先說結論
在 202 名候選人中，使用 HRV 衍生資訊把同一筆紀錄的一個區段連到另一個區段，第一名命中率為 30.7%，前五名為 55.4%；隨機選擇約為 0.5% 與 2.5%。這項未經同儕審查的分析是在同一天、同一裝置與同一姿勢的封閉候選集合中進行。它不能證明跨日或跨裝置的身分驗證，也沒有測試能否拒絕未知人士。
本文要點
- 在 202 人的公開資料集中，HRV 衍生資訊可連結同一人紀錄中的兩個區段
- 第一名 30.7%（隨機 0.5%）；前五名 55.4%（隨機 2.5%）
- 以固定隨機標籤虛無模型做置換檢定：p≤0.00005
- 但這只在同一次測量內成立；跨日、跨裝置或睡眠與清醒之間的穩定性並未顯示
- 這不是 Apple Watch 評估，也不是驗證系統效能的測量
為什麼要測試
HRV 以多種方式摘要心跳間隔變動。姿勢、呼吸、年齡與測量條件會影響它，但它也可能保留個人重複出現的模式，或同一筆紀錄共有的特徵。
對健康 App 而言，兩筆紀錄能否被連結，是評估儲存、匯出與分享風險時值得考量的一部分。
如何測量
使用公開資料
我們使用 PhysioNet「Autonomic Aging」資料集評估 202 人；具體記錄選擇規則不公開。
使用每筆紀錄中分開的區段
同一筆紀錄中分開且不重疊的區段，分別作為參考與查詢資料。具體分段規則不公開。
比較 HRV 衍生資訊
研究用比較方法使用 HRV 衍生資訊。具體特徵設計、前處理與相似度計算不公開。
和隨機機率比較
從 202 人中隨機挑選，第一名命中的機率為 0.5%。這就是實測準確率的比較基準。
結果
- 第一名：62/202 = 30.7%（95% 信賴區間 24.7–37.4%；隨機 0.495%）
- 前五名：112/202 = 55.4%（95% 信賴區間 48.6–62.1%；隨機 2.48%）
- 置換檢定（20,000 次）：p < 0.0001
- 在敏感度分析中反轉比較方向：第一名 34.2%、前五名 55.9%
這個結果不代表什麼
只看數字，很容易解讀成「HRV 可以驗證身分」，但這樣的結論不成立。這項測試有以下限制。
- 註冊與查詢來自同一次紀錄：同一天、同一裝置、同一姿勢
- 候選集合固定為 202 人；沒有測量拒絕未知人士的能力
- 完全沒有證明跨日、跨裝置或睡眠與清醒之間的穩定性
- 單一紀錄特有的工作階段、感測器或處理痕跡可能參與連結
- 這不是 Apple Watch 評估；使用的訊號是臨床心電圖
Feelmo 如何因應
考量此結果，Feelmo 原則上將 HRV 衍生資料與分數保留在裝置上，不自動上傳至服務提供者的伺服器。只有你主動匯出或分享時，所選內容才會傳送到你指定的對象。
本分析不能決定資料的法律身分，但顯示同一次測量紀錄中分開的兩個區段仍可能被連結，因此我們採取較謹慎的設計。
資料與透明度
彙總結果、不確定性區間、敏感度分析結果與上述限制，均以 JSON 公開。
個人層級資訊、具體特徵設計、前處理與連結計算不公開。因此，獨立研究者目前無法完整重現相同分析，這是重要限制。
參考資料
- JSON 彙總稽核結果 — Feelmo
- Autonomic Aging：量化健康老化期間心血管自主功能變化的資料集 — PhysioNet