Selon une étude publiée dans Science des données de santéun Journal des partenaires scientifiques.
Derrière ce travail se trouvent les chercheurs du Sensing System for Health Lab dirigé par le Dr Laura Barnes de l’Université de Virginie. Ils ont travaillé sur la promotion de la santé et du bien-être en utilisant des techniques de détection mobile et d’analyse de données.
La détection mobile, un outil de surveillance numérique, exploite des capteurs intégrés dans des appareils mobiles tels que les smartphones et les appareils portables. Alors que la détection mobile est devenue un moyen prometteur de surveiller les trajectoires de la pandémie en collectant des données à l’échelle individuelle, communautaire et mondiale, cet article a examiné les plans d’étude, les résultats de santé attendus et les limites existantes de tels sujets humains mobiles. travailler pour guider la pratique future. À ce titre, cet article se démarque parmi une panoplie d’articles sur l’utilisation des appareils mobiles pour la réponse au COVID-19.
« Nous avons examiné les objectifs et les conceptions 1) des travaux existants, 2) la durée de détection et la couverture de la population, 3) les résultats et les limites, afin de mieux taxonomiser et comprendre ce sujet. » déclare Zhiyuan Wang, doctorant au Sensing Systems for Health Lab.
« Les travaux existants ont démontré la capacité de la détection mobile non seulement 1) à détecter à distance l’état infectieux, mais aussi à 2) suivre longitudinalement la progression de la maladie pour médecine personnalisée3) tracer passivement les expositions et 4) observer globalement l’influence de la pandémie sur la santé publique »partage la professeure Laura Barnes, directrice du laboratoire.
Cependant, des limitations techniques et sociétales existent toujours, notamment des problèmes de disponibilité des données et d’adoption du système, des problèmes cliniques et d’application, ainsi que des problèmes de confidentialité et d’éthique. Ces limites ont entravé les actions ultérieures des informaticiens, des cliniciens et des épidémiologistes pour tirer parti de la détection mobile pour la santé humaine.
Les technologies actuelles ou émergentes peuvent apporter une solution à ces contraintes. Par exemple, les progrès de l’analyse des données et des méthodes d’apprentissage automatique peuvent contribuer à améliorer la qualité des données en raison de leur capacité à traiter des flux de données de détection mobile clairsemés, hétérogènes et multimodaux. En outre, la détection mobile à des échelles encore plus grandes, en particulier dans les milieux cliniques, pourrait être réalisée en tirant parti de la prochaine génération de capteurs et de plates-formes de détection.
D’autres parties prenantes peuvent également avoir un impact sur la manière dont la détection mobile peut apporter des avantages cliniques et sociaux. Ces efforts peuvent inclure l’atténuation des menaces potentielles à la vie privée, à l’équité et aux disparités en matière de santé ; promouvoir la littératie technologique et sanitaire dans toutes les communautés; et prendre des décisions fondées sur la confiance et partagées qui équilibrent correctement les risques et les avantages.
Barnes et son équipe souhaitent voir plus de travaux où des informaticiens, des cliniciens et des épidémiologistes conçoivent et mettent en œuvre l’étude en collaboration avec des experts en sciences sociales et en politiques publiques pour permettre des systèmes de santé mobiles plus efficaces, évolutifs et socialement égaux pour les maladies infectieuses.
