Självrapporterade symptom viktiga i covidforskning

I appen COVID Symptom Study har studiens deltagare sedan pandemins start dagligen kunnat rapportera om de mår bra eller om de upplever några symptom.

Forskare vid Lunds universitet och Uppsala universitet driver tillsammans COVID Symptom Study Sweden, ett av de största forskningsprojekten om covid-19 i Sverige som genomförs med aktivt deltagande av allmänheten. I appen COVID Symptom Study har studiens deltagare sedan pandemins start dagligen kunnat rapportera om de mår bra eller om de upplever några symptom.

– Vi visar nu hur symptomdata kan bidra med värdefull information för att förutspå kommande sjukhusinläggningar för covid-19, och bidra till en överblick av hur den regionala smittspridningen ser ut. Det här sättet att kartlägga smitta kan vara särskilt användbar när det av olika anledningar inte finns tillgång till covid-19-testning, säger Tove Fall, professor i molekylär epidemiologi vid Uppsala universitet, och en av huvudförfattarna av studien.

I artikeln har man analyserat drygt tio miljoner dagliga rapporter, inrapporterade mellan april 2020 och februari 2021. I COVID Symptom Study Sweden, som fortfarande pågår, har drygt 209 000 deltagare hittills bidragit med symptomrapporter samt information om covid-19-testresultat och vaccinationer. Syftet med det arbete som nu publiceras i Nature Communications var att utveckla och utvärdera ett ramverk för att beräkna regional förekomst av covid-19 baserat på symptomdata, samt att testa om dessa beräkningar kunde användas för att förutspå kommande sjukhusinläggningar.

– Att genomföra forskning i realtid har sina utmaningar, men är väldigt viktigt under en pågående pandemi. Vi är stolta över att vi har kunnat dela nationella och regionala uppskattningar av förekomsten av covid-19 i realtid i princip varje dag sedan maj 2020 på vår resultatsida, och att svenska kommuner och landsting har haft användning av data från studien. 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 så kallade medborgarforskning eller citizen science har, säger Maria Gomez, professor i fysiologi vid Institutionen för kliniska vetenskaper och Lunds universitets diabetescenter, också en av huvudförfattarna i studien.

Matematisk modell

Med hjälp av data från deltagare som har rapporterat in både symptom på covid-19 och resultat från pcr-tester, har forskarna utvecklat och validerat en matematisk modell för att förstå vilka symptom som kunde kopplas till viruset. Modellen kunde sedan användas för att uppskatta daglig nationell och regional förekomst av covid-19 i hela deltagargruppen, och även hela den vuxna populationen i Sverige. Genom att kombinera appbaserade beräkningar av förekomst av covid-19 med information om aktuella sjukhusinläggningar kunde forskarna även förutspå framtida sjukhusinläggningar med en måttlig exakthet. Samma modell kunde också med framgång tillämpas i ett engelskt dataset för att förutspå sjukhusinläggningar inom sju engelska sjukvårdsregioner, vilket belyser modellens överförbarhet till andra länder.

– 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 symptomdata kan vara ett dynamiskt och skalbart sätt att förstå trender i smittspridningen. En symptom-app 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.