مطالعه: پوشیدنی ها می توانند آنفولانزا ، عفونت سرماخوردگی را قبل از نشان دادن علائم بیمار تشخیص دهند



بر اساس یافته های جدید ، پوشیدنی ها ممکن است کلید تشخیص آنفولانزا باشند حتی قبل از اینکه بیمار علائم خود را نشان دهد مطالعه در جامابه

این مطالعه کوچک بر روی دو گروه از شرکت کنندگان که داوطلبانه آلوده به ویروس H1N1 و رینوویروس بودند صفر کرد. محققان مدلهای نشانگرهای زیستی دیجیتال را تهیه کردند که داده های پوشیدنی را برای تشخیص زودهنگام ویروسها و پیش بینی شدت آنها جمع آوری کرد ، که در بازه زمانی پس از قرار گرفتن در معرض عوامل بیماری زا و قبل از بروز علائم مورد استفاده قرار گرفت.

مدل های توسعه یافته شامل مجموعه ای از داده های بیومتریک شامل ضربان قلب ، دمای پوست ، فعالیت و حرکت الکترودرمال بود ، اما ذکر این نکته ضروری است که مدل های پیش بینی برای دو گروه متفاوت بود.

محققان دریافتند نه تنها مدل پوشیدنی قادر به تشخیص آنفولانزای پیش از علامت بود ، بلکه مدل پیش بینی قادر به تشخیص عفونت خفیف و متوسط ​​بود.

نویسندگان این مطالعه نوشتند: “این مطالعه گروهی نشان می دهد که استفاده از یک وسیله پوشیدنی غیرتهاجمی و مچ دار برای پیش بینی واکنش افراد در مواجهه با ویروس قبل از علائم امکان پذیر است.” “استفاده از این فناوری می تواند از مداخلات اولیه برای محدود کردن گسترش بدون علامت عفونت های تنفسی ویروسی ، که در دوران COVID-19 به موقع انجام می شود ، پشتیبانی کند.”

TOP-LINE DATA

محققان دریافتند که مدل تشخیص ویروس H1N1 می تواند بین 24 ساعت پس از تلقیح ، بین عفونت و غیر عفونی با دقت تا 92 درصد ، با 90 درصد دقت ، 90 درصد حساسیت و 93 درصد ویژگی تمایز قائل شود.

مدل رینوویروس می تواند با دقت 88٪ ، با دقت 100٪ ، حساسیت 78٪ و اختصاصیت 100٪ در زمان بروز علائم ، که 36 ساعت پس از تلقیح بود ، تشخیص دهد.

در پیش بینی 24 ساعته ، مدل پیش بینی قادر به تشخیص عفونت های خفیف و متوسط ​​با دقت 90 درصد برای ویروس H1N1 و 89 درصد برای رینوویروس بود.

چگونه آن را انجام دادند

داده ها از 31 شرکت کننده با H1N1 و 18 شرکت کننده مبتلا به رینوویروس جمع آوری شد.

داده ها برای گروه H1N1 از سپتامبر 2017 تا می 2018 جمع آوری شد. شرکت کنندگان همه بین 18 تا 55 سال سن داشتند ، با میانگین سنی 36.2. داده های گروه رینوویروس از 14 سپتامبر تا 21 سپتامبر 2015 جمع آوری شد. شرکت کنندگان در گروه رینوویروس همگی بین 20 تا 34 سال سن داشتند ، با میانگین سنی 22 سال.

در این مطالعه افرادی که باردار ، شیرده یا سیگاری بودند ، حذف شدند. شرکت کنندگان با سابقه تنفسی مزمن ، آلرژی یا سایر بیماریهای مهم نیز حذف شدند.

بر اساس این مطالعه ، در مطالعه H1N1 ، شرکت کنندگان یک روز قبل و 11 روز پس از تلقیح از پوشیدنی E4 از Empatica استفاده کردند. شرکت کنندگان در گروه رینوویروس ، مچ بند E4 را فقط چهار روز قبل و پنج روز بعد از تلقیح استفاده کردند.

پس زمینه

این اولین مطالعه ای نیست که به تشخیص ویروس داده های پوشیدنی می پردازد. یک مطالعه 2020 منتشر شده در سلامت دیجیتال Lancet دریافت که داده های ضربان قلب و مدت زمان خواب جمع آوری شده از دستگاه های Fitbit می تواند به اطلاع مدل های به موقع و دقیق روندهای آنفولانزای سطح جمعیت کمک کند.

در مارس 2020 ، م Instituteسسه ترجمه ای تحقیقاتی اسکریپس راه اندازی این برنامه را اعلام کرد DETECT (مشارکت دیجیتال و ردیابی برای کنترل و درمان زودهنگام) ، که بر ترکیب ضربان قلب ، فعالیت و خواب از طیف وسیعی از وسایل پوشیدنی تا شروع بیماری متمرکز بود.

پوشیدنی ها همچنین ممکن است کلید تشخیص علائم ماندگار COVID-19 باشند. تحقیقات منتشر شده در شبکه JAMA باز می شود از مطالعه DETECT مشخص شد که داده های پوشیدنی می توانند به جامعه پزشکی در درک تأثیرات ماندگار ویروس بر سلامتی کمک کنند.

دیدگاهتان را بنویسید