21 Sep Variabilidad de la frecuencia cardíaca: un análisis (profundo)
Publicación de blog original de Marco Altini
La variabilidad de la frecuencia cardíaca (VFC) es un fenómeno ampliamente conocido que nos permite controlar objetivamente el estrés fisiológico.
Sin embargo, históricamente el análisis de la VFC ha sido poco estandarizado, lo que ha generado dificultades para diseñar e implementar adecuadamente los estudios, y también ha generado dificultades para comparar los resultados enre los estudios. La facilidad de acceso a los datos de VFC que tenemos en la actualidad a menudo oscurece la compleja tarea de comprender e interpretar correctamente la información recibida y los procesos fisiológicos subyacentes.
Al diseñar HRV4Training tuvimos que tomar varias decisiones que me gustaría destacar aquí, ya que solo la transparencia y la claridad pueden hacer avanzar este campo.
En esta publicación (actualizada) abordare los conceptos básicos de la VFC y, en particular, los mecanismos fisiológicos vinculados a la misma, así como también cuales serían las mejores prácticas y una breve introducción al análisis de los datos. Espero que la nota pueda aportarles algo de claridad a los interesados en aprender más sobre el estrés fisiológico y cómo nuestro cuerpo responde al mismo.
¿Qué es la variabilidad de la frecuencia cardíaca (VFC)?
Cada latido de nuestro corazón se desencadena por un impulso eléctrico que puede ser fácilmente registrado mediante un electrocardiograma (ECG), una de las formas más comunes de controlar la actividad cardíaca. Sin embargo, nuestro corazón no late con una frecuencia constante. Cuando hablamos de variabilidad de la frecuencia cardíaca (VFC), hacemos referencia a la determinación de la variabilidad que se produce entre latidos cardíacos.
Observemos los datos registrados en un ECG durante 60 segundos. Estos son algunos datos que grabé usando el ECG Necklace, un prototipo de investigación que desarrollamos cuando trabajaba en imec, hace algunos años. El dispositivo es un pequeño sensor conectado a 2 derivaciones ECG:
Timestamp (minutes)= Tiempo (minutos
En la jerga técnica, las diferencias entre los latidos se llaman intervalos RR. Este nombre surge a partir de que a la señal que emite cada latido durante un ECG se le han asignado letras (es decir, el complejo QRS). Para obtener más información sobre el complejo QRS, puedes echar un rápido vistazo a Wikipedia, sin embargo, el único punto relevante aquí es que R representa el (los) pico (s). Volviendo a mi ECG, si hacemos un acercamiento y miramos solo 10 segundos, podemos ver claramente que hay diferencias entre los intervalos; algunos son más cortos, otros más largos:
Otra forma en que podemos observar estas diferencias es trazando un histograma de los intervalos RR. Básicamente, apilamos intervalos RR de duración similar. De esta forma, es mucho más fácil observar cómo se distribuyen los valores en un rango bastante amplio. Para esta trama, utilicé nuevamente el minuto completo de datos del primer diagrama:
Para este minuto de datos, los valores del intervalo RR oscilan entre 832 y 1094 milisegundos. Podemos calcular la frecuencia cardíaca instantánea lo que nos da un rango entre 55 y 72 latidos por minuto. Hasta aquí todo bien, ahora, ¿por qué son importantes estas diferencias en los intervalos RR?
¿Por qué son importantes?
Mecanismos fisiológicos que regulan la frecuencia cardíaca
En pocas palabras, el cuerpo humano detecta el estrés a través de sus sentidos y envía la información al cerebro quien determina cómo enfrentarlo. Las fuentes de estrés (estresores) son interrupciones que desencadenan ciertas reacciones, a medida que el cuerpo trata de mantener un estado de equilibrio, también llamado homeostasis, que es fundamental para garantizar un funcionamiento óptimo.
Entonces, ¿qué sucede cuando enfrentamos un factor estresante? El sistema nervioso central (SNC) es el responsable de nuestra respuesta visceral frente a los estímulos (Thayer et al.). Los impulsos del cerebro y de la médula espinal hacia los músculos lisos y al corazón (entre otros) son conducidos por el sistema nervioso autónomo (SNA), que está regulado por el hipotálamo.
El sistema nervioso autónomo (SNA) controla y regula muchas funciones de nuestro cuerpo, desde el latido del corazón hasta la respiración. Normalmente pensamos en el SNA en el contexto de sus dos ramas, los sistemas nerviosos simpático y parasimpático, que regulan continuamente el SNA al actuar en diferentes direcciones. Mientras que el sistema nervioso simpático es el responsable de estimular la respuesta de lucha o huida del cuerpo, el sistema nervioso parasimpático es el principal responsable de las funciones del cuerpo en reposo.
La VFC está regulada por neuronas con origen simpático y parasimpático y por el nervio vago. La VFC a corto plazo, que es lo que normalmente se mide en los productos de consumo, está dominada principalmente por la influencia parasimpática (vagal). Como medida de actividad parasimpática, controla muchos órganos, incluido el corazón y conecta procesos como la respiración y la presión sanguínea que llega al corazón.
La VFC puede registrar cambios en el SNA de forma no invasiva al cuantificar uno de los principales controladores del SNA, que es el nervio vago, un nervio craneal que lleva información del cuerpo al cerebro. En lugar de medir directamente el nervio vago o la cantidad de influencia vagal en el corazón (el tono vagal), medimos los procesos que afecta el nervio vago, como la variabilidad en los latidos del corazón.
Recapitulando
Tratemos de sintetizar todo el mecanismo fisiológico en pocas palabras: a medida que el cuerpo trata de mantener el equilibrio para funcionar de manera óptima, el ritmo cardíaco está influenciado por una serie de procesos que van desde el cerebro hasta el corazón, procesos que reflejan el nivel de estrés en el cuerpo. Esta es la razón por la cual la VFC es una herramienta tan poderosa. Cómo utilizar la VFC es una conversación completamente diferente que debemos tener, y altamente dependiente de la aplicación específica (entrenamiento u otra), un tema candente en estos días. Sin embargo, en mi opinión, comprender tales procesos fisiológicos puede abrir los ojos e incluso puede ser utilizado como una herramienta para tomar conciencia.
Buenas prácticas y otros puntos prácticos clave
Recolecta buenos datos
Antes de que podamos comenzar a hablar sobre la interpretación de los datos, debemos asegurarnos de haber recopilado mediciones válidas. Este blog está lleno de publicaciones en las que tratamos de analizar y comparar diferentes sensores (cintas para el pecho, sensores de muñeca, sensores auditivos, sensores de brazos, cámaras de teléfono, etc.) para que puedas tomar decisiones informadas. Si utilizas la aplicación, te recomendamos que utilices la cámara del teléfono o los sensores Polar.
Referencias del gráfico: RR interval= Intervalo RR; Time (ms)= Tiempo (ms)
Intervalo R-R simultáneo de un solo sujeto durante 60 segundos de grabación con fotopletismografía (PPG), correa para el pecho Polar (H7) y electrocardiograma (ECG).
Trata de evitar factores de confusión tanto como puedas (es fácil si implementas las buenas prácticas)
La lista de factores de confusión para el análisis de VFC es prácticamente infinita. ¿Por qué? Porque, como explicamos al comienzo de esta nota, la VFC no es más que un mecanismo desencadenado por nuestro cuerpo en respuesta a los factores estresantes, y ¿adivinen qué?, casi cualquier cosa es estresante.
Quintana y Heathers proporcionan excelentes ejemplos de estos factores en sus publicaciones; algunos como la nicotina, cafeína, la hora del día, la actividad física, el consumo de alcohol, la dieta, la digestión, la ingesta de agua, la edad, etc., son factores que pueden afectar las mediciones de VFC.
¿Cómo podemos controlar estos factores? No hay necesidad de desesperarse, dependiendo del tipo de datos que recopilemos, tenemos diferentes métodos para asegurarnos de que no estamos cometiendo un error y no estamos midiendo realmente el efecto agudo de cualquier otro factor estresante aleatorio que solo nos está afectando.
En particular, dado que HRV4Training tiene como objetivo cuantificar el estrés fisiológico general, y no la respuesta de nuestro sistema a un factor estresante específico (por ejemplo, estrés mental, etc.), podemos sacar el máximo provecho de nuestras mediciones aplicando solo algunas buenas prácticas que pretenden proporcionar un contexto claro y reproducible para nuestras medidas.
Buenas prácticas
A continuación les presento una lista y una breve descripción de algunos pasos que garantizarán que tu medición matutina sea válida, repetible y significativa a lo largo del tiempo.
- Cómo/cuándo realizar la medición: recomendamos medir a primera hora de la mañana justo después de despertar, ya que en ese momento nos encontramos en un estado fisiológico relajado y de esta manera podemos limitar la influencia de los factores estresantes externos. Del mismo modo, los dispositivos que proporcionan mediciones nocturnas informarán datos que están altamente correlacionados con las mediciones tomadas temprano por la mañana, ya que se capturan los mismos procesos fisiológicos. Realice la medición mientras está acostado si es posible, de lo contrario siéntese. También puede permanecer de pie, pero en este caso, espere siempre 60 segundos después de ponerse de pie para que su fisiología vuelva a estar relajada. Lo mas importante es que midas siempre en la misma posición y siguiendo la misma rutina de la mañana.
- Frecuencia de medición: A pesar de que realizando mediciones 4 a 5 veces por semana obtendrás una buena línea de base, puedes perder información valiosa (por ejemplo, variabilidad semanal en las mediciones). Menos de 3 mediciones por semana pueden ser insuficientes para obtener una línea de base confiable, por lo tanto, recomendamos medir diariamente e intentar convertirlo en un hábito. Debido a que HRV4Training utiliza los últimos 30 días de datos para comprender tus variaciones fisiológicas diarias, cuantos más datos tengas, más precisa será la medición de la aplicación y, por lo tanto, mejor será el asesoramiento diario.
- Otros problemas/recomendaciones: asegúrate de que no te moverás, no tragues (de ser así, cancela la medición y repite, ya que tragar causa taquicardia durante unos segundos y, por lo tanto, influye en el ritmo cardíaco), no bosteces.
¿Qué medida debes utilizar?
La VFC se determina mediante el cálculo de las características mencionadas previamente, a partir de una serie de intervalos RR o diferencias entre los latidos cardíacos. Esto significa que, a diferencia de la frecuencia cardíaca, que puede ser considerada como un valor casi instantáneo, para calcular la VFC es necesario que se acumule cierta cantidad de datos. La práctica clínica recomienda 5 minutos de datos para la extracción de características, sin embargo, en los últimos años, cada vez más trabajos han demostrado que los períodos mucho más cortos proporcionan equivalencia, y los registros más prácticos de 60 segundos son suficientes [5], especialmente cuando observamos las características del dominio de tiempo.
Otro aspecto importante a tener en cuenta es el procesamiento previo para basarnos en intervalos RR antes de calcular funciones. Uno de los pasos más importantes es la corrección de los intervalos RR, que evita que los artefactos asociados a latidos ectópicos o al movimiento afecten el cálculo de las características, tal como se informa a menudo en la literatura sobre el análisis de la VFC.
HRV4Training utiliza una ventana de tiempo configurable, por lo que puedes abarcar hasta 5 minutos si lo deseas, pero también te permite realizar mediciones mas cortas de 60 segundos. Además, la corrección del intervalo RR siempre se realiza después del registro, antes de calcular las características.
Recomendamos utilizar rMSSD como la característica principal a tener en cuenta (o los Puntos de Recuperación, también derivados de rMSSD) como una métrica única que refleja muy bien la actividad parasimpática, y no se ve muy afectada por otros factores de confusión, como la respiración.
El nervio vago actúa sobre los nodos de receptores de señalización para modular el pulso latido a latido mientras que la actividad simpática tiene diferentes vías con señalización más lenta, por lo tanto los cambios latido a latido calculados como rMSSD reflejan la actividad parasimpática. La influencia vagal tiene una latencia muy corta (menos de 1 segundo), mientras que la influencia simpática es demasiado lenta como para producir diferencias de latido a latido (4-20 s, ver Nunan et al.).
Otra buena característica es la frecuencia cardíaca (FC), sin embargo, se ve mas afectada por la influencia de la frecuencia respiratoria, por lo que recomendamos que te bases en los puntos de recuperación o rMSSD (se puede habilitar rMSSD en la aplicación desde Menú / Configuración / Ver HRV / Avanzada). Puedes obtener mayor información sobre este tema aquí.
Una nota sobre los artefactos
Los datos de VFC son altamente afectados por los artefactos, ya sea que provengan del dispositivo de medición (latido incorrecto detectado, movimiento de los sensores PPG) o de los datos reales (latido ectópico, arritmias) que deben ser adecuadamente controlados. En HRV4Training tenemos diferentes mecanismos (que también destacamos en el documento anterior) para identificar y eliminar correctamente los artefactos. Verifica tu aplicación / dispositivo y averigua qué métodos utilizan para tratar los artefactos, ya que solo un artefacto puede arruinar completamente tus datos. A continuación te presentamos un ejemplo, con dos minutos consecutivos de datos, el primero da como resultado rMSSD = 79 ms, mientras que el segundo (que contiene un artefacto) da como resultado rMSSD = 201.
Referencias: Panel superior: Clean ECG and detected beats= ECG sin artefactos y latidos detectados; Panel inferior: ECG with ecopic beat and detected beats= ECG con latido ectópico y latidos detectados; Time (minutes) = Tiempo (minutos)
Identificación y eliminación de artefactos:
ECG with detection of abnormal beats= ECG con detección de latidos anormales. Time (minutes) = Tiempo (minutos)
Los registros de ECG son los únicos que permiten al investigador observar el complejo QRS y, por lo tanto, los latidos del corazón, lo que permite una identificación precisa y una corrección significativa de los posibles problemas. Para las aplicaciones móviles que utilizan PPG o bandas para el pecho, no hay forma de verificar los datos y asegurarse de que el ritmo identificado sea un artefacto, aunque por lo general un examen visual de los tiempos RR de las series temporales puede ser suficiente. En ciertos casos (ciertas arritmias), simplemente no es posible calcular significativamente la VFC.
Reproducibilidad de las Mediciones
En general, siempre hay variaciones fisiológicas porque nunca estamos en el mismo estado exacto, y hasta cuando nuestra mente piensa o tragamos podemos provocar algunas diferencias, por lo tanto las prácticas anteriores son muy importantes.
En general, la medición de la VFC en momentos aleatorios durante el día no es útil para comprender el estrés fisiológico general (sí puede ser valiosa si estamos tratando de medir la respuesta a un factor estresante específico). La incapacidad de las mediciones tomadas al azar durante el día para reflejar el estrés fisiológico subyacente también fue demostrada recientemente por Mesquita et al., quienes demostraron que el análisis de RMSSD de las actividades habituales diarias no era confiable, y por lo tanto la validez no puede ser asumida porque los factores estresantes agudos que se producen durante el día no garantizan confiabilidad/reproducibilidad.
Por el contrario, en condiciones estándar (mediciones matutinas), y siempre que respires normalmente y estés relajado, las mediciones realizadas en la misma posición deberían diferir solo en 5 a 20 ms en rMSSD (o menos de 0,5 puntos de recuperación). La aplicación suele ser bastante buena para indicar la calidad de la señal y no es necesario volver a realizar la prueba, ya que es posible que te impacienten más y como consecuencia la medición se vea afectada. Aquí puedes profundizar tus conocimientos sobre reproducibilidad de las mediciones.
Finalmente, la aplicación contempla las variaciones diarias y el hecho de que la fisiología cambia a menudo y puede discernir qué variaciones son normales en su caso específico, y permite construir un modelo que contempla los últimos 30 días de mediciones de modo que solo los cambios significativos sean interpretados como tales, y proporciona consejos diarios para tus entrenamientos.
Qué hacer con los datos
Tal como expliqué previamente, el sistema cardiovascular está controlado principalmente por regulación autonómica a través de la actividad de las vías simpáticas y parasimpáticas del SNA, y el análisis del análisis de la VFC nos permite analizar este mecanismo de control [1]. En pocas palabras, monitorear la actividad parasimpática a través de la VFC nos puede aportar información sobre el estrés fisiológico, donde un mayor nivel de estrés produce una menor VFC.
En el ámbito deportivo el entrenamiento pesado es responsable de virar el equilibrio autonómico cardíaco hacia un predominio del control simpático por encima del control parasimpático. Esto significa que un entrenamiento de alta intensidad reducirá la VFC, y monitoreando la VFC podremos posiblemente optimizar el entrenamiento, reducir el riesgo de sobreentrenamiento y, en última instancia, mejorar el rendimiento. En estos últimos puntos, muchos estudios de investigación demostraron que los cambios a corto plazo en las características de VFC, utilizados para evaluar la carga y la recuperación del entrenamiento, son una medida confiable de la actividad parasimpática [2, 3] e incluso pueden ser utilizados para guiar los planes de entrenamiento [4].
En una de nuestras propias publicaciones también destacamos cómo la intensidad de entrenamiento auto-informada estaba claramente correlacionada con la respuesta fisiológica, en ambos sexos y en todos grupos de edad, en una muestra de casi 800 usuarios:
Referencias: Age groups= Grupos de edades; HR change= Cambio en la frecuencia cardíaca (FC); HRV (rMSSD) change= Cambio en la variabilidad de la frecuencia cardíaca o VFC (rMSSD); Training= Entrenamiento; Low training load= Carga de entrenamiento baja; High training load= Carga de entrenamiento alta.
Relación entre HR, VFC y entrenamiento para diferentes grupos de edad. En todas las condiciones, la FC se incrementa consistentemente en los días posteriores a una carga de entrenamiento mas alta, mientras que rMSSD se reduce constantemente.
La aplicación a los deportes está muy difundida en este momento por una serie de simples razones: usuarios altamente comprometidos, factores estresantes “fácilmente” cuantificables (entrenamiento) (al menos con respecto a aplicaciones más desafiantes sobre salud mental) así como también un ciclo de retroalimentación más rápido que fomenta el compromiso (el rendimiento y la competencia se producen en el intervalo de semanas a meses) con respecto a otras aplicaciones que pueden llevar años (por ejemplo, el envejecimiento o la progresión de una enfermedad específica).
En este artículo no vamos a profundizar en cómo usar la VFC para guiar el entrenamiento (¿qué debe hacer si tu VFC es normal? ¿Qué ocurre si es baja? ¿Qué sucede si tu línea base está disminuyendo?, etc.), el punto aquí es simplemente resaltar cómo los factores estresantes del entrenamiento se pueden capturar fácilmente en términos del estrés fisiológico resultante, medido por la VFC.
Factores productores de estrés agudo: además del entrenamiento por si solo
Cualquiera que haya usado HRV4Traning o alguna otra herramienta similar, probablemente haya aprendido un poco sobre la manera en que su cuerpo responde a ciertos factores estresantes comunes, por ejemplo, variaciones diarias a factores estresantes agudos tales como entrenamientos de alta intensidad y además como responde frente a enfermedad, viajes, consumo de medicamentos, ingesta de alcohol, etc. A continuación podemos observar algunos ejemplos (gracias especialmente a Massi Milani por proporcionar algunos de estos):
Just a small period at home, I was able to increase my HRV by 16,5% compared to the previous 30 days= Un corto periodo de tiempo logró aumentar mi VFC un 16%, en comparación con los valores registrados previamente hace 30 días; 30-60 days ago= Hace 30-60 días; last 30 days= Últimos 30 días; Measurement density= Densidad de mediciones; Average rest HRV (rMSSD, measured with 60 seconds)= VFC promedio en descanso (rMSSD, medido durante 60 segundos).
Just drinking 1 glass of wine has no impact on my HRV, exagerating however decreases my HRV significantly. Better to select a great wine in this case= El hecho de haber bebido un solo vaso de vino no tuvo influencia en mi VFC, pero el consumo de una cantidad muy elevada de alcohol disminuyó mi VFC significativamente. En este caso, mejor beber un buen vino…..
a Little= Consumo de un poco de alcohol; nothing= No se consumió alcohol; too much= Consumo de una gran cantidad de alcohol. Measurement density= Densidad de mediciones; HRV measurement (Rmmsd)= Mediciones de VFC (Rmmsd)
A continuación tenemos más de un millón de datos de unas 6000 personas:
rMSSD and getting sick= rMSSD y enfermarse; Condition= Condición; Not sick= Sano; Sick= Enfermos
Los factores estresantes agudos son típicamente bastante fuertes y pueden ser detectados incluso cuando se analizan de forma aislada como acabamos de ver. Sin embargo, debemos recordar que todos los factores mencionados previamente (y muchos otros) actúan simultáneamente en el SNA. -> recopilan datos contextuales, y este es el motivo por el cual son tan importantes los datos (Tags) que se obtienen por la mañana en HRV4Training, las mediciones fisiológicas per se no son tan informativas.
Recolección longitudinal de datos.
La recolección longitudinal de datos hace referencia a la recolección de datos en diferentes días a lo largo del tiempo, algo que parecería obvio para cualquiera, pero no es muy común en las investigaciones. Dado que la tecnología ha mejorado mucho en los últimos años, finalmente las mediciones se pueden realizar en condiciones óptimas (en términos de contexto y de reducción de factores de confusión, por ejemplo, a primera hora de la mañana). Mucho mejor que ir al laboratorio todos los días.
Además, se incrementa el cumplimiento ya que la medición requiere tecnología/sensores menos voluminosos (o ningún sensor en absoluto). Recopilar más datos a lo largo del tiempo hace que el análisis de datos tenga una mayor potencia, y podamos comprender mucho mejor lo que es normal para ti y podemos darte consejos significativos basados en una multitud de parámetros y en tu evolución a lo largo del tiempo, en lugar de solo tener en cuenta verificaciones puntuales esporádicas.
Algunos otros ejemplos de análisis de datos longitudinales son la progresión de condiciones específicas, saludables (por ejemplo, embarazo) o no saludables (reducción típica del tono vagal, ver neuropatía diabética), así como la adaptación a entornos o actividades específicos, como las adaptaciones a la altitud (pueden reflejarse en el grado de reducción de la VFC) o las adaptaciones a los bloques de entrenamiento.
Como casi todo lo que afecta al SNA, la recopilación longitudinal de datos representativos del tono vagal puede aportar información sobre numerosos mecanismos complejos que se ponen en marcha en la salud y en la enfermedad. Esto es todo por hoy, espero que la visión general que les he presentado les sea útil para proporcionar una comprensión decente de los procesos fisiológicos que motivan el uso de la VFC y las numerosas aplicaciones que nos permiten las tecnologías actuales.
Referencias
[1] Aubert, André E., Bert Seps, and Frank Beckers. “Heart rate variability in athletes.” Sports Medicine 33.12 (2003): 889-919.
[2] Garet, Martin, et al. “Individual interdependence between nocturnal ANS activity and performance in swimmers.”.Medicine and science in sports and exercise 36 (2004): 2112-2118.
[3] Pichot, Vincent, et al. “Relation between heart rate variability and training load in middle-distance runners.” Medicine and science in sports and exercise 32.10 (2000): 1729-1736.
[4] Kiviniemi, Antti M., et al. “Endurance training guided individually by daily heart rate variability measurements.” European journal of applied physiology 101.6 (2007): 743-751.
[5] Esco, M. R., & Flatt, A. A. (2014). Ultra-Short-Term Heart Rate Variability Indexes at Rest and Post-Exercise in Athletes: Evaluating the Agreement with Accepted Recommendations. Journal of sports science & medicine, 13(3), 535.
[6] HRV4Training: Large-Scale Longitudinal Training Load Analysis in Unconstrained Free-Living Settings Using a Smartphone Application. Available from: https://www.researchgate.net/publication/301998958_HRV4Training_Large-Scale_Longitudinal_Training_Load_Analysis_in_Unconstrained_Free-Living_Settings_Using_a_Smartphone_Application [accessed Nov 24 2017].