- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT05321433
Tupakan käyttö ja COVID-19-riski ja haitalliset seuraukset
Tupakankäytön ja COVID-19-tartunnan yhteys ja haittavaikutukset kolmessa Pohjoismaassa: yhdistetty analyysi
Tutkimuksen yleiskatsaus
Tila
Yksityiskohtainen kuvaus
Vakavan akuutin hengitystieoireyhtymän koronavirus 2:n (SARS-CoV-2) aiheuttama koronavirustauti (COVID-19) -pandemia on aiheuttanut maaliskuuhun mennessä yli 470 miljoonaa vahvistettua COVID-19-tapausta ja yli 6 miljoonaa kuolemaa ympäri maailmaa. 25, 2022 (WHO, 2022). COVID-19-pandemian alusta lähtien useiden tekijöiden on katsottu lisäävän tartuntariskiä ja COVID-19-taudin haittavaikutuksia. Näistä tekijöistä tupakan käytön ja COVID-19-infektion sekä haitallisten sairauksien välinen suhde pysyi kiistanalaisena, sillä tutkimukset raportoivat jatkuvasti ristiriitaisista löydöistä. Varhaiset tutkimukset raportoivat tupakan käytön suojaavan vaikutuksen COVID-19-infektiota vastaan (Haddad et al.; Jiménez-Ruiz et al., 2020) tai COVID-19:n aiheuttamia sairaalahoitoja (Farsalinos et al., 2020; Neira) et ai., 2021). Tuoreemmassa meneillään olevassa pikakatsauksessa, joka tällä kertaa sisälsi laajemman valikoiman tutkimuksia erilaisilla tutkimussuunnitelmilla, havaittiin, että tupakoitsijoilla on pienempi riski saada SARS-COVID-19-infektio kuin tupakoimattomilla (suhteellinen riski 0,67, 95 % uskottava intervalli 0,60 -0,75) (Simons et al., 2021). Nämä havainnot avasivat tien spekulaatioille ja hypoteeseille tämän suojaavan roolin mahdollisista mekanismeista. Useimpien näiden tutkimusten tuloksiin voi kuitenkin vaikuttaa valintaharha, koska ne raportoivat kliinisistä näytteistä saatuja löydöksiä tai hämmennystä johtuvia harhaa, koska näiden julkaistujen tietojen rakenne mahdollisti vain yksimuuttuja-analyysin.
Sellaisten tutkimusten tuloksia, jotka kärsivät valintaharhasta tai hämmennyksestä johtuvasta harhasta, tulee käsitellä varoen, koska ne voivat heikentää vuosien mittaista kansanterveyskasvatusta tupakan käyttöä vastaan, joka on merkittävä sairastuvuuden ja kuolleisuuden syy maailmanlaajuisesti. Lisäksi tupakan käytön rooli sairauksien, kuten sairaalahoitoa, tehohoitoa vaativien sairauksien ja kuoleman, etenemisessä on edelleen epäselvä, koska useimmat aiemmat tutkimukset keskittyivät enemmän tupakan käytön ja infektioriskin väliseen yhteyteen, mutta eivät haitallisiin seurauksiin. Nämä tosiasiat edellyttävät tutkimuksia, joilla varmistetaan, että tupakan ja COVID-19:n välistä suhdetta koskeva tietopuute korjataan ottamalla huomioon 1) hämmennyksen ja valintaharhaisuuden riskin vähentäminen; 2) tarkkuuden lisääminen suuremman otoskoon avulla, 3) tupakan käytön ja haitallisten sairauksien välisen yhteyden tutkiminen edelleen. Useimmissa Pohjoismaissa taustaväestön tupakankäyttöprofiili mahdollistaa useiden tupakankäyttötyyppien analysoinnin mm. tupakointi ja savuttoman tupakan (nuuskan) käyttö, mikä mahdollistaa lisänäkemyksiä nikotiinin mahdollisesta roolista tupakan käytön ja COVID-19:n välisessä yhteydessä. Savuttoman tupakan käyttö on erittäin yleistä (jopa ylittää miesten tupakoinnin Ruotsissa ja Norjassa), minkä ansiosta voimme erottaa nikotiinin mahdollisen roolin tupakan käytön ja COVID-19:n välisessä yhteydessä.
Tutkijat ehdottavat, että tupakan käytön, COVID-19-tartunnan ja haitallisten sairauksien välisiä yhteyksiä tutkitaan käyttämällä kolmen Pohjoismaan yhdistettyjä väestöpohjaisia tietoja mahdollisten sekaannusten huomioon ottamiseksi. Näytteiden populaatiopohjainen luonne minimoi valintaharhaisuuden. Yhdistelmäanalyysin käyttäminen kerää suuren otoskoon ja lisää mahdollisuuksia tehokkaisiin alaryhmäanalyyseihin.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
Stockholm
-
Solna, Stockholm, Ruotsi, 171 77
- Karolinska Institutet
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Poissulkemiskriteerit:
• Kaikki tutkittavat, jotka kuolivat ennen pandemian puhkeamista (helmikuussa 2020) näissä kolmessa maassa, suljetaan pois analyysistä.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
---|
Ruotsalainen kohortti
Ruotsalaiset tiedot ovat peräisin 424 386 Tukholman alueen julkisten hammasklinikan asiakkaiden historiallisesta kohortista, jotka ovat vähintään 23-vuotiaita ja jotka aloittivat toimintansa lokakuun 2015 ja tammikuun 2020 välisenä aikana, ja seurantaa on seurattu helmikuusta 2020 joulukuuhun 2020.
Ruotsissa julkiset hammaslääkäriasemat (Folktandvården, FTV) tarjoavat rutiininomaisia ennaltaehkäiseviä käyntejä (suuntarkastuksia) kaikille asukkaille, jotka haluavat saada hoitoa näillä klinikoilla.
Jokaisessa terveystarkastuksessa tupakointi ja nuuskan käyttö selvitetään aiemman käytön, nykyisen käytön ja nykyisen käytön määränä.
Jokaiselle Ruotsin asukkaalle syntymän tai maahanmuuton yhteydessä annettuja kansallisia henkilönumeroita käytetään tietojen saamiseksi COVID-19-diagnooseista ja muista sairauksista tietuelinkityksen kautta alueellisiin terveydenhuoltorekistereihin.
Väestötiedot saadaan ennätyslinkityksen avulla Ruotsin tilastokeskuksen ylläpitämään Tukholman alueen kokonaisväestörekisteriin.
|
Suomalainen kohortti
Suomalaiset tiedot tulevat kolmesta yhdistetystä poikkileikkaustutkimuksesta Suomessa (FinSote 2018-2020), joihin osallistui 44 199 vähintään 20-vuotiasta.
Tutkimusotoksissa oli Suomessa vakituisesti asuvia FinSoten tutkimuksista 2018, 2019 ja 2020.
Kaikille Suomen asukkaille annettu yksilöllinen henkilötunnus liitetään tartuntatautirekisteriin COVID-19-diagnoosien saamiseksi, terveydenhuollon hoitorekisteriin (HILMO) saadakseen tietoa COVID-19:n aiheuttamista sairaalahoidoista sekä Tilastokeskukseen Kuolleisuustiedot saada tietoa kuolemista.
Tietoa joistakin sosiodemografisista ominaisuuksista saadaan myös Digi- ja väestötietovirastolta.
|
Norjan kohortti
Norjan tiedot perustuvat Norjan äiti-, isä- ja lapsikohorttitutkimukseen (MoBa) (Magnus et al., 2016) ja Norjan influenssaraskauskohorttiin (NorFlu) (Laake, 2018), ja niillä on yhteyksiä norjalaiseen valvontajärjestelmään. tartuntatautien osalta (MSIS), Norjan immunisaatiorekisteri (SYSVAK) ja Norjan väestörekisteri.
MoBa on valtakunnallinen väestöpohjainen 280 000 osallistujan kohortti, johon vanhemmat rekrytoitiin raskauden aikana vuosina 1999–2008, kun taas NorFlu on 9 000 osallistujasta koostuva raskauskohortti, joka värvättiin Oslossa ja Bergenissä vuoden 2009 sikainfluenssapandemian aikana. -2010.
Väestötiedot poimitaan rekistereistä linkin kautta olemassa oleviin kohorttitietokantoihin.
Tätä tutkimusta varten kaikki henkilöt, jotka kuolivat ennen pandemian puhkeamista (helmikuussa 2020) näissä kolmessa maassa, jätetään analyysin ulkopuolelle.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Kaikki COVID-19-diagnoosit mitataan seuraavasti:
Aikaikkuna: Helmikuu 2020 - joulukuu 2020
|
Ruotsi: vähintään positiivinen polymeraasiketjureaktiotesti (PCR), jonka laboratoriot ovat ilmoittaneet Ruotsin kansalliselle tartuntatautien sähköiselle valvontajärjestelmälle (SmiNet). Suomi: tapaukset, joissa SARS-CoV-2-käänteistranskription PCR (RT-PCR) on positiivinen, joko laboratorion tai lääkärin ilmoittamana kansainvälisen tautiluokituksen kymmenennen tarkistuksen (ICD-10) koodi U07.1 (mikä vaatii positiivisen SARS-CoV-2 RT-PCR:n). Norja: positiivinen SARS-CoV-2-testi, joka perustuu PCR:ään, joka on saatu Norjan tartuntatautien seurantajärjestelmästä (MSIS), tai SARS-CoV-2-vasta-aineiden esiintymiseen. Näistä määritelmistä luodaan kategorinen muuttuja (ei tallennettua COVID-19-diagnoosia = 1, rekisteröity COVID-19-diagnoosi = 2) |
Helmikuu 2020 - joulukuu 2020
|
Sairaalahoito COVID-19:n vuoksi mitattuna seuraavasti:
Aikaikkuna: Helmikuu 2020 - joulukuu 2020
|
Mikä tahansa sairaalahoito, jossa on COVID-19-diagnoosi (ICD-10-koodit U071 ja U072). Diagnoosi voidaan rekisteröidä joko pää- tai rinnakkaisdiagnoosiksi. V. Luodaan kategorinen muuttuja sairaalahoitoon, kun COVID-19-diagnoosi (joko pää- tai toissijainen diagnoosi) saa (ei vastaanottoja = 1, kaikki vastaanotto = 2). B. Kategorinen muuttuja sairaalahoitoon, kun COVID-19 on vain päädiagnoosi (ei vastaanottoja = 1, kaikki vastaanotto = 2). |
Helmikuu 2020 - joulukuu 2020
|
Tehohoitoyksikkö COVID-19-diagnoosin vuoksi toimenpiteet seuraavasti:
Aikaikkuna: Helmikuu 2020 - joulukuu 2020
|
Pääsy teho-osastolle COVID-19-diagnoosin vuoksi (ICD-10-koodit kuten yllä).
Kategorinen muuttuja tehohoitoyksikölle COVID-19-diagnoosin vuoksi (ei/kyllä) luodaan (ei tehohoitoa = 1, mikä tahansa tehohoito = 2).
|
Helmikuu 2020 - joulukuu 2020
|
COVID-19-kuolleisuus mitattiin seuraavasti:
Aikaikkuna: Helmikuu 2020 - joulukuu 2020
|
COVID-19:n aiheuttama kuolema vahvistetaan Ruotsin, Suomen ja Norjan kuolinsyyrekisterien avulla.
Kaikki seurantajakson aikana tapahtuneet kuolemat, joiden pääsyynä on rekisteröity COVID-19.
|
Helmikuu 2020 - joulukuu 2020
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Sairaalahoidon pituus COVID-19:n vuoksi
Aikaikkuna: Helmikuu 2020 - joulukuu 2020
|
Toissijaisena analyysinä käytämme negatiivisen binomimääräisen laskennan mallia (Hilbe, 2011, 2014) arvioidaksemme sairaalahoidon kestoa mitattuna kumulatiivisena sairaalahoitopäivien lukumääränä, indikaattorina sairauden vaikeudesta tupakan käyttäjien keskuudessa verrattuna muihin kuin tupakkaan. käyttäjiä.
|
Helmikuu 2020 - joulukuu 2020
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Maria Rosaria Galanti, Department of Global Public Health, Karolinska Institute
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Zou G. A modified poisson regression approach to prospective studies with binary data. Am J Epidemiol. 2004 Apr 1;159(7):702-6. doi: 10.1093/aje/kwh090.
- Austin PC, Lee DS, Fine JP. Introduction to the Analysis of Survival Data in the Presence of Competing Risks. Circulation. 2016 Feb 9;133(6):601-9. doi: 10.1161/CIRCULATIONAHA.115.017719.
- Simons D, Shahab L, Brown J, Perski O. The association of smoking status with SARS-CoV-2 infection, hospitalization and mortality from COVID-19: a living rapid evidence review with Bayesian meta-analyses (version 7). Addiction. 2021 Jun;116(6):1319-1368. doi: 10.1111/add.15276. Epub 2020 Nov 17.
- Andersen PK, Abildstrom SZ, Rosthoj S. Competing risks as a multi-state model. Stat Methods Med Res. 2002 Apr;11(2):203-15. doi: 10.1191/0962280202sm281ra.
- Berry SD, Ngo L, Samelson EJ, Kiel DP. Competing risk of death: an important consideration in studies of older adults. J Am Geriatr Soc. 2010 Apr;58(4):783-7. doi: 10.1111/j.1532-5415.2010.02767.x. Epub 2010 Mar 22.
- Farsalinos, K., Barbouni, A., & Niaura, R. (2020). Smoking, vaping and hospitalization for COVID-19. Qeios.
- Fine, J. P., & Gray, R. J. (1999). A proportional hazards model for the subdistribution of a competing risk. Journal of the American Statistical Association, 94(446), 496-509.
- Galanti, M. R. (2021). Tobacco Use and the Risk of COVID-19. ClinicalTrials.gov: NCT04896918. 2021. [Available from: https://clinicaltrials.gov/ct2/show/NCT04896918].
- Goldstein, H. (1995). Multilevel Statistical Models, Chapter 2. Edward Arnold. In: London, Wiley, New York.
- Haddad C, Bou Malhab S, Sacre H, Salameh P. Smoking and COVID-19: A Scoping Review. Tob Use Insights. 2021 Feb 15;14:1179173X21994612. doi: 10.1177/1179173X21994612. eCollection 2021.
- Hilbe, J. M. (2011). Negative binomial regression. Cambridge University Press.
- Hilbe, J. M. (2014). Modeling count data. Cambridge University Press.
- Ioannidis JPA. Over- and under-estimation of COVID-19 deaths. Eur J Epidemiol. 2021 Jun;36(6):581-588. doi: 10.1007/s10654-021-00787-9. Epub 2021 Jul 28.
- Jimenez-Ruiz CA, Lopez-Padilla D, Alonso-Arroyo A, Aleixandre-Benavent R, Solano-Reina S, de Granda-Orive JI. [COVID-19 and Smoking: A Systematic Review and Meta-Analysis of the Evidence]. Arch Bronconeumol. 2021 Jan;57:21-34. doi: 10.1016/j.arbres.2020.06.024. Epub 2020 Jul 25. Spanish.
- Kim HT. Cumulative incidence in competing risks data and competing risks regression analysis. Clin Cancer Res. 2007 Jan 15;13(2 Pt 1):559-65. doi: 10.1158/1078-0432.CCR-06-1210.
- Laake I, Tunheim G, Robertson AH, Hungnes O, Waalen K, Haberg SE, Mjaaland S, Trogstad L. Risk of pregnancy complications and adverse birth outcomes after maternal A(H1N1)pdm09 influenza: a Norwegian population-based cohort study. BMC Infect Dis. 2018 Oct 22;18(1):525. doi: 10.1186/s12879-018-3435-8.
- Magnus P, Birke C, Vejrup K, Haugan A, Alsaker E, Daltveit AK, Handal M, Haugen M, Hoiseth G, Knudsen GP, Paltiel L, Schreuder P, Tambs K, Vold L, Stoltenberg C. Cohort Profile Update: The Norwegian Mother and Child Cohort Study (MoBa). Int J Epidemiol. 2016 Apr;45(2):382-8. doi: 10.1093/ije/dyw029. Epub 2016 Apr 10.
- Puebla Neira D, Watts A, Seashore J, Polychronopoulou E, Kuo YF, Sharma G. Smoking and risk of COVID-19 hospitalization. Respir Med. 2021 Jun;182:106414. doi: 10.1016/j.rmed.2021.106414. Epub 2021 Apr 17.
- Peña, S., Ilmarinen, K., Kestilä, L., & Karvonen, S. (2021). Tobacco Use and COVID-19 Incidence in the Finnish General Population (Tobrisk-CoV). ClinicalTrials.gov: NCT04915781. 2021. [Available from: https://clinicaltrials.gov/ct2/show/NCT04915781]. https://clinicaltrials.gov/ct2/show/NCT04915781
- Southern DA, Faris PD, Brant R, Galbraith PD, Norris CM, Knudtson ML, Ghali WA; APPROACH Investigators. Kaplan-Meier methods yielded misleading results in competing risk scenarios. J Clin Epidemiol. 2006 Oct;59(10):1110-4. doi: 10.1016/j.jclinepi.2006.07.002.
- WHO. (2022). Coronavirus (COVID-19) Dashboard. https://covid19.who.int/]
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 105544
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
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 .
Kliiniset tutkimukset Infektiot
-
Rabin Medical CenterRekrytointiCentral-line Associated Blood Stream Infections (CLABSI)Israel
-
Bactiguard ABKarolinska University HospitalValmisLeikkaus | Central Line Associated Blood Stream Infections (CLABSI)Ruotsi
-
Emory UniversityValmisCentral Line Associated Bloodstream Infections (CLABSI) | LuuydinsiirtoYhdysvallat