RESOLVE-PCC (Heterogenität, Risikofaktoren und kausale Treiber von Long-/Post-COVID in großen deutschen bevölkerungsbasierten Kohorten - auf dem Weg zur personalisierten Versorgung - Analyse immunitätsbezogener Parameter des Post-COVID-Syndroms: Risikofaktoren und Genesung)

Im Rahmen von RESOLVE-PCC wollen wir die folgenden Fragen beantworten: 1) Welche Symptome sind kausal mit der vorangegangenen SARS-CoV-2-Infektion verbunden? 2) Welche Risikofaktoren bestimmen Schweregrad und Persistenz des PCS? 3) Gibt es verschiedene Untergruppen mit unterschiedlichen zugrunde liegenden Krankheitsmechanismen und Behandlungsanforderungen? Das RESOLVE-PCC-Teilprojekt der Martin-Luther-Universität Halle-Wittenberg konzentriert sich auf die Rolle immunitätsbezogener Parameter, die an der Entwicklung postinfektiöser Syndrome im Long-/Post-COVID-Zustand (PCC) beteiligt sind. Die Analyse basiert dabei auf Daten aus zwei bevölkerungsbasierten Kohorten: der Nationalen Kohorte (NAKO) und der DigiHero-Studie. Die NAKO bietet eine umfassende Phänotypisierung vor der SARS-CoV-2-Pandemie und eine Bewertung der Symptome nach einer Infektion. Beide Datenbanken werden mit Ansätzen des Machine Learning (ML) der künstlichen Intelligenz (KI) verwendet, um Prädiktoren für PCC in RESOLVE-PCC zu untersuchen. Der spezifische Beitrag dieses Teilprojekts besteht darin, den DigiHero-Datensatz vorzubereiten, die DigiHero und NAKO Datensätze zu harmonisieren und den Projektpartnern bereitzustellen. Außerdem werden die Beziehungen zwischen immunitätsbezogenen Parametern wie vorangegangenen Infektionen, Virusvarianten und Impfungen mit PCC-Risiko analysiert. RESOLVE-PCC wird zu einem besseren Verständnis der möglichen Ursachen des PCS-Symptomspektrums beitragen und es ermöglichen, besser zugeschnittene Behandlungs- und Präventionskonzepte zu entwickeln.

Heterogeneity, risk factors, and causal drivers of Long/Post-COVID in large German population-based cohorts – towards personalized care – Analysis of immunity-related parameters of Post-COVID syndrome: risk factors and recovery.

Within the framework of RESOLVE-PCC, we aim to answer the following questions: 1) Which symptoms are causally linked to the preceding SARS-CoV-2 infection? 2) Which risk factors determine the severity and persistence of PCS? 3) Are there distinct subgroups with different underlying disease mechanisms and treatment requirements? The RESOLVE-PCC sub-project at Martin Luther University Halle-Wittenberg focuses on the role of immunity-related parameters involved in the development of post-infectious syndromes associated with Long/Post-COVID (PCC). The analysis relies on data from two population-based cohorts: the German National Cohort (NAKO) and the DigiHero study. NAKO provides comprehensive phenotyping from the pre-pandemic period alongside post-infection symptom assessments. Both datasets are being analyzed using machine learning (ML) and artificial intelligence (AI) approaches to identify predictors of PCC within the RESOLVE-PCC project. The specific contribution of this sub-project involves preparing the DigiHero dataset, harmonizing the DigiHero and NAKO datasets, and making them available to project partners. Additionally, the study analyzes the relationships between immunity-related parameters - such as prior infections, viral variants, and vaccinations - and the risk of PCC. RESOLVE-PCC will contribute to a better understanding of the potential causes underlying the spectrum of PCS symptoms, thereby enabling the development of more tailored treatment and prevention strategies.