SDNN : ce que mesure cet indicateur de la HRV, et ce qu’il ne mesure pas

Qu’est-ce que le SDNN ?

Le SDNN est l’une des mesures standard de la variabilité de la fréquence cardiaque (HRV, ou VFC) — la variation naturelle du temps qui sépare deux battements cardiaques consécutifs. Les normes de mesure du domaine le définissent avec précision : SDNN — l’écart type des intervalles entre les battements cardiaques normaux [S1]. Le « NN » du nom signifie normal-à-normal : seuls comptent les intervalles entre battements normaux, et les battements anormaux sont retirés avant le calcul de la statistique [S2].

En termes simples : rassemblez tous les intervalles entre battements normaux adjacents d’un enregistrement, regardez à quel point ils sont dispersés autour de leur moyenne, et exprimez cette dispersion en une seule valeur en millisecondes. Une valeur plus élevée signifie que le rythme a varié davantage, globalement, dans cette fenêtre.

On le compare le plus souvent à une seconde mesure temporelle : RMSSD — la racine carrée de la moyenne des carrés des différences successives entre les battements cardiaques [S1]. Les deux répondent à des questions différentes : la RMSSD isole les changements entre battements adjacents, tandis que le SDNN résume la dispersion de tout l’enregistrement. Cette différence explique pourquoi les valeurs de SDNN et de RMSSD ne se comparent pas directement — et pourquoi les deux mesures existent. La page RMSSD traite du versant battement à battement de la paire ; cette page porte sur la dispersion.

Comment fonctionne le SDNN ?

Le SDNN est une statistique de fenêtre : tout ce qui fait bouger le rythme cardiaque pendant l’enregistrement y contribue. Dans un bref enregistrement au repos, la contribution dominante est la hausse et la baisse de la fréquence cardiaque liées à la respiration — l’arythmie sinusale respiratoire — si bien qu’une respiration lente et calme pendant la mesure augmente visiblement la valeur [S2]. Dans les enregistrements plus longs, des rythmes plus lents s’y ajoutent : charges de travail changeantes, réponses conditionnées et cycle veille-sommeil apportent chacun leur contribution à la dispersion [S2].

Parce que tant d’influences se fondent en un seul chiffre, le SDNN ne sépare pas les deux branches du système nerveux autonome — toutes deux y contribuent [S2]. C’est aussi pourquoi il ne peut pas être lu comme une mesure directe de l’une ou de l’autre. La formulation compte. Le tonus vagal ne peut pas être mesuré directement ; les mesures de la HRV comme la RMSSD reflètent les variations de la fréquence cardiaque d’origine vagale [S2] [S7]. La RMSSD, construite à partir des différences entre battements adjacents, dépend davantage de la voie parasympathique rapide que le SDNN [S2] — l’une des raisons pour lesquelles les deux mesures peuvent raconter des histoires différentes sur le même enregistrement.

La version longue de la mesure a une histoire clinique : calculé sur des ECG hospitaliers de toute une journée chez des patients en cardiologie, le SDNN est une mesure de stratification du risque [S2]. Ces données relèvent d’un régime de mesure — ECG clinique continu chez des patients — qu’une montre grand public ne reproduit pas ; il ne faut donc pas les projeter sur une valeur nocturne de montre.

Comment mesure-t-on le SDNN ?

Le calcul est simple : prenez les intervalles entre battements normaux de la fenêtre d’enregistrement et calculez leur écart type [S1] [S2]. Tout ce que sait le SDNN vient de la précision de ces intervalles — c’est pourquoi la méthode d’enregistrement compte davantage que l’arithmétique.

La méthode de référence est l’ECG, qui détecte la signature électrique de chaque battement. Les objets connectés estiment plutôt les intervalles à partir du signal du pouls au niveau de la peau (photopléthysmographie, PPG) ; le résultat est souvent appelé variabilité du pouls. L’accord entre les deux dépend de la mesure et des conditions — généralement meilleur au repos avec un bon signal, plus faible en mouvement ou avec un mauvais contact [S5] [S6] — et les données groupées disponibles ne s’étendent pas au sommeil ni à la vie courante [S5].

La durée d’enregistrement fait partie du sens de la valeur. Un bref enregistrement en laboratoire, un ECG Holter sur toute une journée et les échantillons stockés par une montre sont trois régimes de mesure différents : le SDNN augmente avec la durée d’enregistrement, et les valeurs d’un régime à l’autre ne sont pas interchangeables [S2]. Pour la même raison, les normes publiées pour les enregistrements sur toute la journée, de courte et de très courte durée sont traitées comme des mondes distincts [S2].

C’est ici qu’Apple entre en scène. Une conséquence pratique pour les utilisateurs d’Apple Watch : Apple Health enregistre la HRV sous forme de SDNN [S8]. Ce choix est une décision de conception, pas un verdict scientifique sur la meilleure mesure : le SDNN est le calcul qu’utilise HealthKit depuis toujours, décrit dans la documentation comme l’écart type des intervalles entre battements cardiaques normaux, enregistré automatiquement par la montre [S8]. Sur le matériel récent, l’Apple Watch Series 12 et l’Ultra 4 sous watchOS 27 affichent deux variantes de HRV — Recovery HRV et Overall HRV — et mesurent la HRV jusqu’à toutes les cinq minutes [S9]. Apple n’a pas précisé comment Recovery HRV est calculée. Par ailleurs, iOS et watchOS 27 ajoutent un type de données RMSSD à Apple Health [S10], ce qui permet aux applications de lire plutôt une valeur de type RMSSD dans Apple Health — un pas vers des comparaisons plus nettes entre appareils, même si les valeurs déjà recueillies restent du SDNN.

Pour s’orienter : le calculateur de HRV propose un mode SDNN conçu pour les chiffres issus de l’Apple Watch ; l’explication de tous les jours sur les désaccords entre appareils se trouve dans pourquoi votre HRV diffère d’un appareil à l’autre ; et pour garder vos propres mesures comparables, voir comment mesurer sa HRV de façon cohérente.

Qu’est-ce qui influence le SDNN ?

• La durée d’enregistrement. Le facteur déterminant pour cette mesure : les fenêtres plus longues accumulent des rythmes plus lents et des valeurs plus élevées, si bien qu’une mesure courte et un enregistrement sur toute une journée décrivent des mondes différents [S2].
• Les conditions d’enregistrement. La durée de l’enregistrement, le cadre — laboratoire ou vie réelle —, la respiration et la méthode d’analyse façonnent tous la valeur et la rigueur de toute comparaison [S7].
• L’âge. En moyenne, la variabilité de la fréquence cardiaque diminue avec l’âge chez l’adulte en bonne santé [S4] ; les écarts entre individus sont grands, et les moyennes de population ne sont pas des objectifs personnels. Les tableaux par tranche d’âge se trouvent dans le calculateur de HRV pour les valeurs SDNN de l’Apple Watch et dans l’article sur la HRV normale selon l’âge pour la RMSSD nocturne.
• La respiration. La fréquence et l’amplitude respiratoires pendant l’enregistrement modifient la valeur, par l’oscillation liée à la respiration qu’elles inscrivent dans le rythme [S2].
• La qualité du signal. Des battements manqués ou erronés faussent la valeur, et des battements anormaux peuvent se faire passer pour de la variabilité [S2].
• Les conditions du quotidien. Comme pour les autres mesures de HRV, une valeur isolée peut s’écarter pour des raisons ordinaires ; considérez ces écarts comme des observations, pas comme des verdicts.

Que montrent les données ?

Établi. La définition, le calcul et le rôle de mesure de la variabilité globale du SDNN proviennent des normes de mesure du domaine [S1] et des revues méthodologiques [S2] [S3]. Sa dépendance à la durée d’enregistrement est une propriété méthodologique fondamentale, pas une nuance [S2]. En cardiologie clinique, le SDNN sur toute une journée issu d’un ECG continu est une mesure établie de stratification du risque chez des patients [S2].

Dépend du contexte. Estimations des objets connectés : les valeurs issues de la PPG peuvent suivre de près la HRV dérivée de l’ECG dans des conditions de repos contrôlées, mais l’accord s’affaiblit avec le mouvement et un signal médiocre, et les estimations groupées ne se généralisent ni au sommeil ni à la vie courante [S5] [S6]. L’écosystème Apple stocke la HRV sous forme de SDNN — un fait technique avec sa propre portée, pas une affirmation de santé [S8] [S9] [S10]. En moyenne, les valeurs baissent avec l’âge chez l’adulte en bonne santé, avec une grande variation individuelle [S4].

Recommandations / consensus d’experts. Les recommandations actuelles préconisent des conditions d’enregistrement constantes et une interprétation prudente et replacée dans son contexte des valeurs isolées, y compris celles des objets connectés [S7]. Il s’agit d’un consensus d’experts sur la manière de mesurer et d’interpréter — pas de données expérimentales directes sur le SDNN lui-même.

Ce qui reste incertain : la fidélité avec laquelle les valeurs nocturnes de type SDNN des appareils grand public suivent le SDNN dérivé de l’ECG dans les conditions de la vie courante — mouvement, couleur de peau, ajustement du capteur, stades du sommeil — est encore en cours d’étude [S5] [S6]. Et la part des données cliniques sur toute une journée, établies sur des ECG continus chez des patients, qui se transpose aux valeurs nocturnes d’une montre chez des utilisateurs en bonne santé reste une question ouverte [S7].

Ce que le SDNN ne vous dit pas

• Il n’est pas interchangeable avec la RMSSD. Les deux mesures résument des propriétés différentes du même enregistrement, et leurs valeurs relèvent de régimes d’enregistrement différents ; un SDNN de montre et une RMSSD de bague ne sont pas deux dialectes d’un même chiffre [S2] [S5].
• Ce n’est pas un compteur de tonus vagal. Le tonus vagal ne peut pas être mesuré directement ; les mesures de la HRV comme la RMSSD reflètent les variations de la fréquence cardiaque d’origine vagale [S2] [S7]. Le SDNN dépend encore moins de la voie parasympathique rapide que la RMSSD [S2].
• Ce n’est ni un diagnostic ni une mesure du stress. Une seule mesure basse de la HRV ne signifie pas à elle seule que vous êtes stressé ou malade [S1].
• Plus élevé ne veut pas automatiquement dire mieux. Une dispersion plus grande peut venir d’un rythme plus ample — ou de battements anormaux et de bruit, qui se font passer pour de la variabilité et gonflent le chiffre [S2].
• Les valeurs ne sont pas interchangeables d’un appareil, d’une application ou d’un régime de mesure à l’autre [S5] [S7].
• Une valeur isolée en dit peu. Les recommandations méthodologiques considèrent les mesures isolées comme dépendantes du contexte et préconisent une interprétation prudente et contextualisée [S7] ; vos propres mesures récentes, prises dans des conditions comparables, sont la comparaison la plus parlante.

Dans ONDA

Les tableaux de HRV par âge d’ONDA sont des tableaux de RMSSD nocturne, mais le calculateur de HRV propose un mode SDNN distinct pour les chiffres issus de l’Apple Watch, avec des plages tirées d’études d’ECG courts au repos chez des adultes en bonne santé. La référence personnelle (baseline) de l’application repose sur les valeurs de HRV stockées dans Apple Health — par l’Apple Watch ou par un autre appareil qui y synchronise les données cardiaques. La documentation est claire à ce sujet : Apple Health enregistre la HRV sous forme de SDNN [S8] — ce signal de référence repose donc sur le SDNN plutôt que sur la RMSSD. La valeur en direct affichée pendant une pratique est un indicateur de substitution calculé à partir de l’écart type de la fréquence cardiaque, et non un SDNN ou une RMSSD, et la caméra du téléphone donne le pouls, pas la HRV. ONDA décrit et compare vos propres chiffres ; il ne pose aucun diagnostic. Voir ce que mesure ONDA.