- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT05378282
Identificación de biomarcadores de nefropatía diabética mediante transcriptómica
Descripción general del estudio
Estado
Descripción detallada
La diabetes tipo 2 (T2D) se define como un grupo de enfermedades metabólicas caracterizadas por hiperglucemia crónica, como resultado de defectos en la secreción de insulina, la acción de la insulina o ambos. De acuerdo con la Encuesta Nacional de Salud 2012, en México, aproximadamente 1 de cada 10 personas padece DT2, aunque es importante mencionar que estos datos solo reflejan sujetos previamente diagnosticados con la enfermedad, pero esperamos que este número se duplique cuando incluidos los pacientes con DT2 recién diagnosticados. Además, la prevalencia de DT2 en grupos de edad más jóvenes ha aumentado (25% de los casos de diabetes en México ocurren en adultos jóvenes <43 años), lo que implica >20 años viviendo con la enfermedad. En consecuencia, la DT2 se encuentra entre las principales causas de muerte, lo que representa una carga sanitaria para el país.
Se ha estimado que más del 40 % de las personas con diabetes desarrollarán enfermedad renal crónica (ERC), lo que representa aproximadamente el 40 % de todos los pacientes que comienzan la terapia de reemplazo renal. En el Instituto Mexicano del Seguro Social, la nefropatía se encuentra entre las cinco principales causas de atención médica en los hospitales generales del área y en los hospitales de alta especialidad. Un estudio en Tuxtla Gutiérrez, Chiapas, informó que se observó una incidencia de nefropatía del 35% en pacientes diabéticos. Cueto-Manzano et al. reportaron una incidencia de 40% de nefropatía temprana y 29% de nefropatía establecida en 756 pacientes diabéticos de Jalisco. Otro estudio en México que incluyó a 3,609 pacientes diabéticos en Guanajuato, reportó un 23.8% de nefropatía diabética. Un estudio reciente realizado en el Estado de México, que incluyó a 44 458 sujetos diagnosticados con DT2, registró la presencia de nefropatía diabética en 9.1% .
La enfermedad renal diabética es poco común si la diabetes tiene menos de una década de duración. Las tasas de incidencia más altas del 3% por año se observan en promedio de 10 a 20 años después del inicio de la diabetes, después de lo cual la tasa de nefropatía disminuye. Es importante decir que un paciente diabético de 20 a 25 años sin signos clínicos de nefropatía diabética tiene pocas posibilidades de desarrollar dicha complicación. La progresión de la DM2 a nefropatía diabética se ha convertido en un problema de salud, no solo por los costos para el sector salud, sino por el empeoramiento de la calidad de vida del paciente y los resultados.
Los principales factores de riesgo de progresión a nefropatía diabética incluyen: hiperglucemia, respuesta a fármacos y diabetes de larga duración, hipertensión arterial, obesidad y dislipidemia. La mayoría de estos factores son modificables por fármacos o cambios en el estilo de vida. Por tanto, el manejo de los factores de riesgo modificables es clave para prevenir y retrasar el deterioro de la función renal. El diagnóstico precoz de la nefropatía diabética es otro componente esencial en el manejo de la diabetes y sus complicaciones como la nefropatía. La American Diabetes Association (ADA) recomienda el cribado de rutina a los sujetos diabéticos con nefropatía diabética progresiva y ERC. Las pautas más ampliamente aceptadas de la Fundación Nacional del Riñón implicaban medir la tasa de filtración glomerular (TFG) y las etapas de la ERC utilizando la creatinina sérica en los pacientes. Sin embargo, debido a que la creatinina sufre secreción tubular además de la filtración glomerular y su eliminación extrarrenal a través del tracto gastrointestinal, particularmente en insuficiencia renal avanzada, la TFG podría estar sobrestimada. En el caso de GFR, las técnicas son abrumadoras debido a los métodos invasivos y algunos marcadores son difíciles de manejar. Otro marcador utilizado en la clínica es la microalbuminuria, en la mayoría de los pacientes, el primer signo de nefropatía diabética es el aumento moderado de la excreción urinaria de albúmina, es decir, 30-300 mg/g de creatinina en una muestra de orina (también denominada microalbuminuria). Los pacientes que desarrollan macroalbuminuria (>30-300 mg/g de creatinina) tienen un alto riesgo de desarrollar nefropatía diabética. No obstante, aproximadamente hasta el 40% de los pacientes con albuminuria moderada vuelve a la normoalbuminuria. Además, hasta el 50 % de los pacientes con diabetes tipo 1 o DT2 experimentan una disminución de la TFGe, a pesar de la presencia de albuminuria moderada o incluso normoalbuminuria. En consecuencia, los marcadores actuales disponibles en la clínica son inexactos, por lo que es necesaria la identificación de nuevos marcadores que puedan reconocer a aquellos pacientes con alto riesgo de desarrollar nefropatía diabética para retrasar el progreso de las complicaciones tomando las medidas adecuadas.
la transcriptómica
El desarrollo de nuevas tecnologías en la era genómica ha permitido el avance acelerado en biología de sistemas y la generación de conocimiento en desarrollo, homeostasis y enfermedad renal. En este contexto, las firmas transcriptómicas asociadas con estados patológicos específicos pueden proporcionar gran información sobre los mecanismos patogénicos y sacar a la luz candidatos a biomarcadores de expresión génica prioritarios. Además, la comparación de transcriptomas permite la identificación de genes que se expresan diferencialmente en distintas poblaciones.
En general, la tecnología RNA-Seq es muy útil para el análisis de expresión diferencial, en el que comúnmente se adoptan cinco pasos. Primero, las muestras de ARN se fragmentan en pequeñas secuencias de ADN complementarias (ADNc) y luego se secuencian desde una plataforma de alto rendimiento. En segundo lugar, las pequeñas secuencias generadas se asignan a un transcriptoma. En tercer lugar, se estiman los niveles de expresión de cada gen o isoforma. En cuarto lugar, los datos mapeados se normalizan y, p. utilizando métodos estadísticos y de aprendizaje automático, se identifican los genes expresados diferencialmente (DEG). Finalmente, la relevancia de los datos producidos finalmente se evalúa desde un contexto biológico.
Un estudio reciente de O´Conell et al. identificaron un conjunto de 13 genes que predecían el desarrollo de fibrosis renal al cabo de 1 año del trasplante renal, a través del análisis de expresión de micromatrices de biopsias de receptores de aloinjertos renales. Por lo tanto, los autores sugieren que el conjunto de 13 genes podría usarse para identificar a los receptores de trasplantes de riñón en riesgo de pérdida del aloinjerto antes del desarrollo de daños irreversibles. Un estudio realizado por Ju et al. reveló que el factor de crecimiento epidérmico (EGF), una proteína específica de los túbulos fundamental para la diferenciación y regeneración celular, predijo la TFGe durante el análisis del transcriptoma en componentes tubulointersticiales microdiseccionados de biopsias renales humanas de pacientes con ERC. Además, la cantidad de proteína EGF en la orina (uEGF) mostró una correlación significativa con el ARNm de EGF intrarrenal, la fibrosis intersticial/atrofia tubular, la eGFR y la tasa de pérdida de eGFR, lo que sugiere que uEGF podría ser un buen predictor de la progresión de la ERC. Otro estudio demostró que el perfil de miARN en suero se ve afectado por la hemodiálisis, lo que contribuye a la subfertilidad y aumenta el riesgo de desarrollo de cáncer. Por lo tanto, la transcriptómica podría proporcionar mejores herramientas de diagnóstico, biomarcadores de pronóstico y vías de señalización susceptibles de orientación terapéutica.
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Mexico City, México, 07760
- Hospital Juarez de Mexico
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Géneros elegibles para el estudio
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Pacientes con ≥ 20 años de evolución de DT2 con normoalbuminuria
- Pacientes sin antecedentes personales o familiares de enfermedad renal en familiares de 1er grado Edad ≥ 18 años
- DM2 diagnosticada al menos 5 años antes de iniciar la terapia de reemplazo renal Antecedentes o retinopatía diabética por autoinforme para asegurar que la albuminuria era consecuencia de la nefropatía diabética y no de una glomerulopatía no diabética albuminuria ≥ 300 mg/24 h en al menos dos de cada tres muestras de orina estériles sin hematuria o signos (incluidos cilindros celulares), antecedentes o predisposición a otras enfermedades renales o del tracto urinario.
Criterio de exclusión:
- Pacientes diabéticos sin nefropatía diabética
- Pacientes con diabetes tipo 1, diabetes gestacional, hipertensión no controlable, cáncer activo, insuficiencia cardíaca, enfermedad hepática o renal, cotratamiento con corticosteroides o estrógenos, condiciones que pueden causar hiperglucemia, adicción al alcohol o drogas ilegales y demencia o trastorno psiquiátrico severo - los ders no se incluyeron en este estudio
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Modelos observacionales: Control de caso
- Perspectivas temporales: Transversal
Cohortes e Intervenciones
Grupo / Cohorte |
---|
Pacientes diabéticos sin nefropatía diabética
i. Pacientes con ≥ 20 años de evolución de DT2 con normoalbuminuria ii.
Pacientes sin antecedentes personales o familiares de enfermedad renal en familiares de 1er grado iii.
Edad ≥ 18 años
|
Pacientes diabéticos con nefropatía diabética
i. DT2 diagnosticada al menos 5 años antes de iniciar la terapia de reemplazo renal ii. Antecedentes o retinopatía diabética por autoinforme para asegurar que la albuminuria fue consecuencia de una nefropatía diabética y no de una glomerulopatía no diabética iii. albuminuria ≥ 300 mg/24 h en al menos dos de tres muestras de orina estéril iv. sin hematuria o signos (incluidos cilindros celulares), antecedentes o predisposición a otras enfermedades renales o del tracto urinario. v. Edad ≥ 18 años |
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Expresión diferencial en sangre y orina de pacientes diabéticos con y sin nefropatía diabética evaluada por RNA seq
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Expresión diferente de genes regulados a la baja y regulados al alza en sangre y orina entre pacientes con diabetes tipo II con y sin nefropatía diabética
|
hasta la finalización de los estudios, un promedio de 1 año
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Datos demográficos de los participantes
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
La edad, la creatinina sérica, la edad y el peso se combinarán para informar la tasa de filtración glomerular mediante la fórmula de Cockcroft-Gault
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos del tratamiento farmacológico de los participantes
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Tratamiento farmacológico, esta información se utilizará como covariable en RNASeq
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos de hábitos, Tabaquismo
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Esta información se utilizará como covariable en RNASeq
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos de hábitos, Ejercicio
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Esta información se utilizará como covariable en RNASeq
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos de hábitos, Dieta Especial
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
(dieta proteica, baja en calorías), esta información se usará como covariable en RNASeq
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos antropométricos de los participantes, Altura
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
El peso y la altura se combinarán para informar el IMC en kg/m^2
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos antropométricos de los participantes, Peso
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
El peso y la altura se combinarán para informar el IMC en kg/m^2
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos bioquímicos de los participantes, Glucosa
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Observar el control glucémico de los pacientes, por tener diagnóstico de diabetes
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos bioquímicos de los participantes, Hemoglobina glicosilada
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Observar el control glucémico de los pacientes, por tener diagnóstico de diabetes
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos bioquímicos de los participantes, creatinina sérica
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
La creatinina sérica, la edad y el peso se combinarán para informar la tasa de filtración glomerular mediante la fórmula de Cockcroft-Gault
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos bioquímicos de los participantes, Triglicéridos
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Observar el control metabólico en pacientes
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos bioquímicos de los participantes, Colesterol Total
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Observar el control metabólico en pacientes
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos bioquímicos de los participantes, Lipoproteínas de alta densidad (HDL)
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Observar el control metabólico en pacientes
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos bioquímicos de los participantes, lipoproteínas de baja densidad (LDL)
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Para observar el control metabólico en pacientes, riesgo de enfermedad cardiometabólica
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos bioquímicos de los participantes, ácido úrico
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Para observar el metabolismo en pacientes
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos bioquímicos de los participantes, nitrógeno ureico en sangre (BUN)
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Para observar la función renal en pacientes
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos bioquímicos de los participantes, Urea
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Para observar la función renal en pacientes
|
hasta la finalización de los estudios, un promedio de 1 año
|
Datos moleculares, Secuenciación de ARN mensajero completo
Periodo de tiempo: hasta la finalización de los estudios, un promedio de 1 año
|
Datos de mensajero completo en sangre y orina.
|
hasta la finalización de los estudios, un promedio de 1 año
|
Colaboradores e Investigadores
Patrocinador
Publicaciones y enlaces útiles
Publicaciones Generales
- 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.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Estimar)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- HJM 0513/18-1
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .
Ensayos clínicos sobre Diabetes tipo 2
-
Jin-Hee AhnAsan Medical CenterDesconocidoAmplificación del gen HER-2 | Sobreexpresión de proteína HER-2
-
The University of Tennessee, KnoxvilleTerminadoProfesores de Matemáticas (Grados 2-8) | Estudiantes de Matemáticas (Grados 2-8)Estados Unidos
-
PowderMedTerminado
-
Tianjin Medical University Second HospitalJiangsu HengRui Medicine Co., Ltd.DesconocidoTumor solido | Amplificación del gen HER-2 | Mutación del gen HER2 | Sobreexpresión de proteína HER-2Porcelana
-
AIM Vaccine Co., Ltd.Ningbo Rongan Biological Pharmaceutical Co. Ltd.; LiveRNA Therapeutics Inc.Reclutamiento
-
AIM Vaccine Co., Ltd.Ningbo Rongan Biological Pharmaceutical Co. Ltd.; LiveRNA Therapeutics Inc.Aún no reclutando
-
AIM Vaccine Co., Ltd.Aún no reclutando
-
Sunshine Guojian Pharmaceutical (Shanghai) Co.,...Aún no reclutando
-
University of PennsylvaniaInovio PharmaceuticalsReclutamiento
-
Ridgeback Biotherapeutics, LPMerck Sharp & Dohme LLCTerminado