Actualités  –  publiée le 02 août 2021

The Lancet Digital Health

Des différences plus marquées entre les groupes d'âge plus jeunes (16-59 ans) et les groupes d'âge plus âgés (60->80 ans), et, en particulier aux premiers stades de l'infection COVID-19 (Visuel Adobe Stock 383326216) Une image contenant texte

Description générée automatiquement

Différents membres d’une même famille, infectés par le virus SARS-CoV-2 ne présenteront pas les mêmes symptômes.

Pourquoi ? Parce que les premiers symptômes de COVID-19 diffèrent selon les groupes d’âge, constatent ces chercheurs du King’s College de Londres, ainsi qu’entre les hommes et les femmes.

Des différences plus marquées entre les groupes d’âge plus jeunes (16-59 ans) et les groupes d’âge plus âgés (60->80 ans), et, en particulier aux premiers stades de l’infection COVID-19.

L’étude, publiée dans le Lancet Digital Health, a été rendue possible grâce aux données de l’application Zoe COVID.

L’application britannique Zoe COVID invite ses utilisateurs à se faire tester dès l’apparition d’un symptôme évocateur de la maladie.

Les chercheurs ont modélisé ses premiers signes d’infection COVID-19, identifié les différences de symptômes par groupe de population et montré que l’application permet de détecter avec succès 80 % des cas de COVID, à partir de 3 jours de symptômes auto-déclarés.

Détecter de manière plus fine dès les premiers symptômes

Les chercheurs utilisent en fait une technique d’intelligence artificielle (IA), l’apprentissage automatique pour traiter et exploiter ces données et comparent ensuite leur système au protocole de diagnostic actuel du National Health Service UK.

Le modèle d’apprentissage automatique a également pris en compte certaines caractéristiques sociodémographiques telles que l’âge, le sexe et biologiques, comme certains marqueurs sanguins.

L’analyse de l‘ensemble de ces données révèle des différences de symptômes selon les groupes.

18 symptômes ont été examinés et leur niveau de pertinence diffère pour la détection précoce selon les groupes :

  • Dans l’ensemble, les symptômes les plus importants pour une détection précoce du COVID-19 comprennent une perte d’odorat, des douleurs thoraciques, une toux persistante, des douleurs abdominales, des cloques sur les pieds, des douleurs oculaires et des douleurs musculaires inhabituelles ;
  • La perte de l’odorat perd de sa pertinence chez les personnes de plus de 60 ans ;
  • La perte d’odorat n’est plus du tout pertinente pour les plus de 80 ans ;
  • En revanche, la diarrhée devient un symptôme majeur dans les groupes plus âgés (60-79 et >80) ;
  • La fièvre, bien qu’étant un symptôme courant, n’est une caractéristique précoce de la maladie pour aucun groupe d’âge ;
  • Les hommes sont plus susceptibles de signaler un essoufflement, de la fatigue, des frissons et des frissons,
  • Les femmes sont plus susceptibles de signaler une perte d’odorat, des douleurs thoraciques et une toux persistante.

Et avec les nouveaux variants ?

Si ces conclusions sont principalement associées à la première souche du virus et à la variante Alpha (apparue en Angleterre), les chercheurs font l’hypothèse de différences similaires avec les autres variants.

L’auteur principal, Claire Steves, professeur au King’s College de Londres conclut que

« Les symptômes peuvent varier ainsi au sein d’une même famille ».

Ces données vont contribuer à une prise en charge plus précoce des cas, notamment face aux nouvelles variantes hautement transmissibles.

Actuellement, au Royaume-Uni, seuls quelques symptômes sont utilisés pour recommander l’auto-isolement et des tests supplémentaires.

En utilisant un plus grand nombre de symptômes et seulement après quelques jours d’apparition de ces symptômes,

il va devenir possible, avec l’IA, de détecter de manière plus précoce et plus précise les cas de COVID-19 et de minimiser ainsi le risque de propagation. 

Source: The Lancet Digital Health July 29, 2021 DOI : 10.1016/S2589-7500(21)00131-X Early detection of COVID-19 in the UK using self-reported symptoms: a large-scale, prospective, epidemiological surveillance study