문치연 9진단 및 즉석치료법의 3가지 확장버전 중 HRV에 대해!!

[문형철]

문치연 9진단 및 즉석치료법의 3가지 확장버전

오믹스 분석

HRV

인바디

HRV는

“전신 자율신경 상태와 예후를 반영하는 보조 바이오마커”로서,

심혈관·대사질환, 중환자, 정신건강, 감염·염증 등에서 위험 예측과 치료 모니터링에 임상적 유용성이 있지만,

아직 표준화·RCT 부족으로 단독 결정 도구라기보다 보조 지표로 쓰이는 단계.

1. Sundas 2025 scoping review가 말하는 임상적 유용성

https://pmc.ncbi.nlm.nih.gov/articles/PMC12047215/

RR 간격은 R 파 사이의 거리를 밀리초 단위로 측정한 값입니다. 마찬가지로 PPG 신호에서 SP(수축기 파)는 심박 후 혈액량 증가의 최대점을 나타냅니다. DN(이중파 dicrotic notch)은 SP 이후에 나타나는 작은 함몰부로, 대동맥판막의 폐쇄에 해당합니다. DP(이완기 파)는 이중파 이후에 나타나며 혈액량의 2차 증가를 나타냅니다. PP(맥박 간격)는 연속적인 수축기 피크 사이의 시간으로 밀리초 단위로 측정됩니다. PAT(맥박 도달 시간)는 ECG 신호의 R-피크와 대응하는 PPG 신호의 SP 사이의 간격입니다.

https://pmc.ncbi.nlm.nih.gov/articles/PMC8920970/

Photoplethysmogram Analysis and Applications: An Integrative Review - PMC

http://www.ubionet.com/

https://medi-core.com/kr/hrv/max_pulse.html

(주)메디코아::HRV::Max Pulse

Sundas 등은 지난 50년간의 HRV 리뷰 39편을 통합해, HRV가 자율신경 기능(특히 미주신경 톤)을 반영하고, 다양한 질환에서 예후·상태 평가에 사용되어 왔다고 정리합니다.​

• 초기: 태아 HRV 감소가 fetal distress의 가장 이른 징후로 사용되어 산과에서 표준 모니터링 도구가 됨.​
• 1970–90년대: 당뇨 자율신경병증, 심부전 등에서 HRV 감소가 질환 활성도와 연관된 지표로 자리 잡음.​
• 이후: 운동선수의 회복·훈련 적응, 수면·스트레스, 정신건강(불안·우울) 등 “상태 모니터링” 용도로 확장.​

임상적 장점

비침습·저비용, 반복 측정 가능, ANS 기능을 “동적”으로 볼 수 있어 조기 악화 탐지가 가능.​

ECG·PPG 모두로 측정 가능, 웨어러블과 결합해 장기 추적에 적합.

한계·연구 공백

측정 프로토콜(자세, 시간대, 호흡 조절, 길이)이 통일돼 있지 않아 baseline/컷오프 설정이 어렵고, 연구 간 결과 비교가 어렵다.
PRV(웨어러블 PPG 기반) 표준화와 검증 부족, 특히 주파수 영역 지표에서 ECG 대비 오차.
HRV–질환 관계에 대한 큰 규모의 전향적·개입 연구 부족으로 “인과성”보다는 연관성 수준에 머무름.

결론적으로 이 리뷰는

“HRV는 자율신경 기능 평가와 예후 평가에 의미 있는 도구이지만,

임상 지침에 들어갈 정도의 표준화와 근거 축적은 아직 불충분하다”고 결론을 내립니다.​

2. 고영향·최근 리뷰에서 보는 HRV의 임상 영역

2025년 HRV 다차원 리뷰(예: Liu et al., “Heart rate variability: a multidimensional perspective from bench to bedside”)는 2020–2024년 연구 67편을 종합해 임상 활용 영역을 정리합니다.​

주요 임상 영역:

• 심혈관 위험·사망 예측
• 고혈압·심부전 등
• 정신·스트레스 관련 질환
• 치료 모니터링

이 리뷰는

HRV가 “질병 예측·치료 가이드·반응 평가에 유망한 보조 도구”라는 점에는 동의하면서도,

기록 시간·주파수대 정의·약물/일주기 보정 등이 제각각이라 이질성(I² ≈ 62%)이 높다고 경고합니다.​

심박 변이도(HRV)는
자율신경계(ANS) 활동과 항상성(homeodynamics)을 비침습적으로 측정하는 지표로,
최근 심혈관 질환, 정신 건강, 노화 연구 분야에서 큰 관심을 받고 있다.

HRV의 변화는
개인이 내외부 환경 변화에 적응하는 능력을 반영할 뿐만 아니라
다양한 병리적 상태와도 상관관계를 보여 질병 위험 예측 및 치료 효과 평가에 유용한 도구로 활용된다.

본 리뷰의 목적은
다양한 생리적·병리적 맥락에서 HRV의 역할을 종합적으로 분석하고
잠재적 바이오마커로서의 가치를 탐구하는 것이다.

먼저 HRV의 기본 개념, 측정법 및 영향 요인을 검토한 후,
HRV와 심혈관 질환, 간질, 우울증, 노화, 염증 간의 관계를 심층적으로 논의한다.

특히 비만, 영양, 생활습관이 건강에 미치는 영향을 평가하는 데 있어 HRV의 역할에 중점을 둔다.

또한 임상 실무에서의 HRV 활용, 즉 질병 예측, 치료 지침 수립, 중재 효과 평가에서의 잠재력을 탐구한다.

최종적으로 개인 맞춤형 의료 및 건강 모니터링에서의 HRV 가능성을 포함한 향후 연구 방향을 제안한다.

비침습적·진단 초월적 바이오마커로서 HRV는 유망하나, 현재 증거는 예비적이며 대부분 연관성에 그친다. 개인 맞춤형 의료나 일상적 위험 예측을 위한 임상적 활용은 의사 결정 알고리즘 적용 전에 표준화된 측정 프로토콜, 외부 검증 및 인과적 추론 연구가 필요하다. 뇌-심장 축(BHA) 무결성 관점에서 다수 연구를 종합함으로써, 우리는 HRV 지표가 뇌-심장 기능 장애의 측정, 기전 및 전환 축을 매핑하는 정량화 가능한 초진단적 대리 지표 역할을 한다고 제안한다.

키워드: 심박 변이도, 자율신경계, 교감신경계, 부교감신경계, 혼합신경계, 심혈관 질환, 정신 건강, 비만


서론
심박 변이도(HRV)는 연속적인 심장 박동 사이의 시간 간격 변동을 의미합니다(1). 이는 교감신경계와 부교감신경계로 구성된 자율신경계(ANS)에 의한 심혈관계의 동적 조절을 반영하는 복잡한 생리학적 현상입니다. 교감신경계는 일반적으로 심박수와 심박출량을 증가시키는 반면, 부교감신경계는 반대 효과를 발휘하여 심박수를 늦춥니다. 이 두 시스템은 조화롭게 작용하여 심혈관 항상성(정적 평형이 아닌 동적, 규모 불변 안정성)을 유지한다. 현대적 모델은 박동 간 변동성이 중추 자율 신경망과 고유한 동방결절 이온 채널 동역학, 압수신경 피드백, 호흡-심장 연동, 급변하는 호르몬 환경 간의 상호작용에서 비롯된다고 강조한다(2, 3).

한 가설은 심혈관 조절에 추가적인 제4의 제어 수준이 존재한다고 제안하는데, 여기서 저주파 심박변이도(LF-HRV)의 진폭이 신경 심혈관 중추의 기준 입력으로 작용한다(1). 이 중추는 LF-HRV를 특정 수준 주변으로 유지하도록 반응한다. 예를 들어, 인공 심박 조율 중 LF-HRV가 관찰되지 않는 현상은 심박조율기 증후군과 연관될 수 있으며, 이는 심혈관 기능이 정상적으로 보일지라도 발생할 수 있다. 이는 HRV가 심혈관계 전반적 조절에 핵심적 역할을 수행하며, 이러한 조절 체계의 교란이 다양한 질환 발생으로 이어질 수 있음을 시사한다.

가장 추천하는 핵심 논문 (HeartMath 중심)

1. The Coherent Heart: Heart–Brain Interactions, Psychophysiological Coherence, and the Emergence of System-Wide Order Rollin McCraty et al. (HeartMath Institute), 2009 → 심장-뇌 상호작용, 심장 코히런스(coherence)가 뇌 기능(thalamus, medulla 포함)과 인지·감정 조절에 미치는 영향 설명. 이미지의 “ordered heart rhythms facilitate thinking” 부분과 가장 잘 맞는 논문. PDF 무료: https://www.integral-review.org/issues/vol_5_no_2_mccraty_et_al_the_coherent_heart.pdf
2. Following the Rhythm of the Heart: HeartMath Institute’s Path to HRV Biofeedback Rollin McCraty, 2022 HeartMath Institute의 HRV 연구 역사와 과학적 근거를 체계적으로 정리. PMC: https://pmc.ncbi.nlm.nih.gov/articles/PMC9214473/
3. New Frontiers in Heart Rate Variability and Social Coherence: A New Era in Health and Performance McCraty & Rees, 2017 Frontiers in Public Health → HRV 코히런스와 건강·성능 향상 연구 개요.
4. Stress and Heart Rate Variability: A Meta-Analysis and Review of the Literature Kim et al., 2018 Psychiatry Investigation (PMC5900369) → 스트레스가 HRV를 어떻게 낮추는지 메타분석. 이미지 상단 “90% of health problems are caused or exacerbated by stress” 주장의 과학적 근거.
5. Heart rate variability: a multidimensional perspective from autonomic nervous system to health 2025 최근 리뷰 (Frontiers in Cardiovascular Medicine)

심장-뇌 연결 / 인지 기능 관련

1. Heart rate variability, prefrontal neural function, and cognitive performance: The neurovisceral integration perspective on self-regulation, adaptation, and health Thayer et al. (Neurovisceral Integration Model) – 매우 자주 인용되는 고전적 논문.
2. The connection between heart rate variability (HRV), neurological health, and cognition: A literature review 2023, PMC10014754

HRV 정상 범위 및 예측 인자

• HRV가 낮을수록 (특히 SDNN <20–30 ms) 모든 원인 사망률, 심혈관질환, 정신질환 위험 증가 (여러 메타분석 확인)
• 50세 미만에서 “약 20 beats 이상”은 보통 SDNN ≈ 20~50 ms 이상을 의미하며, 연령별 정상 범위는 나이 들수록 감소합니다.

HRV 연구는 광범위한 중요성과 적용 범위를 지닌다. 다양한 건강 상태와 연관성이 확인되어 임상 및 연구 환경에서 가치 있는 생체지표로 활용되고 있다. 질병 예측 측면에서 낮은 HRV는 전사망률 및 심장 사망률을 포함한 사망 위험 증가와 연관되어 있습니다. 32개 연구와 38,008명의 참가자를 포함한 두 개의 개별 참가자 데이터셋을 대상으로 한 메타분석에서 낮은 HRV 매개변수 값은 다양한 연령, 성별, 대륙, 인구 집단 및 기록 기간에 걸쳐 높은 사망률의 유의미한 예측인자로 나타났습니다(4).

HRV 바이오피드백은 또한 다양한 응용 분야에서 유망함을 보여주었습니다. 예를 들어, 관상동맥질환 환자에서 HRV 생체피드백은 분노 상황 중 자율신경계(ANS) 반응성을 감소시키고, 해당 상황 후 ANS 회복을 촉진할 수 있습니다(5). 이는 심장 재활 치료 도구로서의 잠재력을 시사합니다. 또한, HRV 측정은 운동 및 식이 변화와 같은 생활습관 개입이 자율신경 기능에 미치는 영향을 모니터링하는 데 활용될 수 있으며, 이는 건강 증진 및 질병 예방 측면에서 이러한 개입의 효과에 대한 통찰력을 제공합니다.

BHA는 피질, 변연계 및 뇌간 센터가 심장 자율신경 긴장도를 역동적으로 조절하는 동시에, 심장 감각 신호가 뇌 활동과 감정 조절에 영향을 미치는 양방향 신경-체액성 소통 네트워크입니다. 만성 스트레스, 전신성 염증, 신경퇴행 또는 대사성 자율신경 장애를 통해 이 루프가 교란되면, 일차적 심장 질환(예: 심근경색, 심부전)과 일차적 신경학적/정신과적 질환(예: 간질, 우울증, 알츠하이머병) 모두와 연관될 수 있습니다. 심박변이도(HRV)는 비침습적이며 미주신경 및 교감신경 출력을 실시간으로 측정하므로, 뇌-심장-신경계(BHA)의 완전성을 통합적으로 파악할 수 있는 창구 역할을 한다. 따라서 HRV의 변화는 단순히 고립된 심장 위험을 반영하기보다, 다중 시스템 질환을 유발하거나 지속시키는 광범위한 BHA 장애를 시사할 수 있다. BHA를 명시적으로 인정함으로써 HRV는 말초 심혈관 지표에서 중추신경계-심혈관 연동 생체표지자로 재정의된다.

BHA의 신경해부학적 기저 구조에는 대뇌피질(예: 전전두엽 피질), 변연계(예: 편도체), 뇌간(예: 고립로핵) 영역이 포함되며, 이는 Thayer & Lane(6)과 Critchley & Harrison(7)에 의해 상세히 기술되었다.

본 리뷰의 목적은
HRV 측정에 영향을 미치는 요인, 심혈관 질환·신경학·생활습관 평가에서의 역할에 대한
포괄적·비판적 보고를 제공하고,
그 현황과 전망을 상세히 설명하는 데 있다.

이러한 쟁점들을 심도 있게 다루어 HRV의 복잡성에 대한 이해를 높임으로써,
임상의가 임상 현장에서 건강 모니터링 및 질병 진단에 HRV를 보다 효과적으로 활용할

3. 예후·사망 예측: 구체적 예시

대규모 코호트 및 질환별 연구

• 일반 인구·대규모 코호트
• 혈액투석(ESKD)
• 중환자·수술 환자

요약하면, 낮은 HRV(전반적인 SDNN 감소, VLF 감소 등)는 다양한 집단에서 장기 사망과 합병증 위험 증가와 일관되게 연관되어 있어, 위험 층화 도구에 HRV를 포함시키는 방향의 연구가 진행 중입니다.

휴식기 심박수(Rest HR)와 심박수 변이도(HRV, SDNN 기준)를 12-lead ECG에서 측정하여, 이들이 전체 사망률과 심혈관 사망률을 예측하는 독립적 예후 인자인지 확인.

📊 연구 방법

• 대상: 브라질 전국 원격심전도 네트워크(CODE 데이터베이스)에서 2010~2017년 사이에 기록된 16세 이상 성인 992,611명의 최초 12-lead ECG
• 주요 변수:
  • Resting Heart Rate (HR)
  • HRV = SDNN (standard deviation of normal RR intervals)
• 분석: 4단계 Cox 비례위험모형 (무조정 → 성별·연령 조정 → 위험인자·동반질환 조정 → HR와 HRV 서로 조정)
• 추적 기간: 중앙값 약 6년
• 결과 이벤트: 총 33,292명 사망 (3.37%), 그중 21%가 심혈관 사망

📈 주요 결과 (최종 조정 모델 Model 4 기준)

전체 사망률

• 최고 HR 사분위수(4분위) → 88% 위험 증가 (HR = 1.88, 95% CI 1.77–1.89)
• 최저 HRV 사분위수(1분위) → 42% 위험 증가 (HR = 1.42, 95% CI 1.37–1.47)

심혈관 사망률

• 최고 HR 사분위수 → 77% 위험 증가 (HR = 1.77, 95% CI 1.65–1.91)
• 최저 HRV 사분위수 → 33% 위험 증가 (HR = 1.33, 95% CI 1.23–1.44)

→ HR과 HRV는 서로를 보정한 후에도 독립적 예후 인자임이 확인됨.

💡 결론

브라질 대규모 실생활 코호트에서, 12-lead ECG로 간단히 측정한 휴식기 심박수와 심박수 변이도는 전통적 위험인자들을 조정한 후에도 전체 사망과 심혈관 사망을 강력하게 예측하는 독립적 지표입니다. 특히 높은 심박수와 낮은 HRV가 나쁜 예후와 관련됩니다.

4. 웨어러블 기반 HRV의 임상 활용 가능성

• 스마트워치·PPG 기반 HRV
• 감염·염증의 조기 탐지
• 장기 실생활 데이터셋

Sundas 2025 리뷰도, 웨어러블 HRV/PRV가 “현실적으로 가장 널리 사용될 플랫폼”이 될 것이지만, 현재까지는 FDA 승인 기기도 제한적이고(45개 중 13개) 독립적인 임상 검증 데이터가 부족하다고 지적합니다.​

5. 신뢰도·표준화·실제 임상 적용에 대한 최신 논의

• 단기 HRV의 신뢰도
• 실질적 임상 유틸리티에 대한 비판적 리뷰

즉, 현재 컨센서스는

• HRV는 자율신경 기능과 심혈관·대사·정신·염증 상태를 반영하는 민감한 조기 지표이고,
• 장·단기 예후 예측과 치료 반응 모니터링에 “유망한 보조 도구”지만,
• 표준화된 프로토콜과 대규모 다기관 RCT가 축적되기 전까지는, 단독 의사결정 기준이 아니라 기존 임상·검사 지표를 보완하는 역할로 사용하는 것이 적절하다는 쪽입니다.

심혈관 질환 환자에서 상업용 스마트워치(Garmin vivoactive 4)의 PPG(광용적맥파) 신호로 측정한 HRV와 금표준인 고해상도 12-lead ECG로 측정한 HRV의 일치도(concordance)를 직접 비교 평가.

📊 연구 방법

• 대상: 총 263명
  • 급성 ST-상승 심근경색(STEMI) 생존자 104명
  • 허혈성 뇌졸중 환자 129명
  • 건강 대조군 30명
• 측정 방법: 동시에 30분 동안 스마트워치 PPG + 고해상도 ECG (1000 Hz) 기록 (표준화된 조건)
• 분석한 HRV 지표:
  • Time domain: SDNN, SDANN, RMSSD 등
  • Frequency domain: VLF, LF, HF power
  • Non-linear: Detrended fluctuation analysis (DF-α1) 등
  • Deceleration capacity (DC)
• 통계: Lin’s concordance correlation coefficient (ρ_c) 사용 (1에 가까울수록 일치도 높음)

📈 주요 결과

매우 높은 일치도 (excellent concordance):

• 평균 심박수: ρ_c = 0.9998
• SDANN: ρ_c = 0.9617
• VLF power: ρ_c = 0.9613

중간 정도 일치도 (moderate concordance):

• RMSSD (단기 변이성): ρ_c = 0.6617
• DF-α1: ρ_c = 0.5919

→ 전반적(global) 지표와 저주파(long-term variability) 성분에서는 우수한 정확도, 고주파/단기 변이성 지표에서는 중간 수준의 일치도.

💡 결론

스마트워치 PPG 기반 HRV는 ECG 기반 HRV의 실용적이고 정확한 대안이 될 수 있다. 특히 전반적 지표와 저주파 성분(교감신경 관련)에서는 신뢰도가 높지만, 단기 변이성(부교감신경 관련, RMSSD 등) 지표는 주의가 필요하다.

(전문은 Oxford Academic에서 구독 필요. Open Access 여부는 확인 필요)

이전 CODE 데이터베이스 논문(브라질 대규모 ECG 예후 연구)과 달리, 스마트워치 vs ECG 직접 비교 연구

Heart rate supine
SEM (bpm)	1.5 ± 0.8	1.4 ± 1	0.8 ± 0.7	0.7 ± 0.6	1.1 ± 1.2
Relative %	2.5 ± 1.2	2.3 ± 1.5	1.3 ± 1.1	1.2 ± 1	1.9 ± 2
CV	6.2 ± 3.1	5.8 ± 3.6	4 ± 3.2	4 ± 3.4	4.9 ± 5.2
Median of absolute deviation (MAD)	2.1 ± 1.7	2.4 ± 1.7	1.6 ± 1.4	1.7 ± 1.5	2.1 ± 2.2
Relative deviation index (RDI) (%)	3.6 ± 2.6	4.1 ± 2.6	2.8 ± 2.2	2.8 ± 2.4	3.5 ± 3.7
MDC absolute (bpm)	4.1 ± 2.2	3.9 ± 2.8	2.1 ± 1.8	1.9 ± 1.8	3.1 ± 3.3
MDC relative (%)	7 ± 3.6	6.4 ± 4.1	3.7 ± 3	3.2 ± 2.8	5.2 ± 5.5
SDNN supine
SEM (ms)	5.4 ± 3	4.3 ± 3.7	3.9 ± 3.5	3.2 ± 2.8	4.6 ± 4.6
Relative %	8 ± 3.6	6.1 ± 4.4	5.7 ± 4.7	4.6 ± 4.2	6.5 ± 4.8
CV	18.6 ± 8.3	15.4 ± 11.1	14.5 ± 12.1	13.1 ± 11.8	14.6 ± 10.8
Median of absolute deviation (MAD)	6.3 ± 5.7	7.6 ± 6.6	7.1 ± 6.2	6.5 ± 5.6	7.2 ± 7.3
Relative deviation index (RDI) (%)	9 ± 5.8	10.9 ± 7.8	10.2 ± 8.6	9.3 ± 8.4	10.4 ± 7.6
MDC absolute (ms)	14.9 ± 8.2	11.8 ± 10.3	10.9 ± 9.6	9 ± 7.8	12.7 ± 12.8
MDC relative (%)	23.1 ± 11.8	16.9 ± 12.2	15.8 ± 13.2	12.9 ± 11.6	18.1 ± 13.4
RMSSD supine
SEM (ms)	5.3 ± 3.4	4 ± 4	2.3 ± 1.9	2.7 ± 3.2	4.8 ± 5.7
Relative %	9.1 ± 5.2	7 ± 5.8	4.5 ± 4.2	4 ± 3.5	7.7 ± 7.9
CV	22.9 ± 13	18.5 ± 15.4	15.4 ± 14.5	13 ± 11.2	18 ± 18.3
Median of absolute deviation (MAD)	7.5 ± 6	7.5 ± 7.3	5.7 ± 4.8	6.1 ± 7.2	7.9 ± 9.4
Relative deviation index (RDI) (%)	12.4 ± 8	13.1 ± 10.9	10.9 ± 10.3	9.2 ± 7.9	12.7 ± 12.9
MDC absolute (ms)	14.8 ± 9.5	11.2 ± 11	6.4 ± 5.4	7.4 ± 8.8	13.3 ± 15.9
MDC relative (%)	27.1 ± 19.6	19.4 ± 16.1	12.4 ± 11.6	11.2 ± 9.6	21.4 ± 21.8
HF supine
SEM (ms2)	513.4 ± 578.5	210.3 ± 263.8	215.4 ± 275.8	388.8 ± 560.5	372.4 ± 652.1
Relative %	31.6 ± 15.2	16.8 ± 11.5	17.5 ± 15	19.8 ± 14.3	20.5 ± 18.6
CV	52.9 ± 25.5	38.3 ± 26.2	38.4 ± 33	37.4 ± 27.1	34.8 ± 31.6
Median of absolute deviation (MAD)	464.8 ± 578.5	338.5 ± 424.6	333.9 ± 427.7	519.6 ± 749	447.1 ± 782.7
Relative deviation index (RDI) (%)	31.5 ± 17.8	27.1 ± 18.5	27.2 ± 23.3	26.4 ± 19.1	24.6 ± 22.3
MDC absolute (ms2)	1423.1 ± 1603.4	582.9 ± 731.3	597 ± 764.6	1077.7 ± 1553.5	1032.3 ± 1807.4
MDC relative (%)	119.7 ± 149.7	46.6 ± 31.9	48.5 ± 41.7	54.9 ± 39.7	56.9 ± 51.6
LF + HF/HR supine
SEM (a.u.)	15 ± 15.3	8.5 ± 10	6.6 ± 7.4	11.1 ± 14.3	17 ± 23.7
Relative %	23.9 ± 14.1	12.8 ± 11.2	12.3 ± 10.9	15.6 ± 11.9	24.8 ± 17.8
CV	45.7 ± 26.8	31.5 ± 27.2	34.6 ± 30.7	32.7 ± 24.9	39.6 ± 28.2
Median of absolute deviation (MAD)	17 ± 18.4	14.6 ± 17.3	13.2 ± 14.7	16.5 ± 21.4	19.1 ± 26.6
Relative deviation index (RDI) (%)	27.6 ± 15	22.2 ± 19.2	24.5 ± 21.7	23.1 ± 17.6	28 ± 19.9
MDC absolute (a.u.)	41.7 ± 42.5	23.5 ± 27.8	18.3 ± 20.5	30.7 ± 39.8	47.1 ± 65.6
MDC relative (%)	88.5 ± 120.2	35.5 ± 31.1	34.2 ± 30.3	43.2 ± 32.9	68.8 ± 49.3
HR standing
SEM (bpm)	2.5 ± 1.3	2.4 ± 2.3	1.6 ± 1.1	0.4 ± 0.4	1.3 ± 1.1
Relative %	3.1 ± 1.6	2.9 ± 2.7	1.8 ± 1.2	0.5 ± 0.5	1.6 ± 1.3
CV	6.8 ± 3.5	6.1 ± 5.7	4.6 ± 3.2	2.4 ± 2.3	4.6 ± 3.8
Median of absolute deviation (MAD)	3.3 ± 2.2	3.5 ± 3.3	2.9 ± 2	1.3 ± 1.4	2.6 ± 2.1
Relative deviation index (RDI) (%)	4.1 ± 3	4.3 ± 4	3.3 ± 2.3	1.7 ± 1.6	3.3 ± 2.7
MDC absolute (bpm)	7 ± 3.6	6.6 ± 6.3	4.4 ± 3.1	1 ± 1.1	3.5 ± 2.9
MDC relative (%)	8.9 ± 4.8	8.2 ± 7.6	5 ± 3.5	1.3 ± 1.3	4.4 ± 3.7
LF standing
SEM (ms2)	535.9 ± 565.1	321.7 ± 397	450.5 ± 511.7	389.1 ± 578.6	506.4 ± 911.5
Relative %	34.4 ± 12.7	21.5 ± 13.4	22.9 ± 15.5	27.3 ± 13.8	32.7 ± 22.8
CV	53.7 ± 19.8	45.5 ± 28.4	41.2 ± 28	41.7 ± 21.1	41.3 ± 28.8
Median of absolute deviation (MAD)	571.3 ± 774.1	480.6 ± 593.2	573 ± 650.9	420.1 ± 624.7	452.9 ± 815.3
Relative deviation index (RDI) (%)	37.8 ± 19.6	32.2 ± 20.1	29.1 ± 19.8	29.5 ± 14.9	29.2 ± 20.4
MDC absolute (ms2)	1485.4 ± 1566.3	891.6 ± 1100.5	1248.6 ± 1418.3	1078.6 ± 1603.8	1403.7 ± 2526.6
MDC relative (%)	112.6 ± 64.2	59.6 ± 37.2	63.4 ± 43.1	75.6 ± 38.3	90.5 ± 63.1
LF/HR standing
SEM (a.u.)	7.1 ± 7.8	4.4 ± 5.8	5.8 ± 6.8	5.5 ± 7.8	7.4 ± 13.6
Relative %	34.6 ± 12.4	22.7 ± 14.4	23.5 ± 15.9	28.7 ± 14.4	34.4 ± 24.6
CV	53.1 ± 19.3	44.8 ± 28.5	41.9 ± 28.2	42.3 ± 22	42.2 ± 30.1
Median of absolute deviation (MAD)	7.6 ± 10.1	6.2 ± 8.1	7.3 ± 8.5	5.8 ± 8.3	6.4 ± 11.7
Relative deviation index (RDI) (%)	36.9 ± 20.5	31.7 ± 20.2	29.7 ± 19.9	29.9 ± 15.6	29.9 ± 21.3
MDC absolute (a.u.)	19.7 ± 21.8	12.1 ± 16	15.9 ± 18.8	15.1 ± 21.7	20.4 ± 37.6
MDC relative (%)	113 ± 62.8	62.8 ± 40	65.2 ± 43.9	79.6 ± 39.9	95.2 ± 68.2