--- name: sleep-analyzer description: 分析睡眠数据、识别睡眠模式、评估睡眠质量，并提供个性化睡眠改善建议。支持与其他健康数据的关联分析。 allowed-tools: Read, Grep, Glob, Write --- # 睡眠分析器技能分析睡眠数据，识别睡眠模式，评估睡眠质量，并提供个性化睡眠改善建议。 ## 功能 ### 1. 睡眠趋势分析分析睡眠时长、质量、效率的变化趋势，识别改善或需要关注的方面。 **分析维度**： - 睡眠时长趋势（平均睡眠时长变化） - 睡眠效率趋势（睡眠效率百分比变化） - 入睡时间模式（上床时间、入睡时间、起床时间） - 作息规律性评分（sleep consistency score） - 周末vs工作日对比（social jetlag） **输出**： - 趋势方向（改善/稳定/下降） - 变化幅度和百分比 - 趋势显著性评估 - 最佳睡眠时间窗口识别 - 改进建议 ### 2. 睡眠质量评估综合评估睡眠质量，识别影响睡眠质量的关键因素。 **评估内容**： - PSQI分数追踪和趋势 - 主观睡眠质量分布（好/中/差） - 夜间觉醒分析（次数、时长、原因） - 睡眠阶段分析（深睡、浅睡、REM比例） - 睡后恢复感评估 **输出**： - 睡眠质量等级（优秀/良好/一般/较差） - 质量变化趋势 - 主要影响因素识别 - 质量改善优先级建议 ### 3. 睡眠问题识别识别常见的睡眠问题和风险因素。 **识别内容**： - **失眠模式**： - 入睡困难（sleep latency >30分钟） - 睡眠维持困难（夜间觉醒>2次或总觉醒时间>30分钟） - 早醒（比预期提前醒来>30分钟） - 混合型失眠 - **呼吸暂停风险**： - STOP-BANG问卷评分 - 症状分析（打鼾、憋醒、白天嗜睡） - 风险等级（低/中/高） - **其他问题**： - 作息不规律检测 - 睡眠债计算（理想时长vs实际时长） - 社交时差评估 **输出**： - 问题存在与否 - 问题类型和严重程度 - 风险因素列表 - 是否需要就医建议 ### 4. 相关性分析分析睡眠与其他健康指标的相关性。 **支持的相关性分析**： - **睡眠 ↔ 运动**： - 运动日vs休息日的睡眠差异 - 运动时间对睡眠的影响（早晨/下午/晚间运动） - 运动强度与睡眠质量的相关性 - **睡眠 ↔ 饮食**： - 咖啡因摄入与睡眠时长、入睡时间的关系 - 酒精摄入对睡眠结构的影响 - 晚餐时间与睡眠质量的关系 - **睡眠 ↔ 情绪**： - 睡眠与情绪的双向关系分析 - 压力水平对睡眠质量的影响 - 睡眠剥夺对日间情绪的影响 - **睡眠 ↔ 慢性病**： - 睡眠与高血压的关系 - 睡眠与血糖控制的关联 - 睡眠与体重变化的关系 **输出**： - 相关系数（-1到1） - 相关性强度（弱/中/强） - 统计显著性 - 因果关系推断 - 实践建议 ### 5. 个性化建议生成基于用户数据生成个性化睡眠改善建议。 **建议类型**： - **作息调整建议**： - 最佳上床/起床时间 - 作息一致性改善方案 - 午睡管理建议 - **睡前准备建议**： - 睡前例行程序设计 - 放松技巧推荐 - 屏幕时间管理 - **睡眠环境优化**： - 温度、湿度、光线、噪音优化 - 床品舒适度建议 - **生活方式调整**： - 运动、饮食、咖啡因、酒精管理 - 压力管理建议 - **CBT-I元素**： - 刺激控制建议 - 睡眠限制建议 - 认知重构建议 **输出**： - 优先级排序的建议列表 - 具体实施步骤 - 预期效果说明 - 实施时间线 --- ## 使用说明 ### 触发条件当用户请求以下内容时触发本技能： - 睡眠趋势分析 - 睡眠质量评估 - 睡眠问题识别 - 睡眠改善建议 - 睡眠与其他健康指标的关联分析 ### 执行步骤 #### 步骤 1: 确定分析范围明确用户请求的分析类型和时间范围： - 分析类型：趋势/质量/问题/相关性/建议 - 时间范围：周/月/季度/自定义 #### 步骤 2: 读取数据 **主要数据源**： 1. `data-example/sleep-tracker.json` - 睡眠追踪主数据 2. `data-example/sleep-logs/YYYY-MM/YYYY-MM-DD.json` - 每日睡眠记录 **关联数据源**： 1. `data-example/fitness-tracker.json` - 运动数据 2. `data-example/hypertension-tracker.json` - 血压数据 3. `data-example/diabetes-tracker.json` - 血糖数据 4. `data-example/diet-records/` - 饮食记录 5. `data-example/mood-tracker.json` - 情绪数据 #### 步骤 3: 数据分析根据分析类型执行相应的分析算法： **趋势分析算法**： - 线性回归计算趋势斜率 - 移动平均平滑波动 - 统计显著性检验 **相关性分析算法**： - Pearson相关系数计算 - 滞后相关性分析（考虑时间延迟效应） - 多变量回归分析 **模式识别算法**： - 时间序列模式识别 - 异常值检测 - 周期性分析 #### 步骤 4: 生成报告按照标准格式输出分析报告（见"输出格式"部分） --- ## 输出格式 ### 睡眠质量分析报告 ```markdown # 睡眠质量分析报告 ## 分析周期 2025-03-20 至 2025-06-20（3个月） --- ## 睡眠时长趋势 - **趋势**：⬆️ 改善 - **开始**：平均6.2小时/晚 - **当前**：平均7.1小时/晚 - **变化**：+0.9小时 (+14.5%) - **解读**：睡眠时长显著增加，接近理想目标（7.5小时） **趋势线**： ``` 6.5h ┤ ╭╮ 6.0h ┤ ╭─╯╰╮ 5.5h ┤ ╭─╯ ╰─╮ 5.0h ┼─┘ ╰─ └─────────── 3月 4月 5月 6月 ``` --- ## 睡眠效率 - **平均睡眠效率**：85.3% - **效率范围**：78%-92% - **达标率**：63%（>85%为达标） - **解读**：睡眠效率正常，仍有提升空间 **效率分布**： - 优秀（>90%）：15晚 - 良好（85-90%）：28晚 - 需改善（<85%）：47晚 --- ## 作息规律性 - **平均上床时间**：23:15（范围：22:30-01:00） - **平均起床时间**：07:05（范围：06:30-08:30） - **作息一致性评分**：72/100 - **社交时差**：45分钟（周末比工作日晚睡晚起） - **解读**：作息基本规律，但周末波动较大 **建议**： - 🎯 保持一致的起床时间，包括周末 - 🎯 逐步调整上床时间，避免周末过度延迟 --- ## 睡眠质量分布 | 质量等级 | 天数 | 占比 | 趋势 | |---------|------|------|------| | 优秀 | 8 | 9% | ⬆️ | | 很好 | 12 | 13% | ➡️ | | 好 | 15 | 17% | ⬆️ | | 一般 | 42 | 47% | ⬇️ | | 差 | 10 | 11% | ⬇️ | | 很差 | 3 | 3% | ➡️ | **解读**：睡眠质量以"一般"为主，但"好"及以上质量的天数在增加 --- ## 夜间觉醒分析 - **平均觉醒次数**：1.8次/晚 - **平均觉醒时长**：18分钟 - **主要原因**： 1. 尿意（45%） 2. 噪音（25%） 3. 温度过热（15%） 4. 其他（15%） **建议**： - 🎯 睡前2小时限制液体摄入 - 🎯 优化卧室温度（18-22℃） - 🎯 使用白噪音机器遮蔽背景噪音 --- ## PSQI 评估趋势 - **最新分数**：8分（睡眠质量一般） - **上次分数**：10分（2025-03-20） - **变化**：-2分（改善） - **趋势**：⬆️ 持续改善 **历史趋势**： ``` 12 ┤ ● 10 ┤ ● 8 ┤ ● 6 ┤ └────── 12月 3月 6月 ``` **各成分变化**： - 主观睡眠质量：2→2（稳定） - 入睡时间：2→2（稳定） - 睡眠时长：2→1（改善） - 睡眠效率：2→1（改善） - 睡眠障碍：2→1（改善） --- ## 睡眠问题识别 ### 失眠评估 - **类型**：混合型失眠 - **频率**：4-5晚/周 - **持续时间**：18个月 - **主要症状**： - ✗ 入睡困难（潜伏期>30分钟） - ✗ 睡眠维持困难（夜间觉醒>2次） - ✓ 无早醒问题 - **影响**： - 白天疲劳：中度 - 情绪烦躁：是 - 注意力困难：是 - 工作表现：轻度影响 - **建议**：🏥 持续>3个月，建议就医咨询睡眠专科 ### 呼吸暂停筛查（STOP-BANG） - **评分**：3/8 - **风险等级**：中等风险 - **阳性项目**： - ✗ Snoring（打鼾） - ✗ Tired（白天疲劳） - ✓ Observed apnea（未观察到呼吸暂停） - ✗ Pressure（高血压） - ✓ BMI > 28 - ✓ Age > 50 - ✗ Neck size > 40cm - ✓ Gender = male - **建议**：⚠️ 建议进行睡眠检查（PSG） --- ## 相关性分析 ### 睡眠 ↔ 运动 **运动日 vs 休息日**： - 运动日平均睡眠：7.3小时 - 休息日平均睡眠：6.8小时 - 差异：+0.5小时（+7.4%） **运动时间对睡眠的影响**： - 早晨运动：睡眠时长7.5小时，质量评分7.8/10 - 下午运动：睡眠时长7.2小时，质量评分7.5/10 - 晚间运动：睡眠时长6.8小时，质量评分6.8/10 **相关性**：中等正相关（r = 0.42） **结论**：规律运动有助于改善睡眠，但应避免睡前2-3小时剧烈运动 **建议**： - 🎯 保持规律运动习惯 - 🎯 将运动时间移至早晨或下午 - 🎯 睡前2-3小时避免剧烈运动 --- ### 睡眠 ↔ 咖啡因 **咖啡因摄入时间分析**： - 下午2点前摄入：平均睡眠7.2小时，入睡潜伏期25分钟 - 下午2点后摄入：平均睡眠6.7小时，入睡潜伏期40分钟 - 差异：-0.5小时时长，+15分钟潜伏期 **相关性**：中等负相关（r = -0.38） **结论**：下午2点后摄入咖啡因显著影响睡眠 **建议**： - 🎯 避免下午2点后摄入咖啡因 - 🎯 睡前6小时完全避免咖啡因 --- ### 睡眠 ↔ 情绪 **睡眠质量对次日情绪的影响**： - 睡眠好：次日情绪积极概率82% - 睡眠一般：次日情绪积极概率45% - 睡眠差：次日情绪积极概率18% **睡前情绪对入睡的影响**： - 睡前压力高：入睡潜伏期45分钟 - 睡前压力低：入睡潜伏期20分钟 - 差异：+25分钟 **相关性**：强双向相关（r = 0.65） **结论**：睡眠与情绪存在显著的相互影响 **建议**： - 🎯 睡前进行压力管理（冥想、深呼吸） - 🎯 建立放松的睡前例行程序 - 🎯 记录情绪日记，识别压力模式 --- ## 洞察与建议 ### 关键洞察 1. **作息不一致是主要问题** - 社交时差45分钟 - 周末作息显著偏离工作日 - 影响：生物钟紊乱，周一"时差反应" 2. **晚间运动影响入睡** - 晚间运动日入睡潜伏期延长15分钟 - 建议：调整运动时间 3. **睡眠环境可优化** - 噪音觉醒占25% - 温度过热占15% - 建议针对性改善 --- ### 优先级行动计划 #### Priority 1：建立一致作息（2周） **目标**：提高作息一致性评分至85分 **具体行动**： 1. 固定起床时间07:00（包括周末） 2. 固定上床时间23:00 3. 限制午睡<30分钟，且下午3点前 4. 逐步调整周末作息（每次提前15分钟） **预期效果**： - 作息一致性评分：72 → 85 - 睡眠效率提升：+3-5% - 周一疲劳感减轻 --- #### Priority 2：创建睡前例行程序（3周） **目标**：建立稳定的睡前例行程序 **具体行动**： 1. 提前1小时开始例行程序（22:00） 2. 关闭电子设备（22:30） 3. 调暗卧室灯光 4. 进行放松活动（阅读、冥想、温水澡） 5. 保持卧室安静、黑暗、凉爽（18-22℃） **预期效果**： - 入睡潜伏期缩短：30 → 20分钟 - 睡眠质量提升：一般 → 好 - 睡前压力降低 --- #### Priority 3：优化睡眠环境（1周） **目标**：消除环境对睡眠的干扰 **具体行动**： 1. 安装遮光窗帘 2. 使用白噪音机器遮蔽背景噪音 3. 优化温度至18-22℃ 4. 移除卧室时钟 5. 更换舒适的枕头和床垫 **预期效果**： - 夜间觉醒减少：1.8 → 1.2次/晚 - 睡眠连续性提升 - 晨起状态改善 --- #### Priority 4：生活方式调整（4周） **目标**：消除影响睡眠的生活习惯 **具体行动**： 1. 将运动移至早晨或下午 2. 下午2点后停止咖啡因摄入 3. 睡前3小时避免酒精 4. 睡前2小时避免大餐 5. 睡前1小时避免工作相关讨论 **预期效果**： - 睡眠时长增加：+0.3小时 - 睡眠质量评分提升：+1分 - PSQI分数改善：8 → 6 --- ## 长期目标 - **睡眠时长**：达到7.5小时/晚（当前7.1小时） - **睡眠效率**：提升至>90%（当前85%） - **PSQI分数**：降至≤5分（当前8分） - **作息一致性**：提升至≥85分（当前72分） - **入睡潜伏期**：缩短至<20分钟（当前28分钟） --- ## 医学安全提醒 ⚠️ **就医建议**： - 🏥 失眠持续>3个月，建议咨询睡眠专科 - 🏥 STOP-BANG≥3分，建议进行睡眠检查（PSG） - 🏥 严重嗜睡影响驾驶安全，需立即就医 --- **报告生成时间**：2025-06-20 **分析周期**：2025-03-20 至 2025-06-20（90天） **数据记录数**：90晚 **睡眠分析器版本**：v1.0 ``` --- ## 数据结构 ### 睡眠记录数据 ```json { "sleep_records": [ { "id": "sleep_20250620001", "date": "2025-06-20", "sleep_times": { "bedtime": "23:00", "sleep_onset_time": "23:30", "wake_time": "07:00", "out_of_bed_time": "07:15" }, "sleep_metrics": { "sleep_duration_hours": 7.0, "time_in_bed_hours": 8.25, "sleep_latency_minutes": 30, "sleep_efficiency": 84.8 }, "sleep_quality": { "subjective_quality": "fair", "quality_score": 5, "rested_feeling": "somewhat" }, "factors": { "exercise": true, "exercise_time": "evening", "caffeine_after_2pm": false, "screen_time_before_bed_minutes": 60 } } ] } ``` --- ## 算法说明 ### 睡眠质量评分算法 ```python def calculate_sleep_quality_score(record): """ 计算睡眠质量评分（0-10分）因素权重： - 睡眠时长：30% - 睡眠效率：25% - 入睡潜伏期：20% - 夜间觉醒：15% - 主观质量：10% """ score = 0 # 睡眠时长评分（理想7-9小时） duration = record['sleep_duration_hours'] if 7 <= duration <= 9: duration_score = 10 elif 6 <= duration < 7 or 9 < duration <= 10: duration_score = 7 else: duration_score = 4 score += duration_score * 0.30 # 睡眠效率评分（>90%优秀） efficiency = record['sleep_efficiency'] efficiency_score = min(efficiency / 90 * 10, 10) score += efficiency_score * 0.25 # 入睡潜伏期评分（<15分钟优秀） latency = record['sleep_latency_minutes'] if latency <= 15: latency_score = 10 elif latency <= 30: latency_score = 7 elif latency <= 45: latency_score = 4 else: latency_score = 1 score += latency_score * 0.20 # 夜间觉醒评分（0次优秀） awakenings = record['awakenings']['count'] awakening_score = max(10 - awakenings * 2, 0) score += awakening_score * 0.15 # 主观质量评分 quality_map = { 'excellent': 10, 'very_good': 8, 'good': 7, 'fair': 5, 'poor': 3, 'very_poor': 1 } subjective_score = quality_map.get( record['sleep_quality']['subjective_quality'], 5 ) score += subjective_score * 0.10 return round(score, 1) ``` ### 作息规律性评分算法 ```python def calculate_sleep_consistency_score(records): """ 计算作息规律性评分（0-100分）因素： - 上床时间标准差 - 起床时间标准差 - 睡眠时长标准差 - 工作日vs周末差异 """ # 提取时间数据 bedtimes = [r['bedtime'] for r in records] wake_times = [r['wake_time'] for r in records] durations = [r['sleep_duration_hours'] for r in records] # 计算标准差（分钟） bedtime_std = time_to_minutes_std(bedtimes) wake_std = time_to_minutes_std(wake_times) duration_std = statistics.stdev(durations) # 计算工作日vs周末差异 weekday_avg = avg([r['sleep_duration_hours'] for r in records if is_weekday(r)]) weekend_avg = avg([r['sleep_duration_hours'] for r in records if is_weekend(r)]) diff = abs(weekday_avg - weekend_avg) # 综合评分 score = 100 score -= bedtime_std * 0.5 # 上床时间标准差影响 score -= wake_std * 0.5 # 起床时间标准差影响 score -= duration_std * 2 # 睡眠时长标准差影响 score -= diff * 10 # 工作日周末差异影响 return max(0, min(100, round(score))) ``` ### 相关性分析算法 ```python def calculate_correlation(sleep_data, other_data, lag_days=0): """ 计算睡眠与其他指标的相关性参数： - sleep_data: 睡眠数据列表 - other_data: 其他指标数据列表 - lag_days: 滞后天数（考虑延迟效应）返回： - correlation_coefficient: 相关系数 - p_value: 统计显著性 - interpretation: 相关性解释 """ # 对齐数据（考虑滞后） aligned = align_data_with_lag(sleep_data, other_data, lag_days) # 计算Pearson相关系数 from scipy import stats corr, p_value = stats.pearsonr( aligned['sleep_values'], aligned['other_values'] ) # 解释相关性 if abs(corr) < 0.3: strength = "弱" elif abs(corr) < 0.7: strength = "中等" else: strength = "强" direction = "正相关" if corr > 0 else "负相关" significant = p_value < 0.05 interpretation = f"{strength}{direction}" if significant: interpretation += "（统计学显著）" return { 'correlation_coefficient': round(corr, 3), 'p_value': round(p_value, 4), 'interpretation': interpretation, 'significant': significant } ``` --- ## 医学安全声明本技能提供的分析和建议仅供参考，不构成医疗诊断或治疗方案。 **本技能能够做到的**： - ✅ 分析睡眠数据和模式 - ✅ 识别睡眠问题风险 - ✅ 提供睡眠卫生建议 - ✅ 评估与其他健康指标的相关性 **本技能不能做的**： - ❌ 诊断失眠、睡眠呼吸暂停等疾病 - ❌ 开具助眠药物或治疗 - ❌ 替代专业睡眠医学治疗 - ❌ 处理严重睡眠障碍 **何时需要就医**： - 🏥 失眠持续>3个月 - 🏥 疑似睡眠呼吸暂停（STOP-BANG≥3） - 🏥 严重嗜睡影响安全 - 🏥 突发严重睡眠问题 --- ## 参考资源 - AASM 睡眠评分标准：https://aasm.org/ - PSQI 量表：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3455216/ - STOP-BANG 问卷：https://www.stopbang.ca/ - CBT-I 治疗：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3455216/ --- **技能版本**: v1.0 **创建日期**: 2026-01-02 **维护者**: WellAlly Tech

No skill with that name