type: concept tags: [wearable, mobile-health, LLM, older-adults, self-tracking, human-computer-interaction, 可穿戴, 移动健康, LLM设计] related: [[wearable-llm-stress-support]], [[wearable-triggered-llm-stress]], [[wearable-large-sensor-models]], [[personal-intelligence-google]] sources: - url: https://arxiv.org/abs/2603.23733v1 title: "Exploring Self-Tracking Practices of Older Adults with CVD to Inform the Design of LLM-Enabled Health Data Sensemaking" date: 2026-03-31 reliability: high created: 2026-04-19 updated: 2026-04-19

老年心血管病患者自我追踪与 LLM 健康数据理解¶

基于日记研究的 LLM 健康数据理解系统设计方向

核心问题¶

可穿戴设备和移动健康 App 被越来越多地用于慢性病自我管理，但对于患有心血管疾病（CVD）的老年患者： 1. 数据过载：自我追踪数据量大且复杂，令人不知所措 2. 解读困难：老年人往往缺乏专业知识解读健康指标 3. 情感复杂性：健康数据引发焦虑、希望、困惑等复杂情感反应 4. 社交动态：与家人/医生共享数据涉及隐私和关系谈判

研究方法¶

七天日记研究 + 后续访谈： - 参与者：8 名 64-82 岁的 CVD 患者 - 方法：日记记录自我追踪体验，深度访谈挖掘数据理解方式

六大主题发现¶

主题	描述	设计启示
导航情感复杂性	数据引发焦虑、希望等混合情感	LLM 需要情感感知，不能只提供冷冰冰的数据分析
拥有健康叙事	患者构建个人健康故事	LLM 应帮助编织连贯的健康叙事，而非孤立的数据点
优先身体感受	身体感受优先于数字指标	LLM 应整合主观感受与客观数据
选择性关注	患者选择性关注某些指标	LLM 应尊重用户关注偏好，避免信息轰炸
分享的社会谈判	与家人/医生共享数据的复杂动态	LLM 应支持可控的数据共享和沟通
对 AI 的谨慎乐观	对 AI 辅助既期待又担忧	LLM 设计需要建立信任而非取代判断

关键洞察¶

自我追踪是情感性的：健康数据不只是数字——它嵌入在情感、社会关系和个人叙事中。LLM 健康系统需要超越数据分析，进入情感理解领域。
患者代理权至上：老年患者强调自主感——LLM 应支持而非取代患者的判断。"增强智能"而非"替代决策"的设计哲学。
身体体验不可忽视：数字指标无法完全捕捉患者的身体感受。LLM 系统应整合主观描述（如"今天胸口闷"）与客观数据（如心率曲线）。
AI 信任是渐进建立的：老年用户对 AI 有"谨慎乐观"态度——需要渐进式引入、解释性输出、可撤销的建议。

设计方向¶

LLM 健康数据理解系统应： - 支持情感投入：承认健康数据的情感维度，而非只关注数字趋势 - 强化患者代理权：提供选项而非指令，让用户做最终决定 - 承认身体体验：整合主观感受和客观数据 - 促进对话：在临床和社交场景中促进有意义的对话

为什么重要¶

移动健康 AI 的设计指南：为面向老年用户的 LLM 健康系统提供了用户研究基础
可穿戴 AI 的人文视角：超越技术可行性，关注实际用户需求和情感维度
端侧 LLM 的应用场景：健康数据敏感，端侧推理是必然选择——但设计必须先于技术
银发经济 AI 产品：全球老龄化趋势下，面向老年用户的 AI 产品设计是重要市场

关联¶

[[wearable-llm-stress-support]] — 可穿戴 LLM 压力支持，健康数据情感维度的直接延伸
[[wearable-triggered-llm-stress]] — 可穿戴触发的 LLM，健康事件触发的 LLM 干预
[[wearable-large-sensor-models]] — 可穿戴大传感器模型，健康数据采集的技术基础
[[personal-intelligence-google]] — Google 个人智能，大公司的健康 AI 产品方向
[[memorable-ondevice-photo-search]] — 端侧记忆化搜索，个人数据理解的端侧实现范例
[[nanowakeword-wake-word]] — 轻量级唤醒词，健康设备的低功耗交互