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）：

打开「健康」App → 右上角头像
向下滚动 → 「导出所有健康数据」
等待打包（约 1-5 分钟）→ 保存或分享 export.zip
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

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：

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

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。