开发基于多传感器的机器学习技术 (艾达尔减补指数) 以实时自动检测后COVID-19条件:观察性研究协议

科学领域:

• 心脏病学 心脏病学
• 肺部病理学 肺部病理学
• 传染性疾病 传染性疾病
• 生物标志物 生物标志物
• 数字健康数字健康

背景情况:

• 后COVID-19状态是一个重大的全球健康挑战,持续症状超过3个月.
• 由于不太了解病理生理机制,严重的COVID-19幸存者面临住院风险的增加.
• 在COVID-19患者中预计会对慢性心血管和肺部疾病产生长期影响.

研究的目的:

• 开发和验证艾达尔减补偿指数 (AIDI) 以预测健康减补偿.
• 使用集成的MouthLab设备和基于云的分析引擎进行实时健康监测.
• 评估AIDI在患有严重COVID-19病史的患者中的疗效.

主要方法:

• 招募200名患有严重COVID-19病史和慢性疾病的参与者.
• 每天通过MouthLab设备捕获生理数据,每月进行症状调查.
• 基于生理信号和临床特征的AIDI开发,以预测脱补偿事件 (DE).

主要成果:

• 招募204名患者于2023年1月开始.
• 该研究预计将于2025年完成,并将全部结果公布.
• 预计AIDI模型将达到>80%的灵敏度和>70%的积极预测值.

结论:

• 从生物传感器衍生的生理学特征中识别预测变量可以捕捉到各种各样的COVID-19后并发症.
• 艾迪有潜力使严重COVID-19幸存者的健康状况下降的早期检测和管理成为可能.
• 这种方法可能会改善受COVID-19后病情影响的个体的长期结果.