Webbläsaren som du använder stöds inte av denna webbplats. Alla versioner av Internet Explorer stöds inte längre, av oss eller Microsoft (läs mer här: * https://www.microsoft.com/en-us/microsoft-365/windows/end-of-ie-support).

Var god och använd en modern webbläsare för att ta del av denna webbplats, som t.ex. nyaste versioner av Edge, Chrome, Firefox eller Safari osv.

Självrapporterade symptom viktiga i covidforskning

I en artikel som publiceras i den vetenskapliga tidskriften Nature Communications i dag presenterar forskarna på COVID Symptom Study Sweden hur symtomdata från den svenska studien har använts för att uppskatta covid-19-trender i Sverige och för att förutspå sjukhusinläggningar en vecka i förväg.

alt

Resultat från studien, t.ex. trender i uppskattad förekomst och symtomtrender, har sedan studiens tidiga skede presenterats dagligen på studiens resultatsida. I analyserna i den nu publicerade och sakkunniggranskade artikeln ingår drygt tio miljoner dagsrapporter från deltagare i COVID Symptom Study Sweden från april 2020 till februari 2021.  Syftet med detta arbete var att utveckla och utvärdera en ram för hur man kan uppskatta regional förekomst av covid-19 baserat på övervakning av symtom, samt att testa om dessa uppskattningar kunde användas för att förutspå trender i sjukhusinläggningar orsakade av covid-19.

- För att kunna kartlägga smittspridningen i realtid och med hög exakthet så krävs det att man kombinerar information från flera olika datakällor. Vår studie tyder på att en app där deltagare kan rapportera in symtomdata kan vara ett dynamiskt och skalbart sätt att förstå trender i smittspridningen. En symtomapp är med andra ord ett verktyg som man bör ha med sig när vi planerar framtida pandemiberedskap, säger Beatrice Kennedy, postdoktor i medicinsk epidemiologi vid Uppsala universitet och studiens försteförfattare.

Den matematiska modell som forskarna utvecklade och validerade för att förstå vilka symtom som associerades med ett positivt covid-19-test kunde användas för att uppskatta daglig förekomst av covid-19 i hela studiepopulationen, samt därefter i den vuxna populationen i Sverige (läs mer om modellen HÄR). Genom att kombinera appbaserade uppskattningar av förekomst med information om aktuella sjukhusinläggningar kunde forskarna förutspå framtida sjukhusinläggningar med måttlig noggrannhet. Samma modell kunde också tillämpas på ett engelskt dataset för att förutspå sjukhusinläggningar inom sju engelska sjukvårdsregioner, vilket belyser modellens överförbarhet till andra länder.

- Projektet hade inte varit möjligt utan det engagemang, hårda arbete och samarbetsviljan mellan vårt team och våra kollegor i Storbritannien och USA. Att genomföra forskning i realtid har sina utmaningar, men är väldigt viktigt under en pågående pandemi. Med över 4,7 miljoner deltagare globalt är ZOE COVID Study ett av de största pågående vetenskapliga projekten som genomförs med aktivt deltagande av allmänheten och det har visat oss vilken kraft denna s.k. medborgarforskning eller citizen science har”, säger Maria Gomez, professor i fysiologi och en av de ledande forskarna för studien vid Lunds universitet.

Hela artikeln finns att läsa hos Nature Communications: App-based COVID-19 syndromic surveillance and prediction of hospital admissions in COVID Symptom Study Sweden. Du kan också läsa mer om hur studien är utbyggd och om studiepopulationen här.

Vi vill passa på att tacka alla studiedeltagare som bidragit med data till studien, samt våra kollegor på hälsoföretaget ZOE, som tillsammans med läkare och forskare vid King’s College London och Guy’s and St Thomas’ Hospitals utvecklade appen för icke-kommersiella ändamål.