COVID-19: identificazione precoce dei casi mediante dispositivi indossabili


  • Paolo Spriano
  • Uniflash
L'accesso ai contenuti di questo sito è riservato agli operatori del settore sanitario italiano L'accesso ai contenuti di questo sito è riservato agli operatori del settore sanitario italiano

Riconoscere ciò che è normale per un individuo consente di rilevare molto prima le deviazioni dalla sua “normalità”. L’impiego di dispositivi indossabili consente di affinare un modello predittivo di identificazione dei casi COVID-19 basato sui sintomi. 

Questa ipotesi è alla base di un recente studio pubblicato su Nature (1) in cui gli autori sono partiti dal presupposto che lo screening per COVID-19, che in genere include una combinazione di domande sui sintomi, sugli spostamenti effettuati e le misurazioni della temperatura, è poco efficace. Infatti è probabile che questa metodologia non sveli casi pre-sintomatici o asintomatici, che costituiscono circa il 40-45% di quelli infettati da SARS-CoV-2 e che possono ancora essere infettivi. Una temperatura elevata (> 37,8 ° C) non è così comune come spesso si pensi, essendo presente solo nel 12% degli individui risultati positivi per COVID-19 e solo nel 31% dei pazienti con COVID-19 al momento del ricovero in ospedale.

Sensori indossabili

Smartwatch e tracker di attività, sono sempre più usati e indossati frequentemente dalle persone. Questi sensori possono migliorare la capacità di caratterizzare oggettivamente dei valori base-lineche siano univoci per ogni individuo, in particolare per frequenza cardiaca a riposo, sonno e attività fisica. Questo consente di utilizzarli per identificare minimi cambiamenti nei valori di parametri misurabili di un soggetto e questa variazione potrebbe indicare che si sta sviluppando una malattia virale. 

La piattaforma digitale

Il metodo utilizzato in questo studio aveva già dimostrato la sua efficacia in precedenza, riuscendo a migliorare le previsioni in corso di malattia simil-influenzale. I risultati ottenuti hanno indotto i ricercatori a creare una piattaforma digitale denominata DETECT (Digital Engagement and Tracking for Early Control and Treatment) dove le persone possono condividere i dati dei sensori, i sintomi auto-riportati, le diagnosi e i dati delle cartelle cliniche elettroniche con l'obiettivo di migliorare la capacità di identificare e monitorare le malattie virali a livello individuale e di popolazione, incluso COVID-19.

Parametri individuali e sintomi

Il razionale dello studio si è basato sui risultati ottenuti acquisendo i dati sui sintomi in oltre 18.000 individui testati con SARS-CoV-2 tramite un'app su smartphone che ha dimostrato come i sintomi erano in grado di aiutare a distinguere tra individui con e senza COVID-19 (2). Pertanto si è valutato quanto l'aggiunta di dati di variazione dei parametri individuali derivati dai sensori ai dati dei sintomi potesse migliorare la capacità di identificare casi COVID-19 positivi rispetto ai negativi tra i soggetti partecipanti che auto-segnalavano i sintomi.Sono stati arruolati 30.529 individui, il 62,0% di sesso femminile, il 12,8% aveva un’età 65 anni e il 78,4% ha collegato i propri dispositivi all'app dello studio. E’ stato riportato almeno un sintomo dal 12,5% (3811) dei partecipanti, con 54 soggetti che hanno riferito di essere positivi a COVID-19 e 279 negativi.Coloro che hanno segnalato almeno un sintomo sono stati divisi in tre gruppi: negativi per COVID-19 , positivi per COVID-19 e partecipanti che non sono stati testati. Una minoranza di partecipanti sintomatici (30,3%) che ha eseguito il test per COVID-19 aveva, durante i sintomi, una frequenza cardiaca a riposo (RHR) maggiore di due deviazioni standard al di sopra del valore basale medio. La sola variazione di RHR non ha consentito discriminare in modo significativo  tra i partecipanti COVID-19 positivi e negativi.  Il sonno e l'attività hanno mostrato una differenza significativa tra i due gruppi sostenendo che nei soggetti COVID-19 positivi rispetto ai negativi le due variabili avevano un impatto significativamente maggiore (P  

COVID-19 e variabilità dei parametri clinici

Poiché individui diversi sperimentano un'ampia gamma di risposte sintomatiche e biologiche all'infezione da SARS-CoV-2, è probabile che anche i loro cambiamenti fisiologici misurabili possano variare. Per questo motivo, è plausibile affermare che i cambiamenti biometrici possano essere più utili per identificare quelli a più alto rischio piuttosto che semplicemente consentire una distinzione dicotomica nello stato di infezione.

La qualità e l’eterogenità del tipi di dati derivati dai sensori personali continuano ad evolvere. E’ possibile acquisire sulla variabilità di: frequenza cardiaca (HRV), frequenza respiratoria, temperatura, saturazione di ossigeno, pressione sanguigna continua, gittata cardiaca. La capacità di rilevare in un individuo i cambiamenti sottili di  risposta ai primi insulti infettivi potenzialmente possono migliorare e consentire l'identificazione di individui senza sintomi.

COVID-19 e variabilità dei parametri individuali

La normalità di uno specifico dato biometrico, come la frequenza cardiaca a riposo, la durata del sonno notturno o l'attività quotidiana, era basata sul confronto con i i dati di popolazione “normali”. L’esempio della frequenza cardiaca è paradigmatico. Una normale RHR è generalmente considerata qualsiasi frequenza tra 60-100 bpm, ma ci sono evidenze da uno studio che ha esaminato le singole RHR giornaliere per un follow up di due anni che ha evidenziato come ogni persona ha una RHR relativamente costante, con scostamenti minimi dalla mediana di soli 3 bpm/settimana. Quella che sarebbe considerata una normale RHR per un individuo può variare fino a 70 bpm (tra 40 e 109 bpm) tra gli individui. Il valore potenziale nell'identificare cambiamenti importanti nella RHR di un individuo come marker precoce per l'infezione da COVID-19 emerge dall’analisi dei dati di 5.700 pazienti ospedalizzati con COVID-19  (3): dove, al momento del ricovero, la percentuale di individui che aveva una frequenza cardiaca> 100 bpm (43,1%) era maggiore di quella febbrile (30,7%). 

Ridefinire i valori normali dei parametri clinici di un singolo individuo può aiutare a percepire con anticipo le loro variazioni. Un modello predittivo affinato per COVID-19, basato su sensori personali, potrebbe consentire una strategia personalizzata rendendo più efficace l'uso di un'app di tracciamento dei contatti, identificando i casi positivi in ​​anticipo e consentendo un isolamento precoce.