研究确定了长冠病毒的四种主要亚型

根据威尔康奈尔医学院研究人员领导的一项研究，被称为长COVID的后COVID综合征有四种主要亚型，由不同的症状群定义。

这项研究发表于12月1日自然医学这是同类研究中最大的一次。代表临床医生和信息学家的研究人员使用了一种机器学习算法来发现症状模式健康记录近3.5万名美国患者的SARS-CoV-2感染检测呈阳性，后来出现了持续的长时间covid - 19型症状。

这项研究由美国国立卫生研究院研究COVID以加强恢复(RECOVER)倡议资助，是一项为期一年的980万美元赠款的一部分，重点是电子健康记录队列研究，由首席研究员Rainu Kaushal博士，高级副院长临床研究威尔康奈尔医学院人口健康科学系主任。

该研究的共同高级作者Kaushal说:“RECOVER的目的是迅速阐明长COVID中正在发生的事情。”“观察病例聚集如何深刻影响患者的预后和护理。”

在检测到的四种主要模式中，一种以心脏和肾脏问题为特征，其中在美国大流行的头几个月感染的患者比例相对较高呼吸系统疾病、焦虑、睡眠障碍其他症状包括头痛和胸痛;近三分之二的这种类型的患者是女性。

领导这项研究的人口健康科学副教授王飞博士说:“这些结果应该为正在进行的关于长冠状病毒潜在机制和潜在治疗方法的研究提供信息。”

病毒感染有时会给患者留下各种挥之不去的、通常是非特异性的症状。对于SARS-CoV-2，这些感染后综合征通常被称为“长COVID”，更正式的说法是“急性后SARS-CoV-2感染”(PASC)。它们似乎很常见;据估计，长期感染COVID的美国人数量高达美国成年人的40%。

Kaushal说:“了解长冠状病毒的流行病学，可以让临床医生帮助患者了解他们的症状和预后，并促进对患者的多专科治疗。”Kaushal也是纽约长老会/威尔康奈尔医学中心的Nanette Laitman人口健康科学杰出教授和人口健康科学主任医师。“电子健康记录为了解这种情况提供了一个窗口，使我们能够更好地描述长时间的COVID症状，为其他类型的研究提供信息，包括基础发现和临床试验。”

研究分析的健康记录来自两个大型数据集由全国以患者为中心的临床研究网络(PCORnet)收集，该网络包括来自全国各地的八个医疗保健机构财团。一个数据集来自Kaushal领导的INSIGHT临床研究网络，包括来自纽约患者的数据，而另一个数据集来自OneFlorida+网络，包括来自佛罗里达州、佐治亚州和阿拉巴马州的患者。总的来说，分析涵盖了2020年3月至2021年11月期间34605名不同患者的健康记录，直到但不包括第一波omicron。

机器学习算法最初分析了纽约患者数据集，发现了四种主要症状模式。第一种，约占患者的34%，主要是心脏、肾脏和循环相关症状。与其他组相比，该组患者平均年龄较大(中位年龄65岁)，男性的可能性更大(49%)，COVID住院率相对较高(61%)，既往病史相对较多。在美国2020年3月至6月的第一波SARS-CoV-2疫情中，这一群体的患病比例也最高(37%)。

第二种症状模式在频率上与第一种相似(33%的患者)，主要是呼吸和睡眠问题、焦虑、头痛和胸痛。这种模式的患者大多为女性(63%)，中位年龄为51岁，COVID住院率(31%)要低得多。该组中近三分之二的患者在2020年11月至2021年11月的后续浪潮中检测出SARS-CoV-2阳性。这组患者的既往疾病主要集中在呼吸系统疾病，如慢性阻塞性肺疾病和哮喘。

其他两种症状模式分别以肌肉骨骼和神经系统症状为主，包括关节炎(23%的患者)，以及消化和呼吸症状的组合(10%)。

只有在第一种症状模式中性别比例约1:1;在其他三个实验中，女性患者占绝大多数(超过60%)。

王说:“这种长期covid风险的性别差异与之前的研究是一致的，但到目前为止，很少有研究试图揭示其背后的机制。”

为了验证他们的发现，研究人员将他们的算法应用于涵盖南部三个州患者的数据集，并发现了非常相似的结果。分析还支持长冠状病毒的总体有效性，表明对于SARS-CoV-2检测呈阴性的患者，在检测后相同的30至180天时间间隔内出现的症状没有如此明确的模式。

研究人员目前正在沿着几个方向进行研究，包括定义长冠状病毒症状模式，以便轻松识别它们电子健康记录确定不同症状模式的风险因素，并确定可以重新用于帮助长期COVID患者的现有治疗方法。