心拍変動の測定、Apple Watchで死亡リスクを予測できるか

「Apple WatchやOura RingでHRV（心拍変動）を毎日測定すべき」。

バイオハッカー界隈でよく聞く主張だ。

しかし、効果サイズ原理主義者として断言する。

追跡する価値はある（条件付き）。しかし因果関係は不明。

結論から言う

2022年の大規模メタアナリシス（32研究、38,008名）が示している。

アウトカム	HRV指標	HR/RR（ハザード比/相対リスク）	95% CI（信頼区間）	評価
死亡率予測	RMSSD（連続RR間隔差の二乗平方根） (Lowest vs Others)	1.56	1.32-1.85	強い関連
AMI（急性心筋梗塞）後心臓死	SDNN（NN間隔の標準偏差） index	4.19	3.36-5.22	極めて強い
CVD（心血管疾患）患者全死因死亡	Low HRV	2.27	1.72-3.00	強い関連
予測精度（CHF（慢性心不全）患者）	SDNN	AUC（曲線下面積） 0.711	0.668-0.753	許容可能

HR 1.56-4.19は臨床的に大きい。しかしAUC 0.711は単独マーカーとしては限定的。

さらに、2023年のメンデリアンランダム化研究では：

• pvRSA/HFのみ 心停止 OR（オッズ比） 2.02 → 因果関係示唆
• SDNN、RMSSDは因果関係示せず

観察研究での強い関連 ≠ 因果関係。HRVは「結果」であって「原因」ではない可能性。

しかし、HRVガイドトレーニングRCT（ランダム化比較試験）では：

• 最大速度↑ (p=0.027, d（効果量）=0.66)
• rMSSD↑23.3%、tlim↑23.6%

トレーニング個別化には実用的価値あり。

Jarczok et al. (2022) メタアナリシス - 死亡率予測の決定的エビデンス

この研究が最も重要だ。

研究規模

• 32研究（健康者＋患者集団）
• 38,008名
• 2つのIPD（個人参加者データセット）

主要な発見

低HRV → 高死亡率（一貫性）:

• 年齢にかかわらず
• 性別にかかわらず
• 大陸にかかわらず
• 集団（健康者/患者）にかかわらず
• 記録長さにかかわらず

すべてのHRVパラメータで類似したハザード比。

RMSSD 5分測定（最低四分位 vs 他）

Combined HR（統合ハザード比） 1.56 (95% CI: 1.32-1.85)

IPDサブ解析

心拍補正HRVパラメータ → 全死因死亡との強い関連を確認

メタ回帰分析

共変量調整済み研究でも、ハザード比の効果修飾なし。

研究者らの結論:

“Lower HRV parameter values were significant predictors of higher mortality across different ages, sex, continents, populations and recording lengths.”

38,008名で一貫した関連。エビデンスレベルは高い。

Fang et al. (2019) 心血管疾患患者 - HR 2.27

この研究は、CVD患者に特化したメタアナリシスだ。

研究規模

• 28コホート研究
• 3,094名（心血管疾患患者）
• フォローアップ: 最低1年以上

主要な発見

全死因死亡:

• 低HRV → HR 2.27 (95% CI: 1.72-3.00)

心血管イベント:

• 低HRV → HR 1.41 (95% CI: 1.16-1.72)

サブグループ解析（全死因死亡）

AMI（急性心筋梗塞）患者: 有意（p < 0.05） 心不全患者: 有意でない

サブグループ解析（心血管イベント）

AMI患者: 有意（p < 0.05） ACS（急性冠症候群）患者: 有意（p < 0.05） CAD（冠動脈疾患）患者: 有意でない 心不全患者: 有意でない

AMI/ACS患者では強い予測力、心不全患者では弱い。

HRV領域

時間領域: 全死因死亡・心血管イベント両方で有意 周波数領域: 全死因死亡・心血管イベント両方で有意

どのHRV領域でも同様の予測力。

研究者らの結論:

“Lower HRV was associated with a higher risk of all-cause death and cardiovascular events.”

HR 2.27は臨床的に大きい。CVD患者でのリスク層別化に有用。

Rueda-Ochoa et al. (2024) AMI後の最良指標 - SDNN index RR 4.19

この研究は、急性心筋梗塞後の患者で「どのHRV指標が最良の死亡予測因子か？」を検証した。

研究規模

• 27研究（観察研究）
• 対象: 急性心筋梗塞後の患者

心臓死

最良の指標: SDNN index

• RR 4.19 (95% CI: 3.36-5.22, I² 39.7%)

その他有意な指標:

• SDNN、HRV index、ULF、VLF、Total Power、LF、LF/HF ratio、HF

全死因死亡

最良の指標: HRV index

• RR 3.60 (95% CI: 2.30-5.64, I² 27.5%)

その他有意な指標:

• VLF、ULF、LF、Total power、SDNN、LF/HF ratio、HF

研究者らの結論:

“Based on a sensitivity analysis, the best index associated with cardiac mortality post-myocardial infarction is low values of SDNN and for total mortality is low values of HRV index.”

RR 4.19は極めて大きい。AMI後の患者では強力な予測因子。

Men et al. (2025) CHF患者 - AUC 0.711の臨床的意義

この研究は、慢性心不全患者でのMAC E予測精度を検証した。

研究規模

• 906名（慢性心不全患者、5センター）
• フォローアップ: 中央値16ヶ月
• イベント: 211 (23.3%) MACEs

ROC解析（AUC（曲線下面積））

SDNN: AUC 0.711 (95% CI: 0.668-0.753) Triangular index: AUC 0.699 (95% CI: 0.655-0.743)

予測改善

HRVパラメータを従来のリスクモデルに追加 → C-index（一致度指数）、NRI（純再分類改善度）、IDI（統合識別改善）改善

研究者らの結論:

“SDNN and triangular index demonstrated the strongest predictive abilities.”

竹内の評価

AUC 0.711は「許容可能」レベル（0.7-0.8）。

しかし、「優秀」は0.8以上。

単独マーカーとしては限定的。他のリスク因子と組み合わせるべき。

C-index、NRI、IDIの改善度が小さい場合、実臨床での追加価値は限定的。

因果関係の不確実性 - メンデリアンランダム化との矛盾

Zhao et al. (2023)のメンデリアンランダム化研究が、重要な疑問を投げかける。

メンデリアンランダム化とは？

遺伝的変異を「自然のランダム化」として利用し、因果関係を推定する手法。

観察研究の交絡を避けられる。

HRV指標（3種類）

• SDNN（normal-to-normal inter-beat intervals）
• RMSSD（root mean square of successive differences）
• pvRSA/HF（peak-valley respiratory sinus arrhythmia/high-frequency power）

主要な発見

pvRSA/HF → 心停止:

• OR 2.02 (95% CI: 1.25-3.28, p=0.004)
• 異質性・多面性なし
• 外れ値なし

SDNN、RMSSD → 心血管疾患:

• 有意な因果関係なし

観察研究との矛盾

観察研究（Jarczok 2022、Fang 2019）:

• 一貫してSDNN、RMSSDが死亡率・心血管イベントと関連

MR研究（Zhao 2023）:

• SDNN、RMSSDは因果関係を示せず

この矛盾の意味

可能な説明:

1. 逆因果: 病気がHRVを低下させている
2. 交絡: 他の因子（運動、ストレス、睡眠）がHRVと死亡率の両方に影響
3. MR研究の限界: 遺伝的変異がHRVに与える影響が小さい、多面性

竹内の評価

観察研究での一貫した関連（38,008名）は強力だが、因果関係は不確実。

HRVは「リスクマーカー」であっても「原因」ではない可能性。

介入研究（HRV改善→死亡率減少）のエビデンスが必要。

現時点では、「HRVを改善すれば死亡率が下がる」とは言えない。

HRVガイドトレーニングRCT - 実用的価値

しかし、トレーニング個別化にはHRVの実用的価値がある。

Carrasco-Poyatos et al. (2022) プロランナー

この研究は、プロ持久系ランナーでHRV-guidedトレーニングを検証した。

研究規模: 12名（8週間cluster RCT） グループ: HRV-guided (n=6) vs Traditional (n=6)

トレーニング構造:

• 中等度強度: HRV-G群が高い +1.98 ± 0.1% (p=0.006, d=1.22)
• 低強度: TRAD-G群が高い +2.03 ± 0.74% (p=0.004, d=1.36)

パフォーマンス:

• 最大速度: HRV-G群で増加（p=0.027, d=0.66）

HRV:

• LnRMSSD: HRV-G群で小効果（p=0.365, d=0.4）

研究者らの結論:

“Higher HRV scores suggest better cardiovascular adaptations due to higher training intensities, favoring HRV as a measure to optimize individualized training in professional runners.”

d=0.66は中効果。トレーニング個別化に有用。

---

da Silva et al. (2017) 未訓練女性 - rMSSD↑23.3%

この研究は、未訓練女性でHRV-guidedトレーニングを検証した。

研究規模: 36名 プロトコル:

• Control: 事前定義（MICT（中強度継続運動）/HIIT（高強度インターバルトレーニング）交互）
• HRV-guided: HRV < mean-1SD → MICT、それ以外 → HIIT

5km走タイム:

• HRVG: -17.5 ± 5.6%
• CG: -14 ± 4.7%
• 群間効果サイズ: 中等度

rMSSD（副交感神経活動）:

• HRVG: +23.3 ± 27.8% (有意)
• CG: 改善なし

tlim at Vpeak（持久力）:

• HRVG: +23.6 ± 31.9% (有意)
• CG: 改善なし

Vpeak（最大速度）:

• HRVG: 10 ± 7.3%
• CG: 8.2 ± 4.7%
• 群間効果サイズ: 小

研究者らの結論:

“The greater improvements in HRVG for t5km and autonomic modulation reinforce the potential application of this tool.”

rMSSD +23.3%、tlim +23.6%は大効果。未訓練者でも有用。

---

Carrasco-Poyatos et al. (2023) 心臓リハビリ - 血圧↓4.3-11.4 mmHg

この研究は、虚血性患者の心臓リハビリでHRV-guidedトレーニングを検証した。

研究規模: 46名（平均年齢55歳、8週間cluster RCT） グループ: HRV-guided (n=23) vs Traditional HIIT (n=23)

血圧:

• Resting SBP（収縮期血圧）: HRV-G群で低下 -4.3 ± 1.2 mmHg (p=0.05)
• HRV-G群のみ:
  • Resting DBP（拡張期血圧）: -5.4 ± 5.96 mmHg (p=0.007)
  • Maximal DBP: -11.4 ± 12.46 mmHg (p=0.005)
  • Maximal SBP: -5 ± 5.98 mmHg (p=0.013)

心拍回復:

• HRV-G群: -21.5 ± 23.16 bpm (p=0.003)

HRV:

• LnrMSSDcv: HRV-G群で低下 -1.23 ± 0.91 (p=0.03)（変動性減少＝安定性向上）

トレーニングボリューム:

• 高強度トレーニング量: HIIT-G群が高い +31.4 ± 29.2 min (p=0.024)

研究者らの結論:

“HRV-guided training presents a better cardioprotective effect than HIIT-G at a lower high-intensity training volume.”

血圧-4.3〜-11.4 mmHgは臨床的に意味がある。

低い高強度ボリュームで同等以上の効果 → 効率的。

---

Ranieri et al. (2025) RP vs HRV - 最新RCT

この研究は、レースペース（RP）とHRV-guidedを比較した。

研究規模: 28名（6週間RCT） グループ: HR-based (n=9) vs Race Pace (RP, n=9) vs HRV-guided (n=10)

RP群:

• 7km TT（タイムトライアル）: 改善（p < 0.05, ES（効果量）=1.07）
• 最大有酸素速度、体脂肪減少 → より効果的

HRV群:

• sVT2（第2換気閾値）: 増加（p < 0.01, ES=1.34）
• sVT1、VO₂max（最大酸素摂取量） → より成功的に向上

個人差変動:

• 7km TT: RP群が最小（CV=0.82）
• Relative VO₂max: HRV群が最小（CV=0.75）
• sVT2: HRV群が最小（CV=0.79）

研究者らの結論:

“The RP approach is an effective and useful training prescription method for optimizing performance in recreational runners, whereas the HRV method proves valuable for enhancing key physiological markers.”

ES 1.07-1.34は大効果。

RP: パフォーマンス最適化、HRV: 生理学的マーカー改善。

目的に応じて使い分けるべき。

ウェアラブルデバイスの信頼性 - RMSSD ICC 0.823

HRVを日常的に追跡するには、デバイスの信頼性が重要だ。

Chapman et al. (2025) Equivital - RMSSD Good、SDNN Moderate

この研究は、Equivital eq02+ LifeMonitorのday-to-day reliabilityを検証した。

研究規模: 23名（米軍兵士） プロトコル: 2回の測定（>48時間間隔）、安静20分後測定

日々の信頼性（ICC（級内相関係数））:

心拍数: ICC 0.849 (95% CI: 0.689-0.933) → 良好

RMSSD: ICC 0.823 (95% CI: 0.623-0.920) → 良好

SDNN: ICC 0.689 (95% CI: 0.428-0.858) → 中等度（変動大きい）

超短時間（1分） vs 短時間（5分）:

• 心拍数: バイアスなし（p=0.511）
• SDNN: 平均バイアス -4 ms (p≤0.023)
• RMSSD: 平均バイアス -1 ms (p≤0.023)

研究者らの結論:

“Military personnel can rely on the eq02+ for basal HR and RMSSD monitoring but should be more cautious using SDNN.”

RMSSDは信頼性高い（ICC 0.823）、SDNNは慎重に使うべき（ICC 0.689）。

超短時間（1分）測定でも信頼性高い（RMSSD バイアス -1 ms）。

---

Bellenger et al. (2022) WHOOP - lnRMSSD CV 5.4%

この研究は、WHOOPのday-to-day variabilityを検証した。

研究規模: 11名（エリート男性水球選手） デバイス: WHOOP 3.0（手首PPG（光電式容積脈波記録法）） 期間: 16週間（2021年東京オリンピック前）

週間変動係数:

lnRMSSD: CV 5.4 ± 0.7%

心拍数: CV 7.6 ± 1.3%

比較:

• 他の測定プロトコルでのlnRMSSD CV: ~3-13%
• 他の測定プロトコルでの心拍数 CV: ~10-11%

研究者らの結論:

“The day-to-day variability in WHOOP-derived lnRMSSD and HR is within or below the range of day-to-day variability in alternative lnRMSSD (~3-13%) and HR (~10-11%) assessment protocols, indicating that the assessment of HR and HRV by WHOOP does not introduce any more variability than that which is naturally present in these variables.”

WHOOP CV 5.4%は他プロトコル（3-13%）の範囲内。

追加の変動を導入しない。信頼性高い。

---

Esco et al. (2025) モバイルデバイス - RMSSDの優位性

このナラティブレビューは、アスリートのHRVモニタリングをレビューした。

RMSSDの優位性:

• 副交感神経活動との強い関連
• 計算が容易
• 短時間・超短時間記録で信頼性高い

測定頻度:

• 日常的・ほぼ毎日の測定 > 単発測定
• 週間平均と変動係数 → 慢性適応と急性恒常性撹乱を捉える

RMSSDの限界:

• 副交感神経活動のみに焦点
• 外部交絡因子の影響を受けやすい（睡眠、ストレス、アルコール、運動）

将来方向:

• HRVデータと他の生理学的マーカーの統合
• 機械学習アルゴリズムによる個別化トレーニング・リカバリー戦略

研究者らの結論:

“This review provides sport scientists and practitioners with evidence-based recommendations to enhance the application of HRV in both research and real-world athletic settings.”

RMSSDは信頼性高く、日常的測定に適している。

しかし単独マーカーとしては限定的、他のマーカーと組み合わせるべき。

実用性の課題

HRVを追跡する際の実用的課題を整理する。

1. 測定の煩雑さ

毎日測定が必要:

• 週間平均算出のため
• 変動係数算出のため

測定条件:

• 安静20分後（Chapman 2025）
• 同じ時間帯（朝起床時が推奨）
• 睡眠・ストレス・アルコール・運動の影響を考慮

コンプライアンスの問題:

• 毎日の測定を継続できるか？
• アプリの使用、データ記録の手間

---

2. 解釈の複雑さ

どの指標を使うべきか？

指標	信頼性	死亡率予測	トレーニング	推奨
RMSSD	ICC 0.823	HR 1.56	ES 0.66-1.34	★★★★★
SDNN	ICC 0.689	AUC 0.711	-	★★★☆☆
SDNN index	-	RR 4.19	-	★★★★☆（AMI後）
HRV index	-	RR 3.60	-	★★★★☆（AMI後）

RMSSD: 信頼性高い、日常的測定に推奨

SDNN: 変動大きい、慎重に使用

SDNN index、HRV index: AMI後患者の予測に強力

---

絶対値 vs 変化率 vs 変動係数？

• 絶対値: 個人差大きい、基準値設定困難
• 週間平均: 慢性適応を捉える
• 変動係数: 急性恒常性撹乱を捉える

CV 5.4%（WHOOP）が自然な変動範囲。これを超える変化が意味を持つ。

---

3. デバイスの選択

WHOOP:

• lnRMSSD CV 5.4%
• 信頼性高い
• 夜間睡眠中に自動測定

Oura Ring:

• HRV測定可能
• 睡眠中に自動測定
• 信頼性データ限定的

Apple Watch:

• HRV測定可能
• 手動測定必要（朝起床時）
• 信頼性データ限定的

Equivital:

• RMSSD ICC 0.823
• 研究用、高価

推奨: WHOOP（自動測定、CV 5.4%確認済み）、またはOura Ring（利便性）

---

4. 目的の明確化

HRVを何のために測るか？

リスク評価:

• CVD患者、AMI後患者: リスク層別化に有用（HR 2.27-4.19）
• しかしAUC 0.711は単独マーカーとして限定的
• 他のリスク因子と組み合わせるべき

トレーニング個別化:

• アスリート、トレーニング愛好家: 有用（効果サイズ 0.66-1.34）
• 過剰トレーニング回避
• 低い高強度ボリュームで効率的な効果

健康モニタリング:

• 日常的な自律神経機能のトラッキング
• ストレス、睡眠、回復の指標

「HRV改善が目標」ではなく「HRVはツール」として使うべき。

竹内の結論

HRV（心拍変動）を追跡する意味はあるか？

YES（条件付き）:

1. CVD患者・AMI後患者: リスク層別化に有用

エビデンス: 強い（32-28研究、38,008-3,094名）

効果サイズ:

• 死亡率: HR 1.56-4.19（大〜極大）
• 予測精度: AUC 0.711（Acceptable）

臨床的価値:

• リスク層別化に有用
• 単独マーカーとしては限定的、他リスク因子と組み合わせるべき

因果関係: 不確実（MR研究で因果関係示せず）

推奨: CVD患者、特にAMI/ACS後患者でのリスク評価に使用

---

2. アスリート・トレーニング愛好家: 個別化トレーニングに有用

エビデンス: 中程度（3-4件のRCT、12-46名）

効果サイズ:

• パフォーマンス: d=0.66-1.34（中等度〜大）
• rMSSD: +23.3%（大）
• tlim: +23.6%（大）
• 血圧: -4.3〜-11.4 mmHg（中等度〜大）

実用的価値:

• 個別化トレーニングに有用
• 過剰トレーニング回避
• 低い高強度ボリュームで効率的な効果

推奨: HRV-guidedトレーニングを試す価値あり

---

3. RMSSD測定: 信頼性高い、日常的測定可能

信頼性:

• ICC 0.823（良好）
• CV 5.4%（良好）
• 超短時間（1分）でも信頼性高い

デバイス:

• WHOOP: CV 5.4%確認済み、自動測定
• Oura Ring: 利便性高い
• Apple Watch: 手動測定必要

推奨: RMSSDを日常的に測定、週間平均・変動係数で評価

---

NO（限界あり）:

1. 因果関係不明

MR研究（Zhao 2023）:

• SDNN、RMSSDは因果関係を示せず
• pvRSA/HFのみ 心停止 OR 2.02

意味:

• HRVは「結果」であって「原因」ではない可能性
• HRV改善が死亡率減少につながるかは不明

推奨: 「HRV改善が目標」ではなく「HRVはリスク評価・トレーニング調整のツール」として

---

2. AUC 0.711は単独マーカーとして限定的

予測精度:

• AUC 0.711は「許容可能」（0.7-0.8）
• 「優秀」は0.8以上

臨床的意義:

• 他のリスク因子と組み合わせることで予測改善
• 単独マーカーとしては限定的

推奨: 他のリスク因子（血圧、脂質、糖尿病等）と組み合わせて使用

---

3. SDNNは変動大きい

信頼性:

• ICC 0.689（中等度）
• 日々の変動が大きい

推奨: SDNNは慎重に使用、RMSSDを優先

---

4. 毎日測定のコンプライアンス

実用性の課題:

• 毎日測定が必要（週間平均・変動係数算出）
• 安静20分後、同じ時間帯
• 睡眠・ストレス・アルコール・運動の影響を考慮

推奨: 自動測定デバイス（WHOOP、Oura Ring）を使用してコンプライアンス向上

---

効果サイズ原理主義者として:

• HR 1.56-4.19、効果サイズ 0.66-1.34は無視できない
• しかし因果関係不明、AUC 0.711は単独マーカーとして限定的
• トレーニング個別化には実用的価値あり
• RMSSDは信頼性高い（ICC 0.823、CV 5.4%）

追跡する価値はある（条件付き）:

• CVD患者: リスク評価（他因子と組み合わせ）
• アスリート: トレーニング個別化
• デバイス: WHOOP、Oura Ring推奨
• 指標: RMSSD優先、SDNN慎重
• 目的: 「HRVはツール」、「改善が目標」ではない

Apple Watch、Oura Ring、WHOOPでRMSSD測定は推奨できるが、「HRV改善」を目標にするのではなく、「リスク評価・トレーニング調整のツール」として使うべき。

参考文献

• Heart rate variability in the prediction of mortality (2022)
• Heart Rate Variability and Risk of All-Cause Death and Cardiovascular Events in Patients With Cardiovascular Disease (2019)
• Which indices of heart rate variability are the best predictors of mortality after acute myocardial infarction? (2024)
• Heart rate variability and cardiovascular diseases: A Mendelian randomization study (2023)
• Heart Rate Variability and Incident Stroke: The Atherosclerosis Risk in Communities Study (2016)
• Heart Rate Variability’s Value in Predicting Out-of-Hospital Major Adverse Cardiovascular Events in Patients With Chronic Heart Failure (2025)
• HRV-guided training vs traditional HIIT training in cardiac rehabilitation (2023)
• Heart rate variability-guided training in professional runners (2022)
• Endurance Running Training Individually Guided by HRV in Untrained Women (2017)
• Performance and Physiological Effects of Race Pace-Based Versus Heart Rate Variability-Guided Training (2025)
• Day-to-day reliability of basal heart rate and short-term and ultra short-term heart rate variability assessment (2025)
• Evaluating the Typical Day-to-Day Variability of WHOOP-Derived Heart Rate Variability (2022)
• Monitoring Training Adaptation and Recovery Status in Athletes Using Heart Rate Variability via Mobile Devices (2025)