信息速览
INFOBOX — BIG IDEAs 血糖变异性数据集一屏速览
维度 内容 官方全名 BIG IDEAs Lab Glycemic Variability and Wearable Device Data（注意「BIG IDEAs」非「BIG IDEAS」） 本质 Duke 大学糖尿病前期人群的 CGM × 腕戴可穿戴多模态时序数据（非分类/分割任务） 团队 Duke University BIG IDEAs Lab：Peter Cho、Juseong Kim、Brinnae Bent、Jessilyn Dunn 平台 PhysioNet（MIT LCP）；RRID:SCR_007345 样本 16 人（001–016）；35–65 岁；仅绝经后女性；A1C 5.2–6.4% 设备 Dexcom G6 CGM（血糖每 5 min）+ Empatica E4 腕带（PPG 64Hz/EDA 4Hz/皮温 4Hz/ACC 32Hz） 特征 7 路：ACC / BVP / Dexcom / EDA / HR / IBI / TEMP（+ Food_Log + Demographics） 时长 8–10 天；每两天一次标准化早餐；全程餐食日志 体量 总未压缩 34.1 GB；ZIP 4.7 GB 论文 npj Digit Med 2021;4(1):89（doi:10.1038/s41746-021-00465-w；PMID 34079049） 版本 v1.0.0(2022-09-15) → v1.1.0(2023-03-06) → v1.1.2 → v1.1.3(2026-04-13, 最新) 许可 ODC-By 1.0（署名即可，允许商用；PhysioNet 开放直链） 库内互链 cgmacros（在建）、mimic-iv-ext-ecg-glucose(998/999)、wearable-exam-stress(807)
BIG IDEAs Lab 血糖变异性与可穿戴设备数据集是一份"用腕表读懂血糖"的可复现实验样本：16 名糖尿病前期受试者同时戴上腹部一枚 Dexcom G6 连续血糖仪、手腕一只 Empatica E4 腕带，连续 8-10 天——血糖每 5 分钟记一次，皮下电活动、皮温、脉搏波、加速度则按 4~64 Hz 密集采样。数据集的野心不在"采集"，而在"验证一条假设"：不扎针、不抽血，能否仅凭腕表信号反推出血糖的起伏？ 原始论文给出的回答是肯定的——检测个性化血糖偏移准确率最高 84%、实时预测血糖值准确率最高 87%。
导语读法三则：
- 只想下数据做模型：直奔 §6 获取与许可——ODC-By 1.0 是宽松开放许可，PhysioNet 直链即可下，但注意区域限制（坑 7）与 34.1 GB 体量。
- 关心信号规格：直奔 §2 数据构成与规格——7 路特征的采样率、单位、厂商与体积失衡是工程落地第一关。
- 关心可迁移性/局限：直奔 §4 与 §10——16 人、纯绝经后女性、OGTT 缺失，这三条决定了它能做什么、不能做什么。
§0 导读：这个数据集解决什么问题
糖尿病前期（prediabetes）是一个"沉默的中间地带"：血糖已高于正常但未达糖尿病诊断线，人群庞大、进展缓慢，却缺乏低成本、无创、可居家连续监测的手段。PhysioNet 页点出的背景数字很直白——美国约 8,600 万成人处于糖尿病前期，其中约 90% 未被诊断；而进入糖尿病前期后，若无生活方式或医学干预，年转为 2 型糖尿病的比例约 10%，患者心血管死亡风险约为常人 1.7 倍。传统筛查依赖门诊抽血与侵入性检测，既不舒服、又难连续、更覆盖不到"不常去医院的人"。
腕戴可穿戴设备的普及提供了另一条路：光电容积脉搏波（PPG）、皮肤电活动（EDA）、皮温、加速度这些信号能连续、无创、低成本地记录一个人的生理动态。问题只剩一个——这些信号里到底有没有血糖的影子？ BIG IDEAs Lab 用一次小型前瞻研究（proof of concept）回答它：给 16 名糖尿病前期受试者同时戴上金标准 CGM 与消费级腕带，把两条信号在时间轴上对齐 8-10 天，看能不能用腕表推血糖。
§0 读法三则：
- 这个条目的核心是"一个证明概念的小数据集 + 一篇把数据用起来的论文"：数据是 16 人的配对信号，论文（npj Digit Med 2021）把 25,000 例同步测量变成可量化的预测精度（84%/87%）。两者捆绑引用。
- 数据集的卖点是多模态同步性：CGM 与腕带的采样率差两个数量级（每 5 分钟 vs 每 0.0156 秒），如何重采样对齐、如何提取特征，是整个领域复用的第一步，也是坑最多的一步（坑 1、坑 4）。
- 检索时注意拼写：写成 “BIG IDEAS”（全大写）可能搜不到；官方是 “BIG IDEAs”，文献里也常写作 “BIGIDEAs”（坑 8）。
0.1 一句话定位与三条使用建议
定位：一个小而干净的糖尿病前期 CGM × 多模态腕带配对数据集，用于验证"无创可穿戴信号能否反演血糖"这条技术路线，而非用于大规模训练或临床验证。
三条使用建议：
- 当基线，不当终点：用它验证你的方法是否可行、对标 84%/87% 的量级；不要用它下临床结论。
- 按人划分，绝不随机：16 人数据用随机 split 会因时段泄漏制造虚高精度（§8.3）。
- 先读局限再动手：§4 的三重天花板（16 人、人群同质、OGTT 缺失）决定了你的结论边界，先读能省下大量返工。
0.2 与库内条目的快速导航
- 想找**同主题（CGM/血糖）**的可比对象 → §9.1 与 §11（cgmacros、mimic-iv-ext-ecg-glucose）。
- 想找**同设备（Empatica E4）**的对照 → §9.1（wearable-exam-stress，rid 807）。
- 想找**同平台（PhysioNet）**的血缘 → §9.2（physionet-cinc-2016/2017）。
§1 数据集速览：十问十答
Q1：BIG IDEAs 是什么的缩写？
它不是缩写短语。BIG IDEAs 是 Duke 大学生物医学工程系的一个实验室品牌名（BIG IDEAs Lab），不是 “Big Data in … Diabetes” 之类的展开。主会话 brief 中猜测的全称展开经三源核验证伪——PhysioNet 项目页、原始论文、第三方复用论文均无任何缩写展开。
Q2：数据是谁、何时、在哪采的？
Duke University Health System 下、生物医学工程系 BIG IDEAs Lab 采集。受试者从 Duke 内分泌门诊（Duke Endocrinology Clinic）经病历回顾招募，采集在 Duke Hospital 的 Diabetes Research Clinic 临床房间进行。数据约 2020 年采集，PhysioNet 首次发布于 2022-09-15（v1.0.0）。
Q3：受试者有多少人、什么人群？
16 人（folder 001–016）。纳入标准：35–65 岁（含）；仅绝经后女性；点护理 A1C 5.2–6.4%（含）——即高正常血糖到糖尿病前期区间。Sensors 2025 复用论文 Table 1 给出性别构成：男 7（43.75%）、女 9（56.25%）。
Q4：用什么设备采的？
两件：腹部一枚 Dexcom G6 连续血糖仪（CGM），手腕一只 Empatica E4 腕带。Dexcom G6 每 5 分钟记一次间歇葡萄糖浓度（mg/dL）；Empatica E4 内置四个传感器——PPG（64 Hz，可算 HR 1 Hz、BVP、IBI）、EDA（4 Hz）、皮温（4 Hz）、三轴加速度（32 Hz）。
Q5：一共几路信号、都是哪些文件？
7 路特征，每路一个 CSV：ACC（三轴加速度）、BVP（血容量脉搏）、Dexcom（间歇葡萄糖）、EDA（电皮肤活动）、HR（心率）、IBI（心搏间期）、TEMP（皮温）；外加 Food_Log（餐食日志）。根目录还有一份 Demographics.csv（每人性别与 HbA1c）。
Q6：数据采集了多长时间、有什么干预？
8–10 天（研究设计 10 天）。每两天（every other day）提供一次标准化早餐；全程受试者用 food log 记录所有进食；研究结束时回诊做口服葡萄糖耐量试验（OGTT）——但 OGTT 数据因文件损坏未收集（坑 5）。
Q7：数据有多大？
总未压缩 34.1 GB，可下载 ZIP 4.7 GB。体积被 BVP 主导：单受试者 BVP 约 1.3 GB，而 Dexcom 仅约 151 KB——同一受试者不同特征相差约 4 个数量级（坑 4）。
Q8：去标识怎么做的？
每名受试者分配唯一 ID（001–016），并对所有时间戳做**日期平移（date shifting）**防重识别；餐食日志的日期也按同样方式平移。
Q9：能拿来做什么任务？
三类：① 用腕带信号回归预测间歇葡萄糖值；② 分类检测个性化血糖偏移（glucose excursions）；③ 提取关联血糖变异性的数字生物标志物。配套开源 Python 包 cgmquantify（DBDP）用于计算血糖变异性指标。
Q10：许可和获取难吗？
ODC-By 1.0——宽松开放许可，署名即可、允许商用与再分发；PhysioNet 开放直链（非申请制、非 gated）。唯二门槛是体量（34.1 GB）与部分地区区域限制（坑 7）。
1.1 数据集档案卡（Block Card）
| 字段 | 值 |
|---|---|
| 官方全名 | BIG IDEAs Lab Glycemic Variability and Wearable Device Data |
| slug | big-ideas-glycemic-wearable |
| 平台 | PhysioNet（RRID:SCR_007345） |
| 作者 | Peter Cho、Juseong Kim、Brinnae Bent、Jessilyn Dunn |
| 机构 | Duke University（BIG IDEAs Lab，生物医学工程系） |
| 受试者 | 16（001–016） |
| 人群 | 35–65 岁；糖尿病前期（A1C 5.2–6.4%） |
| 设备 | Dexcom G6 CGM + Empatica E4 腕带 |
| 特征 | 7 路（ACC/BVP/Dexcom/EDA/HR/IBI/TEMP）+ Food_Log + Demographics |
| 时长 | 8–10 天 |
| 体量 | 34.1 GB 未压缩；4.7 GB ZIP |
| 最新版 | v1.1.3（2026-04-13） |
| 许可 | ODC-By 1.0 |
| 来源论文 | npj Digital Medicine 2021;4(1):89 |
| 任务类型 | 多模态时序回归 / 分类 / 数字生物标志物提取 |
| 官方工具 | cgmquantify、DBDP |
1.2 三条时间线速记
- 采集时间：约 2020 年（Duke 前瞻研究）；
- 发布节点：PhysioNet 首发 2022-09-15（v1.0.0），2023 年连发 v1.1.0/1.1.1/1.1.2，2026-04-13 出 v1.1.3；
- 论文节点：npj Digit Med 2021-06-02 发表（数据集来源论文），BMJ Open Diab Res Care 2021 作为关联论文。
1.3 关键数字卡片（一屏核对）
| 数字 | 值 | 一句话含义 |
|---|---|---|
| 16 | 受试者数 | 小样本 proof-of-concept |
| 8–10 | 佩戴天数 | 覆盖日常作息 |
| 7 | 生理/血糖特征路数 | 多模态的核心 |
| 5 min | 血糖采样间隔 | Dexcom G6 标准 |
| 64 Hz | PPG 采样率 | 腕带信号最密的模态 |
| 34.1 GB | 未压缩体量 | 需按需加载 |
| 4.7 GB | ZIP 体量 | 可一次下载 |
| 25,000 | 同步测量数（论文口径） | 建模样本量 |
| 84% | 偏移检测准确率 | 可行性证据 |
| 87% | 血糖预测准确率 | 可行性证据 |
| 97.87% | 第三方复用 TIR | 人群血糖平稳的证明 |
| 5.2–6.4% | 纳入 A1C 区间 | 糖尿病前期 |
1.4 三源互证结论速览
本条目所有硬数字均经三个独立来源互证，来源分工如下：
| 信息类别 | 主源 | 佐证源 |
|---|---|---|
| 官方全名 / 版本 / 许可 / DOI / 文件列表 | PhysioNet 项目页 | WebSearch 缓存的 1.1.2/1.1.1 页 |
| 论文数字（25,000 / 84% / 87%） | npj Digit Med 2021 | Europe PMC / PubMed / Duke Scholars |
| 规模与血糖分布（TIR 等） | Sensors 2025 | PMC12115526 |
| 作者 / 机构 / 伦理 | PhysioNet 作者与 Ethics 段 | npj 2021 作者信息 |
核验时点：2026-10-10。网络预算：WebSearch 3 次、WebFetch 2 次（均未超限，符合纪律包 §2.5）。
§2 数据构成与规格
2.1 规模、人群与纳入标准
数据集的规模用一句话概括：16 名糖尿病前期受试者 × 8-10 天 × 7 路同步信号。这个"16"是全文最重要的数字，因为它同时定义了数据集的强项（配对、连续、多模态）与死穴（小、偏、外推性弱）。
| 维度 | 规格 |
|---|---|
| 受试者数 | 16（folder 001–016） |
| 年龄 | 35–65 岁（含） |
| 性别 | 仅绝经后女性纳入；实际构成男 7（43.75%）/ 女 9（56.25%，Sensors 2025 口径） |
| 血糖状态 | 点护理 A1C 5.2–6.4%（高正常至糖尿病前期） |
| 佩戴时长 | 8–10 天（设计 10 天） |
| 采集地点 | Duke Hospital，Diabetes Research Clinic（糖尿病研究门诊） |
| 血样检测 | 血糖、HbA1c、脂蛋白、甘油三酯 |
纳入标准的几处细节值得单独标注：
- "仅绝经后女性"这个限定值得深究：PhysioNet 页明确写 “including only post-menopausal females”，但 Sensors 2025 复用论文报告了男 7 例。两条口径的张力见坑 2——最可能的解释是不同受试者批次/版本的纳入描述不一致，条目按"官方页写绝经后女性、复用论文报告含男性"双记。
- 筛选不做人口学分层：采集方明确声明受试者"筛选时不考虑社会经济学、族裔、肤色、宗教"（screened without regard for socioeconomics, ethnicity, skin color, or religion）——这不是"按多样性招募"，而是"不按这些维度设限"，实际种族构成未披露（遗留疑点）。
- 排除标准：有 COPD、心血管疾病、癌症史、慢性肾病者排除；无笔记本电脑/电脑者排除（因需每日上传腕带数据）——这条排除实际上筛掉了数字设备可及性较低的人群，是一个隐蔽的选择偏倚（坑 6）。
- 补偿：Visits 1 与 2 各 75 美元，全程共 150 美元 + 停车费报销。
2.2 设备与信号规格
数据集的技术核心是"两台设备、七路信号"的同步采集：
| 特征 | 文件 | 设备 | 采样率 | 单位/含义 |
|---|---|---|---|---|
| 三轴加速度 | ACC_XXX.csv | Empatica E4 | 32 Hz | X/Y/Z 三轴加速度 |
| 血容量脉搏 | BVP_XXX.csv | Empatica E4 | 64 Hz | 血容量脉搏原始波形 |
| 间歇葡萄糖 | Dexcom_XXX.csv | Dexcom G6 | 每 5 分钟 | 血糖浓度（mg/dL） |
| 电皮肤活动 | EDA_XXX.csv | Empatica E4 | 4 Hz | 皮肤电导（galvanic skin response） |
| 心率 | HR_XXX.csv | Empatica E4 | 1 Hz | 由 PPG 推导的心率 |
| 心搏间期 | IBI_XXX.csv | Empatica E4 | 逐搏 | 由 BVP 推导的心搏间期 |
| 皮温 | TEMP_XXX.csv | Empatica E4 | 4 Hz | 皮肤温度 |
| 餐食日志 | Food_Log_XXX.csv | 受试者手记 | 事件级 | 食物/份量/热量/碳水/纤维/糖/蛋白/脂肪 |
三处工程要点：
- 采样率跨三个数量级：从 Dexcom 的每 300 秒一个点到 PPG 的每秒 64 个点，原始数据必须先重采样/分窗对齐才能联合建模。这是任何复用者的第一道工序。
- 血糖是"金标准"标签、腕带信号是"特征"：Dexcom G6 测的是间歇葡萄糖（interstitial glucose）而非血浆血糖，二者本身存在生理滞后（血糖变化后间质液需数分钟跟上），这层滞后是血糖预测任务内建的误差来源。
- Dexcom.csv 不是纯数据文件：文件头部包含设备元数据与告警行（如 Alert High 200.0 mg/dL、Alert Low 70.0、Urgent Low 55.0、Urgent Low Soon 55.0），真正的测量行是事件类型 EGV（Estimated Glucose Value）的逐点记录——直接当数值列读会踩坑（坑 3）。
2.3 文件结构与体量：一个严重失衡的压缩包
每个受试者一个文件夹（001–016），每个特征一个 CSV。文件体积分布极不均匀（以受试者 001 为例）：
| 文件 | 体积（001） | 角色 |
|---|---|---|
| BVP_001.csv | 1.3 GB | 原始脉搏波形（64 Hz，10 天） |
| ACC_001.csv | 838.4 MB | 三轴加速度（32 Hz） |
| EDA_001.csv | 89.3 MB | 电皮肤活动（4 Hz） |
| TEMP_001.csv | 74.9 MB | 皮温（4 Hz） |
| HR_001.csv | 12.4 MB | 心率（1 Hz） |
| IBI_001.csv | 9.9 MB | 心搏间期 |
| Dexcom_001.csv | 151.0 KB | 血糖（每 5 分钟） |
| Food_Log_001.csv | 6.7 KB | 餐食事件 |
血糖"标签"文件比它要预测的"特征"文件小约 8,600 倍——这个悬殊比例（坑 4）直观说明了任务的不对称：稀疏的金标准 vs 稠密的高频信号。全数据集未压缩 34.1 GB，打包 ZIP 4.7 GB（压缩率约 7:1，BVP/ACC 波形可大幅压缩）。工程上必须按需按路加载，一次性全读会耗尽内存。
2.4 去标识与日期平移
去标识策略简单但关键：每名受试者分配唯一 ID（001–016），并用日期平移（date shifting）把所有时间戳整体挪到一个虚构的日期区间，使真实采集日期不可逆推。餐食日志的日期以同样方式平移，因此跨受试者不能凭日期对齐——若要做人群级分析（如"同一天多人低血糖"），必须先用各受试者的内部相对时间重建时间轴。
日期平移的一个技术细节：平移是对每人独立进行的。这意味着受试者 001 的"第 3 天"和受试者 002 的"第 3 天"在绝对日历上不一定同一天，但两人各自的相对时间轴（第 1 天、第 2 天……）是可信的。做人群聚合时，正确做法是以每人的首次记录为零点重建相对时间，而不是简单按绝对时间戳 merge。
2.5 各特征的物理含义与建模价值
七路特征不是七个平权的传感器，它们在"预测血糖"这个任务里扮演不同角色。逐路拆解：
| 特征 | 物理含义 | 与血糖的生理关联 | 建模中的角色 |
|---|---|---|---|
| Dexcom（血糖） | 皮下间质液葡萄糖浓度 | 即目标变量本身 | 标签 y（非特征） |
| HR（心率） | 每搏心率 | 餐后代谢上升、交感激活时心率升高 | 强相关特征 |
| BVP（脉搏波） | 血容量脉搏原始波形 | 蕴含外周血流与血管张力信息 | 原始特征（需提特征） |
| IBI（心搏间期） | 相邻心搏间隔 | 心率变异性来源，反映自主神经 | 强相关特征（HRV） |
| EDA（电皮肤活动） | 皮肤电导（汗腺活动） | 交感神经激活，应激/代谢状态 | 中等相关特征 |
| TEMP（皮温） | 皮肤表面温度 | 外周血流与代谢产热间接指标 | 弱-中相关特征 |
| ACC（三轴加速度） | 运动加速度 | 活动强度直接影响血糖消耗 | 混淆变量/协变量 |
三处关键判断：
- ACC 是"混淆变量"而非"好特征"：运动既让加速度信号变化、又消耗血糖，所以 ACC 与血糖的统计相关很可能部分来自"运动"这个共同原因。若模型学到"加速度高→血糖低"，它学到的是运动耗糖，而非腕表"感知"了血糖——这是本类任务最典型的因果陷阱。
- BVP 信息量最高、体积也最大：1.3 GB/人的原始波形蕴含着 HR、HRV、脉搏形态等多重信息，是"高价值高成本"特征；直接喂原始波形需要深度学习，提特征则要取舍。
- TEMP/EDA 是低频慢变量：4 Hz 采样但生理变化慢，实际建模中常降采样或做滑动窗统计。
2.6 数据生成的伦理与流程留痕
数据集附带了一段罕见的"流程透明"描述，值得记录，因为它决定了数据的可信边界：
- 招募：经 MaestroCare（Duke 病历系统）检索未退出临床研究机会库的患者，由研究协调员用 IRB 批准的脚本电话联系。
- 筛选：不看 socioeconomic/ethnicity/skin color/religion——但这不等于按多样性分层，实际构成未披露。
- 知情同意：受试者在临床上完成书面同意，允许有充足时间阅读、提问，并被告知无签署义务；无法提供法律有效同意者不参与。
- 补偿：Visits 1/2 各 75 美元，全程 150 美元 + 停车费。
- 数据流：Empatica 数据经 USB 上传至 Empatica 安全云；Dexcom 数据经 Clarity 应用上传至内分泌科服务器私盘；去标识后与生物医学工程系分析人员共享。
这条链条说明：数据虽小、却是在正规 IRB 与医疗系统治理下产出的——这也是它"AI-Ready"评级中治理维度得高分的原因（见 §13）。
2.7 数据字典（字段级）
为便于直接建表，整理关键文件的字段级数据字典：
Demographics.csv（根目录，每人一行）
| 字段 | 类型 | 说明 |
|---|---|---|
| subject_id | 字符串 | 受试者编号（001–016） |
| Gender | 字符串 | 性别（与纳入描述存在口径分歧，见坑 2） |
| HbA1c | 数值 | 糖化血红蛋白（%） |
Dexcom_XXX.csv（血糖，事件级）
| 字段 | 类型 | 说明 |
|---|---|---|
| Timestamp | datetime | 记录时间（已日期平移） |
| Event Type | 字符串 | 事件类型：EGV（血糖测量）/ Alert / Device 等 |
| Event Subtype | 字符串 | 事件子类型 |
| Glucose Value (mg/dL) | 数值 | 仅 EGV 行有血糖值 |
| Insulin Value (u) | 数值 | 胰岛素量（本数据集基本为空） |
| Carb Value (grams) | 数值 | 碳水（本数据集基本为空） |
| Glucose Rate of Change (mg/dL/min) | 数值 | 血糖变化率 |
| Transmitter Time | 长整型 | 传感器发射器内部时钟 |
Food_Log_XXX.csv（餐食，事件级，v1.1.0 起提供）
| 字段 | 类型 | 说明 |
|---|---|---|
| date / time_of_day | 日期/时间 | 进食日期与时刻（已日期平移） |
| time_begin / time_end | datetime | 进食起止时间 |
| logged_food / searched_food | 字符串 | 食物名（用户手记 / 检索匹配） |
| amount / unit | 数值/字符串 | 份量与单位 |
| calorie | 数值 | 热量 |
| total_carb / dietary_fiber / sugar | 数值 | 总碳水 / 膳食纤维 / 糖 |
| protein / total_fat | 数值 | 蛋白 / 总脂肪 |
其余特征文件（ACC/BVP/EDA/HR/IBI/TEMP）统一两列结构
| 字段 | 类型 | 说明 |
|---|---|---|
| Timestamp | datetime | 时间戳（已日期平移） |
| Value（或 X/Y/Z） | 数值 | 测量值；ACC 为 X/Y/Z 三列 |
2.8 与其他含 CGM 的公开数据集的规格对比
把本数据集与文献中常见的含 CGM 公开数据横向比，能看清它的位置：
| 数据集 | 受试者 | CGM 时长 | 同步腕带 | 许可 | 特点 |
|---|---|---|---|---|---|
| BIG IDEAs（本条） | 16 | 8-10 天 | Empatica E4（EDA/皮温/PPG/ACC） | ODC-By 1.0 | 配对干净、前驱人群、多模态全 |
| cgmacros | 约 45 | 多日 | 有限（偏餐食） | 待定 | 餐食宏量营养素为主 |
| 各类糖尿病管理 App 导出 | 海量 | 长 | 无 | 私有/受限 | 有 CGM 无配对腕带 |
| 消费级手表研究 | 各异 | 短 | 有（缺 EDA/皮温） | 各异 | 模态少、许可杂 |
读法：本数据集在"模态完整度 × 配对质量 × 许可宽松度"三项上处于前列，唯有"规模"落后——这也正是它被定位为方法学基线而非大规模语料的根本原因。
2.9 数据质量体检（使用前自检）
正式建模前，建议对数据跑一遍质量体检，逐项确认：
| 体检项 | 检查方法 | 预期 | 异常处理 |
|---|---|---|---|
| 血糖点稀疏性 | 统计 Dexcom EGV 行数与时间跨度 | 每 5 分钟一点，8-10 天约 2,300-2,900 点/人 | 缺失段需插补或剔除 |
| 时间戳连续性 | 检查相邻时间戳差值分布 | 以 5 min 为主，偶有缺口 | 记录缺口，勿盲目填 |
| 特征对齐 | 两套时间戳各自归一到 UTC | 可对齐 | 若错位，检查设备时钟 |
| 加速度范围 | ACC 模长分布 | 静止近 0，活动升高 | 极端值可能为伪迹 |
| EDA 基线 | SCL/SCR 分布 | 有慢漂移与脉冲 | 高漂移需去趋势 |
| 皮温范围 | TEMP 分布 | 约 25-37℃ 区间 | 超出可能为接触不良 |
| 餐食日志完整性 | 统计 Food_Log 行数 | 每受试者多次记录 | v1.1.3 前注意日期错位 |
| 佩戴依从性 | 各信号覆盖时长 | 接近全程 | 短段受试者需评估 |
这张表的用意是：数据集的"低缺失"是作者口径，具体到你的加载仍要逐项验证。尤其要注意 v1.1.3 之前版本的餐食日志日期错位（§6.3）与两套时钟的对齐。
2.10 数据获取后的目录结构建议
落盘后建议按如下结构组织，便于批量处理：
big-ideas-glycemic-wearable/1.1.3/
├── Demographics.csv # 根目录：每人性别 + HbA1c
├── 001/
│ ├── ACC_001.csv
│ ├── BVP_001.csv
│ ├── Dexcom_001.csv # 血糖（先读这个，体积小）
│ ├── EDA_001.csv
│ ├── Food_Log_001.csv
│ ├── HR_001.csv
│ ├── IBI_001.csv
│ └── TEMP_001.csv
├── 002/ ... 016/
└── (processed/) # 建议另建：重采样/对齐后的产物
约定：原始文件只读不改，所有重采样、对齐、插补产物写到独立的 processed/ 目录，保证可追溯与可复现。
2.11 版本演进史：四次更新改了什么
PhysioNet 的 Release Notes 记录了版本演进，理解每版改动能帮你决定"要不要追新"：
| 版本 | 日期 | 改动 | 对使用者的影响 |
|---|---|---|---|
| 1.0.0 | 2022-09-15 | 首次发布 | 基础数据，无 food log |
| 1.1.0 | 2023-03-06 | 加入受试者餐食日志 | 从此才可做餐食-血糖关联 |
| 1.1.1 | 2023-05-11 | 更新文件 | 常规维护 |
| 1.1.2 | 2023-09-18 | 更新文件 | 常规维护 |
| 1.1.3 | 2026-04-13 | 修正错位的餐食日志日期 | 依赖 food log 时序的研究务必升级 |
判读：两次实质性改动是 v1.1.0（加 food log） 与 v1.1.3（修日期错位）。前者把数据集从"纯生理信号"扩展到"信号 + 行为（进食）"，大大拓宽了任务空间；后者修的关键 bug 说明早期版本的进食时间对齐不可靠——若复现基于 food log 的结论，版本选择直接决定结果对错。
§3 论文验证：从 25,000 例同步测量到 84%/87%
3.1 原始论文的核心命题
数据集的存在只为回答一个可行性问题，论文题目直接点明——“Engineering digital biomarkers of interstitial glucose from noninvasive smartwatches”（用非侵入智能手表工程化间歇葡萄糖的数字生物标志物），npj Digital Medicine 2021;4(1):89。
论文摘要给出全篇最强的两个数字：基于 25,000 例同步的间歇葡萄糖 × 非侵入可穿戴测量，用数据驱动 + 领域驱动的特征工程，实现了：
- 个性化血糖偏移（glucose excursion）检测准确率 ≤ 84%；
- 实时间歇葡萄糖值预测准确率 ≤ 87%。
论文还建立了从非侵入腕带信号设计预测变量的方法论（数据驱动与领域驱动两条路径），是这条技术路线早期的代表性证据。
3.2 论文的四段式研究目标
论文的图形摘要（Fig. 1）把研究拆成四个递进目标，理解这四步就理解了数据集的用法：
- 特征工程：用数据驱动（从信号自动学特征）+ 领域驱动（用生理学知识构造特征）的混合方法，从非侵入系统提取预测变量；
- 个性化血糖偏移定义：为每位受试者定义何为"血糖偏移"（而非用统一的固定阈值）；
- 偏移分类：用工程化特征对血糖偏移做检测（分类任务）；
- 血糖预测建模：既做总体模型（leave-one-person-out 交叉验证，LOPO），又做个性化模型（个体专属模型）。
这条路径的两个设计选择值得标注：LOPO 交叉验证是小样本多模态数据的标准做法（16 人，留一人做测试）；个性化建模呼应了论文发现——血糖对同一刺激的响应高度个体化，统一模型与个体模型效果存在差距。
3.3 三源互证的规模口径
数据集规模在不同来源有三套口径，逐条对齐后并不矛盾，只是"数的是不同的东西"：
| 来源 | 口径 | 数字 |
|---|---|---|
| npj Digit Med 2021（原始论文） | 同步间歇葡萄糖 × 可穿戴测量数 | 25,000 |
| Sensors 2025（第三方复用） | 预处理后分段成 epochs 的记录数 | 26,380 |
| PhysioNet 项目页 | 受试者数 / 时长 | 16 人 / 8–10 天 |
差异根源：25,000 是原始论文报告的对齐测量规模；26,380 是 Sensors 2025 经"剔除缺失时间戳、去重、离群剔除、分段"后的 epoch 数——预处理放大或缩小了记录数（例如重复时间戳只保留第一条会减少，而分窗会改变计数）。条目引用时须注明口径，不可混用（坑 1）。
3.4 复用生态：数据被谁用了
PhysioNet 页在 Usage Notes 中列明数据已被至少两篇论文使用：
- Bent 等 2021（npj Digit Med 4:89）——数据集来源论文，建立血糖偏移检测与预测方法；
- Bent 等 2021（BMJ Open Diab Res Care 9(1):e002027）——“Non-invasive wearables for remote monitoring of HbA1c and glucose variability: Proof of concept”，验证非侵入腕表远程监测 HbA1c 与血糖变异性的可行性。
第三方复用方面，Sensors 2025, 25, 3207（PMC12115526）明确以本数据集（文中写作 BIGIDEAs）开发"自由生活条件下的多模态非侵入 CGM 预测模型"，数据集选择理由写得很直白——“同时具备血糖读数与可穿戴数据、且在最低限度控制条件下采集”。这条理由精准概括了本数据集相对其他 CGM 数据的独特价值：不是规模最大，而是"配对最干净"。
复用论文报告的血糖分布指标（Sensors 2025 Table 1，可作为数据质量的第三方体检）：
| 指标 | 数值 | 含义 |
|---|---|---|
| 平均血糖 | 115 mg/dL | 处于正常/前驱区间 |
| 时间在目标范围内（TIR） | 97.87% | 70–180 mg/dL 占比 |
| 时间高于范围（TAR） | 1.57% | >180 mg/dL 占比 |
| 时间低于范围（TBR） | 0.56% | <70 mg/dL 占比 |
| HbA1c | 5.7 ± 0.3% | 糖尿病前期均值 |
| Epochs | 26,380 | 预处理后分段数 |
TIR 高达 97.87% 说明这批受试者血糖整体控制良好、处于前驱早段——这既是数据集的卖点（干净的基线），也是局限（缺乏显著高/低血糖事件，模型很难学到极端血糖下的信号响应，见 §8）。
3.5 预处理流水线拆解（第三方复用视角）
Sensors 2025 给出的四步预处理，是任何复用者都会走的路，逐步解释其动机与陷阱：
第一步：数据集准备（Dataset preparation）
- 从 Dexcom 与 Empatica 载入各自信号及时间戳；
- 剔除缺失时间戳的样本（时间戳是空的行直接丢）；
- 重复时间戳只保留第一条（同一时刻两条记录时取先出现者）——这一步会减少记录数，是理解 25,000→26,380 差异的一把钥匙（去重减少、分窗增加，两个方向都可能）；
- 三轴加速度（x/y/z）合成向量模长 ACC，用一个标量代表整体运动强度——这是"降维换可解释性"的典型处理。
第二步：离群剔除与滤波（Outlier removal and filtering）
- CGM 与腕带信号都可能有瞬时尖刺（传感器接触不良、运动伪迹），需滤波；CGM 的物理合理区间（约 40–400 mg/dL）可作硬边界；
- 滤波强度是偏差-方差权衡：滤太狠会抹平真实的餐后尖峰（正是要预测的目标），滤太松则训练被噪声主导。
第三步：分段成 epochs（Segmentation into epochs）
- 把连续长时序切成固定长度的窗（epoch），每个窗对应一个可训练样本；
- 窗长选择直接决定任务难度与"提前量"语义：短窗（5-15 分钟）做瞬时预测，长窗（60 分钟）可做趋势预测；
- 分段会产生边界丢弃（末尾不足一窗的丢弃），这也是总数口径变化的来源。
第四步：缺失值插补（Missing value imputation）
- 对齐后不同采样率的信号会出现"某时刻无值"，用插值（线性/前向填充）补齐；
- 插补方式会引入人为平滑——若把稀疏的 CGM 插值再当标签，会制造不存在的"血糖点"，须区分"真实测量"与"插值填充"。
这条流水线的三条通用教训：
- 口径要冻结：25,000 与 26,380 的差异可能纯粹来自分段/去重参数，论文必须写清预处理配置；
- 插补不等于测量：评测时应只在真实测量点上算误差；
- 运动（ACC）永远是混杂：任何"信号→血糖"的相关性都要先控制活动强度。
3.6 论文的四条可迁移方法论
把 npj 2021 的方法抽象出来，有四条可迁移的经验：
- 混合特征工程：数据驱动（自动学）+ 领域驱动（生理知识构造）两条路并用，而非纯端到端；
- 个性化偏移定义：不问"血糖是否超固定阈值"，而问"是否偏离了这个人自己的基线"——这契合糖尿病前期的异质性；
- LOPO 验证：留一人测试，杜绝同一人时段泄漏；
- 总体 + 个体双模型对照：同时报告总体模型与个体专属模型，量化"个性化增益"有多大。
3.7 数据集的"不可替代性"到底在哪
市场上并不缺 CGM 数据（各类糖尿病管理平台海量），也不缺腕带生理信号（消费级手表遍地）。本数据集的稀缺性在于三者的交集：
| 维度 | 单独看是否稀缺 | 本数据集的处境 |
|---|---|---|
| CGM 连续血糖 | 不稀缺 | 有（Dexcom G6，每 5 min） |
| 多模态腕带信号（含 EDA/皮温） | 较稀缺（EDA 少见于消费级） | 有（Empatica E4） |
| 两者逐时刻配对 + 开放许可 | 高度稀缺 | 本数据集的核心价值 |
| 糖尿病前期（而非已确诊糖尿病）人群 | 较稀缺 | 有（A1C 5.2–6.4%） |
| 大规模 | 常见 | 无（仅 16 人） |
一句话："多模态配对 + 前驱人群 + 宽松许可"这个组合是它的不可替代性所在，而"规模"从来不是。 理解这一点，就能准确判断它在你的项目里是"起点基线"还是"终点证据"——绝大多数情况下它是前者。
§4 局限解剖：16 人样本的三重天花板
这个小数据集最诚实的地方，是它的局限几乎都写在明面上。PhysioNet 页一句 “There are no known limitations with this dataset”（无已知局限）与同页承认的 OGTT 缺失并存——作者口径与客观事实之间的落差，恰是使用者最该读懂的信号。以下三条局限决定了它能做什么、不能做什么。
4.1 样本极小：16 人不是"足够大"，是"证明概念"
16 人在糖尿病前期研究里属于 proof-of-concept（概念验证）级别。它的后果是具体的：
- 统计功效低：任何亚组分析（按性别、按 A1C 分层、按 HbA1c 档次）都会瞬间切到个位数样本，结论只能是提示性而非确证性的。
- 个体异质性与人口学混杂不可分离：16 个人里不同个体对同一餐的血糖响应差异巨大（这正是论文主张"个性化建模"的原因），但 16 人无法把"个体差异"与"人口学差异"解耦。
- LOPO 是唯一稳健的验证方式：任何随机划分 train/test 都会让同一受试者的相邻时段泄漏到两边，导致虚高精度。使用本数据集时，必须按受试者划分。
4.2 人群高度同质：性别与血糖区间的双重收窄
人群被两把尺子同时收窄：
- 性别：PhysioNet 页写"仅绝经后女性"，Sensors 2025 却报告含男 7 例（坑 2）。无论采信哪条，性别构成都不足以支撑"性别无关"的结论。
- 血糖区间：A1C 5.2–6.4%，且实测 TIR 97.87%——绝大多数时段血糖在正常范围。这意味着数据集几乎没有真正的显著高血糖/低血糖事件，模型学到的多是正常范围内的微小波动。用它训练"低血糖预警"这类临床任务会严重欠采样。
- 数字设备可及性排除：无电脑者被排除在外，筛掉了数字素养/设备可及性较低的人群，扩大了"健康志愿者偏倚"。
一句话：这是一个**"健康、同质、血糖平稳的糖尿病前期小群体"样本**。把它当作真实世界人群的代表会犯以偏概全的错误。
4.3 数据缺口：OGTT 损坏与血糖口径的滞后
最具体的缺口是 OGTT（口服葡萄糖耐量试验）数据未收集——PhysioNet 页原文：“OGTT data were not collected because the files were corrupted.”（文件损坏）。OGTT 本是评估糖耐量的关键终点，缺失它意味着数据集无法直接回答"这些人是否真的糖耐量受损"，也无法把可穿戴信号与 OGTT 曲线直接关联。
第二层缺口是间质葡萄糖的固有滞后：Dexcom G6 测的是皮下间质液葡萄糖，相对血浆血糖有数分钟生理延迟。把 CGM 值当作"真值"训练预测模型时，这层滞后会被模型当作"提前量"学进去，在真实血糖变化剧烈时（如餐后尖峰）放大误差。
第三层是血糖测量总数的口径分歧（25,000 vs 26,380，见 §3.3）——使用前必须对齐预处理定义，否则跨论文对比会失准。
4.4 还有哪些隐性局限
除了三大天花板，还有几处隐性局限值得使用者预先知道：
- 皮肤色素对 PPG/EDA 的影响：光电容积脉搏波与皮肤电活动都依赖光学/电学信号，深色皮肤与浅色皮肤的信号质量存在系统性差异（这是光学可穿戴设备的公认问题）。而本数据集实际肤色构成未披露、筛选又明确"不考虑肤色"——这意味着无法评估模型在不同肤色上的公平性，是一个重要但被数据缺口掩盖的局限。
- 腕带的佩戴位置与松紧：Empatica E4 的 PPG 对佩戴位置敏感，自由生活场景下装置可能移位，产生运动伪迹；数据集未提供佩戴质量标注。
- 饮食记录的准确性：Food_Log 是受试者手记的自报数据，自带回忆偏倚与漏记；v1.1.3 才修正"日期错位"，说明早期版本的进食时间本身不可靠。
- 样本量不足以训练深度模型：16 人 × 8-10 天对端到端深度学习而言太小，文献多依赖手工特征 + 传统 ML，或迁移预训练模型。把本数据集当"预训练语料"是不合适的。
- 设备版本混淆：Empatica E4 与 Dexcom G6 都是特定代际设备，结论未必迁移到 E4 的后续型号或 Dexcom G7。
4.5 局限的层次：哪些是"设计选择"，哪些是"事故"
把上述局限分个类，有助于判断哪些可以通过后续研究缓解：
| 局限 | 性质 | 可否缓解 |
|---|---|---|
| 16 人样本小 | 设计（proof-of-concept 定位） | 可——扩大样本 |
| 仅前驱/绝经后女性 | 设计（聚焦目标人群） | 可——扩展人群 |
| TIR 97.87% 无极端事件 | 设计+人群自然结果 | 部分可——纳入更重人群 |
| OGTT 文件损坏 | 事故 | 已不可逆（数据丢失） |
| 肤色/佩戴质量未标注 | 缺口（未采集） | 需重采集 |
| 区域访问限制 | 政策（非研究者可控） | 视地区政策 |
这条分类的现实意义：作为方法学 baseline 使用时，设计类局限（小样本）不构成致命问题——你只是要验证一条技术路线走不走得通；作为临床验证或公平性研究使用时，事故类与缺口类局限（OGTT 缺失、肤色未标）会成为硬伤，必须外部数据补足。
4.6 "该不该用这个数据集"决策树
遇到一个新任务，用下面这棵简单的决策树快速判断本数据集是否合适：
你的任务是否涉及：
├─ 连续血糖 × 多模态腕带信号的配对建模？
│ ├─ 是 → 本数据集是很好的起点（→ 继续问下一条）
│ └─ 否 → 换数据集
├─ 需要显著高/低血糖事件？
│ ├─ 是 → 不合适（本数据集 TIR 97.87%，几乎无极端事件）
│ └─ 否 → 本数据集合适
├─ 需要临床级验证 / 个体医疗决策？
│ ├─ 是 → 不合适（16 人、前驱、无临床终点）
│ └─ 否 → 本数据集合适
└─ 需要大规模训练语料？
├─ 是 → 不合适（仅 16 人）
└─ 否 → 本数据集合适
结论：本数据集的甜区是"方法学探索 + 基线对标 + 教学示例"；出了这个甜区就要谨慎。
4.7 局限性的一句话总结
如果只能用一句话交代它的问题：“这是一个在正规治理下采集、配对干净、许可宽松，但样本极小、人群同质、且关键终点（OGTT）永久缺失的糖尿病前期概念验证数据集。” 记住这句，就能避免 90% 的误用。
§5 工程落地：从 34.1 GB 到可用张量
5.1 数据的物理形态
数据集是一个"一大七小"的压缩包：每人一个 folder，7 个特征 CSV + 1 个餐食日志；根目录 Demographics.csv。物理特征决定了加载策略：
- 两套时钟：Dexcom 用其 Clarity/transmitter 时间戳（含 Transmitter Time 长整型），Empatica 用 E4 的 Unix 风格时间戳——两套时间基准需先对齐。
- Dexcom.csv 的"头重脚轻"结构：前若干行是设备信息与告警阈值，测量数据从 EGV 事件行开始（坑 3）。
- 日期已平移：所有时间戳是虚构日期区间，跨受试者不可直接按绝对日期对齐（§2.4）。
- 缺失的稀疏性：PhysioNet 页称"变量没有高缺失率，因为受试者佩戴相对依从"——但 IBI 在信号质量差时会自然稀疏（逐搏检测失败），需按信号质量过滤。
5.2 使用指南：最小加载示例
下面给出从原始 CSV 到可对齐 DataFrame 的最小工作流（示意性伪代码，依赖 pandas / numpy；真实路径以 PhysioNet 解压目录为准）。注：以下代码仅为方法示意，非可执行脚本，读者需按实际文件路径与时间戳格式校订。
# 1) 依赖
import pandas as pd
import numpy as np
BASE = "big-ideas-glycemic-wearable/1.1.3"
def load_feature(subj: str, feat: str) -> pd.DataFrame:
"""加载单个受试者的单路特征。subj 形如 '001'，feat 形如 'HR'。"""
df = pd.read_csv(f"{BASE}/{subj}/{feat}_{subj}.csv")
return df
# 2) 血糖（Dexcom）：跳过设备元数据/告警行，只保留 EGV 事件
dex = pd.read_csv(f"{BASE}/002/Dexcom_002.csv")
dex = dex[dex["Event Type"] == "EGV"].copy()
dex["Timestamp"] = pd.to_datetime(dex["Timestamp"])
dex["glucose"] = pd.to_numeric(dex["Glucose Value (mg/dL)"], errors="coerce")
dex = dex[["Timestamp", "glucose"]].dropna()
dex = dex.set_index("Timestamp").sort_index()
# 3) 心率（HR）：1 Hz，直接是 timestamp + value 两列
hr = pd.read_csv(f"{BASE}/002/HR_002.csv")
hr["Timestamp"] = pd.to_datetime(hr["Timestamp"])
hr = hr.set_index("Timestamp").sort_index()
# 4) 对齐：把高频腕带信号重采样到血糖的 5 分钟栅格（取均值）
hr_5min = hr["Value"].resample("5min").mean()
# 以血糖时间轴为基准做内连接（仅保留同时有血糖与腕带信号的时刻）
merged = pd.concat([dex.rename(columns={"glucose": "y"}), hr_5min.rename("hr")], axis=1).dropna()
print(merged.head())
# 5) 血糖变异性指标：cgmquantify（DBDP 开源包）
# 示例：计算时间在范围内比例（TIR）等
# from cgmquantify import cgm_feature_extraction
# metrics = cgm_feature_extraction(dex["glucose"].values)
关键工程约定：
- 按受试者划分数据集，绝不让同一人的时段跨 train/test（避免泄漏）。
- 血糖重采样用插值/均值对齐到腕带时钟，而非把高频信号降采样到 5 分钟就丢弃——特征工程常在中间采样率上做。
- 餐食日志作为外生变量（carb/糖/蛋白等）接入，是复现论文"偏移检测"的关键，很多复现失败都因漏了 food log。
5.3 配套工具与生态
- cgmquantify（GitHub: DigitalBiomarkerDiscoveryPipeline/cgmquantify）——DBDP 出品的 Python 包，从 CGM 数据计算血糖变异性指标（TIR/TAR/TBR、变异系数、MAGE 等），是复现的标配。
- DBDP（Digital Biomarker Discovery Pipeline，dbdp.org）——整条数字生物标志物流水线的开源框架，本数据集是其旗舰数据之一。
- DHDR（Digital Health Data Repository）——BIG IDEAs Lab 采集的补充数据集托管处，GitHub: DigitalBiomarkerDiscoveryPipeline/Digital_Health_Data_Repository。
5.4 加载阶段的五个常见错误
把 §5.2 的示意代码落到实处时，下面五个错误几乎每个新手都会踩一遍：
- 把 Dexcom.csv 首行当表头之外的数据直接读：Dexcom.csv 头部若干行是设备信息与告警，
pd.read_csv后第一列的 Event Type 会混入 “Alert High” 之类非 EGV 行——必须过滤Event Type == "EGV"（坑 3）。 - 忽视两套时间基准：Empatica 与 Dexcom 的时间戳格式与基准不同，直接 concat 会得到错位的结果；应先各自
pd.to_datetime再统一到 UTC 或本地一致时区。 - 对全量数据一次
read_csv：BVP 单文件 1.3 GB，全读 16 人会爆内存；应先只读标签（Dexcom/Food_Log），再按需流式读波形（chunksize分块）。 - 用随机 split：16 人数据若随机划分，同一人的相邻 5 分钟点会跨 train/test 泄漏，精度虚高（必须 LOPO）。
- 把插值填充点当真实血糖评测：未区分"真实测量"与"插值"，会在评测指标上得到偏乐观的结果。
5.5 特征工程速查（从腕带信号到血糖预测变量）
复现论文的核心工作量在特征工程。按"领域驱动"路线，常用的可解释特征包括：
| 信号 | 可提取特征 | 生理动机 |
|---|---|---|
| HR | 均值、标准差、小时级趋势 | 代谢率与交感张力 |
| IBI | RMSSD、SDNN、pNN50（HRV 指标） | 自主神经平衡 |
| BVP | 脉搏波幅、上升时间、波形形态 | 外周血管状态 |
| EDA | 皮肤电导水平 SCL、皮肤电反应 SCR 频次 | 交感神经激活 |
| TEMP | 均值、梯度、与活动相关性 | 外周血流与产热 |
| ACC | 向量模长均值、活动计数、静止比例 | 身体活动强度（混杂控制） |
| Food_Log | 碳水总量、糖、蛋白、脂肪、餐前后时间窗 | 进食刺激（外生变量） |
按"数据驱动"路线，则可把原始波形分窗后做频谱特征（PSD、频带能量）或直接喂一维卷积网络。论文的价值恰在示范两条路线的组合（§3.6）。
5.6 评测协议建议（小样本多模态的分层报告）
为避免本数据集的研究结果互相不可比，建议复现时按以下协议分层报告：
- 划分：LOPO 交叉验证，逐折报告再取均值±标准差；
- 任务定义：明确是"瞬时值回归"还是"偏移分类"，并写明预测提前量（如提前 30 分钟预测 30 分钟后的血糖）；
- 指标：回归用 MAE/RMSE（mg/dL）、克拉克误差网格（Clarke Error Grid）；分类用 AUC/敏感性/特异性；
- 混杂控制：报告"含 ACC"与"不含 ACC"两种设置的对照，暴露运动混杂；
- 个体 vs 总体：同时给 LOPO（总体）与个体专属模型结果，量化个性化增益。
§6 获取与许可：一个真正开放的 PhysioNet 数据集
6.1 许可：ODC-By 1.0
本数据集采用 Open Data Commons Attribution License v1.0（ODC-By 1.0）——这是库内相对罕见的宽松开放许可：
| 许可条款 | ODC-By 1.0 的规定 |
|---|---|
| 使用（含商用） | 允许 |
| 复制与分发 | 允许 |
| 改编与衍生 | 允许 |
| 署名（attribution） | 要求（须标注来源与许可） |
| 传染性（copyleft） | 无（衍生作品可用其他许可） |
与 PANDA-PLUS、多数医学影像集常见的 CC BY-NC（禁商用）不同，ODC-By 支持商用与再分发，只需署名。这使它在"可商用 AI 数据"Short list 中占据一个明确位置。
6.2 获取路径（三条等价通道）
- 网页下载：PhysioNet 项目页 → Download ZIP（4.7 GB）。
- wget 递归：
wget -r -N -c -np https://physionet.org/files/big-ideas-glycemic-wearable/1.1.2/ - AWS S3（免签）：
aws s3 sync --no-sign-request s3://physionet-open/big-ideas-glycemic-wearable/1.1.2/ DESTINATION
三条通道内容一致，开放直链、无需申请、无需注册。
6.3 版本选择建议
- 取最新版 v1.1.3（2026-04-13，DOI 10.13026/aw6y-fc44）：修正了餐食日志日期错位（v1.1.3 的发布说明：“Updated misaligned food log dates”）。若复现依赖 food log 时间对齐，务必用 1.1.3。
- 稳定性引用：若论文需冻结版本，引 latest DOI 10.13026/w591-tp72 或指定版 DOI。
- 注意：S3 镜像 URL 示例中版本号为
1.1.2（官方用法页给出的示例），下最新版请把 URL 版本段替换为1.1.3。
6.4 区域访问限制（重要提示）
PhysioNet 是按访问来源地区做法律/政策合规的。本代理 2026-10-10 从当前出口区域访问时，项目页 Files 段显示 “Data is not available in your region due to legal or policy restrictions.”——该数据集在部分地区无法下载。但 WebSearch 缓存的同页（1.1.2/1.1.1 等版本）可见完整文件列表，说明全球多数地区可访问。使用前请确认所在地区合规；这也是首次将"数据开放但访问受区域限制"写进本条目局限（坑 7）。
6.5 引用规范
使用本数据集时，PhysioNet 要求三段引用齐备：
- 数据集（版本 DOI）：Cho, P., Kim, J., Bent, B., & Dunn, J. (2026). BIG IDEAs Lab Glycemic Variability and Wearable Device Data (version 1.1.3). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/aw6y-fc44
- 原始论文：Bent, B., Cho, P. J., Henriquez, M., Wittmann, A., Thacker, C., Feinglos, M., Crowley, M. J., & Dunn, J. P. (2021). Engineering digital biomarkers of interstitial glucose from noninvasive smartwatches. npj Digital Medicine, 4(1), 89. https://doi.org/10.1038/s41746-021-00465-w
- PhysioNet 平台：Goldberger, A., et al. (2000). PhysioBank, PhysioToolkit, and PhysioNet. Circulation, 101(23), e215–e220.（或最新 Pollard et al. 2026, Nature Health）
6.6 许可对比：ODC-By 在库内的位置
把 ODC-By 1.0 放进库内常见许可谱系，能看出它的稀缺性：
| 许可 | 商用 | 再分发 | 衍生 | 传染性 | 库内典型 |
|---|---|---|---|---|---|
| ODC-By 1.0 | ✅ | ✅ | ✅ | 无 | 本数据集 |
| CC BY 4.0 | ✅ | ✅ | ✅ | 无 | 部分开放数据 |
| CC BY-NC 4.0 | ❌ | ✅ | ✅ | 无 | 多数医学影像集 |
| CC BY-NC-SA 4.0 | ❌ | ✅ | ✅ | 有 | PANDA 系列 |
| CC BY-NC-ND 4.0 | ❌ | ✅ | ❌ | 无 | 部分论文附件 |
| 申请制（无许可） | 视协议 | 视协议 | 视协议 | — | 部分临床数据 |
结论：ODC-By 与 CC BY 在"可商用"上等价，都是开放数据许可中的宽松端。对希望把数据集用于商业 AI 产品的团队，本数据集是库内少数"许可无障碍"的医学数据之一——但须记住 §4 的规模与人群局限，商业应用前需外部数据补充。
6.7 合规使用清单
使用本数据集前，建议逐条勾选：
- [ ] 确认所在地区可访问 PhysioNet 文件（区域限制，坑 7）；
- [ ] 引用三段齐备（数据集版本 DOI + 原始论文 + PhysioNet 平台）；
- [ ] 遵守 ODC-By 署名要求（标注来源与本许可）；
- [ ] 明确标注分析结论的样本局限（16 人、前驱人群）；
- [ ] 若涉及临床结论，补充外部验证数据；
- [ ] 不将本数据集用于个体医疗决策。
6.8 从零到可复现：研究者上手指令清单
面向准备复现的研究者，把全流程拆成可执行指令清单（命令行示意，路径按实际调整）：
# 1) 获取（三选一）
wget -r -N -c -np https://physionet.org/files/big-ideas-glycemic-wearable/1.1.3/
# 或
aws s3 sync --no-sign-request s3://physionet-open/big-ideas-glycemic-wearable/1.1.2/ ./raw/
# 2) 解压（若下的是 ZIP）
unzip big-ideas-glycemic-wearable-1.1.3.zip -d ./raw/
# 3) 环境（Python）
python -m venv venv && source venv/bin/activate
pip install pandas numpy scikit-learn
pip install cgmquantify # DBDP 工具（若可安装）
# 4) 先看小文件，确认格式
head -30 raw/Demographics.csv
head -30 raw/002/Dexcom_002.csv
# 5) 按 §5.2 脚本做对齐与特征工程
python align_features.py --subject 002 --out processed/
执行顺序铁律：先小文件（Demographics/Food_Log/Dexcom）验证格式 → 再按受试者循环处理 → 大波形文件（BVP/ACC）最后按需流式处理。不要一开始就遍历全部 34.1 GB。
§7 生态与影响：一个实验室如何把数据变成流水线
7.1 BIG IDEAs Lab 与 DBDP 的三层产出
这个数据集不是孤立的样本，而是一个开放实验室生态的一部分。BIG IDEAs Lab（Duke）围绕数字生物标志物形成了三层产出：
| 层级 | 产物 | 作用 |
|---|---|---|
| 数据 | 本数据集 + DHDR 上的补充数据集 | 配对的多模态生理信号样本 |
| 工具 | cgmquantify（Python 包） | 从 CGM 算血糖变异性指标 |
| 框架 | DBDP（Digital Biomarker Discovery Pipeline） | 端到端数字生物标志物发现流水线 |
三层的关系是"数据喂工具、工具进框架"：本数据集是 DBDP 生态的旗舰数据之一，cgmquantify 是把它用起来的标准工具，DBDP 则把它纳入从原始信号到生物标志物发现的全流程。对使用者的含义是：你不必从零搭预处理管线——官方生态已经提供了可复用的组件，这也是"AI-Ready"的一层保障。
7.2 学术影响：提前锁定"非侵入血糖监测"赛道的证据位
本数据集的战略意义在于时间点：2021 年，当"用智能手表测血糖"仍是高度存疑的主张时，这篇 npj Digital Medicine 论文用 25,000 例配对测量给出了可行性证据（84%/87%），并把数据完整开放。它成为了后续一切"非侵入血糖预测"工作的可复现基线数据——Sensors 2025 的复用正是这条脉络的延续。
值得注意的是两点：
- 它证明的是"相关性可学"，不是"可以替代 CGM"：84%/87% 的准确率是方法学可行性指标，离临床级别的血糖监测（要求 MARD 指标、极端值召回等）还有很远。把新闻标题式的"手表能测血糖"理解为"可以扔掉血糖仪"是过度解读。
- 数据开放而非论文亮点的打法：团队选择 ODC-By（宽松）而非 NC 许可，明确降低了后续研究的复用门槛——这在 2021 年的医学数据集里是相对前瞻的选择。
7.3 设备生态的两个锚点
- Dexcom G6：主流消费级 CGM，5 分钟一个间质葡萄糖点，是可穿戴血糖研究的事实标准设备之一；本数据集把它作为"金标准标签源"。
- Empatica E4：研究级腕带（含 EDA 与皮温，这是很多消费级手表没有的模态），也因此出现在库内另一条目 **wearable-exam-stress（rid 807）**中——两台不同研究共用同一款设备，构成了库内的设备互链。
7.4 从"数据发布"到"社区复用"的路径
一个开放数据集的影响力，取决于它被复用的频率与广度。本数据集的复用链条可以概括为：
Duke 采集（约 2020）
→ 数据开放（PhysioNet 2022-09-15）
→ 配套工具（cgmquantify / DBDP）
→ 论文基线（npj 2021, 25,000 例）
→ 第三方复用（Sensors 2025 等，用于预测建模）
→ 更多复用（多模态血糖预测、数字生物标志物）
这条链上的三个"复用加速器"值得其他数据集团队借鉴：
- 配套代码随数据一起发布（cgmquantify），复现门槛骤降；
- 宽松许可（ODC-By 允许商用），企业也能用；
- 持续维护版本（1.1.0 加 food log、1.1.3 修日期错位），说明维护者在响应社区反馈。
7.5 与本领域其他技术路线的对比
非侵入血糖监测有三条主要技术路线，本数据集属于其中的"多模态生理信号反演"路线：
| 路线 | 原理 | 代表 | 优势 | 局限 |
|---|---|---|---|---|
| 微创/侵入 CGM | 皮下传感器直接测间质液 | Dexcom G6（本数据集标签源） | 精度高、临床级 | 需置入、成本、耗材 |
| 多模态生理反演 | 腕带 PPG/EDA/皮温/ACC 反推 | 本数据集 / npj 2021 | 完全无创、低成本 | 精度有限、个体化强、易受混杂 |
| 光学光谱（近红外/拉曼） | 光穿过组织测葡萄糖特征 | 各类原型 | 理论直接 | 信噪比、个体差异、尚无消费级 |
本数据集的价值是为第二条路线提供了可复现的配对数据——它不解决精度问题，但让"这条路线值不值得继续投入"可以被数据检验，而非空谈。
7.6 引用语境：它常被用来支持/反对什么
理解一个数据集的学术角色，看它常被什么论点引用最快：
| 引用本数据集的常见语境 | 用途 | 注意 |
|---|---|---|
| “非侵入血糖监测可行” | 支持——用 84%/87% 作证 | 须限定 proof-of-concept |
| “多模态可穿戴可用于代谢监测” | 支持——模态完整 | 须提样本局限 |
| “腕表信号与血糖存在关联” | 支持——配对证据 | 须提运动混杂 |
| “该路线精度尚不足临床” | 反对/谨慎——反证局限性 | 引用 TIR 高、无极端事件 |
| “小样本配对数据的价值” | 方法学——配对质量论 | 引用本期条目 §8.1 |
中立使用原则：无论站在支持还是反对一方，都应同时引用它的价值（配对 + 许可 + 工具）与它的局限（16 人 + 同质 + OGTT 缺失）——单引一面都是对数据的误用。
§8 方法学启示：一个小数据集能教的三件事
8.1 “配对质量"胜过"样本规模”
本数据集只有 16 人，却成为长期被引用的基线，靠的不是规模而是配对质量——血糖与腕带信号是同一时间、同一人、同一天采的，且采集环境尽量贴近自由生活（每两天一次标准化早餐作为可控刺激）。相较之下，很多大得多的数据集没有这种逐时刻对齐的多模态配对。启示：做多模态数据集时，配对的干净程度决定上限，规模只是下限。
8.2 个性化建模不是技巧，是数据的必然
论文同时做总体模型（LOPO）与个性化模型，这不是为了刷指标，而是因为血糖对同一刺激的响应高度个体化。16 人样本里个体差异大到让统一模型失效，这直接呼应了糖尿病前期的临床现实——它是一个"高度异质"的疾病状态。启示：任何做生理信号→血糖映射的工作，都要正视个体差异，个性化（或个体适应）往往比模型容量更重要。
8.3 小样本多模态数据的三条铁律
从本数据集可提炼出小样本多模态研究的通用纪律：
- 按受试者划分（group split），否则时段泄漏会制造假精度；
- 对齐采样率前先对齐时钟（两套时间基准是跨设备数据的隐形陷阱）；
- 把"缺失"当作信息（IBI 稀疏、OGTT 缺失、Dexcom 告警行都不是噪声，而是数据生成过程的痕迹）。
8.4 "不可学习"边界：什么信号里根本没有血糖
本数据集也隐含地标出了一条边界——并非所有生理信号都与血糖强相关。EDA 与皮温属于"弱-中相关"（§2.5），它们的波动更多反映应激与体温调节，与血糖的直接因果链很弱。任何把"多模态"等同于"多有用"的想法都会在这里碰壁：塞进更多信号不等于提升血糖预测，关键是信号里是否真有血糖的成分。这条经验对"堆模态"的潮流是一剂清醒剂。
8.5 数据伦理的可迁移经验
数据集附带的前瞻研究伦理描述（§2.6）提供了三条可迁移经验：
- 同意过程留痕：明确记录"受试者有充足时间阅读、可提问、被告知无签署义务"；
- 补偿透明：金额与构成（75×2 + 停车费）公开；
- 去标识可审计：唯一 ID + 日期平移，方法可复现。
这些看似"流程文档"的内容，恰恰是数据集能否被合规复用的信任基础，也是 DAIMS 治理维度（§13）得高分的依据。
8.6 对"AI-Ready 数据集"建设的四条启示
本数据集是"AI-Ready"理念的一个正面样本，提炼四条可迁移的建设经验：
- 配对 > 规模：与其采集海量单模态数据，不如采集少量高配对的多模态数据（本数据集 16 人却长期被引）；
- 许可要一次到位：选择宽松许可（ODC-By）能显著扩大复用面，避免"数据好但没人敢用（商用）"；
- 工具随数据发布：cgmquantify/DBDP 让复现成本骤降，是数据集被反复使用的关键；
- 把局限写清楚：明确标注样本、人群、缺口，反而提升可信度——掩盖局限的数据集最终会因误用而失信。
反向教训同样清晰：一旦关键数据（如 OGTT）丢失且无备份，就无法补救——这只是数据资产管理中最痛的失误类型。
8.7 一句话给选型者
如果你在"用不用这个数据集"之间犹豫，记住这条判断：“我要的是一条可复现的技术基线，还是一个能下临床结论的人群样本？” 前者选它，后者换它。
§9 与库内条目的关系
9.1 直接互链点
| 库内条目 | rid | 关系类型 | 说明 |
|---|---|---|---|
| mimic-iv-ext-ecg-glucose | 998 / 999 | 同主题（血糖） | MIMIC-IV 衍生的 ECG × 血糖外标数据集，是库内最直接的"血糖"互链点；但它是 ICU 重症场景的单次血糖，与本数据集的家用连续 CGM 形成互补 |
| cgmacros | 未入库（在建） | 同主题（CGM） | 自由生活场景 CGM × 餐食宏量营养素数据集，与本数据集最贴近的可比对象；注：撰写时仍在其他代理锁中、尚未入库，正式互链待其发布 |
| wearable-exam-stress | 807 | 同设备/同模态 | 同样使用 Empatica E4 腕带采集可穿戴生理信号（考场压力场景），共享设备模态互链 |
| mimic-iii-ext-ppg | 928 | 同模态（PPG） | MIMIC-III 衍生的 PPG 信号数据集，与本数据集的 BVP/HR 同源于光电容积脉搏波 |
9.2 同平台（PhysioNet）血缘
本条目与库内所有 PhysioNet 系条目共享平台血缘（MIT LCP 维护）：
- physionet-cinc-2016（rid 382）、physionet-cinc-2017（rid 162）——同属 PhysioNet 挑战赛数据集；
- mimic-iv-ecg（rid 172）——PhysioNet 托管的 MIMIC-IV 心电数据。
9.3 同域（睡眠/腕戴/生理信号）横向
- mesa-sleep（rid 302）、bidsleep-dataset（rid 1004）——腕戴/多导睡眠，与本数据集共享"连续生理信号 + 时间序列"方法学。
9.4 建议互链点（供主会话在发布时按需勾选）
正文互链优先序：cgmacros（CGM 主题最近，待入库）→ mimic-iv-ext-ecg-glucose(998)（血糖主题）→ wearable-exam-stress(807)（Empatica E4 同设备）→ mimic-iii-ext-ppg(928)（PPG 同模态）→ physionet-cinc-2016(382)（同平台）。
9.5 使用场景矩阵：本数据集适合做什么
把使用场景按"任务类型 × 数据充分度"排开，能清楚看到本数据集的适用边界：
| 使用场景 | 是否适合 | 理由 |
|---|---|---|
| 多模态血糖预测的方法学基线 | ✅ 非常适合 | 配对干净、有论文基线、工具配套 |
| CGM 血糖变异性指标计算 | ✅ 适合 | cgmquantify 直接可用，CGM 数据完整 |
| 可穿戴信号特征工程研究 | ✅ 适合 | 7 路信号、多采样率，是练手的理想样本 |
| 教学/课程的数据集示例 | ✅ 适合 | 体量适中（4.7 GB ZIP）、文档完整、许可宽松 |
| 低血糖/高血糖预警模型 | ❌ 不适合 | TIR 97.87%，几乎无极端事件 |
| 临床级血糖监测验证 | ❌ 不适合 | 16 人、前驱人群、无临床终点 |
| 跨人群泛化/公平性研究 | ❌ 不适合 | 人群同质、肤色与种族未披露 |
| 端到端深度学习预训练 | ⚠️ 有限 | 样本太小，仅适合迁移学习微调 |
一句话选型：把本数据集当"方法学练手 + 基线对标"的样本用，而不是当"临床证据"或"大规模训练语料"用。
9.6 互链思路说明（为什么链这些条目）
在库内为一条数据集找互链，本质是回答"读者读完这条，最可能想接着看什么"。本条目选互链对象的四条逻辑：
- 主题相邻：读者关心血糖/CGM → 链 cgmacros（CGM×餐食）、mimic-iv-ext-ecg-glucose（血糖）；
- 设备相邻：读者关心 Empatica E4 的可复现用法 → 链 wearable-exam-stress（同设备）；
- 模态相邻：读者关心 PPG/生理信号建模 → 链 mimic-iii-ext-ppg（PPG）；
- 平台相邻：读者关心 PhysioNet 生态 → 链 physionet-cinc-2016/2017、mimic-iv-ecg。
这四条逻辑覆盖了绝大多数"读后延伸"场景，避免只按单一维度（如只按主题）粗暴连线。
§10 避坑清单：九个已踩过的坑
坑 1：血糖测量总数的三口径陷阱（25,000 / 26,380 / 未披露）
原始论文写 25,000 例同步测量，第三方复用（Sensors 2025）预处理后写 26,380 epochs，PhysioNet 页只写 16 人而不写总数。三者指的是不同口径（原始对齐测量 / 预处理分段 / 平台未统计）。跨论文对比规模时若不注明口径，会得出错误的"数据量不一致"结论。 引用时明确写"原始论文口径 25,000"。
坑 2：纳入标准的"仅绝经后女性" vs 复用论文的男 7 例
PhysioNet 页写 “including only post-menopausal females”，Sensors 2025 报告男 7/女 9。两条官方来源互相矛盾。不要擅自采信一方删掉另一方——条目双记并标注"两口径并存，疑为不同批次/版本纳入描述不一致"。任何按性别做亚组分析前，先回到原始数据核对。
坑 3：把 Dexcom.csv 当纯数值列直接读
Dexcom.csv 的头部是设备元数据行与告警阈值行（Alert High 200.0、Alert Low 70.0、Urgent Low 55.0 等），不是血糖测量值。真实测量行是 Event Type == “EGV” 的记录。直接 pd.read_csv 后对 “Glucose Value (mg/dL)” 列做统计会把告警阈值当成血糖点算进去（比如凭空多出 55、70、200 这些"血糖"）。必须先按 Event Type 过滤。
坑 4：特征体积相差 4 个数量级，全量加载爆内存
单受试者 BVP 约 1.3 GB，Dexcom 仅约 151 KB——同一个人不同特征相差约 8,600 倍。全数据集未压缩 34.1 GB。一次性把 16 人全读进内存会耗尽普通工作站内存。必须按需按路加载，且优先处理小的标签文件（Dexcom/Food_Log），再按需拉取大的波形文件。
坑 5：OGTT 数据不存在，别在数据里找
原型设计包含 OGTT（口服葡萄糖耐量试验），但 PhysioNet 页明写 “OGTT data were not collected because the files were corrupted”——数据集中根本没有 OGTT。任何"用本数据集评估糖耐量结果"的设计都需要外部数据补充。同时注意：作者在 Usage Notes 又称"无已知局限"，两句并存，以"OGTT 缺失"的事实为准。
坑 6：无电脑者被排除带来的隐蔽选择偏倚
纳入标准明确排除"没有笔记本电脑/电脑（因需每日上传腕带数据）"的受试者。这条看似技术性的排除，实际筛掉了数字设备可及性较低的人群（往往与社会经济地位相关），放大了健康志愿者偏倚。用本数据集做公平性/泛化性讨论时，必须把这条排除标准摆上台面。
坑 7：数据开放 ≠ 处处能下（区域限制）
许可宽松（ODC-By 1.0）不等于全球可访问。PhysioNet 按访问来源地区做合规，本代理 2026-10-10 从当前出口区域访问时页面显示 “Data is not available in your region due to legal or policy restrictions.”。"开放许可"与"区域可达性"是两件事，部署前确认所在地区合规。
坑 8：名称拼写——是「BIG IDEAs」不是「BIG IDEAS」
官方全称 “BIG IDEAs Lab Glycemic Variability and Wearable Device Data”，“IDEAs” 的 A 大写、s 小写（实验室品牌名）。全文大写 “BIG IDEAS” 去检索会漏；文献里也常写作 “BIGIDEAs”（无空格）。三者（BIG IDEAs / BIG IDEAS / BIGIDEAs）都试才能搜全。另：它不是 “Big Data in Gestational and Type 1/2 Diabetes” 之类缩写短语（brief 猜测已证伪）。
坑 9（附）：把"能测血糖"读成"能替代 CGM"
84%/87% 是方法学可行性指标，不是临床替代能力。本数据集受试者 TIR 高达 97.87%、几乎没有极端血糖事件，模型在正常波动范围内的表现不代表在真实高/低血糖下的表现。引用本数据集时应明确其为 proof-of-concept，不能宣称"手表可替代血糖仪"。
§10A 常见误解澄清（十条）
由于"手表测血糖"是热门话题，本数据集常被误读。集中澄清十类常见误解：
| # | 常见误解 | 事实 |
|---|---|---|
| 1 | “BIG IDEAS 是一个糖尿病数据项目的缩写” | 它是 Duke 的实验室品牌名（BIG IDEAs Lab），非缩写 |
| 2 | “有 16,000 名受试者” | 是 16 名受试者 × 8-10 天 |
| 3 | “数据覆盖 16 万人” | 16 人，不是 16 万 |
| 4 | “手表可以直接替代血糖仪” | 仅证明信号与血糖存在可学关联，远未达临床替代 |
| 5 | “这是最大的 CGM 数据集” | 它是配对质量最高的小数据集之一，规模远非最大 |
| 6 | “OGTT 数据可以用来评估糖耐量” | OGTT 因文件损坏未收集 |
| 7 | “许可是 CC BY-NC，不能商用” | 是 ODC-By 1.0，允许商用 |
| 8 | “所有信号都是 Empatica E4 采的” | 血糖来自 Dexcom G6，其余 6 路来自 E4 |
| 9 | “血糖是每秒采集的” | 血糖每 5 分钟一点（PPG 才是 64 Hz） |
| 10 | “数据全球随便下” | 许可开放，但部分地区受区域限制无法访问 |
这份清单的用处：在写综述、做汇报或向非专业听众介绍时，先破除这十条，能快速校准预期，避免把 proof-of-concept 夸大成临床突破。
§10B 报告与引用模板
给需要用本条目内容的读者，准备两段可复制的模板：
论文方法节引用模板：
本研究使用 BIG IDEAs Lab Glycemic Variability and Wearable Device Data（PhysioNet，v1.1.3，ODC-By 1.0）[1]。该数据集包含 16 名糖尿病前期受试者（35–65 岁，A1C 5.2–6.4%）佩戴 Dexcom G6 CGM 与 Empatica E4 腕带 8–10 天的同步记录，含血糖、PPG、EDA、皮温、三轴加速度等 7 路信号及餐食日志。数据源自 Bent 等（npj Digital Medicine, 2021）。受限于样本规模与人群同质性，本研究的结论为方法学层面的初步验证。
局限性说明模板：
需注意本数据集的固有局限：样本仅 16 人且为糖尿病前期同质人群（TIR 约 97.87%，缺乏显著血糖事件），OGTT 数据因文件损坏缺失，故本结论不外推至一般人群或临床决策场景。
§11 相关数据集对照表
把本数据集放进"生理信号 × 血糖/可穿戴"的横向坐标里，能看清它相对于库内外同类数据的定位。下表对照库内可互链条目与领域代表性数据集：
| 数据集 | 库内 rid | 模态 | 规模 | 场景 | 许可 | 与本数据集的关系 |
|---|---|---|---|---|---|---|
| BIG IDEAs 血糖变异性（本条） | 本条目 | CGM + PPG/EDA/皮温/ACC | 16 人 / 8-10 天 / 34.1 GB | 糖尿病前期、自由生活 | ODC-By 1.0 | — |
| cgmacros | 未入库（在建） | CGM + 餐食宏量营养素 | 约 45 人（典型口径） | 自由生活、餐食-血糖 | 待定 | 最贴近的可比对象；同主题（CGM×生活场景） |
| mimic-iv-ext-ecg-glucose | 998 / 999 | ECG + 单次血糖 | MIMIC-IV 衍生 | ICU 重症 | 随 MIMIC-IV | 同主题（血糖）但场景相反：重症单次 vs 家用连续 |
| wearable-exam-stress | 807 | Empatica E4（PPG/EDA/皮温/ACC） | 小型受试者队列 | 考场压力 | 随平台 | 同设备（Empatica E4），无可测血糖 |
| mimic-iii-ext-ppg | 928 | PPG | MIMIC-III 衍生 | ICU | 随 MIMIC-III | 同模态（PPG），无连续血糖 |
| mimic-iv-ecg | 172 | ECG 波形 | 大规模 | ICU | 随 MIMIC-IV | 同平台（PhysioNet），信号模态不同 |
| physionet-cinc-2016 | 382 | 多源生理信号 | 挑战赛规模 | 多任务 | 随 PhysioNet | 同平台（PhysioNet） |
| physionet-cinc-2017 | 162 | 单导 ECG | 挑战赛规模 | 房颤检测 | 随 PhysioNet | 同平台（PhysioNet） |
| mesa-sleep | 302 | 多导睡眠 | 大型队列 | 睡眠 | 随平台 | 同方法学（连续生理时序） |
| bidsleep-dataset | 1004 | 睡眠/腕戴 | 中型 | 睡眠 | 随平台 | 同方法学（腕戴连续监测） |
读表三则：
- 同主题最近的是 cgmacros：二者都是"自由生活下 CGM × 生活场景"的配对数据，是库内最直接的可比对象；但 cgmacros 强调餐食宏量营养素，本条强调多模态腕带生理信号——互补而非重复。
- 同设备的是 wearable-exam-stress：两者共用 Empatica E4，说明该腕带是可穿戴研究的事实标准设备之一；差异在后者有压力/认知标签而无血糖。
- 同主题但场景相反的是 mimic-iv-ext-ecg-glucose：它在 ICU 测单次血糖，本条在家连续测——一个极端病情、一个前驱健康，正好构成血糖数据的"重症-前驱"两极。
§12 FAQ：二十问二十答
Q1：这个数据集到底叫什么？
官方全名 BIG IDEAs Lab Glycemic Variability and Wearable Device Data。注意 “BIG IDEAs” 是实验室品牌名（A 大 s 小），不是缩写短语。文献也常写作 BIGIDEAs。
Q2：它和所谓 “BIG IDEAS 项目” 是同一个吗？
是同一套数据。“BIG IDEAs Lab” 是 Duke 的实验室，"BIG IDEAs 项目"是通俗叫法。但不存在 “Big Data in Gestational and Type 1/2 Diabetes” 这个全称——那是臆测（详见坑 8）。
Q3：16 人是不是太少了？
对确证性研究是的；但对方法学概念验证足够——它的价值在配对质量而非规模。使用时按受试者划分、避免任何强统计推断。
Q4：为什么只有绝经后女性？
PhysioNet 页写纳入"仅绝经后女性"，但复用论文报告含男性——两条官方来源矛盾（坑 2）。无论采信哪条，性别构成都不足以外推。
Q5：数据里有哪些信号？
7 路：ACC（加速度）、BVP（血容量脉搏）、Dexcom（间歇葡萄糖）、EDA（电皮肤活动）、HR（心率）、IBI（心搏间期）、TEMP（皮温）；外加 Food_Log（餐食日志）和 Demographics.csv。
Q6：血糖和腕带信号是怎么同步的？
Dexcom G6 每 5 分钟一个血糖点，Empatica E4 按 4-64 Hz 采腕带信号；两者时间戳来自不同设备时钟，需对齐后重采样（见 §5.2）。两套时钟先对齐是第一步。
Q7：数据有多大、怎么下？
总未压缩 34.1 GB，ZIP 4.7 GB。PhysioNet 开放直链、ZIP 下载 / wget / AWS S3 三通道任选（§6.2）。
Q8：许可是什么？能商用吗？
ODC-By 1.0——署名即可，允许商用与再分发，无传染性。这是库内相对宽松的开放许可。
Q9：OGTT 数据有吗？
没有。PhysioNet 页明写因文件损坏未收集（坑 5）。评估糖耐量需外部数据。
Q10：能做血糖预测吗？
可以，这正是数据集的设计用途。原始论文用 25,000 例同步测量实现偏移检测 84%、血糖值预测 87% 的准确率（§3.1）。但注意这是 proof-of-concept 级别的可行性证据，不是临床替代。
Q11：有官方 train/test 划分吗？
没有。16 人小样本，标准做法是 **leave-one-person-out（LOPO）**交叉验证（§8.3）。
Q12：推荐用什么工具处理？
cgmquantify（DBDP 开源 Python 包）算血糖变异性指标；整体流水线用 DBDP（§5.3）。
Q13：数据什么时候采的、什么时候发布的？
约 2020 年采集；PhysioNet 首次发布 2022-09-15（v1.0.0）；最新版 v1.1.3 发布于 2026-04-13。
Q14：为什么最新版值得下？
v1.1.3 修正了餐食日志日期错位（“Updated misaligned food log dates”）。若复现依赖 food log 时间对齐，务必用 1.1.3（§6.3）。
Q15：数据是开放的吗？为什么我下不了？
许可开放（ODC-By 1.0），但 PhysioNet 按访问地区做合规——部分地区因法律/政策无法下载（坑 7）。确认所在地区后重试，或换合规网络环境。
Q16：它和 cgmacros 有什么区别？
cgmacros 强调餐食宏量营养素与血糖的配对；本条强调多模态腕带生理信号（PPG/EDA/皮温/ACC）与血糖的配对。同主题、互补（§11）。
Q17：Dexcom G6 测的是血浆血糖吗？
不是。它测的是皮下间质液葡萄糖（interstitial glucose），与血浆血糖有数分钟生理滞后。这层滞后是血糖预测任务内建的误差来源（§4.3）。
Q18：为什么阈值是 70 和 180 mg/dL？
这是国际共识的 CGM 目标范围：70–180 mg/dL 对应"时间在范围内（TIR）"。低于 70 为 TBR（低血糖），高于 180 为 TAR（高血糖），是糖尿病管理核心指标（§15 术语表）。
Q19：数据里的血糖峰值能反映餐后反应吗？
能，但要结合 Food_Log。数据集中每两天一次标准化早餐，餐后血糖偏移正是论文"偏移检测"任务的重点；关键是把餐食时间窗作为外生变量接入，否则无法区分"餐后升糖"与"随机波动"。
Q20：这个数据集还在更新吗？
历史上更新过四次（v1.0.0 → v1.1.3），最近一次 2026-04-13 修了餐食日志日期。是否继续更新取决于 Duke BIG IDEAs Lab 的维护计划，使用前查 PhysioNet 项目页最新版本即可。
§13 DAIMS 数据资产成熟度速评
按 DAIMS（Data Asset Maturity）维度对本数据集做结构化评估：
| DAIMS 维度 | 评级 | 依据 |
|---|---|---|
| 可发现性（Discoverability） | 高 | PhysioNet 项目页 + DOI（版本化）+ RRID + 论文三源可查，元数据完整 |
| 可访问性（Accessibility） | 中高 | 开放直链、三通道下载；但 34.1 GB 体量与区域限制降低实际可达性 |
| 可用性（Usability） | 高 | CSV 明文、列定义清晰、配套 cgmquantify/DBDP 工具、去标识规范 |
| 互操作性（Interoperability） | 中 | CSV 通用但无标准 schema（如无 WFDB/BIDS 结构）；时间戳已平移需重建 |
| 可复用性（Reusability） | 高（有保留） | ODC-By 1.0 宽松许可（可商用）；但 16 人同质样本限制外推，OGTT 缺失限制终点 |
| 可引用性（Citability） | 高 | 版本化 DOI 多枚 + 原始论文 + 平台引用，引用规范明确 |
| 治理（Governance） | 高 | IRB 审批、书面知情同意、日期平移去标识、Duke Health System 监管 |
| 数据质量（Quality） | 中高 | 受试者依从性好、低缺失；但特征体积失衡、Dexcom 文件含非测量行、跨设备时钟需对齐 |
综合判读：这是一个**“轻量治理负担、宽松许可、但规模受限”**的开放数据集——在"可商用、可复用"维度表现突出（ODC-By 是库内稀缺的宽松许可），短板集中在样本规模与人群同质。适合作为方法学基线与非侵入血糖监测的入门数据，不适合作为临床级验证或公平性研究的唯一数据。
§14 总结
BIG IDEAs Lab Glycemic Variability and Wearable Device Data 是"用一个小而干净的数据集，回答一个大而热的问题"的范例。它把 16 名糖尿病前期受试者的 Dexcom G6 连续血糖与 Empatica E4 多模态腕带信号同步配对 8-10 天，开放托管于 PhysioNet（ODC-By 1.0），并配以 npj Digital Medicine 2021 的可行性论文（25,000 例同步测量、偏移检测 84%、血糖预测 87%）。
它的价值不在规模，而在三条稀缺品质：配对的干净程度（血糖与腕带同一时刻对齐）、许可的宽松程度（可商用、可再分发）、生态的完整程度（cgmquantify + DBDP 配套工具）。它的局限同样明确：16 人、纯前驱人群、OGTT 缺失、区域访问限制——这些限制了外推，却也诚实地划出了"它能做什么"的边界。
对 AI-Ready 数据集建设的启示是：一个数据集的影响力，取决于它把"配对质量 + 许可清晰 + 工具配套"这三件事做到什么程度，而非样本规模的绝对值。 本数据集是这条原则在生理信号领域的清晰注脚。
§15 术语表（Glossary）
为方便跨学科读者，集中列出本条目涉及的关键术语（中文首现，英文原名）：
| 术语 | 英文 | 释义 |
|---|---|---|
| 连续血糖监测 | CGM（Continuous Glucose Monitoring） | 通过皮下传感器连续测量间质液葡萄糖的设备 |
| 间质葡萄糖 | Interstitial Glucose | 皮下组织间液中的葡萄糖浓度，CGM 测量对象，与血浆血糖有数分钟滞后 |
| 糖尿病前期 | Prediabetes | 血糖高于正常但未达糖尿病诊断线的中间状态 |
| HbA1c | Glycated Hemoglobin | 糖化血红蛋白，反映约 2-3 个月平均血糖，诊断指标 |
| 光电容积脉搏波 | PPG（Photoplethysmography） | 用光测量血容量变化的技术，可得心率与脉搏波形 |
| 血容量脉搏 | BVP（Blood Volume Pulse） | PPG 传感器输出的原始脉搏波形信号 |
| 心搏间期 | IBI（Interbeat Interval） | 相邻心搏之间的时间间隔，心率变异性来源 |
| 电皮肤活动 | EDA（Electrodermal Activity） | 皮肤电导变化，反映汗腺活动与交感神经激活 |
| 皮温 | sTemp / TEMP | 皮肤表面温度 |
| 三轴加速度 | ACC（Tri-axial Accelerometry） | X/Y/Z 三方向加速度，量化身体运动 |
| 血糖偏移 | Glucose Excursion | 血糖相对个体基线的显著偏离事件 |
| 时间在范围内 | TIR（Time in Range） | 血糖处于 70–180 mg/dL 的时间占比 |
| 时间高于范围 | TAR（Time Above Range） | 血糖 >180 mg/dL 的时间占比 |
| 时间低于范围 | TBR（Time Below Range） | 血糖 <70 mg/dL 的时间占比 |
| 数字生物标志物 | Digital Biomarker | 由数字设备（可穿戴/手机）采集、可反映生理/病理状态的可量化指标 |
| 移动健康 | mHealth（Mobile Health） | 用移动设备提供的健康服务/监测 |
| 留一人交叉验证 | LOPO（Leave-One-Person-Out） | 每次留一名受试者测试、其余训练，小样本多模态标准验证法 |
| 去标识 | De-identification | 移除/变换可识别个人身份的信息 |
| 日期平移 | Date Shifting | 整体偏移时间戳以隐藏真实日期的去标识手段 |
| 概念验证 | Proof of Concept | 验证某技术路线可行性的初步研究 |
| 数字生物标志物发现流水线 | DBDP | Duke 系开源框架，从信号到生物标志物的端到端管线 |
| CGM 定量工具 | cgmquantify | DBDP 开源 Python 包，计算血糖变异性指标 |
| 克拉克误差网格 | Clarke Error Grid | 评估血糖估计临床可接受性的分区分析图 |
§16 研究路线图与未来方向
基于本数据集的定位与局限，可梳理出它指向的研究方向：
16.1 数据侧的发展方向
- 扩大样本与人群：后续研究应纳入更大样本、混合性别、更广 A1C 区间的人群，尤其是纳入有显著血糖事件（低/高血糖）的受试者；
- 补齐临床终点：未来研究须保证 OGTT 等关键终点数据的完整采集与备份（本数据集的 OGTT 因文件损坏永久缺失，是反面教材）；
- 采集公平性元数据：记录肤色、佩戴质量等元数据，以支持可穿戴设备的公平性评估；
- 标准 schema：采用 WFDB/BIDS 等标准结构组织数据，提升互操作性（当前纯 CSV 无标准 schema）。
16.2 方法侧的发展方向
- 个体化/少样本适应：16 人样本天然适合研究"如何在极少个体数据上做个性化适应"（元学习、迁移学习）；
- 混杂解耦：把运动（ACC）作为显式混杂建模，学习"血糖特异"而非"运动相关"的表征；
- 多模态融合策略：研究 7 路信号的最优融合方式（早期/中期/晚期融合）；
- 不确定性量化：血糖预测不应只给点估计，应给预测区间——对临床决策尤其重要。
16.3 本数据集可能的"退役"路径
一个健康的数据集生命周期，最终是被更优数据集取代。本数据集的自然退役条件可能是：
- 出现更大规模、更多样人群、同样配对质量的 CGM × 可穿戴数据集；
- 临床级非侵入血糖监测技术成熟，证明该技术路线已无研究必要（长期看）。
在此之前，作为"配对干净、许可宽松"的方法学基线，它仍会持续被引用与复用。
16.4 对后续数据采集的直接建议
若你要采集一个类似的多模态代谢数据集，本数据集的经验（含教训）可直接借用：
- 配对优先：确保金标准（CGM/OGTT/血检）与腕带信号逐时刻对齐；
- 备份临床终点：OGTT 等关键数据必须多地备份（本数据集的教训）；
- 记录公平性元数据：肤色、佩戴质量、设备型号，支持后续公平性评估；
- 许可从宽：默认 ODC-By/CC BY，扩大复用面；
- 工具同步发布：附上预处理与特征提取代码；
- 版本可追溯：每次数据修订发布新版本 + 版本 DOI。
§17 延伸阅读与上手路径
给不同背景读者的上手路径建议：
17.1 想快速动手跑通（半天）
- 读本条目 §1（十问）+ §6（获取）→ 明确要什么；
- 从 PhysioNet 下 v1.1.3 的 Demographics.csv 与某一位受试者的 Dexcom/Food_Log/HR 三个小文件；
- 跑 §5.2 的对齐示例，得到一张"血糖 + 心率"对齐表；
- 装 cgmquantify，算一遍 TIR/TAR/TBR，与 Sensors 2025 的 97.87%/1.57%/0.56% 对拍。
17.2 想做多模态建模（一周）
- 通读 npj Digit Medicine 2021 原文（开放获取，DOI 10.1038/s41746-021-00465-w）；
- 按 §5.5 特征表提取 6 路信号特征 + 餐食外生变量；
- 按 §5.6 协议做 LOPO，报告含/不含 ACC 的对照；
- 对标 84%（偏移检测）/87%（血糖预测）量级。
17.3 想研究数据集方法论（长期）
- 精读本条目 §2（结构）+ §3（论文）+ §4（局限）+ §13（DAIMS）；
- 对比 §11 对照表中的 cgmacros 等同类数据集；
- 关注 DBDP 生态（§7.1）的方法学论文。
17.4 关键文献优先级
| 优先级 | 文献 | 理由 |
|---|---|---|
| ★★★ | npj Digit Med 2021;4:89 | 数据集来源论文，方法基线 |
| ★★★ | PhysioNet 项目页（本项目） | 官方元数据与版本 |
| ★★ | Sensors 2025, 25, 3207 | 第三方复用，预处理与指标参考 |
| ★★ | BMJ Open Diab Res Care 9(1):e002027 | 关联论文，HbA1c 远程监测 |
| ★ | Diabetes 2020;69(Suppl 1):73-LB | 会议摘要，血糖变异性定义 |
| ★ | 各版本 DOI 引用页 | 版本选择与引用规范 |
§18 编辑部按
本条目在核验过程中，主会话 brief 对数据集给出了两条待核信息，实核结论如下：
-
名称：brief 说主题为"BIG IDEAS 项目的 CGM × 可穿戴设备数据"，并猜测 BIG IDEAS = “Big Data in Gestational and Type 1/2 Diabetes” 之类。实核证伪——官方全名为 “BIG IDEAs Lab Glycemic Variability and Wearable Device Data”，“BIG IDEAs Lab” 是 Duke 实验室品牌名，无任何缩写展开。本条目全文按实核书写，并在坑 8 存照。
-
其余硬数字（规模/机构/许可/DOI）：全部经 PhysioNet 项目页 × npj Digit Med 2021 × Sensors 2025 三源互证，落来源如下：
- 规模（16 人 / 8-10 天）：PhysioNet 数据描述；
- 机构（Duke BIG IDEAs Lab）：PhysioNet 作者信息；
- 许可（ODC-By 1.0）：PhysioNet 访问政策；
- DOI（10.13026/aw6y-fc44 等版本链）：PhysioNet 引用页；
- 论文数字（25,000 / 84% / 87%）：npj 2021 摘要。
-
查重结论：库内无 big-ideas-glycemic-wearable；同域仅命中 wearable-exam-stress（rid 807），非撞库。
凡三源冲突处（性别、测量总数、佩戴时长、局限声明），均已逐条写入附录 B 存照，不掩盖矛盾。
附录 A：参考文献与来源（三源互证已核对）
一手来源（官方）
- PhysioNet 数据集项目页：https://physionet.org/content/big-ideas-glycemic-wearable/ （2026-10-10 抓取，版本 v1.1.3）
- PhysioNet 版本 1.1.2 文件与列定义页（WebSearch 缓存可见完整文件列表）：https://physionet.org/content/big-ideas-glycemic-wearable/1.1.2/001/
- PhysioNet 版本 1.0.0 摘要页（含纳入标准/Methods 全文）：https://www.physionet.org/content/big-ideas-glycemic-wearable/1.0.0/004/
原始论文与平台引用
- Bent, B., Cho, P. J., Henriquez, M., Wittmann, A., Thacker, C., Feinglos, M., Crowley, M. J., & Dunn, J. P. (2021). Engineering digital biomarkers of interstitial glucose from noninvasive smartwatches. npj Digital Medicine, 4(1), 89. https://doi.org/10.1038/s41746-021-00465-w （PMID 34079049；PMCID PMC8172541）
- Cho, P., Kim, J., Bent, B., & Dunn, J. (2026). BIG IDEAs Lab Glycemic Variability and Wearable Device Data (version 1.1.3). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/aw6y-fc44
- Goldberger, A., et al. (2000). PhysioBank, PhysioToolkit, and PhysioNet. Circulation, 101(23), e215–e220.
- Pollard, T., et al. (2026). PhysioNet as a global platform for biomedical research. Nature Health, 1(8), 792–795. https://doi.org/10.1038/s44360-026-00096-z
关联论文（数据集来源/复用）
- Bent, B., Cho, P. J., Wittmann, A., Thacker, C., Muppidi, S., Snyder, M., Crowley, M. J., Feinglos, M., & Dunn, J. P. (2021). Non-invasive wearables for remote monitoring of HbA1c and glucose variability: Proof of concept. BMJ Open Diabetes Research & Care, 9(1), e002027.
- Cho PJ, Bent B, Wittmann A, Merwin RM, Thacker CR, Feinglos MN, et al. (2020). 73-LB: Expanding the Definition of Intraday Glucose Variability. Diabetes, 69(Supplement_1), 73-LB.
- Sensors 2025, 25, 3207. Development of Non-Invasive Continuous Glucose Prediction Models Using Multi-Modal Wearable Sensors in Free-Living Conditions. PMC12115526.
生态与工具
- DBDP（Digital Biomarker Discovery Pipeline）：https://dbdp.org/
- DHDR（Digital Health Data Repository）：https://github.com/DigitalBiomarkerDiscoveryPipeline/Digital_Health_Data_Repository
- cgmquantify：https://github.com/DigitalBiomarkerDiscoveryPipeline/cgmquantify
附录 B：存照附录（双口径冲突逐条）
| 编号 | 冲突项 | 口径 A | 口径 B | 处置 |
|---|---|---|---|---|
| S1 | 名称拼写 | BIG IDEAs（官方，A 大 s 小） | BIG IDEAS / BIGIDEAs | 全文用官方拼写，注明别名 |
| S2 | 血糖测量总数 | npj 2021：25,000 同步测量 | Sensors 2025：26,380 epochs | 双记，注明预处理口径（坑 1） |
| S3 | 性别构成 | PhysioNet：仅绝经后女性 | Sensors 2025：男 7/女 9 | 双记，标"两来源矛盾"（坑 2） |
| S4 | 佩戴时长 | PhysioNet 摘要：10 days | PhysioNet 数据描述：8–10 days | 全文写 8–10 天，引文献注明 10 天 |
| S5 | 版本 DOI | latest 10.13026/w591-tp72 | v1.1.3 10.13026/aw6y-fc44 | 引用时指明版本号 |
| S6 | OGTT | 原型设计要求 | 因文件损坏未收集 | 以"未收集"为准（坑 5） |
| S7 | 文件时间戳 | 页内文件 Modified 2022-07-31 | 版本 v1.1.2 发布 2023-09-18 | 注明时间戳不代表发布日 |
| S8 | 区域可达性 | 许可开放 ODC-By | 部分地区显示不可用 | 双提示（坑 7） |
| S9 | 局限声明 | PhysioNet 页"无已知局限" | 同页承认 OGTT 缺失 | 以客观事实为准（§4） |
| S10 | 配套代码 S3 版本 | 用法页 S3 URL 用 1.1.2 | 最新版为 1.1.3 | 提示替换版本段（§6.3） |
附录 C：核心硬数字速查
| 数字 | 值 | 来源 |
|---|---|---|
| 受试者数 | 16 | PhysioNet 数据描述 |
| 年龄范围 | 35–65 岁 | PhysioNet 纳入标准 |
| A1C 范围 | 5.2–6.4% | PhysioNet 纳入标准 |
| 佩戴时长 | 8–10 天 | PhysioNet 数据描述 |
| 血糖采样 | 每 5 分钟 | PhysioNet 数据描述 |
| PPG 采样率 | 64 Hz | PhysioNet 数据描述 |
| EDA / 皮温采样率 | 4 Hz | PhysioNet 数据描述 |
| 加速度采样率 | 32 Hz | PhysioNet 数据描述 |
| HR 采样率 | 1 Hz | PhysioNet 数据描述 |
| 特征路数 | 7 路（+Food_Log+Demographics） | PhysioNet 数据描述 |
| 总未压缩体量 | 34.1 GB | PhysioNet Files |
| ZIP 体量 | 4.7 GB | PhysioNet 下载 |
| 同步测量数 | 25,000 | npj 2021 摘要 |
| 预处理 epochs | 26,380 | Sensors 2025 Table 1 |
| 偏移检测准确率 | ≤84% | npj 2021 摘要 |
| 血糖预测准确率 | ≤87% | npj 2021 摘要 |
| TIR（第三方复用） | 97.87% | Sensors 2025 Table 1 |
| 最新版 DOI | 10.13026/aw6y-fc44 | PhysioNet v1.1.3 |
| 最新版发布日 | 2026-04-13 | PhysioNet |
| 许可 | ODC-By 1.0 | PhysioNet |
附录 D：本条目编写元信息
| 项 | 值 |
|---|---|
| 编写代理 | agent-f-bigideasgl |
| 编写日期 | 2026-10-10 |
| 事实核验时点 | 2026-10-10 |
| 核验方法 | PhysioNet 项目页 × npj Digit Med 2021 × Sensors 2025 三源互证 |
| 网络预算使用 | WebSearch 3 / WebFetch 2（均在纪律包 §2.5 上限内） |
| 查重结论 | 库内无同名；仅命中 wearable-exam-stress(807)，非撞库 |
| 锁文件 | writing/big-ideas-glycemic-wearable/.lock |
| 遗留疑点 | 见 §9 与附录 B（肤色/种族未披露、高正常与确诊亚组人数、food log 对齐精度） |
| 建议互链点 | cgmacros(待入库)、mimic-iv-ext-ecg-glucose(998)、wearable-exam-stress(807)、mimic-iii-ext-ppg(928)、physionet-cinc-2016(382) |
本条目由千方病案医学编辑部整理，事实核验时点 2026-10-10。所有硬数字均经 PhysioNet 项目页、npj Digital Medicine 2021 原始论文、Sensors 2025 第三方复用论文三源互证。数据获取与使用请以 PhysioNet 官方页最新信息及许可条款为准。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- d1namo — 共享标签：生理信号 / 可穿戴传感 / 时序数据 / 糖尿病视网膜病变
- daphnet-fog — 共享标签：生理信号 / 可穿戴传感 / 时序数据
- cgmacros — 共享标签：生理信号 / 可穿戴传感 / 队列研究
- acl-jumplanding-mocap — 共享标签：生理信号 / 时序数据 / 队列研究
- mhealth — 共享标签：生理信号 / 可穿戴传感 / 时序数据
- uci-har — 共享标签：生理信号 / 可穿戴传感 / 时序数据
- gait-in-aging — 共享标签：生理信号 / 可穿戴传感 / 时序数据
- mesa-sleep — 共享标签：生理信号 / 可穿戴传感 / 队列研究
- ieeepg — 共享标签：生理信号 / 可穿戴传感 / 时序数据
- fantasia — 共享标签：生理信号 / 时序数据 / 队列研究
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
