TWCC
event
 

【武漢肺炎專題報導】2019-nCoV持續發燒 各部會整合智慧醫療數據平台提升醫病安全

穿戴裝置有助建立流感追蹤模型

穿戴式裝置能提供更即時的疾病趨勢追蹤資料。法新社

Scripps轉譯醫學研究院(Scripps Research Translational Institute)最新研究指出,Fitbit健康手環所收集的心率、睡眠資料,在與美國疾病管制與預防中心(CDC)資料結合後,將有助於建立更即時、準確的流感追蹤模型。

據MobiHealthNews報導,目前CDC類流感資料報告,一般都遲了1~3週,而報告數字要好幾個月後才會修正。研究人員指出,如果能妥善利用穿戴式裝置資料,便有機會建立更客觀即時的區域性類流感預測模型,醫療應變人員也能更迅速掌握可能爆發的疫情。

研究人員收集了來自美國5個州的匿名Fitbit用戶資料。這些用戶穿戴Fitbit至少達60天,並符合其他相關標準。最後研究人員收集到的心率與睡眠測量資料,共多達1,330萬筆。

在將4.7萬名Fitbit用戶資料與類流感發生率資料結合後,Scripps研究人員成功讓追蹤模型的皮爾森相關性(Pearson Correlation)提升了32.9%。換句話說,更新後的模型預測值,與CDC報告的類流感發生率有很強的相關性。

研究人員指出,這款預測模型的主要能力是反映當前的變化,而不是預報未來的事件。

利用穿戴式裝置所收集的靜止心率(RHR)等量測資料,有助於改善即時的類流感監控。當體溫、血壓、血氧濃度計、心電圖、咳嗽偵測等功能,相繼登陸穿戴式裝置後,研究人員辨識流感的能力可望進一步提升。即時資料的取得,也讓類流感發生率的偵測能以日為單位,而不是以週為單位。隨著穿戴式裝置日漸普及,即使是缺乏監控機構的地區,也能納入疾病監控系統。

除了Scripps團隊外,還有不少科技業者嘗試利用資料技術強化公共衛生系統。像是Google在2008年推出的Google Flu Trends服務,便是希望利用Google搜尋趨勢預測疾病發展,只不過由於技術仍不成熟,不得不在2015年終止服務。另外,Twitter與Facebook也都在近幾年推出了類似的資料應用服務。

  •     按讚加入DIGITIMES智慧醫療粉絲團