编辑推荐：
为探究新冠急性后遗症（PASC）与肌痛性脑脊髓炎 / 慢性疲劳综合征（ME/CFS）的异同，研究人员分析 650 万成年患者电子健康记录数据。结果显示二者存在症状重叠，也有差异。这一研究有助于理解相关疾病，为后续治疗提供方向。
在新冠疫情的影响下，人们对新冠长期症状（Post-Acute Sequelae of SARS-CoV-2 Infection，PASC）的关注度日益提高。PASC，也就是常说的 “长新冠”，指在新冠感染急性期后（即急性感染 4 周或更久之后）出现的持续、复发或新发的症状及其他健康问题 。它涉及多器官系统，症状可延续数月至数年，给患者的生活带来极大困扰。而肌痛性脑脊髓炎 / 慢性疲劳综合征（Myalgic Encephalomyelitis/Chronic Fatigue Syndrome，ME/CFS）同样是一种复杂的慢性疾病，会影响多个身体系统，且常由感染引发。这两种疾病在症状和生物学异常方面存在相似之处，例如都可能出现疲劳、认知障碍等症状，还都涉及氧化还原失衡、全身炎症和线粒体功能障碍等病理机制。但目前对于它们之间的共性和差异，以及潜在的病理生理基础，仍缺乏深入了解，这也给相关疾病的诊断和治疗带来了挑战。
为了深入探究 PASC 和 ME/CFS 之间的关系，美国北卡罗来纳大学教堂山分校（University of North Carolina at Chapel Hill）等机构的研究人员开展了一项重要研究。该研究成果发表在《Communications Medicine》上，为我们理解这两种疾病提供了新的视角和依据。
研究人员为开展此项研究，运用了多种关键技术方法。他们利用美国国家新冠队列协作组（National COVID Cohort Collaborative，N3C）的数据，该数据涵盖了 83 个健康伙伴提供的 2170 万患者的电子健康记录（Electronic Health Record，EHR）。通过对数据进行筛选，最终纳入 39 个站点的数据进行分析。研究人员基于机器学习开发了可计算表型（Computable Phenotypes，CPs）模型，分别用于 PASC 和 ME/CFS 的分析。同时，运用数据驱动的统计方法进行聚类分析，以确定相关疾病的亚表型。
研究结果主要从以下几个方面展开：
- 患者群体特征：在人口统计学和社会决定因素方面，ME/CFS 诊断组女性患者比例相对较高，PASC 和 ME/CFS 诊断组中黑人或非裔美国人比例低于对照组，白人比例更高，ME/CFS 诊断组中非西班牙裔或拉丁裔比例更高。从诊断时间趋势来看，大部分诊断病例集中在 2021 年末至 2023 年初，这与相关诊断代码的引入时间相符。
- CPs 模型评估：ME/CFS 的 CP 模型在区分诊断 ME/CFS 病例与对照组方面表现良好，PASC 的 CP 模型也能有效区分不同诊断组。在患者重叠率方面，CP 组的重叠率（60.1%）远高于诊断组（6.9%），表明 CP 模型识别出的患者电子健康记录特征更为相似。
- 最具预测性的疾病情况：PASC 和 ME/CFS 的 CP 模型都识别出呼吸困难、疲劳和注意力相关问题是重要的预测疾病情况。此外，还有一些疾病情况仅对一种 CP 模型具有强预测性，如 PASC 的 CP 模型中有呼吸系统、心脏和感觉（嗅觉和味觉）相关疾病情况，ME/CFS 的 CP 模型中则包含维生素缺乏、免疫功能障碍、神经精神疾病、疼痛、甲状腺功能减退和睡眠障碍等疾病情况。
- 疾病亚表型分析：聚类分析将常见疾病情况分为心肺、神经和共病三个集群。心肺集群在 PASC 诊断组或 PASC CP 标签患者记录中更为常见，而神经和共病集群在 ME/CFS 诊断组或 ME/CFS CP 标签患者记录中相对更具特异性。
在研究结论与讨论部分，研究表明 PASC 和 ME/CFS 在电子健康记录特征上存在显著重叠，但也有各自的特点。重叠的症状如呼吸困难、疲劳和认知障碍，为两种疾病可能存在共同的病理生理基础提供了线索，这意味着在症状管理方面，或许可以探索共享的治疗方法，为临床治疗提供了新的思路。然而，研究也存在一定的局限性，如电子健康记录数据可能不全面，诊断代码引入较晚，可能导致疾病发病时间判断不准确；数据中可能存在临床医生的确认偏倚以及医疗资源获取差异导致的偏倚等。尽管如此，该研究依然为后续研究奠定了重要基础，未来可进一步拓展研究范围，纳入更多数据，如临床笔记和实验室结果，完善疾病表型；同时，开发和采用针对特定症状（如运动后不适、直立不耐受）的诊断代码，也将有助于更深入地研究这两种疾病，推动相关领域的发展。
