Coronavirus disease 2019 (COVID-19) has rapidly affected mortality worldwide1. There is unprecedented urgency to understand who is most at risk of severe outcomes, and this requires new approaches for the timely analysis of large datasets. Working on behalf of NHS England, we created OpenSAFELY—a secure health analytics platform that covers 40% of all patients in England and holds patient data within the existing data centre of a major vendor of primary care electronic health records. Here we used OpenSAFELY to examine factors associated with COVID-19-related death. Primary care records of 17,278,392 adults were pseudonymously linked to 10,926 COVID-19-related deaths. COVID-19-related death was associated with: being male (hazard ratio (HR) 1.59 (95% confidence interval 1.53–1.65)); greater age and deprivation (both with a strong gradient); diabetes; severe asthma; and various other medical conditions. Compared with people of white ethnicity, Black and South Asian people were at higher risk, even after adjustment for other factors (HR 1.48 (1.29–1.69) and 1.45 (1.32–1.58), respectively). We have quantified a range of clinical factors associated with COVID-19-related death in one of the largest cohort studies on this topic so far. More patient records are rapidly being added to OpenSAFELY, we will update and extend our results regularly. OpenSAFELY, a new health analytics platform that includes data from over 17 million adult NHS patients in England, is used to examine factors associated with COVID-19-related death.

BackgroundWhether HIV infection is associated with risk of death due to COVID-19 is unclear. We aimed to investigate this association in a large-scale population-based study in England.MethodsWe did a retrospective cohort study. Working on behalf of NHS England, we used the OpenSAFELY platform to analyse routinely collected electronic primary care data linked to national death registrations. We included all adults (aged ≥18 years) alive and in follow-up on Feb 1, 2020, and with at least 1 year of continuous registration with a general practitioner before this date. People with a primary care record for HIV infection were compared with people without HIV. The outcome was COVID-19 death, defined as the presence of International Classification of Diseases 10 codes U07.1 or U07.2 anywhere on the death certificate. Cox regression models were used to estimate the association between HIV infection and COVID-19 death; they were initially adjusted for age and sex, then we added adjustment for index of multiple deprivation and ethnicity, and then for a broad range of comorbidities. Interaction terms were added to assess effect modification by age, sex, ethnicity, comorbidities, and calendar time.Results17 282 905 adults were included, of whom 27 480 (0·16%) had HIV recorded. People living with HIV were more likely to be male, of Black ethnicity, and from a more deprived geographical area than the general population. 14 882 COVID-19 deaths occurred during the study period, with 25 among people with HIV. People living with HIV had higher risk of COVID-19 death than those without HIV after adjusting for age and sex: hazard ratio (HR) 2·90 (95% CI 1·96–4·30; p<0·0001). The association was attenuated, but risk remained high, after adjustment for deprivation, ethnicity, smoking and obesity: adjusted HR 2·59 (95% CI 1·74–3·84; p<0·0001). There was some evidence that the association was larger among people of Black ethnicity: HR 4·31 (95% CI 2·42–7·65) versus 1·84 (1·03–3·26) in non-Black individuals (p-interaction=0·044).InterpretationPeople with HIV in the UK seem to be at increased risk of COVID-19 mortality. Targeted policies should be considered to address this raised risk as the pandemic response evolves.FundingWellcome, Royal Society, National Institute for Health Research, National Institute for Health Research Oxford Biomedical Research Centre, UK Medical Research Council, Health Data Research UK.

BackgroundCOVID-19 has disproportionately affected minority ethnic populations in the UK. Our aim was to quantify ethnic differences in SARS-CoV-2 infection and COVID-19 outcomes during the first and second waves of the COVID-19 pandemic in England.MethodsWe conducted an observational cohort study of adults (aged ≥18 years) registered with primary care practices in England for whom electronic health records were available through the OpenSAFELY platform, and who had at least 1 year of continuous registration at the start of each study period (Feb 1 to Aug 3, 2020 [wave 1], and Sept 1 to Dec 31, 2020 [wave 2]). Individual-level primary care data were linked to data from other sources on the outcomes of interest: SARS-CoV-2 testing and positive test results and COVID-19-related hospital admissions, intensive care unit (ICU) admissions, and death. The exposure was self-reported ethnicity as captured on the primary care record, grouped into five high-level census categories (White, South Asian, Black, other, and mixed) and 16 subcategories across these five categories, as well as an unknown ethnicity category. We used multivariable Cox regression to examine ethnic differences in the outcomes of interest. Models were adjusted for age, sex, deprivation, clinical factors and comorbidities, and household size, with stratification by geographical region.FindingsOf 17 288 532 adults included in the study (excluding care home residents), 10 877 978 (62·9%) were White, 1 025 319 (5·9%) were South Asian, 340 912 (2·0%) were Black, 170 484 (1·0%) were of mixed ethnicity, 320 788 (1·9%) were of other ethnicity, and 4 553 051 (26·3%) were of unknown ethnicity. In wave 1, the likelihood of being tested for SARS-CoV-2 infection was slightly higher in the South Asian group (adjusted hazard ratio 1·08 [95% CI 1·07–1·09]), Black group (1·08 [1·06–1·09]), and mixed ethnicity group (1·04 [1·02–1·05]) and was decreased in the other ethnicity group (0·77 [0·76–0·78]) relative to the White group. The risk of testing positive for SARS-CoV-2 infection was higher in the South Asian group (1·99 [1·94–2·04]), Black group (1·69 [1·62–1·77]), mixed ethnicity group (1·49 [1·39–1·59]), and other ethnicity group (1·20 [1·14–1·28]). Compared with the White group, the four remaining high-level ethnic groups had an increased risk of COVID-19-related hospitalisation (South Asian group 1·48 [1·41–1·55], Black group 1·78 [1·67–1·90], mixed ethnicity group 1·63 [1·45–1·83], other ethnicity group 1·54 [1·41–1·69]), COVID-19-related ICU admission (2·18 [1·92–2·48], 3·12 [2·65–3·67], 2·96 [2·26–3·87], 3·18 [2·58–3·93]), and death (1·26 [1·15–1·37], 1·51 [1·31–1·71], 1·41 [1·11–1·81], 1·22 [1·00–1·48]). In wave 2, the risks of hospitalisation, ICU admission, and death relative to the White group were increased in the South Asian group but attenuated for the Black group compared with these risks in wave 1. Disaggregation into 16 ethnicity groups showed important heterogeneity within the five broader categories.InterpretationSome minority ethnic populations in England have excess risks of testing positive for SARS-CoV-2 and of adverse COVID-19 outcomes compared with the White population, even after accounting for differences in sociodemographic, clinical, and household characteristics. Causes are likely to be multifactorial, and delineating the exact mechanisms is crucial. Tackling ethnic inequalities will require action across many fronts, including reducing structural inequalities, addressing barriers to equitable care, and improving uptake of testing and vaccination.FundingMedical Research Council.

Abstract The frequency of, and risk factors for, long COVID are unclear among community-based individuals with a history of COVID-19. To elucidate the burden and possible causes of long COVID in the community, we coordinated analyses of survey data from 6907 individuals with self-reported COVID-19 from 10 UK longitudinal study (LS) samples and 1.1 million individuals with COVID-19 diagnostic codes in electronic healthcare records (EHR) collected by spring 2021. Proportions of presumed COVID-19 cases in LS reporting any symptoms for 12+ weeks ranged from 7.8% and 17% (with 1.2 to 4.8% reporting debilitating symptoms). Increasing age, female sex, white ethnicity, poor pre-pandemic general and mental health, overweight/obesity, and asthma were associated with prolonged symptoms in both LS and EHR data, but findings for other factors, such as cardio-metabolic parameters, were inconclusive.

BackgroundEarly descriptions of patients admitted to hospital during the COVID-19 pandemic showed a lower prevalence of asthma and chronic obstructive pulmonary disease (COPD) than would be expected for an acute respiratory disease like COVID-19, leading to speculation that inhaled corticosteroids (ICSs) might protect against infection with severe acute respiratory syndrome coronavirus 2 or the development of serious sequelae. We assessed the association between ICS and COVID-19-related death among people with COPD or asthma using linked electronic health records (EHRs) in England, UK.MethodsIn this observational study, we analysed patient-level data for people with COPD or asthma from primary care EHRs linked with death data from the Office of National Statistics using the OpenSAFELY platform. The index date (start of follow-up) for both cohorts was March 1, 2020; follow-up lasted until May 6, 2020. For the COPD cohort, individuals were eligible if they were aged 35 years or older, had COPD, were a current or former smoker, and were prescribed an ICS or long-acting β agonist plus long-acting muscarinic antagonist (LABA–LAMA) as combination therapy within the 4 months before the index date. For the asthma cohort, individuals were eligible if they were aged 18 years or older, had been diagnosed with asthma within 3 years of the index date, and were prescribed an ICS or short-acting β agonist (SABA) only within the 4 months before the index date. We compared the outcome of COVID-19-related death between people prescribed an ICS and those prescribed alternative respiratory medications: ICSs versus LABA–LAMA for the COPD cohort, and low-dose or medium-dose and high-dose ICSs versus SABAs only in the asthma cohort. We used Cox regression models to estimate hazard ratios (HRs) and 95% CIs for the association between exposure categories and the outcome in each population, adjusted for age, sex, and all other prespecified covariates. We calculated e-values to quantify the effect of unmeasured confounding on our results.FindingsWe identified 148 557 people with COPD and 818 490 people with asthma who were given relevant respiratory medications in the 4 months before the index date. People with COPD who were prescribed ICSs were at increased risk of COVID-19-related death compared with those prescribed LABA–LAMA combinations (adjusted HR 1·39 [95% CI 1·10–1·76]). Compared with those prescribed SABAs only, people with asthma who were prescribed high-dose ICS were at an increased risk of death (1·55 [1·10–2·18]), whereas those given a low or medium dose were not (1·14 [0·85–1·54]). Sensitivity analyses showed that the apparent harmful association we observed could be explained by relatively small health differences between people prescribed ICS and those not prescribed ICS that were not recorded in the database (e value lower 95% CI 1·43).InterpretationOur results do not support a major role for regular ICS use in protecting against COVID-19-related death among people with asthma or COPD. Observed increased risks of COVID-19-related death can be plausibly explained by unmeasured confounding due to disease severity.FundingUK Medical Research Council.

Background Failure to report the results of a clinical trial can distort the evidence base for clinical practice, breaches researchers' ethical obligations to participants, and represents an important source of research waste. The Food and Drug Administration Amendments Act (FDAAA) of 2007 now requires sponsors of applicable trials to report their results directly onto ClinicalTrials.gov within 1 year of completion. The first trials covered by the Final Rule of this act became due to report results in January, 2018. In this cohort study, we set out to assess compliance. Methods We downloaded data for all registered trials on ClinicalTrials.gov each month from March, 2018, to September, 2019. All cross-sectional analyses in this manuscript were performed on data extracted from ClinicalTrials.gov on Sept 16, 2019; monthly trends analysis used archived data closest to the 15th day of each month from March, 2018, to September, 2019. Our study cohort included all applicable trials due to report results under FDAAA. We excluded all non-applicable trials, those not yet due to report, and those given a certificate allowing for delayed reporting. A trial was considered reported if results had been submitted and were either publicly available, or undergoing quality control review at ClinicalTrials.gov. A trial was considered compliant if these results were submitted within 1 year of the primary completion date, as required by the legislation. We described compliance with the FDAAA 2007 Final Rule, assessed trial characteristics associated with results reporting using logistic regression models, described sponsor-level reporting, examined trends in reporting, and described time-to-report using the Kaplan-Meier method. Findings 4209 trials were due to report results; 1722 (40·9%; 95% CI 39·4–42·2) did so within the 1-year deadline. 2686 (63·8%; 62·4–65·3) trials had results submitted at any time. Compliance has not improved since July, 2018. Industry sponsors were significantly more likely to be compliant than non-industry, non-US Government sponsors (odds ratio [OR] 3·08 [95% CI 2·52–3·77]), and sponsors running large numbers of trials were significantly more likely to be compliant than smaller sponsors (OR 11·84 [9·36–14·99]). The median delay from primary completion date to submission date was 424 days (95% CI 412–435), 59 days higher than the legal reporting requirement of 1 year. Interpretation Compliance with the FDAAA 2007 is poor, and not improving. To our knowledge, this is the first study to fully assess compliance with the Final Rule of the FDAAA 2007. Poor compliance is likely to reflect lack of enforcement by regulators. Effective enforcement and action from sponsors is needed; until then, open public audit of compliance for each individual sponsor may help. We will maintain updated compliance data for each individual sponsor and trial at fdaaa.trialstracker.net. Funding Laura and John Arnold Foundation.

Abstract Introduction Non-publication of clinical trials results is an ongoing issue. In 2016 the US government updated the results reporting requirements to ClinicalTrials.gov for trials covered under the FDA Amendments Act 2007. We set out to develop and deliver an online tool which publicly monitors compliance with these reporting requirements, facilitates open public audit, and promotes accountability. Methods We conducted a review of the relevant legislation to extract the requirements on reporting results. Specific areas of the statutes were operationalized in code based on the results of our policy review, publicly available data from ClinicalTrials.gov, and communications with ClinicalTrials.gov staff. We developed methods to identify trials required to report results, using publicly available registry data; to incorporate additional relevant information such as key dates and trial sponsors; and to determine when each trial became due. This data was then used to construct a live tracking website. Results There were a number of administrative and technical hurdles to successful operationalization of our tracker. Decisions and assumptions related to overcoming these issues are detailed along with clarifications directly from ClinicalTrials.gov. The FDAAA TrialsTracker was successfully launched in February 2018 and provides users with an overview of results reporting compliance. Discussion Clinical trials continue to go unreported despite numerous guidelines, commitments, and legal frameworks intended to address this issue. In the absence of formal sanctions from the FDA and others, we argue tools such as ours - providing live data on trial reporting - can improve accountability and performance. In addition, our service helps sponsors identify their own individual trials that have not yet reported results: we therefore offer positive practical support for sponsors who wish to ensure that all their completed trials have reported.

Abstract Electronic health records (EHRs) and other administrative health data are increasingly used in research to generate evidence on the effectiveness, safety, and utilisation of medical products and services, and to inform public health guidance and policy. Reproducibility is a fundamental step for research credibility and promotes trust in evidence generated from EHRs. At present, ensuring research using EHRs is reproducible can be challenging for researchers. Research software platforms can provide technical solutions to enhance the reproducibility of research conducted using EHRs. In response to the COVID‐19 pandemic, we developed the secure, transparent, analytic open‐source software platform OpenSAFELY designed with reproducible research in mind. OpenSAFELY mitigates common barriers to reproducible research by: standardising key workflows around data preparation; removing barriers to code‐sharing in secure analysis environments; enforcing public sharing of programming code and codelists; ensuring the same computational environment is used everywhere; integrating new and existing tools that encourage and enable the use of reproducible working practices; and providing an audit trail for all code that is run against the real data to increase transparency. This paper describes OpenSAFELY's reproducibility‐by‐design approach in detail.

Abstract Background Ethnicity is known to be an important correlate of health outcomes, particularly during the COVID-19 pandemic, where some ethnic groups were shown to be at higher risk of infection and adverse outcomes. The recording of patients’ ethnic groups in primary care can support research and efforts to achieve equity in service provision and outcomes; however, the coding of ethnicity is known to present complex challenges. We therefore set out to describe ethnicity coding in detail with a view to supporting the use of this data in a wide range of settings, as part of wider efforts to robustly describe and define methods of using administrative data. Methods We describe the completeness and consistency of primary care ethnicity recording in the OpenSAFELY-TPP database, containing linked primary care and hospital records in > 25 million patients in England. We also compared the ethnic breakdown in OpenSAFELY-TPP with that of the 2021 UK census. Results 78.2% of patients registered in OpenSAFELY-TPP on 1 January 2022 had their ethnicity recorded in primary care records, rising to 92.5% when supplemented with hospital data. The completeness of ethnicity recording was higher for women than for men. The rate of primary care ethnicity recording ranged from 77% in the South East of England to 82.2% in the West Midlands. Ethnicity recording rates were higher in patients with chronic or other serious health conditions. For each of the five broad ethnicity groups, primary care recorded ethnicity was within 2.9 percentage points of the population rate as recorded in the 2021 Census for England as a whole. For patients with multiple ethnicity records, 98.7% of the latest recorded ethnicities matched the most frequently coded ethnicity. Patients whose latest recorded ethnicity was categorised as Other were most likely to have a discordant ethnicity recording (32.2%). Conclusions Primary care ethnicity data in OpenSAFELY is present for over three quarters of all patients, and combined with data from other sources can achieve a high level of completeness. The overall distribution of ethnicities across all English OpenSAFELY-TPP practices was similar to the 2021 Census, with some regional variation. This report identifies the best available codelist for use in OpenSAFELY and similar electronic health record data.

This proof-of-principle pharmacovigilance study used Electronic Health Record (EHR) data to examine the safety of sotrovimab, paxlovid and molnupiravir in prehospital treatment of Covid-19.