BespokeLife (BSL) – Projektkontext

Syfte

Personligt hälsoobservatorium med sömn och huvudvärk som primära utfallsmått. Målet är att identifiera vad som påverkar sömnkvalitet och huvudvärk via datadriven uppföljning.

Personer

Joacim (user_id = 1)

Namn: Joacim, 62 år, Skåne
Livsstil: Halvpensionär, hemarbetande, styrkelyftare (topp i åldersgrupp), 115 kg
Hälsa: Kronisk spänningshuvudvärk (livslång, skala 1–5), astma (Pulmicort morgon/kväll), pollenallergi, stora spänningar i nacke/axlar (akupunktur + stretching), tennisarmbåge
Vanor: Ingen alkohol, kaffe nedtrappat till 0–1 muggar/dag (från 3), träning 14–16 varje dag, lägger sig ~22:30
Teknisk nivå: Bekväm med Python, Pandas, Excel, Power Query. Koderfarenhet sedan 80-talet (Basic, Pascal, COBOL, VBA)

Gisela (user_id = 2)

Relation: Joacims fru, 62 år, 168 cm, 84 kg
Enhet: Garmin Vivosmart 5
Hälsa: Astma, pollenallergi (särskilt björk), antikoagulantia efter blodproppshändelse 2025 (lungor, njure, äggstockar, ben). Förkyld i maj 2026 = aktuell konfounder.
Mediciner: Rivaroxaban (Xarelto), Innovair, Montelukast, Airomir, Acetylcystein, Itulazax, Dymista, Aerius. Se gisela_kontext.md för detaljer.
Status: Första data uppladdad maj 2026. Hon fyller i sin egen Excel bsl_inmatning_gisela.xlsx. Joacim sköter uppladdning och teknik.
Egen notebook: bsl_analys_gisela.ipynb v1.0 (kopia av v3.18 med USER_ID = 2)
OBS: Medicinering gör att interventioner kräver extra försiktighet – stäm alltid av med läkare. Hennes baselinevärden (puls, stress) är inte jämförbara med Joacims pga olika fysik och medicinering – jämför bara förändringar över tid per person.
AI-användning: Gisela börjar utforska AI själv via Joacims konto. Se gisela_kontext.md (skriven i hennes röst för att klistras in i hennes egna chattar).

Teknisk stack

Python – Garmin-pipeline, dataprocessering, Supabase-uppladdning
Supabase – PostgreSQL-databas, BSL-tabeller med user_id-separation
Excel – Manuell inmatning och rapporter
Garmin Forerunner 245 (Joacim) / Garmin Vivosmart 5 (Gisela)
JupyterLab – analys-notebook
private.moosetrail.xyz – lösenordsskyddad webbpublicering av HTML-rapporter

Mappstruktur

C:\Users\joaci\Proton Drive\ninjagrandpa\My files\BespokeLife\
  Indata\               – Joacims Garmin FIT-filer + bsl_inmatning.xlsx
  Indata_Gisela\        – Giselas Garmin FIT-filer + bsl_inmatning_gisela.xlsx
  Scripts\              – alla .py och .bat filer, bsl_analys.ipynb
  Rapporter\            – exporterade HTML-rapporter (bsl_rapport.html + daterade arkiv)

Garmin FIT-filer (Joacim) ligger i:

C:\Users\joaci\Proton Drive\ninjagrandpa\My files\Privat\Garmin\Inbox

Beslut och konventioner

Datum och tid

lokal_tid = enda källan till sanning i garmin-tabellerna
datum = generated column = lokal_tid::date (kalenderdatum, ALDRIG ändras manuellt)
natt_datum = generated column = lokal_tid::date + 1 om kl ≥ 18, annars lokal_tid::date
daglig_logg.datum = uppvakningsdatum (= natt_datum för natten innan). En rad är en mix av gårdagens natt och inmatningar om aktuell dag.
Join: garmin_puls.natt_datum = daglig_logg.datum
Klockslag i Excel: Text i format HH:MM, aldrig Excels tidsformat

Garmin-pipeline

timestamp_16 = sekunder från intern Garmin-epoch, kalibreras mot monitoring_info-ankaret
UTC-offset läses automatiskt per fil från monitoring_info (hanterar CET/CEST automatiskt)
Pulsdata filtreras: :44-sekunders artefakter (SpO2-sensor) tas bort i garmin_upload.py
datum_fran_lokal() finns EJ längre i garmin_upload.py – datum beräknas av Supabase

Sömnalgoritm (egen)

Rullande 30-min medelvärde: puls < 62 OCH stress < 20 → sovn = 1
Träffsäkerhet ~72%, falska positiver vid stillasittande vila
Kolumn sovn i garmin_puls_stress

Upload-skript

Skript	Tabell	User
`garmin_upload.py`	garmin_puls/stress/puls_stress	1 (Joacim)
`garmin_upload_gisela.py`	garmin_puls/stress/puls_stress	2 (Gisela)
`bsl_upload.py`	daglig_logg, huvudvark_log, kost_log, interventioner	1 (Joacim)
`bsl_upload_gisela.py`	daglig_logg, huvudvark_log, kost_log, interventioner	2 (Gisela)

Alla skript använder on_conflict för idempotent uppladdning – kan köras om hur många gånger som helst utan dubbletter.

Datamodell BSL (Supabase)

Garmin-tabeller – generated columns

garmin_puls / garmin_stress / garmin_puls_stress
├── id           BIGINT PK (SERIAL)
├── user_id      INT FK → users(id)
├── lokal_tid    TIMESTAMP   ← enda källan till sanning
├── datum        DATE        ← GENERATED: lokal_tid::date
├── natt_datum   DATE        ← GENERATED: lokal_tid::date + 1 om hour >= 18, annars lokal_tid::date
└── puls_bpm/stress/sovn etc

UNIQUE constraint: (user_id, lokal_tid)

Tabell: daglig_logg (en rad per dag = uppvakningsdatum)

Kolumn	Format	Beskrivning
datum	DATE	Uppvakningsdatum (PK) – = natt_datum för natten
la_mej	TEXT HH:MM	Lade sig
somnade	TEXT HH:MM	Somnade
antal_uppvaknanden	INT	Antal gånger vaken
langd_uppvaknanden	INT	Vakentid i minuter
steg_upp	TEXT HH:MM	Steg upp
kansla_uppstigning	INT 1-5	Känsla vid uppstigning
sovn_kvalitet	INT 1-5	Sömnkvalitet
vikt	FLOAT	Vikt kg
sjuk	INT	Sjukdomsgrad
dagtyp	TEXT	Vanlig/Semester/Resdag/Sjuk/Akupunktur
traning_typ	TEXT	Typ av träning
traning_intensitet	INT 1-3	Träningsintensitet
pollenbesvar	INT 0-3	Pollenbesvär
kaffe_muggar	INT	Antal muggar kaffe
garmin_total/djup/latt/rem/vaken	FLOAT	Garmin sömndata (h)
garmin_steg	INT	Steg
garmin_kalorier	INT	Förbrukade kalorier

Tabell: kost_log

UNIQUE constraint: (user_id, datum, tid, maltid, livsmedel)

Tabell: interventioner

UNIQUE constraint: (user_id, datum_start, beskrivning)

Tabell: huvudvark_log

UNIQUE constraint: (user_id, datum, tid)

Webbpublicering

URL: https://private.moosetrail.xyz/halsa/ Skydd: Lösenordsskydd via egensajt.se kontrollpanel (Basic Auth) Struktur:

private.moosetrail.xyz/
└── halsa/
    ├── index.html          ← landningssida (Joacim / Gisela-länkar)
    ├── joacim/
    │   └── bsl_rapport.html  ← alltid senaste rapporten
    └── gisela/             ← kommer när hennes data finns

Workflow för ny rapport: 1. Kör Export_notebook.bat → HTML sparas i Rapporter\ 2. Öppna WinSCP (session "moosetrail" sparad) 3. Dra HTML-filen till /private.moosetrail.xyz/public_html/halsa/joacim/ 4. Döp om till bsl_rapport.html (skriver över tidigare)

App-vision (BespokeLife)

Nästa steg (planerat)

Interaktiv dashboard mot Supabase direkt (HTML/JS), lägg på /private.moosetrail.xyz
Giselas notebook bsl_analys_gisela.ipynb (när hon har ~2 veckor data)
Markdown-fil för Gisela med hennes hälsoprofil och analys-kontext

Vetenskaplig rapport (mål om ~1 år)

N=1 Single Subject Research Design. Baslinje mars 2026, interventionsperiod april–.

Medicinska nyckelfakta (för sömnanalys)

Djupsömn normalt för 62-åring: 20–65 min (5–15% av sömntid)
Joacims mönster: förbättrad djupsömn-proxy (från ~3h till ~4h), nattpuls sänkt ~3 bpm
Nattpuls och huvudvärk: r = +0.69 (stark korrelation i 53 dagars data)
Kaffe och nattpuls: r = +0.50 (robust samband, 52 dagars data)
Starkaste interventioner hittills: kaffenedtrappning + akupunktur inkl. nacke

Hur man startar en ny chatt

Ladda upp bsl_kontext.md, bsl_halsa.md, bsl_notebook_setup.md (+ notebook om ändringar planeras). Beskriv vad sessionen ska åstadkomma.