دستگاه‌های پوشیدنی در شناسایی تغییرات اولیه جمعیت در فعالیت کووید-۱۹ نویدبخش هستند



امروز، بیماری‌های ویروسی مانند COVID-19 با استفاده از چندین روش مختلف از جمله داده‌های آزمایشگاهی، بازدید از مراقبت‌های بهداشتی و نظارت بر فاضلاب ردیابی می‌شوند. بر اساس داده‌های جدیدی که توسط دانشمندان مؤسسه ترجمه تحقیقاتی اسکریپس انجام شده است، این زرادخانه را می‌توان به فناوری‌های پوشیدنی مانند دستگاه‌های تناسب اندام و ساعت‌های هوشمند که در شناسایی تغییرات اولیه جمعیت در فعالیت COVID-19 امیدوارکننده هستند، گسترش داد.

دستگاه‌های پوشیدنی می‌توانند ردیابی و پیش‌بینی بی‌درنگ COVID-19 را ارائه دهند

بر اساس داده‌های جدید انجام‌شده توسط دانشمندان مؤسسه ترجمه تحقیقاتی اسکریپس، فناوری‌های پوشیدنی مانند دستگاه‌های تناسب اندام و ساعت‌های هوشمند در شناسایی تغییرات اولیه جمعیت در فعالیت COVID-19 امیدوارکننده هستند. اعتبار ویدئو: تحقیق اسکریپس

این داده‌ها از مطالعه DETECT بدست می‌آیند: تلاشی متقابل که با شروع همه‌گیری کووید-19 راه‌اندازی شد و از یک برنامه تلفن همراه برای جمع‌آوری حسگر و اطلاعات گزارش‌شده از هزاران شرکت‌کننده در مطالعه در سراسر کشور استفاده می‌کند. علاوه بر داده‌های حسگر جمع‌آوری‌شده از یک ساعت هوشمند، شرکت‌کنندگان می‌توانند جزئیاتی در مورد نتایج آزمایش، واکسیناسیون، علائم و سایر اطلاعات جمعیت‌شناختی خود ارائه دهند.

در مطالعه ای که در 22 سپتامبر در Lancet Digital Healthدانشمندان دریافتند که داده های حسگر به طور قابل توجهی میانگین هفت روزه پیش بینی عفونت COVID-19 را بهبود می بخشد. این اطلاعات می‌تواند سیگنالی زودتر از نظارت سنتی ارائه کند، زیرا می‌تواند تغییرات در داده‌های یک فرد را شناسایی کند – احتمالاً حتی قبل از اینکه شرکت‌کننده متوجه علائم آنها شود. با در دست داشتن این داده‌های امیدوارکننده، می‌توان این روش ردیابی را برای نظارت بر تهدیدهای بیماری‌های عفونی اضافی گسترش داد.

فناوری‌های پوشیدنی قطعه ارزشمند دیگری از پازل ردیابی COVID-19 را به ما می‌دهند. در جمع‌آوری این اطلاعات در سطح جمعیت، داده‌های حسگر تصویری بی‌نظیر و بی‌درنگ از چگونگی تکامل ویروس در سراسر کشور ارائه می‌دهند.

اریک توپول، MD، نویسنده ارشد، مدیر و بنیانگذار مؤسسه ترجمه پژوهشی اسکریپس و معاون اجرایی پژوهشی اسکریپس

این مطالعه با استفاده از داده‌های جمع‌آوری‌شده از 25 مارس 2020 تا 14 ژانویه 2022، عواملی مانند میانگین ضربان قلب در حالت استراحت و داده‌های تعداد قدم‌ها را در بین 39931 نفری که در ایالات متحده شرکت کردند، ارزیابی کرد. دانشمندان روزهای «غیرعادی» حسگر افراد را در صورتی شناسایی کردند که ضربان قلب در حالت استراحت بالاتر یا تعداد گام‌های کمتری نسبت به داده‌های اولیه خود داشتند. آنها سپس این روزهای «غیرعادی» را با مدلی مقایسه کردند که میانگین متحرک هفت روزه CDC را برای موارد COVID-19 در زمان واقعی و همچنین شش و 12 روز در آینده را پیش‌بینی می‌کرد.

در ردیابی اینکه چگونه تغییرات فیزیولوژیکی و رفتاری ممکن است قبل از شروع علائم و آزمایش نهایی انجام شود، دانشمندان دریافتند که این داده های حسگر به طور قابل توجهی میانگین هفت روزه پیش بینی ها را تا 32.9٪ در کالیفرنیا بهبود می بخشد – و همچنین 12.2٪ در ایالات متحده برای پیش بینی های 12 رخ می دهد. روزهای آینده

محققان از چگونگی ردیابی تغییرات در داده های حسگر با تغییرات در بروز کووید-19، به ویژه در زمان اوج های عظیمی مانند موج Omicron شگفت زده شدند.

اگر می‌خواهیم نه تنها انتقال COVID-19، بلکه تهدیدهای ویروسی آینده را نیز به‌طور دقیق پیش‌بینی کنیم، همه جریان‌های داده – فاضلاب، سوابق الکترونیکی سلامت، اطلاعات داروخانه‌ها و اکنون داده‌های حسگر- باید با هم ترکیب شوند.

جنیفر رادین، دکترا، MPH، اپیدمیولوژیست موسسه ترجمه تحقیقاتی اسکریپس

رادین خاطرنشان می کند که ارائه یک تصویر در زمان واقعی از آنچه در جمعیت اتفاق می افتد به ویژه در حال حاضر مهم است، زیرا تعداد بیشتری از مردم در خانه آزمایش می کنند تا در کلینیک. و در حالی که نظارت بر فاضلاب یک منبع عالی برای انجام این امر بوده است، این فناوری می تواند پرهزینه باشد و در اکثر نقاط کشور در دسترس نیست.

تقریباً از هر چهار نفر در ایالات متحده یک نفر دارای نوعی ساعت هوشمند است، به این معنی که جمع‌آوری داده‌های حسگر روشی مقرون‌به‌صرفه، سریع و راحت برای مطالعه شیوع ویروسی در جمعیت وسیع‌تر است.

جنیفر رادین، دکترا، MPH، اپیدمیولوژیست موسسه ترجمه تحقیقاتی اسکریپس

مطالعه DETECT به طور فعال شرکت‌کنندگان دیگری را جذب می‌کند و هر کسی در ایالات متحده که یک گوشی هوشمند 18 ساله یا بالاتر دارد می‌تواند به آن ملحق شود. با شرکت‌کنندگان کافی در این مطالعه، دانشمندان می‌توانند به بهبود پیش‌بینی‌های خود در مورد تهدیدات ویروسی مختلف ادامه دهند و چگونگی تکامل ویروس‌هایی مانند SARS-CoV-2 را در میان جمعیت پیگیری کنند.

منبع:

موسسه ترجمه پژوهشی اسکریپس

مرجع مجله:

رادین، جی ام، و همکاران. (2022) نظارت مبتنی بر حسگر برای دیجیتالی کردن ردیابی بی‌درنگ COVID-19 در ایالات متحده (DETECT): یک مطالعه مدل‌سازی چند متغیره، مبتنی بر جمعیت. Lancet Digital Health. doi.org/10.1016/S2589-7500(22)00156-X.



منبع