| 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 |
| risk | unknown |
| source | community |
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：
const profile = readFile('data/profile.json');
const symptomFiles = glob('data/symptoms/**/*.json');
const symptoms = readAllJson(symptomFiles);
const moodFiles = glob('data/mood/**/*.json');
const moods = readAllJson(moodFiles);
const dietFiles = glob('data/diet/**/*.json');
const diets = readAllJson(dietFiles);
const medicationLogs = glob('data/medication-logs/**/*.json');
const cycleData = readFile('data/cycle-tracker.json');
const pregnancyData = readFile('data/pregnancy-tracker.json');
const menopauseData = readFile('data/menopause-tracker.json');
const allergies = readFile('data/allergies.json');
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：
function pearsonCorrelation(x, y) {
}
- 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：
function detectChangePoints(timeSeries) {
}
function checkThresholds(value, thresholds) {
}
步骤 7：生成洞察
基于分析结果生成预测性洞察：
function assessRisks(trends) {
}
function generateRecommendations(trends, correlations) {
}
function earlyWarnings(trends) {
}
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
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
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
