Analyser ses données de santé sans les envoyer nulle part

1Récupérer l'export

Les grandes plateformes proposent toutes un export, parce que le droit à la portabilité les y oblige. Le chemin exact change avec les versions d'applications, mais la logique est stable.

Sur iPhone, l'application Santé propose « Exporter toutes les données Santé » depuis la fiche de profil. Le résultat est une archive .zip contenant des fichiers XML, un pour l'ensemble des mesures, un autre au format d'échange clinique. L'export est global : on ne choisit pas les catégories.

Chez les fabricants de montres et les plateformes de sport, l'export se demande depuis les paramètres du compte, et arrive par courriel après un délai qui va de quelques heures à quelques jours. On récupère en général un mélange de CSV récapitulatifs et de fichiers d'activité au format .fit ou .gpx.

2Ouvrir le fichier sans le lire toi-même

Un export Apple Santé de plusieurs années dépasse couramment quelques centaines de mégaoctets. Le charger d'un bloc en mémoire est une mauvaise idée, et le coller dans une conversation est impossible autant qu'indésirable.

Le fichier fait [TAILLE]. Ecris un script Python qui le parcourt en
streaming avec xml.etree.ElementTree.iterparse, sans tout charger en
memoire.
Premiere sortie attendue, rien d'autre : la liste des types de mesures
presents, avec pour chacun le nombre d'enregistrements, la date la plus
ancienne et la plus recente.
Ne tire aucune conclusion.

iterparse fait partie de la bibliothèque standard et libère les éléments au fur et à mesure. Pour les fichiers d'activité, il faut des bibliothèques tierces selon le format : gpxpy lit le GPX, et plusieurs paquets lisent le format FIT. Vérifie sur la page officielle du paquet avant d'installer, et préfère celui qui est encore maintenu.

Cette première sortie sert à savoir ce que tu as. Beaucoup d'exports contiennent des types de mesures que tu ne soupçonnais pas, et des trous de plusieurs mois qui expliqueront ensuite des courbes bizarres.

3Anonymiser avant le moindre envoi

Si tu veux faire commenter un résultat par un service distant, ce n'est pas le fichier qui part, c'est un tableau que tu as construit et relu.

Prepare un extrait a partager. Applique ces regles :
- ne garde que les colonnes necessaires a la question posee ;
- supprime toute coordonnee GPS, altitude et nom de lieu ;
- remplace les dates par un numero de jour relatif au debut de la
  periode, et arrondis les horaires a l'heure ;
- supprime les identifiants d'appareil, numeros de serie et versions
  logicielles ;
- agrege par semaine, jamais a la mesure individuelle ;
- ecris le nombre de lignes supprimees et pourquoi.
Montre-moi le tableau final avant tout envoi.

Les traces GPS méritent une mention à part. Une sortie de course commence et finit presque toujours devant chez toi, et un semestre de traces donne ton adresse, tes horaires et tes habitudes avec une précision qu'aucun formulaire ne demanderait. Si le sujet n'est pas le parcours, retire complètement la géolocalisation plutôt que de la tronquer.

Pense aussi au dossier : range les exports hors du dépôt de code, ajoute-les à .gitignore, et si tu utilises un agent qui a accès au disque, interdis-lui explicitement le dossier plutôt que de compter sur sa discrétion.

4Interdire l'interprétation et la devinette

Deux consignes à poser au début de l'analyse, et à répéter si la conversation dure.

Regles pour cette analyse :
- tu ne poses aucun diagnostic, tu n'evalues aucun risque et tu ne
  recommandes rien. Tu decris ce que montrent les chiffres ;
- une absence de mesure n'est pas une valeur nulle. Une nuit sans donnee
  n'est pas une nuit sans sommeil, c'est une montre non portee ;
- tout nombre que tu m'annonces vient d'un code execute dont tu me
  montres la sortie ;
- si une question demande une donnee que je n'ai pas, dis laquelle
  manque au lieu de l'estimer.

La deuxième règle est celle qui fausse le plus de conclusions. Ces séries sont pleines de trous : batterie vide, montre au chargeur, vacances, changement d'appareil. Un remplissage automatique par zéro transforme un capteur absent en performance catastrophique, et un remplissage par la moyenne fabrique une régularité qui n'existe pas.

5Poser des questions que les chiffres peuvent trancher

Les questions descriptives et comparatives se répondent avec du code. Les questions causales ne se répondent pas du tout.

Ce qui marche : « combien de nuits au-dessus de sept heures par mois », « mon rythme cardiaque au repos a-t-il dérivé sur douze mois », « quelle est la part de séances abandonnées avant vingt minutes », « les semaines où j'ai couru plus de trente kilomètres se distinguent-elles sur une autre série ».

Ce qui ne marche pas : « est-ce que courir améliore mon sommeil ». Tu as un échantillon d'une personne, sans groupe de comparaison, avec des dizaines de facteurs non mesurés. Une corrélation trouvée sur ces données est un point de départ pour une question, jamais une réponse.

Pour chaque resultat, ajoute une ligne "ce que ca ne dit pas".
Si tu trouves une correlation, donne aussi deux explications
alternatives qui ne sont pas causales.