Analyseer je Garmin-slaapdata met Claude

Dag 89: Analyseer je Garmin-slaapdata met Claude

Je Garmin registreert al slaapscore, slaapduur, slaapfasen, HRV, stress, Body Battery, rusthartslag en activiteiten. Die schermen afzonderlijk bekijken vertelt wat er gebeurde. De volledige geschiedenis samen analyseren kan helpen verklaren waarom je goede en slechte nachten verschillen.

Deze aanpak gebruikt dezelfde export- en Claude-workflow als de slaapscoremethode uit Dag 62, maar het doel is anders. Je vraagt Claude niet om koste wat kost een score van 90 te halen. Je vraagt om de data te controleren, patronen te kwantificeren, zwakke conclusies uit te dagen en persoonlijke factoren te vinden die je kunt testen.

Stap 1: Exporteer je Garmin-data

Ga naar garmin.com → Account → Gegevensbeheer → Gegevens exporteren.

1. Log in op je Garmin-account.
2. Kies Uw gegevens exporteren.
3. Garmin maakt een ZIP-archief en mailt wanneer het klaar is. Dit kan enkele minuten tot meerdere uren duren.
4. Download en pak het archief uit. Zoek de map DI_CONNECT, waarin veel van je slaap-, HRV-, stress-, Body Battery-, rusthartslag- en activiteitsgeschiedenis staat.

Stap 2: Kies Claude Cowork of Claude Code

Je hebt een Claude-versie nodig die meerdere bestanden in een lokale map kan bekijken. Gebruik Cowork voor de eenvoudigere visuele workflow of Claude Code als je vertrouwd bent met een terminal.

Optie A: Claude Cowork

Claude Cowork werkt via de Claude-desktopapp en kan werken met een map die je uitdrukkelijk deelt.

1. Installeer de Claude-desktopapp via claude.ai/download.
2. Open de app en log in.
3. Start Cowork en geef toegang tot de uitgepakte Garmin-exportmap.
4. Plak de analyseprompt uit Stap 3.

De beschikbaarheid van Cowork hangt af van je Claude-abonnement en platform.

Optie B: Claude Code

Claude Code is de terminalversie. Hij kan de mapstructuur bekijken, kleine analysescripts schrijven en de JSON-bestanden samen verwerken.

Op Mac: druk op Cmd + Spatie, zoek naar Terminal en open het.

Op Windows: open PowerShell via het Startmenu.

Installeer Claude Code met:

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

Typ daarna cd met een spatie erachter, sleep de uitgepakte Garmin-map naar het terminalvenster en druk op Enter. Start Claude Code:

claude

Voltooi de login en plak daarna de prompt hieronder.

Stap 3: Gebruik deze diepgaande analyseprompt

Deze prompt behoudt de nuttige vergelijkingen van slaap, HRV, stress en activiteit uit Dag 62, maar vraagt om een veel grondigere analyse in plaats van meteen naar advies te springen.

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.

Gebruik de bevindingen als hypotheses

Garmin-slaapfasen en wellnesscijfers zijn wearable-schattingen, geen medisch slaaponderzoek. Claude werkt bovendien met observationele data: het kan verbanden vinden, maar niet bewijzen dat één gedrag een resultaat veroorzaakte. Gebruik het rapport om kleine experimenten te ontwerpen, ontbrekende context te verzamelen en de volgende analyse te verbeteren, niet als diagnose.