Gli scienziati identificano le caratteristiche per definire meglio il lungo COVID

Comunicato stampa

Lunedì 16 maggio 2022

Utilizzando l’apprendimento automatico, i ricercatori trovano modelli nei dati delle cartelle cliniche elettroniche per identificare meglio coloro che potrebbero avere la condizione.

Un gruppo di ricerca supportato dal National Institutes of Health ha identificato le caratteristiche delle persone con COVID lungo e quelle che potrebbero averlo. Gli scienziati, utilizzando tecniche di apprendimento automatico, hanno analizzato una raccolta senza precedenti di cartelle cliniche elettroniche (EHR) disponibili per la ricerca sul COVID-19 per identificare meglio chi è affetto da COVID da lungo tempo. Esplorando i dati EHR non identificati nel National COVID Cohort Collaborative (N3C), un database pubblico nazionale centralizzato guidato dal National Center for Advancing Translational Sciences (NCATS) del NIH, il team ha utilizzato i dati per trovare più di 100.000 casi di COVID probabilmente lunghi come di ottobre 2021 (a maggio 2022 il conteggio è superiore a 200.000). I risultati compaiono in La Lancet Salute Digitale.

Il lungo COVID è caratterizzato da sintomi ad ampio raggio, tra cui mancanza di respiro, affaticamento, febbre, mal di testa, “nebbia cerebrale” e altri problemi neurologici. Tali sintomi possono durare per molti mesi o più dopo una diagnosi iniziale di COVID-19. Uno dei motivi per cui è difficile identificare il COVID lungo è che molti dei suoi sintomi sono simili a quelli di altre malattie e condizioni. Una migliore caratterizzazione del lungo COVID potrebbe portare a diagnosi migliori e nuovi approcci terapeutici.

“Aveva senso sfruttare i moderni strumenti di analisi dei dati e una risorsa di big data unica come N3C, in cui è possibile rappresentare molte caratteristiche del lungo COVID”, ha affermato la coautrice Emily Pfaff, Ph.D., informatica clinica presso l’Università della Carolina del Nord a Chapel Hill.

L’enclave di dati N3C attualmente include informazioni che rappresentano oltre 13 milioni di persone a livello nazionale, inclusi quasi 5 milioni di casi positivi al COVID-19. La risorsa consente una rapida ricerca sulle questioni emergenti sui vaccini, le terapie, i fattori di rischio e gli esiti per la salute del COVID-19.

La nuova ricerca fa parte di un’iniziativa trans-NIH correlata e più ampia, Researching COVID to Enhance Recovery (RECOVER), che mira a migliorare la comprensione degli effetti a lungo termine di COVID-19, chiamati sequele post-acute di SARS-CoV -2 infezione (PASC). RECOVER identificherà accuratamente le persone con PASC e svilupperà approcci per la sua prevenzione e trattamento. Il programma risponderà anche a domande di ricerca critiche sugli effetti a lungo termine di COVID attraverso studi clinici, studi osservazionali longitudinali e altro ancora.

Nel Lancetta studio, Pfaff, Melissa Haendel, Ph.D., presso l’Anschutz Medical Campus dell’Università del Colorado, e i loro colleghi hanno esaminato i dati demografici dei pazienti, l’uso dell’assistenza sanitaria, le diagnosi e i farmaci nelle cartelle cliniche di 97.995 pazienti adulti COVID-19 nell’N3C. Hanno utilizzato queste informazioni, insieme ai dati su quasi 600 pazienti COVID lunghi provenienti da tre cliniche COVID lunghe, per creare tre modelli di apprendimento automatico per identificare i pazienti COVID lunghi.

Nell’apprendimento automatico, gli scienziati “addestrano” metodi computazionali per setacciare rapidamente grandi quantità di dati per rivelare nuove intuizioni, in questo caso sul lungo COVID. I modelli hanno cercato modelli nei dati che potrebbero aiutare i ricercatori sia a comprendere le caratteristiche del paziente che a identificare meglio le persone con la condizione.

I modelli si sono concentrati sull’identificazione di potenziali pazienti COVID-19 lunghi tra tre gruppi nel database N3C: tutti i pazienti COVID-19, pazienti ricoverati in ospedale con COVID-19 e pazienti che avevano COVID-19 ma non sono stati ricoverati in ospedale. I modelli si sono rivelati accurati, poiché le persone identificate come a rischio di COVID lungo erano simili ai pazienti visti in cliniche COVID lunghe. I sistemi di apprendimento automatico hanno classificato circa 100.000 pazienti nel database N3C i cui profili erano molto simili a quelli con COVID lungo.

“Una volta che sei in grado di determinare chi ha COVID da lungo tempo in un ampio database di persone, puoi iniziare a porre domande su quelle persone”, ha affermato Josh Fessel, MD, Ph.D., consulente clinico senior presso NCATS e un programma scientifico condurre in RECUPERA. “C’era qualcosa di diverso in quelle persone prima che sviluppassero il lungo COVID? Avevano determinati fattori di rischio? C’era qualcosa nel modo in cui sono stati trattati durante il COVID acuto che potrebbe aver aumentato o diminuito il loro rischio di COVID lungo?”

I modelli hanno cercato caratteristiche comuni, inclusi nuovi farmaci, visite mediche e nuovi sintomi, in pazienti con una diagnosi positiva di COVID che erano almeno 90 giorni fuori dalla loro infezione acuta. I modelli hanno identificato i pazienti come affetti da COVID lungo se si recavano in una lunga clinica COVID o mostravano lunghi sintomi COVID e probabilmente avevano la condizione ma non erano stati diagnosticati.

“Vogliamo incorporare i nuovi modelli che stiamo vedendo con il codice di diagnosi per COVID e includerlo nei nostri modelli per cercare di migliorare le loro prestazioni”, ha affermato Haendel dell’Università del Colorado. “I modelli possono imparare da una maggiore varietà di pazienti e diventare più accurati. Speriamo di poter utilizzare il nostro lungo classificatore di pazienti COVID per il reclutamento di studi clinici”.

Questo studio è stato finanziato da NCATS, che ha contribuito alla progettazione, manutenzione e sicurezza dell’Enclave N3C, e dalla NIH RECOVER Initiative, supportata da NIH OT2HL161847. RECOVER sta coordinando, tra gli altri, il protocollo di reclutamento dei partecipanti a cui contribuisce questo lavoro. Le analisi sono state condotte con dati e strumenti accessibili tramite NCATS N3C Data Enclave e supportati da NCATS U24TR002306.

Informazioni sul Centro nazionale per l’avanzamento delle scienze traslazionali (NCATS): NCATS conduce e sostiene la ricerca sulla scienza e il funzionamento della traduzione, il processo mediante il quale vengono sviluppati e implementati gli interventi per migliorare la salute, per consentire a più trattamenti di raggiungere più pazienti più rapidamente. Per ulteriori informazioni su come NCATS aiuta ad abbreviare il viaggio dall’osservazione scientifica all’intervento clinico, visitare https://ncats.nih.gov.

Informazioni sul National Institutes of Health (NIH):NIH, l’agenzia di ricerca medica della nazione, comprende 27 istituti e centri ed è un componente del Dipartimento della salute e dei servizi umani degli Stati Uniti. NIH è la principale agenzia federale che conduce e supporta la ricerca medica di base, clinica e traslazionale e sta studiando le cause, i trattamenti e le cure per le malattie comuni e rare. Per ulteriori informazioni su NIH ei suoi programmi, visitare www.nih.gov.

NIH… Trasformare la scoperta in salute®

###

.

Add Comment