Πρόληψη και θεραπεία

Το Smartwatch μπορεί να εντοπίσει τις λοιμώξεις πριν την εμφάνιση συμπτωμάτων!

Οι συσκευές Smartwatch χρησιμοποιούνται όλο και περισσότερο τα τελευταία χρόνια και ανάμεσα σε άλλα μπορούν να δείξουν στους χρήστες αν έχουν κάποιο πρόβλημα υγείας. Για παράδειγμα, μπορούν να ειδοποιήσουν τον χρήστη αν έχει υψηλό ή χαμηλό καρδιακό ρυθμό ή αν τα πρότυπα του ύπνου του δεν είναι φυσιολογικά.

Τώρα, μια νέα έρευνα, που δημοσιεύθηκε στο JAMA Network Open, διαπίστωσε ότι τα Smartwatches είναι σε θέση να ανιχνεύσουν αν κάποιος είναι άρρωστος, πριν ακόμη εμφανίσει συμπτώματα.

Μπορούν τα Smartwatches να ανιχνεύσουν αν κάποιος είναι άρρωστος πριν εμφανίσει συμπτώματα;

Οι ερευνητές μιας νέας μελέτης, ζήτησαν από 31 άτομα να φορέσουν από μια Smartwatch συσκευή τύπου E4 της Empatica για ένα χρονικό διάστημα. Το Smartwatch άρχισε να καταγράφει από το πρώτο λεπτό πληροφορίες για τον καρδιακό ρυθμό των συμμετεχόντων, τη θερμοκρασία του δέρματός τους, την κίνηση και την ηλεκτρική δραστηριότητα του δέρματός τους. Ακολούθως, οι συμμετέχοντες εκτέθηκαν είτε στον ιό της γρίπης H1N1, είτε στον ρινοϊό.

Με το που οι συμμετέχοντες εκτέθηκαν στους πιο πάνω ιούς, τους ζητήθηκε να αναφέρουν τα καθημερινά τους συμπτώματα, ενώ παράλληλα οι ερευνητές μετρούσαν τον ιό που απέβαλλαν καθημερινά.

Τα δεδομένα που συλλέχθηκαν από τα Smartwatches των συμμετεχόντων χρησιμοποιήθηκαν σε έναν αλγόριθμο, ο οποίος προσπάθησε να προβλέψει το πόσο πιθανόν ήταν να μολυνθούν οι συμμετέχοντες και πόσο σοβαρή θα ήταν η ασθένειά τους.

Οι ερευνητές συνέκριναν τα δεδομένα των συμμετεχόντων μετά τη μόλυνσή τους με τις μετρήσεις που κατέγραψαν τα Smartwatches τους πριν από την μόλυνση, διαπιστώνοντας ότι τα Smartwatches:

  • Ήταν σε θέση να ανιχνεύσουν εκείνους που ανέπτυξαν ή δεν ανέπτυξαν λοίμωξη, με ακρίβεια 92% για όσους εκτέθηκαν στον ιό Η1Ν1.
  • Ήταν σε θέση να ανιχνεύσουν εκείνους που εμφάνισαν ή δεν εμφάνισαν λοίμωξη, με ακρίβεια 88% για όσους εκτέθηκαν στον ρινοϊό.
  • Ήταν σε θέση να προβλέψουν ποιοι θα εμφάνιζαν ήπιες ή μέτριες λοιμώξεις, 24 ώρες πριν την εμφάνιση των συμπτωμάτων, με ακρίβεια 90% για τον H1N1 και 89% για τον ρινοϊό.

Σύμφωνα με τους ερευνητές, η παρούσα μελέτη υποδηλώνει ότι η χρήση Smartwatch για τον εντοπισμό προσυμπτωματικών λοιμώξεων του αναπνευστικού είναι εφικτή και μάλιστα, νοουμένου ότι η χρήση αυτών των συσκευών είναι κοινή στον γενικό πληθυσμό, μπορούν να φανούν ιδιαίτερα χρήσιμες για τον περιορισμό της εξάπλωσης των μολύνσεων, ειδικά τώρα με την πανδημία της νόσου COVID-19.

Περαιτέρω έρευνα

Η έρευνα για το κατά πόσο τα δεδομένα των smartphones και το Smartwatches μπορούν να βοηθήσουν στον εντοπισμό διαφόρων λοιμώξεων συνεχίζεται. Για παράδειγμα, το Πανεπιστήμιο Duke, πραγματοποιεί μια μελέτη που ονομάζεται Covidentify, η οποία προσπαθεί να διαπιστώσει εάν τα δεδομένα που καταγράφει ένα smartphone ή ένα Smartwatch μπορούν προσδιορίσουν αν ένα άτομο έχει ή όχι μολυνθεί από COVID-19.

Συμπερασματικά

Σύμφωνα με τον Amesh A. Adalja, ειδικό στις μολυσματικές ασθένειες και ανώτερο μελετητή στο Κέντρο Johns Hopkins για την Ασφάλεια της Υγείας, είναι πολύ πιθανόν τα Smartwatches να χρησιμοποιηθούν μια μέρα ευρέως για τον έγκαιρο εντοπισμό διαφόρων λοιμώξεων, καθώς ένα άτομο που έχει μολυνθεί, ακόμη και πριν εμφανίσει συμπτώματα, παρουσιάζει αλλαγές στον καρδιακό του ρυθμό και σε άλλες φυσιολογικές παραμέτρους, οι οποίες καταγράφονται από αυτές τις συσκευές. Με την ανάλυση αυτών των μη φυσιολογικών ενδείξεων μπορεί να διαπιστωθεί εάν ένας άνθρωπος τείνει προς την λοίμωξη ή όχι.


+ 4 πηγές

©2022 WikiHealth All Rights Reserved

Got a Cold? Your Smartwatch Can Detect It Before You Do https://www.verywellhealth.com/wearable-health-technology-detect-illness-5204814

Feasibility of continuous fever monitoring using wearable devices https://www.nature.com/articles/s41598-020-78355-6

Wearable sensor data and self-reported symptoms for COVID-19 detection https://www.nature.com/articles/s41591-020-1123-x

Assessment of the Feasibility of Using Noninvasive Wearable Biometric Monitoring Sensors to Detect Influenza and the Common Cold Before Symptom Onset https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2784555