Насколько распространен длинный COVID? Почему исследования дают разные ответыНасколько распространен длинный COVID? Почему исследования дают разные ответы
Клинический эпидемиолог Зияд Аль-Али имеет доступ к сокровищнице, о которой многие исследователи могут только мечтать: миллионы электронных медицинских карт из Министерства по делам ветеранов США (VA), которое обеспечивает медицинское обслуживание ветеранов вооруженных сил страны.
Имея в руках эти данные, Аль-Али, работающий в системе здравоохранения VA, и его коллеги изучили долгосрочные последствия COVID-19, от сердечно-сосудистых заболеваний до диабета. Они также взяли на себя труд изучить длительный COVID - состояние, при котором люди испытывают симптомы через несколько месяцев после того, как острая инфекция SARS-CoV-2, казалось бы, прошла - и недавно опубликовали результаты, которые удивили некоторых исследователей. Авторы обнаружили, что предыдущая вакцинация снижает риск развития длительного COVID после инфекции только примерно на 15%, что значительно меньше, чем некоторые другие оценки , которые предполагали, что вакцинация снижает риск вдвое.
Это тот самый результат, который привыкли видеть люди, следящие за исследованиями, проводимыми в течение длительного времени в рамках программы COVID, поскольку данные различных исследований дают противоречивые результаты. Различия в том, как именно определяется синдром, какие виды данных используются для его изучения и как эти данные анализируются, привели к тому, что общественность и политики столкнулись с разрозненными ответами на основные вопросы. Насколько часто встречается длительный COVID? И как вакцинация или реинфекция или последний вариант SARS-CoV-2 влияет на риск развития этого заболевания?
Ответы на эти вопросы могут быть использованы для разработки политики в отношении COVID-19, но постоянный поток разнонаправленных исследований также может привести к путанице, - говорит Аль-Али. Такая неопределенность не вызывает большого доверия, добавляет Аль-Али: "Общественность не очень хорошо реагирует на слова "от 15% до 50%". Отчасти проблема заключается в определении длительного COVID, который характеризуется более чем 200 симптомами, тяжесть которых может варьировать от неприятных до изнурительных. Синдром может длиться месяцами или годами и имеет мучительную тенденцию появляться вновь, иногда через несколько месяцев после кажущегося выздоровления. До сих пор нет единого мнения о том, как определять и диагностировать длительный COVID. Попытка ВОЗ прийти к консенсусу, опубликованная в 2021 году, не нашла поддержки у представителей защиты прав пациентов и ученых, и в исследованиях по-прежнему используется целый ряд критериев для определения этого состояния. Оценки его распространенности могут варьировать в пределах 5-50%.
Исследование такого сложного состояния должно быть достаточно большим, чтобы отразить спектр симптомов и возможное влияние таких характеристик, как возраст и тяжесть острой инфекции SARS-CoV-2. Именно здесь такие исследования, как анализ Аль-Али, имеют массу преимуществ: данные крупных сетей здравоохранения могут обеспечить огромные объемы выборки. Исследование Аль-Али по изучению длительного COVID после "прорывной" инфекции - той, которая следует за вакцинацией - включало записи более чем 13 миллионов человек. Хотя 90% этих людей были мужчинами, это все равно оставило 1,3 миллиона женщин в анализе, отмечает Аль-Али, что больше, чем во многих других исследованиях.
Такие большие цифры, а также типы данных, имеющихся в некоторых медицинских картах, позволяют исследователям проводить сложные статистические анализы для тщательного сопоставления демографических характеристик людей, инфицированных коронавирусом, с неинфицированной контрольной группой, говорит Тео Вос, эпидемиолог из Института метрики и оценки здоровья при Университете Вашингтона, который работал с различными источниками данных для изучения длительного COVID.
Но есть и недостатки. "Люди путают размер исследования с его качеством и достоверностью", - говорит Валид Геллад, врач, изучающий политику здравоохранения в Питтсбургском университете в Пенсильвании. В частности, Геллад опасается, что исследования, основанные на электронных медицинских картах, будут искажены поведенческими различиями. Например, по сравнению с теми, кто не обращается за медицинской помощью по поводу острого COVID-19, те, кто обращается, могут с большей вероятностью сообщить о длительных симптомах COVID, говорит он.
Кроме того, медицинские карты и заявления о страховании здоровья могут не отражать демографически разнообразное население, говорит специалист-эпидемиолог Маймуна Маджумдер из Гарвардской медицинской школы. По ее словам, это особенно вероятно в Соединенных Штатах, где охват медицинским страхованием сильно варьирует. "Количество рассматриваемых опорных точек данных часто настолько велико, что мы ошибочно полагаем, что эти данные должны быть репрезентативными", - говорит она. "Но это не обязательно так". Маджумдер также задается вопросом, не может ли изучение такого рода данных привести к тому, что исследователи недоучитывают количество людей с длительным COVID, поскольку многие люди могут не обращаться за медицинской помощью по поводу своего состояния.
Еще одна проблема заключается в том, как симптомы регистрируются в заявлениях и электронных медицинских картах. Врачи часто записывают коды для нескольких симптомов и состояний, но они редко указывают код для каждого симптома, который испытывает пациент, говорит Вос, и выбор кодов для того или иного состояния может отличаться у разных врачей. Это может привести к различиям в том, сообщается ли о COVID и как часто. "В электронных медицинских картах, несомненно, содержится полезная информация", - говорит Геллад, который утверждает, что исследование VA было особенно хорошо спланировано. "Но для ответа на вопрос, насколько распространено то или иное заболевание, они могут оказаться не самыми лучшими".
Другие методы также имеют свои подводные камни. Некоторые исследования полагаются на самоотчеты, как, например, приложение COVID Symptom Study, разработанное Королевским колледжем Лондона и компанией ZOE. Данные, полученные с помощью этого приложения, показали, что вакцинация снижает риск того, что люди будут испытывать длительный COVID через 28 дней или более после острой инфекции, примерно в два раза. Однако исследования, в которых люди добровольно сообщают о своих симптомах, могут быть необъективными, поскольку лица, имеющие симптомы, с большей вероятностью примут в них участие, говорит Геллад. А исследования, которые опираются на приложения для смартфонов, могут не полностью учитывать данные из неблагополучных сообществ.
Одним из особенно полезных источников данных стало Управление национальной статистики Великобритании (ONS), говорит Нисрин Алван, исследователь общественного здравоохранения из Университета Саутгемптона, Великобритания. В мае ONS сообщило, что вариант SARS-CoV-2, которым инфицированы люди, может влиять на риск развития у них длительного COVID. Среди участников, прошедших двойную вакцинацию, те, у кого, как предполагается, COVID-19 был вызван вариантом Омикрон BA.1, имели примерно на 50% меньшую вероятность развития симптомов длительного COVID через четыре-восемь недель после заражения, чем участники, чьи инфекции, вероятно, были вызваны вариантом Дельта. Этот вывод согласуется с результатами статьи от 18 июня , основанной на данных ZOE.
Алван, которая сама болеет длинным COVID и выступает за сбор данных об этом заболевании, высоко оценивает дизайн исследования ONS, который включал в себя набор группы людей с тщательным учетом репрезентативности населения Великобритании, а затем последующее наблюдение за ними с целью выяснения их инфекционного статуса и симптомов. Другие аспекты дизайна исследования, например, использование контрольной группы, могут сильно повлиять на результаты, говорит Алван. Но учет различий в методах и определениях не должен останавливать исследования. "Это не что-то новое", - отмечает она. "Это то, что мы имели до COVID, для других заболеваний".
Для Аль-Али расхождения между результатами исследований не удивительны, но они и не ужасны. По его словам, эпидемиологи часто объединяют данные из нескольких источников данных и методов анализа. Даже если трудно точно определить количественное влияние вакцинации, например, на риск развития длительного COVID, исследователи могут искать тенденции. "Вы ищете общую тенденцию", - говорит Аль-Али. "И она здесь в том, что вакцинация лучше, чем отсутствие вакцинации".
