Inquinamento atmosferico e asma bronchiale: monitoraggio dell'esposizione individuale ad inquinanti atmosferici tramite dispositivi indossabili

Background: Asthma is a heterogeneous chronic airway disease characterized by airway inflammation, variable symptoms and a risk of exacerbations. Environmental factors, particularly fine particulate matter (PM₂.₅), contribute to daily fluctuations in symptoms and lung function. Wearable technologies now enable continuous and individualized monitoring of environmental exposure as well as clinical and functional parameters, offering new opportunities for research in asthma. Methods: Adult patients with physician-diagnosed asthma according to GINA guidelines were enrolled and monitored using the AirPredict platform, which integrates portable air-quality sensors (Atmotube), a smartwatch for heart rate and physical activity (Fitbit), and a home spirometer (SmartOne). Participants provided daily PEF and FEV1 measurements and periodic ACT questionnaires. Associations between individual PM₂.₅ exposure and clinical variables were assessed using mixed-effects models: a Location–Scale model for PEF% and FEV1% and an ordinal logistic mixed model for ACT scores. Results: Nineteen patients were included in the analysis. The AirPredict platform demonstrated good technical feasibility and user acceptability. A marked intra- and inter-individual variability in lung function was observed. In the Location–Scale models, acute exposure to PM₂.₅ did not show significant average effects on PEF% or FEV1%, whereas inhaled therapy and BMI emerged as significant covariates. In the ordinal logistic model, no predictor demonstrated a statistically relevant effect on ACT scores. Conclusions: This study confirms the feasibility of combining wearable monitoring and advanced statistical modelling to investigate the interaction between environmental exposure and both functional and clinical asthma outcomes. Although no significant population-level effects of PM₂.₅ were detected on lung function or ACT scores, substantial individual heterogeneity emerged. These findings support the value of platforms such as AirPredict for larger longitudinal studies and for future personalized approaches to asthma management.

Background: L’asma bronchiale è una patologia eterogenea e cronica caratterizzata da infiammazione delle vie aeree, sintomi variabili nel tempo e rischio di riacutizzazioni. Numerosi fattori ambientali contribuiscono alla sua variabilità clinica, tra cui l’esposizione agli inquinanti atmosferici. In particolare, il particolato fine (PM₂.₅) è associato a peggioramento dei sintomi, aumento del rischio di riacutizzazioni e riduzione della funzionalità respiratoria. Le tecnologie indossabili offrono oggi la possibilità di monitorare in modo continuo e personalizzato sia l’esposizione ambientale sia parametri clinici e funzionali, con potenziale applicazione nello studio dell’asma. Metodi: Sono stati arruolati pazienti adulti con diagnosi di asma secondo le linee guida GINA e monitorati tramite la piattaforma AirPredict, che integra sensori ambientali portatili (Atmotube), smartwatch per frequenza cardiaca e attività fisica (Fitbit) e spirometri domiciliari (SmartOne). Ogni partecipante ha fornito misurazioni quotidiane di PEF e FEV1 e questionari periodici ACT. L’associazione tra esposizione individuale a PM₂.₅ e variabili cliniche è stata valutata mediante modelli a effetti misti: un modello Location–Scale per PEF% e FEV1% e un modello logistico ordinato per il punteggio ACT. Risultati: Sono stati inclusi 19 pazienti nell’analisi dati. La piattaforma AirPredict ha mostrato buona fattibilità tecnica e accettabilità d’uso. L’analisi ha evidenziato un’elevata variabilità intra- e inter-individuale della funzione respiratoria. Nei modelli Location–Scale, l’esposizione acuta a PM₂.₅ non ha mostrato effetti medi significativi su PEF% o FEV1%. Sono invece risultate significative le covarianti relative a terapia inalatoria e BMI. Nel modello logistico ordinato, nessun predittore ha mostrato un effetto statisticamente rilevante sui punteggi ACT. Conclusioni: Lo studio dimostra la fattibilità dell’utilizzo combinato di dispositivi portatili e modellizzazione avanzata per lo studio dell’interazione tra esposizione ambientale e andamento funzionale e clinico dell’asma. Sebbene non siano stati osservati effetti medi significativi dell’esposizione a PM₂.₅ su funzione respiratoria e punteggio ACT, i modelli evidenziano una rilevante eterogeneità individuale. Tali risultati supportano il valore di piattaforme come AirPredict per studi longitudinali più ampi e per un futuro approccio personalizzato alla gestione dell’asma.