Od czego zależy kolejność objawów w CoVID-19

Kierowany przez dr. Petera Kuhna zespół, na podstawie danych zebranych w początkowej fazie epidemii w Chinach (na początku 2020 roku), opracował model matematyczny przewidujący kolejność wystąpienia poszczególnych objawów COVID-19. Naukowcy chcieli m.in. wiedzieć, czy kolejność objawów różni się u pacjentów z różnych regionów geograficznych, czy może zależy od specyficznych cech danego człowieka. Model testowali na 373883 przypadkach infekcji wirusem SARS-CoV-2 w USA w okresie od stycznia do maja 2020 r.

Co zaskakujące, najbardziej prawdopodobna kolejność objawów różniła się bardzo między początkowym okresem pandemii w Chinach, gdzie gorączka najczęściej poprzedzała kaszel, a nudności i wymioty były trzecim co do częstości występowania objawem, a późniejszym etapem, kiedy wirus rozprzestrzenił się także w USA. W tej drugiej sytuacji to kaszel był najbardziej prawdopodobnym pierwszym objawem, a biegunka najczęstszym trzecim objawem.

Analizując dodatkowe dane z Brazylii, Hongkongu i Japonii, zespół wykazał następnie, że różna kolejność covidowych objawów wiąże się jednak nie tyle z regionem geograficznym, pogodą czy charakterystyką pacjenta, ale odmiennymi wariantami SARS-CoV-2.

Obecność jednego z pierwszych wariantów wirusa - D614G (który dominował w USA na początku 2020 r.) na danym obszarze, wiązała się z wyższym prawdopodobieństwem kaszlu jako pierwszego objawu COVID-19. Kiedy w Japonii pierwotny szczep referencyjny z Wuhan został wyparty właśnie przez D614G, zmieniła się również kolejność objawów u pacjentów.

"Nasze odkrycia wskazują, że kolejność objawów zmienia się wraz z mutacją wirusa" - mówią autorzy publikacji. Jak dodają, kolejność ta jest bardzo ważna, ponieważ to od niej w dużej mierze zależy siła rozprzestrzeniania się wirusa. Np. wariant D614G okazał się bardziej zakaźny niż wariant pierwotny, ponieważ zakażeni ludzie - zanim jeszcze zmogła ich gorączka - chodzili do pracy czy sklepów, gdzie kasłali, przenosząc infekcję na innych.

Artykuł na ten temat ukazał się w czasopiśmie "PLOS Computational Biology" (https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1009629).

Katarzyna Czechowicz