Pelacak Kebugaran Dapat Membantu Memprediksi Infeksi Coronavirus

Koleksi Smith / Gado / Kontributor / Getty Images

Poin Penting

• Sebuah studi baru-baru ini menunjukkan bahwa menganalisis data kesehatan dari pelacak aktivitas dapat membantu mendeteksi potensi kasus COVID-19.
• Penulis penelitian menemukan ketika dikombinasikan dengan data gejala, informasi tentang perubahan detak jantung, tidur, dan tingkat aktivitas membantu secara efektif memprediksi siapa yang kemungkinan besar mengidap COVID-19.
• Alat diagnostik inovatif seperti ini dapat membantu mengekang penyebaran virus, terutama jika lebih banyak sukarelawan yang berpartisipasi.

Pelacak kebugaran telah lama dipuji sebagai sumber informasi kesehatan pribadi dan publik yang hebat. Dari cerita tentang mereka yang memprediksi kehamilan hingga penelitian yang menunjukkan bahwa mereka dapat membantu melacak wabah flu, perangkat yang dapat dikenakan telah terbukti menjadi alat yang berguna bagi para peneliti medis.

Dan sekarang, ketika negara itu berjuang untuk mengatasi pandemi virus korona, tim ilmuwan melihat perangkat sekali lagi, tetapi kali ini untuk membantu mereka memprediksi infeksi COVID-19.

Pada hari Kamis, Pusat Pengendalian dan Pencegahan Penyakit mencatat lebih dari 190.000 kasus virus korona baru di Amerika Serikat, pertama kalinya negara itu melaporkan lebih dari 150.000 dalam satu hari sejak pandemi dimulai.

Para peneliti dari Scripps Research Translational Institute menerbitkan studi Digital Engagement and Tracking for Early Control and Treatment (DETECT) pada 29 Oktober, yang melihat apakah data pelacak aktivitas dapat secara akurat mendeteksi COVID-19 pada orang yang bergejala.

Studi yang dipublikasikan diPengobatan Alam, didasarkan pada hampir 10 minggu data kesehatan (dimulai pada 25 Maret) dari perangkat kebugaran yang dapat dikenakan yang masuk dalam aplikasi penelitian, MyDataHelps. Peserta juga mencatat gejala terkait COVID-19 dan hasil tes COVID-19.

Para peneliti menganalisis tiga jenis data dari pelacak aktivitas: detak jantung istirahat harian, durasi tidur dalam hitungan menit, dan jumlah langkah. Tim peneliti mengatakan menemukan perubahan dalam tiga metrik ini adalah tanda penyakit atau infeksi virus.

Kevin Campbell, MD, FACC, seorang ahli jantung di North Carolina, mengatakan orang-orang pada umumnya memiliki detak jantung istirahat yang cukup konsisten. Saat kita sakit, terutama saat demam, detak jantung istirahat kita biasanya meningkat secara signifikan — ini adalah tanda tekanan ekstra pada tubuh saat mencoba melawan infeksi.

“Rasio detak jantung terhadap langkah juga akan menjadi abnormal karena alasan yang sama — detak jantung istirahat kami meningkat dan langkah kami menurun karena infeksi,” Campbell, yang tidak terlibat dalam penelitian ini, mengatakan kepada Verywell.

Dari 30.529 peserta, 3.811 melaporkan gejala COVID-19. Dari pengguna gejala tersebut, 54 dinyatakan positif virus dan 279 dinyatakan negatif. Hasil ini memberi tahu para peneliti bahwa model mereka memiliki akurasi hampir 80% dalam memprediksi apakah seseorang yang mengalami gejala kemungkinan besar terkena COVID-19.

Di antara peserta studi, 78,4% menggunakan perangkat Fitbit, 31,2% data terhubung dari Apple HealthKit, dan 8,1% menggunakan data dari Google Fit (penelitian memungkinkan orang untuk menggunakan lebih dari satu perangkat atau platform).

Apa Artinya Ini Untuk Anda

Para peneliti berharap pelacak kebugaran dapat membantu memprediksi siapa yang mungkin terjangkit COVID-19 dengan mendeteksi perubahan dalam detak jantung istirahat, langkah harian, dan pola tidur mereka. Jika Anda sudah memiliki jam tangan pintar atau perangkat yang dapat dikenakan, Anda mungkin ingin mempertimbangkan untuk memberikan informasi kesehatan Anda untuk membantu para ilmuwan memperluas kelompok sukarelawan mereka yang akan meningkatkan akurasi penelitian dan membantu membedakan virus corona dari penyakit lain.

Penting untuk diperhatikan bahwa penelitian ini memiliki beberapa keterbatasan, termasuk rendahnya tingkat hasil tes diagnostik yang dilaporkan sendiri. Para peserta juga cukup homogen: 62% adalah perempuan dan hanya 12% berusia 65 lebih tua.

Mereka yang memiliki dan memakai jam tangan pintar dan pelacak aktivitas mungkin tidak mencerminkan kelompok populasi tertentu. Studi tersebut menunjuk pada survei Pew Research Center tahun 2020 yang menemukan jumlah pengguna terkecil berasal dari mereka yang memiliki penghasilan tahunan terendah.

Campbell juga mencatat sebagian besar penyakit dapat menghasilkan perubahan pada detak jantung istirahat seseorang, tidak hanya COVID-19. Tapi hasilnya tetap punya nilai.

“Ini tidak spesifik untuk COVID-19,” katanya. “Ini hanya menunjukkan bahwa seseorang kemungkinan besar akan melawan beberapa jenis infeksi — bisa jadi bakteri, virus, dll. Intinya adalah untuk mengidentifikasi pasien yang mungkin memiliki infeksi COVID sehingga mereka dapat dirujuk untuk pengujian, dan pelacakan kontak. dini."

Penelitian Lain Mendukung Penggunaan Pelacak Kebugaran

Studi serupa yang dipimpin oleh Michael P. Snyder, PhD, direktur Center for Genomics and Personalized Medicine di Stanford University di Stanford, California, juga menemukan hasil menggembirakan yang menunjukkan perubahan biometrik pada pelacak kebugaran dapat membantu mendeteksi COVID-19.

Studi Snyder menemukan 80% peserta mengalami perubahan detak jantung, jumlah langkah harian, atau waktu tidur mereka. Metode studinya juga menyertakan sistem alarm untuk memberi tahu pengguna tentang kemungkinan infeksi.

“Sistem akan memperingatkan orang-orang ketika detak jantung istirahat mereka meningkat dan mereka dapat mengisolasi diri dan melihat tes medis lanjutan jika mereka menjadi positif,” kata Snyder kepada Verywell.

Meski hasil kedua penelitian tersebut menjanjikan, Snyder mengatakan penelitian seperti ini masih membutuhkan lebih banyak tipe data dan relawan untuk meningkatkan akurasi dan membedakan COVID-19 dari penyakit lain.

Menurut siaran pers, tim DETECT secara aktif merekrut lebih banyak peserta — tujuan mereka adalah mendapatkan lebih dari 100.000 orang. Ini, kata para peneliti, akan membantu meningkatkan prediksi mereka tentang siapa yang akan sakit pada orang yang bergejala dan tanpa gejala.

Para peneliti juga ingin menggunakan data dari petugas kesehatan garis depan yang berisiko tinggi tertular SARS-CoV-2.