Uno studio dello Scripps Research Translational Institute pubblicato su The Lancet Digital Health nei giorni scorsi illustra come sia possibile utilizzare i dati degli utenti Fitbit per tracciare le malattie.
I ricercatori hanno ottenuto i dati, in forma anonima, di 200 000 persone che hanno utilizzato un dispositivo indossabile Fitbit dal 1° marzo 2016 al 1° marzo 2018 negli Stati Uniti.
I ricercatori hanno incluso gli utenti che avevano indossato un Fitbit per almeno 60 giorni e che lo hanno utilizzato per tutto il periodo della sperimentazione, residenti in cinque stati: California, Texas, New York, Illinois e Pennsylvania.
I criteri di inclusione includevano l’anno di nascita dichiarato tra il 1930 e il 2004, l’altezza superiore a 1 m e il peso superiore a 20 kg. Sono state escluse le misurazioni giornaliere con frequenza cardiaca a riposo (RHR) mancante, tempo di utilizzo mancante o inferiore a 1000 min al giorno.
I ricercatori hanno potuto contare su un set di dati di 47.249 pazienti con oltre 13 milioni di misurazioni della frequenza cardiaca a riposo e della durata del sonno.
Hanno quindi confrontato i dati dei sensori con le stime settimanali dei tassi di malattia simile all’influenza (ILI) a livello statale, forniti dai Centri statunitensi per il controllo e la prevenzione delle malattie (CDC), identificando le settimane in cui gli utenti Fitbit hanno mostrato RHR elevate e livelli di sonno aumentati.
Per ogni stato, i ricercatori hanno modellato i conteggi dei casi ILI con un modello binomiale negativo che includeva i dati di 3 settimane di ritardo del CDC ILI (modello nullo) e la proporzione di utenti Fitbit settimanali con RHR elevate e una maggiore durata del sonno al di sopra di una determinata soglia (modello completo). I ricercatori hanno anche valutato la variazione settimanale del tasso di ILI tramite regressione lineare utilizzando la variazione della proporzione di dati di Fitbit elevati. La correlazione Pearson è stata utilizzata per confrontare i tassi ILI previsti rispetto a quelli riportati da CDC.
I ricercatori hanno scoperto che i dati Fitbit hanno migliorato significativamente le previsioni ILI in tutti e cinque gli stati, con un aumento medio della correlazione Pearson di 0-12 (SD 0,07) rispetto ai modelli di base, corrispondente a un miglioramento del 6,3 – 32,9%. Le correlazioni dei modelli finali con i tassi ILI CDC variavano da 0,84 a 0,97.
I dispositivi indossabili sono sempre più utilizzati negli Stati Uniti e nel mondo per monitorare la salute individuale. Accedendo a questi dati, secondo ricercatori, potrebbe essere possibile migliorare la sorveglianza dell’influenza in tempo reale e con grande precisione geografica. Queste informazioni potrebbero essere vitali per mettere in atto misure tempestive di risposta alle epidemie per prevenire l’ulteriore trasmissione di casi di influenza durante le epidemie.