國際生醫新聞

流行性感冒，曾在 20 世紀的 1918 年、1957 年 與 1968 年引發全球大流行，分別造成大約 4000~5000 萬人 (1918 年)、200 萬人 (1957 年) 與 100 萬人 (1968 年) 死亡。至現今，我國每年估計約有 4500 人死於流感 (已相當於國人十大死因之第九位！)，而全世界每年有約 65 萬的死亡案例；因此，在公共衛生體系較發達的國家，無不緊密監控流感盛行率。傳統的流感監測主要依靠病毒學和綜合症狀性的流感樣疾病 (influenza-like illness, ILI) 監測相結合來估算流感趨勢。

然而，就以美國為例，ILI 監測報告通常會比實際狀況延遲 1-3 週，並且幾週之後還要再由美國疾病控制與預防中心 (CDC) 進行修訂。這種延遲的狀況使得疫情不易被察覺而容易迅速傳播到新的易感族群和其他地理區域。

過去曾有許多研究嘗試使用像是 Google Flu Trends 和 Twitter 等來提供即時的流感監測訊息，但是因為很難區分出現在這些平台上的字詞或搜尋行為，是真與個人自身疾病相關、還是媒體相關的報導，或是民眾有興趣或想了解流感等等，因此這些方法通常會高估流行期間的發病率。因此迫切需要開發新的客觀數據來源，以增強傳統 ILI 監測。

由於急性感染會導致靜息心率 (RHR) 升高 (尤其是伴有發燒時)，而感到不適時，睡眠和活動也可能與正常情況不同，因此，美國斯克里普斯研究所 (Scripps Research) 的研究團隊透過穿戴式裝置，分析了長時間配戴 Fitbit 的 47,249 名參與者、共超過 1,330 萬筆的 RHR 和睡眠指標的數據。統計結果顯示，以此方法可以在美國五個州之中，皆顯著改善 ILI 預測！

控制疫情就是在跟時間賽跑！採用此方法除了能夠即時監控到感染狀況外，也能夠更精確地分析到感染的地理分布，而這在制訂應變策略與預防疫情擴散方面，是至關重要的。

此外，穿戴式裝置可能還會包含其他偵測器，可以進行血壓、體溫、心電圖和咳嗽分析等；長期配戴，可記錄下個人的基礎數值，並識別出異常狀態，甚至可能在症狀發作之前就識別出感染，進而提早因應。全球現在有越來越多的穿戴式裝置用戶，若可由此獲取生理和行為數據，將可大幅提高公共衛生的預測準確性以及即時的應變能力，也可以在個人接受治療時提供幫助，甚至，它可能還可以補足部分地區沒有進行流感監測的缺失。

當然，影響 RHR 和睡眠指標等生理數值的感染不僅限於流感，不過，只要是發現「感染情況異常分布」，不論是何種疾病，都應採取防治策略。只是，在良好立意之外，「如何保障穿戴式裝置用戶的個人隱私」這類延伸出的問題，又是另一個必須探討的課題。

資料來源：The Lancet、世界衛生組織、衛生福利部疾病管制署