编辑推荐：
为探究孕期感染 SARS-CoV-2 对长新冠（Long COVID）的影响，研究人员分析美国两个数据库数据。结果显示，孕期感染 SARS-CoV-2 的女性长新冠风险低于非孕期女性，但黑人、高龄产妇等群体风险较高。该研究为相关防控与干预提供依据。
新冠疫情给全球公共卫生带来了巨大挑战，长新冠（Long COVID）作为新冠感染后的一种潜在长期健康问题，逐渐受到广泛关注。许多感染
SARS-CoV-2 的人在康复数月甚至数年后，仍会出现新的、持续的或加重的症状，这便是长新冠，也被称为新冠感染后急性后遗症（PASC）。然而，现有的关于长新冠的认知大多基于非孕期成年人群体，对于孕期感染 SARS-CoV-2 后长新冠的情况知之甚少。
孕期感染 SARS-CoV-2 不仅给产妇自身健康带来威胁，增加死亡率和产科并发症风险，还可能影响后代的短期和长期生活质量。同时，孕期免疫系统为适应胎儿发育会发生变化，与非孕期个体相比，免疫反应和蛋白质组改变呈现出独特特征，这使得孕期感染 SARS-CoV-2 的情况更为复杂。在此背景下，为了深入了解孕期感染 SARS-CoV-2 后长新冠的风险，来自美国多个机构的研究人员展开了一项大规模回顾性队列研究，相关成果发表在《Nature Communications》杂志上。
研究人员利用美国国家患者中心临床研究网络（PCORnet）和国家新冠队列协作组（N3C）的电子健康记录（EHR）数据进行分析。从 PCORnet 和 N3C 中分别确定了 29975 名和 42176 名在 2020 年 3 月至 2023 年 6 月期间孕期感染 SARS-CoV-2 的 18 - 50 岁女性，并为每位孕期感染的女性匹配了 3 名非孕期感染的女性作为对照，以比较长新冠风险。
研究结果如下：
长新冠风险评估 ：在 PCORnet 队列中，孕期感染组 180 天随访时，长新冠估计风险为每 100 人中有 16.47 例（95% 置信区间，16.00 - 16.95），非孕期感染组为每 100 人中有 18.88 例（95% 置信区间，18.59 - 19.17）；在 N3C 队列中，孕期感染组长新冠估计风险为每 100 人中有 4.37 例（95% 置信区间，4.18 - 4.57），非孕期感染组为每 100 人中有 6.21 例（95% 置信区间，6.07 - 6.35）。综合来看，孕期感染 SARS-CoV-2 的女性长新冠风险低于非孕期感染女性。不同系统长新冠风险差异 ：在 PCORnet 队列中，孕期感染组在急性神经系统疾病（睡眠障碍、认知问题、脑病）、急性肺部疾病（肺纤维化、急性咽炎、呼吸急促）、急性循环系统疾病（胸痛）等方面长新冠风险较低，但在急性代谢疾病（水肿、糖尿病、营养不良）、急性肌肉骨骼疾病（关节疼痛）、肺纤维化和发热等方面，两组差异不显著。亚组分析结果 ：在孕期感染女性群体中，自我报告为黑人、高龄产妇（≥35 岁）、孕早期和孕中期感染、感染 Delta 和 Omicron 变异株、肥胖以及有基础疾病的人群，长新冠风险较高。但无论接种疫苗情况如何，孕期感染组在不同亚组中长新冠风险相对非孕期感染组仍较低。不过，孕早期或孕中期感染的部分患者长新冠风险无显著差异或略高。敏感性分析结果 ：通过对未明确的 PASC（使用 ICD - 10 诊断代码 U09.9 或 B94.8）和急性后认知、疲劳及呼吸系统疾病诊断聚类进行交叉检查，发现孕期感染组长新冠风险始终低于非孕期感染组，且在不同队列和不同长新冠定义下结果一致。
研究结论和讨论部分指出，该研究大规模分析了孕期感染 SARS-CoV-2 后长新冠的风险，发现孕期感染女性长新冠风险相对较低，但不同亚组存在差异。这可能与孕期生理免疫耐受有关，孕期调节性 T 细胞、细胞因子和其他免疫细胞的差异可能影响长新冠的发生。然而，自我报告为黑人的女性长新冠风险较高，这凸显了种族和民族差异在长新冠发展中的影响，可能涉及医疗资源获取不平等、社会经济因素和结构性种族主义等问题。
该研究具有重要意义，一方面，为临床医生对孕期感染 SARS-CoV-2 患者的长期健康管理提供了数据支持，有助于更准确地评估患者长新冠风险，制定个性化的防控和干预措施；另一方面，为后续深入研究孕期长新冠的病理生理机制和免疫反应奠定了基础，有助于推动相关领域的进一步探索。同时，研究也存在一定局限性，如回顾性研究可能存在混杂因素、数据系统差异导致部分分析受限、疫苗接种状态与长新冠关系需进一步研究等。未来研究可针对这些不足，开展前瞻性研究，加强多中心协作，以更深入地了解孕期长新冠的相关问题。
研究人员开展研究时用到的主要关键技术方法包括：利用 PCORnet 和 N3C 的电子健康记录数据确定研究队列，通过匹配非孕期感染女性构建对照队列；在 PCORnet 中使用基于规则的长新冠计算表型（CP）方法，在 N3C 中运用机器学习（ML）的长新冠 CP 方法评估长新冠结局；采用逆概率治疗加权（IPTW）调整混杂因素，通过亚组分析探究不同因素对长新冠风险的影响 。
打赏
下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究
10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！
欢迎下载Twist《不断变化的CRISPR筛选格局》电子书
单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析
下载《细胞内蛋白质互作分析方法电子书》
