据少数派10月17日发布的文章，心率变异性（HRV）正被 Apple Watch、Oura Ring 等消费级可穿戴设备作为核心健康指标追踪，但这类设备普遍依靠光电容积脉搏波（PPG）获取心跳间隔，并以不同算法换算数值，测量结果的精度受数据质量制约。
该文作者称，Oura Ring 用 HRV 评估每日压力、恢复状态和睡眠质量，Apple Watch 则在健康 App 中将其列为心脏健康指标之一。近两年以 HRV 为核心的应用不断出现，压力监测类有 StressWatch、Amood，运动恢复类有 PeakWatch、Athlytic；Garmin 也将 HRV 纳入“训练准备度”评估体系。
文章回溯了 HRV 的医学认识过程。20世纪中期以前，不少医生认为稳定规律的心跳才是健康标志，心跳间隔波动可能提示病态。1965年，耶鲁大学的 Hon 和 Lee 在监测胎儿心跳时发现，濒临窘迫甚至死亡的胎儿心跳反而异常“规律”，间隔间的微小波动显著减少甚至消失。1980年代一项针对808名心肌梗死患者的大样本研究发现，心跳变异程度低的患者死亡率远高于变异较高者。
按文章定义，HRV 指逐次心跳周期之间时间间隔即 RR 间期的微小波动，反映交感神经与副交感神经对心脏的调节能力。交感神经兴奋使心跳加快、HRV 降低，副交感神经（主要通过迷走神经）兴奋使心跳减慢、HRV 升高；随呼吸出现的心率波动即呼吸性窦性心律不齐，是 HRV 的重要组成部分。
测量方面，医学金标准是心电图，以连续 R 波之间的间隔为分析对象。消费级设备使用 PPG，通过手腕处绿光 LED 检测血液流动引起的光吸收变化推算心跳时刻。拿到间隔数据后，需先识别异常搏动、漏搏和伪影，再按不同算法计算。
文章将 HRV 算法分为时域、频域和非线性三类。非线性分析计算复杂、解释抽象，更多用于科研；频域分析要求信号连续平稳，而 PPG 易受手臂晃动、传感器接触不良、肤色深浅、纹身和温度变化干扰，且低频与高频指标的学术争议尚无定论。消费级产品因此多用计算简单的时域指标，最常见的是 SDNN 和 RMSSD。作者称，其使用的 Apple Watch Series 10 采用 SDNN，Oura Ring 4 采用 RMSSD。SDNN 对全部正常心跳间隔求标准差，与冠心病、房颤、心肌缺血、心衰等疾病及心血管死亡风险相关，但心率整体升降会干扰结果，更适合反映一段时间内的总体波动。RMSSD 只计算相邻心跳间隔差值，几乎不受心率趋势影响，可反映副交感神经尤其是迷走神经的活性。
采样方式同样影响结果。文章称，旧款 Apple Watch 每隔一段时间采样约1分钟，以日、周、月均值趋势呈现；Oura 在夜间高频记录，给出整晚 RMSSD 加权平均值。部分第三方 App 读取 Apple Watch 原始心跳数据自行计算 RMSSD。最新 Apple Watch Series 12 与 Ultra 4 的后台心率读取频率提升至60倍，HRV 测量频率提升24倍，健康 App 新增采用 RMSSD 的“恢复心率变异率”。
关于数据价值，文章称 HRV 是敏感但非特异性的生物标志物，能提示“身体出问题”，却难以指明具体问题。2022年一项 meta 分析显示，HRV 处于最低四分位数的人群全因死亡风险是其他人群的1.56倍；另一项针对无心血管疾病人群的 meta 分析发现，较低 HRV 与首次心血管事件风险增加32%至45%相关。