Nyt studie viser, at det at være kvinde, have et højt BMI, have astma og have depression alt sammen øgede risikoen for at være langtidssygemeldt efter smitte med COVID-19. Forskningen kan pege på risikogrupper, når det kommer til smitte med COVID-19, men metoden kan også benyttes til at identificere særlige risikogrupper ved andre sygdomme, siger forsker.
Hvis man i slutningen af 2020 eller starten af 2021 blev smittet med COVID, var risikoen for efterfølgende at blive langtidssygemeldt 4,5 pct.
Hvis man i tillæg var kvinde med et højt BMI og depression, steg risikoen ved COVID-19 infektion med mere end 10 pct. Det samme gjaldt helt generelt personer over 35 år med højt BMI og depression. Det at være kvinde over 35 år med kronisk astma var også forbundet med høj risiko for efterfølgende at være langtidssygemeldt.
Forskningen kaster nyt lys over, hvordan forskellige grupper i samfundet havde forskellig risiko for at blive langtidssygemeldt ved smitte med COVID-19, men studiet viser også en metode til i fremtiden at kortlægge, hvordan en lang række sygdomme rammer os forskelligt.
»Man skal huske på, at COVID-19 ændrer sig hele tiden, så vi kan ikke sige, at fordi nogle grupper havde mere end 10 pct. risiko for langtidssygemelding ved smitte med COVID-19 i 2020, gælder det også i dag. Disse grupper har formentlig fortsat forhøjet risiko sammenlignet med resten af befolkningen, men den absolutte risiko kan være anderledes. Med studiet viser vi dog også, hvordan vi kan identificere forskellige risikogrupper i samfundet, og det kan være relevant at undersøge tidligt i kommende epidemier eller ved andre store sygdomme som kræft eller sygdomme relateret til graviditet,« fortæller en af forskerne bag studiet, Kim Daniel Jakobsen fra Epidemiologisk Forskning ved Statens Serum Institut.
Forskningen er offentliggjort i Communications Medicine.
Data på næsten 90.000 danskere med i studie
Da pandemien rullede ind over verden, besluttede Statens Serum Institut sig for at indsamle data på personer, der blev smittet med COVID-19.
Det gjorde instituttet med spørgeskemaundersøgelsen EFTER-COVID, der havde til formål at kortlægge helbredet i befolkningen under pandemien med særligt fokus på senfølger efter COVID-19.
Der er samlet udsendt spørgeskemaer til flere end ottehundredetusinde danskere, der havde modtaget et positivt eller sågar et negativt svar på en PCR-test for COVID-19.
Disse spørgeskemaer spurgte blandt andet ind til sygdomsforløb, og om personerne måtte sygemelde sig efter smitten med COVID-19.
Forskerne har også i data adgang til basale informationer som køn, alder, BMI, uddannelsesniveau, depression, angst og andre sygdomme som type 2-diabetes, astma mm.
Med data i hånden kunne forskerne i det nye studie undersøge, hvor stor en del af danskere smittet med COVID-19, som efterfølgende måtte sygemelde sig i mere end en måned, og om nogle grupper var særligt sårbare.
Kim Daniel Jakobsen forklarer, at forskerne i deres studie definerede langtidssygemelding som sygemelding i mere end én mdr. én mdr. efter en positiv PCR-test.
I data har forskerne svar fra 88.818 danskere i alderen 15 til 65 år, hvoraf 37.482 havde fået et positivt svar på en PCR-test, mens resten havde fået et negativt svar og som sådan agerede kontroller i analysen.
»Man må forvente, at der ved smitte var en akut periode, hvor sygemelding skyldtes COVID-19, men at de fleste så også blev raske igen inden for én mdr. Her har vi undersøgt, om særlige grupper af danskere havde højere risiko for i de efterfølgende måneder at sygemelde sig grundet eftervirkninger,« forklarer Kim Daniel Jakobsen.
Disse grupper var i særlig risiko for langvarig sygdom
Resultatet af studiet viser for det første, at blandt personer, der testede negativ på en PCR-test, blev 1,4 pct. sygemeldt i en længerevarende periode.
Det tal var forhøjet til 4,5 pct. blandt personer med en positiv PCR-test, hvilket svarer til en stigning på 3,1 pct.
Ifølge Kim Daniel Jakobsen er dette resultat ikke overraskende, da det flugter med, hvad andre analyser fra Statens Serum Institut har vist.
»Men det er da alligevel et højt tal, hvis tre pct. af alle, der bliver smittet med COVID-19, ikke kan gå på arbejde i flere måneder. Det har en omkostning for samfundet,« siger han.
Den videre analyse viste endda, at nogle grupper af danskere var særligt hårdt ramte, hvis de blev smittet med COVID-19.
Mens nogle grupper havde næsten ingen risiko for at skulle langtidssygemeldes efter smitte med COVID-19, var risikoen over 10 pct. for andre grupper.
Det gjaldt kvinder med højt BMI og depression, danskere over 35 år med højt BMI og depression og kvinder over 35 år med kronisk astma.
Med højt BMI menes der i studiet BMI over 30 for personer over 18 år. For personer under 18 år benyttede forskerne internationale grænseværdier for svær overvægt efter alder og køn.
»Det er et interessant resultat, fordi det peger på nogle grupper, hvor risikoen for at blive langtidssygemeldt er meget høj. Det viser måske også, at vi skal blive bedre til at tage folks forskelligheder i betragtning, når vi undersøger effekten af sygdom,« siger Kim Daniel Jakobsen.
Metode er i sig selv interessant
Ifølge Kim Daniel Jakobsen er metoden, som er benyttet i studiet, også i sig selv interessant.
I studiet har forskerne brugt maskinlæring og kunstig intelligens til at identificere grupper af danskere med særlig risiko for et langt sygdomsforløb.
Denne metode kan også benyttes i fremtiden til at blive klogere på andre sygdomme.
»Det vil være ideelt, hvis vi kan benytte denne metode i fremtidige sygdomsudbrud, så vi hurtigt kan identificere, om nogle grupper af personer har ekstra høj risiko på grund af nogle bagvedliggende karakteristika. Når der udvikles nye metoder til at identificere heterogenitet i befolkningen i forhold til sygdomsrisiko, skal vi også være i stand til at føje dem til vores repertoire. Det vil gøre det muligt i fremtiden at kigge på forskellige sygdomsinterventioner og målrette dem bedre,« siger Kim Daniel Jakobsen.
