Un examen de la détection mobile à l’ère du COVID-19

Selon une étude publiée dans Science des données de santé.

Derrière ce travail se trouvent les chercheurs du Sensing System for Health Lab dirigé par le Dr Laura Barnes de l’Université de Virginie. Ils ont travaillé sur la promotion de la santé et du bien-être en utilisant des techniques de détection mobile et d’analyse de données.

La détection mobile, un outil de surveillance numérique, exploite des capteurs intégrés dans appareils mobiles tels que les smartphones et les appareils portables. Alors que la détection mobile est devenue un moyen prometteur de surveiller les trajectoires de la pandémie en collectant des données à l’échelle individuelle, communautaire et mondiale, cet article a examiné les plans d’étude, attendus résultats pour la santé, et les limites existantes d’un tel travail de sujet humain basé sur mobile pour guider la pratique future. À ce titre, cet article se démarque parmi une panoplie d’articles sur l’utilisation des appareils mobiles pour la réponse au COVID-19.

« Nous avons passé en revue 1) les objectifs et les conceptions des travaux existants, 2) la durée de détection et la couverture de la population, 3) les résultats et les limites, afin de mieux taxonomiser et comprendre ce sujet », déclare Zhiyuan Wang, Ph.D. étudiant avec Sensing Systems for Health Lab.

“Les travaux existants ont démontré la capacité de la détection mobile non seulement 1) à détecter à distance l’état infectieux, mais aussi 2) à suivre longitudinalement la progression de la maladie pour la médecine personnalisée, 3) à suivre passivement les expositions et 4) à observer largement l’influence de la pandémie sur santé de la population“, partage la professeure Laura Barnes, directrice du laboratoire.

Cependant, des limitations techniques et sociétales existent toujours, notamment des problèmes de disponibilité des données et d’adoption du système, des problèmes cliniques et d’application, ainsi que des problèmes de confidentialité et d’éthique. Ces limites ont entravé les actions ultérieures des informaticiens, des cliniciens et des épidémiologistes pour tirer parti de la détection mobile pour Santé humaine.

Les technologies actuelles ou émergentes peuvent apporter une solution à ces contraintes. Par exemple, les progrès de l’analyse des données et des méthodes d’apprentissage automatique peuvent aider à améliorer qualité des données en raison de leur capacité à traiter des flux de données de détection mobiles clairsemés, hétérogènes et multimodaux. En outre, la détection mobile à des échelles encore plus grandes, en particulier dans milieux cliniquespourraient être réalisées en tirant parti de la prochaine génération de capteurs et de plates-formes de détection.

D’autres parties prenantes peuvent également avoir un impact sur la manière dont la détection mobile peut apporter des avantages cliniques et sociaux. Ces efforts peuvent inclure l’atténuation des menaces potentielles à la vie privée, à l’équité et aux disparités en matière de santé ; promouvoir la littératie technologique et sanitaire dans toutes les communautés; et prendre des décisions fondées sur la confiance et partagées qui équilibrent correctement les risques et les avantages.

Barnes et son équipe souhaitent voir plus de travaux où des informaticiens, des cliniciens et des épidémiologistes conçoivent et mettent en œuvre l’étude en collaboration avec des experts en science sociale et politique publique pour permettre des systèmes de santé mobiles plus efficaces, évolutifs et socialement équitables pour les maladies infectieuses.

Fourni par Science des données de santé