Analysez vos données de sommeil Garmin avec Claude

Jour 89 : Analysez vos données de sommeil Garmin avec Claude

Votre Garmin enregistre déjà le score de sommeil, la durée, les stades de sommeil, la VRC, le stress, la Body Battery, la fréquence cardiaque au repos et les activités. Regarder ces écrans un par un vous dit ce qui s'est passé. Analyser l'historique complet ensemble peut aider à expliquer pourquoi vos bonnes et mauvaises nuits diffèrent.

Cela utilise le même export et le même flux de travail Claude que la méthode du score de sommeil du Jour 62, mais l'objectif ici est différent. Vous ne demandez pas à Claude de viser un score de 90. Vous lui demandez d'auditer les données, de quantifier les schémas, de remettre en question les conclusions faibles et d'identifier les facteurs personnels à tester.

Étape 1 : Exportez vos données Garmin

Allez sur garmin.com → Compte → Gestion des données → Exporter les données.

1. Connectez-vous à votre compte Garmin.
2. Sélectionnez Exporter vos données.
3. Garmin prépare une archive ZIP et vous envoie un e-mail lorsqu'elle est prête. Cela peut prendre de plusieurs minutes à plusieurs heures.
4. Téléchargez et décompressez l'archive. Recherchez le dossier DI_CONNECT, qui contient une grande partie de votre historique de sommeil, VRC, stress, Body Battery, fréquence cardiaque au repos et activités.

Étape 2 : Choisissez Claude Cowork ou Claude Code

Vous avez besoin d'une version de Claude capable d'inspecter plusieurs fichiers dans un dossier local. Utilisez soit Cowork pour un flux de travail visuel plus simple, soit Claude Code si vous êtes à l'aise avec un terminal.

Option A : Claude Cowork

Claude Cowork fonctionne via l'application de bureau Claude et peut travailler avec un dossier que vous partagez explicitement.

1. Installez l'application de bureau Claude depuis claude.ai/download.
2. Ouvrez-la et connectez-vous.
3. Démarrez Cowork et accordez l'accès au dossier exporté de Garmin décompressé.
4. Collez l'invite d'analyse de l'Étape 3.

La disponibilité de Cowork dépend de votre plan et de votre plateforme Claude.

Option B : Claude Code

Claude Code est l'option basée sur le terminal. Il peut inspecter la structure du dossier, écrire de petits scripts d'analyse et traiter les fichiers JSON ensemble.

Sur Mac : appuyez sur Cmd + Espace, recherchez Terminal et ouvrez-le.

Sur Windows : ouvrez PowerShell depuis le menu Démarrer.

Installez Claude Code avec :

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

Ensuite, tapez cd avec un espace après, faites glisser le dossier Garmin décompressé dans le terminal, et appuyez sur Entrée. Démarrez Claude Code :

claude

Complétez le processus de connexion, puis collez l'invite ci-dessous.

Étape 3 : Utilisez cette invite d'analyse approfondie

Cette invite conserve les comparaisons utiles de sommeil, VRC, stress et activités du Jour 62, mais demande une analyse beaucoup plus rigoureuse au lieu de passer directement aux conseils.

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.

Utilisez les résultats comme hypothèses

Les stades de sommeil et les métriques de bien-être de Garmin sont des estimations portables, pas une étude médicale du sommeil. Claude travaille également avec des données d'observation : il peut trouver des relations, mais il ne peut pas prouver qu'un comportement a causé un résultat. Utilisez le rapport pour concevoir de petites expériences, collecter le contexte manquant et améliorer la prochaine analyse plutôt que de traiter sa première réponse comme un diagnostic.