Study of Postacute Sequelae of COVID-19 Using Digital Wearables: Protocol for a Prospective Longitudinal Observational Study
Notice bibliographique
Résumé
BACKGROUND: Postacute sequelae of COVID-19 (PASC) remain understudied in nonhospitalized patients. Digital wearables allow for a continuous collection of physiological parameters such as respiratory rate and oxygen saturation that have been predictive of disease trajectories in hospitalized patients. OBJECTIVE: This protocol outlines the design and procedures of a prospective, longitudinal, observational study of PASC that aims to identify wearables-collected physiological parameters that are associated with PASC in patients with a positive diagnosis. METHODS: This is a single-arm, prospective, observational study of a cohort of 550 patients, aged 18 to 65 years, male or female, who own a smartphone or a tablet that meets predetermined Bluetooth version and operating system requirements, speak English, and provide documentation of a positive COVID-19 test issued by a health care professional within 5 days before enrollment. The primary end point is long COVID-19, defined as ≥1 symptom at 3 weeks beyond the first symptom onset or positive diagnosis, whichever comes first. The secondary end point is chronic COVID-19, defined as ≥1 symptom at 12 weeks beyond the first symptom onset or positive diagnosis. Participants must be willing and able to consent to participate in the study and adhere to study procedures for 6 months. RESULTS: The first patient was enrolled in October 2021. The estimated year for publishing the study results is 2025. CONCLUSIONS: This is a fully decentralized study investigating PASC using wearable devices to collect physiological parameters and patient-reported outcomes. The study will shed light on the duration and symptom manifestation of PASC in nonhospitalized patient subgroups and is an exemplar of the use of wearables as population-level monitoring health tools for communicable diseases. TRIAL REGISTRATION: ClinicalTrials.gov NCT04927442; https://clinicaltrials.gov/study/NCT04927442. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/57382.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,007 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».