The measurement of respiratory sinus arrythmia (RSA) in infants, children and adults is critical to the study of physiological regulation, and more recently, interpersonal physiological covariation, but it has been impeded by methods that limit its resolution to 30 s or longer. Recent analytical developments have suggested methods for studying dynamic RSA in adults, and we have extended this work to the study of infants and mothers. In the current paper, we describe a new analytical strategy for estimating RSA time series for infants and adults. Our new method provides a means for studying physiological synchrony in infant-mother dyads that offers some important advantages relative to existing methods that use inter-beat-intervals (e.g. Feldman, Magori-Cohen, Galili, Singer, & Louzoun, 2011). In the middle sections of this paper, we offer a brief tutorial on calculating RSA continuously with a sliding window and review the empirical evidence for determining the optimal window size. In order to confirm the reliability of our results, we briefly discuss testing synchrony by randomly shuffling the dyads to control for spurious correlations, and also by using a bootstrapping technique for calculating confidence intervals in the cross-correlation function. One important implication that emerges from applying this method is that it is possible to measure both positive and negative physiological synchrony and that these categorical measures are differentially predictive of future outcomes.

婴儿、儿童和成人呼吸性窦性心律失常 (RSA) 的测量对于生理调节研究以及最近的人际生理共变研究至关重要，但其分辨率限制为 30 秒或更长的方法已阻碍了它。最近的分析发展提出了研究成人动态 RSA 的方法，我们已将这项工作扩展到婴儿和母亲的研究。在当前的论文中，我们描述了一种用于估计婴儿和成人 RSA 时间序列的新分析策略。我们的新方法提供了一种研究婴儿-母亲二元组的生理同步性的方法，相对于使用间拍间隔的现有方法（例如 Feldman、Magori-Cohen、Galili、Singer 和 Louzoun，2011），该方法具有一些重要的优势。在本文的中间部分，我们提供了一个关于使用滑动窗口连续计算 RSA 的简短教程，并回顾了确定最佳窗口大小的经验证据。为了确认我们的结果的可靠性，我们简要讨论了通过随机改组二元组来控制虚假相关性，以及使用自举技术计算互相关函数中的置信区间来测试同步性。应用这种方法产生的一个重要含义是，可以测量正负生理同步性，并且这些分类测量对未来结果有不同的预测。我们简要讨论了通过随机改组二元组以控制虚假相关性以及使用自举技术计算互相关函数中的置信区间来测试同步性。应用这种方法产生的一个重要含义是，可以测量正负生理同步性，并且这些分类测量对未来结果有不同的预测。我们简要讨论了通过随机改组二元组以控制虚假相关性以及使用自举技术计算互相关函数中的置信区间来测试同步性。应用这种方法产生的一个重要含义是，可以测量正负生理同步性，并且这些分类测量对未来结果有不同的预测。