apple-health-analysis

# apple-health-analysis v2.0 ## 目录结构 ``` scripts/ parse_health.py # 流式解析 export.zip → chart_data.json generate_report.py # chart_data.json + 用户画像 → 个性化 HTML 报告 ``` ## 用户数据导出指南 **步骤（iOS）：** 1. 打开「健康」App → 右上角头像 2. 向下滚动 → 「导出所有健康数据」 3. 等待打包（约 1-5 分钟）→ 保存或分享 `export.zip` 4. 将 zip 文件发给 AI **数据规模参考：** - 使用 1 年：~200MB-500MB - 使用 2-3 年：~1-2GB - 解析时间：约 30-60 秒（流式，无需解压） ## 核心依赖 标准库（`zipfile`, `re`, `json`, `statistics`），无需额外安装。 --- ## 工作流（v2.0 标准流程） ### Step 0：收集用户画像 收到 export.zip 后，**必须先向用户询问以下信息**，再进行分析： ``` 为了给你提供个性化的健康基准，我需要了解几个基本信息： 1. 性别（影响 RHR/HRV/VO₂Max/体脂参考范围） 2. 年龄或出生年份（参考范围随年龄变化显著） 3. 身高（计算 BMI，校准体重意义） 4. 体重单位（Apple Health 体重默认为 lb，需确认） 5. 有无已知慢性病/服药史（如甲亢、高血压、心律失常等） 6. 运动习惯（日常久坐/轻度活动/规律运动/专业训练） 以上信息不会离开对话，分析完成后不会保存。 ``` 将收到的信息存入 `user_profile` 字典，传给解析和报告脚本。 ### Step 1：解析数据 ```bash python3 scripts/parse_health.py /path/to/export.zip /tmp/chart_data.json ``` ### Step 2：加载用户画像，动态确定参考范围 根据 Step 0 收集的信息，调用 `scripts/generate_report.py` 中的 `build_reference()` 函数： ```python profile = { "gender": "female", # male / female / other "age": 26, # 岁 "height_cm": 170, # 厘米 "weight_unit": "lb", # lb / kg "conditions": ["hyperthyroidism"], # 已知病史，影响异常标注 "activity_level": "active" # sedentary / light / active / athlete } ``` ### Step 3：执行分析（AI 执行，基于动态参考范围） **心血管系统** - RHR：与同龄同性别参考范围对比（见下方参考表） - HRV SDNN：个体化趋势分析优先于绝对值 - VO₂Max：对应年龄/性别分级（差/一般/良好/优秀/精英） **神经系统（自主神经）** - HRV < `ref.hrv_low` → 交感亢奋 - HRV > `ref.hrv_high` → 副交感主导（迷走张力高者不追求过高） **睡眠** - Deep Sleep 占比 < 10% 关注；REM 占比 < 15% 关注 - Awake 次数与 RHR 同向波动 → 睡眠质量与自主神经相互印证 **代谢** - BMI = 体重kg ÷ 身高m²（体重单位自动换算） - 体脂参考范围按性别/年龄分级 - 步数目标：久坐人群 6000+，一般成人 8000+，健康目标 10000+ **异常检测** - 连续 3+ 个月 RHR 上升 + HRV 下降 → 系统性应激（疾病/压力），建议就医 - 血氧月均 < 95% → 建议筛查 - 步数骤降持续 2+ 个月 → 生活方式变化 ### Step 4：生成报告 ```bash python3 scripts/generate_report.py \ /tmp/chart_data.json \ health_report.html \ --gender female \ --age 26 \ --height 170 \ --weight-unit lb \ --conditions "hyperthyroidism" \ --activity active \ --verdict "整体判断：亚健康恢复期..." ``` --- ## 动态参考范围表 ### 静息心率 RHR（bpm） | 性别 | 年龄 | 优秀 | 良好 | 正常 | 偏高 | 过高 | |------|------|------|------|------|------|------| | 女 | 18-25 | <54 | 54-60 | 61-73 | 74-82 | >82 | | 女 | 26-35 | <55 | 55-61 | 62-74 | 75-83 | >83 | | 女 | 36-45 | <56 | 56-62 | 63-75 | 76-84 | >84 | | 男 | 18-25 | <49 | 49-55 | 56-68 | 69-77 | >77 | | 男 | 26-35 | <50 | 50-56 | 57-69 | 70-78 | >78 | | 男 | 36-45 | <51 | 51-57 | 58-70 | 71-79 | >79 | ### VO₂Max 分级（mL/kg/min） | 性别 | 年龄 | 差 | 一般 | 良好 | 优秀 | 精英 | |------|------|----|------|------|------|------| | 女 | 20-29 | <29 | 29-34 | 35-43 | 44-48 | >48 | | 女 | 30-39 | <28 | 28-33 | 34-41 | 42-46 | >46 | | 男 | 20-29 | <38 | 38-43 | 44-51 | 52-56 | >56 | | 男 | 30-39 | <35 | 35-41 | 42-49 | 50-53 | >53 | ### HRV SDNN 参考（ms，Apple Watch 连续监测） | 年龄 | 低（需关注） | 正常 | 良好 | |------|------------|------|------| | 20-30 | <25 | 25-50 | >50 | | 30-40 | <20 | 20-45 | >45 | | 40-50 | <15 | 15-40 | >40 | ### 体脂率参考 | 性别 | 18-30岁 | 31-40岁 | |------|---------|---------| | 女 | 21-32% | 23-34% | | 男 | 8-20% | 11-22% | --- ## 病史对分析的影响 | 病史 | 影响的指标 | 分析调整 | |------|-----------|---------| | 甲亢/甲减 | RHR、HRV、VO₂Max、体重 | RHR偏高/偏低时先排除甲状腺因素；标注治疗前后对比 | | 高血压 | RHR、血氧 | 加入血压数据（如有）分析；RHR目标更严格（<70） | | 心律失常（早搏） | RHR、HRV | HRV数据可能失真；日常心率偏高有代偿机制解释 | | 血管迷走性晕厥 | HRV | 不追求HRV越高越好；避免过高迷走张力风险 | | 低血压 | RHR | 心率轻度代偿（75-85bpm）属正常，不作为异常标注 | | 贫血 | RHR、VO₂Max、活动卡路里 | RHR偏高/VO₂Max偏低时排除贫血因素 | | 糖尿病 | 步数、卡路里 | 步数目标提升至10000+；关注活动消耗稳定性 | --- ## 数据质量说明 - **体重单位**：Apple Health 体重默认 lb（磅），换算：`kg = lb × 0.4536`，**必须向用户确认单位** - **HRV 数据源**：旧设备 HRV 条目极少（每月1-2条）且量级差异大，不可与新设备数据混合对比；自动检测 `sourceName` 字段分段处理 - **睡眠格式**：旧格式只有 InBed/Asleep，无分期；Series 6+ 才有 Deep/REM/Core；报告分段显示 - **血氧**：Apple Watch Series 6（2020年）起才有，早期数据缺失属正常 - **步数多设备重复**：已用日汇总方式处理 - **隐私提示**：数据含完整健康信息，分析完成后建议删除 export.zip --- ## 常见 Q&A **Q: 没有 HRV 数据？** A: 需要 Apple Watch 且设置中开启「心率通知」。无 HRV 时跳过自主神经分析，其余正常生成。 **Q: 为什么 HRV 早期数值异常高（80-160ms）？** A: 旧 Apple Watch 测量 HRV 频率极低（每月1-2次），且算法不同，不可与新版连续监测数据对比。脚本会自动识别设备名称分段处理。 **Q: XML 太大内存不足？** A: `parse_health.py` 流式解析，512KB 分块，1GB+ 文件正常。 **Q: 分析多少时间跨度合适？** A: 理论无限。月度聚合后每年12个数据点，图表不会过密。建议至少6个月才能做趋势分析。