- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05378282
Identifizierung von Biomarkern für diabetische Nephropathie durch Transkriptomik
Studienübersicht
Status
Detaillierte Beschreibung
Typ-2-Diabetes (T2D) ist definiert als eine Gruppe von Stoffwechselerkrankungen, die durch chronische Hyperglykämie gekennzeichnet sind, die aus Defekten in der Insulinsekretion, Insulinwirkung oder beidem resultiert. Laut der National Health Survey 2012 ist in Mexiko etwa 1 von 10 Personen von T2D betroffen, es ist jedoch wichtig zu erwähnen, dass diese Daten nur Personen widerspiegeln, bei denen die Krankheit zuvor diagnostiziert wurde, aber wir erwarten einen zweifachen Anstieg dieser Zahl, wenn einschließlich neu diagnostizierter T2D-Patienten. Darüber hinaus hat die Prävalenz von T2D in jüngeren Altersgruppen zugenommen (25 % der Diabetesfälle in Mexiko treten bei jungen Erwachsenen < 43 Jahren auf), was bedeutet, dass > 20 Jahre mit der Krankheit leben. Folglich gehört T2D zu den häufigsten Todesursachen, was eine gesundheitliche Belastung für das Land darstellt.
Es wurde geschätzt, dass mehr als 40 % der Menschen mit Diabetes eine chronische Nierenerkrankung (CKD) entwickeln, was etwa 40 % aller Patienten entspricht, die mit einer Nierenersatztherapie beginnen. Im Instituto Mexicano del Seguro Social gehört Nephropathie zu den fünf Hauptursachen für die medizinische Versorgung in allgemeinen Krankenhäusern der Region und in hochspezialisierten Krankenhäusern. Eine Studie in Tuxtla Gutiérrez, Chiapas, informierte, dass bei Diabetikern eine Nephropathie-Inzidenz von 35 % beobachtet wurde. Cueto-Manzano et al. berichteten von einer 40 %-Inzidenz von früher Nephropathie und 29 % einer etablierten Nephropathie bei 756 Diabetikern aus Jalisco. Eine andere Studie in Mexiko, an der 3.609 Diabetiker in Guanajuato teilnahmen, berichtete von 23,8 % diabetischer Nephropathie. Eine kürzlich im Bundesstaat Mexiko durchgeführte Studie, an der 44.458 Patienten mit T2D-Diagnose teilnahmen, registrierte das Vorhandensein einer diabetischen Nephropathie bei 9,1 % .
Eine diabetische Nierenerkrankung ist ungewöhnlich, wenn der Diabetes weniger als ein Jahrzehnt besteht. Die höchsten Inzidenzraten von 3 % pro Jahr werden im Durchschnitt 10 bis 20 Jahre nach Beginn des Diabetes beobachtet, danach nimmt die Nephropathierate ab. Es ist wichtig zu sagen, dass ein Diabetiker, der seit 20 bis 25 Jahren keine klinischen Anzeichen einer diabetischen Nephropathie aufweist, eine geringe Wahrscheinlichkeit hat, eine solche Komplikation zu entwickeln. Das Fortschreiten von T2D zu diabetischer Nephropathie ist zu einem Gesundheitsproblem geworden, nicht nur wegen der Kosten für den Gesundheitssektor, sondern auch wegen der Verschlechterung der Lebensqualität des Patienten und der Ergebnisse.
Zu den Hauptrisikofaktoren für das Fortschreiten zur diabetischen Nephropathie gehören: Hyperglykämie, Ansprechen auf Medikamente und lange Diabetesdauer, Bluthochdruck, Fettleibigkeit und Dyslipidämie. Die meisten dieser Faktoren können durch Medikamente oder Änderungen des Lebensstils beeinflusst werden. Daher ist das Management der modifizierbaren Risikofaktoren ein Schlüssel zum Verhindern und Verzögern des Rückgangs der Nierenfunktion. Eine frühzeitige Diagnose der diabetischen Nephropathie ist eine weitere wesentliche Komponente bei der Behandlung von Diabetes und seinen Komplikationen wie Nephropathie. Die American Diabetes Association (ADA) empfiehlt Diabetikern mit progressiver diabetischer Nephropathie und CKD das routinemäßige Screening. Die am weitesten verbreiteten Richtlinien der National Kidney Foundation beinhalteten die Messung der glomerulären Filtrationsrate (GFR) und der CKD-Stadien unter Verwendung von Serumkreatinin bei Patienten. Da Kreatinin jedoch neben der glomerulären Filtration und seiner extrarenalen Elimination über den Gastrointestinaltrakt auch einer tubulären Sekretion unterliegt, könnte die GFR insbesondere bei fortgeschrittener Niereninsuffizienz überschätzt werden. Im Falle der GFR sind die Techniken aufgrund invasiver Methoden überwältigend und einige Marker sind schwierig zu handhaben. Ein weiterer in der Klinik verwendeter Marker ist die Mikroalbuminurie, bei den meisten Patienten ist das erste Anzeichen einer diabetischen Nephropathie die mäßige Erhöhung der Albuminausscheidung im Urin, d. h. 30-300 mg/g Kreatinin in einer Urinprobe (auch als Mikroalbuminurie bezeichnet). Patienten, die Makroalbuminurie (>30-300 mg/g Kreatinin) entwickeln, haben ein hohes Risiko für die Entwicklung einer diabetischen Nephropathie. Dennoch kehren ungefähr bis zu 40 % der Patienten mit mäßiger Albuminurie zur Normoalbuminurie zurück. Darüber hinaus kommt es bei bis zu 50 % der Patienten mit Typ-1-Diabetes oder T2D trotz nur mäßiger Albuminurie oder sogar Normoalbuminurie zu einem Rückgang der eGFR. Folglich sind die aktuell in der Klinik verfügbaren Marker ungenau, so dass es notwendig ist, neue Marker zu identifizieren, die Patienten mit hohem Risiko für die Entwicklung einer diabetischen Nephropathie erkennen können, um das Fortschreiten der Komplikationen zu verzögern, indem geeignete Maßnahmen ergriffen werden.
Die Transkriptomik
Die Entwicklung neuer Technologien im Zeitalter der Genomik ermöglichte den beschleunigten Fortschritt in der Systembiologie und die Generierung von Wissen über Nierenentwicklung, Homöostase und Krankheiten. In diesem Zusammenhang können Transkriptom-Signaturen, die mit bestimmten Krankheitszuständen assoziiert sind, wertvolle Informationen über pathogene Mechanismen liefern und vorrangige Biomarker-Kandidaten für die Genexpression ans Licht bringen. Darüber hinaus ermöglicht der Vergleich von Transkriptomen die Identifizierung von Genen, die in unterschiedlichen Populationen unterschiedlich exprimiert werden.
Im Allgemeinen ist die RNA-Seq-Technologie sehr nützlich für die differenzielle Expressionsanalyse, bei der üblicherweise fünf Schritte angewendet werden. Zunächst werden die RNA-Proben in kleine komplementäre DNA-Sequenzen (cDNA) fragmentiert und dann von einer Hochdurchsatzplattform sequenziert. Zweitens werden die kleinen erzeugten Sequenzen einem Transkriptom zugeordnet. Drittens werden die Expressionsniveaus für jedes Gen oder jede Isoform geschätzt. Viertens werden die abgebildeten Daten normalisiert und z. Mittels statistischer und maschineller Lernmethoden werden die differentiell exprimierten Gene (DEGs) identifiziert. Abschließend wird die Relevanz der produzierten Daten aus einem biologischen Kontext bewertet.
Eine aktuelle Studie von O´Conell et al. identifizierten einen Satz von 13 Genen, der für die Entwicklung einer Nierenfibrose nach 1 Jahr der Nierentransplantation durch Microarray-Expressionsanalyse von Biopsien von Empfängern von Nieren-Allotransplantaten vorhersagbar war. Daher schlagen die Autoren vor, dass der Satz von 13 Genen verwendet werden könnte, um Nierentransplantatempfänger zu identifizieren, bei denen das Risiko eines Allotransplantatverlusts besteht, bevor sich irreversible Schäden entwickeln. Eine Studie von Ju et al. ergab, dass der epidermale Wachstumsfaktor (EGF), ein tubulusspezifisches Protein, das für die Zelldifferenzierung und -regeneration entscheidend ist, die eGFR während der gesamten Transkriptomanalyse an mikrodissezierten tubulointerstitiellen Komponenten menschlicher Nierenbiopsien von Patienten mit CKD vorhersagte. Darüber hinaus zeigte die Menge an EGF-Protein im Urin (uEGF) eine signifikante Korrelation mit intrarenaler EGF-mRNA, interstitieller Fibrose/tubulärer Atrophie, eGFR und der Rate des eGFR-Verlusts, was darauf hindeutet, dass uEGF ein guter Prädiktor für das Fortschreiten einer chronischen Nierenerkrankung sein könnte. Andere Studien zeigten, dass das Serum-miRNA-Profil durch die Hämodialyse beeinflusst wird, was zu Subfertilität und einem erhöhten Risiko für die Entwicklung von Krebs beiträgt. Daher könnte die Transkriptomik bessere diagnostische Werkzeuge, prognostische Biomarker und Signalwege bereitstellen, die für therapeutisches Targeting zugänglich sind.
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
-
Mexico City, Mexiko, 07760
- Hospital Juarez de Mexico
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten mit ≥ 20 Jahren T2D-Evolution mit Normoalbuminurie
- Patienten ohne persönliche oder familiäre Vorgeschichte einer Nierenerkrankung bei Verwandten 1. Grades Alter ≥ 18 Jahre
- T2D diagnostiziert mindestens 5 Jahre vor Beginn der Nierenersatztherapie Hintergrund oder diabetische Retinopathie durch Selbstbericht, um sicherzustellen, dass Albuminurie die Folge einer diabetischen Nephropathie und nicht einer nicht-diabetischen Glomerulopathie war Albuminurie ≥ 300 mg/24 h in mindestens zwei von drei Fällen sterile Urinproben keine Hämaturie oder Anzeichen (einschließlich Zellzylinder), Anamnese oder Prädisposition für andere Nieren- oder Harnwegserkrankungen.
Ausschlusskriterien:
- Diabetiker ohne diabetische Nephropathie
- Patienten mit Typ-1-Diabetes, Schwangerschaftsdiabetes, unkontrollierbarem Bluthochdruck, aktiver Krebserkrankung, Herzinsuffizienz, Leber- oder Nierenerkrankung, gleichzeitiger Behandlung mit Kortikosteroiden oder Östrogenen, Zuständen, die Hyperglykämie verursachen können, Abhängigkeit von Alkohol oder illegalen Drogen und Demenz oder schweren psychiatrischen Störungen - ders wurden nicht in diese Studie eingeschlossen
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Fallkontrolle
- Zeitperspektiven: Querschnitt
Kohorten und Interventionen
Gruppe / Kohorte |
---|
Diabetiker ohne diabetische Nephropathie
ich. Patienten mit ≥ 20 Jahren T2D-Evolution mit Normoalbuminurie ii.
Patienten ohne persönliche oder familiäre Vorgeschichte von Nierenerkrankungen bei Verwandten 1. Grades iii.
Alter ≥ 18 Jahre
|
Diabetiker mit diabetischer Nephropathie
ich. T2D mindestens 5 Jahre vor Beginn der Nierenersatztherapie diagnostiziert ii. Hintergrund oder diabetische Retinopathie durch Selbstauskunft, um sicherzustellen, dass Albuminurie eher die Folge einer diabetischen Nephropathie als einer nicht-diabetischen Glomerulopathie war iii. Albuminurie ≥ 300 mg/24 h in mindestens zwei von drei sterilen Urinproben iv. keine Hämaturie oder Anzeichen (einschließlich Zellzylinder), Anamnese oder Prädisposition für andere Nieren- oder Harnwegserkrankungen. v. Alter ≥ 18 Jahre |
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Differentielle Expression in Blut und Urin von diabetischen Patienten mit und ohne diabetischer Nephropathie, bewertet durch RNA seq
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Unterschiedliche Expression herunterregulierter und hochregulierter Gene in Blut und Urin bei Patienten mit Typ-II-Diabetes mit und ohne diabetischer Nephropathie
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Demografische Daten der Teilnehmer
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Alter, Serumkreatinin, Alter und Gewicht werden kombiniert, um die glomeruläre Filtrationsrate nach der Cockcroft-Gault-Formel anzugeben
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Daten der pharmakologischen Behandlung der Teilnehmer
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Pharmakologische Behandlung. Diese Informationen werden als Kovariate in RNASeq verwendet
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Gewohnheitsdaten, Rauchen
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Diese Informationen werden als Kovariate in RNASeq verwendet
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Gewohnheitsdaten, Übung
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Diese Informationen werden als Kovariate in RNASeq verwendet
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Daten zu Gewohnheiten, spezielle Ernährung
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
(Proteindiät, kalorienarm). Diese Informationen werden als Kovariate in RNASeq verwendet
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Anthropometrische Daten der Teilnehmer, Größe
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Gewicht und Größe werden kombiniert, um den BMI in kg/m^2 zu melden
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Anthropometrische Daten der Teilnehmer, Gewicht
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Gewicht und Größe werden kombiniert, um den BMI in kg/m^2 zu melden
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Biochemische Daten der Teilnehmer, Glukose
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Um die glykämische Kontrolle von Patienten zu beobachten, aufgrund der Diagnose von Diabetes
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Biochemische Daten der Teilnehmer, glykiertes Hämoglobin
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Um die glykämische Kontrolle von Patienten zu beobachten, aufgrund der Diagnose von Diabetes
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Biochemische Daten der Teilnehmer, Serumkreatinin
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Serumkreatinin, Alter und Gewicht werden kombiniert, um die glomeruläre Filtrationsrate nach der Cockcroft-Gault-Formel anzugeben
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Biochemische Daten der Teilnehmer, Triglyceride
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Zur Beobachtung der Stoffwechselkontrolle bei Patienten
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Biochemische Daten der Teilnehmer, Gesamtcholesterin
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Zur Beobachtung der Stoffwechselkontrolle bei Patienten
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Biochemische Daten der Teilnehmer, Lipoproteine hoher Dichte (HDL)
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Zur Beobachtung der Stoffwechselkontrolle bei Patienten
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Biochemische Daten der Teilnehmer, Low Density Lipoproteins (LDL)
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Um die Stoffwechselkontrolle bei Patienten zu beobachten, besteht das Risiko einer kardiometabolischen Erkrankung
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Biochemische Daten der Teilnehmer, Harnsäure
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Stoffwechsel bei Patienten zu beobachten
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Biochemische Daten der Teilnehmer, Blut-Harnstoff-Stickstoff (BUN)
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Zur Beobachtung der Nierenfunktion bei Patienten
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Biochemische Daten der Teilnehmer, Harnstoff
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Zur Beobachtung der Nierenfunktion bei Patienten
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Molekulare Daten, Sequenzierung der gesamten Boten-RNA
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Daten von ganzen Botenstoffen in Blut und Urin
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Mitarbeiter und Ermittler
Sponsor
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- American Diabetes Association. Standards of medical care in diabetes--2014. Diabetes Care. 2014 Jan;37 Suppl 1:S14-80. doi: 10.2337/dc14-S014. No abstract available.
- American Diabetes Association. Diagnosis and classification of diabetes mellitus. Diabetes Care. 2010 Jan;33 Suppl 1(Suppl 1):S62-9. doi: 10.2337/dc10-S062. No abstract available. Erratum In: Diabetes Care. 2010 Apr;33(4):e57.
- National Kidney Foundation. K/DOQI clinical practice guidelines for chronic kidney disease: evaluation, classification, and stratification. Am J Kidney Dis. 2002 Feb;39(2 Suppl 1):S1-266. No abstract available.
- Kramer HJ, Nguyen QD, Curhan G, Hsu CY. Renal insufficiency in the absence of albuminuria and retinopathy among adults with type 2 diabetes mellitus. JAMA. 2003 Jun 25;289(24):3273-7. doi: 10.1001/jama.289.24.3273.
- Gonzalez-Villalpando C, Davila-Cervantes CA, Zamora-Macorra M, Trejo-Valdivia B, Gonzalez-Villalpando ME. Incidence of type 2 diabetes in Mexico: results of the Mexico City Diabetes Study after 18 years of follow-up. Salud Publica Mex. 2014 Jan-Feb;56(1):11-7. doi: 10.21149/spm.v56i1.7318.
- Secretaría de Salud. Instituto Nacional de Salud Pública. Encuesta Nacional de Salud y Nutrición 2012. 2012
- Vora JP, Ibrahim HA, Bakris GL. Responding to the challenge of diabetic nephropathy: the historic evolution of detection, prevention and management. J Hum Hypertens. 2000 Oct-Nov;14(10-11):667-85. doi: 10.1038/sj.jhh.1001058.
- Benjamín; T-D, Antonio; M-MM, Eugenia; C-PM, A D-EMT, Lucia; r-D, Patricia; R-C, et al. DETECCIÓN DE MICROALBUMINURIA EN PACIENTES DIABÉTICOS TIPO II. Bioquimia. 2007(SA126)
- Cueto-Manzano AM, Cortes-Sanabria L, Martinez-Ramirez HR, Rojas-Campos E, Barragan G, Alfaro G, Flores J, Anaya M, Canales-Munoz JL. Detection of early nephropathy in Mexican patients with type 2 diabetes mellitus. Kidney Int Suppl. 2005 Aug;(97):S40-5. doi: 10.1111/j.1523-1755.2005.09707.x.
- Bello-Chavolla OY, Rojas-Martinez R, Aguilar-Salinas CA, Hernandez-Avila M. Epidemiology of diabetes mellitus in Mexico. Nutr Rev. 2017 Jan;75(suppl 1):4-12. doi: 10.1093/nutrit/nuw030.
- Tziomalos K, Athyros VG. Diabetic Nephropathy: New Risk Factors and Improvements in Diagnosis. Rev Diabet Stud. 2015 Spring-Summer;12(1-2):110-8. doi: 10.1900/RDS.2015.12.110. Epub 2015 Aug 10.
- Zenteno-Castillo P, Munoz-Lopez DB, Merino-Reyes B, Vega-Sanchez A, Preciado-Puga M, Gonzalez-Yebra AL, Kornhauser C. Prevalence of diabetic nephropathy in Type 2 Diabetes Mellitus in rural communities of Guanajuato, Mexico. Effect after 6 months of Telmisartan treatment. J Clin Transl Endocrinol. 2015 Aug 18;2(4):125-128. doi: 10.1016/j.jcte.2015.08.001. eCollection 2015 Dec.
- American Diabetes Association. Standards of medical care in diabetes--2010. Diabetes Care. 2010 Jan;33 Suppl 1(Suppl 1):S11-61. doi: 10.2337/dc10-S011. No abstract available. Erratum In: Diabetes Care. 2010 Mar;33(3):692.
- Slocum JL, Heung M, Pennathur S. Marking renal injury: can we move beyond serum creatinine? Transl Res. 2012 Apr;159(4):277-89. doi: 10.1016/j.trsl.2012.01.014. Epub 2012 Feb 3.
- Stevens LA, Coresh J, Greene T, Levey AS. Assessing kidney function--measured and estimated glomerular filtration rate. N Engl J Med. 2006 Jun 8;354(23):2473-83. doi: 10.1056/NEJMra054415. No abstract available.
- Stevens LA, Levey AS. Measurement of kidney function. Med Clin North Am. 2005 May;89(3):457-73. doi: 10.1016/j.mcna.2004.11.009.
- Levin A, Stevens PE. Summary of KDIGO 2012 CKD Guideline: behind the scenes, need for guidance, and a framework for moving forward. Kidney Int. 2014 Jan;85(1):49-61. doi: 10.1038/ki.2013.444. Epub 2013 Nov 27.
- Hovind P, Tarnow L, Rossing P, Jensen BR, Graae M, Torp I, Binder C, Parving HH. Predictors for the development of microalbuminuria and macroalbuminuria in patients with type 1 diabetes: inception cohort study. BMJ. 2004 May 8;328(7448):1105. doi: 10.1136/bmj.38070.450891.FE. Epub 2004 Apr 19.
- Vaidya VS, Niewczas MA, Ficociello LH, Johnson AC, Collings FB, Warram JH, Krolewski AS, Bonventre JV. Regression of microalbuminuria in type 1 diabetes is associated with lower levels of urinary tubular injury biomarkers, kidney injury molecule-1, and N-acetyl-beta-D-glucosaminidase. Kidney Int. 2011 Feb;79(4):464-70. doi: 10.1038/ki.2010.404. Epub 2010 Oct 27.
- Perkins BA, Ficociello LH, Silva KH, Finkelstein DM, Warram JH, Krolewski AS. Regression of microalbuminuria in type 1 diabetes. N Engl J Med. 2003 Jun 5;348(23):2285-93. doi: 10.1056/NEJMoa021835.
- MacIsaac RJ, Tsalamandris C, Panagiotopoulos S, Smith TJ, McNeil KJ, Jerums G. Nonalbuminuric renal insufficiency in type 2 diabetes. Diabetes Care. 2004 Jan;27(1):195-200. doi: 10.2337/diacare.27.1.195.
- Napierala JS, Li Y, Lu Y, Lin K, Hauser LA, Lynch DR, Napierala M. Comprehensive analysis of gene expression patterns in Friedreich's ataxia fibroblasts by RNA sequencing reveals altered levels of protein synthesis factors and solute carriers. Dis Model Mech. 2017 Nov 1;10(11):1353-1369. doi: 10.1242/dmm.030536.
- Wang Z, Gerstein M, Snyder M. RNA-Seq: a revolutionary tool for transcriptomics. Nat Rev Genet. 2009 Jan;10(1):57-63. doi: 10.1038/nrg2484.
- Zhang ZH, Jhaveri DJ, Marshall VM, Bauer DC, Edson J, Narayanan RK, Robinson GJ, Lundberg AE, Bartlett PF, Wray NR, Zhao QY. A comparative study of techniques for differential expression analysis on RNA-Seq data. PLoS One. 2014 Aug 13;9(8):e103207. doi: 10.1371/journal.pone.0103207. eCollection 2014.
- Oshlack A, Robinson MD, Young MD. From RNA-seq reads to differential expression results. Genome Biol. 2010;11(12):220. doi: 10.1186/gb-2010-11-12-220. Epub 2010 Dec 22.
- Li P, Piao Y, Shon HS, Ryu KH. Comparing the normalization methods for the differential analysis of Illumina high-throughput RNA-Seq data. BMC Bioinformatics. 2015 Oct 28;16:347. doi: 10.1186/s12859-015-0778-7.
- O'Connell PJ, Zhang W, Menon MC, Yi Z, Schroppel B, Gallon L, Luan Y, Rosales IA, Ge Y, Losic B, Xi C, Woytovich C, Keung KL, Wei C, Greene I, Overbey J, Bagiella E, Najafian N, Samaniego M, Djamali A, Alexander SI, Nankivell BJ, Chapman JR, Smith RN, Colvin R, Murphy B. Biopsy transcriptome expression profiling to identify kidney transplants at risk of chronic injury: a multicentre, prospective study. Lancet. 2016 Sep 3;388(10048):983-93. doi: 10.1016/S0140-6736(16)30826-1. Epub 2016 Jul 22.
- Ju W, Nair V, Smith S, Zhu L, Shedden K, Song PXK, Mariani LH, Eichinger FH, Berthier CC, Randolph A, Lai JY, Zhou Y, Hawkins JJ, Bitzer M, Sampson MG, Thier M, Solier C, Duran-Pacheco GC, Duchateau-Nguyen G, Essioux L, Schott B, Formentini I, Magnone MC, Bobadilla M, Cohen CD, Bagnasco SM, Barisoni L, Lv J, Zhang H, Wang HY, Brosius FC, Gadegbeku CA, Kretzler M; ERCB, C-PROBE, NEPTUNE, and PKU-IgAN Consortium. Tissue transcriptome-driven identification of epidermal growth factor as a chronic kidney disease biomarker. Sci Transl Med. 2015 Dec 2;7(316):316ra193. doi: 10.1126/scitranslmed.aac7071.
- Trzybulska D, Eckersten D, Giwercman A, Christensson A, Tsatsanis C. Alterations in Serum MicroRNA Profile During Hemodialysis - Potential Biological Implications. Cell Physiol Biochem. 2018;46(2):793-801. doi: 10.1159/000488737. Epub 2018 Mar 29.
- Viloria; AT, Castillo RZ. Nefropatía diabética. Rev Hosp Gral Dr M Gea González. 2002;5(1 and 2):24-32
- Gheith O, Farouk N, Nampoory N, Halim MA, Al-Otaibi T. Diabetic kidney disease: world wide difference of prevalence and risk factors. J Nephropharmacol. 2015 Oct 9;5(1):49-56. eCollection 2016.
- de Boer IH, Rue TC, Cleary PA, Lachin JM, Molitch ME, Steffes MW, Sun W, Zinman B, Brunzell JD; Diabetes Control and Complications Trial/Epidemiology of Diabetes Interventions and Complications Study Research Group; White NH, Danis RP, Davis MD, Hainsworth D, Hubbard LD, Nathan DM. Long-term renal outcomes of patients with type 1 diabetes mellitus and microalbuminuria: an analysis of the Diabetes Control and Complications Trial/Epidemiology of Diabetes Interventions and Complications cohort. Arch Intern Med. 2011 Mar 14;171(5):412-20. doi: 10.1001/archinternmed.2011.16.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Schätzen)
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
- HJM 0513/18-1
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
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 .
Klinische Studien zur Typ 2 Diabetes
-
Bnai Zion Medical CenterUnbekannt
-
Asahi Kasei Pharma CorporationRekrutierungTyp 2 Diabetes mellitusChina
-
University of LiverpoolAstraZeneca; Clinical Practice Research DatalinkAktiv, nicht rekrutierendTyp 2 Diabetes mellitusVereinigtes Königreich
-
Regor Pharmaceuticals Inc.BeendetTyp 2 Diabetes mellitusVereinigte Staaten
-
Charles Drew University of Medicine and ScienceNational Center for Research Resources (NCRR)Beendet
-
Endocrine Research SocietyAbgeschlossenTyp 2 Diabetes mellitusKanada
-
University Hospital TuebingenAktiv, nicht rekrutierend
-
AstraZenecaAbgeschlossenTyp 2 Diabetes mellitusBrasilien, Italien, Korea, Republik von, Mexiko, Polen, Russische Föderation, Südafrika, Spanien, Truthahn, China, Niederlande, Argentinien, Österreich, Tschechien, Vereinigte Arabische Emirate, Taiwan, Indien, Ägypten, Saud... und mehr
-
TakedaAbgeschlossenTyp 2 Diabetes mellitusKorea, Republik von
-
SanofiAbgeschlossenTyp 2 Diabetes mellitusVereinigte Staaten, Finnland, Südafrika, Kanada, Mexiko, Chile, Spanien, Russische Föderation, Frankreich, Deutschland, Ungarn, Portugal, Rumänien