Discovering wearable sensor-derived temporal digital phenotypes and their association with hypertensive disorders in pregnancy
Deze studie toont aan dat door middel van machine learning afgeleide digitale fenotypes van draagbare sensoren, die specifiek overgangen naar lagere fysieke activiteit, een slechtere slaap en verminderde autonome variabiliteit vastleggen, effectief toekomstige hypertensieve zwangerschapsstoornissen kunnen voorspellen, wat een veelbelovende aanvulling vormt op de routineuze prenatale zorg.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Zwangerschap is een tijd van diepgaande fysiologische verandering, maar de standaard medische controle biedt slechts een vluchtige blik op die transformatie. Een arts meet de bloeddruk en vraagt hoe een patiënt zich voelt, maar deze momentopnames vinden weken uit elkaar plaats, waardoor de subtiele, continue verschuivingen die tussen de bezoeken door plaatsvinden, vaak worden gemist. Voor aandoeningen zoals hypertensieve stoornissen tijdens de zwangerschap, waarbij gevaarlijke pieken in de bloeddruk voorkomen en die kunnen leiden tot ernstige complicaties voor zowel moeder als kind, is deze kloof in observatie een kritiek probleem. Wetenschappers vermoeden al lang dat het lichaam vroege waarschuwingssignalen geeft via veranderingen in dagelijkse gewoonten en interne ritmes, lang voordat er een crisis optreedt. Het opkomende veld van digitale fenotypering probeert deze continue signalen te vangen door gebruik te maken van de datastromen van alledaagse draagbare apparaten om een levend beeld van de gezondheid te creëren. In plaats van te vertrouwen op een enkel moment in de tijd, kijkt deze benadering naar patronen in hoe een persoon beweegt, slaapt en hoe de hartslag varieert over dagen en weken, in de hoop de vroege afwijking richting ziekte te ontdekken.
In een nieuwe studie onderzochten onderzoekers van de Johns Hopkins University of deze continue datastromen specifieke, interpreteerbare patronen van gezondheid konden onthullen die hypertensieve stoornissen voorspellen. Ze richtten zich op een grote groep zwangere deelnemers aan het NIH All of Us Research Program, die Fitbit-apparaten hadden gedragen en van wie de medische dossiers beschikbaar waren voor beoordeling. Het team concentreerde zich op drie kerngebieden: fysieke activiteit, slaap en hartslagvariabiliteit, een maatstaf voor de mate waarin de tijd tussen hartslagen varieert, wat de het vermogen van het zenuwstelsel weerspiegelt om zich aan te passen. In plaats van naar ruwe getallen te kijken, gebruikten de onderzoekers een geavanceerd computermodel om duizenden tweewekelijkse perioden van data in onderscheidende clusters te groeperen. Ze behandelden elk tweewekelijkse venster als een enkele tijdseenheid en analyseerden de dagen voorafgaand aan het einde van elk trimester en de postpartum-periode om te zien of het ritme van het lichaam was verschoven.
Het model identificeerde succesvol onderscheidende "digitale fenotypes", of gedrags- en fysiologische profielen, voor elk van de drie gebieden. Voor fysieke activiteit werd de data gesorteerd in drie duidelijke groepen: één gekenmerkt door veel beweging en weinig sedentaire tijd, een middelste groep, en een derde groep gedefinieerd door lage activiteit en veel sedentaire tijd. Slaappatronen verdeelden zich in twee hoofdtypen: één groep die langer sliep met meer herstellende diepe slaap en REM-slaap, en een andere groep die minder sliep met meer tijd doorgebracht wakker of onrustig. Op dezelfde manier groepeerden deelnemers de hartslagvariabiliteit in mensen met een hogere variabiliteit, wat wijst op een flexibeler zenuwstelsel, en mensen met een lagere variabiliteit. Deze clusters waren niet willekeurig; ze vertegenwoordigden reële, meetbare verschillen in hoe de deelnemers leefden en hoe hun lichamen functioneerden.
De meest significante bevinding kwam naar voren toen de onderzoekers volgden hoe deelnemers in de loop van de tijd tussen deze groepen bewogen. Ze ontdekten dat het risico op het ontwikkelen van een hypertensieve stoornis toenam als het fysiologische profiel van een persoon verslechterde naarmiddels de zwangerschap vorderde. Specifiek, als een vrouw overging van een zeer actieve staat naar een minder actieve staat, of van herstellende slaap naar gefragmenteerde slaap, steeg haar kans op complicaties door een hoge bloeddruk. Deze overgangen waren het meest veelzeggend wanneer ze plaatsvonden tussen het tweede en derde trimester en naarmiddels de overgang naar de postpartum-periode. De gegevens suggereerden dat het verlies van stabiliteit van het lichaam in de loop van de tijd een sterker waarschuwingssignaal was dan enige enkele meting tijdens een klinisch bezoek. Bovendien was het risico het hoogst voor hen die tekenen van achteruitgang vertoonden over alle drie de gebieden tegelijkertijd, wat suggereert dat deze stoornissen voortkomen uit een brede, multisysteem-instorting in plaats van een enkel geïsoleerd probleem.
Om te waarborgen dat deze bevindingen niet uniek waren voor de specifieke apparaten of mensen in de eerste groep, testte het team hun activiteitsmodel op een aparte groep zwangere vrouwen van de Washington University. Hoewel deze tweede groep andere apparaten droeg en een ander protocol volgde, identificeerde het computermodel nog steeds dezelfde drie activiteitsclusters met vergelijkbare helderheid. De patronen hielden stand, en het vermogen van het model om verschillende activiteitsniveaus te onderscheiden bleef sterk. Deze externe validatie gaf vertrouwen dat deze digitale gezondheidssignaturen robuust zijn en potentieel herkend kunnen worden bij verschillende populaties en sensortechnologieën.
De studie keek ook naar welke dagen binnen de tweewekelijkse vensters het belangrijkst waren. Voor fysieke activiteit en slaap besteedde het computermodel de meeste aandacht aan de laatste paar dagen van elk venster, wat suggereert dat kortstondige veranderingen in gedrag vaak voorafgaan aan een klinische diagnose. In tegenstelling hiertoe keek het model naar de gehele tweewekelijkse periode voor de hartslagvariabiliteit, wat aangeeft dat veranderingen in het zenuwstelsel een langzamer en cumulatiever proces zijn. Deze inzichten helpen verklaren hoe het lichaam signalen van nood afgeeft: een plotselinge daling in beweging of een paar nachten met slechte slaap kan de onmiddellijke voorloper zijn van een hypertensief evenement, terwijl de onderliggende autonome veranderingen geleidelijk opbouwen.
Hoewel de studie een veelbelovende nieuwe manier biedt om naar de gezondheid tijdens de zwangerschap te kijken, merken de auteurs voorzichtig op dat er beperkingen zijn. De deelnemers waren een specifieke groep die ermee instemde apparaten te dragen en gegevens te delen, wat mogelijk niet representatief is voor alle zwangere mensen. De studie was ook retrospectief, wat betekent dat de onderzoekers terugkeken naar gegevens die al waren verzameld, in plaats van het systeem in realtime te testen om complicaties te voorkomen. Daarnaast kwamen de hartslaggegevens van polssensoren, die minder nauwkeurig zijn dan medische hartmonitoren. Ondanks deze beperkingen laat het werk zien dat continue monitoring verborgen patronen van risico kan onthullen. Het suggereert dat de toekomst van de prenatale zorg niet alleen uit periodieke controles zou kunnen bestaan, maar uit een continue, passieve stroom van informatie die signaleert wanneer de dagelijkse ritmes van een patiënt beginnen af te wijken van de gezonde norm, wat een kans biedt op vroegtijdige interventie.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.