A Cohort for Inflammatory Respiratory Diseases: From Phenotyping to Personalised Medicine (PALMIRE)

Kohortti tulehduksellisille hengitystiesairauksille: fenotyyppauksesta personoituun lääketieteeseen (PALMIRE-projekti) on yksikeskuksinen tutkimus, joka toteutetaan Reimsin yliopistollisen sairaalan tiloissa Ranskassa.

Tutkimuspopulaatio:

Aikuispotilaat (>18-vuotiaat), joita seurataan Reimsin yliopistollisessa sairaalassa ja joilla on diagnosoitu astma, COPD, bronkiektasia, CF, PCD tai IPF, otetaan huomioon mukaanottamista varten. Potilaat allekirjoittavat tietoon perustuvan suostumuksen osallistumisesta. Poissulkemiskriteereihin kuuluu "lain suojelemat henkilöt" ranskalaisten viranomaisten vaatimusten mukaisesti. Kontrollipotilaat ilman hengitystiesairauksia kliinisen ja keuhkotoimintatestien arvioinnin jälkeen sisällytetään myös tutkimukseen. Odotettu mukaan otettavien potilaiden määrä on 470 (astma, n=100; COPD, n=150; bronkiektasia, n=50; CF, n=60; PCD, n=30; ILD, n=30; kontrollit, n=50). Osallistujien rekrytointi tapahtuu 60 kuukauden ajan heinäkuusta 2025 heinäkuuhun 2030.

Tutkimustoimenpiteet:

Kaikille mukaan otetuille astma-, COPD-, bronkiektasia-, CF-, PCD- ja IPF-potilaille rekisteröidään tiedot osallistumisen yhteydessä ja seurantakäynneillä 10 vuoden ajan. Potilaat seurataan tavanomaisen hoidon mukaisesti ilman erityisiä terapeuttisia interventioita. Kontrollipotilaiden tiedot rekisteröidään osallistumisen yhteydessä ilman seurantaa.

Tallennettuihin tietoihin kuuluvat demografiset tiedot, hengitystiesairauksien ja komorbiditeettien historia, hengitysoireet, keuhkotoimintatestien ja CT-kuvauksen tulokset sekä mikrobiologiset ja patologiset piirteet hengitysnäytteistä niiden otettaessa.

Datan analyysi:

Tiedot tallennetaan keskitettyyn anonymisoituun tietokantaan. Potilaiden ominaisuuksia kuvataan keskiarvona ja keskihajontana määrällisille tiedoille sekä lukumääränä ja prosenttiosuuksina laadullisille tiedoille. Ryhmien ja muuttujien välisiä vertailuja ja assosiaatioita analysoidaan Studentin, Wilcoxonin, Chi2-, Fischerin tarkan ja Spearmanin testeillä soveltuvin osin. P<0,05 katsotaan merkitseväksi. Monimuuttuja- ja pitkittäistilastollisia malleja käytetään potilasryhmien tunnistamiseen, joilla on yhteisiä endotyyppejä. Koneoppimismenetelmiä hyödynnetään moni-omiikkadatan integrointiin ja ennustavien mallien luomiseen sairauskulkuille ja hoitovasteille.

Merkitys:

Tämän tutkimuksen odotetaan auttavan paremmin ymmärtämään kroonisten hengitystiesairauksien patogeneesiä ja heterogeenisyyttä integroimalla potilaiden fenotyyppisten ja endotyyppisten ominaisuuksien analyysi.