使用可穿戴心率和睡眠跟踪设备可以进行实时流感预测

第一项评估来自可穿戴设备的静息心率和睡眠去识别数据的研究发现，与目前的监测方法相比，美国五个州对流感样疾病的实时预测有所改进。

该研究发表在《柳叶刀数字健康》杂志上，展示了可穿戴设备数据在改善传染病监测方面的潜力。静息心率在感染发作期间往往会飙升，这可以通过可追踪心率的智能手表和健身追踪器等可穿戴设备捕捉到。来自 47,249 名 Fitbit 用户的去识别化数据，回顾性地确定了静息心率升高和常规睡眠发生变化的周数。需要进行进一步的前瞻性研究，以帮助区分传染性和非传染性预测。

流感每年导致全球 650,000 人死亡。每年大约有 7% 的工作成年人和 20% 的五岁以下儿童感染流感。传统的监测报告需要 1-3 周的时间才能报告，这限制了制定快速疫情应对措施的能力——例如确保患者呆在家里、洗手以及部署抗病毒药物和疫苗。

过去使用众包数据(例如 Google 流感趋势和 Twitter)的研究已经取得了不同程度的成功，因为这些方法往往会高估流行期间的发病率。这是因为不可能将流感患者的活动与流感季节期间提高认识或与媒体相关的活动区分开来。

研究作者、美国斯克里普斯研究转化研究所的 Jennifer Radin 博士说：“更快地应对流感爆发可以防止进一步传播和感染，我们很想知道传感器数据是否可以改善州一级的实时监测。我们展示了可穿戴设备的指标在加强流感监测并因此改善公共卫生反应方面的潜力。未来随着这些设备的改进，并且可以访问 24/7 实时数据，有可能确定流感的发生率每天而不是每周。”