美国科学家首次系统性定义长新冠，这十二种症状是长新冠的全部了吗？

目前部分的媒体对于这个研究的解读有点误区。还是给大家稍微详细的解读下。

先说下太长不看版。

这项研究提供了一个客观、量化和可重复的方法来定义和识别长新冠，这对于统一诊断标准、评估疾病负担和制定治疗方案都有重要意义。以及这项研究揭示了长新冠的异质性和亚型特征，这有助于我们理解长新冠的发生机制和影响因素，以及为不同亚型的患者提供个性化的管理和干预。

比如医生遇到疑似长新冠的患者的时候需要考虑，患者的症状是单一的病理生理过程，还是由先前的SARS-CoV-2感染引发的多种不同病症。此外还要知道这些症状感染本身的直接后遗症，还是由特定器官损伤和功能障碍介导。这些原因都将影响最终的治疗方案。

所以说这项研究是更好的为以后的临床治疗划定的一个基础，虽然目前看直接用到临床上还有距离，但从这里开始，到未来出现新冠后遗症的治疗指南，可以说这项研究是一个基石。

至于某些媒体什么说首次定义了新冠后遗症或者是什么突破性倒是说不上。

JAMA在去年的研究中那篇120万的队列研究在这方面已经做得很多了。有对长新冠感兴趣的可以那篇文章翻出来再读一读。

来聊聊研究本身。

这篇文章主要讲的是，通过对9764名SARS-CoV-2感染者和未感染者的前瞻性队列研究，发展了一个基于自报症状的PASC（SARS-CoV-2感染后续发症）的定义（也就是我们说的Longcovid），并描述了PASC的发生率和不同亚型。

文章里提到的12个症状，并不说新冠后遗症只有12个症状，这是很多媒体错误解读的点。

这里的12个症状，是从44个症状中筛选出来的12种典型，其中包括劳累后不适，疲劳，脑雾（思维不清晰），头晕，胃肠道症状，心悸，性能力改变，嗅觉或味觉丧失或改变，口渴，慢性咳嗽，胸痛和异常运动。

这里边用的是一些数学上的方法，通过使用LASSO算法，从44种症状中筛选出12种与感染状态有显著差异的症状，并根据每种症状的系数给予相应的分数，然后通过交叉验证确定一个最优的分数阈值，将达到或超过阈值的参与者划分为PASC阳性，将未达到阈值的参与者划分为PASC未定性。

然后采用通无监督学习方法，将PASC阳性的参与者根据他们的症状特征分为四个亚群，分别是以体力透支后恶化、胃肠道、心血管和神经系统为主要表现的亚群。

这种实际意义就很大，比如，我通过对患者症状的分析，判断他是那些典型症状，归属于那些亚群，最后就可以采用一些针对于这个亚群的针对性的治疗方案。

这部分可能是比较难理解的。

比如我见过最多的统计新冠后遗症的症状的种类超过了200种。这使得医生在鉴别和治疗的时候往往无从下手，而这项研究从这些海量的症状中进行归纳总结，把他分成了4个亚群，然后12种典型症状，这对于医生在临床诊断中是有很好的参考意义的。

所以这篇文章最大的意义在于，它是第一个基于大规模前瞻性队列数据，提出了一个基于症状的PASC定义，并揭示了PASC的异质性和亚型特征，为进一步探索PASC的发生机制和潜在干预措施提供了一个框架。

当然这个研究也有一些缺憾，比如最典型的，就是缺少了检查对应的生物标志物。

对于新冠后遗症的评估采用的是患者自己上报的症状，要知道临床的医生都大概记得一句话，患者说的症状只能作为参考，真正什么情况得自己亲自来检查。比如患者说胃疼，他可能是真的觉得胃疼，但你要听他的就给开了胃药，可能最后患者死于心梗。

所以如何从生物标志物的角度来定义和检查长新冠，可能是未来非常重要的一个研究方向。

另外就是这些后遗症的影响因素和长新冠之间的联系也是需要更进一步的去研究的，比如研究中提到奥密克戎与非奥密克戎毒株的长新冠的比例差异显著（35%vs17%）。二次奥密克戎感染的长新冠比例上升到了21%，那影响这些的因素有哪些？比如文章提及了疫苗接种的影响同样奥密克戎毒株，长新冠发生的概率在疫苗接种者和非疫苗接种者中的比例是16%vs22%。那除此之外还有那些因素的影响？

另外如果二次奥密克戎可以显著的提高长新冠的几率，按着目前全球范围内新冠病毒的流行趋势，一年可能会爆发2-3次的大范围流行，那每个人多次感染的可能性是非常高的，是否这个长新冠的比例会越来越多？