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）。
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。
当用户提到以下场景时，使用此技能：
通用询问：
具体维度：
相关性分析：
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）。
读取以下数据源：
// 1. 个人档案（BMI、体重）
const profile = readFile('data/profile.json');
// 2. 症状记录
const symptomFiles = glob('data/symptoms/**/*.json');
const symptoms = readAllJson(symptomFiles);
// 3. 情绪记录
const moodFiles = glob('data/mood/**/*.json');
const moods = readAllJson(moodFiles);
// 4. 饮食记录
const dietFiles = glob('data/diet/**/*.json');
const diets = readAllJson(dietFiles);
// 5. 用药日志
const medicationLogs = glob('data/medication-logs/**/*.json');
// 6. 女性健康数据（如适用）
const cycleData = readFile('data/cycle-tracker.json');
const pregnancyData = readFile('data/pregnancy-tracker.json');
const menopauseData = readFile('data/menopause-tracker.json');
// 7. 过敏史
const allergies = readFile('data/allergies.json');
// 8. 辐射记录
const radiation = readFile('data/radiation-records.json');
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;
});
}
对每个数据维度进行趋势分析：
4.1 体重/BMI 趋势
4.2 症状模式
4.3 药物依从性
4.4 化验结果
4.5 情绪与睡眠
使用统计方法识别相关性：
// 皮尔逊相关系数
function pearsonCorrelation(x, y) {
// 计算相关系数
// 返回值范围：-1（负相关）到 1（正相关）
}
// 应用场景
- 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
识别显著变化：
// 变化点检测
function detectChangePoints(timeSeries) {
// 使用统计方法检测显著变化点
// 例如：体重突然下降、症状突然增加
}
// 阈值警报
function checkThresholds(value, thresholds) {
// 检查是否接近或超过危险阈值
// 例如：BMI > 30、辐射剂量 > 安全限
}
基于分析结果生成预测性洞察：
// 风险评估
function assessRisks(trends) {
// 识别高风险趋势
// 例如：快速体重下降、频繁症状
}
// 预防建议
function generateRecommendations(trends, correlations) {
// 基于模式建议预防措施
// 例如：改善睡眠、提高用药依从性
}
// 早期预警
function earlyWarnings(trends) {
// 在问题变得严重之前预测
// 例如：症状频率上升、情绪持续低落
}
生成交互式HTML报告：
详细输出格式参见：数据源说明
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。
生成包含ECharts交互式图表的独立HTML文件，包含：
HTML文件特点：
| 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 |
| 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
详细算法说明请参考：algorithms.md
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
用户："分析我的症状模式" 输出：重点分析症状频率、诱因、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
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
/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：查询特定数据点此Skill仅使用以下工具（无需额外权限）：
data/health-reports/）