Characterization of long COVID temporal sub-phenotypes by distributed representation learning from electronic health record data: a cohort study

Dagliati, Arianna; Strasser, Zachary H.; Hossein Abad, Zahra Shakeri; Klann, Jeffrey G.; Wagholikar, Kavishwar B.; Mesa, Rebecca; Visweswaran, Shyam; Morris, Michele; Luo, Yuan; Henderson, Darren W.; Samayamuthu, Malarkodi Jebathilagam; Tan, Bryce W.Q.; Verdy, Guillame; Omenn, Gilbert S.; Xia, Zongqi; Bellazzi, Riccardo; Aaron, James R.; Agapito, Giuseppe; Albayrak, Adem; Albi, Giuseppe; Alessiani, Mario; Alloni, Anna; Amendola, Danilo F.; François Angoulvant,; Anthony, Li L.L.J.; Aronow, Bruce J.; Ashraf, Fatima; Atz, Andrew; Avillach, Paul; Azevedo, Paula S.; Balshi, James; Beaulieu-Jones, Brett K.; Bell, Douglas S.; Bellasi, Antonio; Bellazzi, Riccardo; Benoit, Vincent; Beraghi, Michele; Bernal-Sobrino, José Luis; Bernaux, Mélodie; Bey, Romain; Bhatnagar, Surbhi; Blanco-Martínez, Alvar; Bonzel, Clara-Lea; Booth, John; Bosari, Silvano; Bourgeois, Florence T.; Bradford, Robert L.; Brat, Gabriel A.; Bréant, Stéphane; Brown, Nicholas W.; Bruno, Raffaele; Bryant, William A.; Bucalo, Mauro; Bucholz, Emily; Burgun, Anita; Cai, Tianxi; Cannataro, Mario; Carmona, Aldo; Caucheteux, Charlotte; Champ, Julien; Chen, Jin; Chen, Krista Y.; Chiovato, Luca; Chiudinelli, Lorenzo; Cho, Kelly; Cimino, James J.; Colicchio, Tiago K.; Cormont, Sylvie; Cossin, Sébastien; Craig, Jean B.; Cruz-Bermúdez, Juan Luis; Cruz-Rojo, Jaime; Dagliati, Arianna; Daniar, Mohamad; Daniel, Christel; Das, Priyam; Devkota, Batsal; Dionne, Audrey; Duan, Rui; Dubiel, Julien; DuVall, Scott L.; Esteve, Loic; Estiri, Hossein; Fan, Shirley; Follett, Robert W.; Ganslandt, Thomas; Barrio, Noelia García-; Garmire, Lana X.; Gehlenborg, Nils; Getzen, Emily J.; Geva, Alon; Gradinger, Tobias; Gramfort, Alexandre; Griffier, Romain; Griffon, Nicolas; Grisel, Olivier; Gutiérrez-Sacristán, Alba; Han, Larry; Hanauer, David A.; Haverkamp, Christian; Hazard, Derek Y.; He, Bing; Henderson, Darren W.; Hilka, Martin; Ho, Yuk-Lam; Holmes, John H.; Hong, Chuan; Huling, Kenneth M.; Hutch, Meghan R.; Issitt, Richard W.; Jannot, Anne Sophie; Jouhet, Vianney; Kavuluru, Ramakanth; Keller, Mark S.; Kennedy, Chris J.; Key, Daniel A.; Kirchoff, Katie; Klann, Jeffrey G.; Kohane, Isaac S.; Krantz, Ian D.; Kraska, Detlef; Krishnamurthy, Ashok K.; L'Yi, Sehi; Le, Trang T.; Leblanc, Judith; Lemaitre, Guillaume; Lenert, Leslie; Leprovost, Damien; Liu, Molei; Will Loh, Ne Hooi; Long, Qi; Lozano-Zahonero, Sara; Luo, Yuan; Lynch, Kristine E.; Mahmood, Sadiqa; Maidlow, Sarah E.; Makoudjou, Adeline; Malovini, Alberto; Mandl, Kenneth D.; Mao, Chengsheng; Maram, Anupama; Martel, Patricia; Martins, Marcelo R.; Marwaha, Jayson S.; Masino, Aaron J.; Mazzitelli, Maria; Mensch, Arthur; Milano, Marianna; Minicucci, Marcos F.; Moal, Bertrand; Ahooyi, Taha Mohseni; Moore, Jason H.; Moraleda, Cinta; Morris, Jeffrey S.; Morris, Michele; Moshal, Karyn L.; Mousavi, Sajad; Mowery, Danielle L.; Murad, Douglas A.; Murphy, Shawn N.; Naughton, Thomas P.; Breda Neto, Carlos Tadeu; Neuraz, Antoine; Newburger, Jane; Ngiam, Kee Yuan; Njoroge, Wanjiku F.M.; Norman, James B.; Obeid, Jihad; Okoshi, Marina P.; Olson, Karen L.; Omenn, Gilbert S.; Orlova, Nina; Ostasiewski, Brian D.; Palmer, Nathan P.; Paris, Nicolas; Patel, Lav P.; Pedrera-Jiménez, Miguel; Pfaff, Emily R.; Pfaff, Ashley C.; Pillion, Danielle; Pizzimenti, Sara; Prokosch, Hans U.; Prudente, Robson A.; Prunotto, Andrea; Quirós-González, Víctor; Ramoni, Rachel B.; Raskin, Maryna; Rieg, Siegbert; Roig-Domínguez, Gustavo; Rojo, Pablo; Rubio-Mayo, Paula; Sacchi, Paolo; Sáez, Carlos; Salamanca, Elisa; Samayamuthu, Malarkodi Jebathilagam; Sanchez-Pinto, L. Nelson; Sandrin, Arnaud; Santhanam, Nandhini; Santos, Janaina C.C.; Sanz Vidorreta, Fernando J.; Savino, Maria; Schriver, Emily R.; Schubert, Petra; Schuettler, Juergen; Scudeller, Luigia; Sebire, Neil J.; Serrano-Balazote, Pablo; Serre, Patricia; Serret-Larmande, Arnaud; Shah, Mohsin; Hossein Abad, Zahra Shakeri; Silvio, Domenick; Sliz, Piotr; Son, Jiyeon; Sonday, Charles; South, Andrew M.; Spiridou, Anastasia; Strasser, Zachary H.; Tan, Amelia L.M.; Tan, Bryce W.Q.; Tan, Byorn W.L.; Tanni, Suzana E.; Taylor, Deanne M.; Terriza-Torres, Ana I.; Tibollo, Valentina; Tippmann, Patric; Toh, Emma M.S.; Torti, Carlo; Trecarichi, Enrico M.; Tseng, Yi-Ju; Vallejos, Andrew K.; Varoquaux, Gael; Vella, Margaret E.; Verdy, Guillaume; Vie, Jill-Jênn; Visweswaran, Shyam; Vitacca, Michele; Wagholikar, Kavishwar B.; Waitman, Lemuel R.; Wang, Xuan; Wassermann, Demian; Weber, Griffin M.; Wolkewitz, Martin; Wong, Scott; Xia, Zongqi; Xiong, Xin; Ye, Ye; Yehya, Nadir; Yuan, William; Zambelli, Alberto; Zhang, Harrison G.; Zo¨ller, Daniela; Zuccaro, Valentina; Zucco, Chiara; Murphy, Shawn N.; Holmes, John H.; Estiri, Hossein

doi:10.1016/j.eclinm.2023.102210

Cited by 10 publications

(1 citation statement)

References 29 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In Scotland, Jeffrey et al (2024) analyzed EHR data from 4.6 million participants, estimating a 1.7% long COVID prevalence using various measures including clinical codes, free text, sick notes, and an operational definition with the latter identifying the most cases [47]. Additionally, international EHR-based studies from Germany [48], France, Italy, and Singapore by [49,50] reported diverse long COVID symptoms, consistent with our findings. However, US and international studies have been unable to define long COVID by obtaining globally aggregated data due to challenges in privacy regulations, standardization, quality, and interoperability that complicates data integration.…”

Section: Discussionsupporting

confidence: 88%

Identifying Long COVID Definitions, Predictors, and Risk Factors in the United States: A Scoping Review of Data Sources Utilizing Electronic Health Records

Luke,

Shaw,

Saarunya

et al. 2024

Informatics

View full text Add to dashboard Cite

This scoping review explores the potential of electronic health records (EHR)-based studies to characterize long COVID. We screened all peer-reviewed publications in the English language from PubMed/MEDLINE, Scopus, and Web of Science databases until 14 September 2023, to identify the studies that defined or characterized long COVID based on data sources that utilized EHR in the United States, regardless of study design. We identified only 17 articles meeting the inclusion criteria. Respiratory conditions were consistently significant in all studies, followed by poor well-being features (n = 14, 82%) and cardiovascular conditions (n = 12, 71%). Some articles (n = 7, 41%) used a long COVID-specific marker to define the study population, relying mainly on ICD-10 codes and clinical visits for post-COVID-19 conditions. Among studies exploring plausible long COVID (n = 10, 59%), the most common methods were RT-PCR and antigen tests. The time delay for EHR data extraction post-test varied, ranging from four weeks to more than three months; however, most studies considering plausible long COVID used a waiting period of 28 to 31 days. Our findings suggest a limited utilization of EHR-derived data sources in defining long COVID, with only 59% of these studies incorporating a validation step.

show abstract

Section: Discussionsupporting

confidence: 88%

Identifying Long COVID Definitions, Predictors, and Risk Factors in the United States: A Scoping Review of Data Sources Utilizing Electronic Health Records

Luke,

Shaw,

Saarunya

et al. 2024

Informatics

View full text Add to dashboard Cite

show abstract

Post-COVID-19-Zustand – klinische Phänotypisierung in der Praxis

Humkamp,

Costa,

Reetz

et al. 2024

Nervenarzt

View full text Add to dashboard Cite

Zusammenfassung Hintergrund Die hohe Anzahl und klinische Heterogenität der neurologischen Beeinträchtigungen bei Patientinnen mit einem Post-COVID-19-Zustand (PCC) stellt eine Herausforderung für die ambulante Versorgung dar. Ziel der Arbeit Unser Ziel war die Evaluation der Anwendbarkeit der vorgeschlagenen Subtypen gemäß der kürzlich aktualisierten Leitlinie „Long/Post-COVID“ (Stand 30.05.2024) und deren tiefere Phänotypisierung mittels klinisch und neuropsychologisch erhobener Befunde aus unserer neurologischen Post-COVID-Ambulanz. Methoden Die Auswertung basierte auf querschnittlich erhobenen neurologischen und testpsychologischen Untersuchungen der Patientinnen, die mithilfe standardisierter Fragebögen und Testbatterien durchgeführt wurden. Außerdem fand eine eingehende Anamnese der aktuellen Symptomatik sowie die systematische retrospektive Erfragung der Akutsymptomatik bis 4 Wochen nach bestätigter Infektion statt. Die Einteilung der Subtypen erfolgte gemäß o. g. Leitlinie anhand der Anamnese, Vorbefunden sowie ausgewählter Patientenfragebögen. Zusätzlich wurde ein 5. Subtyp aus der vorangegangenen Leitlinie „Long/Post-COVID“ (Stand 05.03.2023) ergänzt. Ergebnisse Insgesamt wurden 157 Patientinnen zwischen August 2020 und März 2022 eingeschlossen. Die Vorstellung erfolgte im Median 9,4 Monate (IQR = 5,3) nach der Infektion, wobei das mediane Alter 49,9 Jahre (IQR = 17,2) betrug und 68 % weiblich waren, bei einer Hospitalisierungsrate von insgesamt 26 %. Subtyp 1 (Post-intensive-care-Syndrom) wies die höchste Männerquote und den höchsten Body-Mass-Index (BMI) sowie den größten Anstieg subjektiver Wortfindungsstörungen (70 %) auf. In Subtyp 2 (Folgekrankheiten) dominierten kognitive Beeinträchtigungen und die höchsten Depressionswerte. Subtyp 3 (Fatigue und Belastungsintoleranz) war am häufigsten (44 %), hatte den größten Frauenanteil, die meisten Symptome und die stärkste subjektive Fatigue. Subtyp 4 (Exazerbation einer Grunderkrankung) wies vor allem affektive Symptome auf. Subtyp 5 (Beschwerden ohne Alltagsrelevanz) hatte die niedrigsten Werte für Depression, Fatigue und BMI. Neurologische und psychische Erkrankungen waren überall häufig vorbestehend. Diskussion Das Management eines PCC kann durch eine standardisierte Subtypeneinteilung, die individuelle und frühzeitige Behandlungskonzepte ermöglicht, verbessert werden. Risikopatientinnen sollten identifiziert und über Risikofaktoren sowie Präventionsstrategien aufgeklärt werden. Körperliche Aktivität und Reduzierung kardiovaskulärer Risikofaktoren sind essenziell. Bei kognitiven Defiziten und gleichzeitiger affektiver Symptomatik sollte zeitnah eine psychotherapeutische Anbindung und medikamentöse Behandlung mit selektiven Serotonin-Wiederaufnahme-Hemmern (SSRI) erfolgen.

show abstract