传统的COVID-19筛查通常包括有关症状和出行历史以及温度测量的调查问题。在这里，我们探讨了随时间推移收集的个人传感器数据是否可以帮助识别表明感染的细微变化，例如在COVID-19患者中。我们开发了一个智能手机应用程序，该应用程序收集了来自美国个人的smartwatch和活动跟踪器数据、以及自我报告的症状和诊断测试结果，并评估了症状和传感器数据是否可以在有症状的个体中区分COVID-19阳性病例与阴性病例。在2020年3月25日至6月7日之间，我们招募了30,529名参与者，其中3,811名有症状。我们发现，结合症状和传感器数据，曲线下面积（AUC）为0.80（四分位间距（IQR）：0.73–0.86），用于区分COVID-19阳性或阴性的症状个体，与单独考虑症状的模型相比，表现明显更好（P <0.01）（AUC = 0.71；IQR:0.63–0.79）。这种连续、被动捕获的数据可能是对病毒检测的补充，病毒检测通常是一次性或不频繁的抽样检测。
