Les dispositifs de santé portables prédisent les infections pré-symptomatiques au COVID-19

Depuis les premiers appareils de comptage de pas, les trackers d’activité portables n’ont fait que gagner en popularité. Les montres intelligentes et autres appareils comparables sont désormais capables de surveiller la respiration, la fréquence cardiaque, la température, la qualité du sommeil et le flux sanguin.

Bien que ces fonctions impressionnantes soient utiles aux personnes soucieuses de leur santé qui cherchent à suivre leurs entraînements, nouvelle recherche Publié dans BMJ ouvert suggère que les trackers d’activité portables pourraient être en mesure d’identifier les infections au COVID-19 quelques jours avant qu’une personne ne devienne symptomatique.

Les infections à COVID-19 couramment signalées comprennent la fièvre, la toux, l’oppression thoracique, la difficulté à respirer, la fatigue, la dyspnée, la myalgie, la production d’expectorations, les maux de tête et les symptômes gastro-intestinaux. Cependant, maintenant que le COVID-19 asymptomatique est de plus en plus fréquent chez les personnes en bonne santé et vacciné individus, il existe un besoin démontré d’identifier les cas de COVID-19 sans ou avant les symptômes typiques.

Cette étude a exploré si les changements physiologiques du corps associés à l’infection au COVID-19 peuvent être identifiés par des appareils portables. Les enquêteurs ont spécifiquement examiné l’Ava-bracelet, un dispositif médical portable réglementé qui est disponible dans le commerce en tant que suivi de la fertilité.

Le bracelet Ava a été choisi parce que ses données étaient auparavant utilisées pour un algorithme d’apprentissage automatique qui détectait l’ovulation des femmes en temps réel, suivant les jours les plus fertiles de ses porteurs avec une précision de 90 %.

Les enquêteurs ont analysé les changements corporels liés au COVID-19 sur 4 périodes d’infection : incubation, pré-symptomatique, symptomatique et récupération. Cette étude de cohorte prospective a été la première à mesurer les changements physiologiques de la fréquence respiratoire, de la fréquence cardiaque, de la variabilité de la fréquence cardiaque, de la température de la peau du poignet et de la perfusion cutanée afin de développer un algorithme d’apprentissage automatique pour détecter une infection pré-symptomatique au COVID-19.

Les participants ont été recrutés à partir de l’étude de cohorte prospective observationnelle en cours, basée sur la population, Déterminants génétiques et phénotypiques de la pression artérielle et autres facteurs de risque cardiovasculaire (GAPP). Un total de 1163 participantes, toutes âgées de moins de 51 ans, ont été incluses dans l’étude de mars 2020 à avril 2021.

Les participants à l’étude portaient le bracelet Ava la nuit et les données collectées pendant le sommeil étaient synchronisées avec une application pour smartphone toutes les 10 secondes. Les participants ont utilisé l’application pour enregistrer toutes les activités susceptibles d’altérer le système nerveux central, telles que l’alcool, les médicaments sur ordonnance et les drogues récréatives. Ils ont également enregistré tous les symptômes possibles du COVID-19.

Les participants ont régulièrement passé des tests rapides d’anticorps pour le SRAS-CoV-2, et ceux qui présentaient des symptômes possibles ont également passé un test PCR sur écouvillon nasal. Au total, 127 personnes (11 %) ont contracté le COVID-19 au cours de l’étude. Il n’y avait pas de différences significatives dans les facteurs contextuels signalés entre les personnes testées positives, bien qu’elles soient plus susceptibles d’avoir été en contact avec des membres du ménage ou des collègues de travail atteints de COVID-19.

Parmi les participants atteints de COVID-19, 66 (52%) avaient régulièrement porté leur bracelet Ava pendant au moins 29 jours avant l’infection, et ont donc été inclus dans l’analyse finale. Parmi la cohorte positive, il y a eu des changements significatifs dans les 5 indicateurs physiologiques de COVID-19 pendant les périodes d’incubation, pré-symptomatique, symptomatique et de récupération de l’infection. Les symptômes de la COVID-19 ont duré en moyenne 8,5 jours.

L’algorithme d’apprentissage automatique a été formé en utilisant 70 % des données pendant 2 à 10 jours avant le début des symptômes du COVID-19, sur une période de suivi continu de 40 jours des 66 participants testés positifs. Cet algorithme a ensuite été testé sur les 30 % de données restantes.

Environ 73 % des infections au COVID-19 confirmées en laboratoire ont été identifiées dans l’ancien ensemble de « formation » et 68 % dans le dernier ensemble de « test ».

Les enquêteurs notent que ces résultats peuvent ne pas être largement applicables, car ils étaient basés sur un échantillon de population restreint et relativement jeune qui était moins susceptible d’avoir une infection grave au COVID-19.

Cependant, l’algorithme développé au cours de cette étude est actuellement testé sur un échantillon de 20 000 personnes aux Pays-Bas, avec des résultats attendus plus tard cette année. De plus, cet algorithme pourrait être appliqué à d’autres capteurs de santé portables.