Επιστημονικά Νέα

Νοσηλείες Covid: Δεδομένα συμπτωμάτων βοηθούν στην πρόβλεψη των εισαγωγών

Νοσηλείες Covid: Δεδομένα συμπτωμάτων βοηθούν στην πρόβλεψη των εισαγωγών
Νοσηλείες Covid: Η παρακολούθηση βάσει συμπτωμάτων που βασίζεται σε εφαρμογές μπορεί να αποτελέσει ένα δυναμικό εργαλείο για την παρακολούθηση των τάσεων μόλυνσης και των μελλοντικών σχεδίων ετοιμότητας για πανδημίες.

Your browser does not support the video tag. https://grx-obj.adman.gr/grx/creatives/sanofi/20876/better-understanding-insulin.mp4

Ερευνητές στο Πανεπιστήμιο Lund και στο Πανεπιστήμιο της Ουψάλα διεξάγουν ένα από τα μεγαλύτερα έργα επιστήμης των πολιτών στη Σουηδία μέχρι σήμερα. Από την έναρξη της πανδημίας, οι συμμετέχοντες στη μελέτη χρησιμοποίησαν μια εφαρμογή για να αναφέρουν πώς αισθάνονται καθημερινά, ακόμη κι αν είναι καλά. Αυτά τα δεδομένα συμπτωμάτων θα μπορούσαν να χρησιμοποιηθούν για την εκτίμηση των τάσεων μόλυνσης από την COVID-19 σε ολόκληρη τη Σουηδία και την πρόβλεψη εισαγωγών στο νοσοκομείο λόγω COVID-19 μια εβδομάδα νωρίτερα. Τα αποτελέσματα έχουν δημοσιευθεί τώρα στο επιστημονικό περιοδικό Nature Communications.


Οι αναλύσεις περιελάμβαναν περισσότερες από 10 εκατομμύρια ημερήσιες αναφορές από συμμετέχοντες στη μελέτη συμπτωμάτων COVID-19 στη Σουηδία από τον Απρίλιο του 2020 έως τον Φεβρουάριο του 2021. Το αντικείμενο της μελέτης ήταν να αναπτυχθεί και να αξιολογηθεί ένα πλαίσιο για την εκτίμηση του περιφερειακού επιπολασμού της COVID-19 χρησιμοποιώντας επιτήρηση με βάση τα συμπτώματα. και για να ελεγχθεί εάν αυτές οι εκτιμήσεις επιπολασμού θα μπορούσαν να χρησιμοποιηθούν για την πρόβλεψη των επακόλουθων τάσεων στις εισαγωγές στο νοσοκομείο COVID-19.

“Δείχνουμε για πρώτη φορά ότι τα δεδομένα συμπτωμάτων μπορεί να είναι ενημερωτικά για την πρόβλεψη των επακόλουθων περιφερειακών τάσεων στις εισαγωγές στα νοσοκομεία λόγω της COVID-19 και επιβεβαιώνουμε προηγούμενες αναφορές ότι οι τάσεις στα συμπτώματα σχετίζονται με τα ποσοστά μόλυνσης στην κοινότητα. Αυτές οι μέθοδοι που βασίζονται στα συμπτώματα θα μπορούσαν να είναι ιδιαίτερα χρήσιμο σε χρονικές περιόδους και περιοχές με χαμηλές δοκιμές COVID-19”, λέει ο Tove Fall, Καθηγητής Μοριακής Επιδημιολογίας στο Τμήμα Ιατρικών Επιστημών του Πανεπιστημίου της Ουψάλα, ένας από τους κύριους συγγραφείς της μελέτης.

Η εφαρμογή που χρησιμοποιήθηκε για τη συλλογή δεδομένων αναπτύχθηκε αρχικά από τη ZOE, μια εταιρεία επιστημών υγείας, με την υποστήριξη γιατρών και ερευνητών στο King’s College του Λονδίνου και στα Νοσοκομεία Guy’s and St Thomas’s, για μη εμπορικούς σκοπούς. Η μελέτη ZOE COVID ξεκίνησε για πρώτη φορά στο Ηνωμένο Βασίλειο και στις ΗΠΑ τον Μάρτιο του 2020. Προσαρμόστηκε και εισήχθη στη Σουηδία, όπου είναι γνωστή ως COVID Symptom Study Sweden, τον Απρίλιο του 2020. Κάθε ενήλικας στη Σουηδία μπορεί να συμμετάσχει κατεβάζοντας την εφαρμογή και παροχή συναίνεσης εντός εφαρμογής. Οι συμμετέχοντες συμπληρώνουν μια γενική βασική έρευνα για την υγεία και στη συνέχεια μπορούν να αναφέρουν πώς αισθάνονται κάθε μέρα, ακόμα κι αν είναι καλά. Πάνω από 209.000 συμμετέχοντες στη Σουηδία έχουν συνεισφέρει μέχρι στιγμής, παρέχοντας καθημερινές αναφορές για συμπτώματα, αποτελέσματα δοκιμών COVID-19 και εμβολιασμούς.

“Αυτό το έργο δεν θα ήταν δυνατό χωρίς την αφοσίωση, τη σκληρή δουλειά και το πνεύμα συνεργασίας των μελών της ομάδας και των συναδέλφων μας στο Ηνωμένο Βασίλειο και τις ΗΠΑ. Πάνω απ’ όλα, πρέπει να ευχαριστήσουμε κάθε συμμετέχοντα στη μελέτη για τη συνεισφορά τους. Εκτελώντας “σε πραγματικό χρόνο” Η επιστήμη είναι προκλητική, αλλά υψίστης σημασίας κατά τη διάρκεια μιας πανδημίας. Είμαστε περήφανοι που μπορέσαμε να μοιραζόμαστε σε πραγματικό χρόνο εθνικές και περιφερειακές εκτιμήσεις επιπολασμού της COVID-19 στον πίνακα ελέγχου μας σχεδόν κάθε μέρα από τον Μάιο του 2020 και ότι τα δεδομένα ήταν χρήσιμα σε σουηδικούς δήμους και νομαρχιακά συμβούλια.

Με περισσότερους από 4,7 εκατομμύρια συνεισφέροντες παγκοσμίως, η μελέτη ZOE COVID είναι ένα από τα μεγαλύτερα σε εξέλιξη δημόσια επιστημονικά έργα του είδους του και μας έδειξε τη δύναμη της επιστήμης των πολιτών”, λέει η Maria Gomez, Καθηγήτρια Φυσιολογία στο Τμήμα Κλινικών Επιστημών και στο Διαβητολογικό Κέντρο του Πανεπιστημίου Lund, ένας από τους κύριους συγγραφείς της μελέτης. Οι ερευνητές ανέπτυξαν και επικύρωσαν ένα μοντέλο για να κατανοήσουν ποια συμπτώματα συσχετίστηκαν με θετικό τεστ COVID-19, χρησιμοποιώντας δεδομένα από συμμετέχοντες που είχαν αναφέρει συμπτώματα και αποτελέσματα από τεστ PCR για την COVID-19.

Αυτό το μοντέλο θα μπορούσε στη συνέχεια να χρησιμοποιηθεί για την εκτίμηση της ημερήσιας εθνικής και περιφερειακής επικράτησης της COVID-19 σε ολόκληρο τον πληθυσμό της μελέτης, καθώς και στη συνέχεια στον ενήλικο σουηδικό πληθυσμό. Συνδυάζοντας εκτιμήσεις επιπολασμού που βασίζονται σε εφαρμογές με πληροφορίες σχετικά με τις τρέχουσες εισαγωγές στο νοσοκομείο, οι ερευνητές μπόρεσαν επίσης να προβλέψουν τις μελλοντικές εισαγωγές σε νοσοκομείο με μέτρια ακρίβεια. Επιπλέον, το ίδιο μοντέλο θα μπορούσε να εφαρμοστεί με επιτυχία σε ένα αγγλικό σύνολο δεδομένων για την πρόβλεψη των εισαγωγών στα νοσοκομεία στις επτά αγγλικές περιφέρειες υγειονομικής περίθαλψης, υπογραμμίζοντας τη δυνατότητα μεταφοράς του μοντέλου σε άλλες χώρες.

“Η επιτήρηση της πανδημίας σε πραγματικό χρόνο και η λεπτομερής πανδημία απαιτεί συνδυασμό πολλαπλών πηγών δεδομένων”, λέει η Beatrice Kennedy, ερευνήτρια στο Τμήμα Ιατρικών Επιστημών του Πανεπιστημίου της Ουψάλα και πρώτη συγγραφέας της μελέτης. “Τα ευρήματά μας υπογραμμίζουν πώς η παρακολούθηση βάσει συμπτωμάτων που βασίζεται σε εφαρμογές μπορεί να αποτελέσει ένα επεκτάσιμο και δυναμικό εργαλείο για την παρακολούθηση των τάσεων μόλυνσης και ως εκ τούτου θα πρέπει να λαμβάνεται υπόψη στα μελλοντικά σχέδια ετοιμότητας για πανδημίες“.