DOI: https://doi.org/10.1136/bmj-2025-086393
PMID: https://pubmed.ncbi.nlm.nih.gov/41565343
تاريخ النشر: 2026-01-21
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: دراسات البحث السريري حول COVID-19
نظرة عامة
هدفت الدراسة إلى تقييم التغيرات في معدلات التشخيصات المسجلة حديثًا لـ 19 حالة طويلة الأمد في إنجلترا خلال جائحة COVID-19، مع التركيز على التباينات حسب المرض، الفئة العمرية، الجنس، الوضع الاجتماعي والاقتصادي، والعرق. باستخدام تصميم مجموعة سكانية، قامت الأبحاث بتحليل بيانات من 29,995,025 فردًا مسجلين مع الممارسات العامة عبر منصة OpenSAFELY-TPP. تضمنت مقاييس النتائج الرئيسية الاتجاهات الزمنية في معدلات التشخيص المعدلة حسب العمر والجنس من أبريل 2016 إلى نوفمبر 2024، مقارنة المعدلات المتوقعة مقابل المعدلات الملاحظة بعد الجائحة باستخدام نماذج المتوسط المتحرك المتكامل الذاتي الموسمي.
أشارت النتائج إلى انخفاض كبير في التشخيصات لجميع الحالات الـ 19 خلال السنة الأولى من الجائحة، مع استمرار الانخفاضات الملحوظة في حالات مثل الاكتئاب (734,800 تشخيص أقل، 27.7% أقل من المتوقع)، الربو (152,900 أقل، 16.4%)، مرض الانسداد الرئوي المزمن (COPD) (90,100 أقل، 15.8%)، الصدفية (54,700 أقل، 17.1%)، وهشاشة العظام (54,100 أقل، 11.5%). على العكس من ذلك، زادت تشخيصات مرض الكلى المزمن بنسبة 34.8% فوق المستويات المتوقعة، مما يعادل 359,000 حالة إضافية. كشفت تحليلات المجموعات الفرعية أن معدلات تشخيص الخرف قد ارتفعت فوق المستويات التي كانت قبل الجائحة للأفراد من العرق الأبيض وأولئك في المناطق الأقل حرمانًا، مما يبرز الفجوات في التعافي عبر مختلف الفئات السكانية. تؤكد النتائج على إمكانية استخدام بيانات الصحة في الوقت الحقيقي لتعزيز مراقبة الأمراض ومعالجة عدم المساواة في الرعاية الصحية.
مقدمة
تناقش مقدمة ورقة البحث الاضطرابات الكبيرة التي تعرضت لها أنظمة الرعاية الصحية بسبب جائحة COVID-19، والتي أثرت على تقديم الخدمات من خلال إعادة نشر الموظفين، أوامر البقاء في المنزل، والتغيرات في استخدام الرعاية الصحية. أشارت الدراسات المبكرة إلى انخفاض ملحوظ في التشخيصات المسجلة حديثًا لمجموعة متنوعة من الحالات الصحية طويلة الأمد خلال الجائحة. ومع ذلك، هناك فجوة في الأدبيات بشأن تعافي معدلات التشخيص لهذه الحالات مع استئناف خدمات الرعاية الصحية العمليات الطبيعية.
لمعالجة هذه الفجوة، تستخدم الدراسة منصة OpenSAFELY، التي تسمح بالتحليل الآمن لبيانات الرعاية الأولية والمستشفيات لحوالي 58 مليون فرد، يمثلون 99% من سكان إنجلترا. كشفت النتائج الأولية من OpenSAFELY عن انخفاضات ملحوظة في تشخيص التهاب المفاصل المناعي الذاتي والنقرس خلال المرحلة المبكرة من الجائحة. بينما عادت معدلات التشخيص لهذه الحالات إلى مستويات ما قبل الجائحة في السنة الثانية، لم يُلاحظ أي زيادة تعويضية فوق هذه المستويات بحلول عام 2023، مما يشير إلى أن عددًا كبيرًا من الحالات ظل غير مشخص. تهدف الدراسة الحالية إلى تقييم التغيرات في معدلات التشخيص لـ 19 حالة طويلة الأمد عبر مختلف الفئات السكانية، بما في ذلك نوع المرض، العمر، الجنس، الوضع الاجتماعي والاقتصادي، والعرق، باستخدام بيانات على مستوى السكان من OpenSAFELY.
الطرق
تحدد قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث تم استخدام التحليلات الإحصائية لتقييم البيانات المجمعة من تجارب مختلفة. تضمنت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لمراقبة آثارها على النتائج ذات الصلة.
شملت جمع البيانات استخدام أدوات وبروتوكولات موحدة لضمان الموثوقية والصلاحية. تم إجراء التحليل باستخدام أدوات برمجية قادرة على إجراء اختبارات إحصائية معقدة، مثل تحليل الانحدار وANOVA، لتحديد دلالة النتائج. يبرز القسم أهمية إمكانية التكرار والشفافية في الطرق المستخدمة، حيث يقدم أوصافًا مفصلة للإجراءات المتبعة لتسهيل الأبحاث المستقبلية في هذا المجال.
النتائج
يكشف تحليل البيانات من 29,995,025 فردًا في إنجلترا، التي تم جمعها عبر OpenSAFELY-TPP بين أبريل 2016 ونوفمبر 2024، عن اضطرابات كبيرة في معدلات التشخيص لـ 19 حالة طويلة الأمد بعد بدء جائحة COVID-19. بشكل عام، كان هناك انخفاض ملحوظ في التشخيصات الجديدة، مع أكبر الانخفاضات الملحوظة في مرض الانسداد الرئوي المزمن (COPD) بنسبة -55.7%، الصدفية بنسبة -43.6%، والتهاب الجلد التأتبي بنسبة -38.6%. بحلول نوفمبر 2024، كان الانخفاض التراكمي في التشخيصات للاكتئاب ملحوظًا بشكل خاص، مع انخفاض قدره 27.7% (حوالي 734,800 تشخيص أقل) مقارنة بالتوقعات قبل الجائحة. على الرغم من وجود زيادة مؤقتة في تشخيصات الاكتئاب بعد عام 2021، إلا أن المعدلات ظلت أقل من مستويات ما قبل الجائحة.
على العكس من ذلك، أظهر مرض الكلى المزمن اتجاهًا للتعافي، حيث تجاوزت التشخيصات مستويات ما قبل الجائحة بنسبة 34.8% (حوالي 359,000 تشخيص إضافي) بعد انخفاض أولي. اختلفت أنماط التعافي حسب العوامل الديموغرافية، مما كشف عن عدم المساواة في معدلات التشخيص عبر العمر، الوضع الاجتماعي والاقتصادي، والعرق. على سبيل المثال، كانت الزيادات في تشخيصات مرض الكلى المزمن تُرى بشكل رئيسي في الأفراد الذين تتراوح أعمارهم بين 80 عامًا وما فوق وأولئك من خلفيات أقل حرمانًا، بينما كانت الانخفاضات في تشخيصات الاكتئاب مركزة بين البالغين الأصغر سنًا وبعض المجموعات العرقية. أكدت تحليلات الحساسية باستخدام طرق التنبؤ البديلة على قوة هذه النتائج، مما يشير إلى اتجاهات متسقة عبر مختلف الحالات على الرغم من الفروق الطفيفة في تشخيصات معينة.
المناقشة
استخدمت الدراسة بيانات الرعاية الأولية والثانوية المرتبطة من أكثر من 29 مليون فرد في إنجلترا لتقييم تأثير جائحة COVID-19 على معدلات التشخيص لـ 19 حالة طويلة الأمد. كشفت النتائج عن انخفاض كبير في التشخيصات الجديدة عبر جميع الحالات خلال السنة الأولى من الجائحة، مع تأثيرات ملحوظة بشكل خاص على الحالات المعتمدة على الاختبارات التشخيصية الانتقائية، مثل مرض الانسداد الرئوي المزمن (COPD)، الربو، وهشاشة العظام. بينما شهدت بعض الحالات، مثل مرض الكلى المزمن، انتعاشًا في التشخيصات بعد عام 2022، أظهرت حالات أخرى، لا سيما الاكتئاب، انخفاضات مستمرة، مما يثير القلق بشأن الحالات غير المشخصة والاحتياجات الصحية غير الملباة.
سلط التحليل الضوء على الفجوات في معدلات التشخيص بناءً على العرق والوضع الاجتماعي والاقتصادي، مع زيادات في تشخيصات الخرف بشكل أساسي بين الأفراد البيض وأولئك من خلفيات أقل حرمانًا. تؤكد الدراسة على ضرورة وجود استراتيجيات مستهدفة لمعالجة هذه الفجوات والأثر المستمر للجائحة على تقديم الرعاية الصحية. توضح المنهجية المستخدمة إمكانية استخدام بيانات الصحة في الوقت الحقيقي لمراقبة وبائيات الأمراض، وإبلاغ المبادرات الصحية العامة، وتعزيز اكتشاف الحالات، مما يسهل التدخلات في الوقت المناسب للتخفيف من آثار الأزمات الصحية المستقبلية.
القيود
تقدم الدراسة نقاط قوة كبيرة، بما في ذلك استخدام بيانات تمثيلية وطنية من أكثر من 29 مليون فرد لتقديم تقديرات محدثة لمعدلات التشخيص لـ 19 حالة طويلة الأمد. يسمح هذا المنهج بتقييم مجموعة متنوعة من الأمراض، بما في ذلك الحالات النادرة، ويظهر جدوى استخدام البيانات المجمعة بشكل روتيني لمراقبة وبائيات الأمراض. تعزز إدخال بيئة البحث الموثوقة OpenSAFELY القدرة على تحليل بيانات الرعاية الصحية، مما قد يمكّن من المقارنات عبر أنظمة الرعاية الصحية المختلفة عالميًا.
ومع ذلك، يجب الاعتراف بعدة قيود. إن الاعتماد على بيانات الصحة المشفرة يقدم مخاطر تصنيف تشخيصي خاطئ وتأخيرات في تسجيل التشخيصات، مما قد لا يعكس بدقة بداية الأمراض البيولوجية. بينما تسلط الدراسة الضوء على الاتجاهات في معدلات التشخيص، لا يمكنها التأكد بشكل قاطع مما إذا كانت التغيرات الملاحظة تمثل تحولات حقيقية في حدوث المرض أو تتأثر بعوامل مثل التغيرات في الممارسات التشخيصية أو تقديم خدمات الرعاية الصحية. بالإضافة إلى ذلك، فإن عدم القدرة على توحيد تحليلات المجموعات الفرعية حسب الوضع الاجتماعي والاقتصادي أو العرق بسبب القيود الحسابية يحد من تفسير هذه النتائج. قد تتأثر قابلية تعميم النتائج أيضًا بالتباينات الإقليمية في تغطية الرعاية الأولية ضمن مجموعة بيانات OpenSAFELY-TPP. بشكل عام، بينما تقدم الدراسة رؤى قيمة، هناك حاجة لمزيد من التحقيق للتحقق من هذه النتائج عبر سياقات الرعاية الصحية المختلفة ومعالجة الفروق المنهجية التي قد تؤثر على تقديرات معدلات الحدوث.
DOI: https://doi.org/10.1136/bmj-2025-086393
PMID: https://pubmed.ncbi.nlm.nih.gov/41565343
Publication Date: 2026-01-21
Author(s): Zhenyun Du et al.
Primary Topic: COVID-19 Clinical Research Studies
Overview
The study aimed to assess changes in the rates of newly recorded diagnoses for 19 long-term conditions in England during the COVID-19 pandemic, focusing on variations by disease, age group, sex, socioeconomic status, and ethnicity. Utilizing a population-based cohort design, the research analyzed data from 29,995,025 individuals registered with general practices via the OpenSAFELY-TPP platform. The main outcome measures included temporal trends in age and sex-standardized diagnosis rates from April 2016 to November 2024, comparing expected versus observed rates post-pandemic using seasonal autoregressive integrated moving-average models.
Results indicated a significant decline in diagnoses for all 19 conditions during the pandemic’s first year, with ongoing reductions observed for conditions such as depression (734,800 fewer diagnoses, 27.7% below expected), asthma (152,900 fewer, 16.4%), chronic obstructive pulmonary disease (COPD) (90,100 fewer, 15.8%), psoriasis (54,700 fewer, 17.1%), and osteoporosis (54,100 fewer, 11.5%). Conversely, chronic kidney disease diagnoses increased by 34.8% above expected levels, equating to 359,000 additional cases. Subgroup analyses revealed that dementia diagnosis rates have risen above pre-pandemic levels for individuals of white ethnicity and those in less deprived areas, highlighting disparities in recovery across different demographics. The findings underscore the potential of real-time health data to enhance disease monitoring and address healthcare inequities.
Introduction
The introduction of the research paper discusses the significant disruptions to healthcare systems caused by the COVID-19 pandemic, which affected service delivery through staff redeployment, stay-at-home orders, and changes in healthcare utilization. Early studies indicated a marked decline in newly recorded diagnoses for various long-term health conditions during the pandemic. However, a gap in the literature exists regarding the recovery of diagnosis rates for these conditions as healthcare services resumed normal operations.
To address this gap, the study utilizes the OpenSAFELY platform, which allows for secure analysis of primary care and hospital data for approximately 58 million individuals, representing 99% of England’s population. Initial findings from OpenSAFELY revealed notable decreases in diagnoses of autoimmune inflammatory arthritis and gout during the pandemic’s early phase. While diagnosis rates for these conditions returned to pre-pandemic levels in the second year, no compensatory increase above these levels was observed by 2023, suggesting a significant number of cases remained undiagnosed. The current study aims to evaluate changes in diagnosis rates for 19 long-term conditions across various demographics, including disease type, age, sex, socioeconomic status, and ethnicity, using population-level data from OpenSAFELY.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, employing statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved the use of standardized instruments and protocols to ensure reliability and validity. The analysis was conducted using software tools capable of performing complex statistical tests, such as regression analysis and ANOVA, to determine the significance of the results. The section emphasizes the importance of replicability and transparency in the methods used, providing detailed descriptions of the procedures followed to facilitate future research in the field.
Results
The analysis of data from 29,995,025 individuals in England, collected through OpenSAFELY-TPP between April 2016 and November 2024, reveals significant disruptions in the diagnosis rates of 19 long-term conditions following the onset of the COVID-19 pandemic. Overall, there was a marked decline in new diagnoses, with the most substantial reductions observed for chronic obstructive pulmonary disease (COPD) at -55.7%, psoriasis at -43.6%, and atopic dermatitis at -38.6%. By November 2024, the cumulative reduction in diagnoses for depression was particularly notable, with a decrease of 27.7% (approximately 734,800 fewer diagnoses) compared to pre-pandemic expectations. Although there was a temporary increase in depression diagnoses post-2021, rates remained below pre-pandemic levels.
In contrast, chronic kidney disease exhibited a recovery trend, with diagnoses surpassing pre-pandemic levels by 34.8% (approximately 359,000 additional diagnoses) after an initial decline. The recovery patterns varied by demographic factors, revealing inequities in diagnosis rates across age, socioeconomic status, and ethnicity. For instance, increases in chronic kidney disease diagnoses were predominantly seen in individuals aged 80 and older and those from less deprived backgrounds, while declines in depression diagnoses were concentrated among younger adults and certain ethnic groups. Sensitivity analyses using alternative forecasting methods corroborated the robustness of these findings, indicating consistent trends across various conditions despite minor discrepancies in specific diagnoses.
Discussion
The study utilized linked primary and secondary care data from over 29 million individuals in England to assess the impact of the COVID-19 pandemic on the diagnosis rates of 19 long-term conditions. Findings revealed a significant decline in new diagnoses across all conditions during the pandemic’s first year, with particularly pronounced effects on conditions reliant on elective diagnostic testing, such as chronic obstructive pulmonary disease (COPD), asthma, and osteoporosis. While some conditions, like chronic kidney disease, saw a resurgence in diagnoses post-2022, others, notably depression, exhibited sustained reductions, raising concerns about undiagnosed cases and unmet healthcare needs.
The analysis highlighted disparities in diagnosis rates based on ethnicity and socioeconomic status, with increases in dementia diagnoses primarily among white individuals and those from less deprived backgrounds. The study underscores the necessity for targeted strategies to address these inequities and the ongoing impact of the pandemic on healthcare delivery. The methodology employed demonstrates the potential of real-time health data to monitor disease epidemiology, inform public health initiatives, and enhance the detection of conditions, thereby facilitating timely interventions to mitigate the effects of future health crises.
Limitations
The study presents significant strengths, including the utilization of nationally representative data from over 29 million individuals to provide updated estimates of diagnosis rates for 19 long-term conditions. This methodology allows for the assessment of various diseases, including rare conditions, and demonstrates the feasibility of using routinely collected data for monitoring disease epidemiology. The introduction of the OpenSAFELY Trusted Research Environment enhances the capability to analyze healthcare data, potentially enabling comparisons across different healthcare systems globally.
However, several limitations must be acknowledged. The reliance on coded health data introduces risks of diagnostic misclassification and delays in recording diagnoses, which may not accurately reflect the biological onset of diseases. While the study highlights trends in diagnosis rates, it cannot definitively ascertain whether observed changes represent true shifts in disease incidence or are influenced by factors such as changes in diagnostic practices or healthcare service delivery. Additionally, the inability to standardize subgroup analyses by socioeconomic status or ethnicity due to computational constraints limits the interpretation of these findings. The generalizability of results may also be affected by regional variations in primary care coverage within the OpenSAFELY-TPP dataset. Overall, while the study provides valuable insights, further investigation is necessary to validate these findings across different healthcare contexts and to address the methodological differences that may impact incidence rate estimates.