长期COVID中的数字生物识别测量:STOP-PASC随机临床试验的二次分析
Fatma Gunturkun1, Haley Hedlin1, Bren Botzheim1
1Stanford Quantitative Sciences Unit, Stanford University School of Medicine, Stanford, California.
JAMA network open
|August 14, 2025
概括
来自可穿戴设备的数字生物识别揭示了不同的长期COVID症状模式. 这项研究发现,在生物识别变化中,nirmatrelvir-ritonavir和安慰剂组之间没有显著差异.
科学领域:
- 数字健康数字健康
- 可穿戴技术是可穿戴的技术.
- 长期COVID研究研究
背景情况:
- 对于评估长期COVID (SARS-CoV-2的急性后续症) 的数字生物识别存在有限的研究.
- 可穿戴设备为监测疾病进展和症状异质性提供了一种潜在的方法.
研究的目的:
- 用可穿戴设备调查长期COVID患者的数字生物识别模式.
- 为了比较Nirmatrelvir-ritonavir和安慰剂-ritonavir干预组之间的这些模式.
主要方法:
- 对STOP-PASC随机临床试验的二次分析.
- 参与者戴着智能手表收集有关身体活动,心率和氧和度的数据.
- 隐形类混合模型和集群分析确定了不同的纵向轨迹.
主要成果:
- 在nirmatrelvir-ritonavir和安慰剂-ritonavir手臂之间没有发现生物识别变化的显著差异.
- 根据身体活动和心率确定了长期COVID症状的独特纵向轨迹.
- 较低的白天体育活动与增加的疲劳,呼吸短促和心血管症状相关.
结论:
- 来自可穿戴设备的数字生物识别可以识别长期COVID的不同症状轨迹,反映疾病异质性.
- 可穿戴设备数据显示,未来的长期COVID研究和患者监测具有前景.
