ตอบสั้น ๆ ก่อน
เมื่อใช้ข้อมูลที่ได้จาก HRV เพื่อเชื่อมส่วนหนึ่งกับอีกส่วนจากการบันทึกเดียวกันในผู้สมัคร 202 คน ความถูกต้องอันดับหนึ่งเท่ากับ 30.7% และอยู่ในห้าอันดับแรก 55.4% การเลือกสุ่มจะอยู่ที่ประมาณ 0.5% และ 2.5% การวิเคราะห์ที่ยังไม่ผ่านการทบทวนนี้ใช้วัน อุปกรณ์ และท่าทางเดียวกันในชุดผู้สมัครแบบปิด จึงไม่ยืนยันการตรวจสอบตัวตนข้ามวันหรืออุปกรณ์ และไม่ได้วัดการปฏิเสธบุคคลที่ไม่รู้จัก
ประเด็นสำคัญ
- ในชุดข้อมูลสาธารณะ 202 คน ข้อมูลที่ได้จาก HRV เชื่อมสองส่วนของการบันทึกจากคนเดียวกันได้
- อันดับหนึ่ง 30.7% (สุ่ม 0.5%); ห้าอันดับแรก 55.4% (สุ่ม 2.5%)
- การทดสอบสับเปลี่ยนเทียบกับสมมติฐานป้ายสุ่มคงที่: p≤0.00005
- แต่เป็นภายในช่วงบันทึกเดียวกัน ยังไม่แสดงความคงที่ข้ามวัน อุปกรณ์ หรือระหว่างหลับกับตื่น
- นี่ไม่ใช่การประเมิน Apple Watch และไม่ใช่การวัดประสิทธิภาพระบบยืนยันตัวตน
เหตุใดเราจึงทดสอบ
HRV สรุปความแปรปรวนของช่วงจังหวะหัวใจได้หลายแบบ ท่าทาง การหายใจ อายุ และเงื่อนไขวัดล้วนมีอิทธิพล แต่ข้อมูลอาจมีรูปแบบระดับบุคคลที่เกิดซ้ำหรือคุณลักษณะที่ใช้ร่วมกันในบันทึกเดียวด้วย
สำหรับแอปสุขภาพ ระดับที่บันทึกสองชุดสามารถเชื่อมโยงกันได้เป็นประเด็นหนึ่งในการประเมินความเสี่ยงของการเก็บ ส่งออก และแบ่งปัน
วัดอย่างไร
ใช้ข้อมูลสาธารณะ
เราใช้ชุดข้อมูล Autonomic Aging ของ PhysioNet เพื่อประเมิน 202 คน โดยไม่เปิดเผยกฎการเลือกบันทึกโดยละเอียด
ใช้ส่วนที่แยกกันของแต่ละการบันทึก
ใช้ส่วนที่แยกและไม่ซ้อนกันจากการบันทึกเดียวกันเป็นข้อมูลอ้างอิงและข้อมูลค้นหา โดยไม่เปิดเผยกฎการแบ่งช่วงโดยละเอียด
เปรียบเทียบข้อมูลที่ได้จาก HRV
วิธีวิจัยใช้ข้อมูลที่ได้จาก HRV โดยไม่เปิดเผยการออกแบบคุณลักษณะ การเตรียมข้อมูล และการคำนวณความคล้ายโดยละเอียด
เทียบกับโอกาสสุ่ม
การเลือกสุ่มจาก 202 คนมีโอกาสถูกอันดับหนึ่ง 0.5% นี่คือฐานที่ใช้เทียบกับความถูกต้องที่วัดได้
ผลลัพธ์
- อันดับหนึ่ง: 62/202 = 30.7% (ช่วงความเชื่อมั่น 95% 24.7–37.4%; โอกาสสุ่ม 0.495%)
- ห้าอันดับแรก: 112/202 = 55.4% (ช่วงความเชื่อมั่น 95% 48.6–62.1%; โอกาสสุ่ม 2.48%)
- การทดสอบสับเปลี่ยน (20,000 ครั้ง): p < 0.0001
- กลับทิศทางการเปรียบเทียบในการวิเคราะห์ความไว: อันดับหนึ่ง 34.2%, ห้าอันดับแรก 55.9%
ผลนี้ไม่ได้หมายถึงอะไร
หากดูเพียงตัวเลขอาจอ่านว่า “HRV ยืนยันตัวตนได้” แต่ยังสรุปเช่นนั้นไม่ได้ การทดสอบนี้มีข้อจำกัดสำคัญ
- ช่วงลงทะเบียนและค้นหามาจากการบันทึกครั้งเดียวกัน คือวัน อุปกรณ์ และท่าทางเดียวกัน
- ชุดผู้สมัครปิดไว้ที่ 202 คน ไม่ได้วัดความสามารถในการปฏิเสธบุคคลที่ไม่รู้จัก
- ยังไม่ได้แสดงความคงที่ข้ามวัน ข้ามอุปกรณ์ หรือระหว่างหลับกับตื่น
- ร่องรอยจากช่วงบันทึก เซ็นเซอร์ หรือการประมวลผลที่เฉพาะต่อระเบียนอาจช่วยให้เชื่อมโยงได้
- นี่ไม่ใช่การประเมิน Apple Watch สัญญาณที่ใช้คือคลื่นไฟฟ้าหัวใจทางคลินิก
Feelmo นำเรื่องนี้ไปใช้ในการออกแบบอย่างไร
ด้วยเหตุนี้ Feelmo จึงเก็บข้อมูลและคะแนนที่ได้จาก HRV ไว้ในอุปกรณ์เป็นหลัก โดยไม่มีการอัปโหลดอัตโนมัติไปยังเซิร์ฟเวอร์ของผู้ให้บริการ เนื้อหาที่คุณเลือกจะถูกส่งไปยังปลายทางที่คุณกำหนดเฉพาะเมื่อคุณเริ่มส่งออกหรือแบ่งปัน
การวิเคราะห์นี้ไม่ได้ตัดสินสถานะทางกฎหมายของข้อมูล แต่แสดงว่าบันทึกจากช่วงเดียวกันอาจมีเบาะแสช่วยเชื่อมสองช่วง เราจึงออกแบบอย่างระมัดระวัง
ข้อมูลและความโปร่งใส
ผลรวม ช่วงความไม่แน่นอน ผลการวิเคราะห์ความไว และข้อจำกัดข้างต้นเผยแพร่เป็น JSON
เราไม่เผยแพร่ข้อมูลรายบุคคล การออกแบบคุณลักษณะ การเตรียมข้อมูล หรือการคำนวณการเชื่อมโยงโดยละเอียด ดังนั้นนักวิจัยอิสระจึงยังทำซ้ำการวิเคราะห์เดียวกันไม่ได้ ซึ่งเป็นข้อจำกัดสำคัญ