Des chercheurs de l'université de Stanford ont créé un algorithme permettant d'avertir les porteurs de smartwatches en cas de stress, en tenant compte d'événements tels qu'un voyage en avion, un exercice prolongé ou une maladie.
En utilisant les données des smartwatches, un nouvel algorithme lit la fréquence cardiaque comme un indicateur du stress physiologique ou mental, ce qui pourrait alerter les porteurs de ces montres qu'ils sont en train de tomber malades avant qu'ils ne présentent des symptômes.
Les chercheurs dirigés par Michael Snyder, docteur en médecine, professeur et président de la faculté de génétique, ont recruté des milliers de participants à une étude qui utilise l'algorithme pour détecter les périodes prolongées pendant lesquelles la fréquence cardiaque est supérieure à la normale - un signe révélateur que quelque chose ne va pas. Mais pour trouver ce qui ne va pas, il faut faire un peu de recherche. Au cours de l'étude, de nombreux facteurs de stress ont déclenché une alerte. Certaines personnes ont reçu des alertes en voyageant, d'autres en courant un marathon, d'autres encore après s'être gavées au bar. Selon M. Snyder, la découverte la plus intéressante est que l'algorithme a permis de détecter 80 % des cas confirmés de COVID-19 avant ou pendant que les participants étaient symptomatiques.
"L'idée est que les gens finissent par utiliser ces informations pour décider s'ils doivent faire un test COVID-19 ou s'auto-isoler", a déclaré Snyder. "Nous n'en sommes pas encore là - nous devons encore tester cela dans des essais cliniques - mais c'est le but ultime."
L'algorithme ne peut pas faire la différence entre une personne qui a bu quelques verres de trop, une personne stressée par son travail et une personne atteinte d'un virus. Bien que l'algorithme ait permis de repérer les utilisateurs atteints du COVID-19, il doit encore être affiné avant que les gens puissent compter sur leur montre intelligente pour les avertir d'une infection imminente par le SRAS-CoV-2 ou d'autres virus.
Un article intitulé "Real-time alerting system for COVID-19 and other stress events using wearable data" détaillant l'étude a été publié en ligne dans Nature Medicine le 29 novembre. Le système d'alerte a été construit à l'aide de MyPHD, une plateforme évolutive et sécurisée pour les données de santé.
Détection du stress
Au cours de l'étude, qui s'est déroulée pendant environ huit mois en 2020 et 2021, 2 155 participants ont enfilé une smartwatch, qui suivait les "événements de stress" mentaux et physiques via la fréquence cardiaque. Lorsqu'ils étaient informés d'un événement de stress, par une alerte couplée à une application sur leur téléphone, les participants enregistraient ce qu'ils faisaient. Pour déclencher une alerte, leur fréquence cardiaque devait être élevée pendant plus de quelques heures, de sorte qu'un jogging rapide autour du pâté de maisons ou un bruit fort et soudain ne pouvait pas déclencher l'alerte.
"Ce qui est génial, c'est que les gens peuvent contextualiser leurs alertes", a déclaré Snyder. "Si vous voyagez en avion et que vous recevez une alerte, vous savez que le voyage en avion est probablement le coupable." En revanche, si vous êtes assis sur votre canapé avec une tasse de thé à la camomille et que vous recevez une alerte, cela peut être le signe que quelque chose d'autre - une infection, peut-être - se prépare. M. Snyder espère que les porteurs seront capables de discerner quand une alerte signifie qu'ils doivent envisager de se faire tester.
Sur les 84 personnes chez qui le COVID-19 a été diagnostiqué au cours de l'étude, l'algorithme en a signalé 67. La plupart des alertes relevaient d'autres catégories, comme les voyages, les repas copieux, les menstruations, le stress mental, l'intoxication ou les infections non liées au COVID-19. L'algorithme a également signalé une période de stress après que de nombreux participants aient reçu un vaccin COVID-19, reflétant l'augmentation de la réponse immunitaire provoquée par l'injection.
Affiner l'algorithme.
À mesure que Snyder et son équipe recrutent d'autres participants à l'étude, ils prévoient d'affiner la spécificité des alertes en ajoutant des données - notamment le nombre de pas, les habitudes de sommeil et la température corporelle - dans l'espoir que les schémas de données puissent correspondre à des événements de stress distincts et les signaler. En outre, les chercheurs prévoient de mener un essai clinique pour déterminer si les alertes peuvent détecter de manière fiable une infection au COVID-19 et être utilisées pour guider les choix médicaux.
Pour plus d'informations, visitez le site :
[This is automatically translated from English]