Multilevel Monitoring of Activity and Sleep in Healthy People — 22 人 24 小时逐搏心脏×腕部三轴加速度×心理量表×唾液激素多层级身心生理公开数据集

INFOBOX — MMASH 一屏速览

维度	内容
本质	22 名健康年轻成年男性的 24 小时多层级身心生理响应公开数据集（非挑战赛、非临床队列）
平台	PhysioNet（RRID:SCR_007345），Version 1.0.0，2020-06-19 上线
团队	比萨大学（计算机系+药学系）联合 IMT Lucca、Oxford 工程科学系、BioBeats/Huma
数据论文	Data (MDPI) 2020;5(4):91（doi:10.3390/data5040091，2020-09-25 发表）
规模	22 名受试者 × 每人 7 个 CSV = 154 个数据文件；解压后约 23.5 MB
模态	逐搏 RR 间期 + 逐秒三轴加速度/步数/HR/倾斜计 + 睡眠质量 + 19 项心理量表 + 12 类活动日志 + 唾液皮质醇/褪黑素/时钟基因
设备	Polar H7 心率带 + ActiGraph wGT3X-BT 活动记录仪（金标准可穿戴）
时长	连续 24 小时（跨两天两夜；day=1 / day=2）
许可	ODbL v1.0，PhysioNet 完全公开免申请（Anyone can access）
缺失	User_21 无唾液数据（有效唾液样本 21 人）
代码	官方 GitHub RossiAlessio/MMASH（Code_MMASH.ipynb）
典型任务	HRV 分析、睡眠质量×心理状态相关、压力/情绪预测、活动识别、昼夜节律建模
库内互链	isruc-sleep（262）、sleep-edf（73）、cinc-2018-sleep（493）、mros-sleep（292）、mesa-sleep（302）

MMASH（Multilevel Monitoring of Activity and Sleep in Healthy People）是"把一个人一整天的身心状态同时记录下来"的数据集：它不满足于只测心跳，也把腕部的每一次晃动、每一秒的步数、一夜的睡眠深浅、一整天的焦虑与情绪打分、乃至唾液里皮质醇和褪黑素的浓度一并打包。22 名健康年轻成年男性、连续 24 小时、每人 7 个 CSV 文件——这就是它对"多层级（multi-level）"的兑现方式。对可穿戴健康研究而言，它的价值不在于样本量，而在于它是少数同时给出逐搏心脏信号 + 客观活动记录 + 主观心理量表 + 生化激素四层信息、且完全免费公开的数据集。

导语读法三则：

1. 只想下数据：直奔 §6 获取与许可——ODbL v1.0，PhysioNet 一条 wget 命令即可全量拉取，无需任何申请（§6.2）。
2. 做 HRV/睡眠研究：直奔 §4 与 §5——逐搏 RR 与逐秒加速度的规格、9 项睡眠指标、19 项量表列名一次看全。
3. 关心数据可靠性与陷阱：直奔 §7 与 §9——性别单一、样本量 22、User_21 唾液缺失、单位口径笔误，逐条列清。

§0 导读：这个数据集解决什么问题

可穿戴设备让"一天 24 小时、一周 7 天"地记录生理数据成为可能，心率（HR）、心率变异性（HRV）、睡眠质量和体力活动于是被越来越多人当作"幸福感（well-being）预测"的原材料。但预测要准，前提是训练与验证的数据本身包含足够丰富、彼此对齐的"参照真相（ground truth）"。现实是：多数公开数据集只提供单一层级的信号——要么是逐搏 RR 间期，要么是一份活动记录，要么是一份睡眠量表，很少有一个数据集把生理、行为与心理三层在同一个受试者、同一段 24 小时内同时记录下来。

MMASH 就是冲着这个缺口来的。作者在数据论文中明确点出：据其所知，文献中没有既能提供长时段逐搏数据、又同时关联活动记录与心理信息的公开数据集。已有的两个逐搏间期（IBI）公开数据集——PhysioNet 的 Normal Sinus Rhythm RR Interval Database（nsr2db）与 Congestive Heart Failure RR Interval Database（chf2db）——虽然提供长时间 RR 序列，却缺少唾液压力生物标志物、体力活动与心理信息，因而"无法获得受试者的完整视图"，可能因个体差异导致误读。

MMASH 的回答是把四层信息压进同一个人、同一段 24 小时：

1. 生理层：Polar H7 心率带记录的逐搏 RR 间期（ibi_s），构成 HRV 分析的原始输入。
2. 行为层：ActiGraph wGT3X-BT 腕部活动记录仪逐秒记录的三轴加速度、每秒步数、心率与倾斜计姿态；外加人工填写的 12 类活动日志。
3. 睡眠层：由活动记录仪推导的睡眠质量指标（总睡眠时间 TST、入睡后觉醒 WASO、睡眠碎片化指数等），并与主观 PSQI 量表对照。
4. 心理与生化层：MEQ 时型、STAI 状态/特质焦虑、BIS/BAS 行为抑制-激活、每日压力（DSI）、正负情绪（PANAS）等 19 项量表得分，以及睡前醒后唾液中的皮质醇、褪黑素与时钟基因表达。

这样的设计让研究者可以在单个数据集上直接检验"客观睡眠质量 vs 主观 PSQI"、“日常压力 vs 心率变异性”、"情绪 vs 活动量"等跨层级关系，而不必跨多个数据集做脆弱的样本拼接。作者在 PhysioNet 页给出的典型用法即包括：用 PSQI（感知睡眠质量）与褪黑素/皮质醇/碎片化指数（观测睡眠质量）对照，并以个体特征（日常压力、焦虑、前一日情绪、日常活动）为协变量；或者训练机器学习模型从心血管响应（HR/HRV）与活动记录数据中识别日常活动、情绪、压力与个体倾向。

§0 读法三则：

1. 这个条目是"金标准可穿戴基线数据集"的样本：它的权威性来自设备与采集协议（Polar H7 + ActiGraph），而非样本规模——请勿把 22 人的小样本当作流行病学队列使用（§9）。
2. 全文事实以 PhysioNet 官方数据页（v1.0.0）与 MDPI 数据论文（Data 2020;5(4):91）为源；两处的日期、DOI 与机构名口径差异已在 §9 与坑点逐条存照。
3. 检索时注意"MMASH"是数据集缩写，而非论文标题缩写——论文正式标题是《A Public Dataset of 24-h Multi-Levels Psycho-Physiological Responses in Young Healthy Adults》（坑 1）。

§1 数据集速览：十问十答

Q1：MMASH 是什么？全称怎么拼？
Multilevel Monitoring of Activity and Sleep in Healthy People（健康人群活动与睡眠多层级监测）。日常以缩写 MMASH 指代。它提供 22 名健康受试者 24 小时连续的逐搏心脏数据、三轴加速度数据、睡眠质量、体力活动与心理特征（焦虑状态、压力事件、情绪），并额外提供唾液生物标志物（皮质醇、褪黑素）与活动日志。

Q2：有多少人、多少数据？
22 名健康年轻成年男性。每人一个目录（user_1 至 user_22），每目录 7 个 CSV 文件，合计 154 个数据文件。打包后 ZIP 约 22.7 MB，解压后约 23.5 MB。对同类多模态生理数据集而言体量很小——因为它记录的是"深度"而非"广度"：少量人、短窗口、多层级。

Q3：采集了什么设备？
两种金标准设备连续佩戴 24 小时：Polar H7 心率带（Polar Electro Inc.，Bethpage, NY, USA）记录心跳与逐搏间期；ActiGraph wGT3X-BT 活动记录仪（ActiGraph LLC, Pensacola, FL, USA）记录加速度、睡眠质量与体力活动。唾液样本由受试者在家自行采集于专用小管（睡前与醒后各一次）。

Q4：每个人到底有哪 7 个文件？
user_info.csv（人口学）、sleep.csv（睡眠）、RR.csv（逐搏间期）、questionnaire.csv（心理量表）、Activity.csv（活动日志）、Actigraph.csv（加速度）、saliva.csv（唾液激素）。详见 §2 的文件字典。

Q5：心理量表都测了什么？
19 项得分，涵盖：MEQ（晨昏时型 16-86）、STAI-Y1/STAI-Y2（状态/特质焦虑 20-80）、PSQI/Pittsburgh（睡眠质量 0-21）、BIS/BAS（行为抑制/激活，含 Bis/Drive/Reward/Fun 四子因子）、Daily_stress（DSI 每日压力 0-406）、PANAS（正负情绪 5-50，记录于 10/14/18/22 点及次日 9 点）。

Q6：睡眠数据是客观还是主观？
两者都有。sleep.csv 给出由活动记录仪推导的客观指标（卧床时间、入睡时间、入睡潜伏期效率、总睡眠时间 TST、入睡后觉醒 WASO、觉醒次数与平均时长、活动指数、碎片化指数、睡眠碎片化指数）；questionnaire.csv 的 PSQI 则是主观量表。两者可交叉验证。

Q7：唾液里测了什么？
皮质醇（cortisol，单位 μg/100μg 蛋白）、褪黑素（melatonin，单位 μg/μg 蛋白）与特定时钟基因表达；每名受试者两个样本——睡前一个、醒后一个。注意 User_21 因唾液样本问题全程缺失。

Q8：数据是免费公开的吗？
是，且是无条件公开。License 为 Open Database Commons Open Database License (ODbL) v1.0；PhysioNet 的访问政策原文是"Anyone can access the files, as long as they conform to the terms of the specified license"——任何人访问、无需申请、无需签署数据使用协议（DUA）。这是它与多数需 DUA 的临床数据集（如 MIMIC）最大的区别。

Q9：能直接用来做什么？
官方定位是"测试体力活动、睡眠质量与心理特征之间的相关性"。具体可用面包括：HRV 时域/频域分析、睡眠-心理相关性研究、压力与情绪预测、日常活动识别、昼夜节律建模，以及像 PhysioMTL（arXiv:2203.12595）那样做个体化生理模式的多任务学习（§7）。

Q10：为什么它值得单独收条目？
因为它是"金标准可穿戴多层级基线"的代表：样本虽小，但四层信息在同一人同一 24 小时内严格对齐，且完全公开。对任何要验证"可穿戴推断心理状态是否可行"的研究，它是一个无需申请、可复现的起点。其后续维护触发点与遗留疑点见 §9。

§1.5 三分钟背景：为什么"多层级"是关键词

要理解 MMASH 的价值，先要理解"单层级数据集"的天花板在哪里。

§1.5.1 单层级数据集的三个断裂

过去十年，可穿戴健康研究依赖的公开数据集大多是"单层级"的，每个都有各自的断裂面：

断裂一：生理信号与行为分离。 绝大多数逐搏 RR 数据集（如 PhysioNet 上的 NSR RR Interval Database、CHF RR Interval Database）只提供心跳间期序列。研究者可以算 HRV，但无法知道受试者当时在做什么——是在跑步、在开会、还是在睡觉。而 HRV 对活动状态极度敏感（同一人在静息与运动时的 HRV 可以差一个数量级）。缺少行为上下文，HRV 的"异常"可能只是"刚跑完步"。

断裂二：行为与心理分离。 活动监测数据集（如 Pamap2）提供加速度与活动标签，但没有心理量表。研究者知道受试者"做了什么"，不知道"感觉如何"。而"同样一次快步走，对焦虑者与放松者的生理响应是不同的"——这正是个体差异的来源。

断裂三：客观与主观分离。 睡眠研究领域尤其明显：PSG 数据集提供客观睡眠分期，但往往缺主观睡眠质量；睡眠问卷数据集提供 PSQI 得分，但没有客观记录。"客观睡得差但主观觉得睡得好"这类现象，只有主客观并存的数据集才能研究。

§1.5.2 MMASH 如何缝合三条断裂

MMASH 的设计正是针对这三条断裂逐一对症：

断裂	MMASH 的缝合
生理 × 行为	逐搏 RR（RR.csv）与逐秒加速度（Actigraph.csv）同一时间轴始终对齐
行为 × 心理	活动日志（Activity.csv）与 19 项心理量表（questionnaire.csv）同一受试者
客观 × 主观	客观睡眠指标（sleep.csv）与主观 PSQI（questionnaire.csv）同一夜可对照

此外它还额外加了第四条信息：生化层（唾液皮质醇/褪黑素/时钟基因），把"心理生理响应"一路延伸到分子层面。四层缝合后，研究者可以问的问题从"心率多少"升级为"这个人在压力大的那天、睡眠差的夜里、与情绪低落时，心率变异性呈现什么模式"——这是单层级数据集答不了的。

§1.5.3 “healthy” 一词的两面性

数据集名字里的 “in Healthy People” 既是卖点也是限制：

作为卖点：健康受试者的数据是"金标准基线"。要检测异常，先要有正常参照。药物、疾病、治疗都会干扰生理信号，健康年轻受试者提供了干扰最少、最干净的参考分布。

作为限制：它意味着数据集不能直接用于疾病检测。任何"用 MMASH 训练疾病诊断模型"的尝试都是范畴错误——因为里面没有一例病人。它的合理用途是：建立正常范围的基线、做人体的可行性验证（feasibility）、开发可在患者数据上再验证的方法原型。

§1.5.4 小样本的"深度优先"哲学

MMASH 的 22 人 × 24 小时 × 7 文件，是一种刻意的"深度优先"取舍：

• 广度优先的数据集（如 UK Biobank、All of Us）：数十万人，但每人数据浅（几次测量或单一模态）。
• 深度优先的数据集（如 MMASH）：极少人，但每人数据深（连续多模态、多层级）。

两种哲学服务不同问题。广度优先回答"人群层面的关联"（如"睡眠差的人是否更易患高血压"）；深度优先回答"个体层面的机制"（如"同一人睡眠与 HRV 的日内耦合如何形成"）。MMASH 属于后者——它是对"一个人一整天是什么样"的高保真切片，而非对"一群人平均是什么样"的统计画像。

理解这一点，才能正确判断一篇论文是否该用 MMASH：如果研究问题是"个体化建模/机制探索/方法可行性"，MMASH 合适；如果是"流行病学关联/人群推断"，MMASH 样本量远远不够（坑 12）。

§1.5.5 数据集定位的一句话与一张图

如果用一句话概括 MMASH 在整个可穿戴数据集版图中的坐标：

它是"一个人的完整一天"的高保真样本，而不是"一群人的平均画像"——用深度换广度，用公开换传播。

如果用一张心智图定位它相对其他数据集的位置：

维度	广度优先（人多）	深度优先（人多模态深）
代表	UK Biobank、All of Us	MMASH
每人数据	浅（单次/单模态）	深（24h × 多层级）
典型问题	人群关联	个体机制
样本量	十万级	十级
分析范式	统计推断	方法验证/个体建模

把 MMASH 放在这张图的右下方（深层、少量），就能快速判断一个研究问题是否与其匹配。

§1.6 数据集的"第一印象"清单

初识 MMASH 者常有的五个第一印象，逐条校正：

1. “22 人太少了” —— 对于"多层级、连续、多模态"的采集，22 人是深度优先的正常选择，不是缺陷（§1.5.4）。
2. “就是个心率数据集” —— 心率只是四层之一，另有行为、睡眠、心理、生化共五类模态（§2.9）。
3. “要申请才能下” —— 恰恰相反，ODbL 完全公开、免申请，是它最大的优势之一（§6.2）。
4. “都是健康人所以没用” —— 健康基线是检测异常的前提，且方法可迁移到患者数据再验证（§1.5.3）。
5. “数据太小不值一提” —— 23.5 MB 但信息密度极高，是"低算力门槛 × 高信息密度"的罕见组合（§7.2.3）。

§2 数据字典：七个 CSV 逐一拆解

MMASH 的全部数据组织为"每人一目录、每目录七文件"的规整结构。这一节把七个 CSV 的字段、单位与语义逐条拆开，作为使用者的字段地图。

§2.1 目录与文件组织

mmash/1.0.0/
├── LICENSE.txt          （25.2 KB，ODbL v1.0 全文）
├── SHA256SUMS.txt       （152 B，文件校验和）
├── MMASH.zip            （22.7 MB，全部数据打包）
└── user_1/ ... user_22/ （解压后；每人 7 个 CSV）
    ├── user_info.csv
    ├── sleep.csv
    ├── RR.csv
    ├── questionnaire.csv
    ├── Activity.csv
    ├── Actigraph.csv
    └── saliva.csv

读法提示：PhysioNet 页列的 <base> 目录下直接是 LICENSE.txt / MMASH.zip / SHA256SUMS.txt；解压 MMASH.zip 后得到 user_1 至 user_22 共 22 个目录。下载前建议用 SHA256SUMS.txt 校验完整性。

§2.2 user_info.csv —— 人口学特征

字段	单位	语义
gender	M/F	性别，M=男性、F=女性（本数据集全为 M）
height	cm	身高
weight	kg	体重
age	年（yrs）	年龄

要点：论文与 PhysioNet 页均称受试者为 “healthy young adult males”（健康年轻成年男性），实际数据全为 M。具体年龄分布（均值±标准差）需按此文件实测统计——官方页面未在正文给出汇总数值（§9 待核）。

§2.3 sleep.csv —— 睡眠时长与质量（客观指标）

字段	单位	语义
In Bed Date	1/2	上床日（第 1 天或第 2 天）
In Bed Time	时:分	上床时刻
Out Bed Date	1/2	起床日
Out Bed Time	时:分	离床时刻
Onset Date	1/2	入睡日
Onset Time	时:分	入睡时刻
Latency Efficiency	百分比	睡眠时间占卧床总时间的比例（入睡潜伏期效率）
Total Minutes in Bed	分钟	每夜卧床总分钟数
Total Sleep Time (TST)	分钟	每夜总睡眠时长
Wake After Sleep Onset (WASO)	分钟	入睡后觉醒时间
Number of Awakenings	次	夜间觉醒次数
Average Awakening Length	秒	夜间平均每次觉醒时长
Movement Index	百分比	无活动分钟数占活动期的百分比（手臂活动周期数）
Fragmentation Index	百分比	有活动分钟数占静止期的百分比（无手臂活动周期数）
Sleep Fragmentation Index	比值	活动指数与碎片化指数之比

要点：这一文件是"客观睡眠"的核心。TST、WASO、Fragmentation Index 均来自活动记录仪算法，可与 questionnaire.csv 的 PSQI（主观）对照，是作者推荐的典型研究切口。

§2.4 RR.csv —— 逐搏间期（HRV 原始输入）

字段	单位	语义
ibi_s	秒	相邻两次心跳之间的间期（inter-beat interval）
day	1/2	记录日（第 1 天或第 2 天）
time	时:分:秒	心跳发生的当日时刻

要点：这是逐搏（beat-to-beat）序列，是 HRV 时域（SDNN/RMSSD/pNN50）与频域（LF/HF）分析的直接输入。记录跨两天（day=1/2），使用时通常按 day 切分或按连续时间轴拼接。

§2.5 questionnaire.csv —— 19 项心理量表得分

字段	取值范围	语义与阈值
MEQ	16-86	晨昏时型：≤41 晚型、42-58 中间型、≥59 晨型
STAI1（STAI-Y 状态焦虑）	20-80	<31 低/无焦虑、31-49 平均或临界、>50 高焦虑
STAI2（STAI-Y 特质焦虑）	20-80	同上分档
PSQI / Pittsburgh	0-21	匹兹堡睡眠质量指数，<6 表示睡眠质量良好
BIS/BAS: Bis	—	对厌恶性事件的敏感度（促进回避行为）
BIS/BAS: Drive	—	个体坚持性与动机强度
BIS/BAS: Reward	—	奖励响应性（达成目标时的正向情绪倾向）
BIS/BAS: Fun	—	寻求乐趣（与冲动和即时奖励相关）
Daily_stress	0-406	DSI 每日压力（58 项，Likert 1-7）；值越高压力频率与强度越大
PANAS（10/14/18/22/9+1 多时点）	5-50	正负情绪；列名中 10/14/18/22 为当日时点，9+1 表示次日 9 点

要点：(1) 论文称 questionnaire.csv 含 19 项得分，PhysioNet 页按列描述；实际列数（尤其 PANAS 因多时点展开）以 CSV 为准核对（§9 待核）。(2) DSI 为 58 题自评，PANAS 记录 5 个时点，这些都带时间信息，可做日内动态分析。(3) 阈值口径来自 PhysioNet 页所引原始文献（Horne & Ostberg 1976 等），使用时建议同时引其方法学来源。

§2.6 Activity.csv —— 12 类活动日志

活动类别对应 CSV 中每个活动的数字 ID：

ID	活动	说明
1	sleeping	睡眠
2	laying down	躺卧
3	sitting	坐，如学习、进食、驾驶
4	light movement	轻活动，如慢/中速步行、家务、工作
5	medium	中等，如快步走、骑车
6	heavy	重活动，如健身、跑步
7	eating	进食
8	small screen usage	小屏使用，如手机、电脑
9	large screen usage	大屏使用，如电视、影院
10	caffeinated drink	咖啡因饮料，如咖啡、可乐
11	smoking	吸烟
12	alcohol assumption	饮酒

字段：Start 与 End 为当日时刻（时:分），day 为记录日（1/2）。

要点：这是人工填写的活动日志（activity diary），是"行为层"的主观补充，可与 Actigraph.csv 的客观加速度对照做活动识别（activity recognition）的标签。注意原文 “laying down” 与 “alcohol assumption”（应为 consumption）的措辞以原文为准。

§2.7 Actigraph.csv —— 逐秒三轴加速度与姿态

字段	单位	语义
Axis1	“Newton-meter”（页面原文）	X 轴原始加速度
Axis2	“Newton-meter”（页面原文）	Y 轴原始加速度
Axis3	“Newton-meter”（页面原文）	Z 轴原始加速度
Steps	每秒步数	步数（每秒计）
HR	bpm	心率（每分钟心跳数）
Inclinometer Off	0/1（每秒）	倾斜计未激活（1=未激活）
Inclinometer Standing	0/1（每秒）	1=站立姿态
Inclinometer Sitting	0/1（每秒）	1=坐姿
Inclinometer Lying	0/1（每秒）	1=躺姿
Vector Magnitude	“Newton-meter”（页面原文）	由原始加速度导出的向量幅值
day	1/2	记录日
time	时:分:秒	心跳发生时刻

要点：(1) 这是逐秒数据，24 小时约 86,400 行/人，是本数据集体量的主要来源。(2) 单位标注为 “Newton-meter” 系 PhysioNet 页面原文口径——工程上加速度常用 m/s² 或 g，此标注疑为页面笔误，按原样存照（§9）。(3) 倾斜计四态（Off/Standing/Sitting/Lying）是姿态推断的现成标签。

§2.8 saliva.csv —— 唾液激素与时钟基因

字段	单位	语义
Sample	睡前/醒后	采样时点（每晚睡前 1 个 + 每晨醒后 1 个 → 每人 2 个）
Melatonin	μg/μg 蛋白	褪黑素浓度
Cortisol	μg/100μg 蛋白	皮质醇浓度
（时钟基因）	—	特定 clock genes 表达诱导

要点：(1) 每名受试者两个样本（睡前、醒后），用于捕捉昼夜节律的激素变化。(2) User_21 因唾液样本问题未提供任何时钟基因与激素浓度数据——有效唾液样本实为 21 人（§9）。(3) 采集要求受试者在研究前停药至少一周（washout period ≥1 周），以排除药物对激素的干扰。

§2.9 七文件速查表

文件	层级	粒度	主要用途
user_info.csv	人口学	每受试者 1 行	协变量、分层
sleep.csv	睡眠（客观）	每夜 1 行	睡眠质量建模、与 PSQI 对照
RR.csv	心血管	逐搏	HRV 分析
questionnaire.csv	心理	每受试者（多时点）	焦虑/压力/情绪/时型协变量
Activity.csv	行为（主观）	事件级	活动识别标签
Actigraph.csv	行为（客观）	逐秒	活动/姿态/HR 建模
saliva.csv	生化	每受试者 2 样本	昼夜节律、压力生化标志物

§2.10 跨文件连接键与对齐逻辑

七个文件不是孤立表格，而是通过一组隐式主键连接起来的多层级数据立方。理解连接键是正确使用的前提：

连接维度	键	涉及文件	说明
受试者	user_N 目录名（1-22）	全部	最外层分割；每个目录 = 一个受试者
记录日	day ∈	RR / Activity / Actigraph	24 小时跨两日，day 区分第 1 天与第 2 天
时刻	time（时:分:秒）	RR / Actigraph	日内时间戳，用于时序对齐
夜次	In/Out/Onset Date ∈	sleep	睡眠指标的夜次编号
采样时点	Sample（睡前/醒后）	saliva	每受试者两个时点

对齐要点：

1. day 与夜次的关系：sleep.csv 用 In Bed Date/Out Bed Date（1/2）标示夜次，而 RR.csv / Actigraph.csv 用 day（1/2）标示记录日。跨文件拼接时要注意"第 N 天的活动"与"第 N 夜的睡眠"在时间上的交错关系（比如 day=2 的凌晨睡眠属于哪一夜）。
2. 时区与本地时间：所有时间字段均为本地时间的"时:分"或"时:分:秒"字符串，不含时区与日期完整信息（日期只有 1/2 的粗粒度）。跨午夜分析需自行补全日期。
3. 不规则对齐：心理量表（questionnaire.csv）是每受试者一行（PANAS 展开为多时点列），并不与 RR/Actigraph 的逐秒/逐搏时间轴逐点对应；它的时间信息只体现在 PANAS 列名（10/14/18/22/9+1）里。做"某时刻 HRV vs 该时刻情绪"的分析时，需要人工把量表时点映射到时间轴。
4. 唾液两点对齐：唾液只有睡前与醒后两个时点，粒度远低于 RR/Actigraph；做日内激素趋势分析时须接受"只有两个采样点"的信息上限。

一句话：MMASH 的"多层级"不是自动对齐好的宽表，而是需要研究者按上述键自行 join 的关系型集合。这一点在使用前必须有清醒认识。

§2.11 数据体量估算（供容量规划）

文件	每人大致行数	22 人合计（估）	说明
RR.csv	约 9 万-11 万行（逐搏）	约 200-240 万行	心率约 60-80 bpm × 86400 s
Actigraph.csv	约 8.6 万行（逐秒）	约 190 万行	24h × 3600 s
sleep.csv	约 2 行	约 44 行	每夜一行
questionnaire.csv	约 1 行（多列）	约 22 行	每受试者一行
Activity.csv	数十行（事件级）	约 1000+ 行	依活动次数而定
user_info.csv	1 行	22 行	每受试者一行
saliva.csv	2 行	约 42 行	睡前+醒后（User_21 缺）

要点：文件数量的"大头"集中在 RR.csv 与 Actigraph.csv 两个高频时序文件上，而信息密度最高的心理/生化数据反而行数极少。使用时的内存与算力瓶颈几乎总在这两个高频文件。也正是这两个文件决定了数据集约 23.5 MB 的体量——这个数字在时序数据里其实相当轻量，可在普通笔记本上全量加载。

§3 数据采集协议与伦理

§3.1 采集主体与分工

数据由 BioBeats（biobeats.com）联合比萨大学研究者采集与提供。BioBeats 是一家健康科学企业，生产用于检测心理生理压力的 IoT 可穿戴设备。数据由运动与健康科学家、心理学家、化学家共同记录，目标是评估受试者对压力刺激与睡眠的心理生理响应。这种跨学科分工正是数据集能覆盖"生理+心理+生化"三层的原因。

§3.2 受试者招募与知情同意

• 招募：22 名健康年轻成年男性。
• 知情同意：受试者在研究开始前签署知情同意书，内容涵盖研究方案、可能风险与数据使用方式。
• 合规依据：符合 GDPR（Regulation EU 2016/679，2016-04-27 欧洲议会与理事会关于自然人个人数据处理保护及此类数据自由流动的条例）与 赫尔辛基宣言（2013 修订版）。
• 伦理批准：研究经比萨大学伦理委员会批准，编号 #0077455/2018。

§3.3 采集流程时间线

1. 基线期：记录开始时采集人口学特征（年龄、身高、体重）。
2. 初始问卷：受试者填写一组问卷，提供心理状态基线——MEQ（晨昏时型）、STAI-Y（状态/特质焦虑）、PSQI（睡眠质量）、BIS/BAS（行为抑制/激活）。
3. 连续 24 小时记录：受试者连续佩戴两件设备——Polar H7 心率带（逐搏心跳与间期）与 ActiGraph wGT3X-BT（加速度、睡眠质量、体力活动）。
4. 日内情绪自评：在一天中的不同时点（10 点、14 点、18 点、22 点及次日 9 点）记录感知情绪（PANAS）；睡前填写 Daily Stress Inventory（DSI）总结当日压力事件。
5. 唾液采样：每天两次（睡前与醒后），受试者在家用专用小管采集唾液，用于提取 RNA、测量特定时钟基因的诱导并评估特定激素。
6. 前置条件：研究要求受试者停药洗脱期不少于一周。

§3.4 设备规格小结

设备	型号	记录内容
心率带	Polar H7（Polar Electro Inc., Bethpage, NY, USA）	心跳与逐搏间期（→ RR.csv）
活动记录仪	ActiGraph wGT3X-BT（ActiGraph LLC, Pensacola, FL, USA）	三轴加速度、睡眠质量、体力活动（→ Actigraph.csv、sleep.csv）
唾液采集管	专用小管（受试者在家采集）	皮质醇、褪黑素、时钟基因（→ saliva.csv）

§3.5 与同类 IBI 数据集的定位差异

作者在数据论文中明确比较对象：

数据集	逐搏 IBI	活动记录	心理信息	唾液激素
NSR RR Interval Database（nsr2db）	有	无	无	无
CHF RR Interval Database（chf2db）	有	无	无	无
MMASH	有	有	有	有

这一对照是 MMASH 论文的核心卖点：它不是在"逐搏数据"维度上更大，而是在跨层级覆盖维度上更全——这正是"多层级监测"（multilevel monitoring）一词的落点。研究者由此可评估"被个体特征（如个体差异导致的 HR 响应不同）误导"的风险。

§3.6 采集协议的复现要点

若要在新的研究中复现 MMASH 的采集范式（如采集本地健康受试者的多层级数据），以下协议要点值得记录：

1. 工具组合：一台胸带式心率监测器（记录逐搏 RR）+ 一台腕部三轴活动记录仪（记录加速度/步数/姿态）是"多层级"的硬件最小集。MMASH 用的是 Polar H7 与 ActiGraph wGT3X-BT。
2. 问卷时序：基线问卷（MEQ/STAI/PSQI/BIS-BAS）在记录开始前一次性填写；状态类问卷（PANAS）在日内多时点重复；压力问卷（DSI）在睡前汇总当日。这种"基线 + 多次状态 + 睡前总结"的设计能同时捕捉稳定特质与瞬时状态。
3. 唾液采样时点：睡前与醒后各一次，捕捉激素的昼夜极点。采集后需低温保存并尽快检测（MMASH 中有 1 例因样本问题失败，说明唾液链路脆弱）。
4. 洗脱期：至少一周停药，排除药物对心率、激素的干扰。
5. 时长：连续 24 小时覆盖一个完整的睡眠-觉醒周期，是可分析的最小单元（更短则无法覆盖昼夜两侧）。
6. 知情同意：须覆盖数据用途、风险与合规（MMASH 遵循 GDPR 与赫尔辛基宣言，并经伦理委员会批准）。

这套协议的可复制性，正是 MMASH 论文所强调的方法学贡献之一——它不仅发布数据，也示范了一种可推广的多层级采集流程。

§3.7 受试者负担与依从性

多层级采集对受试者负担不轻：连续 24 小时佩戴两件设备、在五个时点填情绪问卷、睡前填压力清单、两次采集唾液。这种负担解释了为什么样本量只有 22——不是不能招更多，而是高质量的多层级采集本身就排斥大样本。

理解这一点有助于正确看待"22 人"这个数字：它是"深度采集"的必然结果，而非设计缺陷。研究者选择 MMASH 时应接受这一取舍，而不是抱怨样本小——若要大样本，就应转向广度优先的数据集（但那会失去多层级深度）。

§4 规格与规模：硬数字全景

本节把 MMASH 的规模与规格数字集中列出，所有数字均标注来源，便于引用时溯源。

§4.1 受试者与文件

维度	数值	来源
受试者数	22 名健康年轻成年男性	PhysioNet 页 / 论文摘要
每人文件数	7 个 CSV	PhysioNet 页 Data Description
数据文件总数	154 个（22 × 7）	计算
唾液有效样本	21 人（User_21 缺失）	PhysioNet 页 saliva.csv 说明
记录时长	连续 24 小时（跨两夜，day=1/2）	PhysioNet 页
解压后总大小	23.5 MB	PhysioNet 页 “Total uncompressed size”
ZIP 下载大小	22.7 MB	PhysioNet 页
LICENSE.txt	25.2 KB	PhysioNet 文件列表
SHA256SUMS.txt	152 B	PhysioNet 文件列表

§4.2 采样规格

数据	采样/粒度	说明
RR 间期（RR.csv）	逐搏（beat-to-beat）	每次心跳一个 ibi_s 值，24h 约 10 万+ 拍
加速度（Actigraph.csv）	逐秒	24h 约 86,400 行/人
步数	每秒	每秒步数
心率（Actigraph HR）	每秒（bpm 值）	与 Polar 心率带互为参考
倾斜计四态	每秒	Off/Standing/Sitting/Lying
睡眠指标（sleep.csv）	每夜	每夜一行
心理量表（questionnaire.csv）	每受试者（PANAS 含 5 时点）	19 项得分
活动日志（Activity.csv）	事件级	start/end/day
唾液（saliva.csv）	每受试者 2 样本	睡前 + 醒后

§4.3 体量的"小"与"深"

MMASH 解压后仅 23.5 MB，在动辄数百 GB 的影像数据集面前很小。但这种"小"是设计取舍的结果：少量受试者 × 短时间窗 × 多层级深度。它的价值不在统计功效，而在于：

1. 层级对齐：四层信息（生理/行为/睡眠/心理生化）严格对齐到同一人同一时段，直接支持跨层级相关分析。
2. 金标准设备：Polar H7 与 ActiGraph 是公认参考级硬件，可作为"真值"校准消费级腕表算法。
3. 完全公开：无需申请即可复现（§6）。
4. 可作基线：对"可穿戴推断心理状态/压力"的探索性研究，22 人提供了最小的可复现基线。

使用警示：任何声称在 MMASH 上得到"统计显著"结论的研究，都应明确报告小样本（n=22）带来的置信区间宽度与过拟合风险，并优选留一受试者交叉验证（leave-one-subject-out）而非随机切分（§9）。

§4.4 数据的多模态构成

层	模态	数据类型	文件
生理	心电（逐搏 RR）	时序	RR.csv
生理	心率（bpm）	时序	Actigraph.csv
行为	三轴加速度	时序	Actigraph.csv
行为	步数	时序	Actigraph.csv
行为	姿态（倾斜计）	时序（分类）	Actigraph.csv
行为	活动日志	事件	Activity.csv
睡眠	睡眠指标	每夜	sleep.csv
心理	量表得分	每受试者/多时点	questionnaire.csv
生化	激素与基因	每受试者 2 样本	saliva.csv
人口学	年龄/身高/体重/性别	每受试者	user_info.csv

§5 任务与标注：能做什么

MMASH 是一个"多用途原始数据 + 多类标注"的数据集。本节把可支撑的典型任务与已有的标注体系分层说明。

§5.1 可支撑的任务类型

（1）心率变异性（HRV）分析
由逐搏 RR 序列计算时域指标（均值 RR、SDNN、RMSSD、pNN50）与频域指标（VLF/LF/HF、LF/HF 比）。配合 questionnaire.csv 的 STAI 焦虑、DSI 压力、PANAS 情绪，可检验"心理应激 vs 自主神经调节"的关联——这正是作者推荐的核心研究切口。

（2）睡眠质量与心理状态相关
用 sleep.csv 的客观指标（TST、WASO、Fragmentation Index）与 questionnaire.csv 的 PSQI（主观）、STAI（焦虑）、MEQ（时型）做相关分析。例如：主观感知睡眠质量（PSQI）与观测睡眠质量（褪黑素、皮质醇、碎片化指数、睡眠时长）是否一致，以及个体特征（日常压力、前日情绪、日间活动）如何调节这种关系。

（3）压力与情绪预测
以 HR/HRV 与活动记录为特征，预测 PANAS 情绪得分或 DSI 压力——即 PhysioMTL（arXiv:2203.12595）所走的路线（§7）。这类研究直接对应"从腕表信号被动推断幸福感"的应用。

（4）体力活动识别（activity recognition）
Actigraph.csv 的逐秒加速度/步数为特征，Activity.csv 的 12 类活动 ID 为标签，训练分类器识别睡眠、躺、坐、轻/中/重活动、进食、屏幕使用、咖啡因、吸烟、饮酒。类别的行为学标签完整且细粒度。

（5）昼夜节律（circadian rhythm）建模
唾液褪黑素/皮质醇 + 睡眠-觉醒时间 + 活动量的日内变化，可建模个体昼夜节律。MEQ 提供时型标签（晨型/中间型/晚型）作为协变量。

（6）生理信号的多任务/个性化学习
PhysioMTL 的范式：为每名受试者学一个个体化的日间节律模型，并用最优传输在多任务框架下跨受试者迁移，仅用 20% 受试者训练即可预测未见受试者。

§5.2 标注体系分层

MMASH 的"标注"不同于图像数据集的框/掩码，而是多层级的测量与自评：

标注来源	类型	内容	客观性
心理量表	自我报告	MEQ/STAI-Y/PSQI/BIS-BAS/DSI/PANAS（19 项）	主观
活动日志	人工记录	12 类活动 start/end	主观
设备信号	客观测量	RR/加速度/步数/HR/倾斜计	客观
实验室检测	生化测量	皮质醇/褪黑素/时钟基因	客观
睡眠算法	算法推导	TST/WASO/碎片化指数	半客观
人口学	测量	年龄/身高/体重/性别	客观

要点：主观与客观标注并存，是 MMASH 相对纯信号数据集的独特价值——它允许研究"主观感知与客观测量的偏差"，这本身就是一个研究问题（如主观 PSQI vs 客观睡眠碎片化指数）。

§5.3 不适合的任务（边界声明）

• 疾病检测/诊断：全部为健康受试者，无疾病标签，不能用于临床诊断模型。
• 人群泛化研究：n=22、全男性、地域集中，不足以支撑流行病学结论。
• 长期趋势分析：仅 24 小时窗口，无季节性/纵向信息。
• 跨设备直接迁移：设备型号固定（Polar H7 + ActiGraph），迁移到其他硬件需重新校准。

§5.4 使用前置检查清单（8 项）

1. 许可确认：ODbL v1.0——署名（Attribution）+ 相同方式共享（ShareAlike）+ 保持开放。若你的衍生数据库对外发布，需以 ODbL 或兼容许可发布。
2. 样本量声明：明确报告 n=22，采用留一受试者交叉验证或分层报告，避免小样本过拟合。
3. 性别边界：数据集全为男性，勿外推至女性或混合人群，结论须限定"健康年轻成年男性"。
4. 唾液缺失处理：涉及唾液的分析须排除 User_21（有效 n=21）。
5. 时区/时间轴：day=1/2 与 time 字段需正确拼接连续时间轴；跨午夜记录注意日期翻转。
6. 单位核对：Actigraph 加速度单位页面标注 “Newton-meter” 疑为笔误，使用前实测确认量纲（§9）。
7. 主观-客观配对：PSQI 与客观睡眠指标分别来自不同文件，配对时以受试者 ID 与夜次为键。
8. 引用规范：数据本身引 PhysioNet（10.13026/cerq-fc86），方法学引数据论文（10.3390/data5040091）。

§5.5 最小可用示例（伪代码）

# 以官方 GitHub RossiAlessio/MMASH 的 Code_MMASH.ipynb 思路为例
for user_id in range(1, 23):
    base = f"user_{user_id}"
    info   = read_csv(f"{base}/user_info.csv")      # 人口学
    rr     = read_csv(f"{base}/RR.csv")             # 逐搏间期 → HRV
    acti   = read_csv(f"{base}/Actigraph.csv")      # 逐秒加速度
    sleep  = read_csv(f"{base}/sleep.csv")          # 客观睡眠
    quest  = read_csv(f"{base}/questionnaire.csv")  # 19 项量表
    diary  = read_csv(f"{base}/Activity.csv")       # 12 类活动
    if user_id != 21:                               # User_21 无唾液
        saliva = read_csv(f"{base}/saliva.csv")
    hrv = compute_hrv(rr["ibi_s"])                  # 时域/频域
    correlate(hrv, quest["STAI1"], quest["Daily_stress"])  # 应激 vs HRV

# 注意：小样本务必走 leave-one-subject-out，而非随机切分

官方 Notebook（Code_MMASH.ipynb）提供完整的读取与分析范例，社区 fork（costantino2000/MMASH-with-dependencies）另附预处理与建模脚本（1_Preprocess_all / 2_Create_datasets / 3_Test_models），可用于快速搭建实验管线（§7）。

§5.6 HRV 分析实操：从 ibi_s 到指标

逐搏 RR 序列是 MMASH 心血管分析的核心资产。从 RR.csv 的 ibi_s 到可用的 HRV 指标，典型流程如下：

（1）数据清洗

• 剔除异常搏动：生理上合理的 RR 间期约在 300-2000 ms（对应 30-200 bpm）。极短（<300 ms）或极长（>2000 ms）的间期通常是伪迹（漏搏/多搏），需剔除或插值。
• 剔除伪迹段：运动伪影会污染 RR 序列，常用 Malik 准则或基于相邻间期差 >20% 的过滤。
• 分段：HRV 分析通常取 5 分钟（短时）或 24 小时（长时）窗口。MMASH 的 24 小时连续记录适合两种尺度——但要结合活动日志区分"静息段"与"活动段"，否则日间活动会主导结果。

（2）时域指标

指标	全称	含义
Mean RR	平均 RR 间期	反映平均心率（= 60000/Mean RR bpm）
SDNN	RR 间期标准差	总体变异性
RMSSD	相邻 RR 差的均方根	短时变异，反映副交感（迷走）活动
pNN50	相邻 RR 差 >50 ms 的比例	副交感活动指标
CVNN	SDNN/Mean RR	归一化变异

（3）频域指标（需对 RR 序列重采样后做功率谱）

频带	频率范围	主要反映
VLF	<0.04 Hz	长时调节、体温等
LF	0.04-0.15 Hz	混合（交感+副交感）
HF	0.15-0.4 Hz	副交感（呼吸性窦性心律不齐）
LF/HF	比值	交感-副交感"平衡"（解释有争议）

（4）与心理量表关联
把每个受试者的 HRV 指标（如 24h RMSSD、夜间 HF 功率）与其 questionnaire.csv 的 STAI 焦虑、DSI 压力、PANAS 情绪做相关。这是作者推荐的核心切口，也是 PhysioMTL（§7.2）所走的路线。注意 n=22 的相关系数置信区间很宽，不宜解读为强证据。

§5.7 活动识别实操：从逐秒加速度到 12 类

Actigraph.csv 提供逐秒三轴加速度与倾斜计，Activity.csv 提供 12 类活动的人工标签。活动识别任务的典型流程：

1. 特征工程：以滑动窗口（常用 10-30 秒）从三轴加速度提取时域特征（均值、方差、能量、轴间相关、信号幅值面积 SMA）与频域特征（FFT 主频、谱熵）。倾斜计四态（Off/Standing/Sitting/Lying）可直接作为姿态特征。
2. 标签对齐：把 Activity.csv 的 start/end 时间区间映射到加速度的逐秒时间轴，为每个窗口打上活动 ID（1-12）。
3. 类别合并：12 类中样本量差异巨大（"睡眠/坐/躺"多，"吸烟/饮酒"少），实践中常合并为粗类（静止/轻/中/重活动）以降不平衡。
4. 建模与验证：用留一受试者交叉验证评估分类精度——这是小样本活动识别的标准做法。
5. 注意类别语义：ID 10-12（咖啡因/吸烟/饮酒）是行为事件而非运动强度，加速度特征对其区分力弱（喝咖啡本身不产生明显运动信号），研究者常需依赖日志而非加速度来识别。

要点：活动识别是本数据集少数带"现成标签"的监督任务之一，但标签来自人工日志，存在漏记/错记，且类别不平衡严重。使用时应报告类别分布，不可默认均衡。

§5.8 昼夜节律分析实操

昼夜节律（circadian rhythm）是 MMASH 最有特色也最依赖多层级的分析方向。可整合的信号包括：

• 激素层：睡前与醒后的皮质醇/褪黑素——正常模式下皮质醇清晨高、夜间低；褪黑素夜间高、日间低。两个采样点虽少，但仍能刻画节律方向。
• 睡眠-觉醒层：sleep.csv 的 In Bed/Out Bed/Onset 时刻给出睡眠相位。
• 活动层：Actigraph.csv 的逐秒活动量做日内活动节律（可用余弦拟合估计相位与振幅）。
• 时型层：questionnaire.csv 的 MEQ 得分给出主观时型（晨型/中间型/晚型）。

典型研究问题：主观时型（MEQ）与客观睡眠相位（Onset 时刻）是否一致？激素节律相位与活动节律相位是否同步？晚型者的皮质醇节律是否整体后移？

执行提示：单次 24 小时、每人两个激素采样点，决定了节律分析是探索性而非确证性的。结论应表述为"提示关联"而非"证明机制"。

§6 获取与许可：完全公开的关键细节

MMASH 在"可获取性"上是数据集光谱中最开放的一档：无需申请、无需 DUA、无 gated 限制。这一节把许可、访问政策与版本链讲清。

§6.1 许可：ODbL v1.0

• 许可名称：Open Data Commons Open Database License (ODbL) v1.0
• 许可全文：随数据分发（LICENSE.txt，25.2 KB）
• 核心条款：
  1. 署名（Attribution）：使用需注明数据来源（引 PhysioNet 与数据论文）。
  2. 相同方式共享（ShareAlike）：基于本数据库的衍生数据库若对外发布，须以 ODbL 或兼容许可发布。
  3. 保持开放（Keep Open）：不得对数据库施加额外技术或法律限制。
• 与论文许可的区别：数据本体受 ODbL v1.0 约束；数据论文（Data 2020;5(4):91）是 MDPI 开放获取文章，受 CC BY 4.0 约束。二者是两个不同的许可对象，引用时不可混淆（坑 6）。
• 商业使用：ODbL 允许商业使用（在满足署名与 ShareAlike 前提下），与 CC BY-NC 系列不同——这对健康科技公司利用 MMASH 训练模型是有利条件。

§6.2 访问政策：无条件公开

PhysioNet 页面 Access Policy 原文：

Anyone can access the files, as long as they conform to the terms of the specified license.
（任何人均可访问这些文件，只要其遵守指定许可的条款。）

这意味着：

• 无需注册账户即可下载文件。
• 无需提交 DUA（数据使用协议）。
• 无需机构隶属说明。
• 与需要 credentialed access 的临床数据集（如 MIMIC-IV 需 CITI 培训 + DUA）形成鲜明对比。

§6.3 三种下载方式

方式 A：网页直接下载 ZIP
在 PhysioNet 数据页点击 Download ZIP（22.7 MB）。

方式 B：终端 wget 递归下载（PhysioNet 官方给出）

wget -r -N -c -np https://physionet.org/files/mmash/1.0.0/

方式 C：AWS CLI 同步（PhysioNet 官方给出）

aws s3 sync --no-sign-request s3://physionet-open/mmash/1.0.0/ DESTINATION

完整性与校验：下载后建议用同目录 SHA256SUMS.txt（152 B）核对文件哈希。

§6.4 版本链与 DOI 双口径

项	值	说明
当前版本	1.0.0	PhysioNet Versions 仅列此一项
版本发布日期	2020-06-19	PhysioNet 页 “Published”
DOI (v1.0.0)	10.13026/cerq-fc86	版本锚定，正引
DOI (latest)	10.13026/sntf-5s35	跨版本恒指针
数据论文	Data 2020;5(4):91，doi:10.3390/data5040091	2020-09-25 发表

关键提醒：PhysioNet 数据页的 “Published June 19, 2020” 早于数据论文的 “Published 25 September 2020” 约三个月——数据先上线、论文后发表。引用时若写"2020 年数据与论文同月发布"即与事实不符（坑 2）。DOI 也有两个（版本锚 vs 恒指针），正式引用建议用 v1.0.0 的 cerq-fc86 并说明版本。

§6.5 引用范式（三种）

引用数据本体（PhysioNet）：

Rossi, A., Da Pozzo, E., Menicagli, D., Tremolanti, C., Priami, C., Sirbu, A., Clifton, D., Martini, C., & Morelli, D. (2020). Multilevel Monitoring of Activity and Sleep in Healthy People (version 1.0.0). PhysioNet. RRID:SCR_007345. https://doi.org/10.13026/cerq-fc86

引用数据论文（方法学）：

Rossi, A., Da Pozzo, E., Menicagli, D., Tremolanti, C., Priami, C., Sîrbu, A., Clifton, D. A., Martini, C., & Morelli, D. (2020). A Public Dataset of 24-h Multi-Levels Psycho-Physiological Responses in Young Healthy Adults. Data, 5(4), 91. https://doi.org/10.3390/data5040091

引用 PhysioNet 平台（数据来源平台惯例）：

Pollard, T., Moody, B. E., Lehman, L., Gow, B., Fernandes, C., Xie, C., Johnson, A., Mark, R. G., & Heldt, T. (2026). PhysioNet as a global platform for biomedical research. Nature Health, 1(8), 792-795. https://doi.org/10.1038/s44360-026-00096-z

§7 评估与生态：谁在用、怎么用

MMASH 本身不是挑战赛数据集，没有内置 leaderboard 或官方基准。它的"评估"来自外部研究的复用。这一节梳理验证方式与生态证据。

§7.1 数据验证方式（论文口径）

论文摘要的措辞是：“Data were validated through different analyses that showed their compatibility with the literature.”（数据经多种分析验证，显示其与文献相容。）具体对应三组：

1. 睡眠：主观 PSQI vs 客观活动记录仪睡眠质量指标（TST/WASO/碎片化指数）的对照。
2. 心血管：逐搏 RR 推导的 HRV 指标，与文献中健康成人范围比较。
3. 激素：皮质醇/褪黑素的昼夜变化，与文献昼夜模式一致性。

这种"与文献相容"的验证范式是数据论文的常规做法——它证伪的是"数据不可信"，而非"数据有独特发现"。

§7.2 外部使用实证：PhysioMTL

PhysioMTL（Physiological Multitask-Learning，arXiv:2203.12595；作者 Jiacheng Zhu, Gregory Darnell, Agni Kumar, Ding Zhao, Bo Li, Xuanlong Nguyen, Shirley You Ren）是 MMASH 的代表性下游工作：

• 动机：HRV 是自主神经系统活动的无创指标，但对急性压力源（体力活动、心理压力、水合状态、酒精、睡眠）敏感；可穿戴设备的测量不规律且压力源未被捕获，会偏置常规分析方法。
• 方法：在多任务学习（MTL）框架内结合**最优传输（Optimal Transport）**理论，为每个受试者学习个体化的昼夜节律预测模型，并估计一个最优传输映射，将预测推前到人口学特征上。
• 用 MMASH 做什么：把 MMASH 作为两个真实世界数据集之一（另一个是 Apple Heart & Movement Study，AHMS，不公开）。仅用 20% 的受试者训练，即可预测未见（held-out）受试者的 HRV 节律，显著优于竞争性 MTL 方法。
• 反事实引擎：可生成急性压力源与慢性状况对 HRV 节律的影响。
• 代码：论文称将开放 MMASH 实验的复现代码；MMASH 官方 Python API 为 github.com/RossiAlessio/MMASH。

意义：这证明 MMASH 虽小，却足以支撑需要个体化建模的前沿方法研究——因为它的多层级、长时间、逐搏对齐特性，恰好匹配"个体化生理节律"这条研究线。

§7.2.1 PhysioMTL 为什么选 MMASH：数据匹配度分析

PhysioMTL 之所以把 MMASH 作为真实世界验证集，不是偶然——两者在数据形态上高度匹配：

PhysioMTL 的需求	MMASH 的供给
逐搏 HRV 序列（建模对象）	RR.csv 逐搏 ibi_s ✔
个体化节律（每受试者一个模型）	每人 24h 连续记录 ✔
急性压力源标注（反事实）	PANAS/DSI 心理量表 ✔
人口学特征（传输映射目标）	user_info.csv ✔
可公开复现	ODbL 完全公开 ✔

论文强调：仅用 20% 受试者训练即可预测未见受试者，这在小样本场景下恰恰是价值所在——因为 MMASH 只有 22 人，方法必须"学得高效"才有意义。PhysioMTL 也明确对比了 AHMS（Apple Heart & Movement Study）——后者不公开，因此 MMASH 成为该研究唯一可被第三方复现的数据基础。

对使用者的启示：如果你想在 MMASH 上做方法研究，"个体化 + 小样本高效学习"是一条被验证过的路径；相反，"大数据 + 通用模型"的路线在 22 人上注定失败。

§7.2.2 MMASH 的其他下游方向

除 PhysioMTL 外，MMASH 的公开性使其成为多个研究方向的标准测试床：

1. HRV 与心理状态关联：最常见的使用模式——算 HRV 指标，与 STAI/PSQI/PANAS 做相关。
2. 睡眠主客观一致性：PSQI（主观）vs sleep.csv（客观）的系统比较。
3. 压力检测算法原型：以 HRV + 活动为特征，DSI/PANAS 为标签，验证"可穿戴能否推断压力"。
4. 活动识别：Actigraph 逐秒 + Activity 日志的监督学习。
5. 多模态表征学习：把 RR/加速度/量表作为不同模态，研究跨模态对齐与融合。
6. 教学与基准复现：作为生理信号处理课程的数据源。

这些方向的共同点是：它们都不需要大数据集，而是需要"多层级、对齐好、可公开"的数据——这正是 MMASH 的定位。

§7.2.3 复现 PhysioMTL 类型研究的门槛评估

想在 MMASH 上复现类似 PhysioMTL 的研究，所需资源大致如下：

资源	需求	说明
数据下载	~23 MB	一条 wget 命令，几分钟
计算	单机 CPU 可跑	22 人数据量极小，无需 GPU
编程	Python + 科学栈	NumPy/Pandas/Scikit-learn
领域知识	HRV 生理学基础	理解时域/频域指标含义
方法知识	多任务/个体化建模	若做法学研究
时间	数小时至数天	视方法复杂度

关键洞察：MMASH 的"轻量"（23 MB、单人可跑）与"深度"（多层级、逐搏）结合，使它在"低算力门槛 × 高信息密度"这个维度上非常独特。它让没有大数据基础设施的研究者也能做有意义的方法学探索——这是它被广泛复用的现实原因。

§7.3 引用与使用量（抓取时点 2026-10-03）

指标	数值	来源
Google Scholar 引用	53	Scholar 主入口
Google Scholar 引用（另一入口）	26	Scholar 备用入口
Scopus 引用	34	PlumX
CrossRef 引用	31	PlumX
PhysioNet Project Views（当前版本）	879	PhysioNet 页
PhysioNet Project Views（所有版本）	879	PhysioNet 页

口径提醒：Scholars 两个入口给出 53 与 26，Scopus 34、CrossRef 31——四个数字互不相同，源自不同索引库的收录范围与时点差异。引用时应写明"据 X 库，截至 Y 时点"（坑 8）。

§7.4 官方与社区代码生态

官方仓库：github.com/RossiAlessio/MMASH（作者 Alessio Rossi 本人）

• 内容：Code_MMASH.ipynb（数据读取与分析 Notebook）、function_code/、README、logo 图
• 32 commits，最后提交约 2020-09-24
• README 明确：“The Python Notebook provided in this repository is useful to read and analyze MMASH dataset.”

社区 fork：github.com/costantino2000/MMASH-with-dependencies

• 定位：附带预处理与测试脚本的 fork
• 新增三个主脚本：1_Preprocess_all（生成 -processed 文件）、2_Create_datasets（生成训练集）、3_Test_models（测试与结果）；另有 extract_sleep_features（睡眠特征提取）
• 复现环境：Windows 11 23H2 + VSCode + Python 3.8.10
• 价值：把"读数据"升级为"跑实验"的完整管线，降低复用门槛

§7.5 生态位小结

MMASH 处在一个交叉点上：

• 平台侧：PhysioNet（RRID:SCR_007345）——与 MIMIC、CinC 系列同平台，检索入口统一。
• 方法侧：HRV 分析、可穿戴推断、多任务学习、个体化节律建模。
• 应用侧：健康科技（BioBeats/Huma 本身即商业公司）、消费级腕表算法验证。
• 数据侧：与 SoBigData（欧盟 H2020 研究基础设施）关联，是其数据生态的一部分。

§8 相关工作与定位

§8.1 相比同类 IBI 数据集

作者明确指出仅有少数公开数据集提供长时段逐搏数据，且均未关联活动记录与心理数据：

数据集	平台	逐搏 IBI	活动记录	心理	唾液激素
NSR RR Interval Database	PhysioNet	✔	✘	✘	✘
CHF RR Interval Database	PhysioNet	✔	✘	✘	✘
MMASH	PhysioNet	✔	✔	✔	✔

MMASH 的不可替代性正在于后三列——它把长时段逐搏数据放在了行为与心理的上下文里。

§8.2 相比睡眠专用数据集

库内已有的睡眠数据集（isruc-sleep、sleep-edf、cinc-2018-sleep、mros-sleep、mesa-sleep）多为多导睡眠图（PSG）或脑电（EEG）导向，聚焦睡眠分期本身。MMASH 的睡眠信息是活动记录仪推导的客观指标 + PSQI 主观量表，不含脑电，但独有"睡眠×心理×心血管×生化"的同人多层级对齐。两者互补而非替代。

§8.3 相比可穿戴日常活动数据集

库内 ppg-dalia（腕部 PPG 日常活动）、pamap2（体力活动监测）等聚焦活动识别本身。MMASH 的活动数据（逐秒加速度 + 12 类日志）体量更小，但附加了心理与激素层，可用于"活动→情绪→生理"的链条研究。

§8.4 独家特征三方对照

特征	MMASH	纯 IBI 数据集	睡眠 PSG 数据集	活动监测数据集
逐搏心脏信号	✔	✔	部分	✘
客观活动/加速度	✔	✘	✘	✔
睡眠质量（客观+主观）	✔	✘	✔	部分
心理量表（多项）	✔	✘	✘	✘
唾液激素/时钟基因	✔	✘	✘	✘
无申请公开	✔（ODbL）	视情况	视情况	视情况
样本量	22	大	中	中-大

一句话定位：MMASH 不是任何单一维度的"最大"数据集，而是唯一把心血管、行为、睡眠、心理、生化五层压进同一人同一 24 小时且完全公开的小样本金标准数据集。它的用途是"深度验证"与"个体化建模"，而不是"规模化训练"。

§8.5 许可生态对照：ODbL 在医疗数据中意味着什么

把 MMASH 的 ODbL 许可放到医疗健康数据集的许可光谱里看，它的位置相当特殊：

许可类型	例子	是否需申请	商业可用	ShareAlike
ODbL（MMASH）	MMASH	否	可	是
CC BY（论文）	MMASH 数据论文	否	可	否
CC BY-NC	部分影像数据集	否	否	否
DUA/Credentialed	MIMIC-IV、eICU	是（培训+协议）	视协议	—
请求制	部分病理数据集	是（邮件申请）	视协议	—
受限访问	dbGaP、EGA	是（多层审批）	否	—

MMASH 落在"最开放"一档——无需申请、可商用、仅要求署名与 ShareAlike。这对两个场景特别重要：

1. 健康科技公司：可在合规前提下直接用 MMASH 做算法原型与基准，无需走冗长的数据协议流程。事实上采集方 BioBeats/Huma 本身就是商业公司。
2. 教学与可复现研究：教师与学生可零门槛下载全量数据做课程项目，审稿人可独立复现——这大幅降低了"可复现性危机"的风险。

代价：ShareAlike 条款意味着你若基于 MMASH 构建并对外发布衍生数据库，该衍生库也须以 ODbL 发布。对只想内部使用、不发布的团队无影响；对想以专有许可发布衍生数据产品的团队，须先评估这一约束。

§8.6 与 PhysioNet 平台生态的关系

MMASH 是 PhysioNet（RRID:SCR_007345）托管的上千个数据集之一。PhysioNet 由 MIT Laboratory for Computational Physiology 维护，获 NIH（NIBIB、NHLBI 及主任办公室）资助（U24EB037545、R01EB030362）。这一平台背景对 MMASH 有三个实务意义：

1. 统一的检索与下载入口：与 MIMIC、CinC 挑战赛系列同平台，研究者可用同一套工具链（如官方 wfdb Python 包虽主要面向波形，但下载/校验流程统一）。
2. 长期可持续性：PhysioNet 有稳定的机构与经费支持，DOI 恒指针保证链接长期有效，降低了"数据集链接失效"的风险。
3. 平台引用惯例：使用 PhysioNet 数据通常需同时引数据本体与平台论文（见 §6.5 第三种引用范式）。

与库内关系：本库内 cinc-2011 至 cinc-2023 系列、mimic 系列、mimic-iv-ecg、vitaldb 等均托管或关联于 PhysioNet，MMASH 与它们在平台层面构成"PhysioNet 家族"可互链。

§8.7 生态缺口：MMASH 没有的配套资产

诚实评估一个数据集，也要看它缺什么：

常见配套资产	MMASH 是否具备	影响
官方 leaderboard / 基准分数	✘	无法直接对比不同方法的排名
标准 train/val/test 划分	✘	评测协议需研究者自定，可比性弱
统一预处理管线（官方）	部分（Notebook 演示）	社区 fork 补充了脚本
标准化数据格式（非 CSV）	✘	无 Parquet/Arrow/波形格式，大文件读取慢
术语本体映射（FHIR/OMOP）	✘	接入临床数据管道需自行映射
版本迭代	✘（仅 1.0.0）	数据勘误无法通过新版本修正
数据字典 schema 文件	✘	字段说明只在网页与论文，无机读 schema

解读：这些缺口多是小样本数据论文数据集的通病。它们不影响 MMASH 作为"深度探索基线"的价值，但意味着把它工程化接入生产管道需要额外工作（格式转换、schema 定义、本体映射）。对研究用途影响有限；对产品化用途则是隐性成本。

§8.8 谁应该用、谁不该用 MMASH

应该用：

• 研究 HRV 与心理状态关联的团队（心理生理学）。
• 开发可穿戴推断压力/情绪算法并需要"干净的参照数据"的团队。
• 做睡眠主客观一致性研究的团队。
• 做个体化/多任务生理建模方法研究（如 PhysioMTL）的团队。
• 教学场景（生理信号处理、可穿戴数据分析课程）。

不该用：

• 需要大规模训练深度模型的团队（22 人远不够）。
• 做疾病诊断/检测的团队（无病人数据）。
• 做人群流行病学推断的团队（样本不具代表性）。
• 需要长时间纵向数据的团队（只有 24 小时）。

这一节的意义在于：一份 FAQ 不仅要告诉使用者"能做什么"，更要明确划出"不该做什么"的边界——这恰是 AI-Ready 数据集条目应有的诚实。

§9 坑点与存照：十二条使用警示

以下坑点均来自官方页面与论文原文的实测核验，涉及字段名、单位、日期、许可与样本一致性等易踩雷处。

坑 1：数据集缩写 ≠ 论文标题，检索时别拿"MMASH"当论文名搜。
“MMASH” 是 Multilevel Monitoring of Activity and Sleep in Healthy People 的缩写。数据论文的正式标题是《A Public Dataset of 24-h Multi-Levels Psycho-Physiological Responses in Young Healthy Adults》——标题里根本没有 “MMASH” 三个字母。若用 “MMASH” 检索论文，命中率低；应改用标题关键词或 DOI 10.3390/data5040091。反之，若要找数据本体，用 “MMASH” 或 “PhysioNet mmash” 命中最佳。

坑 2：日期双口径——数据上线早于论文发表约三个月。
PhysioNet 数据页写 Published June 19, 2020；数据论文写 Published 25 September 2020。两者相差约 3 个月。这不是错误，而是"数据先上线、论文后发表"的正常流程，但引用时若统一写成一个日期即失真。本条目按"数据 2020-06-19 / 论文 2020-09-25"两处分别标注。

坑 3：DOI 双口径——版本锚 vs 恒指针。
PhysioNet 页同时给出 DOI (v1.0.0) = 10.13026/cerq-fc86 与 DOI (latest) = 10.13026/sntf-5s35。前者锚定 1.0.0 版本，后者是跨版本恒指针。正式引用数据本体应用 cerq-fc86 并注明 version 1.0.0；若只想指向"最新"，才用 sntf-5s35。混用会导致参考文献指向不明。

坑 4：User_21 没有唾液数据，别默认 22 人都有。
PhysioNet 页明确：“No clock genes and hormones concentrations data was provided for User_21 due to problem in the salivary samples that do not permit to analyse it.”（User_21 因唾液样本问题无法分析，未提供时钟基因与激素浓度数据。）任何涉及 saliva.csv 的分析，有效样本是 21 人而非 22 人。若代码里对 user_21 直接读取 saliva.csv，会报错或得到空表。

坑 5：单位口径存疑——Actigraph 加速度标注为 “Newton-meter”。
PhysioNet 页把 Axis1/2/3 与 Vector Magnitude 的单位写成 “Newton-meter”（牛顿·米，即力矩单位）。工程上加速度的常见单位是 m/s² 或 g，而非 N·m。这疑为页面笔误（可能本意是某个加速度相关量纲）。本条目按原文口径存照，使用者在计算物理量前应实测数据范围确认量纲，切勿照搬 “Newton-meter” 做物理推导。

坑 6：许可分层——数据是 ODbL，论文是 CC BY。
数据本体（PhysioNet MMASH.zip）受 ODbL v1.0 约束（署名 + ShareAlike + 保持开放）；数据论文（Data 2020;5(4):91）是 MDPI 开放获取，受 CC BY 4.0 约束。二者是两个不同的许可对象：你可以按 CC BY 自由转载论文，但衍生数据库必须按 ODbL 的 ShareAlike 发布。把两者混为一谈会导致合规错误。

坑 7：机构名双口径——BioBeats vs Huma Therapeutics。
PhysioNet 页标注 Davide Morelli 的隶属为 “Biobeats Group LTD, London, UK”；数据论文页标注为 “Huma Therapeutics Limited, London SW1P 4QP, UK”。这是同一主体的更名/并入关系（BioBeats 后被 Huma 收购/整合）。引用机构时应说明时点，避免被误认为两家不同公司。

坑 8：引用量四口径——53 / 26 / 34 / 31 各不相同。
Google Scholar 主入口显示 53、Scholar 备用入口显示 26、PlumX 显示 Scopus 34 与 CrossRef 31。四个数字来自不同索引库、不同收录时点。引用时必须写明"据 X 库，截至 Y 时点"，直接写"被引 53 次"会在不同库的读者那里对不上。

坑 9：受试者身份口径——是学生还是普通志愿者？
SoBigData 项目页写 “22 University of Pisa students”（22 名比萨大学学生）；PhysioNet 页只写 “22 healthy young adult males”，未明写学生身份。这是两处来源的口径差异。本条目双口径存照：可能受试者多为比萨大学学生，但官方数据页未确认，严谨表述应为"22 名健康年轻成年男性（SoBigData 页称其为比萨大学学生，PhysioNet 页未标注身份）"。

坑 10：年龄统计无现成汇总值，需自行从 user_info.csv 计算。
官方页面与论文摘要只用定性词 “young healthy adults” / “young adult males”，未在正文给出年龄均值±标准差。若研究需报告受试者年龄分布，必须自行从 22 个 user_info.csv 汇总计算，不能引用一个"官方年龄均值"——因为并不存在这样一个官方数字。

坑 11：问卷"19 项得分"与列数需实测核对。
论文称 questionnaire.csv 含 “nineteen scores”（19 项得分），而 PANAS 因记录了 5 个时点（10/14/18/22/次日 9 点）大概率会展开为多列。因此"19 项"是量表项目数，实际 CSV 列数可能更多（PANAS 多时点 + BIS/BAS 四子因子展开）。使用前应直接 head questionnaire.csv 核对待解析的列名，不要假设列数等于 19（§9 待核）。

坑 12：小样本 + 全男性，结论泛化是最大陷阱。
n=22、全为健康年轻成年男性、单次 24 小时窗口——这三条叠在一起，意味着任何在 MMASH 上得到的组间差异结论都极易过拟合，且无法外推到女性、老年人或患病人群。使用须走留一受试者交叉验证，并在论文中明确限定适用人群。把 MMASH 当成"可穿戴健康大数据集"来做泛化声称，是本数据集最常见的误用。

§9.5 数据质量诊断：自查清单

拿到 MMASH 后，建议在做分析前跑一遍以下自查，以在早期发现数据问题而非在建模后才暴露：

（A）完整性自查

检查项	期望	异常处理
user_1 至 user_22 目录齐全	22 个	缺目录 = 下载不完整，重下
每目录 7 个 CSV	22×7=154	缺文件 = 解压问题
user_21/saliva.csv	存在但无数据	预期行为，勿当错误（坑 4）
SHA256SUMS.txt 校验	全部匹配	不匹配 = 传输损坏

（B）数值范围自查

文件·字段	生理合理范围	越界含义
RR.csv ibi_s	约 0.3-2.0 s	越界多为伪迹，需清洗
Actigraph HR	约 40-200 bpm	越界多为信号丢失
Actigraph Steps	≥0 整数	负数 = 解析错误
questionnaire MEQ	16-86	越界 = 表被改
questionnaire PSQI	0-21	越界 = 异常
questionnaire STAI	20-80	越界 = 异常
questionnaire Daily_stress	0-406	越界 = 异常
questionnaire PANAS	5-50	越界 = 异常
saliva Melatonin/Cortisol	非负	负数 = 错误

（C）时序对齐自查

• 检查 RR.csv 与 Actigraph.csv 的 time 字段是否落在同一 24 小时窗口内。
• 检查 day 字段取值是否仅 {1, 2}（跨两日）。
• 检查 sleep.csv 的 In Bed Time 与 Out Bed Time 是否合理（跨午夜时 Out < In 是正常的）。

（D）一致性自查

• sleep.csv 的 TST 应 ≤ Total Minutes in Bed（睡眠不长于卧床）。
• Latency Efficiency 应在 0-100% 之间。
• WASO 应 ≤ Total Minutes in Bed。

要点：以上自查可在 30 行左右的脚本内完成，强烈建议加入任何基于 MMASH 的分析流水线开头。小数据集的"脏"往往藏得很浅，早查早省事。

§9.6 双口径冲突汇总表

为便于引用者快速查阅，把本条目所有双口径冲突集中列出：

项	口径 A	口径 B	处理
数据发布日期	PhysioNet：2020-06-19	论文：2020-09-25	两处分别标注（坑 2）
DOI	v1.0.0：10.13026/cerq-fc86	latest：10.13026/sntf-5s35	引用用 A，说明版本（坑 3）
采集机构	PhysioNet：Biobeats Group LTD	论文：Huma Therapeutics Ltd	说明更名时点（坑 7）
受试者身份	PhysioNet：未标注	SoBigData：比萨大学学生	双口径并存（坑 9）
引用量	Scholar 53 / 另一入口 26	Scopus 34 / CrossRef 31	注明库与时点（坑 8）
加速度单位	PhysioNet：Newton-meter	工程常识：m/s² 或 g	按原文存照（坑 5）

原则：凡遇双口径，既不擅自"择一为准"，也不含糊其辞——并列存照 + 标注来源 + 说明可能原因，让读者自行判断。这是数据条目面对原始文档不一致时应有的态度。

§10 DAIMS 评估

DAIMS 从**可发现性（Discoverability）、可访问性（Accessibility）、互操作性（Interoperability）、元数据（Metadata）、可持续性（Sustainability）**五个维度评估数据集。下表为 MMASH 的逐项评分与依据。

维度	评级	评分（1-5）	依据
D — Discoverability（可发现性）	优	5	托管于 PhysioNet（RRID:SCR_007345），平台检索入口统一；有专属 DOI（10.13026/cerq-fc86）；数据论文发表于 MDPI Data，Google Scholar/Scopus/CrossRef 多库收录；关键词（HRV、sleep、wearable）命中良好；链接 SoBigData 项目页
A — Accessibility（可访问性）	优	5	Access Policy 明确"Anyone can access"，无需注册、无需 DUA、无 gated；提供 ZIP 直下、wget 递归、AWS s3 sync 三种方式；ODbL v1.0 条款清晰；随附 SHA256SUMS.txt 校验
I — Interoperability（互操作性）	良	4	全部为纯文本 CSV，任意语言/工具可解析；字段语义在 PhysioNet 页逐列说明；含标准心理量表（PSQI/STAI/PANAS/BIS-BAS/MEQ）便于跨研究比对；扣分项：无标准本体/术语编码（无 OMOP/FHIR 映射），时间戳为本地"时:分"字符串而非 ISO 8601，加速度单位口径存疑（坑 5）
M — Metadata（元数据）	良	4	PhysioNet 页提供完整的字段级 Data Description、设备型号与厂商、伦理批准号（#0077455/2018）、知情同意与合规声明（GDPR/赫尔辛基）、资助信息（H2020 654024）、引用范式；数据论文提供方法学与验证细节；扣分项：无独立 schema 文件（如 JSON-LD/Frictionless），年龄等汇总统计未给出
S — Sustainability（可持续性）	优	5	PhysioNet 由 MIT Laboratory for Computational Physiology 长期维护，获 NIH（U24EB037545、R01EB030362）资助；DOI 恒指针（sntf-5s35）保证长期解析；ODbL 保证数据可永久开放再分发；SHASUMS 保证完整性；官方 GitHub 仓库与社区 fork 提供代码延续性

综合：23/25（优）——最大优势在可访问性与可持续性（完全公开 + 权威平台长期托管），最大短板在互操作性（无标准本体映射、时间格式非标准）。

DAIMS 使用建议：

• 若你要把它接入标准化管道（如 FHIR/OMOP），需自行做字段到术语标准的映射。
• 若你只是做探索性生理信号分析，开箱即用的 CSV 已足够。
• 引用时务必保留 DOI 与版本号，以支撑 PhysioNet 的持久化承诺。

附录 A：七文件字段总表

文件	字段	单位/取值	语义
user_info.csv	gender	M/F	性别
user_info.csv	height	cm	身高
user_info.csv	weight	kg	体重
user_info.csv	age	yrs	年龄
sleep.csv	In Bed Date/Time	1/2 · 时:分	上床日/时刻
sleep.csv	Out Bed Date/Time	1/2 · 时:分	起床日/时刻
sleep.csv	Onset Date/Time	1/2 · 时:分	入睡日/时刻
sleep.csv	Latency Efficiency	%	睡眠时间占卧床比例
sleep.csv	Total Minutes in Bed	分钟	卧床总时长
sleep.csv	TST	分钟	总睡眠时间
sleep.csv	WASO	分钟	入睡后觉醒时间
sleep.csv	Number of Awakenings	次	觉醒次数
sleep.csv	Average Awakening Length	秒	平均觉醒时长
sleep.csv	Movement Index	%	无活动占比
sleep.csv	Fragmentation Index	%	有活动占比
sleep.csv	Sleep Fragmentation Index	比值	两者之比
RR.csv	ibi_s	秒	逐搏间期
RR.csv	day	1/2	记录日
RR.csv	time	时:分:秒	心跳时刻
questionnaire.csv	MEQ	16-86	晨昏时型
questionnaire.csv	STAI1 / STAI2	20-80	状态/特质焦虑
questionnaire.csv	PSQI	0-21	睡眠质量（主观）
questionnaire.csv	Bis / Drive / Reward / Fun	—	BIS/BAS 四子因子
questionnaire.csv	Daily_stress	0-406	每日压力（DSI）
questionnaire.csv	PANAS（10/14/18/22/9+1）	5-50	正负情绪（多时点）
Activity.csv	activity ID	1-12	活动类别
Activity.csv	Start / End	时:分	活动起止
Activity.csv	day	1/2	记录日
Actigraph.csv	Axis1/Axis2/Axis3	“Newton-meter”（页面原文）	三轴原始加速度
Actigraph.csv	Steps	每秒	步数
Actigraph.csv	HR	bpm	心率
Actigraph.csv	Inclinometer Off/Standing/Sitting/Lying	0/1	姿态
Actigraph.csv	Vector Magnitude	“Newton-meter”（页面原文）	向量幅值
Actigraph.csv	day / time	1/2 · 时:分:秒	记录日/时刻
saliva.csv	Sample	睡前/醒后	采样时点
saliva.csv	Melatonin	μg/μg 蛋白	褪黑素
saliva.csv	Cortisol	μg/100μg 蛋白	皮质醇
saliva.csv	（clock genes）	—	时钟基因表达

附录 B：心理量表分档速查

量表	全称	范围	分档
MEQ	Morningness-Eveningness Questionnaire	16-86	≤41 晚型 / 42-58 中间型 / ≥59 晨型
STAI-Y1	State Anxiety（状态焦虑）	20-80	<31 低/无 / 31-49 平均或临界 / >50 高
STAI-Y2	Trait Anxiety（特质焦虑）	20-80	同上
PSQI	Pittsburgh Sleep Quality Index	0-21	<6 睡眠质量良好
DSI	Daily Stress Inventory	0-406	值越高压力频率与强度越大
PANAS	Positive and Negative Affect Schedule	5-50（正/负各）	值越高情绪越强
BIS/BAS	Behavioural Inhibition/Activation Scales	—	四子因子：Bis/Drive/Reward/Fun

附录 C：关键数字速查表

数字	值
受试者数	22（全男性）
唾液有效样本	21（User_21 缺失）
每人文件数	7
数据文件总数	154
记录时长	24 小时（day=1/2）
解压后大小	23.5 MB
ZIP 大小	22.7 MB
版本	1.0.0
数据发布日	2020-06-19
论文发表日	2020-09-25
DOI (v1.0.0)	10.13026/cerq-fc86
DOI (latest)	10.13026/sntf-5s35
数据论文 DOI	10.3390/data5040091
伦理批准号	#0077455/2018
资助	H2020 654024（SoBigData）
平台	PhysioNet（RRID:SCR_007345）
License	ODbL v1.0

附录 D：术语表

缩写/术语	全称/含义
MMASH	Multilevel Monitoring of Activity and Sleep in Healthy People
IBI	Inter-Beat Interval（逐搏间期）
HRV	Heart Rate Variability（心率变异性）
HR	Heart Rate（心率）
TST	Total Sleep Time（总睡眠时间）
WASO	Wake After Sleep Onset（入睡后觉醒时间）
PSQI	Pittsburgh Sleep Quality Index（匹兹堡睡眠质量指数）
MEQ	Morningness-Eveningness Questionnaire（晨昏时型问卷）
STAI	State-Trait Anxiety Inventory（状态-特质焦虑量表）
BIS/BAS	Behavioural Inhibition/Activation Scales（行为抑制/激活量表）
DSI	Daily Stress Inventory（每日压力清单）
PANAS	Positive and Negative Affect Schedule（正负情绪量表）
ODbL	Open Database License（开放数据库许可）
GDPR	General Data Protection Regulation（欧盟通用数据保护条例）
DAIMS	Discoverability/Accessibility/Interoperability/Metadata/Sustainability
PSG	Polysomnography（多导睡眠图）
EEG	Electroencephalography（脑电）
RRID	Research Resource Identifier（研究资源标识符）
SoBigData	欧盟 H2020 资助的社会数据科学研究基础设施

附录 E：来源清单（抓取时点 2026-10-03）

来源	URL	用途
PhysioNet 数据页	https://physionet.org/content/mmash/1.0.0/	一手：规模/license/文件结构/字段/伦理
PhysioNet DOI	https://doi.org/10.13026/cerq-fc86	数据本体标识
数据论文	https://doi.org/10.3390/data5040091	一手：方法/验证/作者机构
数据论文镜像	https://www2.mdpi.com/2306-5729/5/4/91	论文元数据（Received/Published）
SoBigData 项目页	https://www.sobigdata.eu/node/1022	受试者身份/许可口径
官方 GitHub	https://github.com/RossiAlessio/MMASH	代码生态
社区 fork	https://github.com/costantino2000/MMASH-with-dependencies	预处理/建模管线
PhysioMTL 论文	https://arxiv.org/abs/2203.12595	下游使用实证
PlumX 引用指标	https://plu.mx/plum/a/?doi=10.3390/data5040091	Scopus/CrossRef 引用数
PhysioNet 平台论文	https://doi.org/10.1038/s44360-026-00096-z	平台引用范式

附录 F：检索路径示范

目标	推荐查询式	预期命中
数据本体	site:physionet.org mmash / “Multilevel Monitoring of Activity and Sleep”	PhysioNet MMASH v1.0.0
数据论文	“24-h Multi-Levels Psycho-Physiological” / doi:10.3390/data5040091	MDPI Data 5(4):91
官方代码	github RossiAlessio MMASH	Code_MMASH.ipynb
下游方法	PhysioMTL / “Physiological Multitask-Learning” HRV	arXiv:2203.12595
同平台睡眠数据	site:physionet.org sleep / sleep staging	isruc-sleep、sleep-edf、cinc-2018-sleep
项目背景	SoBigData MMASH dataset	sobigdata.eu/node/1022
反例（勿用）	“MMASH” 作为论文标题	无命中——论文标题不含 MMASH（坑 1）

附录 G：库内互链点

条目	rid	关联理由
isruc-sleep	262	睡眠信号分析，同属生理信号/睡眠谱系
sleep-edf	73	睡眠 EEG，睡眠研究邻域
cinc-2018-sleep	493	睡眠唤醒挑战（PhysioNet 同平台）
mros-sleep	292	多民族睡眠队列
mesa-sleep	302	MESA 睡眠子研究
hmc-sleep-staging	654	睡眠分期
ppg-dalia	—	腕部 PPG 日常活动，可穿戴同类
pamap2	—	体力活动监测，行为层同类
deap	—	生理信号情绪数据集，心理-生理交叉
ninapro	—	可穿戴传感肌电
PhysioNet 族（mimic 系列等）	—	同平台托管，检索生态

附录 H：用户检查清单（12 项）

1. 许可：确认 ODbL v1.0 的署名与 ShareAlike 义务；衍生库发布须同许可（坑 6）。
2. 样本量：报告 n=22，采用留一受试者交叉验证（坑 12）。
3. 性别：限定"健康年轻成年男性"，不外推女性/老年/病患（坑 12）。
4. 唾液缺失：排除 User_21，涉及唾液分析有效 n=21（坑 4）。
5. 年龄统计：自行从 user_info.csv 汇总，勿引用不存在的"官方年龄均值"（坑 10）。
6. 单位核对：实测 Actigraph 加速度量纲，“Newton-meter” 存疑（坑 5）。
7. 问卷列数：head 核对 questionnaire.csv 实际列名，勿假设等于 19（坑 11）。
8. 时间轴：正确拼接 day=1/2 与 time，注意跨午夜。
9. 主观-客观配对：PSQI 与 sleep.csv 指标以受试者 ID+夜次为键配对。
10. 引用：数据引 PhysioNet（cerq-fc86），方法引论文（data5040091），平台引 Nature Health 论文（坑 3）。
11. 机构名：BioBeats/Huma 更名口径说明时点（坑 7）。
12. 数字存照：引用量四口径注明来源与时点（坑 8）。

附录 I：版本与维护触发点

触发点	说明	建议动作
PhysioNet 发布新版本	当前仅 1.0.0	检查字段是否变更，更新 patient_count/data_source
DOI latest 变更	10.13026/sntf-5s35	确认是否指向新版本
数据论文更新/勘误	Data 5(4):91	复核方法学与验证口径
官方 GitHub 更新	RossiAlessio/MMASH	复核代码生态描述
引用计数变化	Scholar/Scopus/CrossRef	更新 §7.3 时点数字
下游重要工作出现	如 PhysioMTL 类方法	补充 §7.2 生态证据
PhysioNet Project Views 变化	当前 879	更新使用量指标

附录 J：常见误用模式（反面清单）

1. “22 人也敢称大数据集”——错。MMASH 是深度数据集不是广度数据集，规模宣称应如实。
2. “它是临床数据集”——错。全为健康受试者，无疾病标签（§5.3）。
3. “MMASH 论文标题里有 MMASH”——错。标题不含该缩写（坑 1）。
4. “22 人都有唾液数据”——错。User_21 缺失（坑 4）。
5. “数据是 CC BY 许可”——错。数据是 ODbL，只有论文是 CC BY（坑 6）。
6. “牛顿·米是加速度单位”——存疑。页面原文如此，疑为笔误（坑 5）。
7. "被引 53 次"唯一口径——错。四库数字不同，须注明来源（坑 8）。

尾注

本条目为 AI-Ready Wikipedia 数据集条目，生产于 2026-10-03，抓取与核验时点见附录 E。事实陈述以 PhysioNet 官方数据页（MMASH v1.0.0）、MDPI 数据论文（Data 2020;5(4):91）、SoBigData 项目页与官方 GitHub 仓库为源；日期双口径（2020-06-19 数据 / 2020-09-25 论文）、DOI 双口径（cerq-fc86 vs sntf-5s35）、机构名双口径（BioBeats vs Huma）、引用量四口径（53/26/34/31）等原始文档差异已在坑点与 FACTS 档案逐条存照。条目与库内 isruc-sleep（rid 262）、sleep-edf（rid 73）、cinc-2018-sleep（rid 493）、mros-sleep（rid 292）、mesa-sleep（rid 302）、hmc-sleep-staging（rid 654）等条目互链，构成睡眠-生理信号-可穿戴家族的可检索面。后续维护触发点见附录 I。

---

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：

• bidsleep-dataset — 共享标签：可穿戴传感 / 睡眠信号 / 生理信号 / 心电信号 / 评测基准
• globem — 共享标签：可穿戴传感 / 睡眠信号 / 生理信号 / 评测基准 / 队列研究
• dreamt — 共享标签：可穿戴传感 / 睡眠信号 / 生理信号 / 评测基准
• mesa-sleep — 共享标签：可穿戴传感 / 睡眠信号 / 生理信号 / 队列研究
• hmc-sleep-staging — 共享标签：睡眠信号 / 生理信号 / 心电信号 / 评测基准
• apnea-ecg — 共享标签：睡眠信号 / 生理信号 / 心电信号 / 评测基准
• ieeepg — 共享标签：可穿戴传感 / 生理信号 / 心电信号 / 评测基准
• boas-bitbrain — 共享标签：可穿戴传感 / 睡眠信号 / 生理信号 / 评测基准
• tiles-2018-sleep — 共享标签：可穿戴传感 / 睡眠信号 / 生理信号 / 队列研究
• shhs — 共享标签：睡眠信号 / 生理信号 / 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。