De nauwkeurigheid van een digitale test testen om Covid-19 te diagnosticeren

De virale pandemie van Covid-19 heeft wereldwijd aanzienlijke verliezen en ontwrichting veroorzaakt in alle aspecten van de samenleving (inclusief gezondheid, onderwijs en zakelijke en economische veiligheid). Een van de grootste problemen bij het beheersen van de verspreiding van dit coronavirus is de vertraagde en milde (of afwezigheid van) symptomen bij geïnfecteerde personen. Bovendien is er onvoldoende testcapaciteit voor Covid-19 in het VK, en slechts een matige nauwkeurigheid van dergelijke tests bij het bevestigen van een coronavirusinfectie. Samen hebben deze obstakels ertoe geleid dat talloze onbekende gevallen van coronavirus onopgemerkt bleven en de verspreiding van het virus onder de bevolking aanwakkerden, door de strengheid van zelfisolatiemaatregelen in gevaar te brengen die werden genomen door geïnfecteerde personen die anders hun overdracht van het virus mogelijk hadden afgeremd of voorkomen. De hoge en wijdverspreide kosten van de aanhoudende Covid-19-progressie, die samenvalt met het gebrek aan testcapaciteit, rechtvaardigen de ontwikkeling van alternatieve diagnostische hulpmiddelen die een betrouwbare beoordeling van Covid-19-infectie in de vroege stadia van infectie mogelijk maken, terwijl ze ook goedkoop, laagdrempelig zijn -last, en gemakkelijk toegediend aan een groot deel van de bevolking.

De gratis symptoommonitoring-app 'Covid Symptom Study' werd half maart gelanceerd door Zoe Global Ltd, een start-up op het gebied van gezondheidstechnologie, en wordt momenteel gebruikt in het VK, de VS en Zweden, met alleen al in het VK meer dan 2,7 miljoen gebruikers die de app gebruiken om zelf hun Covid-19-symptomen te melden. Bij het registreren om de app te gebruiken, wordt gebruikers gevraagd om demografische en fenotypische gegevens te rapporteren, zoals leeftijd, geslacht, BMI, etniciteit, contact met geïnfecteerde personen (door een beroepsbeoefenaar in de gezondheidszorg), rookgedrag, bestaande gezondheidsproblemen en andere informatie. Vanaf dat moment wordt gebruikers gevraagd om dagelijks hun presentatie van symptomen te rapporteren die te wijten zijn aan Covid-19 (of het ontbreken daarvan) door middel van door de app beheerde vragenlijsten, waardoor het mogelijk wordt om in realtime de ziekteprogressie in het VK te volgen . Met de app kunnen gebruikers ook hun Covid-19-testresultaten rapporteren, waardoor voorspellingsalgoritmen kunnen worden ontwikkeld die uitsluitend zijn gebaseerd op zelfgerapporteerde gebruikersgegevens om de aanwezigheid van infectie bij niet-geteste gebruikers te voorspellen.

Namens Zoe Global Ltd heeft het Britse ministerie van Volksgezondheid en Sociale Zorg, met steun van de Britse Chief Scientific Advisor, toegezegd om in Engeland en Noord-Ierland tot 10.000 app-gebruikers per week te testen op infectie met SARS-CoV-2. het doel om de nauwkeurigheid van op symptomen gebaseerde voorspellingen snel te verbeteren. Soortgelijke testtoelage kan volgen in Schotland en Wales.

Symptomatische app-gebruikers zullen worden gevraagd om zich te laten testen op SARS-CoV-2-infectie, met behulp van de populaire swab- en qRT-PCR-techniek, en gevraagd om hun testresultaten in de app te rapporteren, terwijl ze hun symptomen blijven loggen.

Deze validatiestudie, uitgevoerd aan King's College London, heeft tot doel de gevoeligheid en specificiteit van machine learning-modellen te valideren als diagnostisch hulpmiddel dat infectie met SARS-CoV-2 voorspelt op basis van app-gerapporteerde symptomen en fenotypische gegevens, tegen de 'gouden standaard' ' uitstrijkje PCR-test, door gebruik te maken van de Covid Symptom Study-app als onderzoeksplatform.

Er wordt verondersteld dat door de op symptomen gebaseerde modellen te trainen met behulp van uitstrijkjestestresultaten en door meerdere modeliteraties na continue gegevensinvoer van rapporterende en geteste app-gebruikers, voorspellingen van infectie met aanzienlijke nauwkeurigheid zullen worden gedaan, waardoor de Covid Symptom Study-app kan worden gebruikt. gebruikt als een diagnostisch hulpmiddel dat de druk op de testcapaciteit in het VK verlicht, terwijl het gemakkelijk toegankelijk is en een lage gebruikerslast met zich meebrengt.

Studie ontwerp:

Vanwege de zich snel ontwikkelende en onzekere duur en intensiteit van de Covid-19-pandemie, is de huidige onderzoeksopzet prospectief en een die regelmatige iteratie van voorspellingsmodellen en continue accumulatie van validatiegegevens mogelijk maakt. Het onderzoek bestaat uit een reeks fasen van elk 14 dagen. Voor de start van elke fase (dag 0) wordt een set machine learning-modellen bevroren en ingediend voor validatie op gegevens die tijdens deze en volgende fasen zijn verzameld.

Machine learning-algoritmen verbeteren met toenemende gegevens. Daarom zullen validatiefasen doorgaan zolang er tests beschikbaar zijn en app-gebruikers toestemming geven om deel te nemen aan het onderzoek. Vanwege de onzekerheid over de progressie van de infectiecijfers in het VK, zal de validatiestudie worden voortgezet zolang deze van waarde is voor de volksgezondheid.

Een gedetailleerd plan voor statistische analyse wordt beschreven in het document dat aan dit dossier is gehecht. Een record van alle machine learning-modellen die voor validatie worden gebruikt, wordt regelmatig bijgewerkt op GitHub (https://github.com/zoe/covid-validation-study).