SDNN: cosa misura questa metrica dell'HRV e cosa no

Redazione: ONDA Life (Yakiv Bilenko) · Aggiornato il 11 novembre 2026

Una fila di intervalli tra battiti di lunghezza variabile sopra una distribuzione a punti di quegli stessi intervalli, con una parentesi verde acqua che ne segna la dispersione attorno alla media: l'idea che lo SDNN riassume.
Risposta breve

Lo SDNN è una metrica della variabilità della frequenza cardiaca: la deviazione standard degli intervalli tra battiti normali. Serve a riassumere la dispersione complessiva del ritmo cardiaco in una registrazione e cresce con la durata della registrazione, quindi i valori di dispositivi, app e modalità di registrazione diversi non sono direttamente confrontabili. È la metrica che memorizza Apple Health. Da solo non stabilisce lo stress, lo stato di salute né l'equilibrio autonomico.

Punti chiave

  • Lo SDNN riassume la dispersione complessiva degli intervalli tra battiti normali all'interno di una registrazione.
  • Riflette la variabilità totale: vi contribuiscono entrambe le branche del sistema nervoso autonomo e i ritmi più lenti.
  • Lo SDNN dipende dalla durata della registrazione, quindi le brevi letture di laboratorio, i valori Holter di ventiquattro ore e i numeri notturni di un orologio non sono intercambiabili.
  • Apple Health memorizza l'HRV come SDNN: per questo i numeri di Apple Watch non si possono confrontare direttamente con i valori RMSSD di altri dispositivi indossabili.
  • I dispositivi indossabili stimano lo SDNN dal segnale del polso, e la concordanza con l'ECG dipende dal dispositivo e dalle condizioni.
  • Un singolo valore di SDNN non è una diagnosi né una misura dello stress; la tua tendenza in condizioni confrontabili è più informativa.

Che cos'è lo SDNN?

Lo SDNN è una delle misure standard della variabilità della frequenza cardiaca (HRV), cioè la naturale variazione del tempo tra battiti consecutivi. Gli standard di misura del settore lo definiscono con precisione. SDNN — la deviazione standard degli intervalli tra battiti cardiaci normali [S1]. La sigla «NN» nel nome significa da normale a normale: contano solo gli intervalli tra battiti normali, e i battiti anomali vengono rimossi prima di calcolare la statistica [S2].

In parole semplici: raccogli tutti gli intervalli tra battiti normali adiacenti in una registrazione, guarda quanto sono dispersi attorno alla loro media ed esprimi questa dispersione con un unico valore in millisecondi. Un valore più alto significa che, nel complesso, il ritmo è variato di più in quella finestra.

Viene confrontato più spesso con una seconda metrica nel dominio del tempo. RMSSD — la radice quadrata della media dei quadrati delle differenze successive tra i battiti cardiaci [S1]. Le due rispondono a domande diverse: l'RMSSD isola i cambiamenti tra battiti adiacenti, mentre lo SDNN riassume la dispersione dell'intera registrazione. Questa differenza è il motivo per cui i valori di SDNN e RMSSD non si possono confrontare direttamente, ed è anche il motivo per cui esistono entrambe le metriche. La pagina sull'RMSSD tratta il lato da battito a battito della coppia; questa pagina riguarda la dispersione.

Come funziona lo SDNN?

Lo SDNN è una statistica di finestra: tutto ciò che muove il ritmo del cuore durante la registrazione vi contribuisce. In una breve registrazione a riposo, il contributo dominante è l'aumento e la diminuzione della frequenza cardiaca legati al respiro, l'aritmia sinusale respiratoria: per questo una respirazione lenta e calma durante la misura alza visibilmente il valore [S2]. Nelle registrazioni più lunghe si aggiungono ritmi più lenti: carichi di lavoro che cambiano, risposte condizionate e il ciclo sonno-veglia aggiungono ciascuno il proprio contributo alla dispersione [S2].

Poiché tante influenze confluiscono in un solo numero, lo SDNN non separa le due branche del sistema nervoso autonomo: vi contribuiscono entrambe [S2]. È anche il motivo per cui non può essere letto come misura diretta dell'una o dell'altra. Il modo di inquadrarlo conta. Il tono vagale non può essere misurato direttamente; misure dell'HRV come l'RMSSD riflettono le variazioni della frequenza cardiaca mediate dal vago [S2] [S7]. L'RMSSD, costruito dalle differenze tra battiti adiacenti, dipende più dello SDNN dalla rapida via parasimpatica [S2]: uno dei motivi per cui le due metriche possono raccontare storie diverse sulla stessa registrazione.

La versione lunga della metrica ha una storia clinica: calcolato su registrazioni ECG ospedaliere di ventiquattro ore in pazienti cardiologici, lo SDNN è una misura di stratificazione del rischio [S2]. Queste prove appartengono a una modalità di misura, l'ECG clinico continuo in popolazioni di pazienti, che un orologio di consumo non riproduce, quindi non vanno proiettate sul valore notturno di un orologio.

Come si misura lo SDNN?

Il calcolo è semplice: si prendono gli intervalli tra battiti normali all'interno della finestra di registrazione e se ne calcola la deviazione standard [S1] [S2]. Tutto ciò che lo SDNN sa viene dall'accuratezza di quegli intervalli: per questo il metodo di registrazione conta più dell'aritmetica.

Il metodo di riferimento è l'ECG, che rileva la traccia elettrica di ogni battito. I dispositivi indossabili (wearable) stimano invece gli intervalli dal segnale del polso sulla pelle (fotopletismografia, PPG); il risultato viene spesso chiamato variabilità del polso (PRV). La concordanza tra i due dipende dalla metrica e dalle condizioni: in genere è migliore a riposo e con un buon segnale, peggiore con il movimento o un contatto scarso [S5] [S6], e finora le prove aggregate non si estendono al sonno né alla vita di tutti i giorni [S5].

La durata della registrazione fa parte del significato del valore. Una breve registrazione in laboratorio, un ECG Holter di ventiquattro ore e i campioni memorizzati da un orologio sono tre modalità di misura diverse: lo SDNN cresce con la durata della registrazione, e i valori di modalità diverse non sono intercambiabili [S2]. Per lo stesso motivo le norme pubblicate per registrazioni di ventiquattro ore, a breve termine e ultrabrevi sono trattate come mondi separati [S2].

Qui entra in gioco Apple. Una conseguenza pratica per chi usa Apple Watch. Apple Health registra l'HRV come SDNN [S8]. Si tratta di una scelta progettuale, non di un verdetto scientifico su quale metrica sia migliore: lo SDNN è il calcolo che HealthKit usa da sempre, descritto nella documentazione come la deviazione standard degli intervalli tra battiti normali, registrata automaticamente dall'orologio [S8]. Sull'hardware recente, Apple Watch Series 12 e Ultra 4 con watchOS 27 mostrano due varianti di HRV — Recovery HRV e Overall HRV — e misurano l'HRV anche ogni cinque minuti [S9]. Apple non ha spiegato come si calcola Recovery HRV. Inoltre iOS e watchOS 27 aggiungono ad Apple Health un tipo di dato RMSSD [S10], il che permette alle app di leggere da Apple Health anche un valore di tipo RMSSD: un passo verso confronti più puliti tra dispositivi, anche se i valori già raccolti restano SDNN.

Per orientarti: il calcolatore HRV ha una modalità SDNN pensata per i numeri che vengono da Apple Watch; la spiegazione quotidiana del perché i dispositivi non concordano si trova in perché la tua HRV è diversa su ogni dispositivo; e per mantenere confrontabili le tue letture, vedi come misurare l'HRV in modo coerente.

Cosa influenza lo SDNN?

  • La durata della registrazione. È il fattore che definisce questa metrica: le finestre più lunghe accumulano ritmi più lenti e valori più alti, quindi una lettura breve e una registrazione di ventiquattro ore descrivono mondi diversi [S2].
  • Le condizioni di registrazione. La durata della registrazione, il contesto (laboratorio o vita reale), il respiro e il metodo di analisi modellano il valore e il rigore di qualsiasi confronto [S7].
  • L'età. In media la variabilità della frequenza cardiaca diminuisce con l'età negli adulti sani [S4]; le differenze tra individui sono ampie, e le medie della popolazione non sono obiettivi personali. Le tabelle per fasce d'età si trovano nel calcolatore HRV per i valori SDNN di Apple Watch e nell'articolo sull'HRV normale per età per l'RMSSD notturno.
  • Il sesso. In un ampio campione di laboratorio, le donne avevano una HRV più alta nonostante una frequenza cardiaca più rapida, e il sesso cambiava il legame tra HRV e frequenza cardiaca: è uno dei motivi per cui gli autori ritengono ingiustificate le «correzioni» di routine della HRV in base alla frequenza cardiaca [S11]. Uno studio del 2026 dell’India meridionale ha trovato lo stesso calo con l’età e valori più alti nelle donne, e i suoi autori notano che la maggior parte dei valori di riferimento esistenti proviene da popolazioni occidentali [S12].
  • Il respiro. La frequenza e la profondità del respiro durante la registrazione cambiano il valore, attraverso l'oscillazione legata al respiro che imprimono nel ritmo [S2].
  • La qualità del segnale. Battiti mancati o falsi distorcono il valore, e i battiti anomali possono travestirsi da variabilità [S2].
  • Le condizioni quotidiane. Come per le altre metriche di HRV, una singola lettura può discostarsi per ragioni ordinarie; considera questi scostamenti come osservazioni, non come verdetti.

Cosa mostrano le prove?

Accertato. La definizione, il calcolo e il ruolo dello SDNN come misura della variabilità complessiva vengono dagli standard di misura del settore [S1] e dalle revisioni metodologiche [S2] [S3]. La dipendenza dalla durata della registrazione è una proprietà metodologica centrale, non una sfumatura [S2]. In cardiologia clinica, lo SDNN di ventiquattro ore da ECG continuo è una misura consolidata di stratificazione del rischio in popolazioni di pazienti [S2].

Dipende dal contesto. Stime dei dispositivi indossabili: i valori derivati dalla PPG possono seguire da vicino l'HRV derivata dall'ECG in condizioni di riposo controllate, ma la concordanza peggiora con il movimento e con un segnale scarso, e le stime aggregate non si generalizzano al sonno né alla vita di tutti i giorni [S5] [S6]. L'ecosistema Apple memorizza l'HRV come SDNN: un dato sul dispositivo con un ambito preciso, non un'affermazione sulla salute [S8] [S9] [S10]. In media i valori diminuiscono con l'età negli adulti sani, con ampie differenze individuali [S4].

Linee guida / consenso di esperti. Le linee guida attuali raccomandano condizioni di registrazione coerenti e un'interpretazione cauta e contestualizzata dei singoli valori, anche quelli dei dispositivi indossabili [S7]. Si tratta di un consenso di esperti su come misurare e interpretare, non di dati sperimentali diretti sullo SDNN in sé.

Cosa resta incerto: quanto fedelmente i valori notturni di tipo SDNN dei dispositivi di consumo seguano lo SDNN derivato dall'ECG nelle condizioni di tutti i giorni (movimento, colore della pelle, aderenza del sensore, fasi del sonno) è ancora in corso di studio [S5] [S6]. Ed è una questione aperta quanto delle prove cliniche di ventiquattro ore, costruite su ECG continui in pazienti, si trasferisca ai valori notturni di un orologio nelle persone sane [S7].

Cosa lo SDNN non ti dice

  • Non è intercambiabile con l'RMSSD. Le due metriche riassumono proprietà diverse della stessa registrazione, e i loro valori appartengono a modalità di registrazione diverse; lo SDNN di un orologio e l'RMSSD di un anello non sono due dialetti dello stesso numero [S2] [S5].
  • Non è un misuratore del tono vagale. Il tono vagale non può essere misurato direttamente; misure dell'HRV come l'RMSSD riflettono le variazioni della frequenza cardiaca mediate dal vago [S2] [S7]. Lo SDNN dipende dalla rapida via parasimpatica ancora meno dell'RMSSD [S2].
  • Non è una diagnosi né una misura dello stress. Una singola lettura di HRV bassa non significa di per sé che tu sia stressato o non stia bene [S1].
  • Più alto non significa automaticamente meglio. Una dispersione maggiore può venire da un ritmo più ampio, oppure da battiti anomali e rumore, che si travestono da variabilità e gonfiano il numero [S2].
  • I valori non sono intercambiabili tra dispositivi, app e modalità di misura [S5] [S7].
  • Un singolo valore dice poco. Le indicazioni metodologiche considerano le singole letture dipendenti dal contesto e raccomandano un'interpretazione cauta e contestualizzata [S7]; le tue letture recenti in condizioni confrontabili sono il termine di paragone più informativo.

In ONDA

Le tabelle dell'HRV per età di ONDA sono tabelle dell'RMSSD notturno, ma il calcolatore HRV ha una modalità SDNN separata per i numeri che vengono da Apple Watch, con fasce tratte da studi su brevi ECG a riposo in adulti sani. La baseline personale dell'app si basa sui valori di HRV memorizzati in Apple Health, da Apple Watch o da un altro dispositivo che vi sincronizza i dati cardiaci. La documentazione è chiara su questo punto. Apple Health registra l'HRV come SDNN [S8], quindi quel segnale di base si fonda sullo SDNN e non sull'RMSSD. La lettura in tempo reale mostrata durante una pratica è un indicatore surrogato calcolato dalla deviazione standard della frequenza cardiaca, non SDNN né RMSSD, e la fotocamera del telefono rileva il polso, non l'HRV. ONDA descrive e confronta i tuoi numeri; non diagnostica nulla. Vedi cosa misura ONDA.

Informazioni a scopo educativo, non una diagnosi né un trattamento medico.

Le evidenze in sintesi

AffermazioneEvidenzaLimite
Lo SDNN è la deviazione standard degli intervalli tra battiti normali in una registrazione. [S1][S2]AccertatoUno standard definitorio e metodologico; da solo non dice nulla sullo stato di salute.
Normale significa che i battiti anomali ed ectopici vengono rimossi prima di calcolare la statistica. [S2]AccertatoDescrive la pulizia dei dati; quanto rigidamente vengano filtrati i battiti varia tra algoritmi e dispositivi.
Lo SDNN riflette tutte le componenti cicliche responsabili della variabilità durante la registrazione; riassume la variabilità totale e non una sola branca del sistema nervoso autonomo. [S2][S3]AccertatoUna proprietà della statistica; la combinazione di ritmi cambia con la durata e con le condizioni della registrazione.
Lo SDNN dipende dalla durata della registrazione: le registrazioni più lunghe includono ritmi più lenti e producono valori più alti, quindi i valori di SDNN di registrazioni di durata diversa non si possono confrontare. [S1][S2]AccertatoUna proprietà metodologica della metrica; riguarda ogni confronto tra app, studi e protocolli.
I valori normativi dell'HRV di ventiquattro ore, a breve termine e ultrabrevi non sono intercambiabili. [S2]AccertatoRiguarda i valori normativi in popolazioni sane e cliniche; i valori notturni dei dispositivi di consumo sono un contesto ancora diverso.
Entrambe le branche del sistema nervoso autonomo contribuiscono allo SDNN, che è fortemente correlato alle bande di frequenza più lente e alla potenza totale. [S2]AccertatoRagionamento fisiologico a livello di popolazione; il peso dei contributi cambia con le condizioni di registrazione.
Le registrazioni più lunghe includono ritmi più lenti (carichi di lavoro che cambiano, condizionamento e processi circadiani), ciascuno dei quali si somma alla dispersione. [S2]AccertatoSpiega perché conta la durata della finestra, non cosa dica di una persona una singola finestra.
L'RMSSD è più influenzato dello SDNN dalla branca parasimpatica, ed è per questo che le due metriche possono muoversi in modo diverso. [S2]AccertatoUn confronto relativo tra metriche, non una misura dell'attività parasimpatica in nessuna delle due.
Il tono vagale non si può misurare direttamente, e l'HRV non è un marcatore specifico dell'attività simpatica né dell'equilibrio simpatico-vagale. [S2][S7]AccertatoUna cautela metodologica tratta da linee guida e revisioni; i valori di SDNN non si traducono in letture autonomiche.
In cardiologia clinica, lo SDNN calcolato da registrazioni ECG di ventiquattro ore è una misura di stratificazione del rischio in popolazioni di pazienti. [S1][S2]Linee guida / consenso di espertiPopolazioni cliniche con ECG ospedaliero continuo; non si trasferisce ai valori di un orologio di consumo.
Nelle brevi registrazioni a riposo, la fonte dominante della variazione dello SDNN è l'oscillazione della frequenza cardiaca legata al respiro. [S2]AccertatoVale per la finestra di registrazione; è un'osservazione di misura, non la prova di un cambiamento duraturo.
Le stime dell'HRV basate sulla fotopletismografia (PPG) dei dispositivi indossabili concordano con i valori derivati dall'ECG in alcune condizioni e divergono in altre; le stime aggregate non dimostrano l'intercambiabilità. [S5][S6]Dipende dal contestoLa concordanza dipende da metrica, dispositivo e condizioni; questa pagina non riporta valori di accuratezza.
In condizioni di riposo controllate, la PPG al polso può riprodurre da vicino gli indici di HRV derivati dall'ECG, mentre la validazione nella vita reale resta limitata. [S6]Dipende dal contestoValidazione di un solo dispositivo in adulti a riposo con ritmo sinusale; non è un'affermazione generale sull'accuratezza degli orologi di consumo.
Apple Health registra l'HRV come SDNN, calcolata come deviazione standard degli intervalli tra battiti normali e registrata automaticamente da Apple Watch. [S8]AccertatoDocumentazione ufficiale; descrive cosa registra il sistema, non cosa significhino i valori per la salute; limitata all'ecosistema Apple.
I modelli recenti di Apple Watch con watchOS mostrano due varianti di HRV, Recovery HRV e Overall HRV, e misurano l'HRV anche ogni cinque minuti. [S9]Dipende dal contestoAnnuncio del produttore; limitato a specifici hardware e versioni del sistema operativo; Apple non ha spiegato come si calcola Recovery HRV.
iOS e watchOS aggiungono ad Apple Health un tipo di dato RMSSD. [S10]Dipende dal contestoDocumentazione ufficiale; disponibilità limitata a specifiche versioni del sistema operativo; cosa registrino le app con questo tipo dipende da ciascuna app.
In media la variabilità della frequenza cardiaca diminuisce con l'età negli adulti sani, mentre le differenze tra individui sono ampie. [S4]Dipende dal contestoMedie trasversali di popolazione; ampia variazione individuale a ogni età; questa pagina non riporta tabelle per età.
La durata della registrazione, il contesto, il respiro e il metodo di analisi modellano il valore e il rigore della sua interpretazione. [S7]Linee guida / consenso di espertiConsenso di esperti sui metodi; l'entità di ciascun effetto dipende dalle condizioni e dalla persona.
Le singole letture richiedono un'interpretazione cauta e contestualizzata, non una lettura isolata. [S7]Linee guida / consenso di espertiConsenso di esperti sulla pratica interpretativa, non dati sperimentali diretti; l'estensione pratica è il confronto con la tua tendenza in condizioni confrontabili.
Battiti anomali e rumore possono travestirsi da variabilità e gonfiare il valore. [S2]AccertatoUna cautela sulla qualità dei dati; la gestione degli artefatti varia tra dispositivi e algoritmi.
Il sesso cambia il legame tra HRV e frequenza cardiaca; gli autori di un ampio studio di laboratorio ritengono ingiustificate le «correzioni» di routine della HRV in base al periodo cardiaco. [S11]Dipende dal contestoUn solo campione di laboratorio con brevi registrazioni a riposo; l’argomento contro le correzioni è l’interpretazione degli autori, non un consenso.
I valori di riferimento della HRV a breve termine differiscono tra popolazioni, quindi gli intervalli di una popolazione non si trasferiscono direttamente a un’altra. [S12]Dipende dal contestoUn solo campione regionale dell’India meridionale con brevi ECG diurni; non il SDNN di Apple Watch né valori notturni.

Fonti

I titoli degli studi e delle riviste sono riportati nella lingua originale.

  1. [S1] Task Force of the ESC and NASPE (1996). Heart rate variability: standards of measurement, physiological interpretation and clinical use. Circulation. DOI 10.1161/01.CIR.93.5.1043 · PMID 8971803
  2. [S2] Shaffer & Ginsberg (2017). An overview of heart rate variability metrics and norms. Frontiers in Public Health. DOI 10.3389/fpubh.2017.00258 · PMID 29034226
  3. [S3] Laborde, Mosley & Thayer (2017). Heart rate variability and cardiac vagal tone in psychophysiological research — recommendations for experiment planning, data analysis, and data reporting. Frontiers in Psychology. DOI 10.3389/fpsyg.2017.00213
  4. [S4] Voss et al. (2015). Short-term heart rate variability — influence of gender and age in healthy subjects. PLOS ONE. DOI 10.1371/journal.pone.0118308 · PMID 25822720
  5. [S5] Xu et al. (2026). Accuracy of photoplethysmography-derived pulse rate variability compared with electrocardiography-derived heart rate variability: a systematic review and meta-analysis. Sensors. DOI 10.3390/s26165192 · PMID 42655500
  6. [S6] Zuern et al. (2026). Validation of photoplethysmography-derived short-term heart rate variability using a wearable device. Scientific Reports. DOI 10.1038/s41598-026-52700-7 · PMID 42151374
  7. [S7] Carter et al. (2026). Guidelines for rigor and reproducibility of heart rate variability within human cardiovascular research. Am J Physiol Heart Circ Physiol. DOI 10.1152/ajpheart.00041.2026 · PMID 42495990
  8. [S8] Apple Inc. — HealthKit documentation. heartRateVariabilitySDNN. · documentazione ufficiale
  9. [S9] Apple Newsroom (2026). Apple advances health and fitness capabilities using Apple Intelligence. · documentazione ufficiale
  10. [S10] Apple Inc. — HealthKit documentation. heartRateVariabilityRMSSD (iOS/watchOS 27). · documentazione ufficiale
  11. [S11] Williams et al. (2022). Gender Differences in Cardiac Chronotropic Control: Implications for Heart Rate Variability Research. Applied Psychophysiology and Biofeedback. DOI 10.1007/s10484-021-09528-w · PMID 34817765
  12. [S12] Singhal et al. (2026). Normative Heart Rate Variability Parameters Across Age and Gender in Healthy Adults from an Apex Tertiary Care Centre in Southern India. Annals of Neurosciences. DOI 10.1177/09727531261454450 · PMID 42389362

Vedi anche

Come nascono le pagine di ONDA Science: ogni numero proviene da un unico elenco di dati verificati, ogni affermazione è collegata alle sue fonti e classificata in base alla solidità delle prove, e le fonti devono avere un DOI o un PMID (la documentazione dei produttori si usa solo per i dati sui dispositivi).