あなたに合う呼吸ペース。推測ではなく、測定で。

特定の呼吸ペースでは、心拍と呼吸が同期します。研究者はこれを「共鳴周波数」と呼びます。このペースで呼吸すると、心が落ち着き、整うと感じる方が多くいます。Precise Breathは心拍変動（HRV）を分析して、あなたの共鳴周波数を見つけます。

App Store（近日公開）

あなたの体、あなたのペース

心血管系が共鳴する周波数は人によって少しずつ異なり、通常は1分間に4.5〜6.5回の呼吸の範囲にあります。この値を決めるのはあなたの生理的な特徴で、特に身長と血液量が関わります（Vaschillo et al., 2006）。

ペースが違えば、結果も変わります。あなた固有の共鳴周波数で呼吸すると、一般的な呼吸ペースに比べて、ストレスの軽減から心血管の健康まで、有意に大きな効果が得られます（Steffen et al., 2017）。1分間に1回ずれるだけでも、効果は大きく低下します。

多くの呼吸アプリは、全員に同じペースを案内します。Precise Breathは、あなたのペースを測定します。

Precise Breathがあなたの共鳴周波数を見つける方法

臨床的なアプローチでは、1回のセッションで複数の呼吸ペースをテストします（Lehrer, 2000; Shaffer & Meehan, 2020）。Precise Breathはこの方法を発展させ、セッションごとにデータを蓄積しながら、あなたに最も合うペースへと絞り込んでいきます。

接続

胸ベルト型センサーをBluetoothでペアリングします。標準的なBluetooth心拍胸ベルトであれば、どれでも使えます。研究で精度が検証されているPolar H10をおすすめします。

呼吸

呼吸ガイドのアニメーションに合わせて呼吸します。各ペースで丸2分間の測定を行います。これは信頼できる分析に十分な長さです（Task Force, 1996の基準による）。ペースの切り替えは緩やかなので、自然になじめます。

分析

アプリは、各呼吸ペースに対して心拍リズムがどれだけ強く反応するか（スペクトル振幅）と、心拍と呼吸がどれだけ同期しているか（位相コヒーレンス）を測定します。どちらも、1拍ごとの心拍データ（RR間隔）からFFTで算出します。

適応と収束

アプリはスコアを手がかりに、セッションごとに前後の呼吸ペースを探索します。セッションを重ねるたびにデータが増え、推定は時間とともに精度を増していきます。1回きりの評価よりも確かな推定になります。データが十分にそろえば、各セッション開始時の安静時心拍数をもとに、日ごとの変動にも合わせて調整できます（Capdevila, 2021）。

機能

無料

呼吸ガイド

4.0〜7.0 BPMの任意のペースで呼吸アニメーションを表示し、吸気・呼気比も調整できます。センサーは不要です。

プレミアム

HRV分析

各呼吸ペースに対する心拍リズムの反応を確認できます。心臓がどれだけ強く反応するか（スペクトル振幅）と、呼吸と心拍数がどれだけ同期しているか（位相コヒーレンス）の両方をスコア化します。

プレミアム

探索モード

前後のペースをテストし、どのペースで最も強い反応が得られるかを追跡することで、セッションを重ねながら最適な呼吸ペースを見つけます。データが十分にそろえば、現在の安静時心拍数をもとに目標ペースを調整できます。

プレミアム

調整モード

1回のセッションで5つの呼吸ペースを体系的にテストし、ベースラインとなる共鳴周波数を確立します。

プレミアム

適応的推定

研究によると、最適なペースは体の状態によって日ごとに変わる可能性があります（Capdevila et al., 2021）。あなた自身のデータが十分にそろえば、Precise Breathは各セッションの開始時に安静時心拍数を測定し、それに応じて目標を調整します。

プレミアム

セッション履歴と進捗

HRVスコア、推移グラフ、月間練習カレンダー、連続日数の記録、CSVエクスポートを備えた、セッションの完全な記録。

無料

プライバシー重視

すべてのデータは端末内に保存されます。アカウント、アナリティクス、クラウド、広告はいずれもありません。データはバックアップして、別の端末に復元できます。「プライベートモード」を有効にすればデータを保存せずに練習でき、設定からすべてを一括で削除することもできます。

アプリを見る

研究が示していること

共鳴周波数呼吸法は、さまざまな状態を対象に研究されてきました。これまでに発表された研究の知見を紹介します。

ストレスと不安

24件の研究のメタ分析で、主に共鳴周波数呼吸法を用いたHRVバイオフィードバックが、自己報告によるストレスと不安の軽減に大きな効果量を示しました（Goessl et al., 2017）。

抑うつ

心疾患のある患者を対象とした研究では、共鳴周波数でのHRVバイオフィードバック訓練の後に、抑うつ症状の有意な軽減が示されています（Lin et al., 2015）。レビュー論文はより幅広い適用可能性を示唆していますが、一般集団を対象としたさらなる研究が必要です（Lehrer & Gevirtz, 2014）。

PTSD

戦闘経験のある退役軍人を対象とした研究では、共鳴周波数でのHRVバイオフィードバックが、PTSD症状の有意な軽減と自律神経調節の改善に関連していました（Tan et al., 2011）。

血圧

対照研究では、共鳴周波数呼吸法が血圧の低下、および圧受容器反射感受性の向上と関連づけられています（Steffen et al., 2017; Lin et al., 2012）。

運動パフォーマンス

研究では、共鳴周波数でのHRVバイオフィードバック訓練により、アスリートのパフォーマンス指標とストレスからの回復が改善したことが報告されています（Paul & Garg, 2012）。

自律神経のバランス

複数の研究で、共鳴周波数呼吸法が圧受容器反射の機能を高め、自律神経系の調節を改善することが示されています（Lehrer & Gevirtz, 2014; Shaffer & Meehan, 2020）。

これらは、実践としての共鳴周波数呼吸法に関する既発表の研究結果です。Precise Breathは呼吸練習をガイドするツールであり、効果には個人差があります。

共鳴周波数の科学

共鳴周波数とは？

心血管系の共鳴特性を利用して心拍変動を最大にする呼吸数のことで、成人では通常1分間に4.5〜6.5回です。このペースでは呼吸性洞性不整脈（RSA）が最大になります。心拍数は吸気時に上がり呼気時に下がりますが、その振幅が最も大きくなり、心拍数の振動は安静時のベースラインの4〜10倍に達します（Vaschillo et al., 2002, 2006）。

圧受容器反射のメカニズム

血圧は、大動脈弓と頸動脈にある圧受容器によって調節されています。このフィードバックループには約5秒の遅れがあります。呼吸がこの遅れと一致すると系が共鳴し、共鳴時の正のフィードバック機構によって心拍数の振動が増幅されます（Vaschillo, 2002; Lehrer & Gevirtz, 2014）。

共鳴の2つの基準

(1) RR間隔のスペクトルにおいて、呼吸周波数でのスペクトルパワーが最大であること、(2) 呼吸と心拍数の位相関係が0度であること。共鳴周波数を下回ると心拍数が呼吸に先行し、上回ると遅れます。共鳴時には両者が同期します（Vaschillo, 2006; Shaffer & Meehan, 2020）。

個人差

集団平均は5.56 ± 0.41 BPM、範囲は4.5〜6.5です。最も強い予測因子は身長で（r = −0.55）、背の高い人ほど血液量が多いため共鳴周波数が低くなります。男性は女性より低い傾向があります。年齢や体重との相関はありません（Vaschillo, 2006; Hasuo et al., 2024）。

安定性と適応

Vaschillo（2006）は、共鳴周波数が10セッションを通じて変化しないことを見いだし、構造的な安定性を示唆しました。一方、Capdevila et al.（2021）は、参加者の66.7%でセッション間に共鳴周波数が変動し、それが安静時の心拍間隔（IBI）と相関していたことを報告しており、自律神経の状態に応じた機能的な変動を示唆しています。Precise Breathは両方の知見を統合しています。共鳴周波数は構造的には安定していますが、測定される最適値はその時の生理状態によって変わることがあります。アプリは各探索セッションの開始時に安静時心拍数を測定し、あなた自身のデータが十分にそろえば、それに応じて目標ペースを調整できます。

参考文献

Vaschillo, E. G., Vaschillo, B., & Lehrer, P. M. (2006). Characteristics of resonance in heart rate variability stimulated by biofeedback. Applied Psychophysiology and Biofeedback, 31(2), 129–142.
Lehrer, P. M. & Gevirtz, R. (2014). Heart rate variability biofeedback: How and why does it work? Frontiers in Psychology, 5, 756.
Shaffer, F. & Meehan, Z. M. (2020). A practical guide to resonance frequency assessment. Frontiers in Neuroscience, 14, 570400.
Steffen, P. R., et al. (2017). The impact of resonance frequency breathing on measures of heart rate variability, blood pressure, and mood. Frontiers in Public Health, 5, 222.
Capdevila, L., Parrado, E., Ramos-Castro, J., Zapata-Lamana, R., & Lalanza, J. F. (2021). Resonance frequency is not always stable over time. Scientific Reports, 11, 8400.
Hasuo, H., et al. (2024). An estimation formula for resonance frequency using sex and height. Applied Psychophysiology and Biofeedback, 49(1), 125–132.
Task Force of ESC/NASPE (1996). Heart rate variability: Standards of measurement, physiological interpretation, and clinical use. Circulation, 93(5), 1043–1065.
Goessl, V. C., Curtiss, J. E., & Hofmann, S. G. (2017). The effect of heart rate variability biofeedback training on stress and anxiety: A meta-analysis. Psychological Medicine, 47(15), 2578–2586.
Lin, I.-M., et al. (2015). Randomized controlled trial of heart rate variability biofeedback in cardiac autonomic function and hostility among patients with coronary artery disease. Behaviour Research and Therapy, 70, 38–46.
Tan, G., Dao, T. K., Farmer, L., Sutherland, R. J., & Gevirtz, R. (2011). Heart rate variability (HRV) and posttraumatic stress disorder (PTSD): A pilot study. Applied Psychophysiology and Biofeedback, 36(1), 27–35.
Paul, M. & Garg, K. (2012). The effect of heart rate variability biofeedback on performance psychology of basketball players. Applied Psychophysiology and Biofeedback, 37(2), 131–144.
Giardino, N. D., Lehrer, P. M., & Edelberg, R. (2002). Comparison of finger plethysmograph to electrocardiogram in the measurement of heart rate variability. Psychophysiology, 39(2), 246–253.
Jan, H. Y., Chen, M. F., Fu, T. C., et al. (2019). Evaluation of coherence between ECG and PPG derived parameters on heart rate variability and respiration in healthy volunteers with/without controlled breathing. Journal of Medical and Biological Engineering, 39, 783–795.
Gilgen-Ammann, R., Schweizer, T., & Wyss, T. (2019). RR interval signal quality of a heart rate monitor and an ECG Holter at rest and during exercise. European Journal of Applied Physiology, 119(7), 1525–1532.

Precise Breathに胸ベルトが必要な理由

共鳴周波数の検出には、1拍ごとの正確なタイミングが欠かせません。この用途に対して、すべての心拍センサーが同じように適しているわけではありません。

胸ベルト型のECG（心電図）センサーは、1拍ごとの間隔測定における参照基準です（Task Force, 1996; Shaffer & Meehan, 2020; Gilgen-Ammann et al., 2019）。Polar H10などの胸ベルトは、スペクトル解析に適した、研究で検証済みのRR間隔データを提供します。
PPGセンサー（手首や指の光学式センサー）は、特に共鳴呼吸中に性能が落ちます。共鳴に特有の大きな血圧の振動が脈波到達時間（PAT）のゆらぎを生み、信号品質を低下させるためです（Giardino, 2002; Jan, 2019）。
共鳴の検出には、一般向けの手首型センサーでは安定して得られないタイミング精度が必要です。胸ベルト型のECGなら、この根本的な制約を回避できます。
呼吸ガイド（カスタムモード）はセンサーなしで使えます。胸ベルトが必要なのはHRV分析モードだけです。
Precise Breathは、標準のHR Serviceを通じてRR間隔データを送信するBluetooth LE胸ベルトであれば、どれでも使えます。動作確認済み：Polar H10（推奨）、Garmin HRM Dual。研究で精度が検証されているPolar H10（polar.comで約100ドル）をおすすめします。

データは端末の中だけに

アカウントなし。アナリティクスなし。クラウドなし。広告なし。

HRVデータとセッション履歴は端末内に保存され、どこにも送信されることはありません。データはいつでもエクスポート、バックアップ、削除できます。「プライベートモード」なら、何も保存せずに練習できます。

プライバシーポリシー全文を読む →