sleep-analyzer

Sleep Analyzer Skill

Analyze sleep data, identify sleep patterns, assess sleep quality, and provide personalized sleep improvement suggestions.

Features

1. Sleep Trend Analysis

Analyze trends in sleep duration, quality, and efficiency, and identify areas of improvement or concern.

Analysis Dimensions：

Sleep duration trend (changes in average sleep duration)
Sleep efficiency trend (changes in sleep efficiency percentage)
Sleep timing patterns (bedtime, sleep onset time, wake time)
Sleep consistency score
Weekend vs weekday comparison (social jetlag)

Output：

Trend direction (improving/stable/declining)
Magnitude and percentage of change
Trend significance assessment
Identification of optimal sleep time window
Improvement suggestions

2. Sleep Quality Assessment

Comprehensively assess sleep quality and identify key factors affecting sleep quality.

Assessment Content：

PSQI score tracking and trends
Subjective sleep quality distribution (good/fair/poor)
Nocturnal awakening analysis (frequency, duration, causes)
Sleep stage analysis (deep sleep, light sleep, REM proportion)
Post-sleep recovery assessment

Output：

Sleep quality level (excellent/good/fair/poor)
Quality change trends
Identification of main influencing factors
Priority suggestions for quality improvement

3. Sleep Problem Identification

Identify common sleep problems and risk factors.

Identification Content：

Insomnia patterns：
- Difficulty falling asleep (sleep latency >30 minutes)
- Difficulty maintaining sleep (nocturnal awakenings >2 times or total awakening time >30 minutes)
- Early awakening (waking up >30 minutes earlier than expected)
- Mixed insomnia
Sleep apnea risk：
- STOP-BANG questionnaire score
- Symptom analysis (snoring, gasping awake, daytime sleepiness)
- Risk level (low/medium/high)
Other problems：
- Irregular sleep-wake schedule detection
- Sleep debt calculation (ideal duration vs actual duration)
- Social jetlag assessment

Output：

Presence or absence of the problem
Problem type and severity
List of risk factors
Whether medical consultation is recommended

4. Correlation Analysis

Analyze the correlation between sleep and other health indicators.

Supported Correlation Analyses：

Sleep ↔ Exercise：
- Sleep differences on exercise days vs rest days
- Impact of exercise timing on sleep (morning/afternoon/evening exercise)
- Correlation between exercise intensity and sleep quality
Sleep ↔ Diet：
- Relationship between caffeine intake and sleep duration, sleep onset time
- Impact of alcohol intake on sleep architecture
- Relationship between dinner time and sleep quality
Sleep ↔ Mood：
- Bidirectional relationship analysis between sleep and mood
- Impact of stress levels on sleep quality
- Impact of sleep deprivation on daytime mood
Sleep ↔ Chronic diseases：
- Relationship between sleep and hypertension
- Association between sleep and blood glucose control
- Relationship between sleep and weight changes

Output：

Correlation coefficient (-1 to 1)
Correlation strength (weak/moderate/strong)
Statistical significance
Causal inference
Practical recommendations

5. Personalized recommendation generation

Generate personalized sleep improvement recommendations based on user data.

Recommendation type：

Sleep schedule adjustment recommendations：
- Optimal bedtime/wake-up time
- Sleep schedule consistency improvement plan
- Nap management recommendations
Bedtime preparation recommendations：
- Bedtime routine design
- Relaxation technique recommendations
- Screen time management
Sleep environment optimization：
- Temperature, humidity, light, and noise optimization
- Bedding comfort recommendations
Lifestyle adjustment：
- Exercise, diet, caffeine, and alcohol management
- Stress management recommendations
CBT-I elements：
- Stimulus control recommendations
- Sleep restriction recommendations
- Cognitive restructuring recommendations

Output：

Prioritized recommendation list
Specific implementation steps
Expected effect description
Implementation timeline

Usage instructions

Trigger conditions

This skill is triggered when the user requests the following:

Sleep trend analysis
Sleep quality assessment
Sleep problem identification
Sleep improvement recommendations
Association analysis between sleep and other health indicators

Execution steps

Step 1: Determine the analysis scope

Clarify the type of analysis and time range requested by the user:

Analysis type: trend/quality/problem/correlation/recommendation
Time range: week/month/quarter/custom

Step 2: Read data

Primary data sources：

data-example/sleep-tracker.json - Sleep tracking primary data
data-example/sleep-logs/YYYY-MM/YYYY-MM-DD.json - Daily sleep records

Related data sources：

data-example/fitness-tracker.json - Exercise data
data-example/hypertension-tracker.json - Blood pressure data
data-example/diabetes-tracker.json - Blood glucose data
data-example/diet-records/ - Diet records
data-example/mood-tracker.json - Mood data

Step 3: Data analysis

Execute the corresponding analysis algorithm according to the analysis type:

Trend analysis algorithm：

Linear regression to calculate trend slope
Moving average to smooth fluctuations
Statistical significance testing

Correlation analysis algorithm：

Pearson correlation coefficient calculation
Lagged correlation analysis (considering time-delay effects)
Multivariate regression analysis

Pattern recognition algorithm：

Time series pattern recognition
Outlier detection
Periodicity analysis

Step 4: Generate report

Output the analysis report in the standard format (see the "Output format" section)

Output Format

Sleep Quality Analysis Report

# 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 ┼─┘ ╰─ └─────────── Mar Apr May Jun


---

## 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 ┤ └────── Dec Mar Jun


**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

Data Structure

Sleep Record Data

{
  "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
      }
    }
  ]
}

Algorithm Description

Sleep Quality Scoring Algorithm

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)

Sleep Schedule Regularity Scoring Algorithm

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)))

Correlation Analysis Algorithm

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
    }

Medical Safety Statement

The analysis and suggestions provided by this skill are for reference only and do not constitute medical diagnosis or treatment plans.

What This Skill Can Do：

✅ Analyze sleep data and patterns
✅ Identify sleep problem risks
✅ Provide sleep hygiene advice
✅ Assess correlations with other health indicators

What This Skill Cannot Do：

❌ Diagnose insomnia, sleep apnea, and other diseases
❌ Prescribe sleep medications or treatments
❌ Replace professional sleep medicine treatment
❌ Handle severe sleep disorders

When to Seek Medical Attention：

🏥 Insomnia lasting >3 months
🏥 Suspected sleep apnea (STOP-BANG≥3)
🏥 Severe drowsiness affecting safety
🏥 Sudden severe sleep problems

Reference Resources

AASM Sleep Scoring Criteria:https://aasm.org/
PSQI Scale:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3455216/
STOP-BANG Questionnaire:https://www.stopbang.ca/
CBT-I Treatment:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3455216/

Skill Version: v1.0 Creation Date: 2026-01-02 Maintainer: WellAlly Tech

About this skill

Features

1. Sleep Trend Analysis

2. Sleep Quality Assessment

3. Sleep Problem Identification

4. Correlation Analysis

5. Personalized recommendation generation

Usage instructions

Trigger conditions

Execution steps

Step 1: Determine the analysis scope

Step 2: Read data

Step 3: Data analysis

Step 4: Generate report

Output Format

Sleep Quality Analysis Report

Data Structure

Sleep Record Data

Algorithm Description

Sleep Quality Scoring Algorithm

Sleep Schedule Regularity Scoring Algorithm

Correlation Analysis Algorithm

Medical Safety Statement

Reference Resources