你每天查看一次健康指标，偶尔一次异常也许只是波动。但如果系统全年不停地看，它迟早可能撞上一次“看起来不对”的数据，然后发出误报。检查越勤，偶然波动被当成真正变化的机会就越多。新论文《Sequential Control of False Positives in Online Change Point Detection》处理的正是这个问题：实时告警不能只管每一次判断，还要管住一段时间内整串判断的总体误报风险。
这项工作的证据目前只来自 Melissa Lynne Martin、Theodore D. Satterthwaite 和 Ian J. Barnett 的论文及作者实验，尚无外部交叉验证。论文提出一种序贯族错误率，并用模拟寻找告警阈值。
每次只错一点，合起来也会出问题
在线变点检测，是数据一到就继续寻找“变化发生的时刻”。这里的变化不是普通起伏，而是数据分布出现改变。例如，健康监测系统可能持续观察一个人的行为指标，希望尽早发现状态恶化。
问题在于，它不是只做一次判断。新数据每天到来，系统每天都要重新检查。即使单次误报概率不高，检查次数增加后，“至少误报一次”的概率仍会累积。这就是多重检验问题：一连串判断不能当成彼此无关的单次考试。
统计学常用族错误率（family-wise error rate，FWER）描述一组检验中至少出现一次假阳性的概率。假阳性就是实际没有变化，系统却报了变化。FWER 适合误报一次就可能带来明显代价的场景。
传统 FWER 方法通常预先知道一共要检查多少次，在线监测却可能一直运行，直到发现变化才停止。事情还更麻烦：相邻日期往往使用大量重叠数据，所以每次检验高度相关。昨天的判断和今天的判断，并不是两次独立抽签。
不管无限未来，先管好眼前一窗
论文提出 sequential family-wise error rate（sFWER，序贯族错误率），把它定义为：在一个移动监测窗口内，至少出现一次假阳性的概率。
可以把移动窗口理解为不断向前滑动的一段日历。系统不试图一次性承诺“永远不会误报”，而是要求：无论监测走到哪一天，接下来这个固定长度的窗口里，至少误报一次的概率都不超过目标水平。
这个角度贴近实际决策。对监测人员来说，更有意义的问题往往不是系统在无限未来是否可能出错，而是“未来这段需要密切关注的时期，收到至少一次错误告警的风险有多大”。需要特别注意，sFWER 是作者针对移动监测窗口给出的特定定义，不能与经典 FWER、在线 FWER 或控制错误发现比例的 FDR 混为一谈。
阈值不硬算，让模拟替它排练
要控制 sFWER，系统需要一个合适的告警阈值。阈值太松，误报会多；阈值太严，真实变化又容易漏掉。
直接推导这个阈值很困难。论文使用的监测统计量来自重叠数据，前后高度相关，其联合分布不容易写成一个可直接计算的公式。作者因此采用模拟校准：先在“确定没有变点”的假设下生成许多数据集，再完整重演在线监测过程，记录每个移动窗口中最极端的统计量。最后从这些模拟结果的经验分布中选取相应分位数，作为告警阈值。
说白了，它先让系统在大量“没有事故”的虚拟世界里值班，观察正常情况下最可疑的波动能走多远，再划出警戒线。这样得到的阈值会把相邻检验之间的相关性一并纳入，而不是假装每天的判断互不相干。
论文具体使用 VC——一种面向多变量在线变点检测的统计量，用来寻找均值或协方差结构的变化。每天监测时，VC 会检查此前一段范围内的多个候选变点，并把基于置换得到的 p 值取最小值。p 值可理解为：如果实际上没有变化，出现当前这么极端结果的概率有多大。数值越小，反对“没有变点”的证据越强。每个候选日期的 p 值使用 5000 次重采样计算。
作者实验看到了什么
作者用模拟比较了四种做法：新提出的校准程序、不作调整的固定阈值，以及 Bonferroni 和 Šidák 两种传统多重检验校正。后两者都会把单次判断的门槛收紧，以控制整组检验的风险。
据论文报告，在没有真实变点的模拟中，新方法的拒绝率接近预设 sFWER；不作调整的方法随着监测窗口变长，会越来越容易超过目标误报率；Bonferroni 和 Šidák 则往往过于保守。存在真实均值变化时，新方法的检测率高于两种传统校正，并在不少设置下接近未调整方法，同时没有后者膨胀的误报风险。
这些结果说明的是一种取舍：传统校正为了保险，可能把门槛设得太高；完全不校正又容易频繁误报。模拟校准尝试利用检验间真实的依赖关系，在两者之间找阈值。不过论文正文未在所给材料中保留各设置的具体目标水平、实际误报率和检测率差值，因此不能据此断言它普遍优于现有方法。
手机数据展示了怎样的流程
作者还用一项青少年及年轻人情感不稳定研究中的被动采集智能手机数据作案例。数据来自 Beiwe 平台，主要包含由 GPS 整理出的每日移动特征。
研究最初纳入 41 人；排除一名随访不足者后，分析覆盖 40 人的 43 段传感器数据，其中 31 段包含 13 项移动特征，12 段包含 11 项。系统先用一段数据建立个人基线，再逐日监测。每发现一个变点，监测流程便重置，并重新积累基线。
VC* 最终在 34 名参与者中识别出 86 个变点。这个数字只能说明方法能够在真实数据流程中运行，不能说明这些告警都对应真实或具有临床意义的行为变化。作者明确把该部分称为应用展示，而不是临床验证。
为什么值得关注
这项工作的价值，不只是又设计了一个告警阈值。它把“误报风险应在哪段时间内被管理”直接写进了在线变点检测目标。系统不再只问今天的结果够不够异常，而是同时考虑反复查看本身增加的风险。
这种思路尤其适合告警会触发人工跟进的场景。误报可能带来不必要的检查，也可能造成告警疲劳——值守者被太多无效提示消耗注意力。作者虽然以移动健康为主要动机，但反复监测、检验相关、运行次数不固定，是在线数据流普遍会遇到的结构性问题。
局限与未知
- 校准依赖大量模拟。作者指出，估计很极端的分位数时可能需要更多计算；监测频率高于每日一次时，成本可能成为问题。
- 方法假设“没有变点”时数据保持稳定。若真实变化缓慢发生，而不是突然跳变，校准是否仍可靠，论文尚未回答。
- 手机数据分析是回顾性展示，也没有可用于核对的真实变点标签。86 个检测结果是否对应有临床意义的事件，现有材料无法判断，还需要前瞻性在线研究。