مطالعه چهار زیرگروه اصلی کووید طولانی را شناسایی می کند

بر اساس مطالعه‌ای که توسط محققان Weill Cornell Medicine انجام شد، سندرم پس از کووید که به عنوان کووید طولانی شناخته می‌شود، دارای چهار زیرگروه اصلی است که توسط خوشه‌های مختلف علائم تعریف می‌شوند.

این مطالعه در 1 دسامبر منتشر شد طب طبیعت، بزرگترین در نوع خود بود که کووید طولانی مدت را بررسی کرد. محققان که نماینده پزشکان و متخصصان انفورماتیک هستند، از یک الگوریتم یادگیری ماشینی برای شناسایی الگوهای علائم در پرونده سلامتی نزدیک به 35000 بیمار آمریکایی استفاده کردند که آزمایش عفونت SARS-CoV-2 مثبت شد و بعداً علائم طولانی مدت از نوع کووید را نشان دادند.

این تحقیق که توسط مؤسسه ملی بهداشت برای تحقیق در مورد کووید برای تقویت بهبودی (RECOVER) تامین می شود، بخشی از کمک مالی یک ساله 9.8 میلیون دلاری با تمرکز بر مطالعات کوهورت پرونده الکترونیک سلامت است که توسط محقق اصلی دکتر راینو کاوشال، معاون ارشد دانشکده مدیریت می شود. تحقیقات بالینی و رئیس بخش علوم بهداشت جمعیت در پزشکی ویل کورنل.

کاوشال، یکی از نویسندگان ارشد این مطالعه، گفت: هدف RECOVER این است که به سرعت آنچه را که در کووید طولانی مدت در حال رخ دادن است، روشن کند. “نگریستن به اینکه چگونه خوشه موارد می تواند عمیقا بر پیش آگهی و مراقبت از بیماران تاثیر بگذارد.”

از چهار الگوی اصلی شناسایی شده، یکی شامل مشکلات قلبی و کلیوی بود و شامل نسبت نسبتاً بالایی از بیماران آلوده در چند ماه اول همه‌گیری در ایالات متحده بود، الگوی دیگر شامل مشکلات تنفسی، اضطراب، اختلالات خواب و سایر علائم از جمله سردرد و درد قفسه سینه؛ نزدیک به دو سوم بیماران مبتلا به این الگو را زنان تشکیل می دادند.

دکتر فی وانگ، دانشیار علوم بهداشت جمعیت که رهبری این مطالعه را بر عهده داشت، گفت: «این نتایج باید به تحقیقات در حال انجام در مورد مکانیسم‌های بالقوه کووید طولانی و درمان‌های بالقوه برای آن کمک کند.»

عفونت های ویروسی گاهی اوقات بیماران را با علائم طولانی مدت و اغلب غیر اختصاصی مواجه می کند. برای SARS-CoV-2، این سندرم‌های پس از عفونت معمولاً به عنوان “کووید طولانی” و به طور رسمی تر به عنوان “عفونت پس از حاد SARS-CoV-2” (PASC) شناخته می‌شوند. به نظر می رسد بسیار رایج هستند. تخمین‌ها از تعداد آمریکایی‌هایی که برای مدت طولانی مبتلا به کووید بوده‌اند به 40 درصد از جمعیت بزرگسال ایالات متحده می‌رسد.

کاوشال که همچنین استاد برجسته علوم بهداشت جمعیت نانت لایتمن و پزشک ارشد علوم بهداشت جمعیت است، گفت: “درک اپیدمیولوژی طولانی مدت کووید به پزشکان اجازه می دهد تا به بیماران در درک علائم و پیش آگهی آنها کمک کنند و درمان چند تخصصی را برای بیماران تسهیل می کند.” در مرکز پزشکی نیویورک-پرسبیتریان/ویل کورنل. سوابق الکترونیکی سلامت دریچه ای را به این وضعیت ارائه می دهد و به ما امکان می دهد علائم طولانی مدت کووید را بهتر مشخص کنیم و انواع دیگر تحقیقات از جمله اکتشافات بنیادی و آزمایشات بالینی را مطلع کنیم.

سوابق بهداشتی تجزیه و تحلیل شده برای این مطالعه از دو مجموعه داده بزرگ جمع آوری شده توسط شبکه ملی تحقیقات بالینی بیمار محور (PCORnet)، که شامل هشت کنسرسیوم از موسسات مراقبت های بهداشتی از سراسر کشور است، جمع آوری شده است. یک مجموعه داده، از شبکه تحقیقات بالینی INSIGHT – که Kaushal رهبری می‌کند – شامل داده‌های بیماران ساکن نیویورک است، در حالی که دیگری از شبکه OneFlorida+ که شامل بیمارانی از فلوریدا، جورجیا و آلاباما است. در مجموع، این تجزیه و تحلیل سوابق سلامت 34605 بیمار مختلف را از مارس 2020 تا نوامبر 2021 پوشش داد – تا اولین موج omicron اما بدون احتساب آن.

در ابتدا با تجزیه و تحلیل مجموعه داده بیماران نیویورک، الگوریتم یادگیری ماشینی چهار الگوی اصلی علائم را شناسایی کرد. اولین مورد، که حدود 34 درصد از بیماران را تشکیل می داد، تحت سلطه علائم مربوط به قلب، کلیه و گردش خون بود. بیماران این گروه، در مقایسه با سایر گروه‌ها، به طور متوسط ​​مسن‌تر بودند (میانگین سنی 65 سال)، احتمال بیشتری داشت که مرد باشند (49%)، میزان نسبتاً بالایی از بستری شدن در بیمارستان کووید داشتند (61%) و نسبتاً بیشتر پیش از ابتلا به کووید داشتند. شرایط موجود این گروه همچنین دارای بالاترین نسبت (37٪) از بیماران مبتلا به SARS-CoV-2 در طول اولین موج بزرگ ایالات متحده از مارس تا ژوئن 2020 بود.

الگوی علامت دوم، قابل مقایسه از نظر فراوانی (33 درصد از بیماران) با اولی، با مشکلات تنفسی و خواب، اضطراب، سردرد و درد قفسه سینه غالب بود. بیماران مبتلا به این الگو اکثراً زن (63%)، با میانگین سنی 51 سال و میزان بسیار کمتر (31%) بستری شدن در بیمارستان کووید بودند. تقریباً دو سوم از بیماران این گروه در امواج بعدی، از نوامبر 2020 تا نوامبر 2021، برای SARS-CoV-2 مثبت شدند. شرایط از قبل موجود در این خوشه بر مشکلات تنفسی مانند اختلال انسداد مزمن ریوی و آسم متمرکز بود.

دو الگوی علائم دیگر به ترتیب تحت سلطه علائم سیستم اسکلتی عضلانی و عصبی از جمله آرتریت (23٪ بیماران) و ترکیبی از علائم گوارشی و تنفسی (10٪) بودند.

فقط در اولین الگوی علائم نسبت جنسی تقریباً 1 به 1 بود. در سه مورد دیگر، بیماران زن اکثریت قابل توجهی (بیش از 60٪) را تشکیل می دادند.

وانگ گفت: “این تفاوت جنسی در خطر طولانی مدت کووید با تحقیقات قبلی مطابقت دارد، اما تاکنون مطالعات بسیار کمی حتی سعی کرده اند مکانیسم های زیربنایی آن را کشف کنند.”

محققان برای تایید یافته‌های خود، الگوریتم خود را روی مجموعه داده‌ای که بیماران سه ایالت جنوبی را پوشش می‌دهد، اعمال کردند و به نتایج بسیار مشابهی دست یافتند. این تجزیه و تحلیل همچنین با نشان دادن این موضوع که برای بیمارانی که آزمایش SARS-CoV-2 منفی داشتند، اعتبار کلی کووید طولانی مدت را تأیید کرد، علائمی که در همان فاصله زمانی 30 تا 180 روزه پس از آزمایش ظاهر شدند، چنین الگوهای واضحی نداشتند.

محققان در حال حاضر تحقیقات را در چندین خط دنبال می کنند، از جمله تعریف الگوهای طولانی علائم COVID به طوری که بتوان آنها را به راحتی از روی پرونده های سلامت الکترونیکی شناسایی کرد، شناسایی عوامل خطر برای الگوهای علائم مختلف، و شناسایی درمان های موجود که می تواند برای کمک به بیماران مبتلا به کووید طولانی مدت تغییر کاربری داده شود.