Überwachung der antimikrobiellen Resistenz basierend auf Metagenomikanalysen bei Lungenentzündungspatienten
Überwachung der antimikrobiellen Resistenz basierend auf Metagenomikanalysen bei Lungenentzündungspatienten: eine genomische Epidemiologiestudie
Die Überwachung der antimikrobiellen Resistenz (AMR) auf der Grundlage von Metagenomikanalysen bei Lungenentzündungspatienten ist von entscheidender Bedeutung für die Optimierung der klinischen Diagnose und Behandlung sowie die Verbesserung der klinischen Prognose. Diese Studie soll die folgenden Schlüsselfragen stellen:
- Was sind die Mikrobiomkarten von Patienten mit schwerer und leichter Lungenentzündung?
- Wie viele Krankheitserregerresistenzgene tragen eine schwere und eine leichte Lungenentzündung?
- Wie groß ist die genetische Vielfalt der wichtigsten Krankheitserreger, die im Zeitraum 2019–2025 bei schwerer und leichter Lungenentzündung nachgewiesen wurden?
Studienübersicht
Status
Detaillierte Beschreibung
Dies ist eine historische prospektive Beobachtungsstudie. Patienten, bei denen eine schwere und leichte Lungenentzündung diagnostiziert wurde, werden von März 2019 bis März 2025 kontinuierlich aus vier Krankenhäusern (Shanghai General Hospital, Wuxi People's Hospital an der Nanjing Medical University, Wuhan Union Hospital und Huanggang Central Hospital) rekrutiert.
Sequenzierung der nächsten Generation: Metagenomik- und metatranskriptomische Bibliotheken werden mithilfe der Illumina Novaseq 6000-Plattform einer Sequenzierung der nächsten Generation unterzogen.
Mikrobiomanalyse: mit KneadData (v0.10.0) Referenz aus dem menschlichen Genom (GRCH38-Referenzdatenbank) zum Herausfiltern der Qualitätskontrolle von Illumina-Sequenzierungsdaten in Virosaurus. Laden Sie Virusgenom-Datensätze als Referenz herunter, Bowtie2 (v2.3.4.1) (Genomabdeckung > 30 %, Tiefe > 1X). Es wurde verwendet, um die Post-Host-Sequenz zu lokalisieren und zu analysieren, und dann wurde der Befehl „samtools idxstats“ verwendet, um die Klassifizierung und relative Häufigkeit von Viren zu berechnen. Um die Annotationsinformationen von Bakterien auf Artenebene zu erhalten, wurde PhyloFlash (v3.4) verwendet, um die Lesezahlen für 16S-rRNA-Gene in der SILVA-Datenbank zu berechnen, wobei eine Ähnlichkeit größer oder gleich 98 % als Schwellenwert ausgewählt wurde. Unter Verwendung der eukaryontischen Pathogengenomdatenbank EUPATHDB46 als Referenz wurden Bowtie2 und Samtools für die qualitative und quantitative Analyse von Pilzpathogenen verwendet.
Die Kriterien zur Bestimmung der Ursache einer Atemwegsinfektion sind: (1) bestehende Arten, von denen bekannt ist, dass sie mit Erkrankungen des Menschen in Zusammenhang stehen (ICD-10), (2) bisher nicht identifizierte potenzielle neue Krankheitserreger (nur DNA- und RNA-Viren, deren Gattungen oder Familien zuvor betroffen waren). nachweislich Säugetiere infizieren) und (3) mögliche symbiotische Bakterien nicht enthalten.
Analyse von AMR: Durch den Vergleich der Sequenzähnlichkeit zwischen den Sequenzierungsfragmenten und bekannten Arzneimittelresistenzgenen kann der Nachweisinhalt bestimmen, ob Arzneimittelresistenzgene vorhanden sind, und auf Arzneimittelresistenz schließen lassen, die durch Modifikation, Inaktivierung, Repression und andere Arzneimittelresistenzgene verursacht wird.
Erkennung von Medikamentenresistenzgenen: Gene im Zusammenhang mit Medikamentenresistenz, erfasst in der CARD-Datenbank (Comprehensive Antibiotic Resistance Database) und der ARG-ANNOT-Datenbank. In diesem Assay wurden nur funktionelle Gene mit Arzneimittelresistenzaktivitäten wie Modifikation, Inaktivierung und Repression sowie Signalweg- und Zielveränderungen, die durch einige Punktmutationen verursacht wurden, gemeldet.
Die genetische Diversität wurde als mittlerer paarweiser genetischer Abstand innerhalb einer Gruppe berechnet. Phylogenetische Bäume mit maximaler Wahrscheinlichkeit wurden unter Verwendung von RaxML mit einem allgemeinen zeitreversiblen Nukleotidsubstitutionsmodell und 1000 Bootstraps erstellt. Der genetische Abstand zwischen Sequenzen wurde mit MEGAX berechnet, mit einer Bootstrap-Methode zur Varianzschätzung.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: Mei Kang, MPH
- Telefonnummer: 18501709576
- E-Mail: mei.kang@shgh.cn
Studieren Sie die Kontaktsicherung
- Name: Xue Tian, Master
- Telefonnummer: 02163240090
- E-Mail: xue.tian@shgh.cn
Studienorte
-
-
Shanghai Municipality
-
Shanghai, Shanghai Municipality, China, 200080
- Rekrutierung
- Mei Kang
-
Kontakt:
- Mei Kang, MPH
- Telefonnummer: +8618501709576
- E-Mail: mei.kang@shgh.cn
-
Unterermittler:
- Ruilan Wang, PhD
-
Unterermittler:
- Lehao Ren, PhD
-
Unterermittler:
- Dapeng Wang, PhD
-
Hauptermittler:
- Shan Gao, Master
-
Unterermittler:
- Jiang Du, PhD
-
Unterermittler:
- Xue Tian, Master
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten, bei denen klinisch eine schwere und eine leichte Lungenentzündung diagnostiziert wurde, werden gemäß den Leitlinien für die Diagnose und Behandlung von ambulant erworbener Lungenentzündung bei Erwachsenen (Ausgabe 2019) diagnostiziert, die von der American Thoracic Society (ATS) und der Infectious Diseases Society of America (IDSA) formuliert wurden. , die eines der folgenden Hauptkriterien oder ≥3 Nebenkriterien erfüllen, können diagnostiziert werden. Die Diagnosekriterien für schwere und leichte Lungenentzündung bei Kindern wurden 2011 von der British Thoracic Society (BTS) übernommen.
- Es wurde eine klinische Untersuchung durchgeführt und in der klinischen mikrobiologischen Untersuchung waren noch Bioproben (Nasopharynxabstrich, Oropharynxabstrich, bronchoalveoläre Lavageflüssigkeit, Sputum, Blut, Hydrothorax, Lungengewebe) vorhanden.
Ausschlusskriterien:
- Patienten, deren biologische Proben kontaminiert sein könnten;
- Patienten mit einem Alveolarspülflüssigkeits- oder Hydrothoraxvolumen von weniger als 200 μl.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
|---|
|
Schwere Lungenentzündung
Patienten, bei denen klinisch eine schwere Lungenentzündung diagnostiziert wurde, werden gemäß den Leitlinien für die Diagnose und Behandlung von ambulant erworbener Lungenentzündung bei Erwachsenen (Ausgabe 2019) diagnostiziert, die von der American Thoracic Society (ATS) und der Infectious Diseases Society of America (IDSA) formuliert wurden 1 der folgenden Hauptkriterien oder ≥3 Nebenkriterien können diagnostiziert werden.
Die Diagnosekriterien für eine schwere Lungenentzündung bei Kindern wurden 2011 von der British Thoracic Society (BTS) übernommen.
|
|
Leichte Lungenentzündung
Patienten, bei denen klinisch eine schwere und eine leichte Lungenentzündung diagnostiziert wurde, werden gemäß den Leitlinien für die Diagnose und Behandlung von ambulant erworbener Lungenentzündung bei Erwachsenen (Ausgabe 2019) diagnostiziert, die von der American Thoracic Society (ATS) und der Infectious Diseases Society of America (IDSA) formuliert wurden. .
Die Diagnosekriterien für schwere und leichte Lungenentzündung bei Kindern wurden 2011 von der British Thoracic Society (BTS) übernommen
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Zusammensetzung des Mikrobioms
Zeitfenster: während des Studienzeitraums 2019-2025
|
eine Sammlung mikrobieller Gemeinschaften, die in der Bioprobe nachgewiesen wurden
|
während des Studienzeitraums 2019-2025
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Alpha-Vielfalt
Zeitfenster: während des Studienzeitraums 2019-2025
|
die Vielfalt innerhalb eines bestimmten Gebiets oder Ökosystems
|
während des Studienzeitraums 2019-2025
|
|
Prävalenz bakterieller Resistenzgene
Zeitfenster: während des Studienzeitraums 2019-2025
|
die Anzahl der Bakterienresistenzgene geteilt durch die Anzahl der Bioproben
|
während des Studienzeitraums 2019-2025
|
|
Beta-Vielfalt
Zeitfenster: während des Studienzeitraums 2019-2025
|
ein Vergleich der Diversität zwischen Ökosystemen, der üblicherweise anhand der Artenveränderung zwischen den Ökosystemen gemessen wird
|
während des Studienzeitraums 2019-2025
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Ermittler
- Hauptermittler: Mei Kang, MPH, Shanghai General Hospital, Shanghai Jiaotong University School of Medicine
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Metlay JP, Waterer GW, Long AC, Anzueto A, Brozek J, Crothers K, Cooley LA, Dean NC, Fine MJ, Flanders SA, Griffin MR, Metersky ML, Musher DM, Restrepo MI, Whitney CG. Diagnosis and Treatment of Adults with Community-acquired Pneumonia. An Official Clinical Practice Guideline of the American Thoracic Society and Infectious Diseases Society of America. Am J Respir Crit Care Med. 2019 Oct 1;200(7):e45-e67. doi: 10.1164/rccm.201908-1581ST.
- Chiu CY, Miller SA. Clinical metagenomics. Nat Rev Genet. 2019 Jun;20(6):341-355. doi: 10.1038/s41576-019-0113-7.
- Charalampous T, Alcolea-Medina A, Snell LB, Williams TGS, Batra R, Alder C, Telatin A, Camporota L, Meadows CIS, Wyncoll D, Barrett NA, Hemsley CJ, Bryan L, Newsholme W, Boyd SE, Green A, Mahadeva U, Patel A, Cliff PR, Page AJ, O'Grady J, Edgeworth JD. Evaluating the potential for respiratory metagenomics to improve treatment of secondary infection and detection of nosocomial transmission on expanded COVID-19 intensive care units. Genome Med. 2021 Nov 17;13(1):182. doi: 10.1186/s13073-021-00991-y.
- File TM Jr, Ramirez JA. Community-Acquired Pneumonia. N Engl J Med. 2023 Aug 17;389(7):632-641. doi: 10.1056/NEJMcp2303286. No abstract available.
- Limmathurotsakul D, Dunachie S, Fukuda K, Feasey NA, Okeke IN, Holmes AH, Moore CE, Dolecek C, van Doorn HR, Shetty N, Lopez AD, Peacock SJ; Surveillance and Epidemiology of Drug Resistant Infections Consortium (SEDRIC). Improving the estimation of the global burden of antimicrobial resistant infections. Lancet Infect Dis. 2019 Nov;19(11):e392-e398. doi: 10.1016/S1473-3099(19)30276-2. Epub 2019 Aug 16.
- Park DE, Higdon MM, Prosperi C, Baggett HC, Brooks WA, Feikin DR, Hammitt LL, Howie SRC, Kotloff KL, Levine OS, Madhi SA, Murdoch DR, O'Brien KL, Scott JAG, Thea DM, Antonio M, Awori JO, Baillie VL, Bunthi C, Kwenda G, Mackenzie GA, Moore DP, Morpeth SC, Mwananyanda L, Paveenkittiporn W, Ziaur Rahman M, Rahman M, Rhodes J, Sow SO, Tapia MD, Deloria Knoll M. Upper Respiratory Tract Co-detection of Human Endemic Coronaviruses and High-density Pneumococcus Associated With Increased Severity Among HIV-Uninfected Children Under 5 Years Old in the PERCH Study. Pediatr Infect Dis J. 2021 Jun 1;40(6):503-512. doi: 10.1097/INF.0000000000003139.
- Li N, Cai Q, Miao Q, Song Z, Fang Y, Hu B. High-Throughput Metagenomics for Identification of Pathogens in the Clinical Settings. Small Methods. 2021 Jan 4;5(1):2000792. doi: 10.1002/smtd.202000792. Epub 2020 Dec 13.
- Zhang YZ, Chen YM, Wang W, Qin XC, Holmes EC. Expanding the RNA Virosphere by Unbiased Metagenomics. Annu Rev Virol. 2019 Sep 29;6(1):119-139. doi: 10.1146/annurev-virology-092818-015851. Epub 2019 May 17.
- Boolchandani M, D'Souza AW, Dantas G. Sequencing-based methods and resources to study antimicrobial resistance. Nat Rev Genet. 2019 Jun;20(6):356-370. doi: 10.1038/s41576-019-0108-4.
- Suzuki S, Horinouchi T, Furusawa C. Prediction of antibiotic resistance by gene expression profiles. Nat Commun. 2014 Dec 17;5:5792. doi: 10.1038/ncomms6792.
- Howard A, Reza N, Aston S, Woods B, Gerada A, Buchan I, Hope W, Martson AG. Antimicrobial treatment imprecision: an outcome-based model to close the data-to-action loop. Lancet Infect Dis. 2024 Jan;24(1):e47-e58. doi: 10.1016/S1473-3099(23)00367-5. Epub 2023 Aug 31.
- Serpa PH, Deng X, Abdelghany M, Crawford E, Malcolm K, Caldera S, Fung M, McGeever A, Kalantar KL, Lyden A, Ghale R, Deiss T, Neff N, Miller SA, Doernberg SB, Chiu CY, DeRisi JL, Calfee CS, Langelier CR. Metagenomic prediction of antimicrobial resistance in critically ill patients with lower respiratory tract infections. Genome Med. 2022 Jul 12;14(1):74. doi: 10.1186/s13073-022-01072-4.
- Shi M, Zhao S, Yu B, Wu WC, Hu Y, Tian JH, Yin W, Ni F, Hu HL, Geng S, Tan L, Peng Y, Song ZG, Wang W, Chen YM, Holmes EC, Zhang YZ. Total infectome characterization of respiratory infections in pre-COVID-19 Wuhan, China. PLoS Pathog. 2022 Feb 17;18(2):e1010259. doi: 10.1371/journal.ppat.1010259. eCollection 2022 Feb.
- Harris M, Clark J, Coote N, Fletcher P, Harnden A, McKean M, Thomson A; British Thoracic Society Standards of Care Committee. British Thoracic Society guidelines for the management of community acquired pneumonia in children: update 2011. Thorax. 2011 Oct;66 Suppl 2:ii1-23. doi: 10.1136/thoraxjnl-2011-200598.
- Li ZJ, Zhang HY, Ren LL, Lu QB, Ren X, Zhang CH, Wang YF, Lin SH, Zhang XA, Li J, Zhao SW, Yi ZG, Chen X, Yang ZS, Meng L, Wang XH, Liu YL, Wang X, Cui AL, Lai SJ, Jiang T, Yuan Y, Shi LS, Liu MY, Zhu YL, Zhang AR, Zhang ZJ, Yang Y, Ward MP, Feng LZ, Jing HQ, Huang LY, Xu WB, Chen Y, Wu JG, Yuan ZH, Li MF, Wang Y, Wang LP, Fang LQ, Liu W, Hay SI, Gao GF, Yang WZ; Chinese Centers for Disease Control and Prevention (CDC) Etiology of Respiratory Infection Surveillance Study Team. Etiological and epidemiological features of acute respiratory infections in China. Nat Commun. 2021 Aug 18;12(1):5026. doi: 10.1038/s41467-021-25120-6.
- Alcock BP, Raphenya AR, Lau TTY, Tsang KK, Bouchard M, Edalatmand A, Huynh W, Nguyen AV, Cheng AA, Liu S, Min SY, Miroshnichenko A, Tran HK, Werfalli RE, Nasir JA, Oloni M, Speicher DJ, Florescu A, Singh B, Faltyn M, Hernandez-Koutoucheva A, Sharma AN, Bordeleau E, Pawlowski AC, Zubyk HL, Dooley D, Griffiths E, Maguire F, Winsor GL, Beiko RG, Brinkman FSL, Hsiao WWL, Domselaar GV, McArthur AG. CARD 2020: antibiotic resistome surveillance with the comprehensive antibiotic resistance database. Nucleic Acids Res. 2020 Jan 8;48(D1):D517-D525. doi: 10.1093/nar/gkz935.
- Antimicrobial Resistance Collaborators. Global burden of bacterial antimicrobial resistance in 2019: a systematic analysis. Lancet. 2022 Feb 12;399(10325):629-655. doi: 10.1016/S0140-6736(21)02724-0. Epub 2022 Jan 19.
- GBD 2019 Diseases and Injuries Collaborators. Global burden of 369 diseases and injuries in 204 countries and territories, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet. 2020 Oct 17;396(10258):1204-1222. doi: 10.1016/S0140-6736(20)30925-9.
- Wu F, Zhao S, Yu B, Chen YM, Wang W, Song ZG, Hu Y, Tao ZW, Tian JH, Pei YY, Yuan ML, Zhang YL, Dai FH, Liu Y, Wang QM, Zheng JJ, Xu L, Holmes EC, Zhang YZ. A new coronavirus associated with human respiratory disease in China. Nature. 2020 Mar;579(7798):265-269. doi: 10.1038/s41586-020-2008-3. Epub 2020 Feb 3.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Geschätzt)
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
- 2023234
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 .