Reports of long-lasting coronavirus disease 2019 (COVID-19) symptoms, the so-called ‘long COVID’, are rising but little is known about prevalence, risk factors or whether it is possible to predict a protracted course early in the disease. We analyzed data from 4,182 incident cases of COVID-19 in which individuals self-reported their symptoms prospectively in the COVID Symptom Study app1. A total of 558 (13.3%) participants reported symptoms lasting ≥28 days, 189 (4.5%) for ≥8 weeks and 95 (2.3%) for ≥12 weeks. Long COVID was characterized by symptoms of fatigue, headache, dyspnea and anosmia and was more likely with increasing age and body mass index and female sex. Experiencing more than five symptoms during the first week of illness was associated with long COVID (odds ratio = 3.53 (2.76–4.50)). A simple model to distinguish between short COVID and long COVID at 7 days (total sample size, n = 2,149) showed an area under the curve of the receiver operating characteristic curve of 76%, with replication in an independent sample of 2,472 individuals who were positive for severe acute respiratory syndrome coronavirus 2. This model could be used to identify individuals at risk of long COVID for trials of prevention or treatment and to plan education and rehabilitation services. Analysis of data from the COVID Symptom Study app reveals fatigue, headache, dyspnea and anosmia as key attributes of long COVID, with those experiencing five or more symptoms during the first week of being at increased risk of prolonged disease.

The Pfizer-BioNTech (BNT162b2) and the Oxford-AstraZeneca (ChAdOx1 nCoV-19) COVID-19 vaccines have shown excellent safety and efficacy in phase 3 trials. We aimed to investigate the safety and effectiveness of these vaccines in a UK community setting.

The SARS-CoV-2 variant of concern, omicron, appears to be less severe than delta. We aim to quantify the differences in symptom prevalence, risk of hospital admission, and symptom duration among the vaccinated population.

BackgroundCOVID-19 vaccines show excellent efficacy in clinical trials and effectiveness in real-world data, but some people still become infected with SARS-CoV-2 after vaccination. This study aimed to identify risk factors for post-vaccination SARS-CoV-2 infection and describe the characteristics of post-vaccination illness.MethodsThis prospective, community-based, nested, case-control study used self-reported data (eg, on demographics, geographical location, health risk factors, and COVID-19 test results, symptoms, and vaccinations) from UK-based, adult (≥18 years) users of the COVID Symptom Study mobile phone app. For the risk factor analysis, cases had received a first or second dose of a COVID-19 vaccine between Dec 8, 2020, and July 4, 2021; had either a positive COVID-19 test at least 14 days after their first vaccination (but before their second; cases 1) or a positive test at least 7 days after their second vaccination (cases 2); and had no positive test before vaccination. Two control groups were selected (who also had not tested positive for SARS-CoV-2 before vaccination): users reporting a negative test at least 14 days after their first vaccination but before their second (controls 1) and users reporting a negative test at least 7 days after their second vaccination (controls 2). Controls 1 and controls 2 were matched (1:1) with cases 1 and cases 2, respectively, by the date of the post-vaccination test, health-care worker status, and sex. In the disease profile analysis, we sub-selected participants from cases 1 and cases 2 who had used the app for at least 14 consecutive days after testing positive for SARS-CoV-2 (cases 3 and cases 4, respectively). Controls 3 and controls 4 were unvaccinated participants reporting a positive SARS-CoV-2 test who had used the app for at least 14 consecutive days after the test, and were matched (1:1) with cases 3 and 4, respectively, by the date of the positive test, health-care worker status, sex, body-mass index (BMI), and age. We used univariate logistic regression models (adjusted for age, BMI, and sex) to analyse the associations between risk factors and post-vaccination infection, and the associations of individual symptoms, overall disease duration, and disease severity with vaccination status.FindingsBetween Dec 8, 2020, and July 4, 2021, 1 240 009 COVID Symptom Study app users reported a first vaccine dose, of whom 6030 (0·5%) subsequently tested positive for SARS-CoV-2 (cases 1), and 971 504 reported a second dose, of whom 2370 (0·2%) subsequently tested positive for SARS-CoV-2 (cases 2). In the risk factor analysis, frailty was associated with post-vaccination infection in older adults (≥60 years) after their first vaccine dose (odds ratio [OR] 1·93, 95% CI 1·50–2·48; p<0·0001), and individuals living in highly deprived areas had increased odds of post-vaccination infection following their first vaccine dose (OR 1·11, 95% CI 1·01–1·23; p=0·039). Individuals without obesity (BMI <30 kg/m2) had lower odds of infection following their first vaccine dose (OR 0·84, 95% CI 0·75–0·94; p=0·0030). For the disease profile analysis, 3825 users from cases 1 were included in cases 3 and 906 users from cases 2 were included in cases 4. Vaccination (compared with no vaccination) was associated with reduced odds of hospitalisation or having more than five symptoms in the first week of illness following the first or second dose, and long-duration (≥28 days) symptoms following the second dose. Almost all symptoms were reported less frequently in infected vaccinated individuals than in infected unvaccinated individuals, and vaccinated participants were more likely to be completely asymptomatic, especially if they were 60 years or older.InterpretationTo minimise SARS-CoV-2 infection, at-risk populations must be targeted in efforts to boost vaccine effectiveness and infection control measures. Our findings might support caution around relaxing physical distancing and other personal protective measures in the post-vaccination era, particularly around frail older adults and individuals living in more deprived areas, even if these individuals are vaccinated, and might have implications for strategies such as booster vaccinations.FundingZOE, the UK Government Department of Health and Social Care, the Wellcome Trust, the UK Engineering and Physical Sciences Research Council, UK Research and Innovation London Medical Imaging and Artificial Intelligence Centre for Value Based Healthcare, the UK National Institute for Health Research, the UK Medical Research Council, the British Heart Foundation, and the Alzheimer's Society.

BackgroundIn children, SARS-CoV-2 infection is usually asymptomatic or causes a mild illness of short duration. Persistent illness has been reported; however, its prevalence and characteristics are unclear. We aimed to determine illness duration and characteristics in symptomatic UK school-aged children tested for SARS-CoV-2 using data from the COVID Symptom Study, one of the largest UK citizen participatory epidemiological studies to date.MethodsIn this prospective cohort study, data from UK school-aged children (age 5–17 years) were reported by an adult proxy. Participants were voluntary, and used a mobile application (app) launched jointly by Zoe Limited and King's College London. Illness duration and symptom prevalence, duration, and burden were analysed for children testing positive for SARS-CoV-2 for whom illness duration could be determined, and were assessed overall and for younger (age 5–11 years) and older (age 12–17 years) groups. Children with longer than 1 week between symptomatic reports on the app were excluded from analysis. Data from symptomatic children testing negative for SARS-CoV-2, matched 1:1 for age, gender, and week of testing, were also assessed.Findings258 790 children aged 5–17 years were reported by an adult proxy between March 24, 2020, and Feb 22, 2021, of whom 75 529 had valid test results for SARS-CoV-2. 1734 children (588 younger and 1146 older children) had a positive SARS-CoV-2 test result and calculable illness duration within the study timeframe (illness onset between Sept 1, 2020, and Jan 24, 2021). The most common symptoms were headache (1079 [62·2%] of 1734 children), and fatigue (954 [55·0%] of 1734 children). Median illness duration was 6 days (IQR 3–11) versus 3 days (2–7) in children testing negative, and was positively associated with age (Spearman's rank-order rs 0·19, p<0·0001). Median illness duration was longer for older children (7 days, IQR 3–12) than younger children (5 days, 2–9). 77 (4·4%) of 1734 children had illness duration of at least 28 days, more commonly in older than younger children (59 [5·1%] of 1146 older children vs 18 [3·1%] of 588 younger children; p=0·046). The commonest symptoms experienced by these children during the first 4 weeks of illness were fatigue (65 [84·4%] of 77), headache (60 [77·9%] of 77), and anosmia (60 [77·9%] of 77); however, after day 28 the symptom burden was low (median 2 symptoms, IQR 1–4) compared with the first week of illness (median 6 symptoms, 4–8). Only 25 (1·8%) of 1379 children experienced symptoms for at least 56 days. Few children (15 children, 0·9%) in the negatively tested cohort had symptoms for at least 28 days; however, these children experienced greater symptom burden throughout their illness (9 symptoms, IQR 7·7–11·0 vs 8, 6–9) and after day 28 (5 symptoms, IQR 1·5–6·5 vs 2, 1–4) than did children who tested positive for SARS-CoV-2.InterpretationAlthough COVID-19 in children is usually of short duration with low symptom burden, some children with COVID-19 experience prolonged illness duration. Reassuringly, symptom burden in these children did not increase with time, and most recovered by day 56. Some children who tested negative for SARS-CoV-2 also had persistent and burdensome illness. A holistic approach for all children with persistent illness during the pandemic is appropriate.FundingZoe Limited, UK Government Department of Health and Social Care, Wellcome Trust, UK Engineering and Physical Sciences Research Council, UK Research and Innovation London Medical Imaging and Artificial Intelligence Centre for Value Based Healthcare, UK National Institute for Health Research, UK Medical Research Council, British Heart Foundation, and Alzheimer's Society.

Abstract Muscle ultrasound has been shown to be a valid and safe imaging modality to assess muscle wasting in critically ill patients in the intensive care unit (ICU). This typically involves manual delineation to measure the rectus femoris cross-sectional area (RFCSA), which is a subjective, time-consuming, and laborious task that requires significant expertise. We aimed to develop and evaluate an AI tool that performs automated recognition and measurement of RFCSA to support non-expert operators in measurement of the RFCSA using muscle ultrasound. Twenty patients were recruited between Feb 2023 and July 2023 and were randomized sequentially to operators using AI (n = 10) or non-AI (n = 10). Muscle loss during ICU stay was similar for both methods: 26 ± 15% for AI and 23 ± 11% for the non-AI, respectively ( p = 0.13). In total 59 ultrasound examinations were carried out (30 without AI and 29 with AI). When assisted by our AI tool, the operators showed less variability between measurements with higher intraclass correlation coefficients (ICCs 0.999 95% CI 0.998–0.999 vs. 0.982 95% CI 0.962–0.993) and lower Bland Altman limits of agreement (± 1.9% vs. ± 6.6%) compared to not using the AI tool. The time spent on scans reduced significantly from a median of 19.6 min (IQR 16.9–21.7) to 9.4 min (IQR 7.2–11.7) compared to when using the AI tool ( p < 0.001). AI-assisted muscle ultrasound removes the need for manual tracing, increases reproducibility and saves time. This system may aid monitoring muscle size in ICU patients assisting rehabilitation programmes.