{{{sourceTextContent.subTitle}}}
I ricercatori hanno pubblicato i loro risultati in un articolo intitolato "Feasibility of continuous fever monitoring using wearable devices" nel numero del 14 dicembre della rivista Scientific Reports. Essi sottolineano che lo studio è una prova di concetto con i dati di soli 50 partecipanti che riportano COVID-19.
{{{sourceTextContent.description}}}
Il documento Scientific Reports è il primo risultato pubblicato da TemPredict, uno studio su oltre 65.000 persone che indossano un anello prodotto dalla startup finlandese Oura, che registra temperatura, frequenza cardiaca, frequenza respiratoria e livelli di attività. L'obiettivo dello studio è quello di sviluppare un algoritmo in grado di prevedere l'insorgenza di sintomi come febbre, tosse e stanchezza, caratteristici di COVID-19. I ricercatori dicono di sperare di raggiungere questo obiettivo entro la fine dell'anno. Sperano anche che gli algoritmi permettano ai funzionari della sanità pubblica di agire più rapidamente per contenere la diffusione del virus.
"Questo non è solo un problema scientifico, è un problema sociale", ha detto Benjamin Smarr, autore corrispondente dell'articolo e professore del Dipartimento di Bioingegneria e dell'Halicioglu Data Sciences Institute dell'Università di San Diego. "Con dispositivi indossabili in grado di misurare la temperatura, possiamo cominciare a immaginare un sistema di allerta precoce COVID pubblico"
Ma gli utenti provenienti da ambienti diversi avrebbero bisogno di sentirsi sicuri nel condividere i loro dati per poter lavorare davvero, ha aggiunto Smarr. I dati sono spogliati di tutte le informazioni personali, inclusa l'ubicazione, e ogni soggetto è conosciuto con un numero identificativo casuale.
Smarr è il leader dell'analisi dei dati di TemPredict. Ashley Mason, professore del Dipartimento di Psichiatria e dell'Osher Center for Integrative Medicine della UC San Francisco, è il principale ricercatore dello studio.
"Se gli indumenti indossabili ci permettono di individuare precocemente COVID-19, le persone possono iniziare pratiche di isolamento fisico e ottenere test in modo da ridurre la diffusione del virus", ha detto Mason. In questo modo, un grammo di prevenzione può valere anche più di un chilo di cura"
I dispositivi indossabili come l'anello Oura possono raccogliere dati sulla temperatura in modo continuo durante il giorno e la notte, consentendo ai ricercatori di misurare i valori di base della temperatura reale delle persone e di identificare i picchi di febbre in modo più accurato. "La temperatura varia non solo da persona a persona, ma anche per la stessa persona in momenti diversi della giornata", ha detto Smarr.
Lo studio, spiega, evidenzia l'importanza di raccogliere dati in modo continuo per lunghi periodi di tempo. Per inciso, la mancanza di dati continui è anche il motivo per cui i controlli a campione della temperatura non sono efficaci per il rilevamento di COVID-19. Questi controlli a campione sono l'equivalente della cattura di una sillaba al minuto in una conversazione, piuttosto che di frasi intere, ha detto Smarr.
Nel documento Scientific Reports, Smarr e colleghi hanno notato che l'insorgenza della febbre spesso accadeva prima che i soggetti segnalassero i sintomi, e anche a coloro che non avevano mai segnalato altri sintomi. "Questo sostiene l'ipotesi che alcuni eventi simili alla febbre possano passare inosservati o passare inosservati senza essere veramente asintomatici", scrivono i ricercatori. "Gli indumenti, quindi, possono contribuire a identificare i tassi di malattia asintomatica [malattia] rispetto alla malattia non dichiarata, [che è] di particolare importanza nella pandemia COVID-19"
I dati raccolti nell'ambito del successivo studio TemPredict comprendevano 65.000 soggetti, e questi dati saranno archiviati presso il San Diego Supercomputer Center della UC San Diego, dove un team guidato da Ilkay Altintas sta costruendo un portale per consentire ad altri ricercatori di accedere a questi dati per altre analisi.
"I dati raccolti hanno un grande potenziale per essere collegati con altri set di dati che permettono di combinare modelli su scala individuale e sociale per comprendere meglio la malattia", ha detto Ilkay Altintas, il responsabile della scienza dei dati presso il San Diego Supercomputer Center. "Più facile sarà per noi condividere i dati e ottimizzarne l'uso attraverso le tecnologie digitali, più rapidamente gli altri ricercatori ne faranno uso nei loro studi"
