Dabei wurde besonders berücksichtigt, dass sich Post-COVID in unterschiedliche Verlaufsformen unterteilen lässt – unter anderem in eine Form, die stärker mit der Schwere der akuten Infektion zusammenhängt (PCS-S), und eine Form, die eher durch individuelle Resilienz und Reaktion auf die Erkrankung geprägt ist (PCS-R).
Grundlage der Analyse waren Daten von über 1.500 Betroffenen aus dem deutschen NAPKON-Kohortennetzwerk. Mithilfe statistischer Modelle und maschineller Lernverfahren wurden die Symptome über die Zeit hinweg ausgewertet und versucht vorherzusagen, wie sich die Beschwerden langfristig entwickeln.
Die Ergebnisse zeigen, dass sich die Symptomschwere zwar über 9 bis 36 Monate hinweg leicht verbessert, insgesamt aber relativ stabil bleibt. Das bedeutet: Viele Betroffene erleben zwar eine gewisse Besserung, die Beschwerden gehen jedoch oft nicht vollständig zurück.
Besonders wichtig ist, dass sich frühe Faktoren bereits nach neun Monaten als gute Prädiktoren für den weiteren Verlauf erwiesen haben. So waren anhaltende Erschöpfung (Fatigue) ein zentraler Risikofaktor für beide Verlaufsformen. Zusätzlich spielten Alter, psychische Gesundheit (z. B. Depression), Lebensqualität sowie Schlafstörungen eine Rolle. Interessanterweise zeigten sich geschlechtsspezifische Unterschiede: Bei Frauen waren insbesondere Lebenssituation und psychische Belastung relevant, während bei Männern eher kognitive Einschränkungen mit dem Verlauf zusammenhingen.
Insgesamt deutet die Studie darauf hin, dass sich der Verlauf von Post-COVID bereits früh recht gut einschätzen lässt und dass unterschiedliche Patientengruppen unterschiedliche Risikoprofile aufweisen. Daraus ergibt sich die Konsequenz, dass langfristige Behandlungs- und Rehabilitationsstrategien stärker individualisiert werden sollten.
Publikation: Gutzeit, J., Weiß, M., Kuhn, T., Klinger-König, J., Streit, F., Jockwitz, C., Brandes, B., Wright, M. N., Friedrich, C. M., Woeckel, M., Mikolajczyk, R., Keil, T., Castell, S., Betker, P., Schlett, C. L., Bärnighausen, T. W., Bamberg, F., Günther, M., Hirsch, J., …, Erhardt-Lehmann, A., Hein, G. (2026). Long-term trends in Post-COVID severity: a machine learning analysis from the POP/COVIDOM cohort of the German NAPKON Cohort Network. eClinicalMedicine, 93, 103822. https://doi.org/10.1016/j.eclinm.2026.103822
