使用可穿戴设备检测COVID-19活动的最早人群变化
今天，使用多种不同的方法跟踪COVID-19等病毒性疾病，包括实验室数据、卫生保健访问和废水监测。根据斯克里普斯研究转化研究所的科学家进行的新数据，这个武器库可以扩大到包括健身设备和智能手表等可穿戴技术，这些技术在识别COVID-19活动的早期人口变化方面显示出了希望。
这些数据来自于DETECT研究:一项在COVID-19大流行开始时启动的跨协作努力，使用一个移动应用程序收集来自全国数千名研究参与者的传感器和自我报告信息。除了从智能手表收集到的传感器数据外，参与者还可以提供有关检测结果、疫苗接种、症状和其他人口统计信息的详细信息。
在9月22日发表的一项研究中《柳叶刀数字健康》，科学家发现传感器数据显著改善了对COVID-19感染的7天平均预测。与传统监测相比，这一信息可以提供更早的信号，因为它可以识别出一个人的数据变化——甚至在参与者注意到他们的症状之前。有了这些有希望的数据，这种跟踪方法可以扩展到更好地监测更多的传染病威胁。
“可穿戴技术为我们解决COVID-19追踪难题提供了另一块有价值的碎片，”斯克里普斯研究转化研究所主任兼创始人、医学博士、斯克里普斯研究执行副总裁埃里克·托波尔说。在收集这些信息的过程中人口水平，传感器数据为病毒如何在全国演变提供了一幅独特的实时图像。”
使用从2020年3月25日到2022年1月14日收集的数据，该研究评估了美国39931名参与者的平均静息心率和步数数据等因素。如果一个人的静息心率比基线数据高，或者步数比基线数据低，科学家就会确定这个人的“异常”传感器天数。然后，他们将这些“异常”天数与一个模型进行了比较，该模型预测了美国疾病控制与预防中心COVID-19病例的实时7天移动平均值，以及未来6天和12天的移动平均值。
在追踪生理和行为变化如何在症状出现和最终测试之前发生的过程中，科学家们发现，这种传感器数据显著提高了加州7天平均预测的32.9%，以及美国12天预测的12.2%。
研究人员对传感器数据的变化与COVID-19发病率变化的跟踪程度感到惊讶，特别是在像欧米克朗波这样的巨大峰值期间。
“streams-wastewater所有数据,电子健康记录如果我们不仅要准确预测COVID-19的传播，而且要准确预测未来的病毒威胁，就应该将药物信息和现在的传感器数据结合起来，”斯克里普斯研究转化研究所的流行病学家、公共卫生硕士詹妮弗·雷丁博士说。
雷丁指出，为人群中正在发生的情况提供实时图像现在尤其重要，因为现在越来越多的人在家里而不是在诊所进行检测。虽然废水监测是实现这一目标的重要资源，但这项技术可能非常昂贵，而且在美国大部分地区都无法获得。
“在美国，近四分之一的人拥有某种形式的智能手表传感器数据收集是研究更广泛人群中病毒发作的一种负担得起、快速和方便的方法，”Radin补充说。
