《柳叶刀-感染病学》（The Lancet Infectious Diseases）近日发表一项研究对2021年3月29日至5月23日期间英格兰地区的40,000多例感染者进行了分析，研究显示，相比于SARS-CoV-2阿尔法（Alpha）变异株的感染者，德尔塔（Delta）变异株感染者的住院风险升高了约一倍。

与阿尔法（Alpha）变异株相比，感染德尔塔（Delta）变异株后14天内的急诊就诊或入院风险高出了一半（风险增加至1.45倍）。

基于全基因组测序（确定病毒变异株最准确的方法）确认的病例，这项新研究首次报告了德尔塔（Delta）变异株与阿尔法（Alpha）变异株的住院风险。

该研究的主要作者之一、来自英格兰公共卫生局国家感染服务处（National Infection Service, Public Health England）的流行病学顾问Dr Gavin Dabrera表示：“这项研究证实了先前的发现，即德尔塔（Delta）变异株感染者比阿尔法（Alpha）变异株感染者更有可能需要住院治疗，尽管本分析纳入的大多数病例都没有接种疫苗。根据我们的经验，接种疫苗对德尔塔（Delta）变异株有非常好的保护作用，由于这种变异株所致的感染已经达到英国COVID-19病例的98%以上，那些尚未接种两剂疫苗的人应当尽快接种疫苗。另一个重要的事情是，如果你出现了COVID-19的症状，请居家隔离并尽快接受PCR检测。” 

2020年12月，印度首次报道了德尔塔（Delta）变异株，早期研究发现其传播能力比之前在世界范围内占主导地位的COVID-19变异，即首次于发现英国肯特郡（Kent, UK）Alpha变异高了50%。

一项来自苏格兰的初步研究曾报告称，与阿尔法（Alpha）变异株相比，感染德尔塔（Delta）变异株的住院风险增加了一倍，人们怀疑德尔塔（Delta）变异株与疾病严重程度加重有关。先前的研究使用了患者首次PCR检测的结果，并通过检测在德尔塔（Delta）变异株中更为常见的一个特定基因来确定患者感染何种变异株 。

在最新研究中，研究人员分析了英格兰地区2021年3月29日至5月23日期间43,338个COVID-19阳性病例的医疗数据，包括疫苗接种状态、急诊就诊情况、住院情况及其他人口统计学特征等信息。研究人员从本研究纳入的所有患者身上提取了病毒样本并进行了全基因组测序，以确认哪种变异株导致了感染。 

在研究期间，有34,656例感染阿尔法（Alpha）变异株（80%）和8,682例感染德尔塔（Delta）变异株（20%）。虽然在研究期间，感染德尔塔（Delta）变异株的病例比例总体上是20%，但在2021年5月17日开始的一周中，德尔塔（Delta）变异株感染病例比例增长到占新发COVID-19病例的三分之二左右（65%，3,973/6,090），这表明德尔塔（Delta）变异株已经取代阿尔法（Alpha）变异株成为英格兰的主要变异株。

大约每50名患者中就有1人在首次 COVID-19检测结果呈阳性后的14天内住院（2.2% 的Alpha变异株感染者，764/34,656；2.3% Delta的变异株感染者，196/8,682）。在考虑了已知的COVID-19重症易感因素，包括年龄、种族和疫苗接种状况后，研究人员发现，与阿尔法（Alpha）变异株感染者相比，德尔塔（Delta）变异感染者的入院风险升高了一倍多。

多项研究表明，针对阿尔法（Alpha）和德尔塔（Delta）变异株，完全接种疫苗可以预防症状性感染和住院治疗。事实上，在这项研究中，只有1.8%（794/43,338）的COVID-19病例（感染任一变异）接种了两剂疫苗；74%的病例（32,078/43,338）未接种疫苗，24%的病例（10,466/43,338）接种了一剂疫苗。作者指出，因此，针对在疫苗接种后感染阿尔法（Alpha）和德尔塔（Delta）变异株之间的住院风险有何不同这一问题，其结论不可能具有统计学上的显著差异性。这项研究的结果主要告诉我们那些未接种疫苗或部分接种疫苗者的住院风险。

该研究的主要作者之一、来自剑桥大学MRC生物统计学社（MRC Biostatistics Unit, University of Cambridg）的高级统计分析师Dr Anne Presanis说：“我们的分析强调，在未疫苗接种的情况下，任意一场德尔塔（Delta）毒株的暴发都会给医疗卫生系统带来比阿尔法（Alpha）变异株流行更大的负担。首先，全面接种疫苗对于降低个人感染德尔塔（Delta）变异株的风险至关重要，而且值得注意的是，全面接种疫苗也可以降低感染德尔塔（Delta）变异株的患者罹患重症和入院治疗的风险。”

作者指出了该研究的几个局限性。首先，具有某些人口统计学特征的群体或许更有可能寻求医院治疗，这可能会使结果出现偏差。其次，在研究期间的医院收治政策可能发生了变化，尽管对人口统计学特征和日历时间进行调整校正应该会使这种偏倚最小化。此外，作者无法获得有关患者原有健康状况的信息，而这些信息已知会影响COVID-19的重症疾病风险。尽管如此，研究者也在本文中使用年龄、性别、种族和估计的社会经济贫困水平来间接说明了这个问题。

本文首发自柳叶刀TheLancet