裝置與設定
把 Garmin、Apple 健康、Oura、WHOOP 資料整合在一起,並用 AI 分析
想做多裝置數據整合,光把表格拼在一起並不夠:每個數值都要保留來源、重複的運動紀錄要合併,之後再請 AI 幫你整理趨勢才可靠。

重點摘要
- 裝置數字對不上,是因為感測器、配戴位置、統計時間區間和統計量都不同:WHOOP 和 Oura 回報 RMSSD,Apple 健康則一直儲存 SDNN。
- 好的資料整合工具會讓每個數值保留供應商和裝置來源,合併重複的運動紀錄但不刪除原始資料,並讓你依指標選資料來源,而不是把兩個演算法平均。
- AI 適合整理 7、30、90 天趨勢,幫你草擬要問教練或醫師的問題,但無法診斷疾病,也不能調整用藥。
- 分享時提供附單位和來源的每日或每週彙總,而不是原始逐拍檔案,並說明哪些天缺失:沒有資料的一天是未知,不是零。
- 出現胸痛、昏厥或心悸伴隨頭暈時,應該就醫,而不是去問模型。
為什麼不同裝置的數字對不上
戴在手指上的戒指、戴在一隻手腕上的手環、戴在另一隻手腕上的手錶,本質上是三台不同的儀器:量測位置不同、統計的時間區間不同,再套用各自的專屬模型。兩台裝置的 HRV 差幾毫秒、深層睡眠差二十分鐘,並不意外。
| 差異來源 | 舉例 |
|---|---|
| 感測器與配戴位置 | 手指與手腕的光學心率;做間歇訓練時,手腕心率可能有延遲 |
| 統計時間區間 | 整晚平均的 HRV,與深層睡眠階段幾分鐘的 HRV |
| 統計方法 | WHOOP 與 Oura 給的是 RMSSD,Apple 健康向來儲存的是 SDNN |
| 演算法 | 睡眠階段、卡路里、步數、最大攝氧量都是估算值,各家演算法不同 |
| 專屬分數 | 恢復分數(Recovery)、準備度(Readiness)、身體能量(Body Battery)是不同的模型,不是同一把尺 |
驗證研究大致認為,消費型穿戴裝置量靜止心率、分辨睡著與清醒還算可靠,量睡眠階段、量劇烈或不規則運動中的心率則較弱。可參閱穿戴式裝置心率準不準、睡眠追蹤準不準與各品牌睡眠分數比較。
怎麼把資料從各平台匯出
選單名稱常有調整,下面是各平台常見的匯出路徑(包括 Garmin 資料匯出),實際請以廠商的說明頁面為準。
| 平台 | 常見路徑 | 取得內容 |
|---|---|---|
| Apple 健康 | 「健康」App → 點選大頭貼 → 匯出所有健康資料(iPhone) | 內含 export.xml 的壓縮檔;只能整批匯出,常有數百 MB |
| Garmin | 網頁版 Garmin Connect → 帳戶設定 → 匯出您的資料;單次活動可匯出 FIT、TCX 或 GPX | 含原始活動檔與彙總的壓縮檔;資料量大時需要等候一陣子 |
| WHOOP | App → 資料匯出,CSV 檔案的下載連結會寄到信箱 | 生理週期(恢復、HRV、Strain)、睡眠、運動與日誌;為每日彙總,不含逐次心跳資料 |
| Oura | Membership Hub → 匯出資料 → 申請你的資料;或在網頁儀表板下載選定指標 | 每日與睡眠指標檔案;完整申請可能要等幾天 |
匯出檔只是欄位、單位各不相同的快照,比較適合當備份,而不是即時儀表板;裡面有敏感的健康資訊,請妥善保管。
好的資料整合工具要做什麼
- 保留來源。 每個數值都帶著它的服務供應商、原始裝置與統計時間區間,你隨時能看出數字從哪裡來。
- 合併重複的運動紀錄。 同一次運動從兩個平台進來時只算一次,原始紀錄不會被刪除。
- 依指標選擇主要資料來源,而不是把兩套演算法平均成一個哪台裝置都沒量過的數字。
- 不同指標不混用: RMSSD 與 SDNN,或 WHOOP 恢復分數、Oura Readiness、Garmin 身體能量,既不合併也不換算。
試算表做不到這些,步數與運動紀錄被重複計算就是典型症狀。詳見MoveVitals 如何處理多裝置資料。
用 AI 分析健康數據:能做什麼,不能做什麼
「ChatGPT 能分析 Apple 健康資料嗎」是個很合理的問題:模型讀幾週的數字,比你翻圖表快得多。它能把最近 30 天與先前 30 天做比較、指出看起來不太一樣的夜晚,再整理成想問教練或醫師的問題。就目前所知,部分通用型 AI 助理已提供自家的 Apple 健康連結(僅限美國、需要 iPhone),而且變動很快。至於原始的 export.xml,檔案太大、也沒有標註,無法直接貼進對話框。
| 適合請 AI 做 | 不適合請 AI 做 |
|---|---|
| 依 7、30、90 天整理趨勢,並寫明日期與數值 | 診斷疾病,或判斷某個症狀是否嚴重 |
| 找出同時變化的指標(睡眠、靜止心率、訓練量) | 解釋「為什麼」:相關不等於因果 |
| 協助草擬要問教練或醫師的問題 | 調整藥物、保健品或治療方式 |
| 解釋某項指標的意義 | 跨品牌比較專屬分數,或把 RMSSD 與 SDNN 放在一起計算 |
比較穩妥的做法:
- 提供彙總資料(附單位與來源的每日或每週數值),不要給逐次心跳的原始檔案。
- 說明哪些天沒有資料:沒有紀錄的一天是未知,不是零。
- 弄清楚資料去了哪裡。消費型聊天服務有自己的隱私與保留設定;使用你自己掌控的 API 金鑰,則適用該服務供應商的條款。
- 如果出現胸痛、昏厥,或心悸並伴隨頭暈,請直接就醫,不要去問模型。如果看數字開始讓你焦慮,請讀健康資料別看過頭(睡眠焦慮與數據焦慮)。
在 MoveVitals 中
MoveVitals 是免費、開源(AGPL-3.0)的資料整合平台,就是圍繞上述幾個步驟設計的:
- 透過官方 API 串接:WHOOP、Oura、Strava、Polar、COROS、Withings、Concept2 與 Dexcom;Garmin、Suunto 與 Wahoo 僅在託管版提供,這幾個轉接器不在開源匯出版內。
- Apple 健康目前還不能直接串接。 讀取它需要 MoveVitals iOS App,目前仍在開發中。現階段,已在 Strava 裡的 Apple Watch 運動紀錄可透過 Strava 連結匯入;Apple 的睡眠、HRV 與靜止心率則無法。詳見 Apple 健康指南。
- 保留與合併什麼: 每個數值的服務供應商、裝置、時間區間與原始資料;來自不同供應商的重複運動紀錄合併成一筆;每個指標可設定資料來源優先順序;當不同來源的差距超過該指標的容許範圍(HRV 為 10%)時會顯示衝突標記。它呈現的是各平台 API 開放的資料,而不是手錶錶面上的每一項分數。
- 選用的 AI,使用你自己的金鑰: Anthropic Claude 或相容 OpenAI 介面的模型(OpenAI、DeepSeek、通義千問;自行架設的實例可選擇啟用本機模型)。你決定模型能看到哪些資料來源,並另外決定是否分享個人資料、運動標題與檢驗結果。預覽會列出分享的內容:最多 365 天的每日趨勢加上近期讀數。Strava 的資料預設不會送給 AI,因為它的 API 條款限制 AI 使用。產生的報告是健康參考,不是診斷。
- 資料帶得走: 你的帳號資料可以匯出為 JSON。
實例

示例情境。 Mira 晚上戴 Oura 戒指,跑步戴 Garmin 手錶,同時使用 Strava。她連結了 Oura 與 Garmin,並把 Oura 排在 HRV 與睡眠的第一順位。某天夜裡,Oura 顯示 HRV 為 61 毫秒,Garmin 為 48 毫秒。MoveVitals 採用 Oura 的數值、保留兩筆紀錄,並標出約為所選數值 21% 的差距,超過 HRV 10% 的容許範圍。接著她接上自己的 AI 金鑰,只允許 Oura 與 Garmin、不開放 Strava,請它比較最近 30 天與先前 30 天。結果是:平均睡眠 6 小時 52 分對 7 小時 18 分,靜止心率 55 對 53 下/分,30 個夜晚中有 24 晚有紀錄,另外 6 晚視為未知。它無法說明原因,只建議平日早點睡,兩週後再回頭檢查。數字僅為示例。
行動步驟
- 先列出每台裝置負責什麼(夜間、運動、體重計),每個指標只保留一個主要資料來源。
- 在 MoveVitals 裡連結你實際配戴的裝置,並為 HRV、睡眠與步數設定資料來源優先順序。
- 從各平台各匯出一份備份,並妥善保管這些檔案。
- 使用任何 AI 之前,先決定它能看什麼:選好資料來源,不需要的就不給,提供彙總資料而不是原始檔案。
- 請模型寫明日期、數值與限制,自己核對兩個數字,把問題而不是結論帶給教練或醫師。
相關指南
- MoveVitals 如何處理多裝置資料:來源、重複紀錄與衝突
- Apple 健康與 Apple Watch:MoveVitals 目前連線方式
- Garmin Connect 與 MoveVitals:活動、健康資料與身體能量
- 個人基線:為什麼「自己的正常值」比一般族群平均值更有參考價值
常見問題
ChatGPT 能分析 Apple 健康資料嗎? 部分可以。有些助理提供 Apple 健康連結(僅限美國、需要 iPhone,變動很快),你也可以自己貼上彙總資料。請檢查隱私設定,只分享必要的內容,把回答當作提問的線索,而不是診斷。
兩台裝置同時記錄了同一次跑步怎麼辦? 來自不同供應商的紀錄(例如 Garmin 直接串接加上 Strava)會被合併。兩份副本若都經由 Strava 進來,就屬於同一個供應商,不會自動合併,所以每次運動只用一台裝置記錄。
一定要用 AI 才能整合資料嗎? 不用。連結裝置、合併重複紀錄、選擇資料來源都不需要 AI;AI 是選用功能,需要你自己的金鑰。
參考文獻
- Miller et al. (2022). A Validation of Six Wearable Devices for Estimating Sleep, Heart Rate and Heart Rate Variability in Healthy Adults. Sensors. https://doi.org/10.3390/s22166317
- Bent et al. (2020). Investigating sources of inaccuracy in wearable optical heart rate sensors. npj Digital Medicine. https://doi.org/10.1038/s41746-020-0226-6
- Chinoy et al. (2021). Performance of seven consumer sleep-tracking devices compared with polysomnography. Sleep. https://doi.org/10.1093/sleep/zsaa291
- Shaffer et al. (2017). An Overview of Heart Rate Variability Metrics and Norms. Frontiers in Public Health. https://doi.org/10.3389/fpubh.2017.00258
- Oura. Export & Share Your Oura Data. https://support.ouraring.com/hc/en-us/articles/360025441594
內容僅供一般參考,不構成醫療建議。涉及健康問題請諮詢專業人士。

