睡了一百天数据很好看：长期佩戴与床感设备的读数为什么会漂
连续用上几个月、每天给出一份整齐曲线的消费健康设备，最容易让人产生的判断是”越用越懂我”。但从测量工程的角度看，这种体验还有另一个解释：读数在变，只是没有人换过参考去对照。这类设备的核心风险不是不准，而是它一直给出一个自洽、平滑、好看的数——肉眼无法判断这个数是否还能和上个月的那个数放在一起比。
漂移不是单一现象。它可以来自器件本身，也可以来自传感器与身体之间的耦合条件，还可以来自算法与你这个个体之间的分布差。三者的排查方式和处置成本完全不同。下面把它们分开讲，最后给一份”上线后 90 天该怎么维护这套读数”的清单。
一、”读数不准”其实是三个不同的问题
器件漂移与老化。 手腕上的光学心率靠光源照射与探测器读反射光，光电器件的工作点会动：光源输出随时间与温度衰减，探测器暗电流漂移，而皮肤下的直流分量随血管张力、体温和组织灌注变化。加速度计的零偏随温度与时间改变，标度因数也会小幅漂移。压力与湿度类敏感元件的高分子介质会老化。这些是真正”器件级”的漂移，速度慢，但会一路累积。
耦合条件变化。 实际数据里最大的偏移往往来自这里，而且它的变化速度比器件快得多。佩戴侧：位置是否同一只手腕、腕带松紧、睡眠时手臂被压在身下导致灌注下降、汗液与皮肤温度、纹身与体毛对光路的遮挡、表带与皮肤之间漏进环境光。床感侧：传感元件是垫在床垫下还是嵌在床架里，床垫与床架之间的力学耦合会随着床垫自身软化而变化，被褥层数与材质改变会重新分配压力，同床者的体重与体动直接进入同一个信号，元件横向挪几厘米就换了一个空间采样位置。这类变化在数据上表现为”某天起整体形态不一样”，而设备与固件都没动。
算法的个体标定与分布差。 训练数据多来自实验室里的参考设备与相对年轻、健康、体重与肤色分布有限的一批受试者。家庭场景的噪声结构完全不同：不同的床垫、鼾声、饮酒与用药、夜间片段化觉醒、极端体重。关键问题是模型在分布之外不会报错，它仍然输出一个置信度很高的数字。所谓”个体标定”，在很多产品里其实只是”用了几天之后统计上看起来稳了”，而不是真的把个人参数辨识出来。
二、七种漂移形态与各自的处置
| 漂移形态 | 典型现象 | 排查动作 | 处置办法 |
|---|---|---|---|
| 零点漂移 | 静息心率整月缓慢上移；无体动的时段也报出活动 | 与一台独立参考设备同步测量同一时段；把设备静置在同一位置看输出是否走偏 | 分段重建基线，用相对量而不是绝对值做决策 |
| 灵敏度漂移 | 同一强度动作的响应幅度逐渐变小，夜间心率区间变窄 | 做一组固定强度的重复动作（同一台阶、同一翻身幅度），看响应是否同比缩小 | 重估标定系数；标定关系要随版本留存 |
| 尾部饱和与削顶 | 高心率或大幅体动时读数被”压平”，峰值不可信 | 制造可控峰值（上楼、快速翻身）观察是否可达上限 | 依赖峰值的规则不要用这条通道，或改事件判定 |
| 迟滞与蠕变 | 同一姿势两次读数不同；长时间受压后基线持续走 | 卸载后观察回零时间与残余偏移 | 在数据里记录加载历史，长时受压段单独处理 |
| 温漂 | 季节变化后同一读数含义不同；被窝内外差异明显 | 用温度通道做残差回归，看残差是否随温度成趋势 | 温度补偿写进固件并带版本号，缺温度通道就标注不确定度 |
| 耦合突变 | 换了床品、床垫或佩戴位置后形态整体改变，而设备未动 | 先核对物理条件再怀疑固件；把改动日期记进日志 | 把”条件变更”作为可比性窗口切分点，跨窗口不直接比较 |
| 时基漂移 | 夜间时段边界与真实觉醒时刻越对越偏 | 与网络时间定期比对累计偏差 | 同时保留采集时刻与写入时刻，避免用事后时间倒推 |
时基这一条容易被低估。一颗几十 ppm 量级的时钟，每天累积约一到两秒偏差看起来无害，但连续记录一百天就是几分钟量级；如果设备只在联网时才校正，那些”凌晨三点醒了一次”的对齐就会错到别的时段里去。而分期和事件判定都是按时间窗做的。
三、趋势比绝对值可信，但趋势也需要基线管理
绝对值不可信的原因在上面三类里都能找到，而趋势（同一台设备、同一套条件下的相对变化）通常稳健得多。但”看趋势”这四个字有前置条件，缺了它，趋势只是另一种自欺。
需要区分三种可比性。同设备跨周次可比，前提是条件窗口一致——同样的佩戴习惯、同样的床品与床垫、同样的固件与算法版本。同设备跨版本默认不可比，除非厂商明确说明并允许历史数据重算。跨设备不可比，两台同型号设备的差异可以大于你关心的变化量，任何”和家人比”的展示都在诱导错误结论。
缺失数据是漂移的隐藏来源。一段没有采到的信号，被算法填补成”安静”还是被标成”无数据”，出来的曲线完全不同：前者会让整夜看起来完整且睡得很好。导出与展示要能区分三种状态——采到了、采到了但质量不够被拒绝、压根没有信号。只有汇总分数而没有原始波形的导出，无法复核任何一件事。
最后，趋势本身混着行为变化。开始认真记录的头几周，人的作息、运动与注意力都在变；把第一个月与第三个月的均值差当作设备的功劳或生理改善，是把均值回归与观察效应当成了效果。要判断”变化是否真实”，需要至少一段条件不变的对照期，或者一次独立的参考测量做锚点。
四、模型推断被当成事实输出，是这类产品最大的陷阱
睡眠分期不是测量，是分类。它的判定粒度是 30 秒一个片段，判读依据是规则或模型而不是某个生理量的自然边界，即便是实验室级的多导记录，分期判读之间也存在有限但不可忽视的一致性上限。消费设备只用一到两路信号，在这个基础上给出”深睡 78 分钟”这样的数字，就把一个分类结果包装成了有分钟级精度的测量值。用户在第二天因为少了二十分钟而调整行为，产品就制造了一个焦虑式指标：数字波动本身成了刺激源，而它的置信区间远比展示精度宽。
同一类问题还包括”恢复度””压力指数””睡眠分数”这一族合成分。它们的共同特征是：公式不公开、输入通道不清楚、权重随版本变化，因此用户无法判断变化来自自己还是来自公式。可行的产品做法是给出区间或”这次数据不足以给出结论”的状态，而不是永远给出一个单点。任何”用了之后改善了”的展示，若没有对照期与不确定度，就不该被当作证据引用。
算法随固件变这件事必须留痕：改了模型就要公告生效时间，写清从哪一天起读数含义发生了变化，并明确历史数据是否重算。没有这一条，长期数据的价值在某个升级日会被静默清零。
五、评测这类设备该问的六件事
- 参考测量是什么？是实验室级设备，还是另一台同类消费设备。参考与设备的测量是否同步进行、是否在同样场景下。
- 与参考的一致程度怎么给的？相关系数好不等于准——一个恒定偏低的数也能有漂亮的相关性。要问系统偏差和一致性界限，也就是差值的范围。
- 缺失与被拒绝的数据怎么处理、怎么显示？有没有”低质量”这一档，而不是直接给数。
- 算法是否随固件变化？变化是否公告、是否给生效时间、是否允许重算历史。
- 数据能否本地导出，粒度是否到采样级或原始波形？只有分数的导出不支持任何复核。
- 云端留存的边界在哪里？保留多久、是否被用于模型训练、家人与同床者的数据如何隔离、撤回与删除的路径是否可执行。
这六问里没有一问是关于”准不准”的形容词的。长期读数系统的质量，取决于它是否允许用户自己复核。
六、洹拓视角：上线后 90 天该怎么维护这套读数
设备状态监测项目里同样有”传感器会漂”这件事，处置原则与消费健康设备完全一致，只是工业侧的参考量更好找：定期与一个已知准确的量对表、把不确定度连同数值一起写进报表、报警阈值随漂移自适应而不是设死。同一套方法跨领域复用，靠的不是模型，是这三条纪律。
一份可交接的维护清单：
- 第 7 天做一次基线确认：与参考量在同一条件下同步采一段，记录偏差与差值范围，作为可比性起点。
- 建立条件日志：佩戴位置与松紧、床品与床垫变更、传感器位置移动，任何变更都标日期，作为窗口切分依据。
- 每 30 天做一次异常样本回看：把”整夜极安静””分段数异常少””峰值集中贴上限”这三类样本挑出来人工核对，判断是真实状态还是通道失效。
- 阈值评审：随漂移重新校准报警与分档线，记录调整原因；禁止把阈值当常量长期不动。
- 固件与算法版本变更公告：生效时间、读数含义是否变化、历史数据是否重算，三者都要写明。
- 字段留痕：每条记录带固件号、算法版本、信号质量标记与数据状态（有效／低质量／缺失／填补）。
- 90 天末出一份可比性结论：这段时间内的数据能否互相比较、能比较到哪个精度、哪些区段应当放弃。
这份清单最后一条才是关键产出。任何长期读数系统的第一项交付不应该是看板，而是一句能被复核的判断：这份数据还能不能和历史放在一起比。答案是可以或不可以都行，最怕的是从来没人回答过。