Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

Bipoláris zavar integráló stádiumbeosztása: Biomarkerek beépítése a stádiumok közötti progresszióba (BOARDING-PASS)

2026. január 7. frissítette: BERNARDO DELL'OSSO, ASST Fatebenefratelli Sacco

Bipoláris Zavar Integratív Staging: Biomarkerek Beépítése a Stádiumok Közötti Progresszióba

A bipoláris zavar (BZ) egy élethosszig tartó, visszatérő állapot, amelyre egyre több bizonyíték támasztja alá a neuroprogresszív lefolyást, ami azt jelenti, hogy szakaszmodellek alkalmazása szükséges a szakasz-specifikus beavatkozások irányításához. Bár különböző megközelítéseket javasoltak, alkalmazásuk még korlátozott és nagyrészt klinikai jellemzőkre alapoz. A BOARDING-PASS egy olasz kormány által finanszírozott, multicentrikus, prospektív és megfigyelési tanulmány, amely a klinikai, biológiai, neuroképalkotási adatok és a gépi tanulási (ML) módszerek integrálásán keresztül kívánja előmozdítani a BZ progressziójának jelenlegi ismereteit. A tanulmány 120 résztvevőt (18-70 éves korig) fog bevonni, akiket a Kupka & Hillegers szakaszmodell szerint osztályoznak, és három másodlagos szintű pszichiátriai szolgáltatásból toboroznak Olaszországban. Az elsődleges kimenet a klinikai szakaszprogresszió longitudinális értékelése 18 hónapos időszak alatt, a kiértékeléseket a kiindulási ponton (T0), T1 (6 hónap), T2 (12 hónap) és T3 (18 hónap a kiindulási pont után) végzik. Minden időpontban klinikai változókat gyűjtenek, valamint klinikai szakaszokat rendelnek hozzá. Ezenkívül T0, T2 és T3 időpontokban perifériás vér- és nem stimulált nyálmintákat gyűjtenek a génexpresszió epigenetikus szabályozásának felmérésére – beleértve a DNS-metilációt, hiszton módosításokat és exoszomális miRNA-kat –, kiemelt figyelmet fordítva olyan kulcsfontosságú biomarker-ekre, mint a C-reaktív fehérje, gyulladásos citokinek és a BDNF, valamint a fő szájbaktérium-fílumok mikrobális jeleire. Szerkezeti és nyugalmi állapotú funkcionális MRI felvételeket is készítenek ugyanezeken az időpontokon: a szerkezeti adatokat a gyrification-alapú kovariancia hálózatokon alapuló szerkezeti connectome kiszámításához használják, míg a nyugalmi állapotú adatokat a funkcionális connectome változásainak felmérésére használják gráfelméleti metrikákon keresztül. Végül minden multimodális adatot integrálnak egy Support Vector Machine alapú felügyelt ML algoritmusba, azzal a céllal, hogy egy finomított, adatvezérelt szakaszmodellt fejlesszenek ki a BZ számára. A BOARDING PASS projekt összhangban van a szabványosított, biológiailag informált szakaszkeretrendszer egyre növekvő igényével, amely integrálja a klinikai, gyulladásos, epigenetikus és neuroképalkotási profilokat, hogy javítsa a prognosztikai pontosságot és támogassa a személyre szabott terápiás beavatkozásokat a BZ-ben.

A tanulmány áttekintése

Részletes leírás

A bipolaris zavar (BD) egy magas prevalenciájú (a lakosság körülbelül 1%-át érinti) és fogyatékossággal járó állapot, amelyet krónikus és progresszív lefolyás jellemez. A BD természetes lefolyása általában egy kezdeti aszimptomatikus fázist, majd egy prodromális stádiumot, majd az első szindrómás epizód (depressziós vagy mániás) megjelenését foglalja magában, amelyet általában ismétlődő epizódok követnek, gyakran teljes epizódközi gyógyulás hiányában. Egyre több bizonyíték támasztja alá azt a nézetet, hogy a BD longitudinális lefolyása egy aktív neuroprogressziós folyamathoz kapcsolódik, amelyet progresszív agyi elváltozások és funkcionális károsodás jellemez. Több klinikai tényező befolyásolhatja a betegség lefolyását, beleértve az affektív epizódok számát, pszichiátriai és orvosi komorbiditások jelenlétét, stresszes életeseményeknek való kitettséget, valamint pszichiátriai betegségek családi anamnézisét. A neuroképalkotó vizsgálatok következetesen alátámasztották a neuroprogressziós hipotézist a BD-ben, strukturális és funkcionális agyi elváltozásokat mutatva, amelyek progresszíven jelentkeznek a betegség előrehaladtával. Abnormalitásokat nagy léptékű neurális hálózatok szintjén is leírtak. Különösen a Default Mode Network megváltozott hiper- és hipokonktivitási mintákat mutat az affektív, fronto-parietális és figyelmi rendszerekkel, amelyek kulcsfontosságú csomópontokat érintenek, amelyek a hatékony nagy léptékű agyi kommunikációért felelősek. Ezen túlmenően strukturális és funkcionális elváltozásokat a BD-s betegek nem érintett rokonainál is azonosítottak. A BD további biomarkereinek vizsgálata további bizonyítékot szolgáltatott a betegség stádiumhoz kapcsolódó progressziójának alátámasztására, különösen az Agyi-Származtatott Neurotrofiás Faktor (BDNF) és a gyulladásos citokinek tekintetében. Összességében a BD klinikai stádiumbeosztásának területén elért legújabb előrelépések, valamint a biológiai markerek (pl. géntranszkripciós moduláció, neurotrofiás jelátvitel, immun-gyulladásos útvonalak, mikrobiota) és neuroképalkotás (nagy léptékű agyi rendszerek szerkezete és funkciója) azonosításának haladása erős indoklást szolgáltat egy multidimenzionális stádiumozási modell kifejlesztéséhez. Egy ilyen modell integrálná a klinikai és neurobiológiai adatokat, lehetővé téve a nagyobb diagnosztikai, prognosztikai és terápiás pontosságot.

Specifikus célok és kísérleti tervezés

A BOARDING PASS tanulmánynak a következő céljai vannak:

  1. a BD klinikai progressziójának longitudinális értékelése 18 hónapos időszak alatt a Kupka & Hillegers-féle stádiumozási modell segítségével;
  2. a biológiai és neuroképalkotó markerek szerepének vizsgálata a BD stádiumátmenetekben (azaz géntranszkripciós szabályozás, gyulladás, mikrobiotikus, strukturális és funkcionális neuroképalkotási mérések);
  3. egy prediktív ML modell implementálása a klinikai, biológiai és neuroképalkotó adatok integrálása alapján, annak érdekében, hogy egyéni és adatvezérelt előrejelzést nyújtson a BD stádiumátmenetekre.

A tanulmány a négy résztvevő központ közül háromnál történő, egymást követő bevonást foglal magában 120 alany számára: UO1 (ASST Fatebenefratelli-Sacco, Milánó), UO2 (ASST Papa Giovanni XXIII, Bergamo) és UO3 (ASL 2 Abruzzo, Lanciano-Vasto-Chieti). A bevonási és kizárási kritériumok részletesen alább olvashatók.

Bevonási kritériumok:

  1. A BD által érintett és nem érintett alanyok, akiknek klinikai stádiuma a Kupka és Hillegers modell által meghatározottakon belül van, nevezetesen:

    0. stádium (megnövekedett kockázat: elsőfokú rokon BD-vel, pszichiátriai tünetek hiányában); 1. stádium (elsőfokú rokon BD-vel, nem specifikus pszichiátriai tünetek vagy depressziós epizód(ok) jelenlétében); 2. stádium (első hipo/mániás epizód, amely lehetővé teszi a BD I. vagy II. típusú diagnózisát a DSM-5 szerint; APA, 2013); 3. stádium (ismétlődő epizód(ok): depressziós, hipo/mániás vagy vegyes); 4. stádium (perzisztens nem remittáló zavar: krónikus depressziós, mániás vagy vegyes epizódok, beleértve a gyors ciklusú változatot);

  2. Mindkét nemű egyének;
  3. Életkor ≥ 18 év és ≤ 70 év;
  4. Képes érvényes írásbeli tájékoztatott beleegyezés nyújtására.

Kizárási kritériumok:

  1. Képtelenség érvényes írásbeli tájékoztatott beleegyezés nyújtására;
  2. Intellektuális fogyatékosság jelenléte;
  3. Súlyos egyidejű orvosi állapot jelenléte;
  4. Jelenlegi szerhasználati zavar jelenléte. A részvételhez szükséges írásbeli tájékoztatott beleegyezés nyújtása után a bevont alanyok alapeset értékelésen (T0) esnek át, majd egy 18 hónapos követési időszakba lépnek, amely három további időpontból áll: T1 (6 hónappal T0 után), T2 (12 hónappal T0 után) és T3 (18 hónappal T0 után). T0-nál és minden további időpontban a résztvevők értékelése magában foglalja: (i) klinikai és pszichometriai értékelést; kizárólag T0, T2 és T3 időpontokon, (ii) biológiai marker értékelést; és (iii) agyi mágneses rezonancia vizsgálatot strukturális és funkcionális MRI adatok rögzítéséhez.

    Klinikai és pszichometriai értékelés

    Alapesetben (T0), minden tanulmányi résztvevő esetében a fő szociodemográfiai és klinikai változókat gyűjtik össze és rögzítik egy anonimizált adatbázisba. Ezek közé tartoznak:

    (a) szociodemográfiai adatok: életkor, nem, etnikum, iskolai végzettség, családi állapot és foglalkozási státusz; (b) klinikai jellemzők: pszichiátriai betegségek családi anamnézise, BD altípus, BD kezdetének kora és kapcsolódó stresszes életesemények, betegség időtartama, kezeletlen betegség időtartama, első depressziós és hipo/mániás epizód kora, az első és legutóbbi affektív epizód polaritása, domináns polaritás, élethosszig tartó affektív epizódok teljes száma, vegyes vagy gyors ciklusú jellemzők jelenléte, jelenlegi és korábbi pszichofarmakológiai kezelések, orvosi és pszichiátriai komorbiditások, szerhasználati zavar anamnézise, élethosszig tartó kórházi kezelések száma és öngyilkossági kísérletek.

    Ezeket a változókat fogják használni a klinikai stádium T0-nál történő hozzárendeléséhez a Kupka és Hillegers modell (Kupka & Hillegers, 2012) szerint. Minden további időpontban a szociodemográfiai és klinikai adatokat frissítik, hogy újrahozzák rendelni a megfelelő stádiumot és kiértékeljék a klinikai változók és a betegség haladóbb stádiumokba való progressziójának valószínűsége közötti potenciális összefüggéseket.

    A klinikai értékelés továbbá magában foglalja a következő pszichometriai skálák és kérdőívek kitöltését: a Test di Intelligenza Breve (TIB; Sartori, 1997; Colombo, 2002), kitöltési idő körülbelül 5 perc; a Hamilton Depresszió Értékelő Skála (HDRS-21; Hamilton, 1960; Cassano et al., 1991), kitöltési idő körülbelül 20 perc; a Hamilton Szorongás Értékelő Skála (HARS; Hamilton, 1959; Cassano et al., 1991), kitöltési idő körülbelül 15 perc; a Montgomery-Åsberg Depresszió Értékelő Skála (MADRS; Montgomery & Åsberg, 1979; Palma et al., 1999), kitöltési idő körülbelül 15 perc; a Young Mániás Értékelő Skála (YMRS; Young et al., 1978; Palma et al., 1999), kitöltési idő körülbelül 15 perc; és a Globális Funkcionálás Értékelése (GAF; Hall, 1995; APA, 1996), kitöltési idő körülbelül 2 perc; Family Interview for Genetic Studies (FIGS); Drugs Abuse Screening Test (DAST-10), kitöltési időt körülbelül 5 percre becsülték. TWEAK teszt, kitöltési idő körülbelül 2 perc. Childhood Trauma Questionnaire (CTQ), 5-10 percet igényel és alapesetben kerül kitöltésre. Paykel Skála Közelmúltbeli Életeseményekre, kitöltése körülbelül 15 percet vesz igénybe és alapesetben kerül végrehajtásra; Clinician Rating Scale (CRS), minden időponton körülbelül 2 perc alatt rögzítik és a betegek gyógyszeres kezeléshez való adherence-ének értékelésére irányul.

    Biológiai marker értékelés: Géntranszkripciós szabályozás, gyulladás, mikrobiota adatok

    Biológiai mintákat génexpresszió, gyulladás és mikrobiota analízisekhez alapesetben, T2-nél és T3-nál gyűjtenek. Pontosan:

    1. stimulálatlan nyálmintákat - azaz teljes nyálat nyugalmi körülmények között gyűjtenek ízlelési, rágási vagy gyógyszeres stimuláció nélkül - pamut bukális tamponok (Salivette, Sarstedt, Nümbrecht, Németország) segítségével nyerik és -20 °C-on tárolják, amíg a genomikus DNS (gDNS) kinyerésre kerül. Exoszómákat is izolálnak a nyálból és a miRNA-kat exoszóma RNS izolációs készlettel tisztítják.
    2. perifériás vénás vér mintákat két 5 ml-es vakuténer csőben gyűjtenek, amelyek nátrium-citrátot tartalmaznak. Szerumot és celluláris komponenseket szeparálnak és teljes RNS-t, valamint gDNS-t nyernek ki a PBMC-kből.

      A három toborzó helyszínen (1., 2. és 3. egység) gyűjtött összes biológiai mintát átviszik a központi laboratóriumba (4. egység) szabványosított feldolgozásra és analízisekre, beleértve:

      - LIPIDOMIKÁT a rövid láncú zsírsavak (SCFA-k) analíziséhez, amelyeket nyálból nyernek ki, derivatizálást végeznek LC-MS/MS analízishez.

      Molekuláris biológiai vizsgálatok:

      - génexpressziós analízis. Az mRNS fajok relatív abundanciáját PBMC-kben valós idejű RT-PCR és Digitális PCR segítségével értékelik.

      - DNS metiláció vér- és nyálsejtekben a. általános DNS metilációs állapotot a Reduced representation bisulfite sequencing (RRBS) módszerrel (SBS szekvenálás a SURFseq5000 platformon) elemzik; b. génspecifikus DNS metilációs vizsgálatot végznek amplifikált biszulfit (BS) kezelt DNS-en és a metilációs szinteket PyroMark Q48 (64) segítségével elemzik.

      - nyáli exoszómális miRNA-k: miRNOm analízis és kiválasztott miRNA-k hálózati analízis után RealTime PCR és Digitális PCR segítségével.

      • Transzkripciós faktorok DNS-kötése. ALPHAScreenTM assay technika annak ellenőrzésére, hogy az azonosított felismerési elemek a gének promoterénél különböző transzkripciós faktorokhoz kötődnek-e és hogy ez a kötés közvetlenül modulálva van-e a CpG motívumok metilációs fokával.
      • Nyáli MIKROBIOTA ÖSSZETÉTEL 16S rRNA Mikrobiota szekvenálással.

      Neuroképalkotó értékelés

      MRI értékeléseket 3T szkennerekkel végeznek T0, T2 és T3 időpontokon, és magukban foglalják:

      - Strukturális MRI (sMRI): 3D T1-súlyozott képeket SPGR szekvenciával (TE = minimum (full); flip szög, 6°; látómező, 250 mm; sávszélesség, 31.25; mátrix, 256 x 256) rögzítik 124 axiális réteggel 1.3 mm vastagsággal. A kéregfelszín rekonstrukciója után lokális girifikációs indexeket számítanak ki 68 parcellaált kéregrégióra a Desikan Atlasz alapján FreeSurfer v7.1.0 segítségével. Ezután jackknife bias becslési eljárást alkalmaznak az egyének csoportszintű kovariancia struktúrához való hozzájárulásának meghatározására, generálva egy 68×68 egyénenkénti távolságmátrixot. A keletkező strukturális kovariancia hálózatok topológiai szerveződését ezt követően a Graph Analysis Toolbox segítségével elemzik.

      - Nyugalmi állapotú funkcionális MRI: rs-fMRI képeket gradient-echo EPI szekvenciával rögzítik 36 axiális réteggel (TE = 30 ms; TR = 2000 ms; voxel méret: 3×3×4 mm3; mátrix méret: 64×64; látómező: 192×192 mm2);, váltakozó sorrendben rögzítve. Minden nyugalmi állapotú munkamenet 400 kötetből áll. Az előfeldolgozást FMRIB's Software Library (FSL) és egyedi MATLAB szkriptek kombinációjával végzik. A folyamat a következő lépéseket fogja tartalmazni: (1) újraorientáció standard térbe; (2) outlier kötetek detektálása, majd outlier időpontok spline-alapú interpolációja; (3) térbeli és időbeli előfeldolgozás, beleértve a mozgáskorrekciót (MCFLIRT), időbeli magas-áteresztő szűrést és térbeli simítást (FWHM = 5 mm); (4) agy kinyerése a strukturális képből; (5) nemlineáris regisztráció az MNI152 standard térbe FSL-FNIRT segítségével. Statikus és dinamikus funkcionális konnektómákat a z-transzformált Pearson korrelációs együtthatók kiszámításával becsülnek az alkalmazott parcellaációs sémában lévő összes agyrégió párosa között. A dinamikus konnektivitást csúszóablak-módszerrel számítják ki 30 TR ablakhosszal és 2 TR lépéshosszal. Ezeket a lépéseket MATLAB-ban fejlesztett házi szoftveren keresztül implementálják. Gráfelméleti mértékeket a Brain Connectivity Toolbox (MATLAB) segítségével számítanak.

      A neuroképalkotó adatok közötti helyszínközi variabilitás minimalizálása érdekében mind a strukturális, mind a funkcionális MRI felvételeket harmonizált protokollok segítségével végezik a két képalkotó központban, amelyek mindegyike 3 T szkennelővel van felszerelve. ML algoritmusok Egy ML keretrendszert fejlesztenek a BD klinikai stádiumátmeneteinek előrejelzésére a gyűjtött klinikai, biológiai és neuroképalkotó adatok integrálásával. A multimodális adatok integrálásának kezeléséhez robusztus előfeldolgozó folyamatokat fogunk alkalmazni, beleértve az adatnormalizálást, outlier detektálást és imputációs módszereket a hiányzó értékek kezelésére (pl. k-legközelebbi szomszéd vagy többszörös imputáció). ML elemzések a tanulmány 6. hónapjában kezdődnek és MATLAB Statistics and Machine Learning Toolbox segítségével végeznek, kezdetben a NeuroMiner szoftver (http://proniapredictors.eu/neurominer/index.html) támogatásával, amely egy validált szoftverplatform heterogén adathalmazok kezelésére. A NeuroMiner széles körű keresztvalidációs keretrendszereket, előfeldolgozási stratégiákat, felügyelt tanulási algoritmusokat, jellemzőkiválasztási eszközöket és külső validációs módszereket biztosít. Az ML megközelítés felügyelt osztályozókra, elsősorban Support Vector Machine (SVM) és Bayes-i modellekre fog épülni. Az előzetes fázisban az osztályozókat előzetes adathalmazokon képezik és tesztelik, hogy alternatív prediktív modelleket hasonlítsanak össze kontrollált környezetben és azonosítsák a legjobban teljesítő algoritmikus konfigurációt. Ezt követően jellemzőkiválasztási eljárásokat alkalmaznak a legdiszkriminatívabb változók azonosítására a jelölt jellemzők közül. Ez a lépés kulcsfontosságú a modell értelmezhetőségének fokozásához és a túlilleszkedés megelőzéséhez, különösen a multimodális tanulmányokra jellemző kis mintaszámú, magas dimenziós adathalmazokban. Valójában a bemeneti változók számának csökkentésével a jellemzőkiválasztás minimalizálja a zajt, csökkenti a modell komplexitását és javítja az ML előrejelzések általánosíthatóságát. Ha szükséges (azaz ha a jellemzőtér dimenzionalitása még mindig túl magas), a túlilleszkedés és a számítási terhelés további csökkentése érdekében Főkomponens Analízist alkalmazhatnak. Az SVM osztályozókat előnyben részesítik, mivel robusztusak a magas dimenziós, kis mintaszámú adatok kezelésében. Ezen túlmenően osztálysúlyozást alkalmaznak, hogy a kisebbségi stádiumokon történő hibákat súlyosabban büntessék, csökkentve az egyenetlen csoportméretek által bevezetett torzítást. A modell teljesítményét keresztvalidációs technikákkal (pl. elhagy-egyet-out vagy rétegzett k-fold, az adatstruktúra és osztályeloszlás függvényében) értékelik és érzékenység, specificitás, F1 pontszám és összpontosság szempontjából értékelik, hogy figyelembe vegyék a potenciális osztályegyenlőtlenséget. Egy előre meghatározott minimális 90%-os célpontosság szükséges a modell teljes adathalmazra történő üzembe helyezéséhez. Tanulmányi helyszínek és szervezeti struktúra A BOARDING-PASS tanulmányt négy működési egységben (UO-k) végzik, mindegyik meghatározott szerepkörrel, hogy biztosítsák a magas minőségű adatgyűjtést és szabványosított klinikai eljárásokat.

      - UO1 (ASST Fatebenefratelli-Sacco, Milánó) a koordináló központ, felelős a betegek toborzásáért és alapeset diagnosztikai értékelésekért, klinikai és biológiai adatok szabványosított gyűjtéséért. Az UO1 kutatói koordinációt és felügyeletet biztosítanak a többközpontos kutatási hálózaton belül, fenntartva a hatékony kommunikációt a klinikusok, kutatók és műszaki személyzet között.

      • UO2 (ASST Papa Giovanni XXIII, Bergamo) felelős a résztvevők toborzásáért, diagnosztikai értékelésért, biológiai minták gyűjtéséért, strukturális és nyugalmi állapotú MRI adatfelvételért UO1 nevében is, és strukturális neuroképalkotó elemzésért.
      • UO3 (ASL 2 Lanciano-Vasto-Chieti) végzi a résztvevők toborzását és értékelését, adatgyűjtést és -kezelést, biológiai mintagyűjtést, valamint strukturális és funkcionális neuroképalkotó adatfelvételt.
      • UO4 (Teramo Egyetem) szolgál központosított létesítményként, felelős a biológiai analízisekért, különösen a géntranszkripciós szabályozásért és mikrobiota analízisekért. Az UO4 felelős a funkcionális neuroképalkotó adatok elemzéséért és az ML algoritmusok implementálásáért.

Tanulmány típusa

Megfigyelő

Beiratkozás (Tényleges)

126

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi helyek

      • Milan, Olaszország
        • ASST Fatebenefratelli Sacco

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Igen

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

A BD-vel érintett és nem érintett alanyok, akiknek klinikai stádiuma a Kupka és Hillegers modell által meghatározottak közé tartozik, nevezetesen:

0. stádium (fokozott kockázat: elsőfokú rokon BD-vel, pszichiátriai tünetek hiányában); 1. stádium (elsőfokú rokon BD-vel, nem specifikus pszichiátriai tünetek vagy depressziós epizód(ok) jelenlétében); 2. stádium (első hipo/maniás epizód, amely lehetővé teszi a BD I. vagy II. típusú diagnózisát a DSM-5 szerint; APA, 2013); 3. stádium (visszatérő epizód(ok): depressziós, hipo/maniás vagy vegyes); 4. stádium (perzisztens, nem remittáló zavar: krónikus depressziós, mániás vagy vegyes epizódok, beleértve a gyors ciklusú változatot);

Leírás

Bevonási kritériumok:

  1. A bipoláris spektrum különböző megnyilvánulásai, amelyek megfelelnek a Kupka & Hillegers stádiummodelljének kritériumainak
  2. Mindkét nem
  3. Életkor ≥18 és ≤70 év
  4. Írásos tájékoztatott beleegyezés megszerzése

Kizárási kritériumok:

  1. Tájékoztatott beleegyezés adásának képtelensége
  2. Intellektuális fogyatékosság diagnózisa
  3. Súlyos egészségügyi állapot jelenléte (pl. korábban diagnosztizált neurológiai rendellenességek, beleértve a krónikus migrént, hematológiai betegségeket, vesebetegségeket, stroke anamnézist vagy diabetes mellitus-t, még akkor is, ha kompenzált; ellenőrzött hypertonia megengedett)
  4. Aktuális anyaghasználati zavar vagy annak jelenléte a szűrés előtti hat hónapban

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Beavatkozás / kezelés
bipoláris spektrumzavar
A bipoláris spektrum különféle megnyilvánulásával rendelkező alanyok, attól kezdve, hogy elsőfokú rokonuk bipoláris zavarral rendelkezik, egészen a Kupka és Hillegers féle stádiummodell szerinti teljes kifejlődésű bipoláris zavar klinikai diagnózisáig.
A klinikai értékelés továbbá magában foglalja a pszichometriai skálák és kérdőívek alkalmazását, amelyek a klinikai állapotra, gyermekkori traumás élményekre, kognitív profilt és a terápiához való ragaszkodás mintázatára összpontosítanak.
A génkifejeződésre, gyulladásra és mikrobiomra vonatkozó biológiai mintákat a kiindulási állapotban, T2-nél és T3-nál gyűjtik össze.
Az MRI vizsgálatokat 3T-s készülékekkel végezzük a T0, T2 és T3 időpontokban

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Klinikai stádium progresszió a Bipoláris zavarban
Időkeret: 18 hónap
A BOARDING PASS tanulmány elsődleges eredménye a klinikai stádium-progresszió longitudinális értékelése BD-ben 6, 12 és 18 hónapon keresztül, a Kupka & Hillegers stádiummodellje szerint.
18 hónap

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
A betegség lefolyása során a biológiai és neuroképalkotási jellemzők értékelése, valamint ezek előrejelző ereje a betegség progressziójára.
Időkeret: 18 hónap
A másodlagos végpontok közé tartozik a biológiai és neuroképalkotási jellemzők értékelése a betegség folyamán, valamint ezek előrejelző ereje a betegség progressziójára vonatkozóan. Konkrétan: Génátírásszabályozás, gyulladás, mikrobiota és neuroképalkotás.
18 hónap

Egyéb eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Gépi tanulási algoritmusok
Időkeret: 18 hónap
Az ML alkalmazással kapcsolatban a végpontok között szerepel: egy felügyelt ML algoritmus fejlesztése és optimalizálása, amely klinikai, biológiai és neuroképalkotási adatok alapján előrejelzi a klinikai stádiumátmeneteket.
18 hónap

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Nyomozók

  • Kutatásvezető: Bernardo Maria Dell'Osso, ASST Fatebenefratelli Sacco

Publikációk és hasznos linkek

A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.

Általános kiadványok

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2023. november 8.

Elsődleges befejezés (Becsült)

2026. május 20.

A tanulmány befejezése (Becsült)

2026. május 20.

Tanulmányi regisztráció dátumai

Először benyújtva

2026. január 7.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2026. január 7.

Első közzététel (Tényleges)

2026. január 15.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2026. január 15.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2026. január 7.

Utolsó ellenőrzés

2026. január 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Egyéb vizsgálati azonosító számok

  • PNRR-MAD-2022-12376693 (Egyéb támogatási/finanszírozási szám: European Union -Next Generation EU -NRRP M6C2 -Investment 2.1 in NHS)

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

NEM

IPD terv leírása

Az egyéni résztvevői adatokat nem osztják meg nyilvánosan. Az adathalmaz magában foglalja az Európai Unióban gyűjtött, rendkívül érzékeny klinikai, genetikai, epigenetikai, mikrobiotához kapcsolódó és neuroképalkotási adatokat, ezért az Általános Adatvédelmi Rendelet (EU) 2016/679 (GDPR) hatálya alá tartozik. Az egyéni szintű adatok nyilvános megosztása nem szerepelt az eredeti tájékoztatott beleegyezési eljárásokban, és a helyi etikai bizottságok sem hagyták jóvá. Az adatokat anonymizált formában elemezik és tárolják, és indokolt kérésre, etikai engedély és adatvédelmi megállapodások alárendeltségével, minősített kutatók számára elérhetővé tehetők.

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Iratkozz fel