Sådan ser folk med COVID-19 typisk ud

Sygdom og behandling 9. nov 2020 3 min Assistant Lecturer Benjamin Skov Kaas-Hansen Skrevet af Kristian Sjøgren

Forskere fra blandt andet Danmark har lavet en helbredsmæssig karakteristik af 34.128 voksne, der har været indlagt med COVID-19.

Interesseret i Sygdom og behandling? Vi kan holde dig opdateret helt gratis

Personer, som bliver indlagt på hospitalet med COVID-19, har ofte lungesygdomme som lungekræft eller KOL, hjerte-kar-sygdomme eller diabetes. De får også ofte medicin for netop de sygdomme, og så har de også ofte infektioner i kroppen, når de bliver indlagt.

Det viser et nyt forskningsresultat, hvor forskere har lavet en dybdegående karakterisering af 34.128 voksne patienter med COVID-19 fra USA, Spanien og Sydkorea.

Resultatet er som sådan ikke overraskende, men selve det værktøj, som forskerne har brugt for at komme frem til deres resultater, åbner for nogle unikke og interessante muligheder i forhold til at spore, hvordan epidemien udvikler sig.

”I forhold til ikke bare COVID-19, men også mange andre sygdomme, findes der i verden masser af data, som vi sjældent får sammenlignet, fordi de ikke er i samme format og derfor er besværlige at sammenholde og analysere. Men ved at bruge samme standardiserede datamodel kan vi meget lettere sammenligne resultater og eksempelvis studere karakteristika hos patienter med COVID-19,” forklarer den danske bidragyder til det store internationale studie, ph.d.-studerende Benjamin Skov Kaas-Hansen fra Klinisk Farmakologisk Enhed, Sjællands Universitetshospital Roskilde og Novo Nordisk Foundation Center for Protein Research, Københavns Universitet.

Forskningsresultatet er offentliggjort i Nature Communications.

Sammenlignede patientkarakteristika på tværs af landegrænser

I forhold til COVID-19 viser forskningsresultatet, at hovedsageligt mænd er blevet indlagt med COVID-19 i Spanien og USA, mens kvinderne har været hårdest ramt i Sydkorea.

Omkring 40 pct. har haft en hjerte-kar-sygdom, en lignende andel har en diagnose inden for metaboliske sygdomme, mens op til cirka 75 pct. har en lungesygdomsdiagnose.

Forskerne har også sammenlignet patientkarakteristikken med samme karakteristik af patienter, som blev indlagt med influenza i perioden fra 2014 til 2019.

Her så forskerne, at COVID-19-patienterne oftere var mænd, generelt var yngre, havde færre komorbiditeter og brugte mindre medicin end deres influenzaramte modstykker.

Resultatet peger på den måde på, at mens det kan være en god idé at gå til behandling af patienter med COVID-19 på samme måde, som man går til behandling af patienter med influenza, er der alligevel forskelle mellem de to grupper.

Der kan med andre ord være fordele ved at lave et generelt behandlingsforløb, der afspejler de specifikke karakteristika, som er kendetegnende for patienter med COVID-19.

”Men den her type data kan man også gå dybere ned i data og se, om nogle patienter er i højere risiko for at dø eller være langtidsindlagte - selvom dette dog lå uden for dette studies formål. Det kan være, at de har specifikke karakteristika, som det giver mening af have for øje i behandlingen,” siger Benjamin Skov Kaas-Hansen.

Resultatet stammer fra unik databehandlingstilgang

Resultaterne fra studiet er baseret på indhentede data fra marts og april, og der er som sådan ikke noget i dem, som læger ikke er klar over i dag.

Men den metode, som forskerne har bearbejdet data med, er ifølge Benjamin Skov Kaas-Hansen mindst lige så interessant.

Ofte, når forskere indsamler data, eksempelvis sundhedsdata, er dataformatet meget individuelt og derfor svært at sammenligne med andre datasæt.

Derfor har OHDSI-konsortiet (Observational Health Data Sciences and Informatics) skabt et open source-økosystem i stadig udvikling til at håndtere og analysere sundhedsdata i et standardiseret format kaldet OMOP.

Det vil sige, at hvis forskere indhenter eller harmoniserer deres sundhedsdata med OMOP-formatet, har de adgang til en lang række allerede udviklede dataanalytiske værktøjer til at analysere deres data til at be- eller afkræfte deres resultater ved hjælp af data fra andre forskere og institutioner rundt om i verden.

Benjamin Skov Kaas-Hansen forklarer, at systemet bygger på en privacy-by-design-tilgang, hvor sammenligning af resultater ikke kommer i karambolage med beskyttelse af personfølsomme oplysninger osv., fordi forskerne kun udveksler deres analyser og såkaldte aggregerede resultater.

”Hvis man som forsker finder interessante sammenhænge eller signaler i sine data, er det næsten altid relevant at få sine resultater afprøvet i en anden population, og det kan man let gøre inden for OHDSI og OMOP Common Data Model. På den måde har vi i det her tilfælde også været i stand til hurtigt og enkelt at sammenligne patienter med COVID-19 og influenza på tværs af lande og regioner, fordi data allerede fandtes i Common Data Model-formatet, og det kun var nødvendigt at designe og udveksle analyser,” siger Benjamin Skov Kaas-Hansen.

Kan følge udviklingen i patientkarakteristika over tid

Benjamin Skov Kaas-Hansen forklarer, at dataformatet gør det let at udtrække konkrete data, og det rummer i sig selv nogle interessante perspektiver.

Eksempelvis foregik en stor del af arbejdet med at producere resultaterne i det nye studie under et virtuelt symposium på tre dage i april.

Netop den lette adgang til at sammenligne data på tværs af lande eller over tid kan gøre OHDSI-økosystemet til en værdifuld partner fremover til både at følge COVID-19-pandemien og andre kommende sygdomsudbrud.

”Vi kan følge patientgruppens karakteristika over tid. Det kan eksempelvis være, at patienterne i marts og april var karakteriserede ved givne sygdomstræk, eksempelvis diabetes og lungesygdomme, men at fremtidige patienterne vil have andre karakteristika og derfor muligvis skal tilgås anderledes. Med disse værktøjer kan man regelmæssigt kontrollere, om og hvordan karakteristika for patienter med COVID-19 ændres og om nødvendigt justere den generelle tilgang til behandlingen af dem,” siger Benjamin Skov Kaas-Hansen.

Benjamin is a hybrid medical doctor and data scientist with an MSc in epidemiology and biostatistics, currently pursuing a PhD in clinical pharmacolog...

Dansk
© All rights reserved, Sciencenews 2020