• 心率变异性（HRV）与脉率变异性（PRV）之间的关系

心率变异性（HRV，Heart Rate Variability）

心率变异性（HRV）是指连续正常（窦性）心动周期之间时间上的微小差异。

在生理条件下，HRV的产生主要是由于心脏窦房结自律活动通过交感和迷走神经、神经中枢、压力反射和呼吸活动等因素的调节作用，使得心脏每搏间期一般存在几十毫秒的差异。

心率变异性（HRV）的分析方法

心率变异性（HRV）分析的心电信号有长有短，短期的只有5分钟，最长1小时；长期的可达24-48小时。记录可在不同体位（仰卧、倾斜、直立或倒立位）和动作（平静呼吸、深呼吸、Valsava动作、运动）进行。

HRV分析目前采用的方法分为线性分析方法与非线性分析方法两种。其中，线性分析方法包括时域分析与频域分析。

时域分析法：通过统计学离散趋势分析法计算R-R间期变化的统计学方法，主要包括统计学分析和几何图形分析。

•统计学分析：通过计算一系列有关R-R间期的数理统计指标，来评价心率变异性的临床价值。

•几何图形分析：对R-R间期的分布进行分析，给出R-R间期的变异度。常用的有R-R间期直方图，R-R间期差值直方图、HRV的时间序列图。

频域方法或频谱分析法：原理是将随机变化的RR间期或瞬时心率信号分解为多种不同能量的频域成份进行分析，可以同时评估心脏交感和迷走神经活动水平。

以上两种分析方法都属于线性分析方法，而人体内的生物过程都属于非线性过程，为此，又提出了第三种分析方法，即以非线性分析方法来描述心率变异性的特性。

时域分析指标

对于时域分析方法，HRV信号的RR间期划分为许多不同能量源的频域进行分析。同时，评估心脏的交感神经以及迷走神经状况。

在医学中对HRV进行时域分析时，由ECG记录的长短来分类，分为长程和短程分析。当心电记录的时间为24小时时，为长程分析；当ECG记录的时间为5min时，为短程分析。长程分析的使用时间长，虽然能够获得十分详细的HRV的动态信息，但是这种分析方法成本太高，很难控制突发状况，对准确性造成影响。而短程分析方法虽然使用的时间短，实验成本比较低，能够比较容易控制实验条件，但是短程分析方法一般不能获得详细的HRV信息。

时域分析指标如下：

来源（Shaffer & Ginsberg, 2017）

频域分析指标

HRV频域分析是从另一角度，即频谱分析的角度来分析心率变化的规律。它与时域分析既有相关性，又能揭示出心率的更复杂的变化规律。

频域分析指标如下：

来源（Shaffer & Ginsberg, 2017）

频域分析分为短程（5min）析与长程（24h）分析。在心血管病的预后方面，长程分析比短程分析更具有预测价值，其中ULF、VLF比HF、LF的价值更高。

非线性分析指标

HRV非线性分析方法可分为图形法与非线性参数计算法。图形法主要为心电散点图分析，非线性参数的计算常用分维数（相关维、Hausdorf维或信息维）分析法、复杂度分析法、Lyapunov指数、哥氏（Kolmogorov）熵或测度熵、近似熵分析等，均属非线性分析的定量化方法。

非线性分析指标如下：

来源（Shaffer & Ginsberg, 2017）

目前研究较多的是散点图分析法。正常人的散点图呈彗星状，而自主神经受损病人的散点图可以呈鱼雷状、斑片状等多种形态。散点图包含了HRV的线性和非线性变化趋势，比HRV的时域指标更为敏感，个体化程度更高。

脉率变异性（PRV，Pulse Rate Variability）

由于人体全身的血管在进行周期性的收缩和舒张，当主动脉进行有规律的舒张或者收缩时，人体的血液会从其底部生成一系列的波形，然后随着患者全身的动脉体系开始扩展，这就是我们所提到的脉搏波。
因为人体是处在一个动态过程中，每时每刻都会有轻微的变动，因此，使用者在不同的时刻检测到的信号也是不同的，这就是我们常说的变异性。脉搏波与心电信号波形相似，连续的脉搏间期之间也存在着微小的差异，我们可以通过研究脉率变异性（Pulse Rate Variability，PRV），来研究人体的生理状况。脉率变异性的定义与心率变异性相似，都是指相邻波峰之间的差值。

• 可以用脉搏波信号中的峰峰值间期（Peak-to-Peak Interval，PPI）代替ECG信号中的RR间期（RR Interval）来进行HRV的计算。

我们把利用脉搏波计算得到的HRV称为PRV。

心率变异性（HRV）与脉率变异性（PRV）之间的关系
Relationship between HRV and  PRV

近年来，一些研究证明，脉率变异性（PRV）在一定条件下可以代替心率变异性（HRV）来反映自主神经活性。

1)Lu等（2008）研究证明受试者在仰卧位和直立位时的PRV和HRV具有很好的一致性，PRV可以作为HRV的另一种测量方法。
2)Gil等（2010）在颈部刺激实验中通过对PRV和HRV时域和频域的分析得出PRV和HRV可以通用的结论；
3)Bulte等（2011）研究得出健康受试者标准条件下的HRV和PRV高度相关（r > 0.99）；
4)Hart（2013）利用左右两侧脉搏信号和心电信号进行对比分析，得出PRV可以替代HRV的结论；
5)石波等人（2015）对PRV与HRV各指标进行统计学分析发现，基于脉搏波PPI分析得到的PRV与采用心电图RRI得到的HRV结果基本一致。
6)刘荣（2019）对PRV和HRV的相关性进行了分析发现，PRV与HRV的时域参数和频域参数的相关性基本上都在80%之上，结果表明可以使用PRV的时域参数来代替HRV的时域参数进行一些人体生理上的判断。
7)刘双铭（2017）对睡眠呼吸暂停病人的PRV与HRV进行了分析，结果发现对于非线性指标，PRV和HRV有显著的差异性，但是对于时域和频域指标PRV和HRV在各个睡眠阶段没有显著的差异性，并且呈现高度相关性。研究结果表明在临床分析中能够用PRV的结果来代替HRV。
8)......

但也有研究显示，PRV与HRV在非剧烈运动场景下的各参数一致性较大，但在部分情况下仍然有一些差异。

有研究者从平静状态的卧姿着手，同步采集健康青少年、老年人以及心血管病人的心电和脉搏信号各25组，将时域、频域和非线性三方面参数结合分析，从不同年龄和不同身体状况等多角度比较，结果发现：
HRV和PRV的差异与年龄有关，健康青少年组的所有参数都具有一致性，而老年人组只有部分参数具有一致性，其余参数都不具有充分的一致性，因此青少年差异较小，老年人差异较大。
二者差异还与健康状态有关，健康青少年组所有参数都具有一致性，而心血管病人组只有部分参数具有一致性，其余参数都不具有充分的一致性，故健康人差异较小，心血管病人差异较大。

总结

众多关于PRV和HRV相关性研究的结果表明，在一定条件（非剧烈运动、非特殊人群等）下，基于PPG的PRV分析可以等同于基于ECG的HRV分析，PRV与HRV的时域参数和频域参数的相关性基本上都在80%之上。

如果您对脉搏波信号感兴趣，请与我们联系！

声明：文章仅用于学术交流，不用于商业行为，若有侵权及疑问，请后台留言，管理员即时删侵！