SDNN: was dieses HRV-Maß misst und was nicht

Was ist die SDNN?

Die SDNN ist eines der Standardmaße der Herzfrequenzvariabilität (HRV) – der natürlichen Schwankung der Zeit zwischen aufeinanderfolgenden Herzschlägen. In den Messstandards des Fachgebiets ist sie genau definiert: SDNN – die Standardabweichung der Intervalle zwischen normalen Herzschlägen [S1]. Das „NN“ im Namen steht für normal-to-normal: Es zählen nur Intervalle zwischen normalen Herzschlägen, und abnorme Schläge werden entfernt, bevor die Statistik berechnet wird [S2].

Einfach gesagt: Man sammelt alle Intervalle zwischen benachbarten normalen Herzschlägen einer Aufzeichnung, schaut, wie weit sie um ihren Durchschnitt streuen, und drückt diese Streuung als einen einzigen Wert in Millisekunden aus. Ein größerer Wert bedeutet, dass der Rhythmus innerhalb dieses Fensters insgesamt stärker geschwankt hat.

Am häufigsten wird sie mit einem zweiten Zeitbereichsmaß verglichen, der RMSSD – die Quadratwurzel des Mittelwerts der quadrierten Differenzen aufeinanderfolgender Herzschläge [S1]. Die beiden beantworten unterschiedliche Fragen: Die RMSSD isoliert die Veränderungen zwischen benachbarten Schlägen, die SDNN fasst die Streuung der gesamten Aufzeichnung zusammen. Dieser Unterschied ist der Grund, warum sich SDNN- und RMSSD-Werte nicht direkt vergleichen lassen – und der Grund, warum es beide Maße gibt. Die Seite zur RMSSD behandelt die Schlag-zu-Schlag-Seite des Paares; diese Seite handelt von der Streuung.

Wie funktioniert die SDNN?

Die SDNN ist eine Fensterstatistik: Alles, was den Herzrhythmus während der Aufzeichnung bewegt, trägt zu ihr bei. In einer kurzen Ruheaufzeichnung ist der dominierende Beitrag das atemgekoppelte Auf und Ab der Herzfrequenz – die respiratorische Sinusarrhythmie (RSA) –, daher erhöht langsames, ruhiges Atmen während einer Messung den Wert sichtbar [S2]. In längeren Aufzeichnungen kommen langsamere Rhythmen hinzu: Wechselnde Belastungen, konditionierte Reaktionen und der Schlaf-wach-Rhythmus tragen jeweils ihren Teil zur Streuung bei [S2].

Weil so viele Einflüsse in einer Zahl zusammenfließen, trennt die SDNN die beiden Äste des autonomen Nervensystems nicht – beide tragen bei [S2]. Deshalb lässt sie sich auch nicht als direkte Anzeige eines der beiden Äste lesen. Die Einordnung ist entscheidend. Der Vagustonus lässt sich nicht direkt messen; HRV-Maße wie RMSSD spiegeln vagal vermittelte Veränderungen der Herzfrequenz wider [S2] [S7]. Die RMSSD, die aus Differenzen zwischen benachbarten Schlägen gebildet wird, stützt sich stärker auf den schnellen parasympathischen Weg als die SDNN [S2] – ein Grund, warum die beiden Maße über dieselbe Aufzeichnung unterschiedliche Geschichten erzählen können.

Die lange Version des Maßes hat eine klinische Geschichte: Über Ganztags-EKG im Krankenhaus bei kardiologischen Patientinnen und Patienten berechnet, ist die SDNN ein Maß zur Risikostratifizierung [S2]. Diese Evidenz gehört zu einem Messregime – kontinuierliches klinisches EKG in Patientengruppen –, das eine Verbraucheruhr nicht nachbildet; sie sollte daher nicht auf einen nächtlichen Wert einer Uhr übertragen werden.

Wie wird die SDNN gemessen?

Die Berechnung ist einfach: die Intervalle zwischen normalen Herzschlägen im Messfenster nehmen und ihre Standardabweichung berechnen [S1] [S2]. Alles, was die SDNN weiß, hängt von der Genauigkeit dieser Intervalle ab – deshalb zählt die Messmethode mehr als die Arithmetik.

Die Referenzmethode ist das EKG, das die elektrische Signatur jedes Herzschlags erfasst. Wearables schätzen die Intervalle stattdessen aus dem Pulssignal an der Haut (Photoplethysmographie, PPG); das Ergebnis wird oft Pulsratenvariabilität (PRV) genannt. Die Übereinstimmung zwischen beiden hängt vom Maß und von den Bedingungen ab – in Ruhe und bei gutem Signal meist enger, bei Bewegung oder schlechtem Hautkontakt schwächer [S5] [S6] –, und die bisher gepoolte Evidenz erstreckt sich nicht auf Schlaf oder Alltagsbedingungen [S5].

Die Länge der Aufzeichnung gehört zur Bedeutung des Werts. Eine kurze Laboraufzeichnung, ein Ganztags-Langzeit-EKG (Holter) und die gespeicherten Messungen einer Uhr sind drei verschiedene Messregime: Die SDNN wächst mit der Messdauer, und Werte aus solchen Regimen sind nicht austauschbar [S2]. Aus demselben Grund werden veröffentlichte Normwerte für Ganztags-, Kurzzeit- und Ultrakurzzeitaufzeichnungen als getrennte Welten behandelt [S2].

Hier kommt Apple ins Spiel. Eine praktische Folge für Nutzerinnen und Nutzer der Apple Watch: Apple Health erfasst die HRV als SDNN [S8]. Das ist eine Designentscheidung, kein wissenschaftliches Urteil darüber, welches Maß besser ist: Die SDNN ist die Berechnung, die HealthKit schon immer verwendet; die Dokumentation beschreibt sie als Standardabweichung der Interbeat-Intervalle zwischen normalen Herzschlägen, automatisch von der Uhr aufgezeichnet [S8]. Auf neuer Hardware gilt: Apple Watch Series 12 und Ultra 4 mit watchOS 27 zeigen zwei HRV-Varianten – Recovery HRV und Overall HRV – und messen die HRV bis zu alle fünf Minuten [S9]. Apple hat nicht angegeben, wie Recovery HRV berechnet wird. Außerdem gilt: iOS und watchOS 27 fügen Apple Health einen RMSSD-Datentyp hinzu [S10]; damit können Apps stattdessen einen RMSSD-Wert aus Apple Health auslesen – ein Schritt hin zu saubereren Vergleichen zwischen Geräten, auch wenn die bereits gesammelten Werte SDNN bleiben.

Zur praktischen Einordnung: Der HRV-Rechner hat einen SDNN-Modus für Werte, die von der Apple Watch stammen; die Alltagsgeschichte, warum Geräte nicht übereinstimmen, steht in warum deine HRV auf jedem Gerät anders ist; und wie du deine eigenen Messungen vergleichbar hältst, erklärt HRV konsequent gleich messen.

Was beeinflusst die SDNN?

• Messdauer. Der entscheidende Faktor für dieses Maß: Längere Fenster sammeln langsamere Rhythmen und größere Werte an, daher beschreiben eine kurze Messung und eine Ganztagsaufzeichnung verschiedene Welten [S2].
• Messbedingungen. Die Länge der Aufzeichnung, die Umgebung – Labor oder Alltag –, die Atmung und das Auswertungsverfahren prägen den Wert und die Sorgfalt jedes Vergleichs [S7].
• Alter. Im Durchschnitt nimmt die Herzfrequenzvariabilität bei gesunden Erwachsenen mit dem Alter ab [S4]; Einzelne unterscheiden sich stark, und Bevölkerungsdurchschnitte sind keine persönlichen Zielwerte. Alterstabellen finden sich im HRV-Rechner für SDNN-Werte der Apple Watch und im Artikel normale HRV nach Alter für die nächtliche RMSSD.
• Atmung. Atemfrequenz und Atemtiefe während der Aufzeichnung verändern den Wert über die atemgekoppelte Schwankung, die sie in den Rhythmus schreiben [S2].
• Signalqualität. Übersehene oder falsch erkannte Schläge verzerren den Wert, und abnorme Schläge können sich als Variabilität tarnen [S2].
• Alltagsbedingungen. Wie bei anderen HRV-Maßen kann ein einzelner Wert aus ganz gewöhnlichen Gründen abweichen; solche Verschiebungen sind Beobachtungen, keine Urteile.

Was zeigt die Evidenz?

Gesichert. Definition, Berechnung und die Rolle der SDNN als Maß der Gesamtvariabilität stammen aus den Messstandards des Fachgebiets [S1] und methodischen Übersichtsarbeiten [S2] [S3]. Ihre Abhängigkeit von der Messdauer ist eine zentrale methodische Eigenschaft, keine Nebensache [S2]. In der klinischen Kardiologie ist die Ganztags-SDNN aus kontinuierlichem EKG in Patientengruppen ein etabliertes Maß zur Risikostratifizierung [S2].

Kontextabhängig. Schätzungen von Wearables: PPG-basierte Werte können der EKG-basierten HRV unter kontrollierten Ruhebedingungen eng folgen, doch bei Bewegung und schlechtem Signal lässt die Übereinstimmung nach, und gepoolte Schätzungen lassen sich nicht auf Schlaf oder Alltagsbedingungen verallgemeinern [S5] [S6]. Apples Ökosystem speichert die HRV als SDNN – eine Gerätetatsache mit eigenem Geltungsbereich, keine Gesundheitsaussage [S8] [S9] [S10]. Im Durchschnitt sinken die Werte bei gesunden Erwachsenen mit dem Alter, bei großen individuellen Unterschieden [S4].

Leitlinie / Expertenkonsens. Aktuelle Leitlinien empfehlen gleichbleibende Messbedingungen und eine vorsichtige, eingeordnete Interpretation einzelner Werte, auch von Wearables [S7]. Das ist Expertenkonsens darüber, wie man misst und interpretiert – keine direkten experimentellen Daten über die SDNN selbst.

Was offen bleibt: Wie eng nächtliche SDNN-Werte von Verbrauchergeräten der EKG-basierten SDNN unter Alltagsbedingungen folgen – bei Bewegung, unterschiedlichen Hauttönen, Sitz des Sensors, Schlafphasen –, wird noch untersucht [S5] [S6]. Und wie viel der klinischen Ganztagsevidenz, die auf kontinuierlichem EKG bei Patientinnen und Patienten beruht, sich auf nächtliche Werte einer Uhr bei gesunden Menschen übertragen lässt, ist eine offene Frage [S7].

Was die SDNN dir nicht sagt

• Sie ist nicht mit der RMSSD austauschbar. Die beiden Maße fassen unterschiedliche Eigenschaften derselben Aufzeichnung zusammen, und ihre Werte gehören zu verschiedenen Messregimen; eine SDNN von der Uhr und eine RMSSD vom Ring sind nicht zwei Dialekte derselben Zahl [S2] [S5].
• Sie ist kein Messgerät für den Vagustonus. Der Vagustonus lässt sich nicht direkt messen; HRV-Maße wie RMSSD spiegeln vagal vermittelte Veränderungen der Herzfrequenz wider [S2] [S7]. Die SDNN stützt sich noch weniger auf den schnellen parasympathischen Weg als die RMSSD [S2].
• Sie ist weder eine Diagnose noch eine Stressmessung. Ein einzelner niedriger HRV-Wert bedeutet für sich genommen nicht, dass du gestresst oder krank bist [S1].
• Höher ist nicht automatisch besser. Eine größere Streuung kann von einem kräftigeren Rhythmus stammen – oder von abnormen Schlägen und Rauschen, die sich als Variabilität tarnen und die Zahl aufblähen [S2].
• Die Werte sind zwischen Geräten, Apps und Messregimen nicht austauschbar [S5] [S7].
• Ein einzelner Wert sagt wenig. Methodische Leitlinien behandeln einzelne Werte als kontextabhängig und empfehlen eine vorsichtige, eingeordnete Interpretation [S7]; deine eigenen jüngsten Werte unter vergleichbaren Bedingungen sind der aussagekräftigere Vergleich.

In ONDA

Die altersbezogenen HRV-Tabellen von ONDA sind Tabellen der nächtlichen RMSSD, doch der HRV-Rechner hat einen eigenen SDNN-Modus für Werte, die von der Apple Watch stammen, mit Bereichen aus kurzen Ruhe-EKG-Studien an gesunden Erwachsenen. Die Baseline der App beruht auf den HRV-Werten, die in Apple Health gespeichert sind – von der Apple Watch oder von einem anderen Gerät, das Herzdaten dorthin synchronisiert. Die Dokumentation sagt das klar: Apple Health erfasst die HRV als SDNN [S8] – dieses Baseline-Signal beruht also auf der SDNN und nicht auf der RMSSD. Der Live-Wert während einer Übung ist ein Ersatzmaß, berechnet aus der Standardabweichung der Herzfrequenz – weder SDNN noch RMSSD –, und die Handykamera liefert den Puls, nicht die HRV. ONDA beschreibt und vergleicht deine eigenen Werte; es stellt keine Diagnosen. Siehe was ONDA misst.