Monitoreo de la resistencia a los antimicrobianos basado en análisis metagenómicos en pacientes con neumonía
Monitoreo de la resistencia a los antimicrobianos basado en análisis metagenómicos en pacientes con neumonía: un estudio de epidemiología genómica
El seguimiento de la resistencia a los antimicrobianos (RAM) basado en análisis metagenómicos en pacientes con neumonía es fundamental para optimizar el diagnóstico y el tratamiento clínicos y mejorar el pronóstico clínico. Este estudio está diseñado para plantear las siguientes preguntas clave:
- ¿Cuáles son los mapas de microbioma de pacientes con neumonía grave y neumonía leve?
- ¿Cuántos genes de resistencia a patógenos se llevan en la neumonía grave y en la neumonía leve?
- ¿Cuál es la diversidad genética de los patógenos clave detectados en la neumonía grave y la neumonía leve durante el período 2019-2025?
Descripción general del estudio
Estado
Descripción detallada
Se trata de un estudio observacional prospectivo histórico. Los pacientes diagnosticados con neumonía grave y leve se reclutan continuamente en cuatro hospitales (Hospital General de Shanghai, Hospital Popular de Wuxi afiliado a la Universidad Médica de Nanjing, Hospital Unión de Wuhan y Hospital Central de Huanggang) en China durante marzo de 2019 a marzo de 2025.
Secuenciación de próxima generación: las bibliotecas metagenómicas y metatranscriptómicas se someten a una secuenciación de próxima generación utilizando la plataforma Illumina Novaseq 6000.
Análisis de microbioma: usando KneadData (v0.10.0) referencia del genoma humano (base de datos de referencia GRCH38) para filtrar el control de calidad de los datos de secuenciación de Illumina en Virosaurus descargar conjuntos de datos del genoma del virus como referencia, bowtie2 (v2.3.4.1) (cobertura del genoma >30%, profundidad >1X) fue se usó para localizar y analizar la secuencia post-host, y luego se usó el comando "samtools idxstats" para calcular la clasificación y la abundancia relativa de virus. Mientras tanto, para obtener la información de anotación de las bacterias a nivel de especie, se utilizó PhyloFlash (v3.4) para calcular los recuentos de lectura de los genes 16S rRNA en la base de datos SILVA, seleccionando una similitud mayor o igual al 98% como umbral. Utilizando la base de datos del genoma de patógenos eucariotas EUPATHDB46 como referencia, se utilizaron bowtie2 y samtools para el análisis cualitativo y cuantitativo de patógenos fúngicos.
Los criterios para determinar la causa de la infección respiratoria son: (1) especies existentes que se sabe están asociadas con enfermedades humanas (CIE-10), (2) nuevos patógenos potenciales no identificados previamente (sólo virus de ADN y ARN cuyos géneros o familias hayan sido previamente identificados). demostrado que infecta a mamíferos), y (3) posibles bacterias simbióticas no incluidas.
Análisis de RAM: al comparar la similitud de secuencia entre los fragmentos de secuenciación y los genes de resistencia a los medicamentos conocidos, el contenido de la detección puede determinar si existen genes de resistencia a los medicamentos y sugerir resistencia a los medicamentos causada por modificación, inactivación, represión y otros genes de resistencia a los medicamentos.
Detección de genes de resistencia a medicamentos: genes relacionados con la resistencia a medicamentos registrados en CARD (Comprehensive Antibiotic Resistance Database) y en la base de datos ARG-ANNOT. En este ensayo, solo se informaron genes funcionales con actividades de resistencia a los medicamentos, como modificación, inactivación y represión, así como cambios en la vía y el objetivo causados por algunas mutaciones puntuales.
La diversidad genética se calculó como la distancia genética media por pares dentro de un grupo. Se construyeron árboles filogenéticos de máxima probabilidad utilizando RaxML con un modelo general de sustitución de nucleótidos reversible en el tiempo y 1000 bootstraps. La distancia genética entre secuencias se calculó utilizando MEGAX, con un método bootstrap para la estimación de la varianza.
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Mei Kang, MPH
- Número de teléfono: 18501709576
- Correo electrónico: mei.kang@shgh.cn
Copia de seguridad de contactos de estudio
- Nombre: Xue Tian, Master
- Número de teléfono: 02163240090
- Correo electrónico: xue.tian@shgh.cn
Ubicaciones de estudio
-
-
Shanghai Municipality
-
Shanghai, Shanghai Municipality, Porcelana, 200080
- Reclutamiento
- Mei Kang
-
Contacto:
- Mei Kang, MPH
- Número de teléfono: +8618501709576
- Correo electrónico: mei.kang@shgh.cn
-
Sub-Investigador:
- Ruilan Wang, PhD
-
Sub-Investigador:
- Lehao Ren, PhD
-
Sub-Investigador:
- Dapeng Wang, PhD
-
Investigador principal:
- Shan Gao, Master
-
Sub-Investigador:
- Jiang Du, PhD
-
Sub-Investigador:
- Xue Tian, Master
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Los pacientes diagnosticados clínicamente como neumonía grave y neumonía leve se diagnostican de acuerdo con las Directrices para el diagnóstico y tratamiento de la neumonía adquirida en la comunidad en adultos (edición de 2019) formuladas por la Sociedad Torácica Estadounidense (ATS) y la Sociedad de Enfermedades Infecciosas de América (IDSA). , que cumplen 1 de los siguientes criterios mayores o ≥3 criterios menores pueden ser diagnosticados. Los criterios de diagnóstico para la neumonía grave y leve en niños fueron adoptados por la Sociedad Torácica Británica (BTS) en 2011.
- Se realizó un examen clínico y quedaron muestras biológicas (hisopo nasofaríngeo, hisopo orofaríngeo, líquido de lavado broncoalveolar, esputo, sangre, hidrotórax, tejido pulmonar) en el examen microbiológico clínico.
Criterios de exclusión:
- Pacientes cuyas muestras biológicas puedan estar contaminadas;
- Pacientes con líquido de lavado alveolar o volumen de hidrotórax inferior a 200 μl.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
|---|
|
Neumonía grave
Los pacientes diagnosticados clínicamente como neumonía grave se diagnostican según las Directrices para el diagnóstico y tratamiento de la neumonía adquirida en la comunidad en adultos (edición 2019) formuladas por la Sociedad Torácica Estadounidense (ATS) y la Sociedad de Enfermedades Infecciosas de América (IDSA), que cumplen Se puede diagnosticar 1 de los siguientes criterios mayores o ≥3 criterios menores.
Los criterios de diagnóstico para la neumonía grave en niños fueron adoptados por la Sociedad Británica de Torácica (BTS) en 2011.
|
|
Neumonía leve
Los pacientes diagnosticados clínicamente como neumonía grave y neumonía leve se diagnostican de acuerdo con las Directrices para el diagnóstico y tratamiento de la neumonía adquirida en la comunidad en adultos (edición de 2019) formuladas por la Sociedad Torácica Estadounidense (ATS) y la Sociedad de Enfermedades Infecciosas de América (IDSA). .
Los criterios de diagnóstico para la neumonía grave y leve en niños fueron adoptados por la Sociedad Torácica Británica (BTS) en 2011.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Composición del microbioma
Periodo de tiempo: durante el periodo de estudio, 2019-2025
|
una colección de comunidades microbianas detectadas en la muestra biológica
|
durante el periodo de estudio, 2019-2025
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Diversidad alfa
Periodo de tiempo: durante el periodo de estudio, 2019-2025
|
la diversidad dentro de un área o ecosistema particular
|
durante el periodo de estudio, 2019-2025
|
|
Prevalencia de genes de resistencia bacteriana.
Periodo de tiempo: durante el periodo de estudio, 2019-2025
|
el número de genes de resistencia bacteriana dividido por el número de muestras biológicas
|
durante el periodo de estudio, 2019-2025
|
|
Diversidad beta
Periodo de tiempo: durante el periodo de estudio, 2019-2025
|
una comparación de la diversidad entre ecosistemas, generalmente medida como la cantidad de especies que cambian entre los ecosistemas
|
durante el periodo de estudio, 2019-2025
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Mei Kang, MPH, Shanghai General Hospital, Shanghai Jiaotong University School of Medicine
Publicaciones y enlaces útiles
Publicaciones Generales
- 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.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Estimado)
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 (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- 2023234
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. .