HCMR - Uudet ennusteen merkkiaineet hypertrofisessa kardiomyopatiassa (HCMR)
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
2.2 Lähtökohdat HCM:ssä tällä hetkellä käytetyt riskiennusteet SCD:n ja HF:n kliinisille tuloksille ovat edelleen riittämättömiä ja rajoittavat kliinisiä tutkimuksia ja uusien hoitomuotojen käyttöönottoa tähän sairauteen. Tämä laajamittainen, tulevaisuuden kliininen rekisteri vastaa systemaattisesti tärkeään kysymykseen, voitaisiinko HCM:n riskikerrostumista parantaa merkittävästi nykyisten kliinisten riskien ennustajien kanssa lisäämällä edistyneen CMR-fenotyypityksen, geneettisen ja biomarkkerianalyysin yhdistelmää. Uudet uudet veri-, geneettiset ja CMR-merkit tarjoavat paradigmaa vaihtavan lupauksen riskiryhmien luotettavasta tunnistamisesta. Lisäksi tämä on suurin saatavilla oleva HCM-genotyyppipopulaatio, joka korreloi kattavan CMR- ja biomarkkeriarvioinnin kanssa. Tämä antaa ainutlaatuiset mahdollisuudet arvioida genotyyppi-fenotyyppi-korrelaatioita ja vertailla tiettyjä geneettisiä osajoukkoja tavalla, joka ei ole ollut mahdollista aiemmin. Tässä tutkimuksessa luodaan myös ennustemalli, jota voidaan käyttää riskin arvioimiseen potilaan riskitekijöiden yhdistelmän perusteella. Tämä auttaa valitsemaan potilaita tulevia kliinisiä tutkimuksia varten SCD:n ja HF:n ehkäisemiseksi. Lisäksi se tunnistaa korvaavat päätepisteet, joilla seurataan hoitovastetta HCM:ssä. Tällä tavalla HCM:ään perustetaan näyttöpohja, jotta kliinisen kokeen suunnittelussa voidaan vähentää sairastuvuutta ja kuolleisuutta HCM:ssä kustannustehokkaalla tavalla.
3 TAVOITTEET Tämän tutkimuksen erityinen tavoite on kehittää ennakoiva malli kardiovaskulaarisista tuloksista hypertrofisessa kardiomyopatiassa: 1) käyttämällä tutkivia tiedonlouhintamenetelmiä tuloksiin liittyvien demografisten, kliinisten ja uusien CMR-, geneettisten ja biomarkkerimuuttujien tunnistamiseksi ja 2) kehittää ennustemallista pistemäärä, jota voidaan käyttää riskin arvioimiseen potilaan riskitekijöiden yhdistelmän perusteella. Näin luodaan näyttöpohja, joka mahdollistaa kliinisen tutkimuksen suunnittelun HCM:n sairastuvuuden ja kuolleisuuden vähentämiseksi kustannustehokkaalla tavalla.
Ymmärtääkseen näiden HCM:n uusien riskimarkkerien ja kliinisen lopputuloksen välisen suhteen tutkijat ehdottavat luonnollista tutkimusta 2750 potilaalle, joilla on kliinisesti diagnosoitu HCM, joita tutkittiin lähtötilanteessa ja kerättiin demografisia tietoja, kliinisiä riskitekijöitä sekä uusia CMR-markkereita. genotyypitys ja kollageenin vaihtuvuuden ja sydänlihasvaurion seerumin biomarkkerit, rekisteröitiin 2 vuoden ajan ja niitä seurattiin 3-5 vuoden ajan (keskiarvo 4 vuotta). Tutkimuksella pyritään tunnistamaan riskimarkkerit Cox-mallissa (kuvantaminen, seerumi ja geneettiset standardit kliiniset riskitekijät ylittävät), joiden riskisuhde on 1,5 tai suurempi ensisijaiselle päätepisteelle, joka on sydänkuolema (mukaan lukien SCD- ja HF-kuolema ), keskeytetty SCD (asianmukainen implantoitavan kardioverteri-defibrillaattorin purku) ja sydämensiirron tarve. Toissijaisia päätepisteitä ovat kaikista syistä johtuva kuolleisuus, kammiotakyarytmiat, sairaalahoito sydämen vajaatoiminnan vuoksi, eteisvärinä ja aivohalvaus. Tämä tutkimus mahdollistaa ennakoivan mallin luomisen, joka auttaa tunnistamaan riskipotilaita sekä potilaita tulevia kliinisiä tutkimuksia varten SCD:n ja HF:n ehkäisemiseksi. Lisäksi se tunnistaa korvaavat päätepisteet, joilla seurataan hoitovastetta HCM:ssä.
4 OPINTOSUUNNITTELU 4.1 Opintoväestön valinta
Potilaan ominaisuudet:
Rekrytoidaan 2750 potilasta, joista vähintään 51 prosenttia on naisia ja 30 prosenttia vähemmistöjä.
Rekrytointipaikat:
Sairaala- tai avohoitopalvelu 35-40 toimipisteestä Pohjois-Amerikassa ja Euroopassa
Seerumin biomarkkeri- ja DNA-näytteet Veri kerätään perifeerisellä laskimopunktiolla rekisteröinnin yhteydessä seerumin ja plasman lähteeksi biomarkkerianalyysiin sekä DNA-lähteeksi geneettiseen testaukseen. Paastonäytteitä pyydetään, mutta jos tämä ei ole logistisesti mahdollista, voidaan ei-paastonäytteet hankkia ja merkitä sellaisiksi. Tutkijat pyytävät myös koehenkilöitä pidättymään raskaasta harjoittelusta 24 tunnin ajan ennen verenottoa, jotta heikennettyjen kohonneiden biomarkkerien mahdollisuus heijastaa voimakkaan fyysisen toiminnan vaikutusta vähenee.
Sydämen MRI
Suoritetaan sydämen magneettikuvaus, joka kestää noin tunnin. 0,15 mM gadoliniumvarjoainetta infusoidaan suonensisäisen letkun kautta magneettikuvauksen aikana.
Protokollan täydelliset tiedot ovat tutkimusoppaassa. Laboratorioarvioinnit 5.1.1 Näytteiden kerääminen, valmistelu, käsittely ja lähettäminen Biomarkkerinäytteiden (täydelliset tiedot löytyvät erillisestä Biomarkers Technical Manual) 1. Kerää 3, 10 ml putkea kukin seerumia ja K3 EDTA -plasmaa paastotilassa (tai ei-paasto, jos näytteitä paastotaan). ei voida saada) DNA-näytteitä
1. Kerää yksi 10 ml:n EDTA-putki. 6 TUTKIMUSAIKATAULU 6.1 Seulonta Potilaan potilastiedot tarkistetaan diagnoosin ja kelpoisuuden varmistamiseksi.
Tutkimusryhmän jäsenen on hankittava tietoinen suostumus. 6.2 Perustilan käynti
Ensimmäinen vierailu suunnitellaan yllä olevassa kohdassa #5 lueteltuja tutkimustoimenpiteitä varten. 6.3 Seurantakäynnit Vuosittaista puhelinseurantaa hankitaan enintään 5 vuoden ajan ja soveltuvien sairaala- tai kuolemantapaustietojen tarkastelu. Terveydentila arvioidaan tällä hetkellä SF-12:lla.
10 TILASTOLLISET NÄKÖKOHDAT 10.1 Tutkimuksen tulosmittaukset
Tämän prospektiivisen tutkimuksen ensisijainen päätetapahtuma on sydänkuolema (SCD ja HF-kuolema), keskeytetty SCD, mukaan lukien asianmukainen ICD-sytytys, ja sydämensiirron tarve.
Toissijaisia päätepisteitä ovat kaikista syistä johtuva kuolleisuus, kammiotakyarytmiat, sairaalahoito sydämen vajaatoiminnan vuoksi, eteisvärinä ja aivohalvaus.
10.2 Otoskokoa koskevia huomioita Olettaen, että kolmen vuoden tapahtumatiheys on 4,2 % äskettäin julkaistun kirjallisuuden perusteella10;11;26;27 ja alfa-virhetaso 5 %, 2500 potilaalla on yli 90 %:n teho havaita vaarasuhde 1,5 vähintään yksi riskitekijä Cox-mallissa. Lisäksi 250 (yhteensä 2750) potilasta otetaan mukaan kompensoimaan arvioitua 2 %:n keskeyttämisastetta vuodessa.
10.3 Osallistujien ilmoittautuminen ja seuranta 2750 ilmoittautunutta seurataan enintään 5 vuoden ajan. 10.4 Analyysisuunnitelma Koska odotettavissa oleva tapahtumatiheys on pieni (4-5 %) ja mahdollisten ennakoivien riskitekijöiden määrä on suuri (20+), tutkivaa, puuluokitteluanalyysiä käytetään vahvimpien ennustajien tunnistamiseen ja mahdollisten ennustajien eliminoimiseen. niillä arvioidaan olevan vähän tai ei ollenkaan ennustusvoimaa. Tutkivassa analyysissä tunnistettujen riskitekijöiden perusteella kehitetään regressioennustemalli, josta voidaan laskea yhteenveto HCM:n riskipisteet ja käyttää sitä helposti kliinisissä olosuhteissa.
Puupohjaisia tiedonlouhintamenetelmiä käytetään tunnistamaan keskeiset muuttujat primaarisen lopputuloksen ennustamisessa, sydänkuoleman (SCD ja HF-kuoleman), keskeytetyn SCD:n, mukaan lukien asianmukaisen ICD-syötön, ja sydämensiirron tarpeen yhdistelmä. Toissijaisia päätepisteitä ovat kaikista syistä johtuva kuolleisuus, kammiotakyarytmiat, väliseinän myektomia tai alkoholiablaatio, sairaalahoito sydämen vajaatoiminnan vuoksi, eteisvärinä ja aivohalvaus. Puupohjainen mallintaminen on tutkiva tekniikka monimuuttujatietojen rakenteen paljastamiseksi28;29. Se on erityisen hyödyllinen ennustussääntöjen johtamiseen useista seulontamuuttujista tai riskitekijöistä. Puumalleja voidaan käyttää sekä luokitukseen (binääritulos) että regressioon (jatkuva tulos). Kummassakin tapauksessa ennustesääntöjen kokoelma (ennustusmuuttujista) näytetään puun muodossa. Terminologia jäljittelee puiden terminologiaa: juuri on puun ylin solmu, joka näyttää keskiarvon (regressio) tai osuuden (luokitus) koko otoksesta. Split on sääntö uusien haarojen luomiseen, ja lehti on päätesolmu. Jokainen solmu on ennustajamuuttujan binäärijako, joka sisältää kaksi näytteen alaryhmää, joilla on suurin mahdollinen ero ryhmien välillä. Sama muuttuja voi esiintyä useammalla kuin yhdellä puun tasolla (rekursiivinen osiointi).
Puupohjaisten mallien etuna lineaarisiin ja additiivisiin malleihin verrattuna on, että ne ovat taitavampia vangitsemaan ei-additiivisia suhteita ja paljastavat helpommin monimutkaisia vuorovaikutuksia ennustajamuuttujien välillä. Jatkuvia muuttujia tai kategorisia muuttujia, joissa on enemmän kuin kaksi tasoa, ei tarvitse dikotomisoida ennen analyysiä - puualgoritmi määrittää raja-arvon, joka tuottaa homogeenisimmat solmut. Puuttuvat tiedot voidaan käsitellä erillisenä kategoriana. Alkuperäiset puumallit sisältävät seuraavassa taulukossa luetellut riskitekijät sekä demografiset muuttujat, iän, sukupuolen ja rodun.
Kliiniset CMR-geneettiset biomarkkerit Sukuhistoria HCM:ään liittyvän SCD LV:n ejektiofraktion MYH7 NT-pro BNP Selittämätön äskettäinen pyörtyminen LV-massa/massaindeksi MYBPC3 Singulex-sydämen troponiini Massiivinen LVH (seinämän paksuus >30mm) Maksimi diastolinen seinämän paksuus Ohut filamenttimutaatiot PICP Multii-murtuma kestämätön VT LGE:n laajuus (% LV-massasta) Yhdiste/kaksoisheterotsygootit ST2 Hypotensiivinen verenpainevaste harjoitukseen Globaali solunulkoinen tilavuusfraktio Sarkomeerimutaatio negatiivinen Alkuperäisen puun koko pienennetään (leikataan) vertaamalla pienempien puiden virheluokitteluvirheitä suurempiin puihin arvioimiseksi karsimisesta johtuva puiden ennustuskyvyn heikkeneminen. Tavoitteena on tunnistaa HCM:n vahvimmat ennustajat, ennustajien vuorovaikutukset ja eliminoida kaikki tekijät, joilla on vähän ennustevoimaa. Vaikka puumallit tunnistavat nopeasti vahvimmat ennustajat ja ennustajien yhdistelmät, ne eivät yleensä johda kliinisesti hyödyllisiin ennustemalleihin, jotka yleistyvät hyvin potilaille muissa olosuhteissa. Regressiomenetelmiä, joissa käytetään testivalidointia uudelleennäytteenottomenetelmiä, käytetään mahdollisimman validi mallin kehittämiseen.
Käyttämällä demografisia, kliinisiä, kuvantamis-, biomarkkeri- ja geneettisiä mittareita sekä puuanalyysissä tunnistettuja vuorovaikutuksia Coxin suhteellista vaarojen regressiota käytetään ennustemallin kehittämiseen, josta voidaan laskea yhteenveto riskipisteet ja soveltaa niitä kliinisissä olosuhteissa. Parametrisia regressiomenetelmiä voidaan käyttää, jos suhteellisia vaaroja koskeva oletus ei täyty. Regressiomalli kehitetään 100-kertaisella validointimenettelyllä, jossa 50 % havainnoista valitaan satunnaisesti mallin kehittämiseen (testinäyte) ja loput 50 % käytetään mallin ennustuskyvyn arvioimiseen (validointiotos). Tämä menettely toistetaan 100 kertaa eri satunnaisella valinnalla testin validointinäytteitä jokaiselle iteraatiolle. C-indeksi lasketaan mallin erottelun arvioimiseksi sekä testi- että validointinäytteiden osalta30. Testivalidointimallien kokonaisuus antaa arvion c-indeksin vaimenemisesta, kun mallia sovelletaan eri otokseen, sekä malleissa esiintyvien erityisten riskitekijöiden johdonmukaisuuden. Rakennetaan lopullinen malli, joka sisältää vahvimpien (korkea c-indeksi ja esiintymistiheys) ennustajien yhdistelmän. Tätä mallia sovelletaan sitten koko otokseen regressiokertoimien ja vaarasuhteiden arvioimiseksi ja yhteenvedon riskipisteen laskemiseksi30. Lopullisesta mallista muodostetaan nomogrammit riskipisteiden ennustetun todennäköisyyden saamiseksi. Nomogrammin käytön helpottamiseksi voidaan jättää pois muuttujat, jotka ovat tilastollisesti merkittäviä, mutta joilla on vain vähän vaikutusta ennusteeseen. Mallin avulla kehitetään myös ennustealgoritmi, joka laskee nopeasti riskit kädessä pidettävässä elektronisessa laitteessa. Tämä analyysi voi myös olla hyödyllistä suunniteltaessa kliinisiä tutkimuksia terapeuttisen tehokkuuden arvioimiseksi antamalla vaikutuskoot (riskisuhteet) näytekokovaatimusten laskemiseksi.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Amsterdam, Alankomaat, 1081 HV
- VU University Medical Center
-
Rotterdam, Alankomaat, 3015 CE
- Erasmus MC
-
-
-
-
-
Bologna, Italia, 40138
- Università di Bologna
-
Florence, Italia, 50134
- Careggi University Hospital
-
Milan, Italia, 20132
- San Raffaele University Hospital
-
Rome, Italia, 00185
- Sapienza University
-
-
-
-
-
Quebec, Kanada, G1V 4G5
- Quebec Heart Insititute
-
-
Alberta
-
Calgary, Alberta, Kanada, T2N 2T9
- University Of Calgary
-
-
Ontario
-
Toronto, Ontario, Kanada, M5G 2C4
- Toronto General Research Institute (TGRI), Toronto General Hospital
-
-
Quebec
-
Montreal, Quebec, Kanada, H1T 1C8
- Montreal Heart Institute (Institut de Cardiologie de Montreal)
-
Montreal, Quebec, Kanada, QC H3G 1B3
- McGill University Health Center
-
-
-
-
-
Berlin, Saksa, 13125
- Charité - Universitätsmedizin Berlin
-
Heidelberg, Saksa, D-69120
- Universitäts Klinikum Heidelberg
-
Stuttgart, Saksa, 70376
- Robert-Bosch-Krankenhaus GmbH
-
-
-
-
-
Birmingham, Yhdistynyt kuningaskunta, B15 2TH
- University Hospitals Birmingham (Queen Elizabeth Hospital)
-
Bristol, Yhdistynyt kuningaskunta, BS2 8HW
- Bristol Heart Institute
-
Edinburgh, Yhdistynyt kuningaskunta, EH16 4SB
- Royal Infirmary of Edinburgh
-
Leeds, Yhdistynyt kuningaskunta, LS2 9JT
- University of Leeds
-
Leicester, Yhdistynyt kuningaskunta, LE3 9QP
- Glenfield Hospital Leicester
-
London, Yhdistynyt kuningaskunta, E2 9JX
- London Chest Hospital
-
London, Yhdistynyt kuningaskunta, SW3 6NP
- Royal Brompton Hospital
-
London, Yhdistynyt kuningaskunta, SE1 7EH
- King's College London (St. Thomas' Hospital)
-
London, Yhdistynyt kuningaskunta, SW17 0RE
- St. George's Healthcare NHS Trust
-
Oxford, Yhdistynyt kuningaskunta, OX3 9DU
- Oxford University
-
Southampton, Yhdistynyt kuningaskunta, SO16 6YD
- University of Southhamptom
-
-
Scotland
-
Aberdeen, Scotland, Yhdistynyt kuningaskunta, AB25 2ZD
- University of Aberdeen, School of Medicine and Dentistry
-
Glasgow, Scotland, Yhdistynyt kuningaskunta, G12 8TA
- University of Glasgow (BHF Glasgow Cardiovascular Research Centre)
-
-
-
-
Connecticut
-
New Haven, Connecticut, Yhdysvallat, 06520
- Yale University
-
-
Illinois
-
Chicago, Illinois, Yhdysvallat, 60611
- Northwestern University Feinberg School of Medicine
-
-
Maryland
-
Baltimore, Maryland, Yhdysvallat, 21287-0409
- Johns Hopkins University
-
-
Massachusetts
-
Boston, Massachusetts, Yhdysvallat, 02215
- Beth Israel Deaconess Medical Center
-
Boston, Massachusetts, Yhdysvallat, 02111
- Tufts Medical Center
-
Boston, Massachusetts, Yhdysvallat, 02115
- Brigham & Women's Hospital
-
-
Michigan
-
Ann Arbor, Michigan, Yhdysvallat, 48109-56444
- University of Michigan Health System
-
-
Minnesota
-
Rochester, Minnesota, Yhdysvallat, 55905
- Mayo Clinic
-
-
New York
-
New York, New York, Yhdysvallat, 10016
- NYU Medical Center
-
New York, New York, Yhdysvallat, 10019
- St. Luke's Roosevelt University Hospital of Columbia University
-
New York, New York, Yhdysvallat, 10065
- Weill Cornell - New York Presbyterian
-
-
North Carolina
-
Durham, North Carolina, Yhdysvallat, 27710
- Duke University Medical Center
-
-
Ohio
-
Cleveland, Ohio, Yhdysvallat, 44195
- Cleveland Clinic
-
-
Oregon
-
Portland, Oregon, Yhdysvallat, 97239
- Oregon Health & Science University
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Yhdysvallat, 19104
- Hospital of the University of Pennsylvania (Penn Heart and Vascular Center)
-
-
Texas
-
Houston, Texas, Yhdysvallat, 77030
- Methodist DeBakey Cardiology Associates
-
-
Virginia
-
Charlottesville, Virginia, Yhdysvallat, 22908
- University of Virginia Health System
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- 18–65-vuotiaat potilaat, joilla on todettu HCM-diagnoosi, joka määritellään selittämättömäksi LVH:ksi, joka määritellään ≥15 mm paksuiseksi segmentiksi ilman altistavaa syytä.
- Allekirjoitettu tietoinen suostumus
Poissulkemiskriteerit:
- Aikaisempi väliseinän myektomia tai alkoholiväliseinän ablaatio
- Aiempi sydäninfarkti
- Jatkuvat ventrikulaariset rytmihäiriöt
- Kyvyttömyys makaamaan tasaisesti,
- CMR:n vasta-aihe, mukaan lukien sydämentahdistimet, defibrillaattorit, silmänsisäinen metalli, tietyntyyppiset kallonsisäiset aneurysmaklipsit, vaikea klaustrofobia,
- Vaiheen IV/V krooninen munuaissairaus, jossa glomerulussuodatusnopeus <30 ml/min,
- Diabetes mellitus, johon liittyy elinvaurioita
- Raskaana oleva nainen
- Kyvyttömyys antaa tietoon perustuva suostumus
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Hypertrofinen kardiomyopatia
Ei mitään – tämä on havainnointitutkimus. Potilaita, joilla on hypertrofinen kardiomyopatia, tarkkaillaan jopa 5 vuoden ajan sydämen magneettikuvauksen ja genetiikan ja biomarkkerien verikokeen jälkeen. |
Ei mitään – tämä on havainnointitutkimus
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Sydämensiirto
Aikaikkuna: 5 vuotta
|
5 vuotta
|
|
|
Sydänkuolema
Aikaikkuna: 5 vuotta
|
Äkillinen sydänkuolema ja sydämen vajaatoimintakuolema
|
5 vuotta
|
|
Keskeytetty äkillinen sydänkuolema
Aikaikkuna: 5 vuotta
|
Sisältää sopivan ICD-laukaisun (jatkuva kammiotakykardia, nopeus > 200 bpm tai kammiovärinä)
|
5 vuotta
|
|
vasemman kammion apulaitteen sijoittaminen
Aikaikkuna: 5 vuotta
|
5 vuotta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kaiken syyn aiheuttama kuolleisuus
Aikaikkuna: 5 vuotta
|
5 vuotta
|
|
|
Sairaalahoito sydämen vajaatoiminnan vuoksi
Aikaikkuna: 5 vuotta
|
5 vuotta
|
|
|
Aivohalvaus
Aikaikkuna: 5 vuotta
|
5 vuotta
|
|
|
Ventrikulaariset takyarytmiat
Aikaikkuna: 5 vuotta
|
Kammiovärinä tai pitkäkestoinen kammiotakykardia
|
5 vuotta
|
|
Eteisvärinä
Aikaikkuna: 5 vuotta
|
5 vuotta
|
Yhteistyökumppanit ja tutkijat
Sponsori
Yhteistyökumppanit
Tutkijat
- Päätutkija: Stefan Neubauer, MD, University of Oxford
- Päätutkija: Christopher M Kramer, MD, University of Virginia Health System
Julkaisuja ja hyödyllisiä linkkejä
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Arvioitu)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- U01HL117006-01A1 (Yhdysvaltain NIH-apuraha/sopimus)
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .