Analyser Health Connect-data med AI: Prompts der virker

At analysere Health Connect-data med AI starter med at forstå, hvad Health Connect faktisk er: Androids datahub på enheden, ikke et coachingværktøj. Det ligger stille i baggrunden og indsamler skridt, pulsmålinger, søvnperioder, træningspas og kropsmålinger, som skrives af de apps, du har installeret og givet tilladelse til, ting som Samsung Health, Garmin Connect, Whoop, Polar eller Google Fit selv. Alene har Health Connect ingen hukommelse om tendenser og ingen evne til at ræsonnere over, hvad noget af det betyder. Det er en gennemstrømningskanal, ikke en coach.

Når du forbinder Health Connect til Wellness Project, holder det samlede feed op med at være et øjebliksbillede for én dag og bliver en del af din permanente historik. Hver synkronisering føjes til en løbende journal sammen med alle træninger, måltider eller laboratoriesvar, du logger manuelt, så Claude og ChatGPT aldrig er begrænset til én enhed eller ét app-udsnit af dine data. Hvis dit Garmin-ur skriver hvilepuls til Health Connect, og din Whoop skriver restitutionsscorer til en helt anden app kan begge stadig ende i den samme samlede historik, som Wellness Project vedligeholder, hvis hver kilde føres gennem Health Connect eller forbindes direkte.

Det betyder noget, fordi værdien af at spørge en AI om dine sundhedsdata vokser med mængden af historik, den kan se. En enkelt dag med skridt eller én nats søvnvarighed fortæller næsten intet alene. Tredive eller halvfems dage med de samme målinger, samlet ét sted og mulige at forespørge i almindeligt sprog, er det, der forvandler rå tal til et reelt svar.

Når dine Health Connect-data synkroniserer, kan samtalen med Claude eller ChatGPT blive lige så specifik, som du ønsker. Her er prompts, der fungerer godt mod en rigtig synkroniseret historik:

• "Hvordan sammenligner min gennemsnitlige hvilepuls denne uge med sidste uge?"
• "Falder min søvnvarighed over den seneste måned?"
• "Hvad var mit længste løb logget denne måned, og hvornår?"
• "Er min skridttal på træningsdage markant forskellig fra hviledage?"
• "Er min pulsvaribilitet ændret siden jeg startede denne træningsblok?"
• "Hvor mange dage denne måned nåede jeg 8.000 skridt eller mere?"
• "Opsummer min søvn og restitution for de sidste to uger."
• "Hvilken dag denne måned havde jeg højest træningsvolumen?"

For et spørgsmål som sammenligningen af hvilepuls siger AI'en ikke bare "det ser nogenlunde ens ud." Den trækker de faktiske daglige målinger synkroniseret fra Health Connect, gennemsnitsberegner hver uge og svarer med tal, noget i stil med "din hvilepuls lå i gennemsnit på 58 bpm denne uge mod 61 bpm sidste uge, en forbedring på 3 bpm, med din laveste måling på 55 bpm torsdag efter din hviledag." Spørgsmålet om søvntendens fungerer på samme måde: i stedet for et vagt indtryk får du konkrete totaler for det tidsrum, du spurgte om, plus hvilke nætter der drev tendensen.

Spørgsmålet om den længste løbetur er et godt eksempel på, hvordan AI slår manuel scrolling. I stedet for at åbne Health Connect og bladre gennem træningsposter én efter én får du et direkte svar med dato, distance og tempo, hentet fra den app, der oprindeligt loggede løbeturen i Health Connect.

Spørgsmål om skridttal fortjener deres egen note. Health Connect synkroniserer rå daglige skridttotaler, men har ingen vurdering af, hvad et godt tal er specifikt for dig; det afhænger af din alder, aktivitetsniveau og mål. Se hvor mange skridt om dagen der faktisk er nok for referenceintervallerne, og bed derefter Claude eller ChatGPT sammenholde dine egne synkroniserede totaler med dem i stedet for en generisk regel om 10.000 skridt.

Hele opsætningen tager få minutter på din Android-telefon og kræver hverken eksport af filer eller screenshots af diagrammer. Her er rækkefølgen fra helt ny opsætning til dit første rigtige svar.

Den native Health Connect-app på Android er bygget til at vise dig, hvad der skete, ikke hvad det betyder. Du får daglige felter for skridt, søvn og puls, men ingen sammenligning på tværs af uger, ingen forklaring på hvorfor et tal flyttede sig og intet, der forbinder én måling med en anden. Den kan ikke fortælle dig, at din søvngæld er vokset i elleve dage i træk, eller at den nylige stigning i hvilepuls falder sammen med en hårdere træningsblok, fordi den slet ikke har et coachinglag, kun et feed.

Spørger Claude or ChatGPT through Wellness Project closes that gap. Because the assistant holds your full synced history rather than a single day's reading, it can compare periods, surface drift before it becomes a problem, and answer follow-up questions in the same conversation, "why did that happen?" or "should I take an extra rest day?", without you having to piece the story together yourself from a grid of numbers.

Forskellige spørgsmål kræver en anden vinkel på de samme underliggende data. Skridt- og pulstendenser læses bedst gennem en restitutions- eller biohacker-lignende vinkel med fokus på belastning og readiness. Spørgsmål om søvnvarighed og -kvalitet får skarpere svar fra en søvnfokuseret aflæsning, der vejer konsistens sammen med det samlede antal timer. Træninger registreret via Health Connect, uanset om de stammer fra et Garmin-ur, et Whoop-bånd eller Samsung Health, fortolkes bedst gennem en træningsbelastnings-vinkel, der ser på volumen og frekvens over tid, samme logik bag en AI-bygget styrketræningsplander justerer efter det, du faktisk løftede i sidste uge, frem for en fast skabelon. Du behøver ikke vælge manuelt. Stil dit spørgsmål i almindeligt sprog, så hentes den rigtige kontekst automatisk.