以智能床采集的心率变异性、心率与呼吸频率等数据为基础，推算出的“自主神经系统活性”指标具备广泛的应用价值：1)通过算法推算的自主神经系统活性指数，用户可以了解夜间交感与副交感神经的动态平衡状态。持续高交感活性可能暗示慢性压力或睡眠质量不佳，持续副交感活性占优则可能指向良好恢复状态。2)慢性病风险预警与康复监测：自主神经系统的异常活动与多种慢性疾病密切相关（如高血压、糖尿病、心律失常）。研究表明，交感神经长期过度活跃可能是代谢综合征与心血管疾病的前驱信号。在临床康复中，该指标也可用于评估药物干预效果（如交感抑制药物）或手术后患者的神经功能恢复过程。
智能床传感器采集夜间原始数据，包括RR间期序列（单位：毫秒）、平均心率与平均呼吸率。对RR序列进行异常值剔除（<300ms或>1200ms，及相邻差值超过平均值20%的突变点），并采用线性插值填补短时间缺失数据。将清洗后的数据按5分钟非重叠滑窗进行分段处理。每个窗口中计算以下时域与频域心率变异性指标：相邻 RR 间期变化的均方根，即RMSSD（短期变异性），随后，对 RR 间期序列进行插值与功率谱分析，提取低频（LF, 0.04–0.15Hz）与高频（HF, 0.15–0.40Hz）功率成分，分别对应交感与副交感神经活性。最后计算 LF/HF 比值，同时提取该窗口内的平均心率和平均呼吸频率。基于医学研究定义如下两类神经活性分量：副交感活性（PNS_index） = RMSSD 标准化值 + HF 标准化值 − HR 标准化值，交感活性（SNS_index） = LF 标准化值 + LF/HF比值 + HR 标准化值 + RR（呼吸频率）标准化值。最终，自主神经系统活性指数按如下方式输出：ANS_Activity = γ1 * PNS_index - γ2 * SNS_index，γ1、γ2 为平衡系数，可调节模型偏向，正值表示副交感占优，负值表示交感占优。为提升用户感知性，系统将内部标准化指数结果通过线性缩放方式映射至 0–150 的整数分值区间。本算法引入特征归一化及动态加权融合机制，使不同睡眠结构、年龄层或心率基准水平的用户均可适配。同时，通过对原始信号的异常检测与窗口级稳定性过滤，提升算法在家庭非干预环境中的稳定性与泛化能力。
| 字段名 | 类型 | 描述 |
|---|---|---|
用户ID |
-- | -- |
日期 |
-- | -- |
心动周期（RR间期） |
-- | -- |
平均心率 |
-- | -- |
平均呼吸率 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 用户ID | 1 |
| 日期 | 2025/3/8 |
| 心动周期（RR间期） | [970, 990, 950, ....., 960, 920] |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/2056522