1. ¿Qué es la variabilidad de la frecuencia cardiaca?
La Variabilidad de la Frecuencia Cardíaca o HRV del inglés Heart Rate Variability, es una variable fisiológica que mide la diferencia (variación) de tiempo entre latidos del corazón (Jiménez Morgan y Molina Mora, 2017).
Figura 1. Variación de la Frecuencia Cardiaca (FC) latido a latido. A partir del ECG se calcula el intervalo entre picos R-R.
Desde la primera publicación de Malmo et al., (1948) y con el avance tecnológico en el trato de datos y en la medicina el HRV se ha convertido en una variable de gran interés desde una perspectiva fisiológica de control de la carga de entrenamiento y patológica por su relación con el sistema vegetativo. Ya que a pesar de no haber un claro consenso sobre los índices de activación del sistema vegetativo simpático y parasimpático, muchos artículos de gran nivel si señalan esta relación (Jiménez Morgan & Molina Mora, 2017). De esta forma el HRV podría ser una buena herramienta para conocer el estado físico, emocional y psicológico comparando en diferentes momentos al sujeto a medir. Y señalamos sujeto en singular debido a que en un paradigma de complejidad en el cual hay múltiples variables y diferencias entre sujetos por lo que sería un error sólo tener en cuenta la carga externa y unas pocas variables y pensar que es suficiente para conocer el HRV de cada humano. Prigogine y Nicolis, (1985) ya decían que el metabolismo de los seres vivos mantiene en estados estables, pero lejos del equilibrio con muchas variables interdependientes y indeterminadas, incertidumbre propia de las teorías de la complejidad cómo la Teoría del Caos debido a la gran cantidad de posibilidades posibles.
El HRV suele medirse con cocientes de frecuencia, aumentando el balance frecuencia alta/frecuencia baja en momentos de estrés, cómo respuesta fisiológica del cuerpo para recuperar la homeostasis. Diversos estudios cómo el de Rosales-Soto, Corsini-Pino, Monsálves-Álvarez, y Yáñez-Sepúlveda, (2016) señalan que cuando el cuerpo es sometido a un estrés (cómo por ejemplo un entrenamiento aunque también puede provocarlo un estrés psicológico cómo un problema familiar o una mudanza) el sistema vegetativo simpático “activa” la liberación de hormonas cómo la adrenalina, noradrenalina o cortisol que aumentan la frecuencia cardíaca cómo respuesta a este estrés, mientras que a medida que el cuerpo se recupera de ese estrés, aumenta la activación del sistema vegetativo parasimpático que inhibe las hormonas anteriormente citadas.
En relación con lo anterior un nivel alto de HRV está asociado a una fuerte salud, puesto que indica una gran capacidad del sistema cardiovascular de adaptarse a los estímulos mientras que un bajo HRV indica lo contrario. De esta forma se puede considerar el HRV cómo una herramienta barata y no invasiva para controlar la carga interna del ser humano ante un estímulo.
1. ¿Cómo se mide?
El HRV es un método no invasivo para evaluar la regulación autonómica de la frecuencia cardiaca como hemos comentado con anterioridad y se empezó a utilizar con finalidades diagnosticas hasta la aparición de los primeros aparatos portátiles de registro de la frecuencia cardiaca fue cuando se empezaron a realizar mediciones de campo fiables y su uso se extendió.
Existen diferentes métodos para analizar la HRV, que permiten obtener múltiples y variados parámetros basados en el dominio del tiempo, en el dominio de frecuencia y en las variables no-lineales que os describimos a continuación:
Dominio temporal
Los parámetros obtenidos en el dominio del tiempo están influenciados por los cambios producidos en la actividad del SNS y del SNP, algo que hace que estas medidas no sean específicas para calcular de manera concreta el equilibrio entren el sistema simpático y el vagal. Son parámetros útiles para detectar anormalidades de la actividad del SNA pero no se pueden utilizar para cuantificar cambios específicos de la actividad del SNS y SNP. La actividad del SNP sobre los parámetros de tiempo se observa debido a que la HRV disminuye cuando disminuye la actividad vagal. En cambio, los efectos opuestos de la actividad del SNS son más complicados de observar y de objetivar, ya que hay que tener en cuenta efectos que los influyen de manera directa, como una bradicardia, el efecto de la ventilación, etc.
Tabla 1. Métricas más utilizadas y su significado fisiológico en el análisis del dominio temporal según Plews, 2014.
Dominio de frecuencia
Estas variables se correlacionan con los diferentes componentes del SNA, la mayor parte de la potencia de la señal se encuentra en un margen de 0 a 0,4 Hz, la alta frecuencia (HF) se mide para analizar los picos del componente parasimpático (rango de frecuencia: 0.15e0.40 Hz) y la baja frecuencia (LF) el rango de frecuencia del componente simpático (rango de frecuencia: 0.04e0.15 Hz) (Sanchez-Conde, Beltran-Velasco & Clemente-Suarez, 2019).
Tabla 2. Métricas más utilizadas y su significado fisiológico en el análisis del dominio frecuencia según Plews, 2014.
Dominios no lineales
Las medidas no lineales se pueden calificar como una medida cualitativa del HRV; miden la estructura y/o complejidad de las series de intervalos RR (diferentes series de intervalos RR como pueden ser una serie aleatoria, una periódica o una normal pueden tener la misma medida de SDNN, pero su estructura y organización interna pueden ser completamente distintas). Hay diversas técnicas de medidas no lineales de la VFC, como el diagrama de Poincaré.
Figura 1. Ejemplo de resultados del análisis deL HRV mediante el diagrama de dispersión no lineal de Poincaré (Software HRV Analysis, Universidad de Kuopio, Finlandia).
Tabla 3. Métricas más utilizadas y su significado fisiológico en el análisis del dominio no lineal. Elaboración propia.
En cuanto a los métodos de medición del HRV podemos utilizar varias herramientas para obtener los datos:
El electrocardiograma (ECG) es considerado el “gold estándar” pero su uso está limitado al uso clínico debido a su alto coste y complejidad de uso.
Mucho más sencillo y al alcance de todos se encuentran las bandas de frecuencia cardiaca, que junto a diversos programas tanto en dispositivos móviles como en relojes se puede medir la variabilidad de la frecuencia cardiaca.
Por último, se encuentra la fotoplestimografía, esta técnica se encuentra en aplicaciones móviles y usa la cámara de este para medir el HRV. Se envía una luz en una zona donde los capilares son fáciles de ver, como el dedo, y la luz reflejada de vuelta al sensor representa el volumen de sangre en el vaso, formando los latidos de corazón.
1. Tipos de Cargas, Respuestas al entrenamiento y condiciones ambientales
Carga Interna y Carga Externa
Podemos definir como cargar interna la respuesta fisiológica de un deportista ante un estímulo físico (Impellizeri et al., 2005). Uno de los medios más utilizados para valorar la carga interna desarrollada por los jugadores durante diferentes pruebas físicas, entrenamientos y partidos es la Frecuencia Cardiaca (FC) y la variabilidad de la Frecuencia Cardiaca (HRV). (Buchheit, 2014)
La carga externa hace referencia a aquellas acciones cuantificables desde un punto de vista motor tales como la distancia recorrida a alta velocidad, aceleraciones, etc. Su estudio suele llevarse a cabo mediante el uso de sistemas (GPS, Videocámaras, etc.) que permiten registrar los desplazamientos de los deportistas durante un tiempo determinado. (Wehbe, Hartwig, y Duncan, 2014).
Conceptos Adaptación Aguda y Crónica
La adaptación aguda, estará constituida por el proceso y el resultado de la aplicación de un estímulo de entrenamiento, en la que le organismo reacciona para obtener la regulación homeostática, tratando de compensar los desequilibrios causados por dicho estímulo.
La adaptación crónica es el resultado de la acumulación de los efectos de las sucesivas adaptaciones agudas y que da lugar a modificaciones más duraderas y estables a nivel de los sistemas morfológicos y funcionales del organismo. (Gónzalez-Badillo JJ, Serna JR., 2002)
Respuesta Aguda
Buchheit, M. et.al (2010), pone de manifiesto que todas las variaciones diarias en la carga de entrenamiento tienen una gran repercusión en los índices de influencia cardiaca del Sistema Central Autónomo (ANS). En general, el ejercicio intenso y agudo reduce durante 24-48h los índices relacionados con la actividad vagal (Stanley, J., Peake, J. M., & Buchheit, M. 2013). Según Buchheit, M. et.al (2013) estos índices se han utilizado como guías de entrenamiento de manera diaria para valoración de la carga aguda.
Bajo circunstancias más específicas y extremas, como el uso de intensidades elevadas en entrenamientos con condiciones de mucho calor, según Buchheit, M. et.al (2013) hay un incremento, no un descenso como habitualmente ocurre, de la activación vagal dentro de las primeras 24h, a pesar de una sensación de descenso acompañada del bienestar percibido.
Todo esto puede explicar cómo una carrera de una semana durante el desierto suba la variabilidad de la frecuencia cardiaca. Se ha visto que en carreras de larga duración (Marathon Des Sables, 2005) la actividad parasimpática dentro de los 3 primeros días cae considerablemente y en este caso no seguía luego un aumento de la actividad simpática, y todo esto debido a la acumulación de fatiga. La actividad vagal o parasimpática aumentaba incluso cuando los atletas mostraban mayor fatiga, todo esto lleva a que la aclimatación tiende a subir la variabilidad independientemente de los índices de fatiga demostrados (Buchheit, M. et.al 2013).
Respuesta Crónica
Según Pichot, V., et.al (2002) si observamos el ANS en los diferentes bloques de entrenamiento, las cargas moderadas, generalmente (no siempre, ya que hay circunstancias especiales o ambientales como la temperatura), se relacionan con un aumento de los índices de variabilidad relacionados con la actividad vagal o parasimpática, mientras las cargas altas aumentan relacionado con la actividad simpática o de estrés.
Stanley, J., et.al (2013) relaciona los entrenamientos con baja intensidad con el predominio del sistema nervioso parasimpático en las 24h posteriores. Al contrario de entrenamientos de alta intensidad, por ejemplo, en periodos previos a una competición que tendremos una disminución de los índices vagales y un aumento de estrés y del sistema nervioso simpático, durante las 24-48h posteriores al entrenamiento.
Según Hug, B., (2014) nos indica que durante las primeras fases o fase de volumen, la regulación cardiaca autónoma, probablemente mejore y cuando la fase de volumen se acabe y empiece la fase de intensidad o tapering, disminuya.
No obstante, la disminución en periodos específicos o en etapas cercanas a la competición con un volumen de entrenamiento reducido, no tiene por qué ser un síntoma de alarma, si el deportista no refiere ningún síntoma de cansancio puede deberse a un aumento del estrés competitivo o por la intensidad del ejercicio en este periodo. Sabiendo que la variabilidad de la frecuencia cardiaca no es independiente de la intensidad, sino que depende de otros factores y como conclusión habría que mirarla en su conjunto y de manera periódica.
Figura 2. Respuesta Crónica del HRV. Adaptada de PowerExplosive.com
1. Estudio de casos.
Como hemos comentado anteriormente la variabilidad de la frecuencia cardiaca muestra cambios a corto plazo (cambios agudos) y adaptaciones a lo largo del tiempo (crónicos) debido a efectos individuales y ambientales, tales como la actividad física o el estrés mental, y se reduce permanentemente cuando los mecanismos de control autonómico se deterioran (Kiss et al., 2016).
En el entrenamiento, el estrés al que sometemos al cuerpo produce de forma transitoria una predominancia simpática, no obstante, cuando nos recuperamos de forma correcta, predomina la actividad vagal (Garet et al., 2004).
Ya sabemos que el estrés fisiológico proviene de diferentes fuentes, y todas tienen un impacto en nuestra capacidad para lidiar con el estrés adicional y, por lo tanto, para mantener o mejorar nuestra salud y rendimiento.
Actualmente, la medición de HRV en el deporte está siendo cada vez más utilizada tanto predictor de sobre-entrenamiento como para analizar las adaptaciones producidas por el entrenamiento. Podemos ver si el deportista esta fatigado y necesita disminuir la dosis de entrenamiento o por si el contrario está en buenas condiciones para seguir realizando entrenamientos intensos.
Estudio de caso 1.
En la Figura 3 podemos ver cómo tanto correr un maratón y como unos días fuera de lo normal, la celebración de nochevieja, desencadenan un cambio en la línea de base por debajo de los valores normales, un claro signo de alto estrés y dificultad para hacerles frente muy diferentes, uno es un estrés provocado por un tremendo esfuerzo físico y otro por un desorden del sueño y la alimentación acentuado con la ingesta de bebidas alcohólicas.
Figura 3. Gráfica obtenida de la app HRV4TRAINING. Elaboración propia.
La gráfica superior muestra datos de HRV, típicamente una puntuación más alta se asocia con una condición fisiológica más descansada (menos estrés) tras el maratón debido a estar en un periodo de descanso o como vemos en la Figura 4 en el periodo de tappering del deportista. Por otro lado, los valores más bajos están asociados con un mayor estrés.
Figura 4. Gráfica obtenida de la app HRV4TRAINING donde vemos el cambio de tendencia que produce el periodo de tappering. Elaboración propia.
Por lo tanto, si llevamos un control de nuestro deportista y vemos un cambio en la línea basal de HRV debemos reducir la intensidad para evitar llegar a un sobre-entrenamiento y contratiempos a largo plazo, siempre sabiendo interpretar bien los datos y sabiendo de donde viene el estrés.
ESTUDIO DE CASO 2.
Como podemos observar en la Figura 5 durante el periodo de cuarentena y estado de alarma provocado por la pandemia del Covid-19 en el confinamiento en casa, la rMSSD baja considerablemente durante la fase aguda debido a los cambios de horario del sueño, una alimentación no adecuada y otros factores como el estrés. Luego una vez regulado el ciclo circadiano, esa bajada empieza a atenuarse incluso se regula.
Figura 5. Gráfica obtenida de la app HRV4TRAINING donde vemos el cambio de tendencia que produce el periodo de cuarentena. Elaboración propia.
Bibliografía
Buchheit, M., Racinais, S., Bilsborough, J. C., Bourdon, P. C., Voss, S. C., Hocking, J., ... y Coutts, A. J. (2013). Monitoring fitness, fatigue and running performance during a pre-season training camp in elite football players. Journal of science and medicine in sport, 16(6), 550-555.
Buchheit, M., Chivot, A., Parouty, J., Mercier, D., Al Haddad, H., Laursen, P. B., y Ahmaidi, S. (2010). Monitoring endurance running performance using cardiac parasympathetic function. European journal of applied physiology, 108(6), 1153-1167.
Buchheit, M. (2014). Monitoring training status with HR measures: ¿do all roads lead to Rome? Frontiers In Physiology, 5, p.73. http://dx.doi.org/10.3389/fphys.2014.00073
Garet M, Tournaire N, Roche F, Laurent R, Lacour JR, Barthelemy JC, et al.(2014) Individual Interdependence between nocturnal ANS activity and performance in swimmers. Medicine and science in sports and exercise. 2004 Dec;36(12):2112-8. PubMed PMID: 15570148. Epub 2004/12/01. eng.
González-Badillo, J. J., y Ribas, J. (2002). Bases de la programación del entrenamiento de fuerza. Barcelona: Inde.
Hug, B., Heyer, L., Naef, N., Buchheit, M., Wehrlin, JP y Millet, GP (2014). Reducción de la maratón y la función cardíaca autónoma. Revista internacional de medicina deportiva, 35 (08), 676-683.
Impellizzeri, F., Rampinini, E., y Marcora, S. (2005). Physiological assessment of aerobic training in soccer. Journal Of Sports Sciences, 23(6), pp.583-592. http://dx.doi.org/10.1080/02640410400021278
Jiménez Morgan, S., y Molina Mora, J. A. (2017). Effect of Heart Rate Variability Biofeedback on Sport Performance, a Systematic Review. Applied Psychophysiology Biofeedback. https://doi.org/10.1007/s10484-017-9364-2
Kiss O, Sydo N, Vargha P, Vago H, Czimbalmos C, Edes E, et al. (2016). Detailed heart rate variability analysis in athletes. Clinical autonomic research: official journal of the Clinical Autonomic Research Society. 2016 Aug;26(4):245-52. PubMed PMID: 27271053. Epub 2016/06/09. eng.
Malmo, R. B., Shagass, C., Davis, J. F., Cleghorn, R. A., Graham, B. F., y Goodman, A. J. (1948). Standardized pain stimulation as controlled stress in physiological studies of psychoneurosis. Science, 108(2810), 509-511.
Mulroney, S. E., y Myers, A. K. (2016). Netter. Fundamentos de fisiología+ StudentConsult. Elsevier España.
Pichot, V., Busso, T., Roche, F., Garet, M., Costes, F., Duverney, D., ... y Barthélémy, J. C. (2002). Autonomic adaptations to intensive and overload training periods: a laboratory study. Medicine & science in sports & exercise, 34(10), 1660-1666.
Prigogine, I., y Nicolis, G. (1985). Self-Organisation in Nonequilibrium Systems: Towards A Dynamics of Complexity. In Bifurcation Analysis. https://doi.org/10.1007/978-94-009-6239-2_1
Rosales-Soto, G., Corsini-Pino, R., Monsálves-Álvarez, M., y Yáñez-Sepúlveda, R. (2016). Respuesta del balance simpático-parasimpático de la variabilidad de la frecuencia cardíaca durante una semana de entrenamiento aeróbico en ciclistas de ruta. Revista Andaluza de Medicina Del Deporte. https://doi.org/10.1016/j.ramd.2015.07.002
Sanchez-Conde P, Beltran-Velasco AI, Clemente-Suarez VJ (2019). Influence of psychological profile in autonomic response of nursing students in their first hospital clinical stays. Physiol Behav. 2019;207:99e103.
Stanley, J., Peake, J. M., y Buchheit, M. (2013). Consecutive days of cold-water immersion: effects on cycling performance and heart rate variability. European journal of applied physiology, 113(2), 371-384.
Wehbe, G., Hartwig, T., y Duncan, C. (2014). Movement analysis of Australian national league soccer players using global positioning system technology. Journal of Science and Medicine in Sport, 15, p.105.
Comments