Un estudi  identifica que la seqüència de malalties prèvies pot ajudar a predir el risc de COVID persistent

La COVID persistent és una condició clínica heterogènia que afecta milers de persones i pot manifestar-se de formes molt diverses. Comprendre per què algunes persones la desenvolupen i altres no continua sent un dels principals reptes científics.

Un nou estudi liderat per l'Institut de Recerca Germans Trias i Pujol (IGTP) aporta una nova perspectiva: no només és rellevant quines malalties prèvies presenta una persona, sinó també l'ordre en què han aparegut i com interactuen entre elles. Aquesta aproximació permet identificar perfils de risc de COVID persistent fins ara no detectats.  La recerca s'ha realitzat en el marc de l'estudi COVICAT, coordinat en col·laboració amb l'Institut de Salut Global de Barcelona (ISGlobal), centre impulsat per Fundació "la Caixa".

L'estudi, publicat a BMC Medicine, es basa en dades de més de 10.000 participants de la cohort GCAT (Genomes for Life), que recull informació clínica i genètica de la població catalana des de fa més de 15 anys. A partir d'aquestes dades enllaçades amb el seguiment prospectiu de la COVID de l'estudi COVICAT iniciat el 2020, l'equip investigador ha reconstruït trajectòries de salut -és a dir, la seqüència temporal de diferents malalties cròniques- per analitzar com poden influir en el desenvolupament de la COVID persistent.

La importància de la seqüència de malalties

Fins ara, la majoria d'estudis s'havien centrat en si una persona tenia o no una malaltia prèvia. Aquest treball mostra que la seqüència i la interacció entre aquestes condicions al llarg del temps també poden ser determinants per predir el risc de desenvolupar COVID persistent.

"No n'hi ha prou amb saber quines malalties té una persona. L'ordre en què apareixen pot influir significativament en el risc, especialment en dones", explica Natàlia Blay, primera autora de l'estudi.

Els resultats mostren que tenir en compte la seqüència i la interacció de malalties al llarg del temps permet una predicció més precisa que considerar únicament la presència d'una condició aïllada. Per exemple, persones amb ansietat seguida de depressió presenten un risc diferent que aquelles amb la mateixa combinació de malalties  en ordre invers. En total, es van analitzar 162 trajectòries i 38 es van associar a un risc significativament més alt de COVID persistent. Les trajectòries més freqüents implicaven trastorns de salut mental, malalties neurològiques, respiratòries (com l'asma) i metabòliques o digestives (com la hipertensió, l'obesitat o el reflux).

L'anàlisi també revela que algunes d'aquestes trajectòries de malalties incrementen el risc de COVID persistent independentment de la gravetat de la infecció inicial. Això indica que no tot s'explica pel tipus o intensitat de la COVID aguda. Els investigadors assenyalen que, en el futur, aquesta aproximació podria beneficiar-se de la implantació d'eines basades en intel·ligència artificial per detectar patrons complexos en grans bases de dades longitudinals de salut, i  millorar la capacitat de predir riscos i identificar grups de població vulnerables amb més precisió.

"Aquest treball demostra que la COVID persistent és el resultat d'un recorregut de salut previ, i no d'un únic factor. Però, sobretot, posa de manifest que l'estudi de trajectòries en dades longitudinals com les de GCAT té un valor més enllà de la COVID, ja que ens permet identificar patrons de salut poblacional que poden ajudar a predir altres malalties i orientar una salut pública més preventiva i personalitzada", explica Rafael de Cid, investigador principal de l'estudi i director del GCAT a l'IGTP.

Pel que fa al component genètic, l'estudi revela que no hi ha una correlació genètica global forta amb la COVID persistent, però sí algunes relacions modestes amb factors genètics vinculats a malalties neurològiques i musculoesquelètiques. Aquests resultats suggereixen que podria existir una susceptibilitat compartida en determinats casos. Aquest treball reforça la necessitat d'entendre la salut com un procés dinàmic i acumulatiu. Incorporar la seqüència temporal de malalties i la informació genètica pot millorar la predicció, l'atenció i la prevenció tant de la COVID persistent com d'altres condicions cròniques.

Finançament

L'estudi ha estat possible gràcies a la participació de la cohort GCAT i al suport La Caixa Foundation (SR20-01024), La Marató TV3 (167/C/2021), the Spanish Ministry of Health (PI18/01512), Spanish Ministry of Science and Innovation (TED2021-130626B-I00), Horizon Europe END-VOC (GA:101046314).

Referència

Blay N, Farré X, Garcia-Aymerich J, Castaño-Vinyals G, Kogevinas M, de Cid R. Pre-pandemic disease trajectories and genetic insights into long COVID susceptibility. BMC Medicine  23, 590 (2025). DOI: doi.org/10.1186/s12916-025-04427-x