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.

BackgroundData for front-line health-care workers and risk of COVID-19 are limited. We sought to assess risk of COVID-19 among front-line health-care workers compared with the general community and the effect of personal protective equipment (PPE) on risk.MethodsWe did a prospective, observational cohort study in the UK and the USA of the general community, including front-line health-care workers, using self-reported data from the COVID Symptom Study smartphone application (app) from March 24 (UK) and March 29 (USA) to April 23, 2020. Participants were voluntary users of the app and at first use provided information on demographic factors (including age, sex, race or ethnic background, height and weight, and occupation) and medical history, and subsequently reported any COVID-19 symptoms. We used Cox proportional hazards modelling to estimate multivariate-adjusted hazard ratios (HRs) of our primary outcome, which was a positive COVID-19 test. The COVID Symptom Study app is registered with ClinicalTrials.gov, NCT04331509.FindingsAmong 2 035 395 community individuals and 99 795 front-line health-care workers, we recorded 5545 incident reports of a positive COVID-19 test over 34 435 272 person-days. Compared with the general community, front-line health-care workers were at increased risk for reporting a positive COVID-19 test (adjusted HR 11·61, 95% CI 10·93–12·33). To account for differences in testing frequency between front-line health-care workers and the general community and possible selection bias, an inverse probability-weighted model was used to adjust for the likelihood of receiving a COVID-19 test (adjusted HR 3·40, 95% CI 3·37–3·43). Secondary and post-hoc analyses suggested adequacy of PPE, clinical setting, and ethnic background were also important factors.InterpretationIn the UK and the USA, risk of reporting a positive test for COVID-19 was increased among front-line health-care workers. Health-care systems should ensure adequate availability of PPE and develop additional strategies to protect health-care workers from COVID-19, particularly those from Black, Asian, and minority ethnic backgrounds. Additional follow-up of these observational findings is needed.FundingZoe Global, Wellcome Trust, Engineering and Physical Sciences Research Council, National Institutes of Health Research, UK Research and Innovation, Alzheimer's Society, National Institutes of Health, National Institute for Occupational Safety and Health, and Massachusetts Consortium on Pathogen Readiness.

A total of 2,618,862 participants reported their potential symptoms of COVID-19 on a smartphone-based app. Among the 18,401 who had undergone a SARS-CoV-2 test, the proportion of participants who reported loss of smell and taste was higher in those with a positive test result (4,668 of 7,178 individuals; 65.03%) than in those with a negative test result (2,436 of 11,223 participants; 21.71%) (odds ratio = 6.74; 95% confidence interval = 6.31–7.21). A model combining symptoms to predict probable infection was applied to the data from all app users who reported symptoms (805,753) and predicted that 140,312 (17.42%) participants are likely to have COVID-19. Analysis of data from a smartphone-based app designed for large-scale tracking of potential COVID-19 symptoms, used by over 2.5 million participants in the United Kingdom and United States, shows that loss of taste and smell sensations is predictive of potential SARS-CoV-2 infection.

It is challenging to associate features such as human health outcomes, diet, environmental conditions, or other metadata to microbial community measurements, due in part to their quantitative properties. Microbiome multi-omics are typically noisy, sparse (zero-inflated), high-dimensional, extremely non-normal, and often in the form of count or compositional measurements. Here we introduce an optimized combination of novel and established methodology to assess multivariable association of microbial community features with complex metadata in population-scale observational studies. Our approach, MaAsLin 2 (Microbiome Multivariable Associations with Linear Models), uses generalized linear and mixed models to accommodate a wide variety of modern epidemiological studies, including cross-sectional and longitudinal designs, as well as a variety of data types (e.g., counts and relative abundances) with or without covariates and repeated measurements. To construct this method, we conducted a large-scale evaluation of a broad range of scenarios under which straightforward identification of meta-omics associations can be challenging. These simulation studies reveal that MaAsLin 2's linear model preserves statistical power in the presence of repeated measures and multiple covariates, while accounting for the nuances of meta-omics features and controlling false discovery. We also applied MaAsLin 2 to a microbial multi-omics dataset from the Integrative Human Microbiome (HMP2) project which, in addition to reproducing established results, revealed a unique, integrated landscape of inflammatory bowel diseases (IBD) across multiple time points and omics profiles.

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 gut microbiome is shaped by diet and influences host metabolism; however, these links are complex and can be unique to each individual. We performed deep metagenomic sequencing of 1,203 gut microbiomes from 1,098 individuals enrolled in the Personalised Responses to Dietary Composition Trial (PREDICT 1) study, whose detailed long-term diet information, as well as hundreds of fasting and same-meal postprandial cardiometabolic blood marker measurements were available. We found many significant associations between microbes and specific nutrients, foods, food groups and general dietary indices, which were driven especially by the presence and diversity of healthy and plant-based foods. Microbial biomarkers of obesity were reproducible across external publicly available cohorts and in agreement with circulating blood metabolites that are indicators of cardiovascular disease risk. While some microbes, such as Prevotella copri and Blastocystis spp., were indicators of favorable postprandial glucose metabolism, overall microbiome composition was predictive for a large panel of cardiometabolic blood markers including fasting and postprandial glycemic, lipemic and inflammatory indices. The panel of intestinal species associated with healthy dietary habits overlapped with those associated with favorable cardiometabolic and postprandial markers, indicating that our large-scale resource can potentially stratify the gut microbiome into generalizable health levels in individuals without clinically manifest disease.

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.

Prolonged sitting, particularly watching television or videos, has been associated with increased risk of multiple diseases and mortality. However, changes in sedentary behaviors over time have not been well described in the United States.To evaluate patterns and temporal trends in sedentary behaviors and sociodemographic and lifestyle correlates in the US population.A serial, cross-sectional analysis of the US nationally representative data from the National Health and Nutrition Examination Survey (NHANES) among children aged 5 through 11 years (2001-2016); adolescents, 12 through 19 years (2003-2016); and adults, 20 years or older (2003-2016).Survey cycle.Prevalence of sitting watching television or videos for 2 h/d or more, computer use outside work or school for 1 h/d or more, and total sitting time (h/d in those aged ≥12 years).Data on 51 896 individuals (mean, 37.2 years [SE, 0.19]; 25 968 [50%] female) were analyzed from 2001-2016 NHANES data, including 10 359 children, 9639 adolescents, and 31 898 adults. The estimated prevalence of sitting watching television or videos for 2 h/d or more was high among all ages (children, 62% [95% CI, 57% to 67%]; adolescents, 59% [95% CI, 54% to 65%]; adults, 65% [95% CI, 61% to 69%]; adults aged 20-64 years, 62% [95% CI, 58% to 66%]; and ≥65 years, 84% [95% CI, 81% to 88%] in the 2015-2016 cycle). From 2001 through 2016, the trends decreased among children over time (difference, -3.4% [95% CI, -11% to 4.5%]; P for trend =.004), driven by non-Hispanic white children; were stable among adolescents (-4.8% [95% CI, -12% to 2.3%]; P for trend =.60) and among adults aged 20 through 64 years (-0.7% [95% CI, -5.6% to 4.1%]; P for trend =.82); but increased among adults aged 65 years or older (difference, 3.5% [95% CI, -1.2% to 8.1%]; P for trend =.03). The estimated prevalence of computer use outside school or work for 1 h/d or more increased in all ages (children, 43% [95% CI, 40% to 46%] to 56% [95% CI, 49% to 63%] from 2001 to 2016; difference, 13% [95% CI, 5.6% to 21%]; P for trend <.001; adolescents, 53% [95% CI, 47% to 58%] to 57% [95% CI, 53% to 62%] from 2003 to 2016, difference, 4.8% [95% CI, -1.8% to 11%]; P for trend =.002; adults, 29% [27% to 32%] to 50% [48% to 53%] from 2003 to 2016, difference, 21% [95% CI, 18% to 25%]; P for trend <.001). From 2007 to 2016, total hours per day of sitting time increased among adolescents (7.0 [95% CI, 6.7 to 7.4] to 8.2 [95% CI, 7.9 to 8.4], difference, 1.1 [95% CI, 0.7 to 1.5]) and adults (5.5 [95% CI, 5.2 to 5.7] to 6.4 [95% CI, 6.2 to 6.6]; difference, 1.0 [95% CI, 0.7 to 1.3]; P for trend <.001 for both).In this nationally representative survey of the US population from 2001 through 2016, the estimated prevalence of sitting watching television or videos for at least 2 hours per day generally remained high and stable. The estimated prevalence of computer use during leisure-time increased among all age groups, and the estimated total sitting time increased among adolescents and adults.

Mobile symptom tracking The rapidity with which severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) spreads through a population is defying attempts at tracking it, and quantitative polymerase chain reaction testing so far has been too slow for real-time epidemiology. Taking advantage of existing longitudinal health care and research patient cohorts, Drew et al. pushed software updates to participants to encourage reporting of potential coronavirus disease 2019 (COVID-19) symptoms. The authors recruited about 2 million users (including health care workers) to the COVID Symptom Study (previously known as the COVID Symptom Tracker) from across the United Kingdom and the United States. The prevalence of combinations of symptoms (three or more), including fatigue and cough, followed by diarrhea, fever, and/or anosmia, was predictive of a positive test verification for SARS-CoV-2. As exemplified by data from Wales, United Kingdom, mathematical modeling predicted geographical hotspots of incidence 5 to 7 days in advance of official public health reports. Science , this issue p. 1362

Importance

 Colorectal cancer (CRC) incidence and mortality among individuals younger than 50 years (early-onset CRC) are increasing. The reasons for such increases are largely unknown, although the increasing prevalence of obesity may be partially responsible. 

Objective

 To investigate prospectively the association between obesity and weight gain since early adulthood with the risk of early-onset CRC. 

Design, Setting, and Participants

 The Nurses’ Health Study II is a prospective, ongoing cohort study of US female nurses aged 25 to 42 years at study enrollment (1989). A total of 85 256 women free of cancer and inflammatory bowel disease at enrollment were included in this analysis, with follow-up through December 31, 2011. Validated anthropomorphic measures and lifestyle information were self-reported biennially. Statistical analysis was performed from June 12, 2017, to June 28, 2018. 

Exposures

 Current body mass index (BMI) (calculated as weight in kilograms divided by height in meters squared), BMI at 18 years of age, and weight gain since 18 years of age. 

Main Outcomes and Measures

 Relative risk (RR) for incident early-onset CRC. 

Results

 Among the 85 256 women studied, 114 cases of early-onset CRC were documented (median age at diagnosis, 45 years; interquartile range, 41-47 years) during 1 196 452 person-years of follow-up. Compared with women with a BMI of 18.5 to 22.9, the multivariable RR was 1.37 (95% CI, 0.81-2.30) for overweight women (BMI, 25.0-29.9) and 1.93 (95% CI, 1.15-3.25) for obese women (BMI, ≥30.0). The RR for each 5-unit increment in BMI was 1.20 (95% CI, 1.05-1.38;P = .01 for trend). Similar associations were observed among women without a family history of CRC and without lower endoscopy within the past 10 years. Both BMI at 18 years of age and weight gain since 18 years of age contributed to this observation. Compared with women with a BMI of 18.5 to 20.9 at 18 years of age, the RR of early-onset CRC was 1.32 (95% CI, 0.80-2.16) for women with a BMI of 21.0 to 22.9 and 1.63 (95% CI, 1.01-2.61) for women with a BMI of 23.0 or greater at 18 years of age (P = .66 for trend). Compared with women who had gained less than 5.0 kg or had lost weight, the RR of early-onset CRC was 1.65 (95% CI, 0.96-2.81) for women gaining 20.0 to 39.9 kg and 2.15 (95% CI, 1.01-4.55) for women gaining 40.0 kg or more (P = .007 for trend). 

Conclusions and Relevance

 Obesity was associated with an increased risk of early-onset CRC among women. Further investigations among men and to elucidate the underlying biological mechanisms are warranted.