C­O­V­I­D­ ­t­e­s­p­i­t­ ­e­d­e­n­ ­a­k­ı­l­l­ı­ ­s­a­a­t­l­e­r­ ­ü­z­e­r­i­n­e­ ­y­a­p­ı­l­a­n­ ­a­r­a­ş­t­ı­r­m­a­l­a­r­ ­h­a­l­a­ ­s­o­n­u­ç­l­a­n­m­a­d­ı­

C­O­V­I­D­ ­t­e­s­p­i­t­ ­e­d­e­n­ ­a­k­ı­l­l­ı­ ­s­a­a­t­l­e­r­ ­ü­z­e­r­i­n­e­ ­y­a­p­ı­l­a­n­ ­a­r­a­ş­t­ı­r­m­a­l­a­r­ ­h­a­l­a­ ­s­o­n­u­ç­l­a­n­m­a­d­ı­

COVID-19 pandemisinin ilk günlerinde akıllı saat savunucuları ve giyilebilir teknoloji şirketleri, cihazların hastalık tespitine yardımcı olabileceğini düşündü. Kalp atış hızı ve oksijen seviyeleri gibi şeyleri kullanarak hastalığa yakalanmış olabilecek insanları işaretlemek istediler. Strateji, hastalığı izlemek için hala makul bir yol olabilir, ancak iki yıl sonra vaat gerçekleşmedi – geçen hafta yayınlanan yeni bir incelemeye göre araştırma hala az gelişmiş durumda. içinde Neşter.

İnceleme, 2020 ve 2021’de yayınlanan ve Apple Watch, Fitbit ve Whoop gibi cihazlar tarafından toplanan verilerdeki kalıpları bulmaya çalışan 12 araştırma çalışmasına ve önerilen 12 çalışma protokolüne baktı. Bu çalışmaların çoğu, COVID-19 için zaten pozitif test eden kişilere odaklandı. Araştırmacılar, sağlıklı insanları takip edip kimin hastalanacağını tahmin etmeye çalışmak yerine, bir kişinin hastalanmasından önceki birkaç güne ait giyilebilir verilerdeki kalıpları aradılar. Bu yeni çalışmanın yazarları, çalışmaların hiçbirinin titiz klinik denemeler olmadığını belirtti. Mevcut araştırmaların hiçbiri, giyilebilir bir cihazın gerçekten COVID-19’un daha erken tespit edilmesini sağlayıp sağlayamayacağını test etmedi.

Çalışma, COVID-19’u giyilebilir verilerden çıkarmak için oluşturulan çoğu algoritmanın esas olarak semptomatik hastalığa odaklandığını buldu. Dördü, bir kişi semptom göstermeye başlamadan önce bir enfeksiyonu tespit etmeye çalıştı, çeşitli başarılarla – enfeksiyonların yüzde 20 ila 88’ini tespit edebildiler. Modeller, daha fazla gün önceden hastalığı tahmin etmeye çalıştıkça daha az doğru oldu. Derleme yazarları, “Birikmiş kanıtlar, bir modelin doğruluğu ile semptom başlangıcından önce SARS-CoV-2 enfeksiyonunu belirleme yeteneği arasında bir değiş tokuş olduğunu gösteriyor” diye yazdı. Bu aynı zamanda cihazları COVID-19 dedektörleri olarak daha az kullanışlı hale getirecektir – bu tür bir stratejinin vaatlerinden biri, yeterince erken hasta olan insanları, hastalığı başkalarına yaymadan önce test edip izole edebilecekleri kadar erken işaretlemektir.

Vücut sıcaklığındaki değişimler, kalp atış hızı değişkenliği ve diğer ölçütler gibi fizyolojik sinyallerin bir hastalığa yakalanan biriyle ilişkili olduğuna dair iyi kanıtlar var. Ancak bu, yalnızca COVID-19’u değil, diğer hastalıkları da içerir ve bu derlemedeki çalışmaların çoğu, COVID-19 ile grip gibi şeyler arasında ayrım yapmadı. Fitbit araştırma direktörü Conor Heneghan, Fitbit’te yapılan araştırmalarda grip verileriyle COVID-19 verileri arasında örtüşmeler bulunduğunu söyledi. Sınır geçen sene. “İçgüdülerim arasında güvenilir bir ayrım yapmanın zor olacağı yönünde,” dedi.

Yeni incelemenin yazarları, giyilebilir cihazların COVID-19 veya diğer hastalık dedektörleri olarak kullanılmasında da eşitlik sorunları olduğunu yazdı. Analize dahil edilen çalışmalar zayıf ırk çeşitliliğine sahipti, bu nedenle modellerin beyaz olmayan popülasyonlarda eşit derecede iyi performans gösterip göstermeyeceği açık değil. Bu daha da endişe verici çünkü araştırmalar, giyilebilir cihazların genellikle daha koyu ten tonlarında farklı ve daha az doğru çalıştığını gösteriyor. Ve incelemede değerlendirilen modellerin hiçbiri, vücut sıcaklığındaki değişiklikler ve döngünün farklı aşamalarıyla ilişkili diğer değişkenler olmasına rağmen adet döngüsünü hesaba katmadı.

Mevcut araştırmaların sınırlamalarına rağmen, giyilebilir cihazların hastalıkları takip etmek ve izlemek için iyi bir yol olması hala mümkün. Bunu kanıtlamak ve bu durumlarda cihazları kullanmanın en iyi yolunu bulmak için daha iyi araştırma yapılması gerekiyor. Uzmanlar, birilerini hasta olabilecekleri konusunda uyarabilecek basit bir araca sahip olmanın bile faydalı olacağını düşünüyorlar.

Scripps Research Translational Institute’un dijital tıp bölümünden epidemiyolog Jennifer Radin, “Bir şeyin normal aralığınızın dışında olduğu ve göz kulak olmanız gereken bir şey olabilir” dedi. Sınır geçen sene.

Popular Articles

Latest Articles