, Picco VLF, Picco LF, Picco HF Lo spettro ricavato direttamente dagli istanti dei battiti, che non sono equidistanti, senza ricampionamento né rimozione del trend, fino al limite di banda più alto in uso (almeno 0,5 Hz). Fornisce le stesse misure di banda del periodogramma di Welch. [5] , [6] Non si usa. Nessun confronto Ancora da confrontare
Diagramma di Poincaré Fornisce SD1, SD2, SD2/SD1 SD1 dalle differenze successive, SD2 da SD1 e dalla deviazione standard della serie, e il loro rapporto. [7] SD2 dalla serie senza trend. Concordanza entro la tolleranza:
  • SD1, entro 0,01 ms
Ancora da confrontare
Analisi delle fluttuazioni detrendizzate (DFA) Fornisce DFA α1, DFA α2 Box di ogni dimensione compresa nei campi di α1 e α2, senza sovrapposizione; α1 e α2 sono le pendenze della retta di regressione su assi log–log in ciascun campo. Per α2 servono almeno quattro box della dimensione più grande. [8] α1 da 4 a 12 battiti e α2 da 13 a 64 battiti, sulla serie senza trend. Concordanza entro la tolleranza:
  • DFA α1, entro 0,05
Ancora da confrontare
Entropia campionaria e approssimata Fornisce Entropia campionaria, Entropia approssimata Sequenze di m battiti che coincidono entro r × SD. L’entropia campionaria esclude la coincidenza di una sequenza con sé stessa; quella approssimata la conta. Con le registrazioni più lunghe si usano i primi 3000 battiti, così il browser continua a rispondere. [9] , [10] m = 2 e r = 0,2 × SD, sulla serie senza trend. Concordanza entro la tolleranza:
  • Entropia campionaria, entro 0,0001%
Ancora da confrontare
Indice di stress di Baevsky Fornisce Indice di stress di Baevsky, Indice di stress (√SI) Da un istogramma degli intervalli con colonne di 50 ms. L’analizzatore riporta l’indice di Baevsky e la sua radice quadrata, che in Kubios è lo «Stress index». [11] , [2] Nessuna impostazione. Nessun confronto Ancora da confrontare

Come è stato fatto il confronto

Le registrazioni di riferimento sono dieci segmenti di intervalli RR, cinque da 5 minuti e cinque da 20 minuti, presi dai tracciati da nsr001 a nsr005 del Normal Sinus Rhythm RR Interval Database su PhysioNet.

NeuroKit2 0.2.13 (Python 3.13.11, NumPy 2.5.4, SciPy 1.18.1) ha calcolato i suoi valori il 16 ott 2026. I test automatici del sito analizzano le stesse registrazioni e falliscono quando una misura esce dalla propria tolleranza.

Per questo confronto l’analizzatore è stato impostato, dove possibile, sulle scelte di NeuroKit2: nessuna correzione degli artefatti, nessuna rimozione del trend, una finestra di Welch di 64 s, le misure non lineari sulla serie grezza e il DFA α1 da 4 a 11 battiti. I valori di NeuroKit2 sono stati calcolati con le stesse impostazioni.

Misure confrontate con NeuroKit2, a parità di impostazioni
Misura Differenza ammessa Differenza massima osservata
RR medio 0,1 ms Entro l’arrotondamento
SDNN 0,1 ms Entro l’arrotondamento
RMSSD 0,1 ms Entro l’arrotondamento
pNN50 0,1 punti percentuali Entro l’arrotondamento
SD1 0,01 ms Entro l’arrotondamento
Potenza LF 1% 0,1%
Potenza HF 6% 4,7%
LF/HF 6% 4,4%
Entropia campionaria 0,0001% Entro l’arrotondamento
DFA α1 0,05 0,032

Con la preimpostazione «Valori predefiniti di Kubios», rispetto alle impostazioni predefinite di NeuroKit2, le misure nel dominio della frequenza differiscono molto di più (scarto massimo: 200% per la potenza HF e 170% per la potenza LF). La maggior parte dello scarto si deve alla finestra. La finestra di 300 s della preimpostazione dà a una registrazione di 5 minuti un solo periodogramma, mentre NeuroKit2 fa la media su finestre lunghe la metà della registrazione. Il resto si deve alla rimozione del trend, al modo in cui ciascuno dei due programmi somma la potenza di banda e all’interpolazione. Le misure nel dominio del tempo continuano a concordare entro l’arrotondamento.

Kubios HRV Standard

Il confronto non è ancora stato fatto. Quando saranno disponibili i risultati di Kubios HRV Standard per le stesse dieci registrazioni, questa pagina ne indicherà la versione e la data, e una riga segnalerà una concordanza solo dove le misure di quella riga rientrano nella tolleranza.

Differenze note rispetto a Kubios HRV

  • Kubios HRV riporta anche uno spettro autoregressivo (AR). L’analizzatore no: offre il periodogramma di Welch e il periodogramma di Lomb–Scargle.
  • La guida di Kubios non precisa se la rimozione del trend agisca sulla serie dei battiti o sulla serie ricampionata a 4 Hz. L’analizzatore la applica alla serie a 4 Hz per lo spettro e alla serie dei battiti per le misure non lineari, quindi sia lo spettro sia le misure non lineari possono differire da quelli di Kubios.
  • Quando una registrazione è più breve della finestra di Welch (per esempio una registrazione di 5 minuti con la finestra di 300 s della preimpostazione), l’analizzatore applica la finestra di Hann ai soli dati, scala la potenza in base a quella finestra e completa il risultato con zeri fino alla lunghezza intera della finestra. La griglia delle frequenze resta quella della finestra intera e la potenza di banda non viene sottostimata. Kubios potrebbe gestire questo caso in modo diverso, quindi lo spettro di una registrazione breve può differire leggermente da quello di Kubios.
  • Lo «Stress index» di Kubios è la radice quadrata dell’indice di stress di Baevsky. L’analizzatore riporta entrambi, con nomi diversi.
  • Il livello di soglia automatico è una regola propria dell’analizzatore. La correzione automatica di Kubios, presente nell’edizione Premium, è un metodo diverso.

Riferimenti

  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