AIRCARE（大気汚染と癌研究エコシステム）：環境保健と肺癌リスクに関する先端研究センター (AIRCARE)

1. PM2.5と肺がんリスクの関係を調査し、個人および累積的な影響と、大気汚染と肺がんの他の危険因子との乗法的相互作用に焦点を当てる。方法論 - 研究デザイン 前向きコホート研究と症例対照研究の組み合わせを用いる。前向きコホートは、大気汚染曝露と肺がん発生率との時間的関係を確立する。症例対照研究は、コホートのサブセット内で詳細な曝露評価とバイオマーカー分析を容易にする。症例対照デザインは、遺伝子環境相互作用と詳細な曝露評価をさらに調査するためにも利用される。

   既存の患者記録、環境モニタリングステーション、コホートからの前向きおよび後ろ向きデータが使用される。登録参加者の臨床評価は、参加者の人口統計、仕事および曝露歴、病歴、喫煙歴、飲酒歴、家族歴、アレルギー歴、慢性疾患の既往歴、および慢性疾患の非外科的治療に関する項目を含む標準化された調査票（追加書類に添付）に従って行われる。縦断的コホートでは、参加者は3年間追跡され、繰り返し曝露評価と健康アウトカムモニタリングが行われる。コホート内で診断された肺癌症例は、年齢、性別、居住地域に基づいて対照とマッチングされる。研究地域 研究は、AIIMS（デリー）およびデリー・NCRのPM2.5曝露レベルが異なる地域で実施され、多様な社会経済的プロファイルと産業活動を含む地域を網羅し、曝露とリスクの異質性を捉える。研究は、AIRCAREコホート研究全体と同じ地理的領域内で実施され、多様な都市部および郊外地域を含む。研究地域は、大気汚染（PM2.5、VOC、NOx）のレベルが異なり、デリー・NCRにおいて確立された大気質監視インフラと異なる社会経済的プロファイルを持つ、他の危険因子（喫煙、職業曝露、遺伝的感受性）の多様な分布を有する。サンプルサイズの推定とサンプリング戦略 大気汚染曝露に関連する肺がんリスクの臨床的に有意な増加を検出するために必要なサンプルサイズを決定するために、統計的検出力計算が行われる。

   インドにおける肺がんの平均有病率を1.5%、高PM2.5曝露（>37 μg/m³）で少なくとも2倍のオッズ、アルファ水準0.05、検出力80%と仮定して、約3230人（肺癌症例1615人、対照1615人）の登録を見積もる。肺癌症例は外来部門およびデリーがん登録（DCR）から診断されたものを使用し、対照は肺がん患者の家族からPM2.5曝露がマッチした集団を募集する。プロジェクト実施計画 症例は肺がん患者（喫煙者、非喫煙者）で、OPDおよびDCRデータセットから採取する。対照は肺がん患者の家族（喫煙者、非喫煙者）とする。主要アウトカムは組織学的に確認された肺がん発生率で測定する。大気汚染（PM2.5）とその他の危険因子（喫煙、飲酒、職業曝露、遺伝的感受性）の相互作用効果が肺がん発生率に及ぼす影響、および大気汚染と他の危険因子への複合曝露に関連する肺がんの累積リスクが評価される。副次アウトカムは、相互作用効果が肺がんの組織学的サブタイプに及ぼす影響、大気汚染曝露存在下での遺伝子変異による肺がんリスクの修飾、複合曝露に関連するバイオマーカープロファイルの変化、およびPM2.5と他の危険因子の相乗効果で測定される。統計解析のデザイン 環境大気汚染曝露は、衛星データ、地上モニタリング、および個人の曝露測定値（PM2.5濃度）の組み合わせを用いて定量化される。コホート研究では、Cox比例ハザードモデルを用いて、大気汚染曝露に関連する肺がん発生率および死亡率のハザード比（HR）を推定する。時間依存性共変量を含めて、経時的な曝露の変化を考慮する。生存分析（Kaplan-Meier法）を用いて生存アウトカムを調べる。症例対照研究では、ロジスティック回帰を用いて、詳細な曝露評価およびバイオマーカーレベルに関連する肺がんのオッズ比（OR）を推定する。汚染物質間の相互作用の分析は、回帰モデル内の相互作用項を用いて行われる。感度分析により、結果の頑健性を潜在的な交絡因子や曝露の誤分類に対して評価する。PM2.5曝露と肺がんリスクとの用量反応関係は、カテゴリカルおよび連続的な曝露変数を用いて検討する。サブグループ分析により、異なる人口統計学的サブグループ（例：年齢、性別、喫煙状況）における大気汚染の肺がんリスクへの影響を調べる。

2. PM2.5曝露に基づく肺がんスクリーニングのためのリスクベースの層別化モデルを開発し検証する。研究デザイン この目的は、開発段階と検証段階を含む。開発段階では、後ろ向きコホートまたは前向きコホートデータセットを利用して、リスク予測モデルを開発する。このプロセスでは、進行中のコホート研究からの既存データ、またはがん登録や大気質モニタリングステーションからの履歴データを使用する。開発されたモデルは、地理的に異なる集団からの独立したデータセットを用いて外部検証される。

   これには、前向き検証のために登録された新しいコホートまたは別のデータセットが含まれる。研究地域 これはAIIMS（デリー）およびデリー・NCRの多様なPM2.5曝露レベル地域で実施される。検証のためには、インド国内でPM2.5曝露と肺がん発生率の独立したデータを持つ地理的に異なる地域が必要である。この地域は、肺がん開発の対象地域とは異なる人口統計学的および環境的特性を持ち、外部妥当性を確保する。サンプルサイズの推定とサンプリング戦略 モデル開発では、サンプルサイズは後ろ向き/前向きデータセットで利用可能な肺癌症例数と対照数に基づいて決定される。インドにおける肺がんの平均有病率を1.5%、高PM2.5曝露（>37 μg/m³）で少なくとも2倍のオッズ、アルファ水準0.05、検出力80%と仮定して、約3230人（肺癌症例1615人、対照1615人）の登録を見積もる。

   サンプリング戦略： モデル開発には、AIIMSデリーのDr BR Ambedkar Institute Rotary Cancer Hospitalおよびデリーがん登録データの肺がん患者を使用する。プロジェクト実施計画主要アウトカムは、受信者動作特性曲線下面積（AUROC）、事前定義されたリスク閾値での感度と特異度、およびキャリブレーションプロットを用いて評価される、リスク層別化モデルの肺がんリスク予測性能で測定される。予測リスクと観測リスクの一致を評価する。

   副次アウトカムは、モデルの陽性的中率（PPV）および陰性的中率（NPV）、モデルが肺がん検出率および病期分布に与える影響、事前指定されたサブグループにおけるモデルのリスク分類の正確性で測定される。統計解析のデザイン モデル開発段階では、ロジスティック回帰または機械学習アルゴリズム（例：ランダムフォレスト、勾配ブースティング）を使用して、PM2.5曝露、人口統計学的要因、およびその他の関連変数を含む肺がんリスクの予測因子を特定する。選択された予測因子を用いてリスク予測モデルを開発する。モデルの性能は、ブートストラップ法などの内部検証手法を用いて評価する。開発されたモデルを独立した検証データセットに適用する。モデルの性能は、AUROC、感度、特異度、PPV、NPVを計算して評価する。

   キャリブレーションプロットを作成し、予測リスクと観測リスクの一致を視覚的に評価する。決定曲線分析を実施し、モデルの臨床的有用性を評価する。年齢、性別、喫煙状況など、事前に定義されたサブグループにおけるモデルの性能を評価する。PM2.5モデルの性能を既存の肺がんスクリーニングガイドラインと比較する。結果は潜在的な交絡因子と曝露の誤分類に対して調整される。データ分析には、R、SAS、Pythonなどの統計ソフトウェアパッケージを使用する。

3. PM2.5関連肺がんのバイオマーカーを同定する。研究デザイン この研究では、次世代シークエンシング（NGS）を用いてPM2.5曝露によって誘導される特有の分子シグネチャーを特定することを目指す。使用される2つのグループは、喫煙者と非喫煙者とする。論理的な前提として、両グループともPM2.5に曝露されているとする。

   デザインの根拠は、喫煙者グループで検出される肺がん特異的バイオマーカーは主に喫煙に起因するが、非喫煙者グループで検出されるものは肺がん発生におけるPM2.5によって誘導される新しいシグネチャーを特定するのに役立つかもしれないという事実に基づいている。具体的には、非喫煙者と肺がん患者の両方から末梢血単核細胞（PBMC）を収集し、PM2.5曝露の影響を調べる。PBMCはin vitroで培養され、PM2.5粒子への曝露前に適切に増殖させる。この実験では、PM2.5は国立物理研究所から入手する。これらの微粒子状物質サンプルを使用して培養PBMCに曝露し、実世界の曝露条件をシミュレートする。曝露後、標的次世代シークエンシング（NGS）を実施し、これらの細胞内のトランスクリプトーム変化をプロファイリングする。この研究の重点は、PM2.5曝露によって引き起こされる差次的発現遺伝子（DEG）を特定することである。非喫煙者と肺がん患者のPBMCの反応を比較する。文献では、EGFRやROSに関する突然変異が肺がんに関連することが知られている。本研究デザインで用いるアプローチにより、環境曝露と肺がんの病因の両方に関連する特定の遺伝的変化やバイオマーカーを明らかにする可能性のある、PM2.5曝露に関連する明確な分子シグネチャーの生成が可能になる。最終目的は、曝露または疾患進行の潜在的なバイオマーカーとして役立つ可能性のあるPM2.5特異的遺伝子シグネチャーを開発することである。この研究は、PM2.5が健康な個人と肺がん患者でどのように遺伝子発現に異なる影響を与えるかについて重要な洞察を提供し、がん発生に対する環境影響の理解に寄与する可能性がある。研究地域 これはAIIMSデリーのがんセンターで行われ、全体的なAIRCAREコホート研究と同じ地理的領域を含み、肺がん診断とサンプル収集のための病院設備へのアクセスがある。サンプルサイズの推定とサンプリング戦略 サンプルサイズは、上記のコホートを用いた実現可能性に基づいて決定される。倫理的承認後、非喫煙者と肺がん患者の両方から末梢血サンプルを収集する。PBMC単離を行い、血球計算盤または自動血球計数器を用いて細胞数を計数する。トリパンブルーまたは同様の試薬を用いて細胞生存率アッセイを実施し、生存率が90%以上であることを確認する。PBMC培養を設定し、その後PM2.5の準備と分散を行う。PM2.5をPBMCに曝露する。収集したPBMCからRNAを、信頼性の高いRNA抽出キット（例：Qiagen RNeasy Kitまたは同等品）を用いて単離する。

   標的NGSを実施する。適切なバイオインフォマティクスツールを用いて、PM2.5曝露群と対照群の間の差次的発現遺伝子（DEG）を特定し、非喫煙者と肺がん患者のPBMCの反応の比較を行い、遺伝子発現の違いを特定する。両方の非喫煙者および肺がん患者にわたって一貫して差次的に発現する遺伝子を特定した後、PM2.5シグネチャーを生成することができる。プロジェクト実施計画主要アウトカムは、大気汚染関連肺がんに有意に関連するバイオマーカーの同定、および症例と対照を識別するバイオマーカーの予測能力で測定される。副次アウトカムは、バイオマーカーレベルと大気汚染曝露レベルとの関連、肺がん発生に関連するバイオマーカーレベルの経時的変化、バイオマーカーレベルと肺がん組織学的サブタイプとの関連、早期肺がん検出のためのバイオマーカーパネルの有用性、およびバイオマーカーによる治療反応の予測能力で測定される。統計解析のデザイン 差次的発現分析（例：t検定、ANOVA）を使用して、肺癌症例と対照で差次的に発現するバイオマーカーを特定する。機械学習アルゴリズム（例：ランダムフォレスト、サポートベクターマシン）を使用して、症例と対照を正確に識別できるバイオマーカーパネルを特定する。経路分析を使用して、特定されたバイオマーカーに関連する生物学的経路を特定する。受信者動作特性曲線（ROC）分析を使用して、候補バイオマーカーの診断精度を評価する。ロジスティック回帰を使用して、バイオマーカーレベルと肺がんリスクとの関連を評価する。相関分析を使用して、バイオマーカーレベルと大気汚染曝露との関連を評価する。混合効果モデルを使用して、バイオマーカーレベルの縦断的変化を分析する。生存分析を使用して、縦断的バイオマーカー変化と肺がん発生との関連を評価する。

   データ分析には、R、Python（scikit-learn）などの統計ソフトウェアパッケージおよび専門のバイオインフォマティクスツールを使用する。

4. 脆弱な集団を特定し、大気汚染関連肺がんに対するそれらの感受性を評価する。研究デザイン これは主に既存の縦断的コホートデータメンバーを利用する。ハイリスクまたは肺がん患者のコホートの家族・親族を対象に横断研究を実施する。これには、家族歴のある患者や慢性肺疾患を持つ患者が含まれる。混合法アプローチを用いて、介入の有効性を評価する。研究地域 研究は、全体的なAIRCAREコホート研究と同じ多様な都市部および郊外地域で実施される。研究地域は、子供と青少年、高齢者、既存の呼吸器疾患（例：喘息、COPD）を持つ個人、低社会経済状態の個人など、さまざまな脆弱な集団の代表性を確保するために選択される。サンプルサイズの推定とサンプリング戦略 サンプルサイズは、上記のコホートを用いた実現可能性に基づいて決定される。既存の縦断的コホートを使用し、異なる曝露およびリスク因子層にわたる代表性を確保する。コホート内の新規肺癌症例を特定し、年齢、性別、居住地域、可能な場合は喫煙歴に基づいて対照をマッチングする。コホートのサブセットを遺伝子型決定のために選択し、極端な曝露レベルおよび/または肺癌症例と対照に焦点を当てて遺伝的相互作用研究を行う。プロジェクト実施計画主要アウトカムは、脆弱なサブグループ間の肺がん発生率の差、および各脆弱サブグループにおける大気汚染曝露に関連する肺がんのハザード比で測定される。副次アウトカムは、脆弱なサブグループ間の肺がん死亡率の差、脆弱なサブグループにおけるバイオマーカーレベル、および増加リスクに対する社会経済的要因の影響で測定される。統計解析のデザイン Cox比例ハザードモデルを使用して、各脆弱サブグループにおける肺がんのハザード比を推定し、潜在的な交絡因子を調整する。回帰モデルに相互作用項を含めて、脆弱な集団の状態が大気汚染と肺がんの関連に与える修飾効果を評価する。層別分析を使用して、各脆弱集団内での大気汚染の影響を評価する。カイ二乗検定またはt検定を使用して、肺がん発生率およびその他のアウトカム指標を脆弱サブグループ間で比較する。分散分析（ANOVA）を使用して、複数の脆弱サブグループ間で連続アウトカム指標を比較する。ロジスティック回帰を使用して、脆弱集団の状態と特定の健康アウトカムとの関連を評価する。多重線形回帰を使用して、脆弱サブグループにおける肺機能およびバイオマーカーレベルに対する大気汚染の影響を分析する。データ分析には、R、SAS、Pythonなどの統計ソフトウェアパッケージを使用する。費用効果分析を使用して、介入の経済的影響を評価する。

データ分析には、SPSS、R、NVivoなどの統計ソフトウェアパッケージを使用する。

キャンペーン資料は、読みやすさ、文化的能力、メッセージングの観点から評価される。