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 보조 지표로 쓰이는 단계.

1. Sundas 2025 scoping review가 말하는 임상적 유용성

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

RR 간격은

R파 사이의 거리를 밀리초 단위로 측정한 값입니다.

마찬가지로 PPG 신호에서

SP(수축기 파)는 심박 후 혈액량 증가의 최대점을 나타냅니다.

RR 간격 (RR Interval)

• 정의: ECG(심전도)에서 연속된 두 개의 R파 사이의 시간 간격을 밀리초(ms) 단위로 측정한 값.
• R파 = QRS 복파에서 가장 높은(뾰족한) 점 → 심실 수축의 시작을 나타냄.
• 의미:
  • 심박수(HR) 계산: 60,000 ÷ RR 간격(ms) = 분당 심박수 (예: RR 800ms → HR 75회)
  • 심박변이도(HRV)의 기본 단위: RR 간격의 변동성을 분석해 자율신경계 균형(교감 vs 부교감)을 평가함.
• 정상 범위: 안정 시 보통 600~1,200ms (HR 50~100회)

광혈류 측정(Photoplethysmogram, PPG) 신호

적외선 빛을 이용하여 혈액량의 변화를 광학적으로 측정하는 생체신호
(헤모글로빈은 빛을 흡수하는 성질, 혈류량이 많아지면 빛을 더 많이 흡수)

PPG 파형 
이 광량 변화를 시간의 흐름에 따라 그래프로 그린 것

PPG 신호의 SP (Systolic Peak, 수축기 파)

• PPG(광용적맥파): 손가락·귀 등에 빛을 비춰 혈액량 변화를 측정하는 비침습적 신호.
• SP (Systolic Peak): PPG 파형에서 최고점(peak)을 의미.
  • 심장이 수축하면서 혈액이 동맥으로 쏟아져 나올 때 혈액량이 최대가 되는 지점.
• 의미:
  • 맥파(Pulse Wave)의 시작 부분.
  • 심장 박출량, 동맥 경직도, 혈관 건강을 간접적으로 반영.
  • ECG의 R파와 시간 차이(Pulse Transit Time, PTT)를 측정해 혈압 추정에도 사용됨.

ECG RR vs PPG SP 관계

• ECG R파 → 심실이 전기적으로 수축하는 순간 (전기 신호).
• PPG SP → 그 수축으로 인해 실제 혈액이 말초 혈관까지 도달해 혈액량이 증가하는 순간 (기계적·혈역학적 신호).
• 정상적으로 R파 발생 후 200~300ms 후에 SP가 나타남 (Pulse Arrival Time).

DN(이중파 dicrotic notch)은

SP 이후에 나타나는 작은 함몰부로, 대동맥판막의 폐쇄에 해당합니다.

DP(이완기 파)는

이중파 이후에 나타나며 혈액량의 2차 증가를 나타냅니다.

DN (Dicrotic Notch, 이중파)

• 정의: SP(수축기 파) 이후에 나타나는 작은 함몰(notch, 움푹 파인 부분).
• 생리적 의미:
  • 대동맥판(aortic valve)이 닫히는 순간을 반영합니다.
  • 심실 수축 후 혈액이 역류하려는 것을 대동맥판이 막으면서 발생하는 일시적인 압력 변화.
  • 동맥의 탄성(arterial compliance)과 혈관 건강을 평가하는 중요한 지표.
• 임상적 의미: DN이 뚜렷하지 않거나 위치가 변하면 동맥 경화, 고혈압, 대동맥판 이상 등을 의심.

DP (Diastolic Peak, 이완기 파)

• 정의: DN(이중파) 이후에 나타나는 두 번째 작은 파(peak).
• 생리적 의미:
  • 심장이 이완하는 동안 말초 혈관의 탄성 반동(elastic recoil)으로 인해 혈액량이 다시 한 번 증가하는 현상.
  • 혈액량의 2차 증강을 나타냅니다.
• 의미: DP가 잘 보이면 혈관 탄성이 좋다는 신호. DP가 약하거나 사라지면 혈관 경직이나 순환 기능 저하를 의심

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.

PP (Pulse to Pulse Interval, 맥박 간격)

• 정의: 연속된 두 개의 수축기 피크(SP, Systolic Peak) 사이의 시간을 밀리초(ms) 단위로 측정한 값.
• 측정 대상: PPG(광용적맥파) 신호에서 SP(혈액량 최대점) 간격.
• 의미:
  • PPG에서 본 맥박 간격 (ECG의 RR 간격과 유사).
  • 즉시적인 심박수를 반영하며, HRV(심박변이도) 분석의 기본 단위가 됩니다.
• 예시: PP가 800ms라면 → 대략 분당 75회 맥박.

특징: PPG는 말초(손가락 등)에서 측정하므로, ECG의 RR 간격과 거의 비슷하지만 혈역학적 지연이 약간 있을 수 있습니다


PAT (Pulse Arrival Time, 맥박 도달 시간)

• 정의: ECG 신호의 R-피크와 대응하는 PPG 신호의 SP(수축기 피크) 사이의 시간 간격.
• 단위: 밀리초(ms).
• 의미:
  • 심장이 수축(R파)한 후 혈액이 말초 혈관까지 도달하는 데 걸리는 시간.
  • 맥파 전달 시간(Pulse Transit Time, PTT)과 매우 유사한 개념.
• 임상적 활용:
  • 혈압 추정: PAT이 짧을수록 혈관이 딱딱하거나 혈압이 높은 경향.
  • 혈관 경직도(Arterial stiffness) 평가.
  • 자율신경 기능 연구.

정상 범위: 대략 200~300ms 정도 (사람·측정 부위에 따라 다름).

---

RR, PP, PAT 관계 요약

• RR 간격 (ECG) → 심장의 전기적 활동 간격.
• PP 간격 (PPG) → 말초 맥박 간격 (혈역학적).
• PAT → R파(ECG)부터 SP(PPG)까지 혈액이 도달하는 시간 (전기 → 기계적 전달 시간).

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

Photoplethysmogram Analysis and Applications: An Integrative Review - PMC

1. 전체 구조 (Absorbance 그래프)

• Non-pulsatile Component (비맥동 성분, 아래쪽)
  • Skin, Bone, Muscle + Venous blood + Non-pulsatile Arterial blood
  • 시간에 따라 거의 변하지 않는 기본 흡광도.
  • PPG에서 큰 배경 역할을 하며, 분석 시 제거하거나 보정합니다.
• Pulsatile Component (맥동 성분, 위쪽 빨간색 파형)
  • Arterial blood (Pulsatile): 심장 박동에 따라 혈액량이 증가·감소하는 동맥혈 부분.
  • 우리가 실제로 분석하는 주요 신호입니다.

---

2. PPG 파형의 주요 지점 (하단 파형)

1. Pulse Onset (맥파 시작점)
   • 심장 수축이 시작되어 혈액이 말초 혈관으로 들어오기 시작하는 지점.
   • ECG의 R파와 가장 가까운 시점.
2. Systolic Peak (수축기 피크, SP)
   • 가장 높은 점.
   • 심장이 강하게 수축하면서 혈액이 최대한 밀려 나와 혈액량이 최고가 되는 순간.
3. Dicrotic Notch (이중파, DN)
   • SP 이후 나타나는 작은 함몰(notch).
   • 대동맥판(aortic valve)이 닫히는 순간을 반영.
   • 혈관의 탄성(elasticity)을 평가하는 중요한 지표.
4. Diastolic Peak (이완기 피크, DP)
   • DN 이후 나타나는 두 번째 작은 peak.
   • 혈관 벽의 탄성 반동(elastic recoil)으로 인해 혈액량이 다시 증가하는 현상.
   • 혈관 건강이 좋을수록 DP가 뚜렷하게 나타남.

---

3. 임상적·연구적 의미

• Pulsatile Component 분석 → 심박출량, 혈관 경직도, 자율신경 기능 평가.
• Systolic Peak ~ Diastolic Peak 형태 → 동맥 경화도(Arterial Stiffness) 판단.
• Dicrotic Notch 위치/깊이 → 대동맥판 기능과 혈관 탄성.
• PAT (Pulse Arrival Time): ECG R파 ~ PPG SP까지 시간 → 혈압 추정에 활용.

정상 PPG 파형 특징:

• SP가 뾰족하고 명확함.
• DN이 뚜렷한 V자 형태.
• DP가 적당한 높이로 나타남.

이상 소견 예시:

• DN이 사라지거나 DP가 낮음 → 동맥 경화 의심.
• 파형이 둔탁하거나 불규칙 → 혈관 기능 저하, AF 등 부정맥 영향.

PPG(광용적맥파) 분석에서 사용하는
정량적 지표들입니다.

심혈관 건강, 혈관 탄성, 자율신경 기능을 평가하는 데
매우 유용합니다.

1. 좌측 파형 (단일 주기 상세)

• Systolic Amplitude (수축기 진폭)
  • Pulse Onset(시작점)부터 Systolic Peak(최고점)까지의 높이.
  • 심장 수축 강도와 맥파의 세기를 반영.
  • 값이 클수록 심박출량이 좋거나 혈관 저항이 낮음을 시사.
• PPI (Pulse to Pulse Interval, 맥박 간격)
  • 연속된 두 SP(Systolic Peak) 사이의 시간.
  • ECG의 RR 간격과 유사.
  • HRV(심박변이도) 분석의 기본 단위.
• PPI_onset
  • Pulse Onset부터 다음 Onset까지의 전체 주기 시간.
• PPI_systolic
  • Systolic Peak 간격.
• PPI_dV/dt
  • 파형의 최대 기울기(maximum slope) 구간 시간. 혈관 탄성과 관련.
• PWx (Pulse Wave x)
  • Systolic Peak에서 x% 높이에 해당하는 지점 (예: 50%, 80% 등).
  • 반사파(reflected wave) 분석에 사용.
  • PWx가 빨리 나타나면 동맥 경화를 의심.

---

2. 우측 파형 (면적 분석)

• A_sys (수축기 면적)
  • 수축기 구간(빨간색 위쪽)의 면적.
  • 심장 수축 시 혈액 공급량을 정량적으로 나타냄.
• A_dia (이완기 면적)
  • 이완기 구간(회색)의 면적.
  • 혈관 탄성 반동과 이완기 혈액 흐름 반영.
• A_total (전체 면적)
  • 한 주기 전체 면적.
  • A_sys / A_dia 비율로 혈관 건강을 평가 (비율이 높을수록 경직 가능성 ↑).

---

임상·연구적 의미 요약

• Systolic Amplitude ↑ → 심박출량 좋음.
• PPI 변동성 분석 → HRV (자율신경 균형).
• PWx가 빠름 → 반사파 증가 → 동맥 경화.
• A_sys vs A_dia 비율 → 혈관 탄성도(Stiffness) 판단.

이 지표들은 Resonance Frequency Breathing 같은 호흡 훈련 중 실시간 변화량을 보면 부교감신경 활성화 정도를 객관적으로 확인할 수 있어 매우 유용합니다.

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.



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

“심장은 단순한 펌프가 아니라,

강력한 정보 처리 기관이며,

심장과 뇌의 ‘일관된(coherent)’ 상호작용이 신체 전체의 균형과 건강을 결정한다.”

주요 내용 정리

1. Heart-Brain Interactions (심장-뇌 상호작용)
   • 심장은 뇌보다 더 많은 신경세포를 가지고 있으며, 자율신경계를 통해 뇌에 강력한 신호를 보냄.
   • 심장 박동 리듬(HRV)이 감정, 인지, 생리 기능에 직접적인 영향을 줌.
   • 특히 Coherent Heart Rhythm(규칙적이고 안정적인 HRV 패턴)은 전두엽·편도체 등 뇌 영역을 긍정적으로 조절.
2. Psychophysiological Coherence (심리생리적 일관성)
   • Resonance Frequency Breathing(6초 들이마시기 + 6초 내쉬기) 등으로 유도되는 상태.
   • 특징: HRV가 부드럽고 사인파 모양으로 안정됨.
   • 효과:
     • 부교감신경 우세
     • 코르티솔 ↓, DHEA ↑
     • 염증 ↓, 면역 ↑
     • 인지 기능·감정 조절 향상
3. System-Wide Order (전신적 질서)
   • Coherence 상태에서는 심장·뇌·호흡·호르몬·면역이 하나의 동기화된 시스템으로 작동.
   • 이는 스트레스, 불안, 우울, 만성질환 회복에 핵심적.

논문의 의의

• 단순한 “이완 호흡”이 아니라, 생리학적 메커니즘을 과학적으로 증명.
• HeartMath의 Coherence 기술 (emWave, Inner Balance 기기)의 이론적 기반.
• 985회 이상 인용된 고전적 논문으로, 이후 HRV·자율신경 연구의 중요한 참조.

1. 좌상 (Negative High Arousal)

• Anger, Anxiety, Frustration, Resentment
• Hyper-state: Uncontrollable fury or overwhelming panic
• 교감신경 과활성화 + 부정 감정 → 스트레스·불안 장애

2. 우상 (Positive High Arousal)

• Happiness, Excitement, Love, Appreciation
• Hyper-state: Uninhibited jubilation or over-powering elation
• 교감신경 활성 + 긍정 감정 → 열정·기쁨 (건강한 상태일 때)

3. 좌하 (Negative Low Arousal)

• Apathy, Sadness, Self-engrossing desolation or despair
• Hyper-state: All-consuming ill will or hatred
• 부교감신경 우세 + 부정 감정 → 우울·무기력

4. 우하 (Positive Low Arousal)

• Contentment, Serenity, Egoless inner peace and spiritual connectedness
• Hyper-state: Wholly selfless spiritual love
• 부교감신경 우세 + 긍정 감정 → 깊은 이완·영적 연결

중요한 인사이트

• Coherence(일관성) 상태 = Positive Valence + 적절한 Arousal (특히 Serenity~Appreciation 구간).
• Resonance Frequency Breathing 등을 통해 Heart Coherence를 유도하면, 그래프의 우측(Positive) 영역으로 이동하기 쉽습니다.
• Hyper-states(극단 상태)는 에너지 소모가 크고, 장기적으로 Depletion(고갈)을 초래합니다.

“심장은
단순한 펌프가 아니라,
뇌에 강력한 신호를 보내는 정보 기관”이라는 McCraty 논문의 핵심 메시지를 시각적으로 보여줍니다.

전체 구조 요약

• 아래쪽 (Medulla Oblongata): 심장에서 올라오는 신호의 첫 관문.
• 중간 (Subcortical): 시상하부, 편도체 등 감정·자율신경 중추.
• 위쪽 (Cerebral Cortex): 의식적 감정·인지 처리.

---

주요 경로와 의미

1. Nucleus of Tractus Solitarius (NTS, 고립로핵) — 가장 중요한 관문
   • 심장, 폐, 혈관, 화학수용체 등에서 올라오는 구심성 신호를 최초로 받는 곳.
   • Vagus Nerve (미주신경)를 통해 심장 박동 리듬, 혈압, 호흡 정보 등을 전달.
   • NTS는 뇌 전체로 정보를 분배 → 자율신경 조절, 감정, 각성 등에 영향.
2. 주요 타겟 뇌 영역
   • Amygdala (편도체): 공포·불안·감정 처리. 심장 신호가 감정에 직접 영향.
   • Hypothalamus (시상하부): HPA axis(스트레스 축) 조절, 식욕, 수면-각성.
   • Thalamus (시상): 감각 정보 중계.
   • Periaqueductal Gray (PAG): 통증 조절, fight-or-flight 반응.
   • Parabrachial Complex: 호흡·통증·자율신경 통합.
3. Cerebral Cortex (대뇌피질)로의 직접 연결
   • 최근 연구에서 NTS → Frontal Cortex(전두엽)로 가는 직접 경로가 확인되고 있음.
   • 이는 심장 리듬이 의식적 감정·의사결정에 영향을 준다는 증거.

---

임상적·실천적 의미

• Coherent Heart Rhythm (Resonance Breathing으로 유도): → NTS를 통해 안정적이고 규칙적인 신호를 뇌로 보내 → 편도체 과활성화 ↓, 전두엽 기능 ↑, HPA axis 안정.
• HeartMath 연구의 핵심: 심장 박동 패턴(HRV)이 뇌의 감정·인지 중추를 직접 조절한다는 과학적 근거.

결론: 심장은 “두 번째 뇌”로서, 미주신경과 NTS를 통해 감정, 스트레스, 면역, 인지를 광범위하게 조절합니다.

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