Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Variablen, die mit der Entwicklung multipler endokriner Neoplasien (MEN) und neuroendokriner Tumoren der Bauchspeicheldrüse (PNET) korrelieren

11. September 2019 aktualisiert von: M.D. Anderson Cancer Center
Die Studie zielt darauf ab, Krankheitsprädiktoren bei Patienten mit Hyperparathyreoidismus (HPTH) zu identifizieren, die sich einer Operation unterziehen.

Studienübersicht

Detaillierte Beschreibung

Ziel der Forscher ist es, somatische Mutationen und vererbte genetische Varianten zu identifizieren, die dabei helfen können, die Entwicklung von PNET bei Patienten mit Hyperparathyreoidismus vorherzusagen.

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

53

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studienorte

    • Texas
      • Houston, Texas, Vereinigte Staaten, 77030
        • Rekrutierung
        • University of Texas MD Anderson Cancer Center

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Folgende Studienteilnehmer wurden identifiziert: Patienten des Operationsteams am MD Anderson Cancer Center, die sich einer Parathyreoidektomie unterzogen haben.

Beschreibung

Einschlusskriterien:

  1. MEN1-Patienten, die sich einer Parathyreoidektomie unterzogen haben und kein PNET entwickelt haben.
  2. MEN1-Patienten, die sich einer Parathyreoidektomie unterzogen und deren PNET chirurgisch entfernt wurde.

Ausschlusskriterien:

N / A

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Gewebe und Daten zur Parathyreoidektomie

Die Analysen umfassen eine auf Genomsequenzierung basierende Analyse, um neuartige Keimbahnvariationen in der Blut-DNA und somatische Veränderungen in der Tumor-DNA zu identifizieren, die zur Entwicklung von Bauchspeicheldrüsentumoren beitragen können.

Klinische Informationen aus der Krankenakte des Patienten, einschließlich anonymisierter demografischer Daten (Alter, Geschlecht, Rasse/ethnische Zugehörigkeit), Krankengeschichte, Familiengeschichte, Krankheitsstatus, Ansprechen auf die Behandlung, Überlebensinformationen und ausgewählte klinische Daten aus der Krankenakte (Kalzium). Werte, Calcitoninspiegel).

Die Analysen umfassen eine auf Genomsequenzierung basierende Analyse, um neuartige Keimbahnvariationen in der Blut-DNA und somatische Veränderungen in der Tumor-DNA zu identifizieren, die zur Entwicklung von Bauchspeicheldrüsentumoren beitragen können.
Klinische Informationen aus der Krankenakte des Patienten, einschließlich anonymisierter demografischer Daten (Alter, Geschlecht, Rasse/ethnische Zugehörigkeit), Krankengeschichte, Familiengeschichte, Krankheitsstatus, Ansprechen auf die Behandlung, Überlebensinformationen und ausgewählte klinische Daten aus der Krankenakte (Kalzium). Werte, Calcitoninspiegel).

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Zeitfenster
Identifizierung somatischer Mutationen und vererbter genetischer Varianten zur Vorhersage der Entwicklung von neuroendokrinen Tumoren der Bauchspeicheldrüse (PNET) bei Teilnehmern mit Hyperparathyreoidismus durch Genomsequenzierung
Zeitfenster: 10 Jahre
10 Jahre

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Zeitfenster
Identifizierung somatischer Mutationen und vererbter genetischer Varianten zur Vorhersage der Entwicklung von neuroendokrinen Tumoren der Bauchspeicheldrüse (PNET) bei Teilnehmern mit Hyperparathyreoidismus durch Datenüberprüfung
Zeitfenster: 10 Jahre
10 Jahre

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Ermittler

  • Hauptermittler: Nancy D. Perrier, MD, M.D. Anderson Cancer Center

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

9. Oktober 2012

Primärer Abschluss (Voraussichtlich)

1. Oktober 2022

Studienabschluss (Voraussichtlich)

1. Oktober 2023

Studienanmeldedaten

Zuerst eingereicht

13. Februar 2017

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

13. Februar 2017

Zuerst gepostet (Tatsächlich)

15. Februar 2017

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

12. September 2019

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

11. September 2019

Zuletzt verifiziert

1. September 2019

Mehr Informationen

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Abonnieren