Analiza tus datos de sueño de Garmin con Claude

Día 89: Analiza tus datos de sueño de Garmin con Claude

Tu Garmin ya registra la puntuación de sueño, duración, etapas del sueño, HRV, estrés, Body Battery, frecuencia cardíaca en reposo y actividades. Mirar esas pantallas una por una te dice lo que sucedió. Analizar todo el historial junto puede ayudar a explicar por qué tus noches buenas y malas difieren.

Esto utiliza el mismo método de exportación y flujo de trabajo de Claude que el método de puntuación de sueño del Día 62, pero el objetivo aquí es diferente. No le estás pidiendo a Claude que persiga una puntuación de 90. Le estás pidiendo que audite los datos, cuantifique patrones, desafíe conclusiones débiles e identifique factores personales que valga la pena probar.

Paso 1: Exporta tus datos de Garmin

Ve a garmin.com → Cuenta → Gestión de Datos → Exportar Datos.

1. Inicia sesión en tu cuenta de Garmin.
2. Selecciona Exportar tus Datos.
3. Garmin prepara un archivo ZIP y te envía un correo electrónico cuando está listo. Esto puede tardar desde varios minutos hasta varias horas.
4. Descarga y descomprime el archivo. Busca la carpeta DI_CONNECT, que contiene gran parte de tu historial de sueño, HRV, estrés, Body Battery, frecuencia cardíaca en reposo y actividades.

Paso 2: Elige Claude Cowork o Claude Code

Necesitas una versión de Claude que pueda inspeccionar múltiples archivos en una carpeta local. Usa Cowork para un flujo de trabajo visual más simple o Claude Code si te sientes cómodo con un terminal.

Opción A: Claude Cowork

Claude Cowork se ejecuta a través de la aplicación de escritorio de Claude y puede trabajar con una carpeta que compartas explícitamente.

1. Instala la aplicación de escritorio de Claude desde claude.ai/download.
2. Ábrela e inicia sesión.
3. Inicia Cowork y concede acceso a la carpeta de exportación de Garmin descomprimida.
4. Pega el mensaje de análisis del Paso 3.

La disponibilidad de Cowork depende de tu plan y plataforma de Claude.

Opción B: Claude Code

Claude Code es la opción basada en terminal. Puede inspeccionar la estructura de carpetas, escribir pequeños scripts de análisis y procesar los archivos JSON juntos.

En Mac: presiona Cmd + Espacio, busca Terminal y ábrelo.

En Windows: abre PowerShell desde el menú de inicio.

Instala Claude Code con:

curl -fsSL https://claude.ai/install.sh | bash

Luego, escribe cd con un espacio después, arrastra la carpeta de Garmin descomprimida al terminal y presiona Enter. Inicia Claude Code:

claude

Completa el flujo de inicio de sesión, luego pega el mensaje a continuación.

Paso 3: Usa este mensaje de análisis profundo

Este mensaje mantiene las comparaciones útiles de sueño, HRV, estrés y actividad del Día 62, pero pide un análisis mucho más riguroso en lugar de saltar directamente a los consejos.

You are an expert sleep data analyst and sports scientist. I am giving you my full Garmin data export. Most relevant files are in the DI_CONNECT folder.

Your primary task is to ANALYSE my personal sleep and recovery data. Do not start by giving sleep advice. First build a reliable dataset, quantify patterns, test alternative explanations, and show how strong or weak each finding is.

Use scripts where helpful so the analysis is reproducible. Do not silently skip malformed files or assume field meanings. Inspect the available schemas and explain how you interpreted and joined the records.

Produce a structured report with these sections:

### 1. Data inventory and quality audit
- List every file used for sleep, sleep score, sleep stages, HRV status, overnight HRV, stress, Body Battery, resting heart rate, activities, training load, and recovery.
- State the date range, number of usable nights, missing periods, duplicate records, timezone issues, and fields that appear unreliable or unavailable.
- Explain how records from one day were matched to the following night's sleep.
- Clearly distinguish measured values, Garmin estimates, and values you calculated.

### 2. Personal sleep baseline
- Calculate mean, median, standard deviation, and meaningful percentiles for sleep score, sleep duration, bedtime, wake time, deep sleep, REM sleep, light sleep, awake time, overnight stress, HRV, and resting heart rate where available.
- Show weekly and monthly trends and identify genuine changes versus ordinary night-to-night variation.
- Use my own baseline rather than comparing me with generic population targets.

### 3. Best nights versus worst nights
- Compare my best 20% and worst 20% of nights, plus any nights scoring 90 or above as a secondary group.
- Quantify differences in duration, timing, sleep-stage estimates, HRV, resting heart rate, stress, Body Battery change, and previous-day activity.
- Report sample sizes, absolute differences, percentage differences where useful, and overlap between the groups.
- Include counterexamples: good nights that break the apparent pattern and bad nights where the supposedly helpful factor was present.

### 4. Previous-day activity analysis
- Match each night's sleep to the previous day's activities.
- Test associations with activity type, duration, distance, intensity, training load, start time, end time, total daily activity, recovery time, and rest days where available.
- Compare easy versus hard days and early versus late workouts only when enough examples exist.
- Check whether results remain plausible after accounting for weekday/weekend effects, recent training load, and baseline recovery.

### 5. HRV, stress, and recovery analysis
- Analyse how overnight HRV, HRV status, resting heart rate, stress, Body Battery, and sleep score move together over time.
- Identify lagged patterns across several days, not just same-night correlations.
- Separate expected mathematical or algorithmic relationships from genuinely useful personal patterns. Garmin metrics may share input data, so do not present those relationships as independent discoveries.

### 6. Pattern evidence table
Create a table for every potentially useful pattern with:
- Hypothesis
- Supporting dates and sample size
- Effect size or numerical difference
- Counterexamples
- Possible confounders
- Confidence: high, medium, low, or insufficient data
- What additional data would strengthen or reject the finding

### 7. Missing lifestyle context
- Identify questions the Garmin export cannot answer, such as alcohol, caffeine, meals, medication, illness, travel, room temperature, or screen use.
- Never invent these factors.
- Give me a short daily log template for collecting only the missing variables most likely to improve a future analysis.

### 8. Conclusions and experiments
- Rank the three to five strongest findings, but include only findings supported by my data.
- For each finding, propose a specific two-week experiment that changes one variable at a time.
- Define the metric, comparison, and minimum result that would support or reject the hypothesis.
- Keep recommendations secondary to the analysis and tie every recommendation to a reported finding.

### 9. Safety and limitations
- Flag persistent or unusual trends that may deserve discussion with a qualified health professional, but do not diagnose a condition.
- Explain the limitations of wrist-based sleep-stage estimates and observational data.
- Clearly state that correlation does not prove causation.

Finish with:
1. A one-page executive summary.
2. The five most important charts or tables.
3. A concise list of findings ordered by confidence.
4. The reusable analysis scripts and any cleaned data tables you created.

Be precise and skeptical. Cite dates, numbers, sample sizes, effect sizes, counterexamples, and uncertainty. If the data cannot support a conclusion, say so directly instead of filling the gap with generic sleep advice.

Usa los hallazgos como hipótesis

Las etapas de sueño y métricas de bienestar de Garmin son estimaciones de dispositivos portátiles, no un estudio médico del sueño. Claude también está trabajando con datos observacionales: puede encontrar relaciones, pero no puede probar que un comportamiento causó un resultado. Usa el informe para diseñar pequeños experimentos, recopilar contexto faltante y mejorar el próximo análisis en lugar de tratar su primera respuesta como un diagnóstico.