Grafico di Poincaré — Analisi Visiva HRV
Visualizza la variabilità della frequenza cardiaca con grafici scatter di Poincaré. HeartLab offre una visualizzazione HRV avanzata che la maggior parte delle app non fornisce.
Cos'è un grafico di Poincaré?
Un grafico di Poincaré (detto anche grafico di Lorenz) è una rappresentazione grafica della variabilità della frequenza cardiaca in cui ogni intervallo R-R viene tracciato rispetto al successivo. Il pattern scatter rivela informazioni importanti sulla funzione del sistema nervoso autonomo, sulla salute cardiaca e sui livelli di stress.
Comprensione del grafico di Poincaré in HeartLab
HeartLab genera grafici di Poincaré dalle registrazioni ECG e dai dati della frequenza cardiaca del tuo Apple Watch. L'app calcola SD1 (variabilità a breve termine) e SD2 (variabilità a lungo termine), e il loro rapporto SD1/SD2 che riflette l'equilibrio autonomico. Queste metriche completano le misure HRV tradizionali come SDNN e rMSSD.
Valore clinico dell'analisi di Poincaré
I grafici di Poincaré sono utilizzati nella ricerca cardiologica per valutare la funzione autonomica e prevedere eventi cardiaci. Offrendo questa analisi sul tuo iPhone, HeartLab ti dà accesso a uno strumento precedentemente disponibile solo in contesti clinici.
FAQ
Come appare un grafico di Poincaré normale?
Un grafico sano mostra un cluster a forma di cometa allungato lungo la linea identità. La dispersione indica una sana variabilità della frequenza cardiaca. L'IA di HeartLab ti aiuta a interpretare il tuo pattern specifico.
Quali app hanno grafici di Poincaré?
HeartLab è una delle pochissime app consumer che offre l'analisi del grafico di Poincaré dai dati Apple Watch. La maggior parte delle app HRV mostra solo metriche numeriche.
Cosa significano SD1 e SD2?
SD1 misura la variabilità battito per battito (breve termine) e riflette l'attività parasimpatica. SD2 misura la variabilità a lungo termine. HeartLab calcola entrambi e spiega la loro importanza.
I grafici di Poincaré possono rilevare aritmie?
Sì. Le aritmie creano pattern distintivi — le PVC appaiono come cluster isolati lontani dal gruppo principale, mentre la FA crea un pattern ampiamente disperso. L'analisi di HeartLab evidenzia questi risultati.