La detección tradicional de COVID-19 generalmente incluye preguntas de encuestas sobre síntomas e historial de viajes, así como mediciones de temperatura. Aquí, exploramos si los datos de sensores personales recopilados a lo largo del tiempo pueden ayudar a identificar cambios sutiles que indican una infección, como en pacientes con COVID-19. Hemos desarrollado una aplicación para teléfonos inteligentes que recopila datos de rastreadores de actividad y relojes inteligentes, así como síntomas autoinformados y resultados de pruebas de diagnóstico, de personas en los Estados Unidos, y hemos evaluado si los datos de síntomas y sensores pueden diferenciar los casos positivos de COVID-19 frente a los negativos. en individuos sintomáticos. Inscribimos a 30.529 participantes entre el 25 de marzo y el 7 de junio de 2020, de los cuales 3.811 informaron síntomas. De estos individuos sintomáticos, 54 informaron dar positivo y 279 negativo para COVID-19. Encontramos que una combinación de datos de síntomas y sensores dio como resultado un área bajo la curva (AUC) de 0,80 (rango intercuartílico (IQR): 0,73-0,86) para discriminar entre individuos sintomáticos que fueron positivos o negativos para COVID-19, un rendimiento eso es significativamente mejor (P <0.01) que un modelo que considera los síntomas por sí solos (AUC = 0.71; IQR: 0.63–0.79). Dichos datos capturados de forma continua y pasiva pueden ser complementarios a las pruebas de virus, que generalmente son un ensayo de muestreo único o poco frecuente.
