- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT03777670
nSeP: Erkennung neonataler Sepsis durch immunmetabolische Netzwerkanalyse (nSeP)
Erkennung neonataler Sepsis durch immunmetabolische Netzwerkanalyse
Die Diagnose einer Neugeborenensepsis bleibt aufgrund unspezifischer Anzeichen und diagnostischer Ungenauigkeiten eine Herausforderung. Studien haben gezeigt, dass dies zu einer Überdiagnose und einem übermäßigen Einsatz einer Antibiotikabehandlung mit möglichen langfristigen Nebenwirkungen führen kann.
In ersten Studien wurde gezeigt, dass ein systemischer Ansatz zur Diagnose neonataler Sepsis eine hohe Genauigkeit aufweist. Ziel dieser Studie ist es, eine große Validierungskohorte zu rekrutieren, um die Ergebnisse zu bestätigen.
Studienübersicht
Detaillierte Beschreibung
Mehrere Studien haben gezeigt, dass Veränderungen in der Genexpression des Wirts präsymptomatisch als Reaktion auf eine Infektion in jedem Teil des Körpers auftreten können, wobei die kontinuierliche Interaktion zwischen Blut und Gewebe es Blutzellen ermöglicht, als Biosensoren für die Veränderungen zu fungieren (Manger und Relman, 2000). , Liew et al., 2006). Die genomweite Analyse zeigt eine koordinierte Expression, die Netzwerke entwickelt, die über Pfade kausal verbunden sind.
Frühere Studien unserer Gruppe, die optimale Methoden für die Probenahme und Extraktion von gesamten Transkriptionsprodukten (RNA) von Neugeborenen untersuchten, zeigten die ersten Machbarkeitsstudien für die Verwendung einer genomweiten RNA-Analyse als methodischen Ansatz zur Identifizierung von Wirtsbiomarkern für Infektionen und Impfungen im frühen Leben (Smith et al., 2007, Flanagan et al., 2013). Die Probenahmemethoden wurden 2015 mit der Entwicklung einer Einzeltropfenmethode weiter verfeinert, die in einer Vielzahl von Umgebungen umfassend getestet wurde, einschließlich der Sammlung neonataler Proben zu Hause, zum Zeitpunkt der Guthrie-Tests durch Hebammen. Einzelheiten zu diesen Methoden wurden kürzlich der Zeitschrift Nature Protocols vorgelegt. Darüber hinaus haben wir schon früh virtuelle klinische Studien mit einem Super-Computing-Framework durchgeführt, das mehrere 100.000 Vollblutproben von Neugeborenen simulierte, um Infektionen vorherzusagen (Khondoker et al., 2010). Diese Untersuchungen zeigten die Notwendigkeit mehrerer Marker und idealerweise in diskreten biologischen Signalwegen, die der Kausalität zugrunde liegen (Khondoker et al., 2010, Watterson und Ghazal, 2010). Diese Untersuchungen lieferten eine solide Grundlage für die Einleitung einer Fallkontrolle der Sepsis bei Neugeborenen (Dickinson et al., 2015). Dementsprechend waren wir die erste Gruppe, die Studien veröffentlichte, die die systemische Immunantwort bei Neugeborenen auf Sepsis untersuchten, indem sie die Aktivität aller bekannten menschlichen Gene maßen (Smith et al. Nature Comm. 2014). Diese rechenintensiven Untersuchungen führten zum ersten Mal dazu, die Signalwegbiologie aufzudecken, die der neonatalen Sepsis zugrunde liegt, und zwar anhand von Blutproben, die bei den ersten klinischen Anzeichen eines Infektionsverdachts entnommen wurden. Eine Kombination aus maschinellem Lernen, statistischen und Deep-Pathway-Biologieanalysen führte zur Identifizierung eines 52-Gen-Panels biologisch verbundener Netzwerkmodule. Die Module umfassen drei zentrale Signalwege: angeboren-immun oder entzündlich, adaptiv-immun und unerwartet metabolisch. Die Expressionsniveaus bestimmter Kombinationen von Biomarkern und insbesondere derjenigen eines Signalwegs, der zuvor nicht mit Immunantworten in Zusammenhang stand, sorgen für eine ungewöhnlich hohe diagnostische Qualität. Trotz der Heterogenität der Patienten wies das 52-Knoten-Dual-Biomarker-Netzwerk eine Genauigkeit von mehr als 99 % bei der Erkennung bakterieller Infektionen mit einer Sensitivität von 100 % auf und zeigte eine überlegene Leistung gegenüber zuvor charakterisierten Markern. Darüber hinaus ermöglichten diese spezifischen Kombinationen von Biomarkern den Nachweis einer Sepsis bei Neugeborenen in Proben, die in der Blutkultur negative Ergebnisse gezeigt hatten, was die spezifischen diagnostischen Vorteile der jeweiligen Kombinationen von Biomarkern verdeutlicht. Die unerwartet hohen Genauigkeits- und Sensitivitätswerte konnten weder aus der Untersuchung einzelner Biomarker allein resultieren, noch waren sie vorhersehbar. Ein entscheidender Teil dieser Erkenntnisse ist die Notwendigkeit, dass Stoffwechselwege sowohl die Empfindlichkeit als auch die Spezifität erhöhen. Eine Untergruppe der Stoffwechselmarker umfasst Liganden (insbesondere klein- und mittelkettige Fettsäuren), die aus dem mikrobiellen Stoffwechsel, insbesondere aus Kommensalen, stammen und sich im fäkalen Mikrobiom widerspiegeln. Bisher liefern diese Studien einen Machbarkeitsnachweis, erfordern jedoch unabhängige Bestätigungsstudien sowie die Untersuchung der Spezifität gegen nichtbakterielle (Virus- und Pilzinfektionen) und sterile Entzündungen. Die dringende, ungelöste medizinische Frage ist, ob prädiktive Wirtswege einer Infektion genutzt werden können, um zunächst festzustellen, ob ein Patient bei oder vor der klinischen Präsentation infiziert ist, und um weiter zwischen der Art der Infektion (insbesondere bakteriell oder viral) und der Vorhersagbarkeit einer Sepsis zu unterscheiden.
Studientyp
Einschreibung (Voraussichtlich)
Kontakte und Standorte
Studienkontakt
- Name: Peter Ghazal, PhD
- Telefonnummer: 29207 44721
- E-Mail: ghazalp@cardiff.ac.uk
Studienorte
-
-
South Glamorgan
-
Cardiff, South Glamorgan, Vereinigtes Königreich, CF14 4XN
- Rekrutierung
- University Hospital of Wales
-
Kontakt:
- Mallinath Chakraborty, PhD
- Telefonnummer: +44 2920 742276
- E-Mail: chakrabortym@cardiff.ac.uk
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Mit herkömmlichen Tests (Vollblutbild [FBC], Entzündungsmarker wie C-reaktives Protein [CRP] und Blutkultur) auf Verdacht auf Sepsis (einschließlich nicht infektiöser Entzündungszustände) untersucht und mit Antibiotika begonnen – mögliche Fälle.
- Untersuchung auf nichtseptische Erkrankungen (Blutentnahme zur Routineüberwachung, Gelbsucht, Hypoglykämie usw.) – Kontrollen.
- Einverständniserklärung der Eltern zur Verwendung von Blut- und Stuhlproben (Erstprobe und 24-Stunden-Probe) sowie klinischen Daten für die Studie.
Ausschlusskriterien:
- Sprach- und Kommunikationsprobleme, die es schwierig machen, das Studium zu erklären und eine Einverständniserklärung einzuholen.
- Wenn bei einem Säugling innerhalb der nächsten 24 Stunden ein hohes Sterberisiko besteht.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Fälle
Säuglinge mit Verdacht auf Sepsis
|
Blutstropfen für RNA- und Stoffwechselanalysen
|
|
Kontrollen
Säuglinge ohne Verdacht auf Sepsis
|
Blutstropfen für RNA- und Stoffwechselanalysen
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Sepsis
Zeitfenster: 5 Jahre
|
Immunsignatur der Sepsis
|
5 Jahre
|
Mitarbeiter und Ermittler
Mitarbeiter
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Voraussichtlich)
Studienabschluss (Voraussichtlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 248404
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 .