Sistema de alerta en tiempo real para COVID-19 y otros eventos de estrés utilizando datos portátiles
Un reloj inteligente (que monitoriza señales fisiológicas alteradas) para la detección precoz (80% de eficacia) de la infección por SARSCoV2, incluso hasta 3 días antes del inicio de los síntomas.
|
Resumen La detección temprana de enfermedades infecciosas es fundamental para reducir la transmisión y facilitar la intervención temprana. En este estudio, construimos un sistema de alerta basado en reloj inteligente en tiempo real que detecta señales fisiológicas y de actividad aberrantes (frecuencia cardíaca y pasos) asociadas con el inicio de una infección temprana e implementamos este sistema en un estudio prospectivo. En una cohorte de 3318 participantes, de los cuales 84 estaban infectados con el síndrome respiratorio agudo severo coronavirus 2 (SARS-CoV-2), este sistema generó alertas de infección presintomática y asintomática por SARS-CoV-2 en 67 (80%) de los individuos infectados.
El examen de las respuestas detalladas a la encuesta proporcionada por los participantes reveló que otras infecciones respiratorias, así como eventos no asociados con la infección, como el estrés, el consumo de alcohol y los viajes, también podrían desencadenar alertas, aunque con una frecuencia media mucho menor (1,15 días de alerta por persona) en comparación con 3,42 días de alerta por persona para los casos de enfermedad por coronavirus en 2019). Por lo tanto, el análisis de las señales de los relojes inteligentes mediante un algoritmo de detección en línea proporciona una advertencia anticipada de la infección por SARS-CoV-2 en un alto porcentaje de casos. Este estudio muestra que se puede utilizar un sistema de alerta en tiempo real para la detección temprana de infecciones y otros factores estresantes y se puede emplear en una plataforma de código abierto que es escalable a millones de usuarios. |
La detección temprana de enfermedades infecciosas ayuda a prevenir la transmisión y permite una intervención temprana. Tradicionalmente, la detección se ha limitado a la aparición de síntomas cuando las alteraciones fisiológicas a menudo requieren atención médica y es posible que ya se haya producido la transmisión de la enfermedad.
En el caso de las infecciones virales respiratorias, el inicio de los síntomas suele ser de varios días a más de una semana después de la infección, mientras que es poco probable que se detecten infecciones asintomáticas. Cuando se produce la aparición de un síntoma, normalmente se sigue con una medición de la temperatura oral o cutánea o, de forma más definitiva, se diagnostica mediante una prueba bioquímica, como la detección de antígenos o la reacción en cadena de la polimerasa (PCR).
Los dispositivos portátiles como los relojes inteligentes tienen el potencial de monitorear a las personas de manera continua en tiempo real y, por lo tanto, brindan una detección temprana de enfermedades respiratorias y otras infecciones. Estos dispositivos pueden recopilar diferentes tipos de datos fisiológicos, como frecuencia cardíaca, recuento de pasos, sueño y temperatura. Estudios recientes han demostrado que los dispositivos portátiles pueden usarse para identificar signos tempranos de enfermedades infecciosas como la enfermedad de Lyme o infecciones virales respiratorias, incluida la enfermedad por coronavirus 2019 (COVID-19) y podrían incluso permitir la detección presintomática.
Estos estudios de infecciones virales respiratorias se han centrado principalmente en la detección al inicio de los síntomas y, en el caso de la detección presintomática, se realizaron de forma retrospectiva. Hasta ahora, no se ha examinado la capacidad de detectar de manera prospectiva infecciones virales respiratorias y otros eventos de estrés, ni se ha desarrollado un sistema para realizar esto a escala.
Un enfoque de detección temprana que utiliza un sistema de monitoreo y alerta puede permitir el autoaislamiento temprano, el tratamiento y la asignación efectiva de recursos de atención médica y proporcionar una herramienta invaluable para contener pandemias potencialmente.
Se pidió a los participantes con un Fitbit y / o Apple Watch que compartieran sus datos de dispositivos portátiles y de encuestas utilizando la aplicación móvil del estudio MyPHD. La aplicación transfiere de forma segura los datos no identificados (frecuencia cardíaca, pasos y eventos de encuestas) al back-end para un análisis en tiempo real. En el back-end, se implementaron tres algoritmos de detección de infecciones en línea y los resultados de uno de los algoritmos (NightSignal en línea) se devolvieron a los participantes mediante la aplicación: las alertas rojas indican cambios anormales en la RHR durante la noche; Las alertas verdes indican RHR normal durante la noche. b, Un ejemplo del mundo real de detección presintomática en tiempo real de COVID-19 usando el algoritmo NightSignal en línea para un participante que usa un Apple Watch. Las alertas se activaron 2 días antes de la fecha de inicio de los síntomas y continuaron hasta 3 días después de la fecha del diagnóstico.
Discusión
Aquí presentamos el primer sistema de alerta y detección de estrés fisiológico prospectivo y en tiempo real que puede detectar una enfermedad de inicio temprano utilizando un reloj inteligente. Detecta COVID-19 en o antes de los síntomas en aproximadamente el 80% de los casos sintomáticos e incluso identifica casos asintomáticos; esta es la primera vez, que sepamos, que se ha demostrado la detección asintomática de COVID-19, aunque se ha informado de otras infecciones.
Es difícil juzgar el número real de casos asintomáticos porque es probable que la mayoría de estos casos no se analicen con RT-PCR; sin embargo, encontramos que 14 de 18 casos asintomáticos tenían alertas cerca de la fecha de la prueba (dentro de los 21 d antes de la fecha del diagnóstico). Los resultados de detección fueron similares para Fitbit y Apple Watch.
En este estudio, no se proporcionaron recomendaciones médicas a los participantes, aunque la implementación en estudios futuros podría permitirlo. Las alertas se generaron lo suficientemente temprano (una mediana de 3 días antes del inicio de los síntomas para los casos de COVID-19) para permitir el autoaislamiento temprano y las pruebas efectivas.
Muchos de los eventos generadores de alertas detectados en este estudio no se asociaron con COVID-19. La mayoría de las alertas anotadas se pueden atribuir a otros eventos, como falta de sueño, estrés, consumo de alcohol, ejercicio intenso, viajes u otras actividades. En muchos de estos casos, los eventos de alerta serían fáciles de autocontextualizar (ejercicio intenso, consumo de alcohol y viajes), y es poco probable que los participantes actúen. En otros casos, como los diagnósticos COVID-19 negativos con enfermedad sintomática, se esperaría que las pruebas de seguimiento fueran valiosas.
En particular, los métodos clásicos para la detección de enfermedades generalmente se han basado en la temperatura oral o cutánea en reposo y en la comparación de un individuo con el promedio de la población en lugar de su línea de base individual.
Muchas infecciones por COVID-19 no parecen causar fiebre.
Además, la temperatura de la piel a menudo se mide utilizando dispositivos inexactos, como dispositivos infrarrojos, que están influenciados por temperaturas externas y, por lo tanto, pueden no ser el método óptimo para la detección de infecciones. La RHR y otras medidas fisiológicas longitudinales podrían ser valiosas junto con las mediciones de temperatura para la detección temprana y específica de enfermedades.
Anteriormente descubrimos que la enfermedad de Lyme se puede detectar presintomáticamente utilizando un reloj inteligente y un oxímetro de pulso, y aquí mostramos que la infección por Mycoplasma también se puede identificar (aunque no presintomáticamente en este caso particular).
Con un desarrollo continuo, las plataformas portátiles, incluidas las que utilizan una variedad de parámetros fisiológicos, se pueden utilizar como un método general para monitorear enfermedades infecciosas, brotes relacionados con la inflamación crónica y otras señales relacionadas con la salud para mejorar la atención médica tanto a nivel personal como de la población. En consecuencia, las mediciones descritas y los datos generados pueden permitir el monitoreo global de futuros brotes pandémicos.