Contents
独占：調査結果は、医療者に病院のケアと呼吸器サポートのために事前の警告ができる可能性がある
報告された最初の5日間の症状に基づいて、チームは、患者が呼吸器のサポートが必要かどうかの時間を79%の精度で予測することができた。
COVID-19の症状は6つの異なるグループに分類されるようであることが、研究者らの研究で明らかになった。
研究チームによると、この発見は医療提供者に、病院でのケアや呼吸器サポートの需要について数日前から警告を与えることができるという。
また、重症化の危険性がある患者のフラグを立てることも可能であり、酸素計や看護師の訪問などの在宅支援を行うことで、悪化した場合にはすぐに発見し、迅速に病院への出勤を促すことができる。現在、COVID-19を使用して病院に到着するまでの平均時間は13日であるとチームは付け加えた。
「半死状態で病院に来る人々を止め、彼らの生存の可能性を高めるために早期にできることは、不必要に病院のベッドを埋めてしまわないことでもある 」キングス カレッジ ロンドン、仕事の共著者の教授ティム ・ スペクターは言った。
medRxivに掲載されているが、まだ査読を受けていないこの研究は、400万人以上のユーザーを持つ同チームのアプリのデータに基づいている。
研究者たちは、COVID-19の陽性反応が出て、症状が持続していることを報告し、定期的に健康状態や状況についての更新情報を記録している1,653人のユーザーからのデータを引き出した。全体では、これらのユーザーのうち383人が少なくとも1回の病院への通院を行い、107人が余分な酸素または換気を必要とした。
その後、チームは機械学習アルゴリズム（人工知能の一種である）を用いて、14人の監視対象者の中で、いくつかの症状がクラスタリングされているかどうかを調べた。その結果、症状の種類、発生した時期、参加者が病気になってから最初の14日間での期間に基づいて、6つの異なるグループ化が示唆された。
そして、それだけではなかった。キングス・カレッジ・ロンドンの論文の臨床上級著者であるクレア・スティーブス博士は、「これらのクラスターとアウトカムの間には、呼吸器サポートの必要性という点で非常に明確な勾配があることがわかった」と述べ、高齢や特定の既往症などの他の要因がいくつかのグループでより一般的であることを付け加えた。
6 つのグループ化、または「クラスター」は、次のとおりである。
クラスター 1
主に持続的な咳などの上気道症状があり、筋肉痛も存在する。このグループの患者の約1.5%が呼吸器のサポートを必要とし、16%が1回以上の通院を必要としていた。これが最も一般的な症状群で、462人の参加者に影響を与えた。
クラスター2
主に上気道症状がみられたが、食欲不振や発熱の頻度も高かった。このグループの患者のうち4.4%が呼吸器のサポートを必要とし、17.5%が1回以上の通院を必要とした。
クラスター3
下痢などの消化器症状はあるが、その他の症状はほとんどない。このグループの患者の3.7%のみが後に呼吸器サポートを必要としたが、ほぼ24%が少なくとも1回の通院を行った。
クラスター4
重度の疲労、継続的な胸痛、咳の初期徴候。
このグループの患者のうち8.6%が呼吸器サポートを必要とし、23.6%が1回以上通院している。
クラスター5
錯乱、食欲不振および重度の疲労。このグループの患者のうち9.9%が呼吸器のサポートを必要とし、24.6%が1回以上の通院を必要とした。
クラスター6
息切れや胸痛の早期発症、混乱、疲労、胃腸症状を含む著しい呼吸困難。このグループのほぼ20%が呼吸器サポートを必要とし、45.5%が1回以上通院した。しかし、これは167人の参加者に影響を与えた最も一般的な症状群であった。
研究チームは、最初の2つのクラスターはCOVID-19の「より穏やかな」形態であるようだと述べた。
研究者が1,047人の異なるアプリユーザーのデータを用いて作業を繰り返すと、同様のグループ化が見られ、チームは頭痛、嗅覚と味覚の喪失を追加して、すべてのクラスターに現れたが、後者の方が軽度のケースでは長く続いた。
研究者は、症状を追跡することで、COVID-19の患者の軌跡を予測する能力が向上すると述べている。
スペクターは言った。「すべての症状とそれらが発生したときに医療アプリのようなものに記録することで、病院の支援を必要とする人を予測する能力を大幅に向上させることができ、潜在的に命を救うことができる。」
報告された最初の5日間の症状と、年齢、性別、既往症などの患者の特徴に基づいて、チームは、患者が後に呼吸器のサポートが必要になるかどうかを79%の確率で予測することができた。患者の特徴だけでは、この数値は70%弱であり、偶然には50%の数値が得られることになる。
バーミンガム大学のアラステア・デニストン教授は、医療における人工知能の使用の専門家であり、このアプローチは重度の病気のリスクを正確に予測するものではないと警告し、この結果はアプリユーザーのデータに基づいているため、より広い人口全体には当てはまらないかもしれないと述べた。
しかし、彼はこの研究にはメリットがあると付け加えた。「症状データの新たな利用は、患者のリスクを推定する上で重要な追加ツールであり、最もリスクの高い人々が必要とする追加のモニタリングと早期介入を確実に受けることができるようにする上で、どのように役立つかを理解することができるであろう。」
レスター大学の呼吸器研究の英国肺財団教授であり、Phosp-Covidの長期追跡調査のリーダーの一人であるルイーズ・ウェイン氏は、今回の調査結果はまた、デキサメタゾンなどの薬の恩恵を最も受ける可能性のある人についても明らかにするかもしれないと付け加えた。
しかし、彼女はまだ疑問が残っていると言った。「我々はまた、初期の疾患の軌跡がどのように急速に、そして完全に、ウイルス感染の後、人々回復させるのか、そして最大のリスクである長期的な影響があることを識別するために、それらの情報を利用できるかどうかです。」
COVID Symptom Studyでは、COVID-19の6つのタイプを明らかにしている
COVID Symptom Studyのデータは、COVID-19の6つの異なる「タイプ」を明らかにしており、治療やモニタリングに大きな影響を与えています。
covid.joinzoe.com/post/covid-clusters
6つのクラスター
1（発熱のない「インフルエンザ様症状」）：頭痛、嗅覚異常、筋肉痛、咳、咽頭痛、胸痛、発熱なし。
2（発熱を伴う「インフルエンザ様」）：頭痛、においの消失、咳、のどの痛み、嗄声、発熱、食欲不振。
3（胃腸）：頭痛、臭気消失、食欲不振、下痢、咽頭痛、胸痛、咳嗽なし。
4（重度1、倦怠感）：頭痛、臭気消失、咳嗽、発熱、嗄声、胸痛、倦怠感。
5（重度2、錯乱）：頭痛、臭気消失、食欲不振、咳嗽、発熱、嗄声、咽頭痛、胸痛、倦怠感、錯乱、筋肉痛。
6（重度レベル3、腹部・呼吸器）：頭痛、嗅覚異常、食欲不振、咳、発熱、嗄声、喉の痛み、胸の痛み、疲労、錯乱、筋肉痛、息切れ、下痢、腹痛
次に、特定の症状の集団を経験している人は、換気や追加酸素による呼吸支援を必要とする可能性が高いかどうかを調査した。
その結果、呼吸支援を必要としたのは、クラスター1の人の1.5%、クラスター2の人の4.4%、クラスター3のCOVID-19の人の3.3%にすぎなかった。これらの数値は、クラスター4、5、6ではそれぞれ8.6%、9.9%、19.8%であった。さらに、クラスター6では半数近くの患者が病院に入院したのに対し、クラスター1では16%にすぎないであった。
概して、クラスター4、5、6のCOVID-19の症状を持つ人は、1、2、3型の人に比べて、高齢で虚弱で、太りすぎで糖尿病や肺疾患などの持病を持っている可能性が高い傾向にあった。
研究者たちは、年齢、性別、BMI、持病に関する情報を組み合わせたモデルを開発し、病気の発症からわずか5日間で収集した症状と一緒に。
これにより、年齢、性別、BMI、既往症だけに基づいた既存のリスクモデルよりも高い確率で、患者がどのクラスターに分類され、入院や呼吸サポートを必要とするリスクを予測することができた。
呼吸サポートを必要とするほとんどの人が最初の症状が出てから13日後に来院することを考えると、この余分な8日間は、誰がより集中的なケアを必要とする可能性が高いかという重要な「早期警告」を意味している。
「これらの知見は、重度のCOVID-19に最も脆弱な人々のケアとモニタリングに重要な意味を持っている」と、この研究に取り組んでいるチームの一人であるコンサルタント老年医のクレア・スティーブス博士は説明している。」5日目の時点でこれらの人々が誰であるかを予測できれば、血中酸素濃度や血糖値のモニタリング、適切な水分補給の確保などのサポートや早期介入を行う時間を確保することができる – 自宅でできる簡単なケアで、入院を防ぎ、命を救うことができる。
主任研究者のCarole Sudre博士は次のように述べている。
「今回の研究は、個人のリスクや転帰に関する予測をより洗練された正確なものにするために、長期的に症状をモニタリングすることの重要性を示している。このアプローチは、各患者さんが最良の治療を受けられるように、この病気の展開を理解するのに役立っている」と述べている。
この研究では、COVID Symptom Study アプリのようなテクノロジーを利用して健康状態をモニターし、コロナウイルス感染の初期兆候を発見することの重要性が強調されている。