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.

Protect privacy, equality and fairness in digital contact tracing with these key questions. Protect privacy, equality and fairness in digital contact tracing with these key questions.

Abstract In July 2017, China’s State Council released the country’s strategy for developing artificial intelligence (AI), entitled ‘New Generation Artificial Intelligence Development Plan’ (新一代人工智能发展规划). This strategy outlined China’s aims to become the world leader in AI by 2030, to monetise AI into a trillion-yuan (ca. 150 billion dollars) industry, and to emerge as the driving force in defining ethical norms and standards for AI. Several reports have analysed specific aspects of China’s AI policies or have assessed the country’s technical capabilities. Instead, in this article, we focus on the socio-political background and policy debates that are shaping China’s AI strategy. In particular, we analyse the main strategic areas in which China is investing in AI and the concurrent ethical debates that are delimiting its use. By focusing on the policy backdrop, we seek to provide a more comprehensive and critical understanding of China’s AI policy by bringing together debates and analyses of a wide array of policy documents.

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.

Some studies have shown that the incidence of type 2 diabetes increases after a diagnosis of COVID-19, although the evidence is not conclusive. However, the effects of the COVID-19 vaccine on this association, or the effect on other diabetes subtypes, are not clear. We aimed to investigate the association between COVID-19 and incidence of type 2, type 1, gestational and non-specific diabetes, and the effect of COVID- 19 vaccination, up to 52 weeks after diagnosis.

Obesity and rapid weight gain are established risk factors for noncommunicable diseases and have emerged as independent risk factors for severe disease following Coronavirus Disease 2019 (COVID-19) infection. Restrictions imposed to reduce COVID-19 transmission resulted in profound societal changes that impacted many health behaviours, including physical activity and nutrition, associated with rate of weight gain. We investigated which clinical and sociodemographic characteristics were associated with rapid weight gain and the greatest acceleration in rate of weight gain during the pandemic among adults registered with an English National Health Service (NHS) general practitioner (GP) during the COVID-19 pandemic.

Background: The UK delivered its first “booster” COVID-19 vaccine doses in September 2021, initially to individuals at high risk of severe disease, then to all adults. The BNT162b2 Pfizer-BioNTech vaccine was used initially, then also Moderna mRNA-1273. Methods: With the approval of the National Health Service England, we used routine clinical data to estimate the effectiveness of boosting with BNT162b2 or mRNA-1273 compared with no boosting in eligible adults who had received two primary course vaccine doses. We matched each booster recipient with an unboosted control on factors relating to booster priority status and prior COVID-19 immunization. We adjusted for additional factors in Cox models, estimating hazard ratios up to 182 days (6 months) following booster dose. We estimated hazard ratios overall and within the following periods: 1–14, 15–42, 43–69, 70–97, 98–126, 127–152, and 155–182 days. Outcomes included a positive SARS-CoV-2 test, COVID-19 hospitalization, COVID-19 death, non-COVID-19 death, and fracture. Results: We matched 8,198,643 booster recipients with unboosted controls. Adjusted hazard ratios over 6-month follow-up were: positive SARS-CoV-2 test 0.75 (0.74, 0.75); COVID-19 hospitalization 0.30 (0.29, 0.31); COVID-19 death 0.11 (0.10, 0.14); non-COVID-19 death 0.22 (0.21, 0.23); and fracture 0.77 (0.75, 0.78). Estimated effectiveness of booster vaccines against severe COVID-19-related outcomes peaked during the first 3 months following the booster dose. By 6 months, the cumulative incidence of positive SARS-CoV-2 test was higher in boosted than unboosted individuals. Conclusions: We estimate that COVID-19 booster vaccination, compared with no booster vaccination, provided substantial protection against COVID-19 hospitalization and COVID-19 death but only limited protection against positive SARS-CoV-2 test. Lower rates of fracture in boosted than unboosted individuals may suggest unmeasured confounding. Observational studies should report estimated vaccine effectiveness against nontarget and negative control outcomes.