Δεδομένα που συλλέγουν τα έξυπνα ρολόγια καρπού και άλλοι αισθητήρες για την παρακολούθηση των αθλητικών επιδόσεων μπορούν να αξιοποιηθούν για την πρόβλεψη μόλυνσης από κοροναϊό, αναφέρει έγκριτο αμερικανικό ινστιτούτο.
Προκαταρκτικά αποτελέσματα της μεγάλης μελέτης Detect, στην οποία μπορούν να συμμετάσχουν εθελοντικά όλοι οι ενήλικες κάτοικοι των ΗΠΑ που διαθέτουν smartwatch ή έξυπνα ρολόγια, έδειξαν ότι η ανάλυση των δεδομένων ύπνου και σωματικής δραστηριότητας προβλέπουν με ακρίβεια 80% τη λοίμωξη από Covid-19 σε όσους αναφέρουν ύποπτα συμπτώματα.
Η τεχνική «αναγνωρίζει τα κρούσματα με μεγαλύτερη επιτυχία από ό,τι η αξιολόγηση των συμπτωμάτων» αναφέρει σε δελτίο Τύπου το Scripps Research, μεγάλος μη κερδοσκοπικός οργανισμός έρευνας με έδρα το Σαν Ντιέγκο.
Τα ευρήματα δημοσιεύονται στο έγκριτο Nature Medicine.
Από τα τέλη Μαρτίου που ξεκίνησε το εγχείρημα μέχρι τις 7 Ιουνίου, περισσότεροι από 30.000 Αμερικανοί είχαν δηλώσει συμμετοχή στη μελέτη και κατέβασαν ένα app που συλλέγει δεδομένα για τον ύπνο, τα επίπεδα σωματικής δραστηριότητας και την καρδιακή συχνότητα, καθώς και αυτοαναφορές ύποπτων συμπτωμάτων,. Όπως διαπιστώθηκε η απόκλιση των μετρήσεων από τα συνήθη επίπεδα κάθε εθελοντή αποτελεί αξιόπιστο προγνωστικό δείκτη μόλυνσης. Για παράδειγμα, η λοίμωξη από κοροναϊό βρέθηκε να σχετίζεται με αύξηση της διάρκειας ύπνου και πτώση των επιπέδων δραστηριότητας.
Ψηφιακό σήμα
«Το συναρπαστικό με αυτή τη μελέτη είναι ότι διαθέτουμε πλέον ένα επιβεβαιωμένο ψηφιακό σήμα για την Covid-19. Επόμενο βήμα θα είναι να χρησιμοποιήσουμε αυτό το σήμα για την αποτροπή της εξάπλωσης επιδημιών» ανέφερε ο Έρικ Τόπολ, εκτελεστικός διευθυντής του Scripps Research.
«Περίπου 100 εκατομμύρια Αμερικανοί χρησιμοποιούν ήδη φορετές συσκευές παρακολούθησης ή smartphone. Για να αξιοποιήσουμε το app χρειαζόμαστε ένα μικρό μόνο ποσοστό των ανθρώπων αυτών, περίπου 1 ή 2 τοις εκατό» πρόσθεσε.
Από τους 30.529 εθελοντές της μελέτης, περίπου το ένα δέκατο ανέφερε συμπτώματα μέσω τη εφαρμογής, όμως μόνο 54 συμμετέχοντες βρέθηκαν θετικοί στον κοροναϊό με εργαστηριακά τεστ, ενώ 279 βρέθηκαν αρνητικοί.
Ο αλγόριθμος των ερευνητών μάντεψε σωστά το 80% των κρουσμάτων, ποσοστό που «αποτελεί σημαντική βελτίωση σε σχέση με άλλα μοντέλα που αξιολογούν αυτοαναφορές για συμπτώματα» λένε οι ερευνητές.
«Το προγνωστικό μοντέλο που αναπτύχθηκε στη μελέτη Detect θα μπορούσε μια μέρα να βοηθά τις υγειονομικές αρχές να εντοπίζουν εστίες μετάδοσης έγκαιρα. Θα μπορούσε επίσης να ενθαρρύνει τους δυνητικά προσβεβλημένους ανθρώπους να υποβληθούν άμεσα σε διαγνωστικές εξετάσεις και, αν είναι απαραίτητο, να αυτοαπομονωθούν».
Επόμενος στόχος των ερευνητών είναι να αυξήσουν το δείγμα της μελέτης στα 100.000 άτομα, συμπεριλαμβάνοντας και εργαζομένους των υγειονομικών υπηρεσιών που διατρέχουν τον μέγιστο κίνδυνο.
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου