Algorithm dependence of patient phenotypes in Long COVID: a patient-led, multi-method clustering of 6031 patients using 162 self-reported symptoms.

01.01.2026 · Oxford open immunology · Zusammenfassung auf Deutsch

Diese Studie untersuchte, ob sich Long-Covid-Patienten anhand ihrer Symptome sinnvoll in verschiedene Untergruppen (Phänotypen) einteilen lassen. Grundlage waren Angaben von über 6000 Erwachsenen mit mindestens 90 Tagen Erkrankung aus einer von Betroffenen initiierten, internationalen Umfrage. Sie berichteten, welche von 162 möglichen Symptomen bei ihnen auftreten, sowie die Schwere von Post-Exertional Malaise (PEM, Zustandsverschlechterung nach Belastung). Die Forscher wendeten drei verschiedene mathematische Verfahren zur Gruppenbildung (Clustering) auf dieselben Daten an. Ergebnis: Jedes Verfahren fand zwar plausible Symptomgruppen, aber die Gruppen stimmten zwischen den Methoden kaum überein. Übereinstimmend zeigte sich lediglich eine Gruppe mit sehr vielen Symptomen und starker PEM, während Gruppen mit weniger Symptomen älter waren und weniger Frauen enthielten. Insgesamt bildeten die Symptome eher ein fließendes Spektrum als klar abgrenzbare Kategorien. Die Autoren schließen, dass Einteilungen in Long-Covid-Subtypen stark von der gewählten Analysemethode abhängen und deshalb vorsichtig interpretiert werden sollten – besonders wenn Studien nur wenige Symptome erfassen. Die Stu

Datenquelle: Diese Zusammenfassung wurde automatisch aus der Originalveröffentlichung erstellt und kann Fehler enthalten. Maßgeblich ist allein die Originalstudie (DOI 10.1093/oxfimm/iqag010).

Originalstudie im Volltext ansehen →

Diese Studie in der interaktiven Übersicht öffnen