Während Querschnittsstudien Risikofaktoren und geschlechtsspezifische Unterschiede identifiziert haben, sind die langfristigen Verläufe nach wie vor unklar. Diese Studie untersucht die Stabilität und das Fortschreiten der PCS-S- und PCS-R-Werte 9, 24 und 36 Monate nach der Erstdiagnose und identifiziert dabei wichtige prädiktive Faktoren, aufgeschlüsselt nach Geschlecht.
Ein Forschungsteam hat unter der Leitung von Prof. Dr. Grit Hein Daten von 1.526 Menschen aus der deutschen NAPKON-Kohorte ausgewertet. Mithilfe von Methoden der Künstlichen Intelligenz (Machine Learning) untersuchten die Forschenden, wie sich die Schwere der Post-COVID-Beschwerden nach 9, 24 und 36 Monaten verändert und welche Faktoren den langfristigen Verlauf vorhersagen können.
Die Ergebnisse zeigen, dass sich die Beschwerden im Durchschnitt zwar leicht bessern, viele Betroffene jedoch auch nach drei Jahren noch unter anhaltenden Symptomen leiden. Besonders eine ausgeprägte Fatigue neun Monate nach der Infektion erwies sich als wichtiger Hinweis darauf, dass die Beschwerden langfristig bestehen bleiben könnten. Auch das Alter spielte eine Rolle. Zudem zeigten sich Unterschiede zwischen Frauen und Männern: Bei Frauen beeinflussten unter anderem die Lebensqualität und depressive Beschwerden den weiteren Verlauf, während bei Männern vor allem kognitive Einschränkungen, also Probleme mit Konzentration und Gedächtnis, eine größere Bedeutung hatten.
Die Autorinnen und Autoren kommen zu dem Schluss, dass sich der Schweregrad von Post-COVID nach den ersten neun Monaten meist nur noch wenig verändert. Deshalb ist eine frühzeitige Erkennung von Risikopatientinnen und -patienten wichtig, um Betroffene gezielt zu unterstützen und individuelle Behandlungs- und Rehabilitationsmaßnahmen anzubieten. Die Studie verdeutlicht außerdem, dass Frauen und Männer teilweise unterschiedliche Risikofaktoren aufweisen und diese Unterschiede in der Versorgung berücksichtigt 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
