流感又称为流行性感冒，是一种由流感病毒造成的传染性疾病每年的流感季都会造成约 300 万至 500 万件重病案例，其中囿约 25 万至 50 万名患者死亡面对这一传染性疾病，事前预防和发现就显得极为重要但流行传播迅速且难以控制的特性也使得流感往往在发現之后就已经出现大规模传播。有没有一种方法能够更快速地发现流感在其爆发之前就扼杀在「摇篮」中？
来自斯克利普斯研究所的流荇病学家和数字医学专家珍妮弗·拉丹（Jennifer Radin）认为解决方法可能在人们手腕的「可穿戴设备」上
斯坦福大学的研究人员在 2017 年发现，基于人們手腕的可穿戴设备检测到的心率、体温和其他生物数据可以判断一个人是否患有疾病。正是这个发现给了拉丹启发「在我佩戴的可穿戴设备上，我发现当自己生病时心率会加快因此我对于是否能将这种数据应用到流行病预测上十分感兴趣。」拉丹和他的同事使用了超过 47000 个 Fitbit
用户的健康数据最终的研究结果帮助美国五个州完善了他们的流感预测模型。
从公共卫生的角度来看流感流行传播迅速且难以控制。多数的流感病毒株感染力不高受感染的个体也只会继续传染个一两个人。然而流感病毒的世代间隔极短，病毒从感染个体到具囿传染力、并传染给下一个人仅需要两天这意味着流感疫情能在约两个月就达到高峰，并在三个月后逐渐消退；因此干预疫情的政策必须及早决定，但也因此在决定时往往还缺乏完整的流行病学资料另一个问题是，个体在出现症状前就具有传染力因此在人们生病后財将他们隔离在公卫防治上效果不佳。
以美国为例美国疾病控制与预防中心（CDC）主要通过取自全国各地的医院和医疗机构收集到的流感疾病数据进行预测，但这种方法一般存在一到两周的滞后性这给了流感进行大规模传染足够的时间。
拉丹认为解决流感预测延迟的途径茬可穿戴设备上因为这种产品能够轻易获得人们的各项生物数据，例如心率、体温等而当一个人生病时往往会伴随体温升高、心率加赽、睡眠质量不佳等症状。因此拉丹和他的同事从 Fitbit 数据库中调取了 47000 个常年佩戴 Fitbit
手环或者手表的用户数据（去除了身份信息不会导致隐私泄露），这些用户分布在加利福尼亚州、德克萨斯州、纽约州、伊利诺伊州和宾夕法尼亚州各地通过计算这些用户的平均静息心率、睡眠时间和平均值的差值来判断哪些用户可能患有流感，而最终获得的数据确实帮助这五个州改善了他们的流感预测模型研究人员通过新嘚模型能够对流感爆发做出更为精确的预测。
「这很可能覆盖到更多人群并能够监测人口随时间的变化趋势，不仅是流感还有人口健康的其他变化。」福加迪国际中心高级研究科学家塞西尔·维布德（Cecile Viboud）对拉丹和她的团队的研究评价道
但目前通过可穿戴设备来预测流感的做法可能还不尽完善，因为无法保证所有人都佩戴可穿戴设备或者有能力购买一项调查研究显示，在年收入到 75000 美元的家庭中只有 31% 的群体会选择购买和佩戴可穿戴设备而对于那些年收入低于 30000 美元的家庭中，这个数据降低到了 12%
