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

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
| Afirmação | Evidência | Limitação |
|---|---|---|
| O SDNN é o desvio padrão dos intervalos entre batimentos normais ao longo de um registro. [S1][S2] | Estabelecido | Um 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] | Estabelecido | Descreve 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] | Estabelecido | Uma 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] | Estabelecido | Uma 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] | Estabelecido | Refere-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] | Estabelecido | Raciocínio 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] | Estabelecido | Explica 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] | Estabelecido | Uma 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] | Estabelecido | Uma 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 especialistas | Populações 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] | Estabelecido | Vale 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 contexto | A 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 contexto | Validação 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] | Estabelecido | Documentação 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 contexto | Anúncio 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 contexto | Documentação 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 contexto | Médias 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 especialistas | Consenso 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 especialistas | Consenso 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] | Estabelecido | Um 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 contexto | Uma 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 contexto | Uma 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.
- [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
- [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
- [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
- [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
- [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
- [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
- [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
- [S8] Apple Inc. — HealthKit documentation. heartRateVariabilitySDNN. · documentação oficial
- [S9] Apple Newsroom (2026). Apple advances health and fitness capabilities using Apple Intelligence. · documentação oficial
- [S10] Apple Inc. — HealthKit documentation. heartRateVariabilityRMSSD (iOS/watchOS 27). · documentação oficial
- [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
- [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
- CiênciaRMSSD: o que esta métrica de HRV reflete e o que não reflete
- CiênciaVariabilidade da frequência cardíaca: o que é, o que reflete e o que não é
- CiênciaLinha de base da HRV: por que o seu próprio normal importa mais do que qualquer norma
- CiênciaDá para confiar na HRV de um relógio ou anel inteligente?
- CiênciaComo a respiração muda a HRV — e por que a respiração lenta a eleva
- GlossárioHeart Rate Variability
- ArtigoWhy Your HRV Is Different on Every Device (and Which to Trust)
- ArtigoO Apple Watch agora mostra dois números de HRV: HRV de recuperação vs HRV geral
- ArtigoHRV normal por idade: tabela para homens e mulheres e o que é uma boa HRV
- FerramentaHRV Calculator by Age
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).