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.

Objective To investigate the effect of the covid-19 pandemic on the number of patients with group A streptococcal infections and related antibiotic prescriptions. Design Retrospective cohort study in England using OpenSAFELY-TPP. Setting Primary care practices in England that used TPP SystmOne software, 1 January 2018 to 31 March 2023, with the approval of NHS England. Participants Patients registered at a TPP practice at the start of each month of the study period. Patients with missing data for sex or age were excluded, resulting in a population of 23 816 470 in January 2018, increasing to 25 541 940 by March 2023. Main outcome measures Monthly counts and crude rates of patients with group A streptococcal infections (sore throat or tonsillitis, scarlet fever, and invasive group A streptococcal infections), and recommended firstline, alternative, and reserved antibiotic prescriptions linked with a group A streptococcal infection before (pre-April 2020), during, and after (post-April 2021) covid-19 restrictions. Maximum and minimum count and rate for each infectious season (time from September to August), as well as the rate ratio of the 2022-23 season compared with the last comparably high season (2017-18). Results The number of patients with group A streptococcal infections, and antibiotic prescriptions linked to an indication of group A streptococcal infection, peaked in December 2022, higher than the peak in 2017-18. The rate ratios for monthly sore throat or tonsillitis (possible group A streptococcal throat infection), scarlet fever, and invasive group A streptococcal infection in 2022-23 relative to 2017-18 were 1.39 (95% confidence interval (CI) 1.38 to 1.40), 2.68 (2.59 to 2.77), and 4.37 (2.94 to 6.48), respectively. The rate ratio for prescriptions of first line, alternative, and reserved antibiotics to patients with group A streptococcal infections in 2022-23 relative to 2017-18 were 1.37 (95% CI 1.35 to 1.38), 2.30 (2.26 to 2.34), and 2.42 (2.24 to 2.61), respectively. For individual antibiotic prescriptions in 2022-23, azithromycin showed the greatest relative increase versus 2017-18, with a rate ratio of 7.37 (6.22 to 8.74). This finding followed a marked decrease in the recording of patients with group A streptococcal infections and associated prescriptions during the period of covid-19 restrictions where the maximum count and rates were lower than any minimum rates before the covid-19 pandemic. Conclusions Recording of rates of scarlet fever, sore throat or tonsillitis, and invasive group A streptococcal infections, and associated antibiotic prescribing, peaked in December 2022. Primary care data can supplement existing infectious disease surveillance through linkages with relevant prescribing data and detailed analysis of clinical and demographic subgroups.

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.

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.