Nowe badania pokazują, w jaki sposób zegarek Apple Watch może pomóc wykryć COVID-19 przed wystąpieniem pierwszych objawów i wykonaniem testu.
Badania przeprowadzone przez Mount Sinai Health System w Nowym Jorku i Standford University w Kalifornii doprowadziły naukowców do bardzo ciekawych wniosków. Zauważyli oni bowiem, że smartwatche, takie jak Apple Watch, Fitbit i inne, które stale mierzą tętno, mogą przewidzieć, czy użytkownicy są nosicielami COVID-19, czy nie, jeszcze zanim zaczną się pojawiać objawy lub wyniki testów będą pozytywne.
Naukowcy z Mount Sinai odkryli, że Apple Watch może wykryć niewielkie zmiany w biciu serca, co może wskazywać na to, że użytkownik może być zakażony koronawirusem jeszcze na 7 dni, zanim zacznie wykazywać objawy lub jego wyniki testu na COVID-19 będzie pozytywny.
Miara mierzona przez Apple Watch to zmienność tętna, która mierzy różnice w czasie między każdym uderzeniem serca. Na tę metrykę wpływa również stan zapalny w organizmie, który wywołuje również Covid. Każdy, kto ma COVID-19, zauważyłby spadek zmienności tętna, co oznaczałoby, że różnice w czasie między uderzeniami serca były niewielkie.
Wiedzieliśmy już, że markery zmienności tętna zmieniają się wraz z rozwojem stanu zapalnego w organizmie, a COVID-19 jest zdarzeniem niezwykle zapalnym – powiedział dla CBS MoneyWatch Rob Hirten, adiunkt medycyny w Icahn School of Medicine na Mount Sinai w Nowym Jorku i autor badania Warrior Watch. Pozwala nam to przewidzieć, że ludzie są zarażeni, zanim jeszcze się zorientują.
Badanie zostało przeprowadzone na grupie 300 pracowników służby zdrowia w ośrodku zdrowia w Mount Sinai, którzy nosili zegarek Apple Watch między 29 kwietnia a 29 września 2020 roku.
Inne badanie przeprowadzone przez Standford University w Kalifornii, w którym uczestnicy nosili różne urządzenia wearables (w tym od Apple’a, Fitbita i Garmina) wykazało, że 81% uczestników, którzy mieli dodatni wynik testu na Covid, miało przyspieszone tętno spoczynkowe prawie 9,5 dnia przed pojawieniem się jakichkolwiek objawów.
Prawie ⅔ przypadków zarażeń COVID-19 wykryto od czterech do siedmiu dni przed tym, zanim badani faktycznie zaczęli wykazywać jakiekolwiek objawy. Badanie zostało przeprowadzone z udziałem ponad 5000 uczestników i przeanalizowano dane od 32 osób, które uzyskały wynik pozytywny.
Zespół stworzył również system alarmowy, który ostrzega użytkowników, że ich tętno jest podwyższone przez dłuższy czas.
Ustawiliśmy także alarm z pewną czułością, który uruchamiał się mniej więcej co 2 miesiące lub częściej – powiedział profesor Uniwersytetu Stanforda, Michael Snyder, który kierował badaniem. Regularne wahania nie wywołają alarmu – tylko te znaczące i wskazujące trwałe zmiany. To wielka sprawa, ponieważ ostrzega ludzi, aby nie wychodzili i nie spotykali ludzi. (…) Na przykład, kiedy niedawno włączył się alarm Snydera, odwołał on osobiste spotkanie na wypadek, gdyby mógł być zarażony.
Chociaż szczepionki na COVID-19 są już wdrażane na całym świecie (także w Polsce), takie badania pokazują znaczenie Apple Watcha i innych urządzeń naręcznych oraz jak mogą one pomóc w powstrzymaniu rozprzestrzeniania się pandemii w przyszłości.
Badania te pokazują również, że to tylko kwestia czasu, zanim Apple Watch i inne urządzenia do noszenia staną się integralną częścią życia z punktu widzenia codziennego monitorowania zdrowia.
Opis do Fig. 1.
Zrekrutowano ogółem 5 262 uczestników, w tym osoby, które: (1) były chore i miały pozytywny wynik testu na obecność COVID-19 (kolor ciemnoczerwony); (2) chory i dodatni wynik testu na inne choroby (kolor złoty); (3) chory bez potwierdzonej diagnozy (kolor ciemnoszary) i (4) nie chorowali, ale byli narażeni na wysokie ryzyko ekspozycji (kolor jasnoszary). Uczestnicy zostali poproszeni o rejestrowanie codziennych objawów i udostępnianie danych z monitorowania kondycji za pośrednictwem aplikacji badawczej MyPHD. Zbierane typy danych obejmowały tętno, kroki i sen w okresie kilku miesięcy. Opracowano dwa algorytmy wykrywania infekcji (RHR-Diff i HROS-AD). Dolne dwa panele reprezentują wskaźniki tętna pochodzące z dwóch algorytmów w okresie miesięcznym u jednej osoby, skupione wokół początku objawów (dzień 0). Najwcześniejsze wykryte nieprawidłowe wzrosty tętna są oznaczone czerwonymi gwiazdkami. Okresy anomalii wykryte przez RHR-Diff są zaznaczone czerwonymi strzałkami. Punkty czasowe anomalii wykryte przez HROS-AD są zaznaczone czerwonymi kropkami. Dzień wystąpienia objawów i dzień diagnozy są oznaczone pionowymi przerywanymi czerwonymi i fioletowymi liniami.
Opis do Fig. 2.
a – d, Przykłady wyników prognoz online podczas zakażenia COVID-19 dla dwóch uczestników z danymi długoterminowymi (a i b), jeden przykład innej choroby (innej niż COVID-19) (c) i jeden przykład ze zdrowej grupy (d; zwróć uwagę na mniejszą skalę w porównaniu z a – c). Dla każdego wykresu oś x to liczba dni przed lub po wystąpieniu objawów. Czerwone i fioletowe pionowe przerywane linie wskazują odpowiednio dni wystąpienia objawów i diagnozy, a niebieskie przerywane pionowe linie wskazują alarmujący czas od wykrycia online. e, Liczba alarmów na 30 dni dla uczestników z COVID-19. Niebieskie i czerwone paski wskazują liczbę alarmów przed i po zdarzeniu COVID-19. Średnia liczba alarmów wynosi odpowiednio 0,29 w porównaniu z 1,35 przed i po zakażeniu. f, Porównanie wczesnego wykrywania między wykrywaniem offline (RHR-Diff) a wykrywaniem online (CuSum). Dni wykrycia porównuje się z dniem wystąpienia objawów. Każde czerwone kółko oznacza jednego uczestnika. Czarna przerywana linia to linia identyfikacyjna, a otaczające ją niebieskie przerywane linie znajdują się w odległości ± 1 d od linii identyfikacyjnej. Szare przerywane linie oddzielają ilościową część wykresu od pominiętych przypadków. g, Porównanie całkowitego czasu trwania alarmu w grupie z pozytywnym wynikiem COVID-19, z inną grupą chorych i potencjalnie zdrową grupą. h, Porównanie wysokości piku alarmowego w różnych grupach opisanych w g. Dla każdego przypadku chorobowego w g i h alarmy są dalej przypisywane do trzech kategorii: przed chorobą, w czasie choroby i po chorobie. Pokazane są tylko wartości P o istotności <0,05. Ponadto zaobserwowano niewielki wzrost częstotliwości alarmów, ale nie osiągnął on istotności. W przypadku wykresów pudełkowych g i h linie środkowe przedstawiają wartości mediany, granice prostokąta przedstawiają górny (trzeci) i dolny (pierwszy) kwartyl, wąsy reprezentują 1,5 x odstęp międzykwartylowy odpowiednio powyżej i poniżej górnego i dolnego kwartylu, a czarne kropki oznaczają wartości odstające.
źródło: CBS News | Mount Sinai | Stanford
Od 2005 roku zajmuję się komunikacją internetową i e-marketingiem, jestem pasjonatem urządzeń mobilnych oraz nowych technologii – i nie waham się ich używać.