by

Studio identifica quattro sottotipi principali di COVID lungo

La sindrome post-COVID nota come COVID lungo ha quattro sottotipi principali definiti da diversi gruppi di sintomi, secondo uno studio condotto dai ricercatori della Weill Cornell Medicine.

Lo studio, pubblicato il 1 dicembre su Nature Medicine , è stato il più grande del suo genere per esaminare il COVID lungo. I ricercatori, che rappresentano medici e informatici, hanno utilizzato un algoritmo di apprendimento automatico per individuare modelli di sintomi nelle cartelle cliniche di quasi 35.000 pazienti statunitensi che sono risultati positivi all’infezione da SARS-CoV-2 e in seguito hanno sviluppato sintomi persistenti di tipo COVID.

Finanziata dall’iniziativa Researching COVID to Enhance Recovery (RECOVER) del National Institutes of Health, questa ricerca fa parte di una sovvenzione annuale di 9,8 milioni di dollari incentrata su studi di coorte di cartelle cliniche elettroniche , guidata dal ricercatore principale Dr. Rainu Kaushal, decano associato senior per ricerca clinica e presidente del Dipartimento di Scienze della salute della popolazione presso la Weill Cornell Medicine.

“RECOVER mira a chiarire rapidamente cosa sta accadendo nel lungo periodo di COVID”, ha affermato Kaushal, co-autore senior dello studio. “Osservare come i casi si raggruppano possono avere un impatto profondo sulla prognosi e sulla cura dei pazienti”.

Dei quattro modelli principali rilevati, uno presentava problemi cardiaci e renali e includeva una percentuale relativamente elevata di pazienti infetti nei primi mesi della pandemia negli Stati Uniti. Un altro modello includeva problemi respiratori , ansia, disturbi del sonno e altri sintomi tra cui mal di testa e dolore al petto; quasi i due terzi dei pazienti con questo pattern erano donne.

“Questi risultati dovrebbero informare la ricerca in corso sui potenziali meccanismi del COVID lungo e sui potenziali trattamenti per esso”, ha affermato il dott. Fei Wang, professore associato di scienze della salute della popolazione, che ha guidato lo studio.

Le infezioni virali a volte lasciano i pazienti con una varietà di sintomi persistenti, spesso non specifici. Per SARS-CoV-2, queste sindromi post-infezione sono conosciute popolarmente come “COVID lungo” e più formalmente come “infezione post-acuta da SARS-CoV-2” (PASC). Sembrano essere molto comuni; le stime del numero di americani che hanno avuto COVID a lungo arrivano fino al 40% della popolazione adulta degli Stati Uniti.

“Comprendere l’epidemiologia del COVID lungo consente ai medici di aiutare i pazienti a comprendere i loro sintomi e prognosi e facilita il trattamento multispecialistico per i pazienti”, ha affermato Kaushal, che è anche Nanette Laitman Distinguished Professor of Population Health Sciences e medico capo delle scienze della salute della popolazione al NewYork-Presbyterian/Weill Cornell Medical Center. “Le cartelle cliniche elettroniche offrono una finestra su questa condizione, permettendoci di caratterizzare meglio i lunghi sintomi COVID, informando altri tipi di ricerca, comprese scoperte fondamentali e studi clinici”.

Le cartelle cliniche analizzate per lo studio provenivano da due grandi set di dati accumulati dal National Patient-Centered Clinical Research Network (PCORnet), che comprende otto consorzi di istituzioni sanitarie di tutto il paese. Un set di dati, della rete di ricerca clinica INSIGHT, guidata da Kaushal, includeva dati di pazienti con sede a New York, mentre l’altro proveniva dalla rete OneFlorida+, che comprende pazienti provenienti da Florida, Georgia e Alabama. In tutto, l’analisi ha riguardato le cartelle cliniche di 34.605 pazienti diversi da marzo 2020 a novembre 2021, fino alla prima ondata di omicron, ma non inclusa.

Analizzando inizialmente il set di dati del paziente di New York, l’algoritmo di apprendimento automatico ha rilevato quattro principali modelli di sintomi. Il primo, che rappresentava circa il 34% dei pazienti, era dominato da sintomi cardiaci, renali e circolatori. I pazienti di questo gruppo, rispetto a quelli di altri gruppi, erano in media più anziani (età media 65 anni), avevano più probabilità di essere maschi (49%), avevano un tasso relativamente alto di ospedalizzazione per COVID (61%) e avevano un numero relativamente condizioni esistenti. Questo gruppo aveva anche la percentuale più alta (37%) di pazienti ammalati di SARS-CoV-2 durante la prima grande ondata negli Stati Uniti da marzo a giugno 2020.

Il secondo quadro sintomatologico, paragonabile per frequenza (33% dei pazienti) al primo, era dominato da problemi respiratori e del sonno, ansia, mal di testa e dolori al petto. I pazienti con questo modello erano per lo più donne (63%), con un’età media di 51 anni e un tasso molto più basso (31%) di ospedalizzazione per COVID. Quasi due terzi dei pazienti di questo gruppo sono risultati positivi al SARS-CoV-2 durante le ondate successive, da novembre 2020 a novembre 2021. Le condizioni preesistenti in questo gruppo erano incentrate su problemi respiratori come la broncopneumopatia cronica ostruttiva e l’asma.

Gli altri due modelli di sintomi erano dominati, rispettivamente, da sintomi muscoloscheletrici e del sistema nervoso inclusa l’artrite (23% dei pazienti) e da una combinazione di sintomi digestivi e respiratori (10%).

Solo nel primo modello di sintomi il rapporto tra i sessi era all’incirca di 1 a 1; negli altri tre, le pazienti donne costituivano una maggioranza significativa (oltre il 60%).

“Questa differenza di sesso nel rischio di COVID lungo è coerente con la ricerca precedente, ma finora pochissimi studi hanno persino tentato di scoprire i meccanismi alla base”, ha detto Wang.

Per convalidare le loro scoperte, i ricercatori hanno applicato il loro algoritmo al set di dati che copre i pazienti dei tre stati meridionali e hanno trovato risultati molto simili. L’analisi ha anche supportato la validità complessiva del COVID lungo mostrando che, per i pazienti risultati negativi per SARS-CoV-2, i sintomi che compaiono nello stesso intervallo di tempo da 30 a 180 giorni dopo il test non avevano schemi così chiari.

I ricercatori attualmente stanno portando avanti la ricerca su diverse linee, tra cui la definizione di lunghi modelli di sintomi COVID in modo che possano essere identificati facilmente dalle cartelle cliniche elettroniche , l’identificazione di fattori di rischio per diversi modelli di sintomi e l’identificazione di trattamenti esistenti che possono essere riproposto per aiutare i pazienti COVID lunghi.

Maggiori informazioni: 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

by