基于睡眠传感器采集的HRV数据，建立HRV异常状态监测模型。此数据主要用于用户的日常健康管理服务。1）健身达人可根据此数据评估运动强度和运动量。2）普通健康人群可根据此数据监测日常的身体状态，当发生连续HRV异常时，需要关注自我的情绪、疾病、作息习惯、疲劳程度等方面的变化，从而达到自我健康管理的目的。3）患有相关心血管疾病的用户，可参考该数据，用于评估当前疾病所处时期。
1、 将用户历史的HRV的四个指标SDNN、RMSSD、pNN50、LF/HF数据分别进行加权移动平均处理和标准差计算，得到每天更新的HRV的均值和标准差。 2、 根据3sigma原则，设定四个HRV指标每日的正常上、下限范围，作为正常范围。 3、 当今日的HRV指标处于正常范围内，标记为0；当HRV指标高于范围上限，标记为1；当HRV指标低于范围下限，标记为-1。 4、 如果当日四个HRV指标状态都为0，则整体的HRV异常状态为0，否则为1。状态0表示当日整体的HRV不存在异常，状态1表示当日HRV存在异常。
| 字段名 | 类型 | 描述 |
|---|---|---|
用户ID |
-- | -- |
当日的SDNN |
-- | -- |
当日的RMSSD |
-- | -- |
当日的PNN50 |
-- | -- |
当日的LF/HF |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 用户ID | 01 |
| 当日的SDNN | 32.368 |
| 当日的RMSSD | 31.870 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/30745