Saúde

O que o big data de crowdsourcing pode nos dizer sobre o COVID
As informações de saúde relatadas pelo aplicativo alimentam o modelo de previsão de infecção
Por Juan Siliezar - 18/09/2020


O aplicativo How We Feel estabelece as bases para usar big data para entender e prever a infecção por coronavírus. Stephanie Mitchell / Fotógrafa da equipe de Harvard

Entre os maiores desafios da pandemia para os especialistas em saúde pública estão o quão nova ela é, o quão difícil tem sido obter dados úteis suficientes e as poucas ferramentas que os cientistas possuem para rastrear e prever com precisão sua propagação.

Um estudo recente analisando as informações coletadas por um aplicativo que 500.000 pessoas usam para registrar sintomas diários, estado de saúde e exposições ao COVID-19 sugere o possível papel que o big data crowdsourced pode desempenhar na compreensão e previsão da propagação da infecção.

A análise analisou dados auto-relatados do aplicativo How We Feel coletados durante abril e maio para determinar quais populações eram mais prováveis ​​de terem sido testadas para o vírus, a prevalência de distanciamento social e uso de máscara, e quais fatores estavam mais associados às pessoas que testaram positivo naquele período, como sintomas principais, riscos de exposição, condições médicas preexistentes e informações demográficas.

O estudo mostrou que usuários negros e Latinx, profissionais de saúde da linha de frente e trabalhadores essenciais tinham o dobro do risco de infecção do que outros grupos após o ajuste para condições médicas pré-existentes e socioeconômicas, e que esses mesmos grupos, junto com pessoas que eram sintomáticas, eram mais prováveis ​​do que outros de serem testados durante abril e maio.

De acordo com os pesquisadores, isso era uma faca de dois gumes, porque enquanto significava que pessoas doentes estavam sendo testadas, também significava que casos assintomáticos provavelmente não estavam sendo detectados devido a diretrizes rígidas de teste que exigiam que apenas aqueles com sintomas fossem verificados. A equipe também descobriu que 36 por cento dos usuários de aplicativos que testaram positivo relataram sintomas não listados pelos Centros de Controle de Doenças durante o período de abril a maio, ou não tiveram nenhum sintoma.

“A primeira mensagem do artigo é que devemos fornecer testes mais abrangentes, além dos grupos vulneráveis ​​e sujeitos sintomáticos”, disse o professor de Harvard Xihong Lin , um dos autores seniores do artigo. “Esses casos assintomáticos e levemente sintomáticos ainda são infecciosos, por isso é importante capturar essas pessoas precocemente e isolá-las para evitar a propagação.”

Os cientistas então pegaram seus resultados e, usando novos métodos estatísticos e de aprendizado de máquina, estabeleceram a base para modelos que podem prever quem tem probabilidade de teste positivo para COVID-19. A esperança é que modelos preditivos como esses possam ser usados ​​em breve para ajudar a superar as limitações da capacidade de teste e identificar pontos críticos de doenças.

Os pesquisadores descobriram que seus modelos, que foram validados entre si, mas precisam de uma análise mais aprofundada, têm cerca de 80 por cento de chance de prever se um indivíduo terá um teste positivo ou negativo.

O estudo foi publicado na Nature Human Behavior por uma equipe de 36 pesquisadores de Harvard, MIT, Broad Institute of MIT e Harvard, e uma série de outras instituições.

O aplicativo é o primeiro produto do  How We Feel Project , uma organização sem fins lucrativos criada a partir de uma colaboração envolvendo Lin , professor de bioestatística na  Escola de Saúde Pública Harvard TH Chan e professor de estatística na  Faculdade de Artes e Ciências ; Feng Zhang, do Broad Institute; Gary King , professor da Albert J. Weatherhead III University e diretor do  Institute for Quantitative Social Science; e o CEO do Pinterest, Ben Silbermann. Outros que trabalham no projeto incluem pesquisadores de Cornell, Stanford, Universidade da Pensilvânia, Escola de Medicina da Universidade de Maryland, Instituto Médico Howard Hughes e Fundação Bill & Melinda Gates. Equipes de voluntários independentes também prestaram assistência.

Os pesquisadores dizem que a ideia do estudo e do aplicativo, lançado em abril, surgiu da necessidade de ajudar a preencher lacunas de informações consideráveis ​​sobre a disseminação desenfreada do vírus nos Estados Unidos

“Compreender as características da epidemia de COVID-19 nos EUA por meio da análise de dados grandes e reais é fundamental para orientar políticas baseadas em evidências sobre vigilância, triagem e medidas de controle”, disse Lin. “As descobertas da análise dos dados de How We Feel ajudarão a atingir esse objetivo.”

As descobertas defendem a importância de testes generalizados, especialmente por causa das descobertas do grupo em casos assintomáticos e levemente sintomáticos, que os pesquisadores disseram ter sido provavelmente subestimados. Lin observa que em um recente estudo de modelagem que ela e outra equipe de pesquisadores conduziram para o surto em Wuhan, China, eles descobriram que 87% dos casos não foram detectados. Uma recente pesquisa sorológica do CDC encontrou resultados semelhantes nos EUA

Coincidentemente, os resultados do estudo How We Feel foram publicados na mesma semana de agosto em que o CDC modificou as diretrizes de teste para dizer que as pessoas sem sintomas não precisavam de um teste.

Quando se trata de distanciamento social e uso de máscaras, o estudo constatou que, embora uma parcela substancial dos usuários, 61%, se aventurasse fora de casa diariamente de abril a maio, a maioria relatou cumprir as diretrizes sobre distanciamento e coberturas faciais.

Algumas tendências perturbaram os pesquisadores, no entanto.

Sete por cento dos que receberam um teste positivo ignoraram e foram trabalhar, embora a grande maioria tenha relatado ficar em quarentena em casa por dois a sete dias. Os pesquisadores também observaram que 3% das pessoas com teste positivo para COVID-19, 10% dos que testaram negativo e 13% dos que não foram testados começaram a trabalhar sem máscaras. Aqueles que foram testados, tanto positivos quanto negativos, disseram que entraram em contato próximo com uma média de uma e quatro pessoas, respectivamente, em três dias.

“Dadas as evidências de que o uso de máscaras e o distanciamento social são eficazes para retardar ou prevenir a disseminação do COVID-19, havia espaço para fazer melhor na época em algumas partes do país”, disse William Allen, um estudante júnior em  Harvard Society of Fellows e um dos principais autores do artigo. Esses números provavelmente não representam a situação agora, disse ele.

Junto com Allen, vários bolsistas de pós-doutorado e estudantes de graduação em Harvard, MIT e no Broad Institute trabalharam no estudo, incluindo os co-autores Han Altae-Tran, James Briggs, Xin Jin, Glen McGee e Andy Shi.

Outras descobertas dos dados de How We Feel mostraram que a exposição familiar e da comunidade foram os principais fatores de infecção. As pessoas que viviam com alguém que estava infectado corriam 19 vezes mais risco de teste positivo, e aquelas expostas a alguém na comunidade com o vírus corriam quase quatro vezes mais risco. Pessoas que vivem em bairros de alta densidade têm quase o dobro do risco de teste positivo.

Quarenta por cento dos entrevistados que relataram perda de cheiro, sabor ou ambos e foram testados para o vírus receberam resultados positivos. A descoberta aumenta as evidências de que o sintoma é o maior indicador de um teste positivo e que pode ser usado para distinguir o vírus da gripe comum.

Embora os resultados tenham sido provocativos, a equipe notou as limitações de seu estudo. Os voluntários foram auto-selecionados, predominantemente mulheres (80 por cento) e, portanto, não representavam a população em geral. Além disso, um número desproporcional era de Connecticut ou da Califórnia. A How We Feel tem uma parceria com Connecticut e o Pinterest está sediado na Califórnia.

Os pesquisadores estão atualmente focados na análise de dados durante o verão, validando ainda mais os modelos de previsão que criaram e estudando dados de um novo módulo de bem-estar emocional no aplicativo que analisa a saúde mental.

“[How We Feel] continuou a crescer desde nossa análise inicial”, disse Zhang, o outro autor sênior do jornal, que, com Lin, supervisionou todos os aspectos do trabalho. “Estamos ansiosos para compartilhar este rico conjunto de dados com outras pessoas e continuar a explorá-lo em busca de ideias importantes que podem ajudar a impedir a disseminação do COVID"

 

.
.

Leia mais a seguir