Tester la précision d'un test numérique pour diagnostiquer le Covid-19

La pandémie virale de Covid-19 a causé des pertes mondiales importantes et des perturbations dans tous les aspects de la société (y compris la santé, l'éducation et la sécurité commerciale et économique). L'une des principales difficultés pour contrôler la propagation de ce coronavirus a été la présentation tardive et légère (ou l'absence de) des symptômes chez les personnes infectées. De plus, la capacité de test Covid-19 est insuffisante au Royaume-Uni et la précision de ces tests n'est que modérée pour confirmer l'infection à coronavirus. Ensemble, ces obstacles ont conduit à ce que d'innombrables cas inconnus de coronavirus passent inaperçus et alimentent la propagation virale dans la population, en compromettant la rigueur des mesures d'auto-isolement prises par les personnes infectées qui auraient autrement freiné ou empêché leur transmission du virus. Le coût profond et généralisé de la progression continue de Covid-19, coïncidant avec le manque de capacité de test, justifie le développement d'outils de diagnostic alternatifs qui évaluent de manière fiable l'infection de Covid-19 dans les premiers stades de l'infection, tout en étant peu coûteux, peu coûteux. - fardeau, et facilement administré à une large proportion de la population.

L'application gratuite de surveillance des symptômes "Covid Symptom Study" a été lancée à la mi-mars par la start-up de technologie de la santé Zoe Global Ltd, et est actuellement utilisée au Royaume-Uni, aux États-Unis et en Suède, avec plus de 2,7 millions d'utilisateurs rien qu'au Royaume-Uni. qui utilisent l'application pour déclarer eux-mêmes leurs symptômes de Covid-19. Lors de l'inscription pour utiliser l'application, les utilisateurs sont invités à communiquer des données démographiques et phénotypiques telles que l'âge, le sexe, l'IMC, l'origine ethnique, les contacts avec des personnes infectées (par le biais d'un professionnel de la santé), le comportement tabagique, les conditions de santé existantes, entre autres informations. Dès lors, les utilisateurs sont invités à signaler quotidiennement leur présentation de symptômes attribuables à Covid-19 (ou leur absence) grâce à l'utilisation de questionnaires administrés par l'application, permettant ainsi un suivi en temps réel de la progression de la maladie à travers le Royaume-Uni. . L'application permet également aux utilisateurs de signaler leurs résultats de test Covid-19, permettant ainsi le développement d'algorithmes de prédiction basés uniquement sur les données des utilisateurs autodéclarés pour prédire la présence d'une infection chez les utilisateurs non testés.

Au nom de Zoe Global Ltd, le ministère britannique de la Santé et des Affaires sociales, avec le soutien du conseiller scientifique en chef du Royaume-Uni, s'est engagé à tester jusqu'à 10 000 utilisateurs d'applications par semaine pour détecter une infection par le SRAS-CoV-2 en Angleterre et en Irlande du Nord, pour dans le but d'améliorer rapidement la précision des prédictions basées sur les symptômes. Une allocation de test similaire peut suivre en Écosse et au Pays de Galles.

Les utilisateurs symptomatiques de l'application seront invités à se faire tester pour l'infection par le SRAS-CoV-2, en utilisant la technique populaire d'écouvillonnage et de qRT-PCR, et invités à signaler leurs résultats de test dans l'application, tout en continuant à consigner leurs symptômes.

Cette étude de validation, menée au King's College de Londres, vise à valider la sensibilité et la spécificité des modèles d'apprentissage automatique en tant qu'outil de diagnostic qui prédit l'infection par le SRAS-CoV-2 sur la base des symptômes signalés par l'application et des données phénotypiques, par rapport à l'étalon-or ' Swab PCR-test, en utilisant l'application Covid Symptom Study comme plateforme de recherche.

Il est supposé qu'en formant les modèles basés sur les symptômes à l'aide des résultats des tests sur écouvillon et à travers de multiples itérations de modèles suite à la saisie continue de données des utilisateurs de rapports et d'applications testées, les prédictions d'infection seront faites avec une précision considérable, permettant ainsi à l'application Covid Symptom Study d'être utilisé comme outil de diagnostic qui atténue la pression sur la capacité de test au Royaume-Uni tout en étant facilement accessible et en posant un faible fardeau pour l'utilisateur.

Étudier le design:

En raison de l'évolution rapide et de la durée et de l'intensité incertaines de la pandémie de Covid-19, la conception de l'étude actuelle est prospective et permet une itération régulière sur les modèles de prédiction et une accumulation continue de données de validation. L'étude consiste en une série de phases, chacune durant 14 jours. Avant le début de chaque phase (jour 0), un ensemble de modèles d'apprentissage automatique sera figé et soumis pour validation sur les données collectées au cours de cette phase et des phases suivantes.

Les algorithmes d'apprentissage automatique s'améliorent avec l'augmentation des données. Par conséquent, les phases de validation se poursuivront tant que les tests seront disponibles et que les utilisateurs de l'application accepteront de participer à l'étude. En raison de l'incertitude entourant la progression des taux d'infection au Royaume-Uni, l'étude de validation se poursuivra tant qu'elle sera utile à la santé publique.

Un plan d'analyse statistique détaillé est décrit dans le document joint à ce dossier. Un enregistrement de tous les modèles d'apprentissage automatique utilisés pour la validation sera régulièrement mis à jour sur GitHub (https://github.com/zoe/covid-validation-study).