Studi mengidentifikasi faktor risiko dan kelompok gejala yang terkait dengan long-COVID

Read Also

Studi terbaru yang diposting ke preprint server medRxiv* mengevaluasi faktor risiko yang terkait dengan COVID lama

Penelitian menunjukkan bahwa beberapa pasien dengan penyakit coronavirus 2019 (COVID-19) mengembangkan sindrom pasca-COVID-19 (COVID-19 panjang), keadaan kelelahan kronis yang ditandai dengan kelelahan neuro-imun pasca aktivitas. Kelelahan, sesak napas, kabut otak, nyeri dada, batuk, gejala gastrointestinal, sakit kepala, dan nyeri muskuloskeletal adalah gejala yang biasa dialami.

Awalnya, banyak bukti tentang long COVID muncul dari penelitian yang dipimpin pasien, laporan diri di media sosial, dan blog medis. Di Inggris Raya, Office for National Statistics (ONS) memperkirakan 13,7% orang yang terinfeksi mengalami long COVID. Faktor risiko yang terkait dengan gejala yang bertahan di luar fase akut termasuk jenis kelamin perempuan, usia yang lebih tua, asma, penyakit jantung/paru sebelumnya, dan tingkat keparahan COVID-19.

Aplikasi pelacak gejala COVID-19 ZOE adalah cara yang menjanjikan untuk memeriksa gejala COVID yang panjang. Lebih dari empat juta orang telah mengunduhnya dan didorong untuk melacak gejala harian. Kumpulan data ini berperan penting dalam beberapa studi terkait COVID-19 dalam mengidentifikasi antara lain prediktor rawat inap, kelompok gejala, kemanjuran vaksin, dan efek samping.

Tentang penelitian

Dalam penelitian ini, para peneliti di Brighton and Sussex Medical School dan University of Sussex mengevaluasi faktor risiko yang terkait dengan long COVID dan menentukan apakah data dari aplikasi pelacak gejala ZOE memberikan bukti subtipe long COVID yang berbeda. Pengguna aplikasi pelacak gejala ZOE COVID-19 menerima permintaan harian yang meminta mereka mencatat gejala. Data yang dimasukkan oleh pengguna selama pendaftaran aplikasi dan entri harian digunakan untuk analisis.

Peserta diminta untuk masuk selama minimal 120 hari secara keseluruhan, menguji SARS-CoV-2-positif antara 1 Juli dan 11 Desember 2020, dengan body mass index (BMI) antara 15 dan 55, dan masuk dalam waktu tujuh hari. dari tes positif. Selain itu, populasi sampel diuji bias seleksi terhadap sampel referensi yang mencakup siapa saja yang masuk setidaknya 120 hari dan dinyatakan positif dari 1 Juli 2020 hingga 1 Januari 2021.

Penulis mendefinisikan long COVID sebagai mengalami proporsi status kesehatan negatif yang secara statistik lebih signifikan selama minggu ke 12 hingga 15 pasca-COVID-19 dibandingkan dengan minggu ke 2 hingga 12 sebelum COVID-19. Uji Proporsi Z dua sisi digunakan untuk data kategorikal, dan uji Mann-Whitney U dua sisi digunakan untuk data kontinu untuk analisis faktor risiko univariat. Selain itu, regresi logistik dengan hukuman LASSO digunakan untuk mengevaluasi beberapa prediktor.

Model multivariabel dijalankan dengan dua blok – blok pertama mencakup variabel demografis dan riwayat medis (tanpa data gejala), dan blok kedua berisi skor gejala pada minggu 0 hingga 8 setelah tes positif. Para penulis mengandalkan pengelompokan K-mode, analisis faktor, dan pengelompokan aglomeratif hierarkis untuk perbandingan silang antara metode dan untuk menilai seberapa kuat kemungkinan setiap kelompok gejala untuk tujuan kedua mereka untuk mengeksplorasi bukti subtipe COVID yang panjang.

Temuan

Para peneliti mengidentifikasi 4.040 pengguna aplikasi setelah menerapkan filter kelayakan. Sebagian besar pengguna aplikasi adalah perempuan (59,5%) dan berkulit putih (97,5%). Sebagian besar peserta tinggal di daerah dengan tingkat pendapatan yang lebih tinggi. 13,6% sampel memenuhi kriteria yang ditetapkan untuk long COVID; 15,1% dari kohort COVID lama tidak menunjukkan gejala saat menguji SARS-CoV-2-positif. Peserta dalam kohort COVID panjang awalnya pulih dari gejala dalam waktu tiga hingga empat minggu setelah tes positif.

Analisis univariat mengungkapkan hubungan yang signifikan antara lama COVID dan jenis kelamin perempuan, demam, penyakit paru-paru sebelumnya, asma, asupan vitamin D atau vitamin lain, dan aktivitas terbatas sebelumnya. Ada hubungan yang lemah antara COVID lama dengan usia dan BMI. Gejala selama minggu ke 0 hingga 8 pasca infeksi sangat diprediksi lama COVID. Masalah penciuman dan kelelahan adalah prediktor kuat dari long COVID dari minggu ke 4-6 dan seterusnya.

Para penulis mengamati hubungan positif antara COVID lama dan kondisi medis yang sudah ada sebelumnya untuk semua subjek hingga 70 tahun tetapi hubungan negatif untuk mereka yang berusia di atas 70 tahun. Model multivariabel berjalan dengan demografi dan riwayat medis mempertahankan jenis kelamin, aktivitas terbatas, asupan vitamin D tetapi tidak yang lain, dan status kesehatan dasar. Variabel yang dipertahankan pada model dengan data gejala sama dengan model tanpa data gejala, kecuali penambahan skor gejala maksimal pada dua minggu pertama pasca infeksi.

Kesimpulan

Para penulis mengidentifikasi jenis kelamin perempuan, kondisi medis yang sudah ada sebelumnya, aktivitas fisik terbatas sebelum COVID-19, dan lebih banyak gejala selama COVID-19 sebagai faktor yang terkait dengan peningkatan risiko berkembang menjadi COVID lama setelah 12 minggu COVID-19. Keakuratan prediksi lama COVID adalah 69% pada awal COVID-19, dan 77% setelah delapan minggu gejala, dengan tingkat kesalahan tertinggi pada infeksi tanpa gejala.

Secara keseluruhan, penelitian ini menemukan bahwa jenis kelamin, status kesehatan awal, gejala, dan aktivitas terbatas sebelumnya dapat memprediksi durasi COVID yang lama pada mereka yang memiliki gejala COVID-19 dengan akurasi yang wajar. Khususnya, tingkat keparahan gejala selama delapan minggu pertama sakit merupakan prediktor terkuat dari long COVID. Tidak ada bukti yang menunjukkan lebih dari satu jenis COVID panjang di antara pasien.

*Pemberitahuan Penting

medRxiv menerbitkan laporan ilmiah awal yang tidak ditinjau sejawat dan, oleh karena itu, tidak boleh dianggap sebagai konklusif, memandu praktik klinis/perilaku yang berhubungan dengan kesehatan, atau diperlakukan sebagai informasi yang mapan.

Journal reference:

Ford E, Parfitt H, McCheyne I, Kiss IZ, Sellers R. Risk Factors and Symptom Clusters for Long Covid: Analysis of United Kingdom Symptom Tracker App Data. medRxiv, 2022, DOI: 10.1101/2022.11.14.22282285, https://www.medrxiv.org/content/10.1101/2022.11.14.22282285v1