基于可穿戴设备的心率变异性(HRV)与睡眠日记的连续真实世界数据集：健康监测的新基准

研究人员针对传统心率变异性(HRV)数据局限于临床环境的问题，通过三星Galaxy Watch Active 2智能手表采集49名健康受试者连续4周的PPG（光电容积描记术）信号和睡眠日志，构建首个融合HRV时域/频域特征(SDNN、LF/HF等)与心理量表(PHQ-9、GAD-7、ISI)的开放数据集。该研究为开发基于HRV的健康预测模型提供了真实世界基准，成果发表于《Scientific Data》。

　　

在健康监测领域，可穿戴设备正逐渐成为追踪日常生理参数的利器，而心率变异性（HRV）作为评估自主神经系统功能的重要指标，其临床应用价值日益凸显。然而，现有HRV研究面临两大瓶颈：一是数据多来自严格控制下的临床环境，难以反映真实生活场景；二是缺乏长期连续监测数据，无法捕捉HRV随日常活动、睡眠和心理状态波动的动态特征。这种局限性严重制约了HRV在预测抑郁症、焦虑症等心理健康问题中的应用潜力。

为突破这些限制，由Aitolkyn Baigutanova和Sungkyu Park领衔的国际研究团队在《Scientific Data》发表了一项开创性工作。他们采用三星Galaxy Watch Active 2智能手表，对49名健康志愿者（平均年龄28.35±5.87岁，51%女性）进行了为期4周的连续监测，以10Hz采样频率获取PPG信号，并同步收集睡眠日记和双周心理量表（ISI、PHQ-9、GAD-7）。这项研究首次构建了融合多维度生理-行为-心理数据的开放资源，为"真实世界"健康监测研究树立了新标准。

研究团队主要运用三项关键技术：1）基于Tizen平台开发定制化应用"Heart+"，实现100ms间隔的PPG、加速度计等传感器数据采集；2）采用HeartPy算法从5分钟PPG信号片段中提取时域（SDNN、RMSSD）和频域（LF/HF）HRV特征；3）通过缺失值评分（missingness_score≤0.35）严格筛选数据质量。所有数据均通过IRB伦理审查，参与者每日接受佩戴合规性监测。

数据记录特征

研究验证了数据集的生物学合理性：SDNN均值98.7±9.9ms，LF/HF比0.69±0.15，与文献报道的健康人群范围一致。昼夜节律分析显示，办公室工作者的SDNN显著低于学生群体（p<0.05），印证了HRV随年龄递减的已知规律。

睡眠模式关联

睡眠日记数据显示平均睡眠效率达94±4%，但入睡时间存在显著群体差异：办公室工作者平均23:40就寝，而本科生群体延迟至01:42。这种作息差异在HRV频域参数LF/HF中呈现对应变化，暗示生活方式对自主神经调节的潜在影响。

技术验证亮点

研究人员通过三重验证确保数据可靠性：1）传感器信号有效范围合规率85.6-99.9%；2）运动数据捕捉到预期的午餐/晚餐时段活动高峰（图5）；3）HRV特征分布与大规模元分析（n>10,000）结果吻合。特别值得注意的是，女性参与者的SDNN和LF/HF普遍低于男性，与自主神经反应的性别差异研究结论一致。

这项研究的突破性价值在于：首次提供长期、连续、多模态的真实世界健康数据集，克服了传统"快照式"HRV测量的局限性。数据集特别适用于：1）开发抑郁/焦虑的早期预警算法；2）探究睡眠-觉醒周期对心血管自主调节的影响；3）优化可穿戴设备在异构环境下的信号处理流程。正如作者强调的，该资源为AI驱动的健康预测模型开发提供了关键基准，未来可扩展至慢性病管理和职业健康监测领域。

局限性包括样本人口学特征偏倚（以韩国学生/办公室工作者为主）和PPG信号对运动伪影的敏感性。研究团队建议后续研究结合ECG（心电图）金标准进行交叉验证，并扩大跨文化、跨年龄的样本多样性。随着可穿戴技术的普及，这项工作为建立个体化健康监测范式迈出了重要一步。