Daytlasは、あなたのデータをどう読むか。

Daytlasの数値がそれぞれ何を意味するのか、どのように平均・比較されるのか、どこに限界があるのか、そしてその根拠となる研究をご紹介します。

執筆：Daytlasの開発者Jakub Had。医療の専門家ではありません。ここに記載した健康に関する情報は、以下に挙げる出典に基づいています。2026年10月8日更新。出典の確認：2026年10月8日。

睡眠

毎日のメインの睡眠をもとにした、睡眠の長さ、効率、タイミング。

Sleep Score

リングのアプリが算出する、その夜の0〜100のスコアです。総睡眠時間、効率、タイミング、睡眠ステージなどの構成要素から成り立っています。Daytlasは受け取ったまま表示し、再計算することはありません。

Daytlasでの表示方法

  • Dayでは、選んだ日のスコアと、その前の30日間（暦日）の平均との差を表示します。差は、その30日のうち少なくとも5日にスコアがある場合に表示されます。
  • Dayには、リングのアプリが報告する構成要素も、それぞれ独自の0〜100のスケールで表示されます。
  • 値は、リングのアプリがスコアに使う区分で色分けされます。60未満は「要注意」、60〜69は「まずまず」、70〜84は「良好」、85以上は「最適」です。色が表すのは数値であり、あなたの健康状態ではありません。
  • Overviewでは、最新のスコアを、その前の最大7日間の平均と比べます。

限界

計算式はリングのアプリのもので、アップデートによって変わることがあります。そのため、以前のスコアと最近のスコアを厳密に比較できるとは限りません。一般向け機器の睡眠スコアで、睡眠障害を診断することはできません。

研究

  • Khosla et al., 2018: 一般向けの睡眠テクノロジーは、医療者との話し合いの助けにはなりえますが、睡眠障害の診断や治療のために検証・承認されたものではありません。
  • de Zambotti et al., 2024: Sleep Research Societyのレビューでは、一般向けウェアラブルは睡眠の測定で従来のアクチグラフィを上回るようになった一方、覚醒の誤分類、昼寝、アーチファクトなどの明確な限界もあるとされました。
  • de Zambotti et al., 2019: 一般向け睡眠トラッカーの検証方法をレビューし、独自のアルゴリズムやファームウェアの更新によって数値が変わりうることに注意を促しています。

そのほかの出典： Buysse, 2014

総睡眠時間

その日のメインの睡眠のうち、実際に眠っていた時間です。ベッドの中で目覚めていた時間は含みません。

Daytlasでの表示方法

  • 1日に複数の睡眠がある場合は、いちばん長いもの（メインの睡眠）がその日の睡眠の指標になります。昼寝や休息は加算されませんが、Dayでは追加の睡眠を開いて見ることもできます。
  • 時間の長さは秒単位で届き、設定で選んだ形式に応じて、時間と分、または小数の時間で表示されます。
  • 月ごとの睡眠のまとめには、0時間を超え24時間以下の夜だけを含めます。

限界

ウェアラブルは睡眠と覚醒を見分けるのは得意ですが、睡眠検査室ほど正確ではなく、特に落ち着かない夜にはその差が大きくなります。必要な睡眠時間は人によって異なります。Daytlasは数値を表示するだけで、目標と比べて評価することはありません。

研究

  • Watson et al., 2015: 2つの睡眠学会による合同パネルは、成人が日常的に1晩7時間以上眠ることを推奨しています。
  • Hirshkowitz et al., 2015: 専門家パネルは、成人には7〜9時間、高齢者には7〜8時間が適切と判断し、必要な睡眠時間には個人差があることにも触れています。
  • Chinoy et al., 2021: 研究室での睡眠記録と比べると、多くの一般向けトラッカーは睡眠をよく検出しましたが、覚醒の検出は弱く、睡眠ステージは一貫せず、睡眠が乱れた夜には精度が下がりました。

そのほかの出典： Chaput et al., 2018

ベッドにいた時間と睡眠効率

Daytlasでの表示：ベッドにいた時間 · 睡眠効率

ベッドにいた時間は、ベッドに入ってから起き上がるまでの、メインの睡眠の長さです。睡眠効率は、そのうち眠っていた時間の割合をパーセントで表したものです。

Daytlasでの表示方法

  • どちらも、リングのアプリが報告するメインの睡眠の値です。Daytlasが効率を再計算することはありません。
  • Dayでは、その夜の値を直前30日間の平均と比べます。Trendsでは、週、月、四半期、年ごとに平均できます。

限界

効率は、何をベッドにいた時間として数えるかで変わります。ベッドで本を読んだり、朝に目覚めたまま横になっていたりすると、睡眠そのものが変わらなくても効率は下がります。

研究

  • Ohayon et al., 2017: 専門家は、入眠までの時間、夜中に目覚めた回数、入眠後に目覚めていた時間、睡眠効率が睡眠の質の妥当な目安であることに合意しましたが、睡眠ステージについてはほとんど合意が得られませんでした。
  • Lee et al., 2023: 11種類の一般向け睡眠トラッカーでは、研究室の記録と比べた睡眠ステージの精度に大きなばらつきがあり、ウェアラブル型では睡眠効率に系統的な偏りが見られました。
  • Ancoli-Israel et al., 2015: 動きにもとづく睡眠モニタリングについての学会のガイドです。タイミングや長さなど、よく推定できるものと、目覚めたまま静かに横になっている状態など、苦手とするものを示しています。

そのほかの出典： Reed & Sacco, 2016

入眠までの時間

睡眠の記録が始まってから、実際に眠りにつくまでにかかった時間です。

Daytlasでの表示方法

  • 秒単位で届き、分単位（整数）で表示されます。
  • Dayでは直前30日間の平均と比べ、変化の方向を示します。良い・悪いの判断はしません。

限界

推定値です。睡眠検査室なしで、眠りについた正確な瞬間を特定するのは困難です。また、一般的な値は年齢によっても変わります。

研究

  • Ohayon et al., 2017: 専門家は、入眠までの時間、夜中に目覚めた回数、入眠後に目覚めていた時間、睡眠効率が睡眠の質の妥当な目安であることに合意しましたが、睡眠ステージについてはほとんど合意が得られませんでした。
  • Boulos et al., 2019: 健康な成人を対象とした169件の研究では、年齢が10歳上がるごとに睡眠時間が約10分短くなり、睡眠効率も低くなりましたが、深い睡眠とレム睡眠の割合はほとんど変わりませんでした。
  • Ohayon et al., 2004: 健康な人を対象とした65件の研究では、成人の総睡眠時間、睡眠効率、深い睡眠とレム睡眠の割合は年齢とともに低下し、入眠までの時間と覚醒時間は増加しました。

深い睡眠、浅い睡眠、レム睡眠、覚醒時間

Daytlasでの表示：深い睡眠の時間 · 浅い睡眠の時間 · レム睡眠の時間 · 覚醒時間

リングは、夜の間にどの睡眠ステージにいたかを推定します。Daytlasは各ステージの時間と、Dayではステージのタイムラインを表示します。

Daytlasでの表示方法

  • タイムラインは、データに30秒ごとの推定値が含まれていればそれを、なければ5分ごとの推定値を使い、就寝から起床までを描きます。
  • ステージごとの合計はメインの睡眠から取り、時間単位で表示します。
  • Trendsでは、各ステージをグラフにし、ほかの指標を最大3つまで重ねて表示できます。

限界

どのウェアラブルでも、睡眠ステージの推定は、睡眠と覚醒の判別に比べて睡眠検査室との一致度がずっと低くなります。ステージの時間は、一晩の正確な数値ではなく、数週間単位の大まかな傾向として読んでください。

研究

  • Boulos et al., 2019: 健康な成人を対象とした169件の研究では、年齢が10歳上がるごとに睡眠時間が約10分短くなり、睡眠効率も低くなりましたが、深い睡眠とレム睡眠の割合はほとんど変わりませんでした。
  • Lee et al., 2023: 11種類の一般向け睡眠トラッカーでは、研究室の記録と比べた睡眠ステージの精度に大きなばらつきがあり、ウェアラブル型では睡眠効率に系統的な偏りが見られました。
  • Miller et al., 2022: リング型を含む6種類のウェアラブルは、睡眠と覚醒の判別では研究室の記録とよく一致しましたが、正確な睡眠ステージが一致したのは夜全体の約50〜65%にとどまりました。

そのほかの出典： Chinoy et al., 2021

就寝時刻、起床時刻、睡眠の中間時刻

Daytlasでの表示：就寝時刻 · 起床時刻 · 睡眠の中間時刻

メインの睡眠が始まった時刻と終わった時刻、そしてその中間の時刻です。

Daytlasでの表示方法

  • 時刻は、データとともに記録された現地時間を使います。別のタイムゾーンで過ごした夜も、その土地の時刻のままです。
  • 深夜0時を過ぎた就寝時刻は、24:00以降として続けて表します（01:30は25:30になります）。そのため、遅い就寝と早い就寝がグラフ上で隣り合います。
  • 時刻の週平均と月平均には円周平均を使います。そのため、23:00と01:00の平均は、正午ではなく深夜0時になります。
  • Your Yearでは、毎晩を就寝から起床までのバーで描きます。平均の就寝時刻と起床時刻にも、同じ円周平均を使います。
  • 相関の計算には時刻を含めません。深夜0時で一周するため、直線的な比較が成り立たないからです。

限界

就寝時刻は、リングが検出した睡眠の開始時刻です。実際に寝ようとした時刻とは一致しない場合があります。

研究

  • Sletten et al., 2023: 専門家パネルは、寝る時刻と起きる時刻を一定に保つことが、健康、安全、パフォーマンスにとって重要であると合意しました。
  • Fischer et al., 2017: 約54,000件の生活時間の日誌では、週末の睡眠の中間時刻は19歳ごろに最も遅く、年齢とともに早まっていきました。男女の差は40歳ごろに逆転していました。
  • Roenneberg et al., 2003: 仕事の日と休みの日の睡眠のタイミングを別々に調べ、人による違いも、2種類の日の違いも大きいこと、そして光を浴びることで睡眠のタイミングがずれることを見いだしました。

そのほかの出典： Berens, 2009

睡眠の規則性

睡眠のタイミングと長さが、夜ごとにどれだけ一定しているかです。Daytlasはこれをひとつのスコアにまとめず、確かめるための表示を用意しています。

Daytlasでの表示方法

  • Your Yearの睡眠リズムの表示では、毎晩を就寝から起床までのバーで描き、記録のない夜は空白のまま残します。
  • Overviewの曜日別の表示では、曜日ごとの就寝時刻（または別の指標）の中央値を、値の中央50%の範囲とあわせて示します。
  • Your Yearページの「月ごとの記録」では、月ごとにメインの睡眠の平均と標準偏差を表示します。7夜以上記録のある月が2か月以上あれば、最も安定していた月（標準偏差が最小の月）も示します。

限界

規則性の指標が安定するには、1週間より長いデータが必要です。これらの表示はスケジュールを示すもので、評価するものではありません。

研究

  • Chaput et al., 2020: 睡眠のタイミングが遅いことや、夜ごとのばらつきが大きいことは、おおむね好ましくない健康上の結果と関連していましたが、エビデンスの質は非常に低いものから中程度のものまでさまざまでした。
  • Windred et al., 2024: UK Biobankの参加者約61,000人では、睡眠のタイミングがより規則的であることが死亡リスクの低さと関連し、睡眠時間よりも強く死亡リスクを予測していました。
  • Phillips et al., 2017: 30日間追跡した学生61人では、睡眠が不規則な人ほど体内時計のタイミングが遅く、成績も低くなっていました。この研究で睡眠規則性指数（Sleep Regularity Index）が導入されました。

そのほかの出典： Fischer et al., 2021

Readinessと回復

リングのアプリが算出する、毎日の回復のスコア。

Readiness Score

リングのアプリが算出する0〜100のスコアで、安静時心拍数、HRV、体温、最近の睡眠や活動などの信号を組み合わせたものです。Daytlasは受け取ったまま表示し、再計算することはありません。

Daytlasでの表示方法

  • Dayでは、スコア、その構成要素（それぞれ0〜100）、直前30日間の平均との差を表示します。差は、その30日のうち少なくとも5日にスコアがある場合に表示されます。
  • 値は、リングのアプリがスコアに使う区分で色分けされます。60未満は「要注意」、60〜69は「まずまず」、70〜84は「良好」、85以上は「最適」です。色が表すのは数値であり、あなたの健康状態ではありません。
  • Overviewでは、直近30日間のスコアを平均し、その前の30日間、および1年前の同じ30日間と比べます。

限界

このスコアはほかの測定値から作られているため、構造上それらと相関します。TrendsでReadinessとHRVの強い関連が見えても、その一部はスコアの作り方を反映しています。心拍にもとづく回復の指標では、あらゆる種類の疲労を見分けることはできません。

研究

  • Kellmann et al., 2018: 専門家は、負荷と回復のバランスをとるには定期的なモニタリングが必要だと合意しました。トレーニングや回復への反応は、同じ人の中でも、人によっても異なるためです。
  • Düking et al., 2021: 8件の研究を通じて、ウェアラブルのHRVにもとづくトレーニングは、最大下の生理指標には中程度の効果を示しましたが、パフォーマンスへの効果は小さく、有意ではありませんでした。
  • Bellenger et al., 2016: 持久系アスリートでは、トレーニングが順調なときに安静時のHRVがわずかに上昇し、オーバーリーチングではほとんど変化しませんでした。そのため、心拍の指標だけでは、あらゆる種類の疲労を見分けることはできません。

そのほかの出典： Buchheit, 2014

心拍変動（HRV）

睡眠中の心拍の、一拍ごとのゆらぎ。そして、それを長い目で読む方法。

平均HRV

心拍変動（HRV）は、心拍と心拍の間隔のばらつきです。リングは、その夜の平均値をミリ秒で報告します。これは、拍ごとの変化を表す標準的な指標であるRMSSDにもとづいています。

Daytlasでの表示方法

  • Daytlasは、毎日のメインの睡眠の平均HRVを使います。
  • Dayでは、夜間のHRVの曲線を、直前30日間の平均を示す基準線とともに表示し、その夜の平均と比べます。
  • Overviewでは、直近30日間の平均、その前の30日間および1年前の同じ期間からの変化、そして記録上最も高かった日を表示します。
  • Trendsでは、日ごとの値を、それまでの60日間の平均を示す破線と、±1標準偏差の網掛けの帯とともに表示します。

限界

HRVは測定条件に大きく左右され、一晩の値からわかることはわずかです。帯はあなた自身のばらつきであり、臨床的な基準範囲ではありません。

研究

  • Task Force, 1996: RMSSDを含む心拍変動の指標の標準的な定義を定め、記録条件がそれらにどう影響するかを説明しました。
  • Dobbs et al., 2019: 23件の研究を通じて、携帯型機器によるHRVは心電図と比べて小さいながらもばらつきのある差を示し、著者らは研究室外での使用には許容できると判断しました。
  • Cao et al., 2022: 自宅で眠る健康な成人35人では、リングによる夜間の心拍数とRMSSDは胸部の心電図とよく一致しましたが、ほかのHRV指標には精度の劣るものもありました。

そのほかの出典： Laborde et al., 2017

HRVを長期的に読む

HRVは人によって大きく異なり、年齢によっても変わります。そのため、意味のある比較は、ご自身の履歴との比較です。

Daytlasでの表示方法

  • DaytlasがHRVを集団の基準値と比べることはありません。アプリ内の比較はすべて、ご自身の過去の日々とのものです。
  • Trendsの週平均を使えば、変化を深読みする前に、夜ごとのノイズをならせます。
  • Overviewの「ベースラインの変化」では、前後30日間の平均の差が、いつものばらつきより大きい日付を示します。

限界

トレーニング、飲酒、体調不良、ストレスなど、多くの要因が同時にHRVを動かします。変化は状況を振り返るきっかけであって、説明ではありません。

研究

  • Altini & Plews, 2021: 28,175人を対象に、HRVは年齢が高いほど低く、日々のHRVは激しいトレーニング、飲酒、体調不良などのストレス要因に反応しました。敏感ではあるものの、特異的ではありません。
  • Natarajan et al., 2020: 800万人のウェアラブル利用者では、HRVは年齢とともに低下し、1日の中でも大きく変動しましたが、RMSSDには男女間で目立った差はありませんでした。
  • Umetani et al., 1998: 10〜99歳の健康な260人では、HRVは年齢とともに低下しました。RMSSDは最も早く低下し、50代ごろから横ばいになりました。

そのほかの出典： Shaffer & Ginsberg, 2017

心拍

夜間の安静時心拍数、日中の心拍数、心血管年齢の推定値。

安静時心拍数

Daytlasでの表示：平均安静時心拍数 · 最低安静時心拍数

メインの睡眠中の心拍数です。平均安静時心拍数はその間の平均値、最低安静時心拍数はその間にリングが記録した最も低い値です。

Daytlasでの表示方法

  • Dayでは、夜間の心拍数の曲線を、直前30日間の平均を示す基準線とともに表示し、両方の値をそれぞれの30日平均と比べます。
  • Overviewの「体の推移」とその関係グラフには、最低安静時心拍数を使います。
  • TrendsとTag Labでは、両方を表示できます。

限界

安静時心拍数の普段の値は人それぞれで、季節や睡眠をはじめ、さまざまな要因で変わります。集団を対象とした研究では、平均として安静時心拍数と長期的な健康との関連が示されていますが、Daytlasがその知見をあなた個人に当てはめることはありません。

研究

  • Zhang et al., 2016: 46件のコホート研究をまとめると、平均として安静時心拍数が高いほど死亡率が高くなっていました。これは集団を表すもので、特定の個人を表すものではありません。
  • Stone et al., 2021: 多誘導心電図と比べると、7種類の一般向け機器は安静時心拍数を正確に測定しましたが、RMSSDの精度には大きなばらつきがありました。
  • Quer et al., 2020: ウェアラブル端末の利用者92,457人では、一人ひとりの安静時心拍数は時間がたってもかなり安定していましたが、何が「普通」かは人によって最大70 bpm異なり、小さな季節的パターンも見られました。

そのほかの出典： Speed et al., 2023

日中の心拍数

睡眠以外の時間に、リングが1日を通して記録する心拍数のサンプルです。

Daytlasでの表示方法

  • Dayでは、選んだ日のすべてのサンプルを、設定のタイムゾーン（初期設定はこのデバイスのタイムゾーン）でプロットします。15分を超える空白は線の途切れとして残し、同じ時刻のサンプルは平均します。
  • 日中の安静時心拍数は、その日のサンプルのうち、覚醒中または安静中とされたものの平均です。今日の値は途中経過です。
  • 直前30日間のうちサンプルのある日の平均と比べます。比較は、そうした日が5日以上ある場合に表示されます。
  • 読み込んだエクスポートファイルにはこれらのサンプルが含まれないため、この表示にはライブの連携が必要です。

限界

光学式心拍センサーは、安静時には比較的正確ですが、体を動かしているときには精度が下がります。

研究

  • Fuller et al., 2020: 158件の研究を通じて、ウェアラブルは研究室で歩数を正確に数え、心拍数もよく測定しましたが、消費エネルギーを正確に推定できたブランドはありませんでした。
  • Zhang et al., 2020: 44件の研究を通じて、手首装着型の光学式心拍数は、睡眠中、安静時、歩行、ランニングでは基準に近い値でしたが、筋力トレーニングやサイクリングでは精度が下がりました。
  • Bent et al., 2020: 光学式心拍センサーは安静時には比較的正確で、活動中は誤差が約30%大きくなりましたが、肌の色による精度の有意な差はありませんでした。

そのほかの出典： Shcherbina et al., 2017

心血管年齢

リングのアプリによる、心血管系の年齢の推定値です。脈波の形と、推定した脈波伝播速度にもとづいています。Daytlasは表示するだけで、計算はしていません。

Daytlasでの表示方法

  • Overviewでは、過去1年間の最新の値、その前30日間の値の平均（5件以上ある場合）、直近90日間を平均線つきのグラフで表示します。
  • 18〜100歳の範囲外の値は、無効として除外します。
  • 読み込んだエクスポートファイルには含まれません。

限界

血管の老化の推定値であり、動脈の硬さを臨床的に測定したものでも、診断でもありません。単一の値ではなく、数週間単位の傾向をご覧ください。

研究

  • Laurent et al., 2006: ヨーロッパの専門家ネットワークが、脈波伝播速度を含む動脈の硬さの測定方法と、測定に影響する問題点をまとめました。
  • Reference Values for Arterial Stiffness’ Collaboration, 2010: ヨーロッパの13施設の16,867人では、動脈の硬さの指標である脈波伝播速度が、年齢と血圧とともに上昇しました。
  • Charlton et al., 2022: 光学的な脈波信号の形とタイミングが血管の老化とどう関係するか、そしてそうした推定がどこまで検証されているかをレビューしています。

そのほかの出典： Allen, 2007

活動

1日を通じた動き、運動の強さ、推定エネルギー消費。

Activity Score

リングのアプリが算出する0〜100のスコアで、どれだけ活動したか、その活動が1日と1週間の中でどう分散していたかを反映します。Daytlasは受け取ったまま表示し、再計算することはありません。

Daytlasでの表示方法

  • Dayでは、スコア、その構成要素（それぞれ0〜100）、直前30日間の平均との差を表示します。差は、その30日のうち少なくとも5日にスコアがある場合に表示されます。
  • 値は、リングのアプリがスコアに使う区分で色分けされます。60未満は「要注意」、60〜69は「まずまず」、70〜84は「良好」、85以上は「最適」です。色が表すのは数値であり、あなたの健康状態ではありません。
  • 今日のスコアは、すでに終わった過去の日々と比べます。そのため、最終的な結果ではなく、途中までの進み具合を示します。

限界

スコアの目標値と計算式は、リングのアプリのものです。今日の活動は、1日が終わるまで確定しません。

研究

  • Bull et al., 2020: 成人に対し、週に150〜300分の中強度の活動、または75〜150分の高強度の活動を行い、座って過ごす時間を減らすことを推奨しています。
  • Ekelund et al., 2019: 約36,000人の成人の加速度計データをまとめると、軽い活動を含むあらゆる身体活動が低い死亡率と関連し、その差は活動量が少ない範囲で最も大きくなりました。
  • de Zambotti et al., 2019: 一般向け睡眠トラッカーの検証方法をレビューし、独自のアルゴリズムやファームウェアの更新によって数値が変わりうることに注意を促しています。

歩数と歩行換算距離

Daytlasでの表示：歩数 · 歩行換算距離

その日にリングが数えた歩数と、歩行換算距離（その日の活動を、歩いた距離に換算したもの）です。

Daytlasでの表示方法

  • 距離はメートル単位で届き、設定に応じてキロメートルまたはマイルで表示されます。
  • Dayでは、その日を直前30日間の平均と比べます。今日のここまでの値は、すでに終わった過去の日々と比べます。
  • Your Yearでは、1年のすべての日を歩数で色分けできます。

限界

ウェアラブルの歩数は研究室の試験でも十分な精度を示していますが、機器や活動の種類によって異なります。機器同士ではなく、ご自身の日々を比べてください。

研究

  • Banach et al., 2023: コホート研究を通じて、1日の歩数が多いほど全死因死亡率と心血管死亡率が低く、その関連は1日およそ2,300〜3,900歩から見られました。
  • Paluch et al., 2022: 15のコホートを通じて、1日の歩数が多いほど死亡率が低く、その差は60歳以上では約6,000〜8,000歩、それより若い成人では約8,000〜10,000歩で横ばいになりました。
  • Fuller et al., 2020: 158件の研究を通じて、ウェアラブルは研究室で歩数を正確に数え、心拍数もよく測定しましたが、消費エネルギーを正確に推定できたブランドはありませんでした。

そのほかの出典： Tudor-Locke et al., 2011

活動消費カロリーと総消費カロリー

Daytlasでの表示：活動消費カロリー · 総消費カロリー

活動によって消費した推定エネルギー（活動消費カロリー）と、安静時に体が使うエネルギーを含めた合計（総消費カロリー）です。単位はキロカロリーです。

Daytlasでの表示方法

  • 報告されたまま表示し、Dayでは直前30日間の平均と比べます。
  • Trendsでは、両方を日ごと、または週・月の平均でグラフにできます。

限界

消費エネルギーを正確に推定できる一般向けウェアラブルはありません。おおまかな推定値として読み、主にご自身の日々同士の比較に役立ててください。

研究

  • Fuller et al., 2020: 158件の研究を通じて、ウェアラブルは研究室で歩数を正確に数え、心拍数もよく測定しましたが、消費エネルギーを正確に推定できたブランドはありませんでした。
  • O’Driscoll et al., 2020: 60件の研究を通じて、手首や腕に装着する機器によるエネルギー推定の精度は活動によって異なり、動きのデータに心拍数を加えると精度が向上しました。
  • Shcherbina et al., 2017: 手首装着型の7機種は研究室で心拍数を比較的よく測定しましたが、消費エネルギーを誤差20%未満で推定できた機種はありませんでした。

活動強度とMET

Daytlasでの表示：平均MET · 高強度の活動 · 中強度の活動 · 低強度の活動

MET（メッツ、代謝当量）は、運動の強さを、安静時に使うエネルギーの何倍かで表したものです。リングは1日を通してこれを推定し、時間を低強度、中強度、高強度の活動に分類します。

Daytlasでの表示方法

  • Dayの活動強度のグラフでは、選んだ日のMETの推定値を、データを読み込んだ時点までバーで表示します。
  • 各強度の時間は秒単位で届き、設定で選んだ表記の時間の長さとして表示されます。
  • 平均METは、報告されたその日の平均値です。

限界

強度の区切りはリングのアプリが決めており、身体活動ガイドラインで数える時間とは一致しない場合があります。

研究

  • Bull et al., 2020: 成人に対し、週に150〜300分の中強度の活動、または75〜150分の高強度の活動を行い、座って過ごす時間を減らすことを推奨しています。
  • Herrmann et al., 2024: 安静から激しいスポーツまで、成人の1,114種類の活動について、測定されたエネルギー消費量をMETで一覧にしています。
  • Migueles et al., 2017: 非装着の判定ルール、有効日の定義、強度の区切り値などの選び方によって、加速度計から得られる活動の推定値が変わることを示しています。

そのほかの出典： Byrne et al., 2005

非活動時間、休息時間、非装着時間

Daytlasでの表示：非活動時間 · 休息時間 · 非装着時間

非活動時間は、起きていてもほとんど動いていない時間です。休息時間には、休息と睡眠が含まれます。非装着時間は、リングを身につけていなかった時間です。

Daytlasでの表示方法

  • 秒単位で届き、設定で選んだ表記の時間の長さとして表示されます。
  • Daytlasは非装着時間を補完しません。リングを外していた間の値は、そのまま欠けています。

限界

長い非装着時間があると、その日のほかの活動の数値は不完全になります。しばらくじっと座っていることは、全体として活動が少ないこととは違います。

研究

  • Tremblay et al., 2017: 座位行動（目覚めている間に、エネルギー消費の少ない状態で座ったり横になったりすること）と身体活動の不足とを区別する、共通の定義をまとめています。
  • Patterson et al., 2018: 身体活動とは関係なく、座っている時間の合計が長いほどリスクが高く、死亡については1日約6〜8時間を超えると上昇しました。
  • Choi et al., 2011: 加速度計データで、非装着と、装着したまま静止している状態とを見分けるルールを検証しました。これにより、座位として数えられる時間が変わります。

体温

夜間の皮膚温が、あなた自身の普段の値と比べてどうか。

体温偏差とトレンド

Daytlasでの表示：体温偏差 · 体温偏差のトレンド

睡眠中の皮膚温が、あなた自身のベースラインとどれだけ違ったかを、摂氏（設定で選べば華氏）で表したものです。体温偏差のトレンドは、よりゆっくり変化するように平滑化したものです。どちらもリングのアプリが算出しています。

Daytlasでの表示方法

  • Dayでは、選んだ日の偏差を表示し、直前30日間の偏差の平均と比べます。
  • Overviewの「体の推移」では、日ごとの偏差をグラフにします。
  • Trendsでは、両方を日ごと、または週・月の平均でグラフにできます。

限界

皮膚温は、室温、寝具、時間帯など、さまざまな要因で変わります。偏差は記録されたデータを示すもので、発熱の測定値でも診断でもありません。

研究

  • Smith et al., 2010: 小型のワイヤレス皮膚センサーは、基準と比べて妥当な皮膚温の値を示しましたが、周囲の温度や運動によって、機器間で最大約1°Cの差がありました。
  • Harding et al., 2019: 眠りにつくことが、体と脳の温度が下がることと密接に結びついているという知見をレビューしています。
  • Okamoto-Mizuno & Mizuno, 2012: 室温、湿度、寝具は睡眠に影響します。特に暑さは目覚めている時間を増やし、深い睡眠とレム睡眠を減らします。

そのほかの出典： Kräuchi, 2007

呼吸と血中酸素

睡眠中の呼吸数と、推定の酸素飽和度。

呼吸数

メインの睡眠中の1分あたりの平均呼吸数で、リングの信号から推定したものです。

Daytlasでの表示方法

  • Dayでは直前30日間の平均と比べます。TrendsとTag Labでは、その推移を表示できます。

限界

呼吸数は気流センサーで直接測るのではなく、間接的に推定しているため、小さな変化は測定誤差の範囲内かもしれません。

研究

  • Douglas et al., 1982: 健康な成人19人では、睡眠中の呼吸は速く浅くなり、換気量はレム睡眠中に最も大きく低下しました。
  • Nicolò et al., 2020: 呼吸数は、ほかの多くのバイタルサインよりも、ストレス、暑さ、身体的な負荷、疲労に敏感に反応すると論じています。
  • Charlton et al., 2018: 心拍や脈波の信号から呼吸数を推定するアルゴリズムと、その精度をどう検証すべきかをレビューしています。

血中酸素（SpO2）

Daytlasでの表示：平均酸素飽和度

睡眠中の血液の推定酸素飽和度の平均を、パーセントで表したものです。リングとアカウントが提供している場合にのみ利用できます。

Daytlasでの表示方法

  • Trendsでは毎晩の平均を表示します。Daytlasがここからほかの値を導き出すことはありません。
  • このデータがなくても、Daytlasのほかの機能は使えます。

限界

パルスオキシメトリーは、体の動きや血流が悪いときに精度が下がります。また、肌の色が濃い人では、オキシメーターが酸素レベルを高めに示すことがあるという研究結果もあります。リングは医療用のオキシメーターではありません。

研究

  • Jiang et al., 2023: 一般向けスマートウォッチは、医療用オキシメーターと比べた血中酸素の精度に差があり、約30%の試行で値を示せない機種もありました。
  • Sjoding et al., 2020: 入院患者では、パルスオキシメーターが低い血中酸素を見逃した割合が、黒人の患者では白人の患者の約3倍でした。
  • Gries & Brooks, 1996: 健康な人の睡眠中では、酸素飽和度の中央値は約96.5%、最低値の平均は約90%で、60歳を超える人ではやや低い値でした。

そのほかの出典： Jubran, 2015

方法と統計

Daytlasのすべての平均、比較、相関、ハイライトの背後にある計算。

日、夜、欠けたデータ

すべてのグラフは、リングのアプリが提供する日ごとのまとめと睡眠の記録から作った、暦日ごとに1行のデータから始まります。

Daytlasでの表示方法

  • 睡眠は、リングのアプリが割り当てた日に属します。いちばん長い睡眠が、その日の睡眠の指標になります。
  • 欠けた値は欠けたままです。Daytlasが空白をゼロや作った値で埋めることはなく、平均には値のある日だけを使います。
  • 日が欠けている箇所では線が途切れます。グラフ内の空白は薄い破線でつなぎ、データと誤解することなく傾向を追えるようにしています。
  • どの比較にも最低限の値の数が必要で、以下の各セクションに記載しています。それに満たない場合、Daytlasは推測せず、比較を表示しません。

限界

リングを外していた夜など、特定の日に値が欠けやすい場合、平均は記録された日だけを表します。

研究

  • Tackney et al., 2021: 何も記録しない機器は、装着していないのか、動いていないのかのどちらとも考えられるため、装着時間を使ってウェアラブルの欠損データを定義することを提案しています。
  • Cho et al., 2021: 研究者とデータ品質の専門家は、完全性、正確性、妥当性を、ウェアラブルデータの主な品質の問題として挙げました。
  • Sterne et al., 2009: データが欠けている理由が値そのものと関係している場合、完全な記録だけを分析すると、結果に偏りが生じうることを説明しています。

平均と期間

Daytlasが日々を週、月、四半期、年にまとめる方法です。

Daytlasでの表示方法

  • Trendsでは、日ごとの値を表示するか、週、月、四半期、年ごとに平均します。週は設定で選んだ曜日（初期設定は月曜日）から始まります。各期間は、値のある日の単純平均です。時刻には円周平均を使います。
  • Trendsの各グラフには、画面上の値の平均を示す破線が引かれます。
  • Trendsのセクション見出しでは、選んだ範囲の値を古い半分と新しい半分に分け、それぞれの平均の差を表示します。前の期間と比べるものではありません。
  • Your Yearでは、日々を暦の週（設定の週の始まりから始まり、年の始めと終わりで区切られます）と月にまとめます。

限界

平均はノイズをならしますが、短い変化を隠すこともあります。また、2つの指標が、日ごとの値よりも強く関連しているように見えることがあります。

研究

  • Cremers & Klugkist, 2018: 角度や時刻など円周上のデータには、0度と360度が同じ点であるため、専用の方法が必要であることを示すチュートリアルです。
  • Berens, 2009: 角度や時刻には、通常の平均ではなく、円周平均などの円周統計が必要な理由を説明しています。
  • Robinson, 1950: 集団の平均値どうしの相関は、もとになった個々の値どうしの相関と大きく異なりうることを示しました。

ベースラインと変動の帯

ベースラインとは、比較の基準として使う、ご自身の最近の平均です。

Daytlasでの表示方法

  • Day：それぞれの値を、選んだ日の前の30日間（暦日、その日自体は含まない）の平均と比べます。比較は、そのうち少なくとも5日に値がある場合に表示されます。そうでない場合、Dayには「履歴が足りません」と表示されます。
  • Trends（日ごとの表示）：破線は、選んだ範囲内の前の60日間（暦日、その日自体は含まない）の平均です。網掛けの帯はその周りの±1標準偏差で、それ以前の値が少なくとも2つ必要です。
  • Overviewのスコアカードでは、最新のスコアを、その前の最大7日間の平均と比べます。

限界

ベースラインはご自身の最近の過去を表すもので、健康的な範囲や目標の範囲ではありません。普段の日ごとのばらつきより小さい差は、よくある変動である可能性が高いでしょう。

研究

  • Buchheit, 2014: 安静時心拍数やHRVの変化を、普段の日ごとの誤差と、意味のある最小の変化に照らして読むことを推奨しています。
  • Plews et al., 2013: HRVは、1日ごとの値よりも、数日間にわたる適切な平均で追うほうがよいと論じています。
  • Hopkins, 2000: 同じ人が繰り返し測ったときの通常のばらつきである「典型誤差」を定義し、変化が本物かどうかを判断する物差しとしています。

そのほかの出典： Plews et al., 2013

比較の期間

ご自身の履歴の2つの期間を、並べて比べるものです。

Daytlasでの表示方法

  • 直近30日間（Overview）：今日を含む過去30日間（暦日）の平均を、その前の30日間、および1年前の同じ30日間と比べます。それぞれの比較には、両方の期間に15件以上の値が必要です。記録上最も高い日は、現在の期間の中で最も高い1日の値です。
  • 今月と先月：直近30日間をその前の30日間と比べ、変化率で表します。対象は各期間に15件以上の値がある指標で、変化の大きい順に並べます。
  • あなたの一週間：直近7日間（暦日）を、その前の60日間と比べます。読み込んだ履歴では、最新の記録までの7日間を使います。今週4件以上、ベースラインに30件以上の値がある指標が対象で、ベースラインからの差が標準偏差で見て最も大きい3つの指標を表示します。
  • 色は上がったか下がったかの方向だけを示し、良し悪しを示すことはありません。

限界

2つの期間は、片方にたまたま極端に高い日や低い日が含まれていただけで、違って見えることがあります。次の期間では、平均に近づくことがよくあります。

研究

  • Hopkins, 2000: 同じ人が繰り返し測ったときの通常のばらつきである「典型誤差」を定義し、変化が本物かどうかを判断する物差しとしています。
  • Swinton et al., 2018: 測定誤差、典型誤差、意味のある最小の変化が、一人の変化が本物かどうかを判断するのにどう役立つかを示しています。
  • Hopkins et al., 2009: 有意性検定だけに頼るのではなく、効果をその大きさと精度で判断し、標準偏差を示すことを推奨しています。

そのほかの出典： Barnett et al., 2005

中央値、パーセンタイル、分布

ひとつの平均ではなく、普段の範囲を見るための方法です。

Daytlasでの表示方法

  • プロフィールの「いつもの値」：直近90日間（暦日）の中央値と中央50%（25〜75パーセンタイル）を、記録のある14日以上から求めます。背景のトラックは5〜95パーセンタイルの範囲なので、まれな1日によって押しつぶされることはありません。
  • Overviewの曜日別パターン：履歴全体から、曜日ごとの中央値と中央50%を、設定の週の始まりの曜日から順に表示し、それぞれのもとになった日数もあわせて示します。
  • Overviewの「直近30日間の位置は？」：記録のあるすべての日を、等しい幅の12の範囲に振り分け、各範囲に入る、それ以前の日と直近30日間の割合を示します。記録のある日が10日以上必要です。
  • パーセンタイルは、隣り合う値の間を線形補間して求めます。統計ソフトで一般的な定義です。

限界

日数が少ないうちは、新しい日が加わるたびに中央値や四分位数が目に見えて動きます。曜日による違いは、その曜日そのものよりも、あなたのスケジュールを反映している場合があります。

研究

  • Weissgerber et al., 2015: まったく異なる多くの分布から、同じ棒グラフや折れ線グラフができることがあります。そのため、分布全体を示すと、読み手がデータを判断しやすくなります。
  • Wittmann et al., 2006: 社会的時差ぼけについて説明しています。多くの人は仕事の日と休みの日で眠る時間帯が異なり、その傾向は夜型（遅いクロノタイプ）の人で最も強くなります。
  • Krzywinski & Altman, 2014: 箱ひげ図が、中央値、値の中央50%、そのばらつきをどう示すかを説明しています。これにより、分布を比べやすくなります。

そのほかの出典： Hyndman & Fan, 1996

相関

相関は、ご自身のデータの中で、2つの指標がどれだけ連動して上下するかを表します。

Daytlasでの表示方法

  • Daytlasは、ピアソンの相関係数r（−1〜+1）を、同じ日の値の組、または平均する場合は同じ週、月、四半期、年の値の組に対して使います。
  • 両方の指標に値がある期間だけを数え、空白を埋めることはありません。組は少なくとも5つ必要で、どちらかの指標が変動しない場合はrを表示しません。
  • 時刻（就寝時刻、起床時刻、睡眠の中間時刻）は、深夜0時で一周するため除外します。
  • 表現は、符号を無視したrの大きさに従います。0.2未満は「はっきりした直線的な傾向なし」、0.4未満は弱い、0.7未満は中程度、0.7以上は強いと表します。結果とあわせて組の数を表示します。

限界

相関は因果関係ではありません。また、Daytlasは有意性の検定を行いません。組が数十程度だとrは大きく揺れ動き、多くの組み合わせを並べた行列では、偶然だけで強そうに見える値がいくつか現れます。日々の値はその前の日々に左右されるため、2つの指標が実際以上に関連しているように見えることがあります。同じ入力から作られた平均やスコアでも同様です。

研究

  • Schober et al., 2018: ピアソンのrをいつ使うか、−1〜+1の尺度が何を意味するか、その強さをどう解釈するかについてのチュートリアルです。
  • Dean & Dunsmuir, 2016: 値が自身の過去に依存する2つの時系列の相関をとると、実際には存在しない関係が示唆されることがあると示しています。
  • Schönbrodt & Perugini, 2013: シミュレーションにより、小さなサンプルの相関は大きく揺れ動くことが示されました。典型的なケースでは、安定した推定に約250の観測値が必要です。

そのほかの出典： Benjamini & Hochberg, 1995

ベースラインの変化

ある指標の水準が変わり、しばらくその状態が続いたように見える日付です。

Daytlasでの表示方法

  • 平均安静時心拍数、HRV、Sleep Score、総睡眠時間について、Daytlasは履歴を少なくとも7日ずつ進みながら、ある日付の前30日間の平均と、その日からの30日間の平均を比べます。
  • 2つの平均の差がその指標の履歴全体の標準偏差1つ分を超え、両方の期間に24件以上の値があり、指標全体で60件以上の値がある場合に、変化として示します。
  • 同じ指標の変化どうしは、少なくとも30日離れています。カードには直近の4件を表示します。

限界

これらは記述的な候補であり、統計的に検定した変化点ではありません。また、なぜ変化が起きたかについては何も示しません。

研究

  • Truong et al., 2020: 時系列が変化する点を見つける方法をレビューしています。どの方法も、コスト関数、探索方法、変化の数の制限から構成されます。
  • Aminikhanghahi & Cook, 2017: 時系列の急な変化を検出する方法を、教師ありから教師なしのアルゴリズムまで概観し、比較しています。
  • Barnett et al., 2005: 極端に高い値や低い値の後には平均に近い値が続きやすい理由と、それが本当の変化のように見えることがある理由を説明しています。

Tag Labの比較

リングのアプリでタグをつけた習慣の翌日に、記録された指標がどう違うかを示します。

Daytlasでの表示方法

  • タグは開始日から終了日までのすべての日に適用され、同じ名前のタグはまとめて扱います。
  • Daytlasは指標ごとに、タグのついた日の翌日の平均を、それ以外の記録のある日すべての平均と比べます。
  • 各グループには値のある日が5日以上必要で、各グループの日数も表示します。
  • 比較する指標は、平均HRV、平均安静時心拍数、Sleep Score、Readiness Score、総睡眠時間、深い睡眠の時間、呼吸数で、比較対象の平均に対する差の大きさの順に並べます。

限界

これらは調整していない平均です。タグのない日でも、その習慣がなかったとは限りません。ほかの習慣やスケジュールが差を説明することもあり、少数の普段と違う日が小さなグループを動かすこともあります。7つの指標を同時に比べるため、そのうちひとつは偶然で差が出ることがあります。差は結果ではなく、問いとして読んでください。

研究

  • Shaffer et al., 2018: 公表された54件の一人を対象とした試験（N-of-1試験）をレビューし、その多くが結果を判断するのに必要な詳細を欠いていることを見いだして、より厳密な方法を求めました。
  • Daza, 2018: トレンド、持ち越し効果、自己相関を考慮したうえで、一人の自己記録データに見られる関連をいつ効果として読めるかを示しています。
  • Barnett et al., 2005: 極端に高い値や低い値の後には平均に近い値が続きやすい理由と、それが本当の変化のように見えることがある理由を説明しています。

そのほかの出典： Bender & Lange, 2001

マイルストーン、連続記録、最高・最低記録

高いスコアが続いた期間と、記録上の最高値・最低値です。

Daytlasでの表示方法

  • 連続記録は、Sleep ScoreまたはReadiness Scoreが85以上だった連続する暦日を数えます。記録のない日があると連続は途切れ、現在の連続記録は、最新のスコアが今日か昨日のものである場合にのみ数えます。
  • 最長の連続記録は、履歴の中で最も長く続いた期間です。HRVの最高記録は、一晩の平均値のうち最も高いものです。
  • Your Yearでは、最も高い日と低い日、そして記録のある日が7日以上の月の中から、最も高い月と低い月を示します。

限界

記録とは、定義上、極端な値です。記録の後の値は、たいてい平均の方向に戻ります。高い・低いは値についての表現であり、健康状態を表すものではありません。

研究

  • Gilovich et al., 1985: シュートの記録は、選手やファンが信じる「好調の波」を裏づけませんでした。人は、ほとんど偶然の並びの中にも連続を見いだしてしまうことを示唆しています。
  • Barnett et al., 2005: 極端に高い値や低い値の後には平均に近い値が続きやすい理由と、それが本当の変化のように見えることがある理由を説明しています。
  • Morton & Torgerson, 2003: 平均への回帰によって、一部は偶然による変化が、ある行動の効果のように見えることがあると示しています。

Your Yearと月ごとの記録

1日単位ではなく、季節や変動を見るための、1年全体の表示です。

Daytlasでの表示方法

  • 3つのリング状のグラフは、Sleep Score、Readiness Score、Activity Scoreの週平均を示します（週は設定の週の始まりから始まり、年の境目で区切られます）。その年の各指標の中で、色が濃いほど値が高く、灰色は値がないことを示します。
  • カレンダーでは、選んだ指標のその年の最低値から最高値までを7段階に分け、各日を色分けします。
  • 「月ごとの記録」では、最新の記録で終わる12か月について、月ごとのメインの睡眠の平均、その標準偏差、欠けている日数を表示します。最も長かった月と最も安定していた月は、7夜以上記録のある月から選び、そうした月が2か月以上ある場合に表示します。

限界

色のスケールはご自身のその年を基準にしているため、同じ色でも、年や指標によって表す値が異なります。

研究

  • Bei et al., 2016: 夜ごとの変動は平均とは別に、それ自体が睡眠の一つの側面であると論じ、それが何と関係するかを調べた53件の研究をレビューしています。
  • Lemola et al., 2013: 1週間にわたって記録された成人441人では、睡眠時間の平均よりも夜ごとのばらつきのほうが、睡眠の質や幸福感の低さと結びついていました。
  • Crameri et al., 2020: 不均一なカラーマップや赤と緑のカラーマップがデータをゆがめることを示し、色覚の多様性にも対応した、知覚的に均一なスケールを推奨しています。

参考文献

出典の選び方

  • 査読を経た研究のみを使います。多くの研究をまとめて評価できるため、最新のコンセンサス声明、メタアナリシス、システマティックレビューを優先します。
  • 精度については、一般向けウェアラブルを研究室の基準と比較した検証研究を使います。独立した研究室によるものや、複数の機器を試験したものを優先し、メーカーの宣伝資料は使いません。
  • 計算については、Daytlasが実際に行っている処理に関する方法論の論文を使います。対象は、ベースラインと典型誤差、平均の取り方、時刻を扱う円周統計、少ないサンプル数や多数の比較を伴う相関、夜ごとの変動です。
  • すべてのDOIを出版社の記録と照合し、リンクが有効で、タイトル、筆頭著者、発行年が一致することを確認しています。確認できないものは掲載しません。
  • 一行の要約は、平易な言葉で独自にまとめたものです。研究が示すのは集団についての結果であり、あなた個人についてではありません。全体像を知るには、論文をお読みください。

出典は99件、最終確認は2026年10月8日です。上の各セクションには最大3件を表示しています。ここでは、すべての出典をトピック別に掲載しています。

睡眠

  1. Watson NF, Badr MS, Belenky G, et al. Recommended Amount of Sleep for a Healthy Adult: A Joint Consensus Statement of the American Academy of Sleep Medicine and Sleep Research Society. Journal of Clinical Sleep Medicine. 2015;11(6):591–592. doi:10.5664/jcsm.4758

    コンセンサス声明 · 引用箇所： 総睡眠時間

  2. Hirshkowitz M, Whiton K, Albert SM, et al. National Sleep Foundation’s sleep time duration recommendations: methodology and results summary. Sleep Health. 2015;1(1):40–43. doi:10.1016/j.sleh.2014.12.010

    コンセンサス声明 · 引用箇所： 総睡眠時間

  3. Chinoy ED, Cuellar JA, Huwa KE, et al. Performance of seven consumer sleep-tracking devices compared with polysomnography. Sleep. 2021;44(5):zsaa291. doi:10.1093/sleep/zsaa291

    検証研究 · 引用箇所： 総睡眠時間, 深い睡眠、浅い睡眠、レム睡眠、覚醒時間

  4. Ohayon M, Wickwire EM, Hirshkowitz M, et al. National Sleep Foundation’s sleep quality recommendations: first report. Sleep Health. 2017;3(1):6–19. doi:10.1016/j.sleh.2016.11.006

    コンセンサス声明 · 引用箇所： ベッドにいた時間と睡眠効率, 入眠までの時間

  5. Reed DL, Sacco WP. Measuring Sleep Efficiency: What Should the Denominator Be? Journal of Clinical Sleep Medicine. 2016;12(2):263–266. doi:10.5664/jcsm.5498

    方法論の論文 · 引用箇所： ベッドにいた時間と睡眠効率

  6. Ohayon MM, Carskadon MA, Guilleminault C, et al. Meta-Analysis of Quantitative Sleep Parameters From Childhood to Old Age in Healthy Individuals: Developing Normative Sleep Values Across the Human Lifespan. Sleep. 2004;27(7):1255–1273. doi:10.1093/sleep/27.7.1255

    メタアナリシス · 引用箇所： 入眠までの時間

  7. Miller DJ, Sargent C, Roach GD. A Validation of Six Wearable Devices for Estimating Sleep, Heart Rate and Heart Rate Variability in Healthy Adults. Sensors. 2022;22(16):6317. doi:10.3390/s22166317

    検証研究 · 引用箇所： 深い睡眠、浅い睡眠、レム睡眠、覚醒時間

  8. de Zambotti M, Cellini N, Goldstone A, et al. Wearable Sleep Technology in Clinical and Research Settings. Medicine & Science in Sports & Exercise. 2019;51(7):1538–1557. doi:10.1249/MSS.0000000000001947

    レビュー論文 · 引用箇所： Sleep Score, Activity Score

  9. Khosla S, Deak MC, Gault D, et al. Consumer Sleep Technology: An American Academy of Sleep Medicine Position Statement. Journal of Clinical Sleep Medicine. 2018;14(5):877–880. doi:10.5664/jcsm.7128

    ポジションステートメント · 引用箇所： Sleep Score

  10. Sletten TL, Weaver MD, Foster RG, et al. The importance of sleep regularity: a consensus statement of the National Sleep Foundation sleep timing and variability panel. Sleep Health. 2023;9(6):801–820. doi:10.1016/j.sleh.2023.07.016

    コンセンサス声明 · 引用箇所： 就寝時刻、起床時刻、睡眠の中間時刻

  11. Roenneberg T, Wirz-Justice A, Merrow M. Life between Clocks: Daily Temporal Patterns of Human Chronotypes. Journal of Biological Rhythms. 2003;18(1):80–90. doi:10.1177/0748730402239679

    観察研究 · 引用箇所： 就寝時刻、起床時刻、睡眠の中間時刻

  12. Phillips AJK, Clerx WM, O’Brien CS, et al. Irregular sleep/wake patterns are associated with poorer academic performance and delayed circadian and sleep/wake timing. Scientific Reports. 2017;7:3216. doi:10.1038/s41598-017-03171-4

    観察研究 · 引用箇所： 睡眠の規則性

  13. Fischer D, Klerman EB, Phillips AJK. Measuring sleep regularity: theoretical properties and practical usage of existing metrics. Sleep. 2021;44(10):zsab103. doi:10.1093/sleep/zsab103

    方法論の論文 · 引用箇所： 睡眠の規則性

  14. Windred DP, Burns AC, Lane JM, et al. Sleep regularity is a stronger predictor of mortality risk than sleep duration: A prospective cohort study. Sleep. 2024;47(1):zsad253. doi:10.1093/sleep/zsad253

    コホート研究 · 引用箇所： 睡眠の規則性

  15. Bei B, Wiley JF, Trinder J, et al. Beyond the mean: A systematic review on the correlates of daily intraindividual variability of sleep/wake patterns. Sleep Medicine Reviews. 2016;28:108–124. doi:10.1016/j.smrv.2015.06.003

    システマティックレビュー · 引用箇所： Your Yearと月ごとの記録

  16. Wittmann M, Dinich J, Merrow M, et al. Social Jetlag: Misalignment of Biological and Social Time. Chronobiology International. 2006;23(1–2):497–509. doi:10.1080/07420520500545979

    観察研究 · 引用箇所： 中央値、パーセンタイル、分布

  17. Buysse DJ. Sleep Health: Can We Define It? Does It Matter? Sleep. 2014;37(1):9–17. doi:10.5665/sleep.3298

    レビュー論文 · 引用箇所： Sleep Score

  18. de Zambotti M, Goldstein C, Cook J, et al. State of the science and recommendations for using wearable technology in sleep and circadian research. Sleep. 2024;47(4):zsad325. doi:10.1093/sleep/zsad325

    レビュー論文 · 引用箇所： Sleep Score

  19. Chaput JP, Dutil C, Sampasa-Kanyinga H. Sleeping hours: what is the ideal number and how does age impact this? Nature and Science of Sleep. 2018;10:421–430. doi:10.2147/NSS.S163071

    レビュー論文 · 引用箇所： 総睡眠時間

  20. Ancoli-Israel S, Martin JL, Blackwell T, et al. The SBSM Guide to Actigraphy Monitoring: Clinical and Research Applications. Behavioral Sleep Medicine. 2015;13(sup1):S4–S38. doi:10.1080/15402002.2015.1046356

    レビュー論文 · 引用箇所： ベッドにいた時間と睡眠効率

  21. Lee T, Cho Y, Cha KS, et al. Accuracy of 11 Wearable, Nearable, and Airable Consumer Sleep Trackers: Prospective Multicenter Validation Study. JMIR mHealth and uHealth. 2023;11:e50983. doi:10.2196/50983

    検証研究 · 引用箇所： ベッドにいた時間と睡眠効率, 深い睡眠、浅い睡眠、レム睡眠、覚醒時間

  22. Boulos MI, Jairam T, Kendzerska T, et al. Normal polysomnography parameters in healthy adults: a systematic review and meta-analysis. The Lancet Respiratory Medicine. 2019;7(6):533–543. doi:10.1016/S2213-2600(19)30057-8

    メタアナリシス · 引用箇所： 入眠までの時間, 深い睡眠、浅い睡眠、レム睡眠、覚醒時間

  23. Fischer D, Lombardi DA, Marucci-Wellman H, et al. Chronotypes in the US – Influence of age and sex. PLOS ONE. 2017;12(6):e0178782. doi:10.1371/journal.pone.0178782

    観察研究 · 引用箇所： 就寝時刻、起床時刻、睡眠の中間時刻

  24. Chaput JP, Dutil C, Featherstone R, et al. Sleep timing, sleep consistency, and health in adults: a systematic review. Applied Physiology, Nutrition, and Metabolism. 2020;45(10 Suppl 2):S232–S247. doi:10.1139/apnm-2020-0032

    システマティックレビュー · 引用箇所： 睡眠の規則性

  25. Lemola S, Ledermann T, Friedman EM. Variability of Sleep Duration Is Related to Subjective Sleep Quality and Subjective Well-Being: An Actigraphy Study. PLOS ONE. 2013;8(8):e71292. doi:10.1371/journal.pone.0071292

    観察研究 · 引用箇所： Your Yearと月ごとの記録

Readinessと回復

  1. Buchheit M. Monitoring training status with HR measures: do all roads lead to Rome? Frontiers in Physiology. 2014;5:73. doi:10.3389/fphys.2014.00073

    レビュー論文 · 引用箇所： Readiness Score, ベースラインと変動の帯

  2. Bellenger CR, Fuller JT, Thomson RL, et al. Monitoring Athletic Training Status Through Autonomic Heart Rate Regulation: A Systematic Review and Meta-Analysis. Sports Medicine. 2016;46(10):1461–1486. doi:10.1007/s40279-016-0484-2

    メタアナリシス · 引用箇所： Readiness Score

  3. Kellmann M, Bertollo M, Bosquet L, et al. Recovery and Performance in Sport: Consensus Statement. International Journal of Sports Physiology and Performance. 2018;13(2):240–245. doi:10.1123/ijspp.2017-0759

    コンセンサス声明 · 引用箇所： Readiness Score

  4. Düking P, Zinner C, Trabelsi K, et al. Monitoring and adapting endurance training on the basis of heart rate variability monitored by wearable technologies: A systematic review with meta-analysis. Journal of Science and Medicine in Sport. 2021;24(11):1180–1192. doi:10.1016/j.jsams.2021.04.012

    メタアナリシス · 引用箇所： Readiness Score

心拍変動（HRV）

  1. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart Rate Variability: Standards of Measurement, Physiological Interpretation, and Clinical Use. Circulation. 1996;93(5):1043–1065. doi:10.1161/01.CIR.93.5.1043

    基準報告 · 引用箇所： 平均HRV

  2. Laborde S, Mosley E, Thayer JF. Heart Rate Variability and Cardiac Vagal Tone in Psychophysiological Research – Recommendations for Experiment Planning, Data Analysis, and Data Reporting. Frontiers in Psychology. 2017;8:213. doi:10.3389/fpsyg.2017.00213

    レビュー論文 · 引用箇所： 平均HRV

  3. Cao R, Azimi I, Sarhaddi F, et al. Accuracy Assessment of Oura Ring Nocturnal Heart Rate and Heart Rate Variability in Comparison With Electrocardiography in Time and Frequency Domains: Comprehensive Analysis. Journal of Medical Internet Research. 2022;24(1):e27487. doi:10.2196/27487

    検証研究 · 引用箇所： 平均HRV

  4. Shaffer F, Ginsberg JP. An Overview of Heart Rate Variability Metrics and Norms. Frontiers in Public Health. 2017;5:258. doi:10.3389/fpubh.2017.00258

    レビュー論文 · 引用箇所： HRVを長期的に読む

  5. Umetani K, Singer DH, McCraty R, et al. Twenty-Four Hour Time Domain Heart Rate Variability and Heart Rate: Relations to Age and Gender Over Nine Decades. Journal of the American College of Cardiology. 1998;31(3):593–601. doi:10.1016/S0735-1097(97)00554-8

    観察研究 · 引用箇所： HRVを長期的に読む

  6. Altini M, Plews D. What Is behind Changes in Resting Heart Rate and Heart Rate Variability? A Large-Scale Analysis of Longitudinal Measurements Acquired in Free-Living. Sensors. 2021;21(23):7932. doi:10.3390/s21237932

    観察研究 · 引用箇所： HRVを長期的に読む

  7. Dobbs WC, Fedewa MV, MacDonald HV, et al. The Accuracy of Acquiring Heart Rate Variability from Portable Devices: A Systematic Review and Meta-Analysis. Sports Medicine. 2019;49(3):417–435. doi:10.1007/s40279-019-01061-5

    メタアナリシス · 引用箇所： 平均HRV

  8. Natarajan A, Pantelopoulos A, Emir-Farinas H, et al. Heart rate variability with photoplethysmography in 8 million individuals: a cross-sectional study. The Lancet Digital Health. 2020;2(12):e650–e657. doi:10.1016/S2589-7500(20)30246-6

    観察研究 · 引用箇所： HRVを長期的に読む

心拍

  1. Quer G, Gouda P, Galarnyk M, et al. Inter- and intraindividual variability in daily resting heart rate and its associations with age, sex, sleep, BMI, and time of year: Retrospective, longitudinal cohort study of 92,457 adults. PLOS ONE. 2020;15(2):e0227709. doi:10.1371/journal.pone.0227709

    コホート研究 · 引用箇所： 安静時心拍数

  2. Stone JD, Ulman HK, Tran K, et al. Assessing the Accuracy of Popular Commercial Technologies That Measure Resting Heart Rate and Heart Rate Variability. Frontiers in Sports and Active Living. 2021;3:585870. doi:10.3389/fspor.2021.585870

    検証研究 · 引用箇所： 安静時心拍数

  3. Zhang D, Shen X, Qi X. Resting heart rate and all-cause and cardiovascular mortality in the general population: a meta-analysis. Canadian Medical Association Journal. 2016;188(3):E53–E63. doi:10.1503/cmaj.150535

    メタアナリシス · 引用箇所： 安静時心拍数

  4. Bent B, Goldstein BA, Kibbe WA, et al. Investigating sources of inaccuracy in wearable optical heart rate sensors. npj Digital Medicine. 2020;3:18. doi:10.1038/s41746-020-0226-6

    検証研究 · 引用箇所： 日中の心拍数

  5. Charlton PH, Paliakaitė B, Pilt K, et al. Assessing hemodynamics from the photoplethysmogram to gain insights into vascular age: a review from VascAgeNet. American Journal of Physiology – Heart and Circulatory Physiology. 2022;322(4):H493–H522. doi:10.1152/ajpheart.00392.2021

    レビュー論文 · 引用箇所： 心血管年齢

  6. Reference Values for Arterial Stiffness’ Collaboration. Determinants of pulse wave velocity in healthy people and in the presence of cardiovascular risk factors: ‘establishing normal and reference values’. European Heart Journal. 2010;31(19):2338–2350. doi:10.1093/eurheartj/ehq165

    観察研究 · 引用箇所： 心血管年齢

  7. Speed C, Arneil T, Harle R, et al. Measure by measure: Resting heart rate across the 24-hour cycle. PLOS Digital Health. 2023;2(4):e0000236. doi:10.1371/journal.pdig.0000236

    観察研究 · 引用箇所： 安静時心拍数

  8. Zhang Y, Weaver RG, Armstrong B, et al. Validity of Wrist-Worn photoplethysmography devices to measure heart rate: A systematic review and meta-analysis. Journal of Sports Sciences. 2020;38(17):2021–2034. doi:10.1080/02640414.2020.1767348

    メタアナリシス · 引用箇所： 日中の心拍数

  9. Shcherbina A, Mattsson CM, Waggott D, et al. Accuracy in Wrist-Worn, Sensor-Based Measurements of Heart Rate and Energy Expenditure in a Diverse Cohort. Journal of Personalized Medicine. 2017;7(2):3. doi:10.3390/jpm7020003

    検証研究 · 引用箇所： 日中の心拍数, 活動消費カロリーと総消費カロリー

  10. Laurent S, Cockcroft J, Van Bortel L, et al. Expert consensus document on arterial stiffness: methodological issues and clinical applications. European Heart Journal. 2006;27(21):2588–2605. doi:10.1093/eurheartj/ehl254

    コンセンサス声明 · 引用箇所： 心血管年齢

  11. Allen J. Photoplethysmography and its application in clinical physiological measurement. Physiological Measurement. 2007;28(3):R1–R39. doi:10.1088/0967-3334/28/3/R01

    レビュー論文 · 引用箇所： 心血管年齢

活動

  1. Fuller D, Colwell E, Low J, et al. Reliability and Validity of Commercially Available Wearable Devices for Measuring Steps, Energy Expenditure, and Heart Rate: Systematic Review. JMIR mHealth and uHealth. 2020;8(9):e18694. doi:10.2196/18694

    システマティックレビュー · 引用箇所： 日中の心拍数, 歩数と歩行換算距離, 活動消費カロリーと総消費カロリー

  2. Bull FC, Al-Ansari SS, Biddle S, et al. World Health Organization 2020 guidelines on physical activity and sedentary behaviour. British Journal of Sports Medicine. 2020;54(24):1451–1462. doi:10.1136/bjsports-2020-102955

    ガイドライン · 引用箇所： Activity Score, 活動強度とMET

  3. Paluch AE, Bajpai S, Bassett DR, et al. Daily steps and all-cause mortality: a meta-analysis of 15 international cohorts. The Lancet Public Health. 2022;7(3):e219–e228. doi:10.1016/S2468-2667(21)00302-9

    メタアナリシス · 引用箇所： 歩数と歩行換算距離

  4. Tudor-Locke C, Craig CL, Brown WJ, et al. How many steps/day are enough? For adults. International Journal of Behavioral Nutrition and Physical Activity. 2011;8:79. doi:10.1186/1479-5868-8-79

    レビュー論文 · 引用箇所： 歩数と歩行換算距離

  5. O’Driscoll R, Turicchi J, Beaulieu K, et al. How well do activity monitors estimate energy expenditure? A systematic review and meta-analysis of the validity of current technologies. British Journal of Sports Medicine. 2020;54(6):332–340. doi:10.1136/bjsports-2018-099643

    メタアナリシス · 引用箇所： 活動消費カロリーと総消費カロリー

  6. Herrmann SD, Willis EA, Ainsworth BE, et al. 2024 Adult Compendium of Physical Activities: A third update of the energy costs of human activities. Journal of Sport and Health Science. 2024;13(1):6–12. doi:10.1016/j.jshs.2023.10.010

    システマティックレビュー · 引用箇所： 活動強度とMET

  7. Tremblay MS, Aubert S, Barnes JD, et al. Sedentary Behavior Research Network (SBRN) – Terminology Consensus Project process and outcome. International Journal of Behavioral Nutrition and Physical Activity. 2017;14:75. doi:10.1186/s12966-017-0525-8

    コンセンサス声明 · 引用箇所： 非活動時間、休息時間、非装着時間

  8. Ekelund U, Tarp J, Steene-Johannessen J, et al. Dose-response associations between accelerometry measured physical activity and sedentary time and all cause mortality: systematic review and harmonised meta-analysis. BMJ. 2019;366:l4570. doi:10.1136/bmj.l4570

    メタアナリシス · 引用箇所： Activity Score

  9. Banach M, Lewek J, Surma S, et al. The association between daily step count and all-cause and cardiovascular mortality: a meta-analysis. European Journal of Preventive Cardiology. 2023;30(18):1975–1985. doi:10.1093/eurjpc/zwad229

    メタアナリシス · 引用箇所： 歩数と歩行換算距離

  10. Byrne NM, Hills AP, Hunter GR, et al. Metabolic equivalent: one size does not fit all. Journal of Applied Physiology. 2005;99(3):1112–1119. doi:10.1152/japplphysiol.00023.2004

    観察研究 · 引用箇所： 活動強度とMET

  11. Migueles JH, Cadenas-Sanchez C, Ekelund U, et al. Accelerometer Data Collection and Processing Criteria to Assess Physical Activity and Other Outcomes: A Systematic Review and Practical Considerations. Sports Medicine. 2017;47(9):1821–1845. doi:10.1007/s40279-017-0716-0

    システマティックレビュー · 引用箇所： 活動強度とMET

  12. Patterson R, McNamara E, Tainio M, et al. Sedentary behaviour and risk of all-cause, cardiovascular and cancer mortality, and incident type 2 diabetes: a systematic review and dose response meta-analysis. European Journal of Epidemiology. 2018;33(9):811–829. doi:10.1007/s10654-018-0380-1

    メタアナリシス · 引用箇所： 非活動時間、休息時間、非装着時間

  13. Choi L, Liu Z, Matthews CE, et al. Validation of Accelerometer Wear and Nonwear Time Classification Algorithm. Medicine & Science in Sports & Exercise. 2011;43(2):357–364. doi:10.1249/MSS.0b013e3181ed61a3

    検証研究 · 引用箇所： 非活動時間、休息時間、非装着時間

体温

  1. Kräuchi K. The thermophysiological cascade leading to sleep initiation in relation to phase of entrainment. Sleep Medicine Reviews. 2007;11(6):439–451. doi:10.1016/j.smrv.2007.07.001

    レビュー論文 · 引用箇所： 体温偏差とトレンド

  2. Harding EC, Franks NP, Wisden W. The Temperature Dependence of Sleep. Frontiers in Neuroscience. 2019;13:336. doi:10.3389/fnins.2019.00336

    レビュー論文 · 引用箇所： 体温偏差とトレンド

  3. Okamoto-Mizuno K, Mizuno K. Effects of thermal environment on sleep and circadian rhythm. Journal of Physiological Anthropology. 2012;31:14. doi:10.1186/1880-6805-31-14

    レビュー論文 · 引用箇所： 体温偏差とトレンド

  4. Smith ADH, Crabtree DR, Bilzon JLJ, et al. The validity of wireless iButtons® and thermistors for human skin temperature measurement. Physiological Measurement. 2010;31(1):95–114. doi:10.1088/0967-3334/31/1/007

    検証研究 · 引用箇所： 体温偏差とトレンド

呼吸と血中酸素

  1. Nicolò A, Massaroni C, Schena E, et al. The Importance of Respiratory Rate Monitoring: From Healthcare to Sport and Exercise. Sensors. 2020;20(21):6396. doi:10.3390/s20216396

    レビュー論文 · 引用箇所： 呼吸数

  2. Charlton PH, Birrenkott DA, Bonnici T, et al. Breathing Rate Estimation From the Electrocardiogram and Photoplethysmogram: A Review. IEEE Reviews in Biomedical Engineering. 2018;11:2–20. doi:10.1109/RBME.2017.2763681

    レビュー論文 · 引用箇所： 呼吸数

  3. Jubran A. Pulse oximetry. Critical Care. 2015;19:272. doi:10.1186/s13054-015-0984-8

    レビュー論文 · 引用箇所： 血中酸素（SpO2）

  4. Sjoding MW, Dickson RP, Iwashyna TJ, et al. Racial Bias in Pulse Oximetry Measurement. New England Journal of Medicine. 2020;383(25):2477–2478. doi:10.1056/NEJMc2029240

    観察研究 · 引用箇所： 血中酸素（SpO2）

  5. Douglas NJ, White DP, Pickett CK, et al. Respiration during sleep in normal man. Thorax. 1982;37(11):840–844. doi:10.1136/thx.37.11.840

    観察研究 · 引用箇所： 呼吸数

  6. Jiang Y, Spies C, Magin J, et al. Investigating the accuracy of blood oxygen saturation measurements in common consumer smartwatches. PLOS Digital Health. 2023;2(7):e0000296. doi:10.1371/journal.pdig.0000296

    検証研究 · 引用箇所： 血中酸素（SpO2）

  7. Gries RE, Brooks LJ. Normal Oxyhemoglobin Saturation During Sleep: How Low Does It Go? Chest. 1996;110(6):1489–1492. doi:10.1378/chest.110.6.1489

    観察研究 · 引用箇所： 血中酸素（SpO2）

方法と統計

  1. Berens P. CircStat: A MATLAB Toolbox for Circular Statistics. Journal of Statistical Software. 2009;31(10):1–21. doi:10.18637/jss.v031.i10

    方法論の論文 · 引用箇所： 就寝時刻、起床時刻、睡眠の中間時刻, 平均と期間

  2. Sterne JAC, White IR, Carlin JB, et al. Multiple imputation for missing data in epidemiological and clinical research: potential and pitfalls. BMJ. 2009;338:b2393. doi:10.1136/bmj.b2393

    方法論の論文 · 引用箇所： 日、夜、欠けたデータ

  3. Robinson WS. Ecological Correlations and the Behavior of Individuals. American Sociological Review. 1950;15(3):351–357. doi:10.2307/2087176

    方法論の論文 · 引用箇所： 平均と期間

  4. Plews DJ, Laursen PB, Stanley J, et al. Training Adaptation and Heart Rate Variability in Elite Endurance Athletes: Opening the Door to Effective Monitoring. Sports Medicine. 2013;43(9):773–781. doi:10.1007/s40279-013-0071-8

    レビュー論文 · 引用箇所： ベースラインと変動の帯

  5. Hopkins WG. Measures of Reliability in Sports Medicine and Science. Sports Medicine. 2000;30(1):1–15. doi:10.2165/00007256-200030010-00001

    レビュー論文 · 引用箇所： ベースラインと変動の帯, 比較の期間

  6. Barnett AG, van der Pols JC, Dobson AJ. Regression to the mean: what it is and how to deal with it. International Journal of Epidemiology. 2005;34(1):215–220. doi:10.1093/ije/dyh299

    方法論の論文 · 引用箇所： 比較の期間, ベースラインの変化, Tag Labの比較, マイルストーン、連続記録、最高・最低記録

  7. Hyndman RJ, Fan Y. Sample Quantiles in Statistical Packages. The American Statistician. 1996;50(4):361–365. doi:10.1080/00031305.1996.10473566

    方法論の論文 · 引用箇所： 中央値、パーセンタイル、分布

  8. Schober P, Boer C, Schwarte LA. Correlation Coefficients: Appropriate Use and Interpretation. Anesthesia & Analgesia. 2018;126(5):1763–1768. doi:10.1213/ANE.0000000000002864

    レビュー論文 · 引用箇所： 相関

  9. Schönbrodt FD, Perugini M. At what sample size do correlations stabilize? Journal of Research in Personality. 2013;47(5):609–612. doi:10.1016/j.jrp.2013.05.009

    方法論の論文 · 引用箇所： 相関

  10. Truong C, Oudre L, Vayatis N. Selective review of offline change point detection methods. Signal Processing. 2020;167:107299. doi:10.1016/j.sigpro.2019.107299

    レビュー論文 · 引用箇所： ベースラインの変化

  11. Daza EJ. Causal Analysis of Self-tracked Time Series Data Using a Counterfactual Framework for N-of-1 Trials. Methods of Information in Medicine. 2018;57(S01):e10–e21. doi:10.3414/ME16-02-0044

    方法論の論文 · 引用箇所： Tag Labの比較

  12. Tackney MS, Cook DG, Stahl D, et al. A framework for handling missing accelerometer outcome data in trials. Trials. 2021;22:379. doi:10.1186/s13063-021-05284-8

    方法論の論文 · 引用箇所： 日、夜、欠けたデータ

  13. Cho S, Weng C, Kahn MG, et al. Identifying Data Quality Dimensions for Person-Generated Wearable Device Data: Multi-Method Study. JMIR mHealth and uHealth. 2021;9(12):e31618. doi:10.2196/31618

    方法論の論文 · 引用箇所： 日、夜、欠けたデータ

  14. Cremers J, Klugkist I. One Direction? A Tutorial for Circular Data Analysis Using R With Examples in Cognitive Psychology. Frontiers in Psychology. 2018;9:2040. doi:10.3389/fpsyg.2018.02040

    方法論の論文 · 引用箇所： 平均と期間

  15. Plews DJ, Laursen PB, Kilding AE, et al. Evaluating Training Adaptation With Heart-Rate Measures: A Methodological Comparison. International Journal of Sports Physiology and Performance. 2013;8(6):688–691. doi:10.1123/ijspp.8.6.688

    方法論の論文 · 引用箇所： ベースラインと変動の帯

  16. Hopkins WG, Marshall SW, Batterham AM, et al. Progressive Statistics for Studies in Sports Medicine and Exercise Science. Medicine & Science in Sports & Exercise. 2009;41(1):3–12. doi:10.1249/MSS.0b013e31818cb278

    方法論の論文 · 引用箇所： 比較の期間

  17. Swinton PA, Hemingway BS, Saunders B, et al. A Statistical Framework to Interpret Individual Response to Intervention: Paving the Way for Personalized Nutrition and Exercise Prescription. Frontiers in Nutrition. 2018;5:41. doi:10.3389/fnut.2018.00041

    方法論の論文 · 引用箇所： 比較の期間

  18. Krzywinski M, Altman N. Visualizing samples with box plots. Nature Methods. 2014;11(2):119–120. doi:10.1038/nmeth.2813

    方法論の論文 · 引用箇所： 中央値、パーセンタイル、分布

  19. Weissgerber TL, Milic NM, Winham SJ, et al. Beyond Bar and Line Graphs: Time for a New Data Presentation Paradigm. PLOS Biology. 2015;13(4):e1002128. doi:10.1371/journal.pbio.1002128

    システマティックレビュー · 引用箇所： 中央値、パーセンタイル、分布

  20. Dean RT, Dunsmuir WTM. Dangers and uses of cross-correlation in analyzing time series in perception, performance, movement, and neuroscience: The importance of constructing transfer function autoregressive models. Behavior Research Methods. 2016;48(2):783–802. doi:10.3758/s13428-015-0611-2

    方法論の論文 · 引用箇所： 相関

  21. Benjamini Y, Hochberg Y. Controlling the False Discovery Rate: A Practical and Powerful Approach to Multiple Testing. Journal of the Royal Statistical Society: Series B (Methodological). 1995;57(1):289–300. doi:10.1111/j.2517-6161.1995.tb02031.x

    方法論の論文 · 引用箇所： 相関

  22. Aminikhanghahi S, Cook DJ. A survey of methods for time series change point detection. Knowledge and Information Systems. 2017;51(2):339–367. doi:10.1007/s10115-016-0987-z

    レビュー論文 · 引用箇所： ベースラインの変化

  23. Bender R, Lange S. Adjusting for multiple testing—when and how? Journal of Clinical Epidemiology. 2001;54(4):343–349. doi:10.1016/S0895-4356(00)00314-0

    方法論の論文 · 引用箇所： Tag Labの比較

  24. Shaffer JA, Kronish IM, Falzon L, et al. N-of-1 Randomized Intervention Trials in Health Psychology: A Systematic Review and Methodology Critique. Annals of Behavioral Medicine. 2018;52(9):731–742. doi:10.1093/abm/kax026

    システマティックレビュー · 引用箇所： Tag Labの比較

  25. Morton V, Torgerson DJ. Effect of regression to the mean on decision making in health care. BMJ. 2003;326(7398):1083–1084. doi:10.1136/bmj.326.7398.1083

    方法論の論文 · 引用箇所： マイルストーン、連続記録、最高・最低記録

  26. Gilovich T, Vallone R, Tversky A. The hot hand in basketball: On the misperception of random sequences. Cognitive Psychology. 1985;17(3):295–314. doi:10.1016/0010-0285(85)90010-6

    観察研究 · 引用箇所： マイルストーン、連続記録、最高・最低記録

  27. Crameri F, Shephard GE, Heron PJ. The misuse of colour in science communication. Nature Communications. 2020;11:5444. doi:10.1038/s41467-020-19160-7

    方法論の論文 · 引用箇所： Your Yearと月ごとの記録

誤りや、よりよい出典を見つけましたか？hadjkb@gmail.comまでお知らせください。