Simple Science

Ciência de ponta explicada de forma simples

# Ciências da saúde# Ostetricia e ginecologia

Tecnologia de Saúde Pessoal: Uma Nova Abordagem para a Gravidez

Analisando como ferramentas digitais de saúde podem melhorar a experiência na gravidez.

― 7 min ler


Insights sobre a Saúde naInsights sobre a Saúde naGravidezexperiência de gravidez de cada um.Usando tecnologia pra melhorar a
Índice

Há uma falta visível de informações confiáveis e apoio para experiências de gravidez em todo o mundo. Essa lacuna contribui para problemas de saúde desnecessários e complicações para pessoas grávidas. Muitas ferramentas que estão sendo usadas atualmente não conseguem identificar riscos para problemas sérios a tempo. Até recentemente, a tecnologia não conseguiu monitorar as mudanças de saúde complexas durante a gravidez em tempo real.

As pesquisas existentes sobre experiências de gravidez muitas vezes dependem de dados de grupos não representativos. Grande parte desses dados vem da combinação de relatos individuais em uma média, que não reflete com precisão as experiências pessoais. Essa abordagem de dados combinados enfrenta desafios, especialmente na gravidez, onde fatores pessoais e ambientais desempenham papéis significativos.

O Papel da Tecnologia de Saúde Digital

Na última década, os avanços em tecnologia de saúde digital introduziram novas ferramentas para rastrear a saúde, como Dispositivos Vestíveis e aplicativos para smartphone. Essas ferramentas, chamadas de tecnologias pessoais de saúde digital (DHTs), são capazes de coletar informações detalhadas relacionadas à saúde relevantes para a gravidez.

Dispositivos vestíveis podem monitorar várias medidas fisiológicas como frequência cardíaca, temperatura corporal e padrões de sono. Esse tipo de dado fornece percepções objetivas sobre a saúde, indo além da confiança nas memórias pessoais dos sintomas. Pesquisas mostram que abordagens que usam esse tipo de dado, junto com aprendizado de máquina e inteligência artificial, podem ajudar a detectar sintomas relacionados à gravidez com mais precisão.

O Potencial das DHTs Pessoais

Com o uso generalizado de smartphones e o crescimento de dispositivos inteligentes vestíveis, agora é possível usar essas ferramentas para monitorar a saúde durante a gravidez. Embora a pesquisa sobre DHTs pessoais na gravidez ainda esteja em desenvolvimento, estudos preliminares indicaram que dispositivos vestíveis podem ser úteis para rastrear indicadores de saúde importantes e prever resultados como o parto prematuro.

O objetivo deste artigo é examinar a variabilidade das experiências de gravidez usando dados de um estudo de saúde digital chamado Better Understanding the Metamorphosis of Pregnancy (BUMP). Este estudo acompanha pessoas desde antes da concepção até o período pós-parto. Os principais objetivos incluem comparar relatos de sintomas individuais com médias, verificar se dados pessoais de saúde podem identificar condições relacionadas à gravidez e explorar as conexões entre sintomas auto-relatados e dados de dispositivos vestíveis.

Participantes e Condições do Estudo

O estudo BUMP incluiu 524 participantes, mas esta análise focou em 406 indivíduos que forneceram dados ao longo de suas gravidezes. Os participantes tinham origens variadas; a maioria era branca, educada e empregada. Questões de saúde específicas observadas entre esse grupo incluíam hipertensão gestacional, depressão pós-parto, parto prematuro, diabetes gestacional, hemorragia pós-parto e pré-eclâmpsia.

Experiências Individuais de Sintomas de Gravidez

O primeiro objetivo foi avaliar sintomas individuais de gravidez e dados de dispositivos vestíveis em comparação com as médias do grupo. Os participantes relataram sintomas como inchaço, falta de ar, fadiga e mudanças de humor. Curiosamente, enquanto as médias mostravam certas tendências na gravidade desses sintomas durante a gravidez, as experiências individuais variaram bastante.

Alguns participantes relataram mudanças significativas nos sintomas ao longo do tempo, enfatizando o quão única pode ser cada experiência de gravidez. A alta variabilidade nos relatos de sintomas sugere que as médias nem sempre contam toda a história para as pessoas grávidas.

Medições Objetivas na Gravidez

Em seguida, foram feitas comparações entre sintomas auto-relatados e medições objetivas de dispositivos vestíveis. Essas medições incluíam frequência cardíaca, níveis de fluidos e mudanças na atividade física. Embora houvesse tendências gerais, como aumento da frequência cardíaca no início da gravidez, os dados individuais mostraram muito mais variabilidade.

Essa variabilidade enfatiza os desafios enfrentados ao tentar usar dados médios para entender experiências de saúde pessoais. Isso também significa que identificar riscos ou mudanças na saúde através de médias pode ser enganoso para muitos.

Distinguindo Entre Condições

O estudo também teve como objetivo determinar se os sintomas auto-relatados e as medições objetivas poderiam diferenciar entre várias condições relacionadas à gravidez. Os dados mostraram uma considerável sobreposição nas medições entre diferentes grupos, implicando que essas médias isoladamente eram insuficientes para distinguir claramente os estados de saúde.

Apesar de algumas diferenças, particularmente no peso entre os diferentes grupos, muitos outros indicadores mostraram pouca variação. Ficou claro que, enquanto certas tendências podem se destacar nos dados médios, as experiências individuais ainda desempenham um papel crucial na compreensão da saúde durante a gravidez.

Ligando Sintomas e Dados Objetivos

Outro foco foi entender as conexões entre sintomas auto-relatados e dados objetivos de dispositivos vestíveis. No geral, as correlações entre sintomas relatados e dados de dispositivos vestíveis variaram amplamente entre os indivíduos. Por exemplo, o inchaço relatado pelos participantes muitas vezes coincidia com dados sobre níveis de fluidos corporais, mas outros sintomas não tinham uma ligação tão clara com as medições objetivas.

Essa inconsistência destaca como alguns sintomas são mais fáceis de rastrear objetivamente do que outros. Por exemplo, o inchaço é visualmente perceptível, enquanto mudanças de humor ou cognitivas são mais subjetivas e difíceis de quantificar.

Complexidade das Experiências de Gravidez

A complexidade da gravidez é refletida nas respostas diversas dos participantes. Enquanto as médias podem mostrar tendências gerais, elas podem obscurecer variações individuais. Os resultados sugerem que as DHTs pessoais podem fornecer uma visão valiosa da saúde individual durante a gravidez, mas uma abordagem única para todos não é eficaz.

Diferentes fatores podem influenciar como os sintomas se manifestam de uma pessoa para outra. Como resultado, abordagens que combinam múltiplas fontes de dados, em vez de depender exclusivamente de médias, poderiam ser mais benéficas para identificar problemas de saúde rapidamente.

Direções Futuras

Reconhece-se o ruído dentro dos dados de dispositivos vestíveis. Para levar em conta a alta variabilidade entre os indivíduos, tamanhos de amostra maiores serão essenciais. Inovações em técnicas de aprendizado de máquina e análise de dados podem ajudar a extrair padrões significativos a partir desses dados complexos.

No contexto da gravidez, entender padrões e desvios individuais poderia fornecer novas percepções sobre riscos à saúde. Reconhecer essas variações oferece oportunidades para adaptar o monitoramento da saúde às necessidades individuais, em vez de depender exclusivamente de médias de grupos.

Conclusão

As DHTs pessoais apresentam novas possibilidades para rastrear a saúde durante a gravidez. No entanto, a alta variabilidade entre os indivíduos ressalta as complexidades de confiar em dados agregados. Pesquisas futuras devem se concentrar em estratégias de captura e análise de dados personalizadas para entender melhor as experiências individuais durante a gravidez e melhorar os resultados de saúde.

Com as abordagens certas, o uso de medições objetivas ao lado de sintomas auto-relatados pode oferecer percepções mais profundas sobre a gravidez e abrir caminho para intervenções mais cedo quando surgem riscos.

Fonte original

Título: Does anyone fit the average? Describing the heterogeneity of pregnancy symptoms using wearables and mobile apps

Resumo: Wearables, apps and other remote smart devices can capture rich, objective physiologic, metabolic, and behavioral information that is particularly relevant to pregnancy. The objectives of this paper were to 1) characterize individual level pregnancy self-reported symptoms and objective features from wearables compared to the aggregate; 2) determine whether pregnancy self-reported symptoms and objective features can differentiate pregnancy-related conditions; and 3) describe associations between self-reported symptoms and objective features. Data are from the Better Understanding the Metamorphosis of Pregnancy study, which followed individuals from preconception to three-months postpartum. Participants (18-40 years) were provided with an Oura smart ring, a Garmin smartwatch, and a Bodyport Cardiac Scale. They also used a study smartphone app with surveys and tasks to measure symptoms. Analyses included descriptive spaghetti plots for both individual-level data and cohort averages for select weekly reported symptoms and objective measures from wearables. This data was further stratified by pregnancy-related clinical conditions such as preeclampsia and preterm birth. Mean Spearman correlations between pairs of self-reported symptoms and objective features were estimated. Self-reported symptoms and objective features during pregnancy were highly heterogeneous between individuals. While some aggregate trends were notable, including an inflection in heart rate variability approximately eight weeks prior to delivery, these average trends were highly variable at the n-of-1 level, even among healthy individuals. Pregnancy conditions were not well differentiated by objective features. With the exception of self-reported swelling and body fluid volume, self-reported symptoms and objective features were weakly correlated (mean Spearman correlations

Autores: Sarah Margaret Goodday, R. Yang, E. Karlin, J. Tempero, C. Harry, A. Brooks, T. Behrouzi, J. Yu, A. Goldenberg, M. Francis, D. Karlin, C. Centen, S. Smith, S. Friend

Última atualização: 2024-04-27 00:00:00

Idioma: English

Fonte URL: https://www.medrxiv.org/content/10.1101/2024.04.26.24306455

Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.04.26.24306455.full.pdf

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes