Wearable device data, forecast ILI

 

본 논문에서는 wearable device를 통해 얻은 resting heart rate(RHR), 수면 데이터를 이용해 기존 CDC ILI의 objectivity를 높이고 real-time 예측이 가능하도록 보완하였다.

 

Intro

일반적으로, Influenza like illness (ILI) surveillance를 이용해 influenza 유행을 예측했다. 하지만, 1~3주 정도의 지연이 때문에 US CENTERS for Disease Control and Prevention(CDC)가 한달 후 이를 수정한다는 문제점이 존재한다.

ILI surveillance의 정확성을 높이기 위해서, internet search, google flu, Twitter등을 이용하였지만, internet에 의존하는 방법은 사람들이 media의 영향으로 괜한 걱정 때문에 검색양을 늘리는 외부요인이 있다는 한계점이 있다. 따라서, 외부요인에 영향을 받지 않는 객관적인 데이터로 보완해야할 필요가 있다고 판단된다. fitness band, smartwatch등의 사용자가 늘어가는 지금, 개인의 RHR, sleep, activity 등의 데이터를 이용해 사용자의 건강이 나빠짐을 판단하는데 이용하였다.

 

Method

2016년 3월부터 2018년 3월동안의 미국에 살고 있는 200,000명의 Fitbit 데이터 (RHR, sleep duration)를 사용했다. 사용자가 깨어 있는 상태에서 5분 이상의 inactivity가 관찰되면, 착용자가 resting state에 있는 것으로 판단, 이때 측정된 heart rate을 RHR로 추정하여 사용하였음. RHR의 신뢰도를 높이기 위해 잠자는 동안의 심박수도 사용하였다. 본 논문에서는 하루에 1000시간 이상 착용한 데이터만 사용하였고 RHR데이터가 없는 경우는 배제시켰다.

각 사용자의 전체 실험기간의 RHR, sleep time에 대한 평균과 표준편차를 계산하였다. 참여자의 weekly sleep averages가 계산한 전체 수면시간 평균에 비해 0.5SD보다 더 길고, weekly RHR이 전체 RHR 평균대비 0.5SD (model1) 혹은 1.0SD (model2)만큼 더 높을 때 abnormal하다고 판단하였다. *상승된 RHR과 길어진 sleep duration이 ILI를 나타낸다 가정함* 위의 방법으로 매주 각각의 건강상태를 healthy/unhealthy로 판단하였다.

 

Result&Discussion

• Model1 (0.5SD)이 CDC-reported ILI와 더 연관 있는 것으로 관찰됨.
• RHR만 사용했을 때 보다, sleep data를 첨부했을 때 결과가 더 improve 되었음.

현재, CDC ILI는 1~3주 정도의 지연이 있기 때문에 한달 뒤 이를 수정하기도 한다. 그러나 wearable device data는 객관성 뿐만 아니라 real-time으로 예측이 가능하다.

여러 선행연구를 통해 감염이 RHR상승에 영향을 준다는 것을 밝힌 바 있다. 이는 몸이 바이러스와 싸우면서 inflammatory responses 와 열 때문에 심장박동수가 올라가는 것이라고 말하고 있다. Influenza는 증상이 시작되기 전, 1~4일 정도 몸 안에 incubation되기 때문에 병이 발병(증상이 나타나기 전) heart rate이 올라간다. 하지만, 위에서 말한 질병 때문에 아니더라도 심장박동은 올라갈 수 있다. 예를 들어, 수면부족은 스트레스로 나타나고 이 또한 RHRH을 높인다. 따라서, non-infectious cause of elevated RHR을 구분하기위해 stress를 감지하는 센서를 wearable device에 추가한다면 도움이 될 것이다.

 

 

Reference

Radin, Jennifer M., et al. "Harnessing wearable device data to improve state-level real-time surveillance of influenza-like illness in the USA: a population-based study." The Lancet Digital Health 2.2 (2020): e85-e93.

https://www.sciencedirect.com/science/article/pii/S2589750019302225