はじめに
近年、様々な企業が生体データを取ろうとしているが、
実際にどういった情報が生体データ（特に心拍数）に現れるのか 疑問に思った。
そこで、mi bandを購入し、自分の心拍数データに日記を付けて検証してみることにした。
仮説
心拍数データは、運動量だけでなく、ストレスも取れるのではないか。
（書いたコードが動かない時とかストレスすごいし、心拍数上がってる気がする…）
ゴール
・心拍数に現れやすい項目を検証する。
・安定した生活を送るための改善点を見つける。
検証方法
※対象期間：2018/11/22～2018/12/21
1.mi bandのデータを用いて（SQLite形式）、以下の項目を毎日作成。
| 日付 | 曜日 | 時間帯 | 分 | 心拍数 | 睡眠開始 | 睡眠終了 | 深い眠り | 浅い眠り | 歩数 |
|---|
2.毎晩、心拍数が90以上の時に何があったかをコメント列に記載。
※参考）心拍数平均：71（起床時平均：77、睡眠時平均：57）
| 日付 | 曜日 | 時間帯 | 分 | 心拍数 | 睡眠開始 | 睡眠終了 | 深い眠り | 浅い眠り | 歩数 | コメント |
|---|---|---|---|---|---|---|---|---|---|---|
| 12/3 | 6 | 20 | 10_19 | 76 | 12/3 11:58 | 12/3 7:36 | 227 | 199 | 7759 | |
| 12/3 | 6 | 20 | 20_29 | 102 | 12/3 11:58 | 12/3 7:36 | 227 | 199 | 7759 | 集計がうまくいった |
3.1ヶ月分の結果を集計。
（普段日記は付けないので、集計するときに改めて振り返ると面白かった）
集計結果
心拍数に現れる項目検証
心拍数降順
期間内で心拍数が高かったものは、以下が主だった。
・運動
・楽しいとき
・慌てた時
→結果、動いた時 なのでは…
# df：全期間マージしたデータ
df[['comment','hr']].sort_values('hr',ascending=False)[:10]
comment hr
フィットネス 141
フィットネス 140
フィットネス 136
フィットネス 135
飲み会中 134
フィットネス 133
MTG開始前急ぐ 130
帰宅時 128
居酒屋移動で急ぐ 122
アポでミス 118
余談
・ある1日のコードが動かない時の心拍数は69,コードが動いた時は102であった。
イライラ/焦りは心拍数に出ていなそう…。
生活改善用検証
ここからは結果のみ
日付別平均心拍数
10-18時における、1日の平均心拍数を集計。（平日は移動がなく、休日は起きているであろう時間帯）
・旅行
・ディズニー
・出張
が上位3日であった。
→環境が普段と違う と、刺激が多く、心拍数が高くなる？
曜日別平均心拍数
集計対象の時間帯を変更（終日、業務時間内、起床時間全て）すると、心拍数の高い曜日が変動したため、信ぴょう性はなし。
ただし、水曜日だけは全てにおいて最低 であった。
→水曜日は週の半ばだから気が緩む？もしくは、実は予定が入りづらいなどもあるのかも？
時間帯別平均（平日）
仕事がある平日で検証。
移動時間＞ご飯時間＞会社/家にいる時 の順番で綺麗に並んでいた。
→電車にも乗っていることを考えると、移動時間に関しては、ストレスも影響している可能性あり？
睡眠時間,深い眠り別平均
睡眠時間が長い順に３分割すると、長いほど10-18時の心拍数は低い。
深い眠りも同様の傾向が見られた。
しかし、データを細かく見ると例外も多く見られたため、言い切れず。
結論
心拍数では、基本運動の結果が出てしまう ため、上昇した理由の読み解きは困難だった。。
やはり、運動量を取れるのが強みになりそう。
（後から考えると当たり前すぎる…）
日々の心拍数を下げるには、移動を減らし、日常の環境に居続けること。（＋水曜？）
在宅勤務は平穏な生活を送るために有効では？
最後に
あくまで個人の結果です。
特に新しい結果は出ませんでした。。
ストレス計測に、体温データも簡単に取れるなら触ってみたいな。
twitter始めました。@monokeshi6