SDNN: o que esta métrica de HRV mede e o que não mede

Redação: ONDA Life (Yakiv Bilenko) · Atualizado em 11 de novembro de 2026

Uma fileira de intervalos entre batimentos de durações variadas acima de uma distribuição em pontos desses intervalos, com um colchete turquesa marcando sua dispersão em torno da média — a ideia que o SDNN resume.
Resposta curta

O SDNN é uma métrica de variabilidade da frequência cardíaca: o desvio padrão dos intervalos entre batimentos cardíacos normais. Ele é usado para resumir a dispersão geral do ritmo do coração ao longo de um registro e cresce com a duração do registro, então valores de dispositivos, apps e regimes de registro diferentes não são diretamente comparáveis. É a métrica que o Apple Health armazena. Por si só, não comprova estresse, estado de saúde nem equilíbrio autonômico.

Pontos-chave

  • O SDNN resume a dispersão geral dos intervalos entre batimentos normais dentro de um registro.
  • Ele reflete a variabilidade total: os dois ramos do sistema nervoso autônomo e ritmos mais lentos contribuem para ele.
  • O SDNN depende da duração do registro, então leituras curtas de laboratório, valores de Holter de dia inteiro e números noturnos de relógio não são intercambiáveis.
  • O Apple Health armazena a HRV como SDNN, e por isso os números do Apple Watch não podem ser comparados diretamente com os números de RMSSD de outros dispositivos vestíveis.
  • Os dispositivos vestíveis estimam o SDNN a partir do sinal do pulso, e a concordância com o ECG depende do dispositivo e das condições.
  • Um único valor de SDNN não é um diagnóstico nem uma medida de estresse; a sua própria tendência em condições comparáveis informa mais.

O que é o SDNN?

O SDNN é uma das medidas padrão da variabilidade da frequência cardíaca (HRV ou VFC) — a variação natural do tempo entre batimentos cardíacos consecutivos. Os padrões de medição da área o definem com precisão. SDNN — o desvio padrão dos intervalos entre batimentos cardíacos normais [S1]. O "NN" do nome significa normal a normal: só contam os intervalos entre batimentos normais, e os batimentos anormais são removidos antes de calcular a estatística [S2].

Em linguagem simples: reúna todos os intervalos entre batimentos normais adjacentes de um registro, veja o quanto eles se dispersam em torno da média e expresse essa dispersão em um único valor em milissegundos. Um valor maior significa que, no geral, o ritmo variou mais dentro daquela janela.

Ele é comparado com mais frequência a uma segunda métrica no domínio do tempo. RMSSD — a raiz quadrada média das diferenças sucessivas entre os batimentos cardíacos [S1]. As duas respondem a perguntas diferentes: o RMSSD isola as mudanças entre batimentos adjacentes, enquanto o SDNN resume a dispersão do registro inteiro. Essa diferença é o motivo pelo qual os números de SDNN e RMSSD não podem ser comparados diretamente — e o motivo pelo qual as duas métricas existem. A página do RMSSD trata do lado batimento a batimento da dupla; esta página trata da dispersão.

Como o SDNN funciona?

O SDNN é uma estatística de janela: tudo o que move o ritmo do coração durante o registro contribui para ele. Em um registro breve em repouso, a contribuição dominante é a subida e a descida da frequência cardíaca ligadas à respiração — a arritmia sinusal respiratória —, então uma respiração lenta e calma durante a medição aumenta visivelmente o valor [S2]. Em registros mais longos, ritmos mais lentos entram em cena: cargas de trabalho variáveis, respostas condicionadas e o ciclo sono-vigília acrescentam, cada um, sua própria contribuição à dispersão [S2].

Como tantas influências se juntam em um único número, o SDNN não separa os dois ramos do sistema nervoso autônomo — ambos contribuem [S2]. É também por isso que ele não pode ser lido como uma leitura direta de nenhum dos dois. O enquadramento importa. O tônus vagal não pode ser medido diretamente; medidas de HRV como o RMSSD refletem alterações da frequência cardíaca mediadas pelo nervo vago [S2] [S7]. O RMSSD, construído a partir das diferenças entre batimentos adjacentes, depende mais da via parassimpática rápida do que o SDNN [S2] — um dos motivos pelos quais as duas métricas podem contar histórias diferentes sobre o mesmo registro.

A versão longa da métrica tem uma história clínica: calculado a partir de registros de ECG hospitalar de dia inteiro em pacientes cardiológicos, o SDNN é uma medida de estratificação de risco [S2]. Essa evidência pertence a um regime de medição — ECG clínico contínuo em populações de pacientes — que um relógio de consumo não reproduz, então ela não deve ser projetada sobre um valor noturno de relógio.

Como o SDNN é medido?

O cálculo é simples: pegue os intervalos entre batimentos normais dentro da janela de registro e calcule o desvio padrão deles [S1] [S2]. Tudo o que o SDNN sabe vem da precisão desses intervalos — por isso o método de registro importa mais do que a aritmética.

O método de referência é o ECG, que detecta a assinatura elétrica de cada batimento. Os dispositivos vestíveis (wearables), por sua vez, estimam os intervalos a partir do sinal do pulso na pele (fotopletismografia, PPG); o resultado costuma ser chamado de variabilidade da frequência de pulso. A concordância entre os dois depende da métrica e das condições — em geral é maior em repouso e com um bom sinal, e menor com movimento ou mau contato [S5] [S6] —, e a evidência agrupada até agora não se estende ao sono nem à vida cotidiana [S5].

A duração do registro faz parte do significado do valor. Um registro breve de laboratório, um ECG Holter de dia inteiro e as amostras armazenadas por um relógio são três regimes de medição diferentes: o SDNN cresce com a duração do registro, e valores de regimes assim não são intercambiáveis [S2]. Pelo mesmo motivo, as normas publicadas para registros de dia inteiro, de curta e de ultracurta duração são tratadas como mundos separados [S2].

É aqui que a Apple entra em cena. Uma consequência prática para quem usa Apple Watch: o Apple Health registra a HRV como SDNN [S8]. Essa escolha é uma decisão de projeto, não um veredito científico sobre qual métrica é melhor: o SDNN é o cálculo que o HealthKit sempre usou, descrito na documentação como o desvio padrão dos intervalos entre batimentos normais, registrado automaticamente pelo relógio [S8]. Em hardware recente, o Apple Watch Series 12 e o Ultra 4 com watchOS 27 mostram duas variantes de HRV — Recovery HRV e Overall HRV — e medem a HRV com frequência de até a cada cinco minutos [S9]. A Apple não informou como a Recovery HRV é calculada. Além disso, o iOS e o watchOS 27 adicionam um tipo de dado RMSSD ao Apple Health [S10], o que permite aos apps ler no Apple Health um valor do tipo RMSSD — um passo rumo a comparações mais limpas entre dispositivos, embora os valores já coletados continuem sendo SDNN.

Na prática: a calculadora de HRV tem um modo SDNN feito para números vindos do Apple Watch; a explicação cotidiana de por que os dispositivos discordam está em por que sua HRV é diferente em cada dispositivo; e, para manter suas próprias leituras comparáveis, veja como medir a HRV de forma consistente.

O que afeta o SDNN?

  • Duração do registro. O fator determinante para esta métrica: janelas mais longas acumulam ritmos mais lentos e valores maiores, então uma leitura curta e um registro de dia inteiro descrevem mundos diferentes [S2].
  • Condições do registro. A duração do registro, o ambiente — laboratório ou vida real —, a respiração e o método de análise moldam o valor e o rigor de qualquer comparação [S7].
  • Idade. Em média, a variabilidade da frequência cardíaca diminui com a idade em adultos saudáveis [S4]; os indivíduos variam muito, e médias populacionais não são metas pessoais. As tabelas por faixa etária estão na calculadora de HRV, para valores de SDNN do Apple Watch, e no artigo HRV normal por idade, para o RMSSD noturno.
  • Sexo. Em uma grande amostra de laboratório, as mulheres tinham HRV mais alta apesar de uma frequência cardíaca mais rápida, e o sexo mudava a relação entre HRV e frequência cardíaca — um dos motivos pelos quais os autores consideram injustificados os «ajustes» rotineiros da HRV pela frequência cardíaca [S11]. Um estudo de 2026 do sul da Índia encontrou a mesma queda com a idade e valores mais altos nas mulheres, e seus autores observam que a maioria dos valores de referência existentes vem de populações ocidentais [S12].
  • Respiração. A frequência respiratória e a profundidade da respiração durante o registro alteram o valor, por meio da oscilação ligada à respiração que elas imprimem no ritmo [S2].
  • Qualidade do sinal. Batimentos perdidos ou falsos distorcem o valor, e batimentos anormais podem se passar por variabilidade [S2].
  • Condições do dia a dia. Como acontece com outras métricas de HRV, uma única leitura pode se desviar por motivos comuns; trate essas mudanças como observações, não como veredictos.

O que mostram as evidências?

Estabelecido. A definição, o cálculo e o papel do SDNN como medida da variabilidade geral vêm dos padrões de medição da área [S1] e de revisões metodológicas [S2] [S3]. Sua dependência da duração do registro é uma propriedade metodológica central, não um detalhe [S2]. Na cardiologia clínica, o SDNN de dia inteiro obtido de ECG contínuo é uma medida consolidada de estratificação de risco em populações de pacientes [S2].

Depende do contexto. Estimativas de dispositivos vestíveis: os valores derivados da PPG podem acompanhar de perto a HRV derivada do ECG em condições controladas de repouso, mas a concordância piora com movimento e sinal ruim, e as estimativas agrupadas não se generalizam para o sono nem para a vida cotidiana [S5] [S6]. O ecossistema da Apple armazena a HRV como SDNN — um fato sobre o dispositivo, com seu próprio alcance, não uma afirmação de saúde [S8] [S9] [S10]. Em média, os valores diminuem com a idade em adultos saudáveis, com grande variação individual [S4].

Diretriz / consenso de especialistas. As diretrizes atuais recomendam condições de registro consistentes e uma interpretação cautelosa e contextualizada de valores isolados, inclusive os de dispositivos vestíveis [S7]. Isso é consenso de especialistas sobre como medir e interpretar — não dados experimentais diretos sobre o SDNN em si.

O que continua incerto: o quanto os valores noturnos do tipo SDNN de dispositivos de consumo acompanham o SDNN derivado do ECG nas condições do dia a dia — movimento, tom de pele, ajuste do sensor, fases do sono — ainda está sendo mapeado [S5] [S6]. E quanto da evidência clínica de dia inteiro, construída com ECG contínuo em pacientes, se transfere para os valores noturnos de relógio em usuários saudáveis é uma questão em aberto [S7].

O que o SDNN não diz

  • Não é intercambiável com o RMSSD. As duas métricas resumem propriedades diferentes do mesmo registro, e seus valores pertencem a regimes de registro diferentes; o SDNN de um relógio e o RMSSD de um anel não são dois dialetos do mesmo número [S2] [S5].
  • Não é um medidor de tônus vagal. O tônus vagal não pode ser medido diretamente; medidas de HRV como o RMSSD refletem alterações da frequência cardíaca mediadas pelo nervo vago [S2] [S7]. O SDNN depende ainda menos da via parassimpática rápida do que o RMSSD [S2].
  • Não é um diagnóstico nem uma medida de estresse. Uma única leitura baixa de HRV não significa, por si só, que você esteja estressado ou doente [S1].
  • Mais alto não é automaticamente melhor. Uma dispersão maior pode vir de um ritmo mais forte — ou de batimentos anormais e ruído, que se passam por variabilidade e inflam o número [S2].
  • Os valores não são intercambiáveis entre dispositivos, apps e regimes de medição [S5] [S7].
  • Um único valor diz pouco. As orientações metodológicas tratam leituras isoladas como dependentes do contexto e recomendam uma interpretação cautelosa e contextualizada [S7]; suas próprias leituras recentes em condições comparáveis são a comparação mais informativa.

No ONDA

As tabelas de HRV por idade do ONDA são tabelas de RMSSD noturno, mas a calculadora de HRV tem um modo SDNN separado para números vindos do Apple Watch, com faixas tiradas de estudos com ECG curto em repouso em adultos saudáveis. A linha de base pessoal do próprio app é construída com os valores de HRV armazenados no Apple Health — vindos do Apple Watch ou de outro dispositivo que sincronize os dados cardíacos lá. A documentação é clara sobre isso: o Apple Health registra a HRV como SDNN [S8] — então esse sinal de base se apoia no SDNN, e não no RMSSD. A leitura ao vivo mostrada durante uma prática é um substituto calculado a partir do desvio padrão da frequência cardíaca, não SDNN nem RMSSD, e a câmera do celular fornece o pulso, não a HRV. O ONDA descreve e compara os seus próprios números; não diagnostica nada. Veja o que o ONDA mede.

Informação educativa, não um diagnóstico nem um tratamento médico.

As evidências em resumo

AfirmaçãoEvidênciaLimitação
O SDNN é o desvio padrão dos intervalos entre batimentos normais ao longo de um registro. [S1][S2]EstabelecidoUm padrão de definição e de método; por si só, não diz nada sobre o estado de saúde.
“Normal” significa que batimentos anormais e ectópicos são removidos antes de calcular a estatística. [S2]EstabelecidoDescreve a limpeza dos dados; o rigor com que os batimentos são filtrados difere entre algoritmos e dispositivos.
O SDNN reflete todos os componentes cíclicos responsáveis pela variabilidade durante o registro; resume a variabilidade total, e não um único ramo do sistema nervoso autônomo. [S2][S3]EstabelecidoUma propriedade da estatística; a mistura de ritmos muda com a duração e as condições do registro.
O SDNN depende da duração do registro: registros mais longos incluem ritmos mais lentos e produzem valores maiores, então valores de SDNN de registros com durações diferentes não podem ser comparados. [S1][S2]EstabelecidoUma propriedade metodológica da métrica; afeta qualquer comparação entre apps, estudos e protocolos.
Os valores normativos de HRV de dia inteiro, de curta duração e de ultracurta duração não são intercambiáveis. [S2]EstabelecidoRefere-se a valores normativos em populações saudáveis e clínicas; os valores noturnos de dispositivos de consumo são ainda outro contexto.
Os dois ramos do sistema nervoso autônomo contribuem para o SDNN, que está fortemente relacionado às bandas de frequência mais lentas e à potência total. [S2]EstabelecidoRaciocínio fisiológico em nível populacional; o equilíbrio das contribuições muda com as condições de registro.
Registros mais longos incluem ritmos mais lentos — cargas de trabalho variáveis, condicionamento e processos circadianos —, e cada um aumenta a dispersão. [S2]EstabelecidoExplica por que a duração da janela importa, não o que uma janela específica diz sobre uma pessoa.
O RMSSD é mais influenciado pelo ramo parassimpático do que o SDNN, e por isso as duas métricas podem se mover de forma diferente. [S2]EstabelecidoUma comparação relativa entre métricas, não uma medida da atividade parassimpática em nenhuma delas.
O tônus vagal não pode ser medido diretamente, e a HRV não é um marcador específico do fluxo simpático nem do equilíbrio simpatovagal. [S2][S7]EstabelecidoUma cautela metodológica de diretrizes e revisões; os valores de SDNN não se traduzem em leituras autonômicas.
Na cardiologia clínica, o SDNN calculado a partir de registros de ECG de dia inteiro é uma medida de estratificação de risco em populações de pacientes. [S1][S2]Diretriz / consenso de especialistasPopulações clínicas com ECG hospitalar contínuo; não se transfere para os valores de um relógio de consumo.
Em registros breves em repouso, a fonte dominante da variação do SDNN é a oscilação da frequência cardíaca ligada à respiração. [S2]EstabelecidoVale para a janela de registro; é uma observação de medição, não evidência de uma mudança duradoura.
As estimativas de HRV de dispositivos vestíveis baseadas em fotopletismografia (PPG) concordam com os valores derivados do ECG em algumas condições e divergem em outras; estimativas agrupadas não são evidência de intercambiabilidade. [S5][S6]Depende do contextoA concordância depende da métrica, do dispositivo e da condição; esta página não traz números de precisão.
Em condições controladas de repouso, a PPG de pulso pode reproduzir de perto os índices de HRV derivados do ECG, enquanto a validação no mundo real continua limitada. [S6]Depende do contextoValidação de um único dispositivo em adultos em repouso e em ritmo sinusal; não é uma afirmação geral de precisão para relógios de consumo.
O Apple Health registra a HRV como SDNN — calculado como o desvio padrão dos intervalos entre batimentos normais e registrado automaticamente pelo Apple Watch. [S8]EstabelecidoDocumentação oficial; descreve o que o sistema registra, não o que os valores significam para a saúde; restrito ao ecossistema da Apple.
Modelos recentes do Apple Watch com watchOS mostram duas variantes de HRV — Recovery HRV e Overall HRV — e medem a HRV com frequência de até a cada cinco minutos. [S9]Depende do contextoAnúncio do fabricante; restrito a hardware e versões de sistema específicos; a Apple não informou como a Recovery HRV é calculada.
O iOS e o watchOS adicionam um tipo de dado RMSSD ao Apple Health. [S10]Depende do contextoDocumentação oficial; disponibilidade restrita a versões específicas do sistema; o que os apps registram por meio desse tipo depende de cada app.
Em média, a variabilidade da frequência cardíaca diminui com a idade em adultos saudáveis, enquanto entre indivíduos ela varia muito. [S4]Depende do contextoMédias populacionais transversais; grande variação individual em qualquer idade; esta página não traz tabelas por idade.
A duração do registro, o ambiente, a respiração e o método de análise moldam o valor e o rigor da sua interpretação. [S7]Diretriz / consenso de especialistasConsenso de especialistas sobre métodos; o tamanho de cada efeito depende das condições e da pessoa.
Leituras isoladas exigem uma interpretação cautelosa e contextualizada, e não devem ser avaliadas fora de contexto. [S7]Diretriz / consenso de especialistasConsenso de especialistas sobre a prática de interpretação, não dados experimentais diretos; a consequência prática é comparar com a sua própria tendência em condições comparáveis.
Batimentos anormais e ruído podem se passar por variabilidade e inflar o valor. [S2]EstabelecidoUm alerta sobre a qualidade dos dados; o tratamento de artefatos difere entre dispositivos e algoritmos.
O sexo muda a relação entre a HRV e a frequência cardíaca; os autores de um grande estudo de laboratório consideram injustificados os «ajustes» rotineiros da HRV pelo período cardíaco. [S11]Depende do contextoUma única amostra de laboratório com registros curtos em repouso; o argumento contra os ajustes é a interpretação dos autores, não um consenso.
Os valores de referência da HRV de curto prazo diferem entre populações, então as faixas de uma população não se transferem diretamente para outra. [S12]Depende do contextoUma única amostra regional do sul da Índia com ECG curtos durante o dia; não é o SDNN do Apple Watch nem valores noturnos.

Fontes

Os títulos dos trabalhos e das revistas são citados no idioma original.

  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. · documentação oficial
  9. [S9] Apple Newsroom (2026). Apple advances health and fitness capabilities using Apple Intelligence. · documentação oficial
  10. [S10] Apple Inc. — HealthKit documentation. heartRateVariabilityRMSSD (iOS/watchOS 27). · documentação oficial
  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

Veja também

Como são feitas as páginas do ONDA Science: cada número vem de uma única lista de fatos verificados, cada afirmação é ligada às suas fontes e classificada pela força das evidências, e as fontes precisam ter DOI ou PMID (a documentação de fabricantes é usada só para fatos sobre dispositivos).