Analisis tersebut dibuat berdasarkan data yang dikumpul daripada 1,600 pengguna di United Kingdom (UK) dan Amerika Syarikat (AS), antara Mac dan April, yang disahkan positif jangkitan COVID-19.
Hasil analisis menunjukkan enam kumpulan gejala tertentu dan berdasarkan penyelidik, ia mewakili enam jenis COVID-19 yang berbeza:
1) Selesema tanpa demam: Sakit kepala, hilang deria bau, sakit otot, batuk, sakit tekak, sakit dada, tiada demam
2) Selesema dengan demam: Sakit kepala, hilang deria bau, batuk, sakit tekak, suara serak, demam, hilang selera makan
3) Gangguan gastrousus: Sakit kepala, hilang deria bau, hilang selera makan, cirit-birit, sakit tekak, sakit dada, tiada batuk
4) Tahap satu yang teruk, kelesuan: Sakit kepala, hilang deria bau, batuk, demam, suara serak, sakit dada, kelesuan
5) Tahap dua yang teruk, kekeliruan: Sakit kepala, hilang deria bau, hilang selera makan, batuk, demam, suara serak, sakit tekak, sakit dada, kelesuan, kekeliruan, sakit otot
6) Tahap tiga yang teruk, sakit abdomen dan pernafasan: Sakit kepala, hilang deria bau, hilang selera makan, batuk, demam, suara serak, sakit tekak, sakit dada, keletihan, kekeliruan, sakit otot, sesak nafas, cirit-birit, sakit perut
Menurut laporan Evening Standard, penyelidik menggunakan maklumat tersebut untuk membangunkan sebuah model bagi meramal pesakit yang memerlukan rawatan di hospital dan bantuan pernafasan, berdasarkan gejala awal mereka.
Pasukan penyelidik berkata penemuan tersebut mungkin “mempunyai implikasi penting dalam penjagaan dan pemantauan orang yang terdedah kepada COVID-19 yang teruk” menjelang gelombang kedua jangkitan koronavirus berkenaan.
Berdasarkan data tersebut, pelbagai gejala berkaitan dengan COVID-19 dikenal pasti seperti sakit kepala, sakit otot, kelesuan, cirit-birit, kekeliruan, kehilangan selera makan, dan sesak nafas.
Pembelajaran mesin digunakan untuk melihat sama ada gejala tertentu lebih cenderung untuk muncul bersama dan sama ada ia memberi kesan kepada perkembangan penyakit berkenaan.
Baru-baru ini, penyelidik telah mengenal pasti ruam kulit sebagai satu lagi gejala utama jangkitan COVID-19.
“Namun, ia tidak dikenal sebagai gejala tatkala data dikumpul untuk analisis berkenaan.
“Sehingga kini, kami tidak pasti bagaimana ruam kulit ini dikaitkan pada enam kluster tersebut,” kata penyelidik.
Dalam pada itu, penyelidik berkata mereka menguji teknologi pembelajaran mesin pada data yang lain yang merangkumi 1,000 pengguna di UK, AS, dan Sweden.
“Mereka mencatatkan gejala pada Mei dan keputusan yang serupa diperoleh.
“Mereka yang tergolong dalam kluster satu, dua dan tiga merupakan golongan yang tua dan lebih lemah, berat badan berlebihan dan mempunyai masalah kesihatan seperti penyakit kencing manis atau penyakit paru-paru,” katanya.
Pasukan penyelidik juga membangunkan sebuah model untuk meramal kluster dan risiko dalam memerlukan rawatan di hospital dan bantuan pernafasan berdasarkan umur, jantina, indeks jisim tubuh (BMI) dan keadaan pesakit.
Mereka percaya alat peramal tersebut dapat memberikan amaran awal sekiranya ada pesakit yang memerlukan rawatan rapi, berdasarkan gejala awal mereka.
Kajian tersebut diterbitkan dalam “server” pra-cetak, medRxiv dan belum dikaji oleh rakan sejawat mereka.
