{"id":23032,"date":"2021-12-10T08:57:17","date_gmt":"2021-12-10T14:57:17","guid":{"rendered":"https:\/\/saluddigital.com\/?p=23032"},"modified":"2025-10-21T11:22:21","modified_gmt":"2025-10-21T17:22:21","slug":"deteccion-de-covid-19-a-traves-de-wearables-y-aprendizaje-automatico","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/noticias\/deteccion-de-covid-19-a-traves-de-wearables-y-aprendizaje-automatico\/","title":{"rendered":"COVID-19 detection through wearables and machine learning"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Art\u00edculo de investigaci\u00f3n publicado en Nature, muestra avances sobre la detecci\u00f3n pasiva de COVID-19 mediante el uso de wearables, y algoritmos de aprendizaje autom\u00e1tico.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El monitoreo constante es de critica importancia para la identificaci\u00f3n y rastreo de casos de COVID-19, de esta forma se puede lograr un aislamiento y evitar la propagaci\u00f3n de la infecci\u00f3n, as\u00ed como brindar una buena atenci\u00f3n desde el comienzo de los s\u00edntomas.<\/p>

Aunque las pruebas PCR o de ant\u00edgenos son efectivas para la detecci\u00f3n de casos, existen grandes desaf\u00edos para su accesibilidad. El estudio publicado en npj Digital Medicine de Nature, muestra que el autoinforme de s\u00edntomas combinado con un algoritmo de aprendizaje autom\u00e1tico puede predecir una prueba positiva de COVID-19.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Este monitoreo constante es posible a trav\u00e9s del uso de wearables comerciales que miden datos biom\u00e9tricos como la frecuencia card\u00edaca en reposo, el sue\u00f1o o la actividad, que han demostrado ser efectivos en la detecci\u00f3n de COVID-19. \u00a0En este sentido el estudio propuso un modelo basado en \u00e1rboles de decisi\u00f3n para la detecci\u00f3n de COVID-19 que puede adaptarse a la ausencia de s\u00edntomas autoinformados y a los datos de los sensores disponibles.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Otros estudios han dise\u00f1ado algoritmos espec\u00edficos para dispositivos determinados, sin embargo, el desarrollado en esta investigaci\u00f3n es independiente al modelo del wearable. \u201cCon el fin de proporcionar las alertas tempranas m\u00e1s precisas para COVID-19 a todos los participantes para una amplia variedad de dispositivos port\u00e1tiles, propusimos y validamos un algoritmo de aprendizaje autom\u00e1tico que ingiere todos los datos de sensores disponibles para la detecci\u00f3n de la infecci\u00f3n por COVID-19\u201d, explica el estudio.<\/p>

El estudio cont\u00f3 con la participaci\u00f3n de 38,911 personas (61% mujeres), entre el 25 de marzo de 2020 y el 3 de abril de 2021, de las cuales 1,118 fueron positivas a COVID-10 y 7,032 negativas, a trav\u00e9s de una prueba PCR.<\/p>

Los autores concluyeron que su modelo de aprendizaje autom\u00e1tico \u201cpuede discriminar entre las personas que dieron positivo o negativo a COVID-19 en funci\u00f3n de m\u00faltiples tipos de datos recopilados por dispositivos port\u00e1tiles, informaci\u00f3n demogr\u00e1fica y s\u00edntomas autoinformados cuando est\u00e9n disponibles\u201d.<\/p>

Puedes consultar el art\u00edculo completo en el siguiente enlace: https:\/\/www.nature.com\/articles\/s41746-021-00533-1<\/a><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s41746-021-00533-1<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Art\u00edculo de investigaci\u00f3n publicado en Nature, muestra avances sobre la detecci\u00f3n pasiva de COVID-19 mediante el uso de wearables, y algoritmos de aprendizaje autom\u00e1tico. El monitoreo constante es de critica importancia para la identificaci\u00f3n y rastreo de casos de COVID-19, de esta forma se puede lograr un aislamiento y evitar la propagaci\u00f3n de la infecci\u00f3n, as\u00ed como brindar una buena atenci\u00f3n desde el comienzo de los s\u00edntomas. Aunque las pruebas PCR o de ant\u00edgenos son efectivas para la detecci\u00f3n de casos, existen grandes desaf\u00edos para su accesibilidad. El estudio publicado en npj Digital Medicine de Nature, muestra que el autoinforme de s\u00edntomas combinado con un algoritmo de aprendizaje autom\u00e1tico puede predecir una prueba positiva de COVID-19. Este monitoreo constante es posible a trav\u00e9s del uso de wearables comerciales que miden datos biom\u00e9tricos como la frecuencia card\u00edaca en reposo, el sue\u00f1o o la actividad, que han demostrado ser efectivos en la detecci\u00f3n de COVID-19.  En este sentido el estudio propuso un modelo basado en \u00e1rboles de decisi\u00f3n para la detecci\u00f3n de COVID-19 que puede adaptarse a la ausencia de s\u00edntomas autoinformados y a los datos de los sensores disponibles. Otros estudios han dise\u00f1ado algoritmos espec\u00edficos para dispositivos determinados, sin embargo, el desarrollado en esta investigaci\u00f3n es independiente al modelo del wearable. \u201cCon el fin de proporcionar las alertas tempranas m\u00e1s precisas para COVID-19 a todos los participantes para una amplia variedad de dispositivos port\u00e1tiles, propusimos y validamos un algoritmo de aprendizaje autom\u00e1tico que ingiere todos los datos de sensores disponibles para la detecci\u00f3n de la infecci\u00f3n por COVID-19\u201d, explica el estudio. El estudio cont\u00f3 con la participaci\u00f3n de 38,911 personas (61% mujeres), entre el 25 de marzo de 2020 y el 3 de abril de 2021, de las cuales 1,118 fueron positivas a COVID-10 y 7,032 negativas, a trav\u00e9s de una prueba PCR. Los autores concluyeron que su modelo de aprendizaje autom\u00e1tico \u201cpuede discriminar entre las personas que dieron positivo o negativo a COVID-19 en funci\u00f3n de m\u00faltiples tipos de datos recopilados por dispositivos port\u00e1tiles, informaci\u00f3n demogr\u00e1fica y s\u00edntomas autoinformados cuando est\u00e9n disponibles\u201d. Puedes consultar el art\u00edculo completo en el siguiente enlace: https:\/\/www.nature.com\/articles\/s41746-021-00533-1 BIBLIOGRAF\u00cdA NATURE https:\/\/www.nature.com\/articles\/s41746-021-00533-1<\/p>","protected":false},"author":1,"featured_media":23034,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3399,3395,3393,160,1418],"tags":[145],"class_list":["post-23032","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-analitica","category-apps-moviles-e-internet-de-las-cosas","category-inteligencia-artificial-y-ciencia","category-noticias","category-resena-de-publicaciones-cientificas","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/23032","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=23032"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/23032\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/23034"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=23032"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=23032"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=23032"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}