Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Épigénétique et prévention des MNT au Kazakhstan: approches personnalisées et prédiction de l'âge biologique

8 juillet 2025 mis à jour par: Ildar Fakhradiyev, Asfendiyarov Kazakh National Medical University

Épigénétique et prévention des maladies non transmissibles au Kazakhstan: une approche personnalisée et une prédiction d'âge biologique (2024-2026)

Cette étude vise à améliorer les soins personnalisés et préventifs pour les maladies non transmissibles (MNT) au Kazakhstan en examinant les facteurs épigénétiques, en prédisant l'âge biologique et la fonction reproductive en utilisant l'apprentissage automatique et en développant des recommandations d'amélioration de la santé.

Aperçu de l'étude

Type d'étude

Observationnel

Inscription (Estimé)

6720

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Coordonnées de l'étude

Lieux d'étude

      • Almaty, Kazakhstan, 050000
        • Recrutement
        • Asfendiyarov Kazakh National Medical University
        • Contact:
        • Chercheur principal:
          • Ildar Fakhradiyev, PhD

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

  • Adulte
  • Adulte plus âgé

Accepte les volontaires sains

Oui

Méthode d'échantillonnage

Échantillon de probabilité

Population étudiée

La population étudiée se compose de 6 720 volontaires adultes âgés de 18 à 69 ans, résidant dans 17 régions du Kazakhstan. Les participants sont stratifiés par l'âge et le sexe pour assurer une représentation équilibrée dans les groupes d'âge suivants:

  • 18-29 ans
  • 30-44 ans
  • 45-59 ans
  • 60 à 69 ans chaque groupe d'âge comprend une proportion égale d'hommes et de femmes, assurant l'équilibre entre les sexes. La sélection suit une conception d'échantillonnage à plusieurs cluster, incorporant divers antécédents socioéconomiques et statuts de santé pour améliorer la généralisation des résultats.

La description

Critères d'inclusion:

  • Adultes âgés de 18 à 69 ans.
  • Résidents de 17 régions du Kazakhstan.
  • Volonté de participer et de donner un consentement éclairé.

Critères d'exclusion:

  • Âge de moins de 18 ans ou plus de 69 ans.
  • Ne pas donner un consentement éclairé ou une participation incomplète aux procédures de collecte de données.

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Cohortes et interventions

Groupe / Cohorte
Intervention / Traitement
L'étude comprend 1 cohorte divisée en sous-groupes d'âge.

L'étude suit une conception d'échantillonnage de grappes à plusieurs étapes avec une stratification d'âge et de sexe. Au total, 1 cohorte a été identifiée, divisée en sous-groupes à 4 ans:

  1. 18-29 ans
  2. 30-44 ans
  3. 45-59 ans
  4. 60 à 69 ans chaque groupe d'âge est conçu pour avoir une répartition égale des hommes et des femmes, garantissant l'équilibre entre les sexes dans tous les sous-groupes.
Étude de la longueur des télomères (TL) et de l'analyse du niveau de méthylation de l'ADN

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Précision du modèle d'apprentissage automatique pour prédire l'âge biologique
Délai: Dans les 10 mois à compter de la collecte de données
Évaluation des performances du modèle (basées sur la longueur des télomères et la méthylation de l'ADN) en utilisant une erreur absolue moyenne (MAE), une erreur carrée moyenne (MSE) et R².
Dans les 10 mois à compter de la collecte de données
Précision du modèle de prédiction des fonctions de reproduction
Délai: Dans les 10 mois à compter de la collecte de données
Développement et validation du modèle d'apprentissage automatique pour prédire la fonction de reproduction à l'aide de biomarqueurs. Performance du modèle évaluée via MAE, MSE et R².
Dans les 10 mois à compter de la collecte de données

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

3 mars 2025

Achèvement primaire (Estimé)

1 janvier 2026

Achèvement de l'étude (Estimé)

31 décembre 2026

Dates d'inscription aux études

Première soumission

31 mars 2025

Première soumission répondant aux critères de contrôle qualité

23 avril 2025

Première publication (Réel)

1 mai 2025

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

11 juillet 2025

Dernière mise à jour soumise répondant aux critères de contrôle qualité

8 juillet 2025

Dernière vérification

1 avril 2025

Plus d'information

Termes liés à cette étude

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

INDÉCIS

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

produit fabriqué et exporté des États-Unis.

Non

Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .

S'abonner