这项新的研究是同类探究长新冠的研究中最大的。这些作者使用了一种机器学习算法，在近3.5万名新冠感染检测呈阳性而且后来出现了挥之不去的长新冠症状的美国患者健康记录中发现了症状模式。
这项新的研究由美国国家卫生研究院（NIH）的 “研究新冠以促进康复（Researching COVID to Enhance Recovery, RECOVER）”计划资助，是为期一年的980万美元资助的一部分，重点是电子健康记录队列研究，由威尔康奈尔医学院临床研究高级副院长和人口健康科学系主任Rainu Kaushal博士带头。
Kaushal说，“RECOVER的目的是迅速阐明在长新冠中发生了什么。研究病例如何分类来影响患者的预后和护理。”
(资料图)
在检测到的四种主要症状模式中，一种模式以心脏和肾脏问题为特征，包括在美国COVID-19大流行的头几个月感染的比例相对较高的患者；另一种模式包括呼吸系统问题、焦虑、睡眠障碍和其他症状，包括头痛和胸痛；具有这种模式的患者中近三分之二是女性。
论文通讯作者、威尔康奈尔医学院人口健康科学系副教授Fei Wang博士说，“这些结果应该为正在进行的关于长新冠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多种挥之不去的、往往是非特异性的症状。对于SARS-CoV-2来说，感染后综合征普遍被称为long COVID（长新冠），更正式的说法是“SARS-CoV-2感染的急性后遗症（Post-Acute Sequelae of SARS-Cov-2 Infection, PASC）”。它们似乎非常普遍；据估计，有长新冠的美国人在美国成年人口中的比例高达40%。
Kaushal说，“了解长新冠的流行病学使临床医生能够帮助患者了解他们的症状和预后，并促进对患者的多学科治疗。电子健康记录提供了一个了解这种情况的窗口，使我们能够更好地描述长新冠症状，为其他类型的研究（包括基础发现和临床试验）提供信息。”
这项新研究分析的健康记录来自美国全国基于患者的临床试验研究网络（National Patient-Centered Clinical Research Network, PCORnet）收集的两个大型数据集，PCORnet由来自美国全国各地的八个医疗机构联合体组成。其中的一个数据集来自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、乔治亚和阿拉巴马的患者。总体来说，该分析涵盖了2020年3月至2021年11月，不包括第一波Omicron疫情的34605名不同患者的健康记录。
数据管理和亚表型分析管道。图片来自Nature Medicine, 2022, doi:10.1038/s41591-022-02116-3。
最初分析纽约患者的数据集时，这种机器学习算法检测到了四种主要的症状模式。第一种症状模式，约占34%的患者，以心脏、肾脏和循环相关症状为主。与其他组的患者相比，这一组的患者平均年龄较大（中位年龄为65岁），更有可能是男性（49%），有相对较高的COVID-19住院率（61%），并且有相对较多的预先存在的疾病。在2020年3月至6月的美国第一大波SARS-CoV-2感染者中，这一群体的比例也是最高的（37%）。
第二种症状模式在频率上与第一种相当（33%的患者），主要是呼吸和睡眠问题、焦虑、头痛和胸痛。有这种症状模式的患者大多是女性（63%），中位年龄为51岁，COVID-19住院率低得多（31%）。在2020年11月至2021年11月的后期疫情中，该组中几乎三分之二的患者对SARS-CoV-2检测呈阳性。这组患者的前期症状以呼吸系统问题为中心，如慢性阻塞性肺病和哮喘。
剩下的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），以及消化道和呼吸道症状的组合（10%）。
只有在第一种症状模式中，性别比例大致为1比1；在其他三种症状模式中，女性患者占了相当大的比例（超过60%）。
Wang博士说，“这种长新冠风险的性别差异与之前的研究一致，但迄今为止，很少有研究试图揭示其背后的机制。”
为了验证他们的发现，这些作者将他们的算法应用于涵盖美国南方三州（佛罗里达、乔治亚和阿拉巴马）患者的数据集，发现结果非常相似。该分析还支持了长新冠的总体有效性，因为它显示对于SARS-CoV-2检测呈阴性的患者，在检测后30至180天的相同时间间隔内出现的症状并没有如此明确的模式。
这些作者目前正在沿着几条路线进行后续研究，包括定义长新冠的症状模式，以便可以从电子健康记录中轻松识别不同症状模式的风险因素，以及利用现有治疗方法来帮助长新冠患者。
参考资料：
1. Hao Zhang et al. Data-driven identification of post-acute SARS-CoV-2 infection subphenotypes. Nature Medicine, 2022, doi:10.1038/s41591-022-02116-3.
2. Study identifies four major subtypes of long COVID
https://medicalxpress.com/news/2023-01-major-subtypes-covid.html
来自： 生物谷
