TAP 人体动态适应框架
连接要求、预测性调节与功能随时间的变化，理解储备、恢复及累积成本各自的位置。
更新于 2026-09-16 · 存档于
图表与框架是分别管理版本的作品，版本号不需要相同。这里的关联明确指出配套使用的具体版本。
这里保存该版本捕获时的正文与出版记录，后续更正以新版本呈现。网站设计与交互程序不在此处存档。
一个框架，三个问题
出现了什么要求？系统如何调节？功能随后如何变化？TAP 将这些问题组织成基于现有研究的教育框架，并明确列出假设和未来可以检验的问题。
这是 The Allostasis Project 提出的概念框架，不是临床诊断、经验证的生物标志物或经过实证验证的预测模型。原创部分是这里的组织、表达和整合；基础科学概念仍归于各自的研究来源。
阅读概念之间的关系
图谱把预测和调整放在反馈循环内。当前状态和储备可能参与应对挑战，行为也可能改变环境。恢复与成本累积可以在不同时间尺度上并存。箭头组织本框架的解释，不代表已经证实的因果效应。
1. 要求与情境
描述要求的类型、时点、持续时间、可预测性和周围条件。提前知道的任务与意外任务，可能工作量相近，但提前信息不同。这是拟议的比较方式，不意味着相同任务名称就代表相同暴露。
2. 预测、生理与行为
Sterling 的解释提示我们纳入预期、协调调整与学习。[1] TAP 同时考虑可能改变暴露的行为。环境也不只是背景：较新的动态适应理论提议，明确讨论了生物体与环境之间的双向关系。[5]
当前状态和特定领域的储备，可能参与这一过程。一项任务中测得的能力，不是全身电量，也不能保证面对另一种挑战时的复原力。[6]
3. 功能随时间的变化
要求、调节反应和功能结果，是三种不同的观察。更大的生理响应可能支持任务表现，较小的信号也不自动代表功能更好。什么方向的变化有益，需要根据具体结局和情境判断。
NIH 框架与身体复原力研究提示，应跟随特定系统的功能维持、下降与恢复。[4][6] 因此 TAP 要求说明参照条件和观察窗口，不把回到任意一条水平线当作唯一成功结果。
下一次挑战面对的是变化后的系统
适应负荷理论关注累积成本，Reactive Scope 则考虑变化的响应范围。[2][3] 二者都不意味着所有要求都有害，也不证明某个变量恢复不完全就等于测得了适应负荷。
TAP 将较长期的能力和成本，与某一次短时响应区分开。训练、疾病、可用资源和反复要求可能带来不同变化。任何关于变化方向、时间尺度或因果关系的主张，都需要具体情境中的证据。
探索一次短时任务
想象一次在时间 30 开始、60 结束的短时骑行任务。在数学示意中，要求、调节活动和任务功能分别使用无单位尺度。准确的提前提示、意外开始、任务取消与活动持续，帮助我们看见不同假设。
示意采用了哪些假设
任务期间，要求固定为 0.65；调节活动以指数形式趋近所需水平。提前提示使准备从时间 20 开始；在任务取消的情境中，实际任务不会发生，提示在时间 30 被撤回。这些时点和数值都是人为设置。
任务功能被定义为：1 − 0.7 × max(0, 要求 − 响应) − 0.22 × max(0, 响应 − 要求)。这个人为构造的关系同时对不足和过量设置代价，不是从生理数据中估计的规律。换一种关系，提前准备的表面收益也可能改变。
示意不估计疲劳、组织修复、学习、储备消耗或适应负荷指数。「活动持续」只改变响应的消退时间。它用于解释区别，不能确定哪种响应最健康，也不能预测个人恢复时间。
研究需要观察什么
采集数据前，明确人群、系统、挑战与结局。记录合适的参照期、暴露的时点和幅度，重复测量选定的响应与功能，并记录睡眠、用药、任务熟悉度等情境因素。不同结局可能需要不同采样安排。[4][6]
以短时任务为例，外部记录的工作量、生理信号和独立测量的表现结局，应当保持区分。如果同一个信号既作预测指标，又定义成功，就可能形成循环论证。储备应使用有依据的能力测量，而不是从同一条曲线形状推算。
可以检验框架的问题
候选问题一：在任务要求可比时，准确的提前信息是否改变调节响应与功能之间的关系？设置错误提示的情境，可以检验预期要求没有发生时，提前准备是否产生代价。这里没有报告这样的实验。
候选问题二：在工作量、基线功能和测得能力之外，既往响应轨迹能否对下一次挑战表现增加样本外预测信息？如果不能稳定优于这些更简单的预测因素，这项提议就会受到削弱。
这些是 TAP 的研究提议，不是研究发现。招募参与者前，需要适当的研究方案、预先明确的分析、混杂因素处理、不确定性估计和伦理审查。观察性预测本身也不能识别恢复的因果机制。
来源、整合与适用范围
原始理论支持各自的定义和论证，不会共同自动验证整张图。TAP 提供的是三个部分的组织方式、对要求／响应／功能的明确区分，以及示意实现。这些才是这里记录和管理版本的作品。
图谱编号为 TAP-FIG-0001 v2.1，框架编号为 TAP-MDL-0001 v0.2。科学审阅与方法学审阅分别记录在编辑信息中。编号或对 NIH 的引用，都不代表获得背书或已完成验证。
模型说明
查看本版本源代码
// TAP educational scenario v1.0. Dimensionless and deliberately not fitted to physiology.
// A fixed-demand task separates external demand, a regulatory response and task function.
// Changing these assumptions changes the result; no parameter estimates a person's health.
export const adaptationScenarioVersion = "1.0";
export const scenarioIds = ["unexpected", "anticipated", "false-alarm", "persistent"] as const;
export type ScenarioId = (typeof scenarioIds)[number];
export type ScenarioPoint = { time: number; demand: number; response: number; function: number };
export const scenarioDefaults: ScenarioId = "unexpected";
export function isScenarioId(value: string): value is ScenarioId {
return scenarioIds.some((id) => id === value);
}
export function adaptationScenario(id: ScenarioId): ScenarioPoint[] {
if (!isScenarioId(id)) throw new Error("Unknown educational scenario");
let response = 0;
return Array.from({ length: 101 }, (_, time) => {
const demand = id !== "false-alarm" && time >= 30 && time < 60 ? 0.65 : 0;
// Advance notice starts preparation at t=20. A cancelled task is recognized at t=30.
const advance = (id === "anticipated" || id === "false-alarm") && time >= 20 && time < 30;
const target = advance ? 0.65 : demand;
const tau = target > response ? 4 : id === "persistent" ? 15 : 4;
response += (target - response) * (1 - Math.exp(-1 / tau));
// Explicit toy assumption: insufficient matching impairs task function; excess activation
// also carries an immediate penalty. Neither term measures allostatic load or reserve.
const shortfall = Math.max(0, demand - response);
const excess = Math.max(0, response - demand);
const taskFunction = 1 - 0.7 * shortfall - 0.22 * excess;
return { time, demand, response, function: taskFunction };
});
}
export function scenarioPath(points: ScenarioPoint[], key: "demand" | "response" | "function") {
return points.map((p, i) => `${i ? "L" : "M"}${(48 + p.time * 7.84).toFixed(2)},${(124 - p[key] * 84).toFixed(2)}`).join(" ");
}
参考文献
- Peter Sterling (2012). Allostasis: a model of predictive regulation. Physiology & Behavior. https://doi.org/10.1016/j.physbeh.2011.06.004
- Bruce S. McEwen, Eliot Stellar (1993). Stress and the individual. Mechanisms leading to disease. Archives of Internal Medicine. https://doi.org/10.1001/archinte.1993.00410180039004
- L. Michael Romero, Molly J. Dickens, Nicole E. Cyr (2009). The Reactive Scope Model — A new model integrating homeostasis, allostasis, and stress. Hormones and Behavior. https://doi.org/10.1016/j.yhbeh.2008.12.009
- LaVerne Brown, Barbara Cohen, Rebecca Costello, Olga Brazhnik, Zorina Galis (2023). Conceptualizing a resilience research framework at The National Institutes of Health. Stress and Health. https://doi.org/10.1002/smi.3260
- Laura A. Harrison, Antonio J. Gracias, Karl J. Friston, J. Galen Buckwalter (2025). Resilience phenotypes derived from an active inference account of allostasis. Frontiers in Behavioral Neuroscience. https://doi.org/10.3389/fnbeh.2025.1524722
- Heather E. Whitson, Wei Duan-Porter, Kenneth E. Schmader, Miriam C. Morey, Harvey J. Cohen, Cathleen S. Colón-Emeric (2016). Physical Resilience in Older Adults: Systematic Review and Development of an Emerging Construct. The Journals of Gerontology: Series A. https://doi.org/10.1093/gerona/glv202
出版记录
TAP-MDL-0001 · v0.2 · 中文
本版本尚未完成科学审阅。
The Allostasis Project 由 Resilio 发起与支持。
对应版本 v0.2 · 更新于
编辑与校对
暂无完成记录来源与数字核验
暂无完成记录科学审阅
尚未完成科学审阅方法学审阅
暂无完成记录AI 辅助
使用了 AI 辅助TAP Research Agent
概念整合、来源对应与双语教育内容准备；不代表完成人工科学或方法学审阅。
OpenAI Codex (GPT-6) — Research assistance · Drafting and bilingual editing · Source-to-claim checks — 暂无人工核查记录。
v0.2
© The Allostasis Project。保留所有权利。除法律允许的例外外，转载或改编需另行授权。