apple-health-analysis v2.0

目录结构

scripts/
parsehealth.py # 流式解析 export.zip → chartdata.json
generatereport.py # chartdata.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
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）
年龄或出生年份（参考范围随年龄变化显著）
身高（计算 BMI，校准体重意义）
体重单位（Apple Health 体重默认为 lb，需确认）
有无已知慢性病/服药史（如甲亢、高血压、心律失常等）
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/parsehealth.py /path/to/export.zip /tmp/chartdata.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/generatereport.py 中的 buildreference() 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.hrvlow → 交感亢奋
HRV > ref.hrvhigh → 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

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

apple-health-analysis苹果健康分析