Благодаря быстрому развертыванию этого инструмента мы можем получить ключевые данные о динамике популяции заболевания (рис. 2). Путем сбора геопространственных данных, представленных участниками, которые были выделены в качестве критической потребности в пандемических эпидемиологических исследованиях (15), мы можем быстро идентифицировать популяции с очень распространенными симптомами в регионах, которые могут стать горячими точками вспышки. Ранний снимок первых 1,6 миллиона пользователей в Соединенном Королевстве за первые 5 дней использования подтверждает вариабельность симптомов, о которых сообщалось в подозрительных случаях COVID-19, и полезен для генерации и проверки более широких гипотез. В то время средний возраст пользователей составлял 41 год, варьировался от 18 до 90 лет и составлял 75% женщин. Графическая визуализация наших первоначальных результатов (рис. 3) показывает, что среди тех, кто сообщил о симптомах к 27 марта 2020 г. = 265 851 человек), наиболее распространенными симптомами были усталость и кашель, за которыми следовали диарея, лихорадка и аносмия. Одышка отмечалась относительно редко. Только 0,4% (n = 1176) лиц, сообщивших о возможных симптомах COVID-19, сообщили о получении количественного теста полимеразной цепной реакции на COVID-19. Сравнение симптоматических пользователей, которые сообщили о получении теста в течение начального периода запуска, породило несколько гипотез для будущего исследования с растущим набором данных. Частота кашля или усталости в одиночку или в комбинации обычно приводила к тестированию, но не была особенно точным предиктором положительного теста. Аналогичным образом, ни один человек, сообщивший о диарее при отсутствии других симптомов, не дал положительного результата. Примечательно, что более сложные презентации с кашлем и/или усталостью и, по крайней мере, одним дополнительным симптомом, включая менее распространенные жалобы, такие как диарея и аносмия, по-видимому, были обогащены среди тех, у кого были положительные результаты тестов, по сравнению с теми, у кого были отрицательные результаты. В частности, аносмия может быть более прогностическим симптомом, поскольку она была более распространена, чем лихорадка у людей с положительным результатом. Действительно, в последующих анализах с большим набором выборок мы показали, что аносмия, по-видимому, является сильным предиктором COVID-19 . Напротив, сама по себе лихорадка не была особенно дискриминационной. Однако, когда лихорадка присутствовала в сочетании с менее выраженными симптомами, наблюдалась большая частота положительных тестов. Эти результаты свидетельствуют о том, что, возможно, люди со сложными или множественными симптомами (три или более) должны быть приоритетными для тестирования. К сожалению, 20% людей сообщили о сложных симптомах (кашель и/или усталость плюс, по крайней мере, одна аносмия, диарея или лихорадка), но еще не были протестированы, что представляет собой значительную популяцию, которая, по-видимому, подвержена повышенному риску заболевания. Необходима дополнительная работа для подтверждения того, могут ли сложные или множественные случаи точно предсказать заболеваемость COVID-19.
Основываясь на этих первоначальных выводах, наша команда впоследствии разработала взвешенную модель прогнозирования, основанную на симптомах более 2 миллионов отдельных пользователей приложений (18). Используя эту модель прогнозирования, мы демонстрируем потенциальную полезность приложения COVID Symptom Study для сбора данных для долгосрочных исследований, а также для немедленного планирования общественного здравоохранения. В Южном Уэльсе в Соединенном Королевстве пользователи сообщали о симптомах, которые предсказывали за 5-7 дней два всплеска числа подтвержденных положительных случаев COVID-19, зарегистрированных органами общественного здравоохранения. И наоборот, снижение сообщений о симптомах предшествовало снижению подтвержденных случаев на несколько дней. Эти результаты демонстрируют, что это приложение перспективно фиксирует динамику заболеваемости COVID-19 за несколько дней до традиционных мер, таких как положительные тесты, госпитализации или смертность. В настоящее время мы планируем дополнительные исследования с использованием широко репрезентативной выборки лиц, которые пройдут единообразное тестирование на COVID-19, для дальнейшей проверки нашего подхода к моделированию заболеваемости на основе симптомов. Эти данные демонстрируют убедительные доказательства потенциальной прогностической силы нашего подхода, который будет улучшаться по мере сбора большего количества данных для информирования модели. Кроме того, наши данные подчеркивают потенциальную полезность отслеживания симптомов в режиме реального времени, чтобы помочь распределить ресурсы для тестирования и лечения, а также рекомендации по блокировке или сервитуту в конкретных областях. При дополнительном сборе данных мы также будем применять подходы к большим данным (например, машинное обучение) для выявления возникающих закономерностей в динамических условиях воздействия, появления симптомов, траектории заболевания и клинических исходов. Наш запуск приложения в нескольких крупных эпидемиологических когортах, которые ранее собирали продольные данные об образе жизни, диете и факторах здоровья, а также генетическую информацию, позволит исследовать гораздо более широкий спектр предполагаемых факторов риска для исходов COVID-19. При дополнительном последующем наблюдении мы также сможем исследовать долгосрочные последствия COVID-19, включая психическое здоровье, инвалидность, смертность и финансовые результаты. Мобильные технологии также могут дополнять недавно начатые клинические испытания или протоколы биобанка, уже встроенные в клинические условия. В сотрудничестве с фондом Stand Up to Cancer foundation мы также разработали стратегию отслеживания информации среди людей, живущих с раком, включая тех, кто участвует в клинических испытаниях. В Массачусетской больнице общего профиля и больнице Бригама и женщин мы внедряем этот инструмент в рамках нескольких клинических исследований, централизованных усилий по биобанкингу и программ наблюдения за медицинскими работниками. Работники здравоохранения особенно уязвимы к последствиям COVID-19, выходящим за рамки инфекции, включая рабочие опасности из-за нехватки СИЗ, эмоционального стресса и прогулов. Генерация данных в реальном времени, ориентированная на эти группы населения, будет иметь решающее значение для оптимального распределения ресурсов для защиты нашей рабочей силы здравоохранения и оценки ее эффективности.
Тем не менее наш подход имеет свои ограничения. Мы признаем, что приложение для смартфона не представляет собой случайную выборку населения. Однако это неотъемлемое ограничение любого эпидемиологического исследования, которое опирается на добровольное участие. Преимущество нашего подхода заключается в том, что он позволяет быстро развертывать большую часть населения во время крупного кризиса общественного здравоохранения. Со временем и при дальнейшем использовании большое количество участников будет включать достаточное количество пользователей в ключевых подгруппах, чтобы мы могли скорректировать нашу методологию для потенциальных источников путаницы. Привлекая когорты с недопредставленными группами населения, такими как BWHS в Соединенных Штатах, мы также надеемся использовать существующие отношения между исследователями и участниками для поощрения зачисления лиц из групп населения, которые традиционно были сложными для набора. Кроме того, поощряя лонгитюдный, проспективный сбор данных, мы можем фиксировать ассоциации, основанные на вариациях внутри человека с течением времени, что является заметным преимуществом по сравнению с повторными поперечными обследованиями, которые вносят значительные различия между людьми. В ближайшем будущем мы надеемся выпустить наше приложение как программное обеспечение с открытым исходным кодом fair-use для облегчения перевода и разработки в других регионах. Мы начали работать с коллегами в Канаде, Австралии и Швеции над внедрением этого инструмента в своих странах. Мы также разработали практический инструментарий для оказания помощи клиническим исследователям с местным институциональным обзорным советом и одобрением регулирующих органов для облегчения развертывания в рамках исследований (www.monganinstitute.org/cope-consortium). Этот инструментарий включает в себя полную информацию о вопросах мобильного приложения, документах согласия, политике конфиденциальности и условиях использования. С более широким внедрением данные, полученные из приложения COVID Symptom Study, все чаще связываются с ответом общественного здравоохранения в рамках Национальной службы здравоохранения (NHS) в Соединенном Королевстве. Приложение одобрено правительством Уэльса, NHS Wales, правительством Шотландии и NHS Scotland, и наша научная команда ежедневно обновляет главного научного сотрудника Великобритании. Мы работаем над разработкой аналогичного подхода в США. Однако отсутствие национальной системы здравоохранения потребовало стратегии, ориентированной на привлечение местных лидеров общественного здравоохранения. Например, мы сотрудничаем со Школой общественного здравоохранения Техасского университета для проведения эпиднадзора по всему штату для поддержки принятия решений в области общественного здравоохранения, особенно в связи с тем, что правительство штата Техас начинает смягчать стратегии смягчения последствий. Наш подход демонстрирует доказательство концепции быстрого перепрофилирования существующих методов сбора данных для реализации масштабируемого сбора данных на уровне населения в реальном времени во время быстро развивающегося глобального кризиса здравоохранения. Мы призываем наших коллег работать с нами, чтобы мы могли развернуть все имеющиеся в нашем распоряжении инструменты для решения этой беспрецедентной проблемы общественного здравоохранения.
Комментариев нет:
Отправить комментарий