個人基線：為什麼你的「正常」不是人群均值

兩個人，同一個數字

兩個人，一個平時的讀數高出一大截，一個平時的讀數低一大截。某天下午，兩個人的讀數停在了同一個數上。

一把人群尺子會這麼說：第二位沒事，第一位狀態糟糕。可那天真正發生的是——第一位掉了一大截，第二位漲了一大截。

當我們還沒有你的基線時，用的就是這麼一把尺子：一個來自人群統計的中心，配上同樣來自人群的寬度。它只是最初幾天的兜底，不是我們認為正確的做法。用得越久越明顯：它衡量的不是你，是你和一群陌生人之間的距離。

人和人的差距，比一個人每天的波動大得多

HRV 受年齡、性別、基礎心率、用藥、訓練水平、自主神經張力影響。人和人之間能差出好幾倍；而同一個人，日與日之間只在一個很窄的範圍裡晃。

所以人群尺子是兩頭都錯：對基線高的人，他正常的低端會被判成糟糕；對基線低的人，他真正糟糕的一天還落在人群的正常區間裡，尺子一聲不響。

還有個更安靜的問題：它獎勵天生 HRV 高的人。同樣的生活方式，起點不同，分數就不同。而我們想衡量的不是你站在人群的哪個位置，是你離你自己有多遠。

這把尺子是怎麼造出來的

先讓樣本等權。 Apple Watch 有些天寫得密，有些天寫得稀。要是直接把樣本丟進統計，寫得多的時段就會拿到更大權重——基線不是被你的身體推動，而是被取樣率推動。所以進入基線計算之前，HRV 先按本地時間歸入一個個等長的時間桶，每桶只留中位數。圖表、詳情、當次算分仍然用原始樣本，只有造尺子這一步用桶。

再選窗口。 上限大約一個月。最近這段時間裡 HRV 桶、靜息心率樣本和覆蓋的自然日都夠多，就用完整窗口；達不到，就用真實的數據跨度。為什麼不把窗口定得更短——太短，一個糟心的夜晚就能把基線拽走。為什麼不再拉長——太長，換季、訓練週期、作息改變會混進來。

中心取中位數。 先丟掉物理上不合理的值，樣本夠多時兩端各裁掉一小截，然後取中位數。中位數對偶發的極端值不敏感：一次沒戴穩測出的離譜高值，不該抬高你一整週的中心。

把中心釘在當下這個小時。 HRV 有晝夜節律，多數人睡眠時最高、下午最低（形狀因人而異）。一個靜止的中心不夠用。我們從最近這段時間的幾個粗時段的中位數算節律因子——每個時段都要有足夠樣本，且要有足夠多的時段算得上可靠；缺的時段按環形插值補上，展開到每個小時之後做一次輕度平滑，最後鉗在一個合理的範圍內。某一時刻的動態中心 = 全天中心 × 那個小時的因子。

為什麼是幾個粗時段，而不是一小時一格：手錶上的 HRV 稀疏又不均勻，多數小時只有一兩條樣本，按小時取中位數基本是在給噪聲畫曲線。粗時段加上插值與平滑，比精細但空著的桶更接近真實節律。

區間不用標準差。 這是關鍵的一步。HRV 的變化是乘性的：從高位掉同樣的比例，和從低位掉同樣的比例，是同一件事，可絕對差一個是另一個的好幾倍。所以對每個樣本，我們算的是它相對那一刻動態中心的對數殘差。

在對數尺度上，基線不同的人可以放進同一張圖裡比較；換回毫秒時，區間天然為正。然後在這堆殘差上取三個分位——偏下的一側、偏上的一側，以及更靠外的一檔：

• 狀態正常的下沿 = 中心 × exp（偏下那一檔的殘差）

• 元氣滿滿的入口 = 中心 × exp（偏上那一檔的殘差）

• 狀態糟糕的入口 = 中心 × exp（更靠外那一檔的殘差）

選這一組而不是常見的四分位是有意的：讓「狀態正常」覆蓋你日常波動的中間一段，並且整體向高的一側偏移——偏低時更早被注意到，只有進入你個人最好的一小段才算元氣滿滿。健康產品不該靠發誇獎來維持存在感。

上面還壓了三道安全閥：

• 半寬有下限。天生波動很小的人，分位會窄到離譜，單次讀數的噪聲就夠讓他在一天裡反覆跨檔。

• 上半寬最多是下半寬的一個固定倍數。HRV 右側那條長尾會一直把「狀態正常」的上沿往上頂，頂到最後變成「只要你不是特別低就算正常」。

• 狀態糟糕的入口還要再往外推：取分位與「中心減去若干個有效下半寬」裡更靠外的那個。同樣是防抖——寧可讓這條線更靠外，也不讓它卡在噪聲裡。

殘差模型自己也有准入門檻：歸一化樣本要夠多、覆蓋的自然日要夠多、可靠的時段要夠多。達不到就整體回退到穩健半寬——用中位數的絕對偏差和四分位差裡更穩的那個，寬度再封一道頂。也就是說，你看到的區間要麼來自你自己的分位分佈，要麼來自一把很鈍但很穩的尺子，不會來自一個湊出來的分位數。

檔位的單位是「半寬」，不是標準差。 算分看的是當前值離中心偏了幾個半寬（低於中心用下半寬，高於用上半寬），不是幾個標準差。這樣每個檔位在所有人身上語義一致：偏離在一個半寬以內是狀態正常，往低的一側越過就是元氣滿滿，再往外是有些疲憊，跌破狀態糟糕的入口就是最後一檔。人和人的差別只體現在「半寬有多寬」，不體現在「多少分算正常」。

還有兩根護欄。心率是輔助項，只在 HRV 已經偏離中心時才加重權重（偏得越遠，權重越高），而且它比的是你自己的靜息心率。另一根是絕對極低 HRV 的保護，它完全不看個人基線——生理上的極低就是極低，不需要「相對你的基線」來開脫。

數據還不夠的時候

頭幾天，個性化分數會和人群兜底分數按天數線性混合；這時基線標記為冷啟動，只作參考，不承擔檔位邊界。再往後是一段「學習中」。用到足夠多天、且殘差模型質量過關，才算成熟。

可靠性是另一套門檻：已有的數據越少，要求的樣本越多。它決定這條基線有沒有資格參與算分；成熟度決定它在選擇策略裡的優先級，以及介面上該怎麼表達信心。

評估某一天時，只使用嚴格早於那天的基線。當天現算出來的基線不參與當天的判斷——否則 HealthKit 一條條把數據同步進來，今天的結論會來回跳。

基線自己也會漂，所以留了第二根錨

滾動窗口有個副作用：一個人如果連續幾個月處在低 HRV，這個低水平會慢慢變成「他的正常」，長期變化就看不見了。

所以我們保留最近一段時間裡的基線快照，把當前快照和大約一個月前的一份配對。要湊夠足夠的配對、且大部分方向一致，才輸出「持續偏低」或「持續偏高」。給用戶的說法是三態：比上個月好一些、差一些、差不多。湊不齊就留白——不把「不知道」寫成「沒變」。

另外還有一條慢錨，每天最多向快基線挪很小一步，遇到持續漂移時步長再縮小。它只在持續偏低時對分數做很輕微的上調，而且不回刷歷史記錄。這個不對稱是故意的：長期偏低值得被更認真地對待，長期偏高不需要獎勵。

還沒解決的部分

取樣密度在基線一側被這套分桶隔離了，但日匯總仍然按壓力點等權，高頻設備上白天的權重會偏大。這是已知偏置，改法（按時間桶等權）在需求池裡，這一輪沒動。

混淆因素也清不完。咖啡因、飲酒、時差、生理週期、生病都會讓 HRV 動，我們顯式處理的只有運動和最主要的一小批來源。

最後說清楚：基線不是診斷。它是一把相對尺子，描述的是你和你自己的關係，不做任何醫學判斷。

一句話收尾——人群均值是一個沒有你參與的平均數；個人基線是你自己最近這段時間寫下的尺子。它一開始很鈍，用得久才準，這件事沒法加速。