Un estudio identifica que la secuencia de enfermedades previas puede ayudar a predecir el riesgo de COVID persistente
La COVID persistente es una condición clínica heterogénea que afecta a miles de personas y puede manifestarse de formas muy diversas. Comprender por qué algunas personas la desarrollan y otras no sigue siendo uno de los principales retos científicos.
Un nuevo estudio liderado por el Instituto de Investigación Germans Trias i Pujol (IGTP) aporta una nueva perspectiva: no solo es relevante qué enfermedades previas presenta una persona, sino también el orden en que han aparecido y cómo interactúan entre ellas. Este enfoque permite identificar perfiles de riesgo de COVID persistente hasta ahora no detectados. La investigación se ha realizado en el marco del estudio COVICAT, coordinado en colaboración con el Instituto de Salud Global de Barcelona (ISGlobal), centro impulsado por la Fundación "la Caixa".
El estudio, publicado en BMC Medicine, se basa en datos de más de 10.000 participantes de la cohorte GCAT (Genomes for Life), que recopila información clínica y genética de la población catalana desde hace más de 15 años. A partir de estos datos, vinculados con el seguimiento prospectivo de la COVID del estudio COVICAT iniciado en 2020, el equipo investigador ha reconstruido trayectorias de salud -es decir, la secuencia temporal de distintas enfermedades crónicas- para analizar cómo pueden influir en el desarrollo de la COVID persistente.
La importancia de la secuencia de enfermedades
Hasta ahora, la mayoría de estudios se habían centrado en si una persona tenía o no una enfermedad previa. Este trabajo muestra que la secuencia y la interacción entre estas condiciones a lo largo del tiempo también pueden ser determinantes para predecir el riesgo de desarrollar COVID persistente.
"No basta con saber qué enfermedades tiene una persona. El orden en que aparecen puede influir significativamente en el riesgo, especialmente en las mujeres", explica Natàlia Blay, primera autora del estudio.
Los resultados muestran que tener en cuenta la secuencia y la interacción de las enfermedades a lo largo del tiempo permite una predicción más precisa que considerar únicamente la presencia de una condición aislada. Por ejemplo, las personas con ansiedad seguida de depresión presentan un riesgo diferente que aquellas con la misma combinación de enfermedades en orden inverso. En total, se analizaron 162 trayectorias y 38 se asociaron con un riesgo significativamente mayor de COVID persistente. Las trayectorias más frecuentes implicaban trastornos de salud mental, enfermedades neurológicas, respiratorias (como el asma) y metabólicas o digestivas (como la hipertensión, la obesidad o el reflujo).
El análisis también revela que algunas de estas trayectorias de enfermedades incrementan el riesgo de COVID persistente independientemente de la gravedad de la infección inicial. Esto indica que no todo se explica por el tipo o la intensidad de la COVID aguda. Los investigadores señalan que, en el futuro, este enfoque podría beneficiarse de la implantación de herramientas basadas en inteligencia artificial para detectar patrones complejos en grandes bases de datos longitudinales de salud y mejorar la capacidad de predecir riesgos e identificar grupos de población vulnerables con mayor precisión.
"Este trabajo demuestra que la COVID persistente es el resultado de una trayectoria de salud previa, y no de un único factor. Pero, sobre todo, pone de manifiesto que el estudio de trayectorias en datos longitudinales como los del GCAT tiene un valor más allá de la COVID, ya que permite identificar patrones de salud poblacional que pueden ayudar a predecir otras enfermedades y orientar una salud pública más preventiva y personalizada", explica Rafael de Cid, investigador principal del estudio y director del GCAT en el IGTP.
En cuanto al componente genético, el estudio revela que no existe una correlación genética global fuerte con la COVID persistente, aunque sí algunas relaciones modestas con factores genéticos vinculados a enfermedades neurológicas y musculoesqueléticas. Estos resultados sugieren que podría existir una susceptibilidad compartida en determinados casos. Este trabajo refuerza la necesidad de entender la salud como un proceso dinámico y acumulativo. Incorporar la secuencia temporal de enfermedades y la información genética puede mejorar la predicción, la atención y la prevención tanto de la COVID persistente como de otras condiciones crónicas.
Financiación
El estudio ha sido posible gracias a la participación de la cohorte GCAT y al apoyo de La Caixa Foundation (SR20-01024), La Marató TV3 (167/C/2021), el Ministerio de Sanidad de España (PI18/01512), el Ministerio de Ciencia e Innovación (TED2021-130626B-I00) y Horizon Europe END-VOC (GA:101046314).
Referencia
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