智能手表可以帮助指导COVID-19检测
杜克大学的研究人员开发了一种方法，利用从智能手表等可穿戴设备收集的数据来识别可能感染COVID-19的人。
这些知识将使卫生保健工作者为了更有效地进行检测，因为他们将能够用更少的检测和更短的时间识别更多阳性病例。这种提高的效率可以帮助解决在新变异和疾病爆发期间以及在检测资源稀缺的情况下检测供应短缺的问题。
这项研究发表在9月1日的npj数字医学．
在疫情爆发期间，公共卫生专家进行监测测试，以研究和控制疾病在人群中的传播。监测检测可以帮助在感染进一步传播之前发现它们，从而限制了疾病暴发的范围。
但是，正如公众在COVID-19大流行期间所看到的，当没有足够的检测时，这一过程可能会受到阻碍。
杜克大学博士后研究员Md Mobashir Hasan Shandhi说:“如果你有足够的检测，监测检测是一个很好的工具，但如果短缺，你需要在如何使用它们方面有策略。”“很明显，在大流行之初，我们没有足够的检测，这种短缺在全球持续存在。去年7月，当Delta型出现时，每天的测试需求在两个月内从25万激增到150万，测试能力无法满足突然的需求。”
为了解决这个问题，杜克大学生物医学工程助理教授Jessilyn Dunn和她实验室的成员，包括Shandhi、Peter Cho和Ali Roghanizad，通过分析开发了一种智能测试分配(ITA)方法健康数据通过他们实验室的新冠病毒研究收集的。
参与COVIDentify研究的志愿者定期填写症状调查，提交诊断测试并将他们的智能手表与COVIDentify应用程序同步，或直接向团队提交数据。然后该程序分析生物特征数据可穿戴设备特别是参与者的活动水平、睡眠水平和心率，并研究了这些健康数据与可能表明COVID-19的症状的匹配程度感染．
为了确保他们使用的是一个强大的数据集，该团队扩大了研究范围，包括斯坦福大学的MyPhD研究，该研究同样要求参与者分享他们的智能手表数据，以跟踪COVID-19的症状和诊断。
在分析数据后，邓恩和她的合作者观察到，许多报告COVID检测呈阳性的患者在确诊前几天都经历了静息心率(RHR)升高。他们还发现，许多参与者在检测呈阳性前的多日里走的步子更少。
邓恩实验室的博士后Roghanizad说:“我们开发了一种机器学习算法，并训练它使用这些生物标记来识别潜在的COVID-19感染。”“最初，我们认为将活动水平和心率数据合并到我们的算法中会使它更准确，但仅仅识别一个人的静息心率的持续变化是一个更准确的感染预测指标，因为它在感染过程的早期发生变化。”
利用他们的算法，研究人员开发了ITA方法来识别和测试最有可能的COVID-19病例。与标准随机分配测试方法相比，他们的方法使阳性率增加了6.5倍。
邓恩实验室的博士生Cho说:“我们的ITA方法显著提高了阳性率，这意味着更多的感染。”“某人休息的变化心率并不总是表明COVID感染，但我们表明，这是一个非常好的指导指标，特别是当你在有限的资源下工作时。”
该团队将继续分析来自COVID-19研究的数据，以开发更多的COVID-19数字生物标志物。最终，他们希望开发一种方法，利用可穿戴数据在生理上尽快识别和诊断COVID-19感染(例如，在病原体暴露的24小时内)。他们还希望扩展他们的模型，以便将其应用于其他呼吸道疾病，如流感。
Dunn说:“我们已经看到低效的诊断检测如何加剧疾病暴发并伤害社区，猴痘就是比COVID-19更近的一个例子。”“我们的方法使我们在改进监测检测方面向前迈进了一步，以发现可能导致疾病传播的感染，并帮助人们在正确的时间获得正确的护理和信息。”
