個人基線，不是人群常模
Early Signal 依據的是穿戴式生物指標在承壓時可能如何變化。它是健康管理工具，不是我們偵測到某種疾病的證據。
01
只與你比較
沒有人群平均 — 有用的是相對你平常模式的變化
02
溫度和呼吸領先
它們在前。HRV、靜息心率和睡眠作支持
03
提醒少見，出於設計
明顯偏離平常 推播最多每 3 天一次。一次你真正能信任的提醒
評分如何運作
01
只與你比較
Early Signal 用你自己的夜間生物指標建立個人基線。它從不把你和人群平均或年齡組常模比較。人與人之間，「正常」的靜息心率、HRV 和夜間溫度差別很大。有用的訊號是相對你平常模式的變化，不是圖表上的一個數字。
02
穩健基線（中位數與 MAD）
App 使用中位數和中位數絕對偏差（MAD），而不是均值和標準差。離群值——旅行後糟糕的一夜，或少見的晚間訓練——會拉動均值，卻幾乎不動中位數。穩健 z 分數讓日常雜訊看起來不像危機，同時仍能呈現持續數日的變化。
03
為什麼溫度和呼吸領先
在常見的手錶指標裡，腕溫（睡眠）和呼吸頻率更能區分與不適相關的變化。HRV、靜息心率和睡眠仍是支持和背景訊號，但有資料時，溫度和呼吸權重更高。趨勢圖順序相同：有資料時，溫度和呼吸在前。若手錶無法提供溫度（Series 8 之前），環形會省略 Temp，並有註腳說明腕溫需要 Series 8 或更新。App 仍會對你已有的訊號評分。缺失資料絕不會看起來「在範圍內」。
04
加權一致，不是單次尖峰
晨間狀態是 正常、略有變化 或 明顯偏離平常。明顯偏離平常 通常需要加權訊號之間的一致——或相對你本人基線的持續夜間溫度升高。這樣可以減少僅因一個雜訊指標就發出的提醒。高強度訓練或已記錄情境之後，非溫度主導的一般模式可以顯示為 可由情境解釋，而不是推播。
05
提醒少見，出於設計
明顯偏離平常 推播有上限（最多每 3 天一次）。某些生活情境可以暫緩一般模式的推播，同時仍在 App 內顯示狀態；溫度主導的結果不會被這些情境攔住。略有變化 推播是可選的 Pro。目標是一次你能信任的提醒，不是每天盯著的分數。
06
研究背景是什麼，又不是什麼
公開研究探討過，當人們感到不適時，穿戴式生物指標會如何變化。這些文獻說明溫度、呼吸和心臟指標為何值得關注——不是聲稱 Early Signal 能診斷、預測或點名任何疾病。App 是一般的健康管理工具。狀態描述的是個人偏離；它不能告訴你某種模式為何出現。
背景參考文獻
公開文件與概述。作為背景引用，並非對 Early Signal 的臨床驗證。
- Apple — 睡眠腕溫（健康）
- Apple — 健康中的呼吸頻率
- 心率變異性概述（NIH / MedlinePlus）
- Mishra et al., 2020 — Pre-symptomatic detection of COVID-19 from smartwatch data (Nature Biomedical Engineering). Background research, not a claim that Early Signal detects disease.
- Quer et al., 2021 — Wearable sensor data and self-reported symptoms for COVID-19 detection (Nature Medicine). Background research, not a diagnosis.
- Smarr et al., 2020 — Feasibility of continuous fever monitoring using wearable devices (Scientific Reports)
- Grzesiak et al., 2021 — Wearable sensors to detect influenza and the common cold before symptom onset (JAMA Network Open). Research context, not a claim that a watch names an illness.
科學依據問答
健康管理的範圍、缺少溫度，以及為什麼訓練看起來會像 略有變化。