Herramienta de analisis que cruza datos del ciclo menstrual con metricas de sueño, HRV y frecuencia cardiaca a partir de tu exportacion de Apple Health.
Una sola linea y obtienes un informe con tests estadisticos, correlaciones y deteccion de patrones hormonales en tu sueño.
pip install redmoon
redmoon analyze exportacion.xmlNo tienes datos de Apple Health? El repo incluye datos sinteticos de ejemplo para probar todo sin necesitar un iPhone:
git clone https://github.com/aroaxinping/redmoon.git
cd redmoon
pip install -e ".[all]"
pytest tests/ -v # 48 tests
redmoon dashboard # abre el dashboard con datos de ejemplo
Resultados reales con ~6 anos de datos de Apple Health (76 ciclos, 1,153 noches):
| Metrica | Cambia con el ciclo? | Detalle |
|---|---|---|
| Temperatura de muneca | Si (p < 0.000001) | +0.375 C en fase lutea vs folicular |
| HRV | Si (p < 0.000001) | -3ms en fase lutea |
| Frecuencia cardiaca en reposo | Si (p < 0.000001) | +2bpm en fase lutea |
| Despertares premenstruales | Si (p = 0.034) | +1.1 despertares/noche los ultimos 5 dias |
| Duracion del sueño | No (p = 0.28) | Sin diferencia entre fases |
| % REM / % Deep | No (p > 0.7) | Sin diferencia entre fases |
| Eficiencia del sueño | No (p = 0.21) | Sin diferencia entre fases |
Conclusion: las hormonas cambian tu fisiologia nocturna de forma muy clara (temperatura, HRV, frecuencia cardiaca), pero el sueño en si solo se ve afectado justo antes del periodo, con mas despertares.
En tu iPhone: Salud → foto de perfil → Exportar datos de salud → te genera un zip con exportacion.xml.
pip install redmoonCon extras opcionales:
pip install redmoon[all] # incluye visualizaciones, ML y dashboard
pip install redmoon[viz] # solo matplotlib + seaborn
pip install redmoon[ml] # solo scikit-learnDesde terminal:
# Analisis completo con report en consola
redmoon analyze exportacion.xml
# Guardar report a archivo + CSVs intermedios
redmoon analyze exportacion.xml --output report.txt --csv-dir data/
# Exportar como JSON (para integraciones o procesado posterior)
redmoon analyze exportacion.xml --json --output report.json
# Modo verbose para ver logs detallados
redmoon -v analyze exportacion.xmlComo libreria Python:
from redmoon import parse_export, CycleSleepAnalyzer
data = parse_export("exportacion.xml")
analyzer = CycleSleepAnalyzer(data)
report = analyzer.run()
# Report completo en texto
print(report.summary())
# Medias por fase como DataFrame
report.phase_means()
# Tests estadisticos
report.statistical_tests()
# Efecto premenstrual
report.premenstrual_effect()
# Exportar como diccionario JSON-serializable
report.to_json()pip install redmoon[all]
redmoon dashboard5 vistas: resumen, sueño por fase, biomarcadores, efecto premenstrual, tendencia temporal.
Si no tienes datos propios en data/, el dashboard usa automaticamente los datos sinteticos de sample_data/.
jupyter notebook notebooks/analysis.ipynb16 secciones con visualizaciones completas, tests estadisticos, prediccion ML, y correlaciones.
redmoon extrae automaticamente del XML de Apple Health:
| Dato | Fuente | Registros tipicos |
|---|---|---|
| Fases de sueño (Core, REM, Deep, Awake) | Apple Watch | Miles |
| Flujo menstrual | App Salud / tracker | Cientos |
| Temperatura de muneca nocturna | Apple Watch Ultra / Series 8+ | Cientos |
| HRV (SDNN) | Apple Watch | Miles |
| Frecuencia cardiaca en reposo | Apple Watch | Miles |
| Perturbaciones respiratorias | Apple Watch | Cientos |
No necesitas todos. El minimo es sueño + periodo. Los biomarcadores (temperatura, HRV, HR) enriquecen el analisis pero son opcionales.
Cada noche se asigna a la fecha en que empieza el sueño. Si te duermes a las 2:00, esa noche cuenta como el dia anterior. Se filtran noches con <2h de sueño o >16h en cama.
Los dias de sangrado consecutivos se agrupan en periodos. Un nuevo periodo empieza cuando hay >5 dias sin sangrado. Ciclos de <21 o >45 dias se excluyen.
Cada ciclo se divide en 4 fases proporcionalmente a su duracion real:
| Fase | Dias tipicos | Que pasa hormonalmente |
|---|---|---|
| Menstrual | 1-5 | Estrogeno y progesterona en minimo. Sangrado. Fatiga. |
| Folicular | 6-13 | Estrogeno sube. Mas energia y claridad mental. |
| Ovulatoria | 14-16 | Pico de estrogeno y LH. Liberacion del ovulo. Temperatura empieza a subir. |
| Lutea | 17-28+ | Progesterona alta. Temperatura +0.3-0.5 C. Al final, caida hormonal → PMS. |
La fase lutea se subdivide en lutea temprana y premenstrual (ultimos 5 dias) para aislar el efecto PMS.
- Kruskal-Wallis: test no parametrico para comparar las 4 fases
- Mann-Whitney U con correccion de Bonferroni: comparaciones post-hoc por pares
- Spearman: correlaciones entre metricas
- Random Forest: prediccion de fase lutea vs no-lutea (F1 = 0.79 con temperatura + HRV + HR)
- Eficiencia > 100%: Apple Health puede registrar InBed desde el iPhone y las fases desde el Watch, causando inconsistencias. Se usa
max(InBed, sleep+awake)como denominador y se capea al 100%. - Ciclos anormales: <21 o >45 dias se excluyen.
- Noches pre-2020: solo tienen InBed sin desglose en fases (el Watch no lo soportaba).
redmoon/
├── redmoon/ # Paquete Python (PyPI)
│ ├── __init__.py # Exports: parse_export, CycleSleepAnalyzer
│ ├── parser.py # XML → DataFrames
│ ├── analyzer.py # Analisis + report + JSON export
│ ├── constants.py # Constantes, umbrales y logica de fases
│ └── cli.py # CLI: redmoon analyze / redmoon dashboard
├── tests/ # Tests (pytest, 48 tests)
│ ├── test_parser.py # Parser: tipos, columnas, validacion, edge cases
│ ├── test_analyzer.py # Analyzer: pipeline, report, JSON serialization
│ └── test_constants.py # Asignacion de fases, ciclos limite (21/45d)
├── sample_data/ # Datos sinteticos (3 ciclos, ~85 noches)
├── notebooks/
│ └── analysis.ipynb # Analisis completo con graficas
├── dashboard.py # Dashboard Streamlit (5 vistas)
├── .github/workflows/ # CI: tests en Python 3.9-3.12
├── data/ # (gitignored) tus datos privados
├── pyproject.toml
└── LICENSE # MIT
git clone https://github.com/aroaxinping/redmoon.git
cd redmoon
pip install -e ".[all]"
pip install pytest# Ejecutar tests
pytest tests/ -v
# Probar con datos de ejemplo
python -c "
import pandas as pd
from redmoon import CycleSleepAnalyzer
data = {
k: pd.read_csv(
f'sample_data/{k}.csv',
parse_dates=['start', 'end'] if k == 'sleep' else None,
)
for k in ['sleep', 'menstrual', 'wrist_temp', 'hrv', 'resting_hr', 'breathing']
}
print(CycleSleepAnalyzer(data).run().summary())
"Los datos de salud estan en .gitignore. El repo solo contiene codigo y datos sinteticos de ejemplo. Ningun dato personal se sube.
MIT