精确的症状表型识别识别了不同COVID-19后续的早期临床和蛋白质学预测因素
Nusrat J Epsi1,2, Josh G Chenoweth2, Paul W Blair2,3
1Infectious Disease Clinical Research Program, Department of Preventive Medicine and Biostatistics, Uniformed Services University of the Health Sciences, Bethesda, MD, USA.
The Journal of infectious diseases
|June 25, 2024
概括
根据症状,临床因素和早期炎症标志物,确定了三种不同的后COVID疾病 (PCC) 表型. 这可能会改善PCC的诊断和治疗.
科学领域:
- 医学研究 医学研究
- 免疫学 免疫学 免疫学
- 公共卫生 公共卫生
背景情况:
- 后COVID病症 (PCC) 由于症状重叠和未知的病理,存在诊断和治疗挑战.
- 识别炎症概况对于改善PCC临床预后和试验终点至关重要.
研究的目的:
- 为了识别后COVID条件 (PCC) 的不同基于症状的表型.
- 探索与这些PCC表型相关的临床风险因素和早期炎症预测因素.
主要方法:
- 对1988名感染SARS-CoV-2的美国军事卫生系统受益人的分析.
- 主要成分分析 (PCA) 和K-means集群被用来识别感染后6个月的症状集群.
- 使用多项回归来将早期炎症标志物与症状集群联系起来.
主要成果:
- 出现了三个症状集群:感觉 (嗅觉/味觉丧失),疲劳/认知困难,心肺 (呼吸/运动不耐受).
- 心肺肺与肥胖和住院有关;感官与急性感染期间的门诊状态有关.
- 早期升高的D-二聚合物,IL-1RA和ICAM-1水平与特定的症状集群有关.
结论:
- 确定了三种不同的PCC表型,相关的临床和炎症标志物.
- 这一框架可能使PCC的更精确的分类,诊断和预后成为可能.
- 进一步验证可能会提高后COVID条件的治疗策略.


