health-trend-analyzer

name health-trend-analyzer description 分析一段时间内健康数据的趋势和模式。关联药物、症状、生命体征、化验结果和其他健康指标的变化。识别令人担忧的趋势、改善情况，并提供数据驱动的洞察。当用户询问健康趋势、模式、随时间的变化或"我的健康状况有什么变化？"时使用。支持多维度分析（体重/BMI、症状、药物依从性、化验结果、情绪睡眠），相关性分析，变化检测，以及交互式HTML可视化报告（ECharts图表）。 allowed-tools Read, Grep, Glob, Write 健康趋势分析器 分析一段时间内健康数据的趋势和模式，识别变化、相关性，并提供数据驱动的健康洞察。 核心功能 1. 多维度趋势分析 体重/BMI 趋势 ：追踪体重和BMI随时间的变化，评估健康趋势 症状模式 ：识别反复出现的症状、频率变化、潜在诱因 药物依从性 ：分析用药规律，识别漏服模式和改善空间 化验结果趋势 ：追踪生化指标变化（胆固醇、血糖、血压等） 情绪与睡眠 ：关联情绪状态与睡眠质量，识别心理健康趋势 2. 相关性分析引擎 药物-症状相关性 ：识别新药物是否与症状变化相关 生活方式影响 ：关联饮食/睡眠与症状和情绪 治疗效果评估 ：衡量治疗是否导致改善 周期-症状相关性 ：女性健康追踪中的周期相关性 3. 变化检测 显著变化 ：警告快速体重变化、新症状、药物变化 恶化模式 ：早期识别健康状况下降 改善识别 ：强调积极的健康变化 阈值警报 ：接近危险水平时警告（辐射、BMI极值） 4. 预测性洞察 风险评估 ：基于趋势识别风险因素 预防建议 ：基于模式建议预防措施 早期预警 ：在问题变得严重之前预测 使用说明 触发条件 当用户提到以下场景时，使用此技能： 通用询问 ： ✅ "过去一段时间我的健康有什么变化？" ✅ "分析我的健康趋势" ✅ "我的身体状况有什么变化？" ✅ "健康状况总结" 具体维度 ： ✅ "我的体重/BMI有什么趋势？" ✅ "分析我的症状模式" ✅ "我的用药依从性怎么样？" ✅ "我的化验指标有什么变化？" ✅ "我的情绪和睡眠趋势" 相关性分析 ： ✅ "我的症状和什么相关？" ✅ "我的药物有效吗？" ✅ "睡眠和我的情绪有什么关系？" 时间范围 ： 默认分析 过去3个月 的数据 支持："过去1个月"、"过去6个月"、"过去1年" 支持："2025年1月至今"、"最近90天" 执行步骤 步骤 1：确定分析时间范围 从用户输入中提取时间范围，或使用默认值（3个月）。 步骤 2：读取健康数据 读取以下数据源： // 1. 个人档案（BMI、体重） const profile = readFile ( 'data/profile.json' ); // 2. 症状记录 const symptomFiles = glob ( 'data/symptoms/**/*.json' ); const symptoms = readAllJson (symptomFiles); // 3. 情绪记录 const moodFiles = glob ( 'data/mood/**/*.json' ); const moods = readAllJson (moodFiles); // 4. 饮食记录 const dietFiles = glob ( 'data/diet/**/*.json' ); const diets = readAllJson (dietFiles); // 5. 用药日志 const medicationLogs = glob ( 'data/medication-logs/**/*.json' ); // 6. 女性健康数据（如适用） const cycleData = readFile ( 'data/cycle-tracker.json' ); const pregnancyData = readFile ( 'data/pregnancy-tracker.json' ); const menopauseData = readFile ( 'data/menopause-tracker.json' ); // 7. 过敏史 const allergies = readFile ( 'data/allergies.json' ); // 8. 辐射记录 const radiation = readFile ( 'data/radiation-records.json' ); 步骤 3：数据过滤 根据时间范围过滤数据： function filterByDate ( data, startDate, endDate ) { return data. filter ( item => { const itemDate = new Date (item. date || item. created_at ); return itemDate >= startDate && itemDate <= endDate; }); } 步骤 4：趋势分析 对每个数据维度进行趋势分析： 4.1 体重/BMI 趋势 提取历史体重数据 计算BMI变化 识别趋势方向（上升/下降/稳定） 评估变化幅度 4.2 症状模式 统计症状频率 识别高频症状 分析症状时间模式 检测症状诱因 4.3 药物依从性 计算总体依从率 分析各药物依从性 识别漏服模式 评估改善建议 4.4 化验结果 追踪多次报告中的生化指标 与参考范围对比 识别改善/恶化 标记异常指标 4.5 情绪与睡眠 关联情绪评分与睡眠时长 识别情绪波动模式 检测压力水平 评估心理健康趋势 步骤 5：相关性分析 使用统计方法识别相关性： // 皮尔逊相关系数 function pearsonCorrelation ( x, y ) { // 计算相关系数 // 返回值范围：-1（负相关）到 1（正相关） } // 应用场景 - 药物开始日期 vs 症状频率 - 睡眠时长 vs 情绪评分 - 体重变化 vs 饮食记录 - 运动量 vs 情绪状态 步骤 6：变化检测 识别显著变化： // 变化点检测 function detectChangePoints ( timeSeries ) { // 使用统计方法检测显著变化点 // 例如：体重突然下降、症状突然增加 } // 阈值警报 function checkThresholds ( value, thresholds ) { // 检查是否接近或超过危险阈值 // 例如：BMI > 30、辐射剂量 > 安全限 } 步骤 7：生成洞察 基于分析结果生成预测性洞察： // 风险评估 function assessRisks ( trends ) { // 识别高风险趋势 // 例如：快速体重下降、频繁症状 } // 预防建议 function generateRecommendations ( trends, correlations ) { // 基于模式建议预防措施 // 例如：改善睡眠、提高用药依从性 } // 早期预警 function earlyWarnings ( trends ) { // 在问题变得严重之前预测 // 例如：症状频率上升、情绪持续低落 } 步骤 8：生成可视化报告 生成交互式HTML报告： 数据汇总 ：生成JSON格式的分析结果 HTML模板渲染 ：将数据注入HTML模板 ECharts图表配置 ：配置6种交互式图表 保存文件 ：保存为独立HTML文件 详细输出格式参见： 数据源说明 输出格式 文本报告（简洁版） 健康趋势分析报告 ━━━━━━━━━━━━━━━━━━━━━━━━━━ 生成时间: 2025-12-31 分析周期: 过去3个月 (2025-10-01 至 2025-12-31) 📊 总体评估 ━━━━━━━━━━━━━━━━━━━━━━━━━━ 改善中: 体重管理、胆固醇水平 稳定: 血糖控制、情绪状态 需关注: 用药依从性、睡眠质量 📊 体重/BMI 趋势 ├─ 当前体重: 68.5 kg ├─ 当前 BMI: 23.1（正常范围） ├─ 3个月变化: -2.3 kg（-3.2%） ├─ 趋势: 📉 逐渐减重 └─ 评估: ✅ 积极趋势，在健康范围内 💊 药物依从性 ├─ 当前药物: 3种 ├─ 总体依从率: 78% ├─ 漏服次数: 8次 ├─ 最好: 阿司匹林 (95%) └─ 需改进: 氨氯地平 (65%) ⚠️ 症状模式 ├─ 最频繁: 头痛（过去3个月 12次） ├─ 趋势: 📉 频率下降（较上期减少4次） ├─ 潜在诱因: 与睡眠质量识别出中等相关（r=0.62） └─ 建议: 继续改善睡眠模式 🧪 化验结果趋势 ├─ 胆固醇: 240 → 210 mg/dL（改善 ✅） ├─ 血糖: 5.6 → 5.4 mmol/L（稳定） ├─ 上次检查: 30天前 └─ 建议: 3个月后复查 😊 情绪与睡眠 ├─ 平均情绪评分: 6.8/10 ├─ 平均睡眠时长: 6.5小时 ├─ 趋势: 情绪稳定，睡眠略有改善 └─ 相关性: 睡眠时长与情绪评分强相关（r=0.78） 🔗 相关性分析 ━━━━━━━━━━━━━━━━━━━━━━━━━━ • 睡眠时长 ↔ 情绪评分: 强正相关 (r=0.78) • 体重变化 ↔ 饮食记录: 中等相关 (r=0.55) • 用药依从性 ↔ 症状频率: 中等负相关 (r=-0.62) 💡 风险评估与建议 ━━━━━━━━━━━━━━━━━━━━━━━━━━ 🟢 继续保持 • 当前体重管理方法有效 • 胆固醇水平改善明显 🟡 需要关注 • 提高氨氯地平依从性（设置提醒） • 增加睡眠时长至7-8小时 📅 复查计划 • 3个月后复查血脂四项 • 1个月后评估用药依从性改善 ━━━━━━━━━━━━━━━━━━━━━━━━━━ ⚠️ 免责声明 本分析仅供参考，不替代专业医疗诊断。 请咨询医生获取专业建议。 HTML可视化报告（完整版） 生成包含ECharts交互式图表的独立HTML文件，包含： 总体评估卡片 ：关键指标一目了然 体重/BMI趋势图 ：双Y轴折线图（体重 + BMI） 症状频率图 ：颜色编码的柱状图（高频红/中频黄/低频绿） 药物依从性仪表盘 ：总体依从率 + 各药物详情 化验结果趋势图 ：多系列折线图 + 参考线 相关性热图 ：热力图展示变量间相关性 情绪与睡眠面积图 ：双Y轴面积图 HTML文件特点 ： ✅ 完全独立（所有依赖通过CDN） ✅ 交互式图表（缩放、导出、图例切换） ✅ 响应式设计（移动端适配） ✅ 可打印（打印优化样式） ✅ 可分享（发送给医生） 数据源 主要数据源 数据源 文件路径 数据内容 个人档案 data/profile.json 体重、身高、BMI历史 症状记录 data/symptoms/**/*.json 症状名称、严重程度、持续时间 情绪记录 data/mood/**/*.json 情绪评分、睡眠质量、压力水平 饮食记录 data/diet/**/*.json 餐次、食物、卡路里、营养素 用药日志 data/medication-logs/**/*.json 用药时间、依从性记录 化验结果 data/medical_records/**/*.json 生化指标、参考范围 辅助数据源 数据源 文件路径 数据内容 女性周期 data/cycle-tracker.json 周期长度、症状记录 孕期追踪 data/pregnancy-tracker.json 孕周、体重、检查记录 更年期 data/menopause-tracker.json 症状、HRT使用 过敏史 data/allergies.json 过敏原、严重程度 辐射记录 data/radiation-records.json 累积辐射剂量 详细数据结构说明请参考： data-sources.md 分析算法 时间序列分析 趋势检测（线性回归） 季节性分析 异常值检测 相关性分析 皮尔逊相关系数（连续变量） 斯皮尔曼相关系数（有序变量） 交叉相关分析（时间序列） 变化点检测 CUSUM算法 滑动窗口t检验 贝叶斯变化点检测 统计指标 均值、中位数、标准差 百分位数（25%, 50%, 75%） 变化率（环比、同比） 详细算法说明请参考： algorithms.md 安全与隐私 必须遵循 ❌ 不给出医疗诊断 ❌ 不给出具体用药建议 ❌ 不判断生死预后 ❌ 标注免责声明（仅供参考） 信息准确度 ✅ 仅基于已记录的数据进行分析 ✅ 不推测或推断缺失信息 ✅ 明确标注数据来源和时间范围 ✅ 建议应由医疗专业人员审查 隐私保护 ✅ 所有数据保持本地 ✅ 无外部API调用 ✅ 分析结果仅保存在本地 ✅ HTML报告独立运行（无数据传输） 错误处理 数据缺失 无数据 ：输出"暂无数据，建议先记录[数据类型]" 数据不足 ：输出"数据不足（需要至少1个月数据才能进行趋势分析）" 数据范围窄 ：使用现有数据，提示"建议延长记录时间以获得更准确的趋势" 分析失败 无法计算趋势 ：输出"无法计算趋势，数据点不足" 相关性分析失败 ：输出"相关性分析需要更多数据" 图表渲染失败 ：降级为文本报告 使用示例 示例 1：一般健康趋势 用户 ："过去3个月我的健康有什么变化？" 输出 ：生成完整的HTML报告，包含所有维度的趋势分析 示例 2：症状分析 用户 ："分析我的症状模式" 输出 ：重点分析症状频率、诱因、趋势 示例 3：体重趋势 用户 ："我的体重有什么趋势？" 输出 ：重点分析体重/BMI变化、与饮食/运动的相关性 示例 4：药物有效性 用户 ："我的降压药有效吗？" 输出 ：关联药物开始日期与血压读数、症状改善 更多完整示例请参考： examples.md 相关命令 /symptom ：记录症状 /mood ：记录情绪 /diet ：记录饮食 /medication ：管理药物和用药记录 /query ：查询特定数据点 技术实现 工具限制 此Skill仅使用以下工具（无需额外权限）： Read ：读取JSON数据文件 Grep ：搜索特定模式 Glob ：按模式查找数据文件 Write ：生成HTML报告（保存到 data/health-reports/ ） 性能优化 增量读取：仅读取指定时间范围的数据文件 数据缓存：避免重复读取同一文件 延迟计算：按需生成图表数据 扩展性 支持添加新的数据维度 支持自定义图表类型 支持自定义分析算法