ClawHub

iwatch health data analysis

Data & APIs

Apple Health 数据全景分析。从 export.zip 流式解析 XML（支持 1-2GB 大文件），提取 RHR/HRV/VO₂Max/睡眠/步数/血氧等核心指标，基于用户个人信息（年龄/性别/身高/体重/病史）动态校准参考范围，生成个性化交互式 HTML 报告（含 6 张 Chart.js 图表）。使用场景：用户说「帮我分析健康数据」「看看我的 Apple Health 数据」「生成健康报告」「分析运动/睡眠/心率趋势」时使用。

Install

openclaw skills install iwatch-health-data-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

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<5454-6061-7374-82>82
女26-35<5555-6162-7475-83>83
女36-45<5656-6263-7576-84>84
男18-25<4949-5556-6869-77>77
男26-35<5050-5657-6970-78>78
男36-45<5151-5758-7071-79>79

VO₂Max 分级（mL/kg/min）

性别年龄差一般良好优秀精英
女20-29<2929-3435-4344-48>48
女30-39<2828-3334-4142-46>46
男20-29<3838-4344-5152-56>56
男30-39<3535-4142-4950-53>53

HRV SDNN 参考（ms，Apple Watch 连续监测）

年龄低（需关注）正常良好
20-30<2525-50>50
30-40<2020-45>45
40-50<1515-40>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、HRVHRV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。

More in Data & APIs