- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT05570266
인도네시아 샘플의 유전적 및 비유전적 유방암 위험 예측 평가
유방암은 여성에게 가장 흔한 암이자 암 관련 사망 원인으로, 전 세계적으로 167만 건(25.2%)의 새로운 사례와 521,907건(14.7%)의 사망을 기록했습니다. 유방암의 유병률과 생존율은 국가마다 다릅니다. 인도네시아에서는 대부분의 환자(70.9%)가 유방암이 진행된 상태에서 클리닉을 찾습니다. 5년 생존율은 51.07%입니다. 생존을 결정하는 가장 중요한 요인 중 하나는 유방암의 교육 수준과 단계입니다(Sinaga et al., 2018).
현재의 선별 방법에는 유방조영술과 방사선 평가가 포함되며, 둘 다 특히 아시아인 인구에서 단점이 있습니다. 유방조영술은 아시아인 인구가 더 치밀한 유방을 가지고 있어 37-70%의 사례에서 유방암 사례를 진단하지 못하기 때문에 덜 유용합니다(Vachon et al., 2010). 더욱이 스크리닝 방법은 이분법적 답변을 제공하므로 환자의 위험 프로필을 알리지 않습니다.
우리는 인도네시아 인구에서 유방암 환자와 유방암 병력/가족력이 없는 환자의 유전적 및 비유전적 위험 인자의 차이를 관찰하면서 유방암 검진 과정에 PRS를 구현하는 것을 목표로 합니다.
연구 개요
상세 설명
유방암은 여성에게 가장 흔한 암이자 암 관련 사망 원인으로, 전 세계적으로 167만 건(25.2%)의 새로운 사례와 521,907건(14.7%)의 사망을 기록했습니다. 유방암의 유병률과 생존율은 국가마다 다릅니다. 인도네시아에서는 대부분의 환자(70.9%)가 유방암이 진행된 상태에서 클리닉을 찾습니다. 5년 생존율은 51.07%입니다. 생존을 결정하는 가장 중요한 요인 중 하나는 유방암의 교육 수준과 단계입니다(Sinaga et al., 2018).
현재의 선별 방법에는 유방조영술과 방사선 평가가 포함되며, 둘 다 특히 아시아인 인구에서 단점이 있습니다. 유방조영술은 아시아인 인구가 더 치밀한 유방을 가지고 있어 37-70%의 사례에서 유방암 사례를 진단하지 못하기 때문에 덜 유용합니다(Vachon et al., 2010). 더욱이 스크리닝 방법은 이분법적 답변을 제공하므로 환자의 위험 프로필을 알리지 않습니다.
전통적으로 GAIL 모델, BODACIEA 및 Tyler-Cuzick과 같은 위험 예측 알고리즘은 환자의 병력 및 임상 요인을 사용합니다. 그러나 최근 암의 유전 가능성과 검사 서비스 및 지침의 가용성으로 인해 유전학의 중요성이 커졌습니다. 모든 사례의 약 10-30%는 가족성 유방암에 기인하며, 이 중 5%-10%만이 높은 침투와 관련된 유전적 요인과 관련이 있습니다(Costa & Saldanha, 2017). 오늘날 스크리닝하는 가장 일반적인 유전자 검사는 BRCA 1 및 2이며, NCCN 및 기타 지침에 대한 전문가 의견에 의해 선별된 다른 22개의 유전자입니다.
BRCA1/2 돌연변이 보인자에 대해 추정된 유병률은 일반 인구에서 각각 0.11%와 0.12%이며, 3건 이상의 유방암 또는 난소암 사례가 있는 고위험 가족에서 12.8%-16% 사이입니다. 난소암 사례의 약 10-15%는 BRCA1/2 돌연변이로 인한 것으로 여겨지지만(Zhang et al., 2011), 병원성 BRCA 돌연변이가 있는 개인의 ~50%는 강력한 암 가족력을 보고하지 않을 수 있습니다. 만찬다 외, 2014). NCCN, ASCO, St Gallen 등은 환자 선별에 대한 가이드라인을 마련했지만(Costa & Saldanha, 2017), 애초에 선별진료에 대한 환자들의 인식이 낮아 애초부터 어려움을 겪고 있다.
다유전자성 위험 점수(PRS)를 사용하는 유전자 검사는 고침투 유전자만큼 강력한 예측 가치를 생성하는 저침투 유전자의 효과를 결합하지만 고침투 유전자 검사보다 훨씬 일반적입니다(Khera et al., 2018). PRS는 가장 일반적으로 개인이 보유한 위험 대립 유전자 수의 가중 합으로 계산되며, 여기서 위험 대립 유전자와 그 가중치는 유전자좌에 의해 정의되고 게놈 차원의 연관 연구에서 감지된 측정 효과입니다.
일부 일반적인 성인 발병 질병의 경우, 게놈에 위험 대립 유전자가 풍부한 인구의 상당한 부분(10-20%)에 전달되는 다유전자성 위험은 일반적으로 사용되는 임상 위험 요소에 의해 전달되는 위험과 비슷합니다(Khera et al., 2018). 유방암에 대한 최근의 대규모 종합 GWAS는 유방암의 가족 상대적 위험의 45%가 유전형 분석 및 대치에 의해 포착된 유전적 변이로 설명될 수 있음을 발견했습니다(Mavaddat et al., 2018). 유전자형 분석 기술이 발전하고 컨소시엄이 더 많은 샘플에 대한 알고리즘을 구축함에 따라 PRS 알고리즘의 예측 값이 성숙해지고 있습니다. 120,000명의 환자를 분석하고 가장 높은 예측 가능성을 위해 최적화한 후, 313개의 SNP와 임상 요인을 결합한 PRS 점수는 임상 위험 요인을 사용하여 58%만 사용한 것과 비교하여 68%의 예측 값을 가집니다(Mavaddat et al., 2018). 유방암 협회 컨소시엄(Breast Cancer Association Consortium)에서 실시한 연구에 따르면 환경 위험 요인과 결합된 PRS를 사용하여 일반 인구에서 유방암 위험 수준이 다른 여성을 구별할 수 있습니다(Rudolph et al., 2018).
이 점수는 공급자가 환자를 계층화할 수 있는 기회를 제공하여 일부 사람들이 더 높은 위험 프로파일을 가지고 위험 감소 치료를 더 일찍 시작하고, 더 어린 나이에 선별 검사를 시작하고, 위험을 줄이기 위해 생활 방식을 수정할 수 있도록 합니다. 예를 들어, 다유전자성 위험 점수의 상위 1.5%에 속하는 사람들은 일반 인구에 비해 승산비가 3 이상입니다.
Polygenic 위험 점수는 임상 시험 및 상업적 환경에서 세계 최고의 기관에서 적용되었습니다. 그러나 개발 도상국에서는 환자의 유방암 위험 감소 전략에 대한 인식을 높이기 위해 다유전자 위험 점수를 사용하는 경우가 거의 없었습니다.
인구 기반 유전자 스크리닝의 임상 구현에 대한 주요 관심사 중 하나는 테스트 후 전문가의 가용성입니다. 난소암의 위험 계층화에 대한 의사의 태도에 대한 영국의 한 연구에 따르면 70%의 종양 전문의와 50%의 일반의가 환자에게 유전자 검사를 기꺼이 제공할 의향이 있는 것으로 나타났습니다. 약 60%는 테스트가 환자에게 통제감을 줄 것이라고 믿으며 제공자의 80% 이상이 위험 계층화를 기반으로 권장 사항을 개인화할 의향이 있습니다(Hann et al., 2017).
우리는 인도네시아 인구에서 유방암 환자와 유방암 병력/가족력이 없는 환자의 유전적 및 비유전적 위험 인자의 차이를 관찰하면서 유방암 검진 과정에 PRS를 구현하는 것을 목표로 합니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
Jakarta Raya
-
Jakarta, Jakarta Raya, 인도네시아, 12930
- MRCC Siloam Hospitals Semanggi
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
케이스 그룹의 경우
- 원발성 유방암 진단을 받았거나 높은 침투 유전자(예: BRCA 1/2)
- 초경 연령 >12세
- 폐경 전
대조군의 경우
- 폐경 전
- 초경 연령 >12세
- 무증상
- 연구 및 후속 조치에 동의했습니다.
제외 기준:
- 케이스 그룹의 경우:
유방암 또는 난소암의 1도 가족력
대조군의 경우:
- 유방암 또는 난소암의 가족력
- 사건과의 1차적 관계
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
케이스
사례는 다음과 같은 여성을 모집하여 진행됩니다.
|
알려진 유방암 관련 마커(313개 변종)의 유전형 분석은 마이크로어레이 유전형 분석 칩(Genetic Risk)을 사용하여 수행됩니다.
설문 조사 응답은 Gail 모델 점수와 따라서 임상 위험 점수를 결정합니다.
|
|
보병대
통제는 Breast Cancer Care Alliance (BCCA)를 방문한 클라이언트로부터 가져오고 다음을 수행합니다.
|
알려진 유방암 관련 마커(313개 변종)의 유전형 분석은 마이크로어레이 유전형 분석 칩(Genetic Risk)을 사용하여 수행됩니다.
설문 조사 응답은 Gail 모델 점수와 따라서 임상 위험 점수를 결정합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
비유전적 위험 측면에서 유방암 환자와 비유방암 환자의 절대 위험 차이
기간: 2023년 1분기
|
절대 비유전적 위험은 MDCalc Gail 모델을 사용하여 계산됩니다.
|
2023년 1분기
|
|
유방암 환자와 비유방암 환자의 유전적 위험도에 대한 절대 위험도 차이
기간: 2023년 1분기
|
유전적 위험은 알고리즘을 통해 마이크로어레이 샘플 결과를 실행하여 얻은 다유전적 위험 점수에서 파생됩니다(Mavaddat et al 2019 참조).
|
2023년 1분기
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Samuel Haryono, MD, PhD, SJH Initiatives
간행물 및 유용한 링크
일반 간행물
- Costa M, Saldanha P. Risk Reduction Strategies in Breast Cancer Prevention. Eur J Breast Health. 2017 Jul 1;13(3):103-112. doi: 10.5152/ejbh.2017.3583. eCollection 2017 Jul.
- Mavaddat N, Michailidou K, Dennis J, Lush M, Fachal L, Lee A, Tyrer JP, Chen TH, Wang Q, Bolla MK, Yang X, Adank MA, Ahearn T, Aittomaki K, Allen J, Andrulis IL, Anton-Culver H, Antonenkova NN, Arndt V, Aronson KJ, Auer PL, Auvinen P, Barrdahl M, Beane Freeman LE, Beckmann MW, Behrens S, Benitez J, Bermisheva M, Bernstein L, Blomqvist C, Bogdanova NV, Bojesen SE, Bonanni B, Borresen-Dale AL, Brauch H, Bremer M, Brenner H, Brentnall A, Brock IW, Brooks-Wilson A, Brucker SY, Bruning T, Burwinkel B, Campa D, Carter BD, Castelao JE, Chanock SJ, Chlebowski R, Christiansen H, Clarke CL, Collee JM, Cordina-Duverger E, Cornelissen S, Couch FJ, Cox A, Cross SS, Czene K, Daly MB, Devilee P, Dork T, Dos-Santos-Silva I, Dumont M, Durcan L, Dwek M, Eccles DM, Ekici AB, Eliassen AH, Ellberg C, Engel C, Eriksson M, Evans DG, Fasching PA, Figueroa J, Fletcher O, Flyger H, Forsti A, Fritschi L, Gabrielson M, Gago-Dominguez M, Gapstur SM, Garcia-Saenz JA, Gaudet MM, Georgoulias V, Giles GG, Gilyazova IR, Glendon G, Goldberg MS, Goldgar DE, Gonzalez-Neira A, Grenaker Alnaes GI, Grip M, Gronwald J, Grundy A, Guenel P, Haeberle L, Hahnen E, Haiman CA, Hakansson N, Hamann U, Hankinson SE, Harkness EF, Hart SN, He W, Hein A, Heyworth J, Hillemanns P, Hollestelle A, Hooning MJ, Hoover RN, Hopper JL, Howell A, Huang G, Humphreys K, Hunter DJ, Jakimovska M, Jakubowska A, Janni W, John EM, Johnson N, Jones ME, Jukkola-Vuorinen A, Jung A, Kaaks R, Kaczmarek K, Kataja V, Keeman R, Kerin MJ, Khusnutdinova E, Kiiski JI, Knight JA, Ko YD, Kosma VM, Koutros S, Kristensen VN, Kruger U, Kuhl T, Lambrechts D, Le Marchand L, Lee E, Lejbkowicz F, Lilyquist J, Lindblom A, Lindstrom S, Lissowska J, Lo WY, Loibl S, Long J, Lubinski J, Lux MP, MacInnis RJ, Maishman T, Makalic E, Maleva Kostovska I, Mannermaa A, Manoukian S, Margolin S, Martens JWM, Martinez ME, Mavroudis D, McLean C, Meindl A, Menon U, Middha P, Miller N, Moreno F, Mulligan AM, Mulot C, Munoz-Garzon VM, Neuhausen SL, Nevanlinna H, Neven P, Newman WG, Nielsen SF, Nordestgaard BG, Norman A, Offit K, Olson JE, Olsson H, Orr N, Pankratz VS, Park-Simon TW, Perez JIA, Perez-Barrios C, Peterlongo P, Peto J, Pinchev M, Plaseska-Karanfilska D, Polley EC, Prentice R, Presneau N, Prokofyeva D, Purrington K, Pylkas K, Rack B, Radice P, Rau-Murthy R, Rennert G, Rennert HS, Rhenius V, Robson M, Romero A, Ruddy KJ, Ruebner M, Saloustros E, Sandler DP, Sawyer EJ, Schmidt DF, Schmutzler RK, Schneeweiss A, Schoemaker MJ, Schumacher F, Schurmann P, Schwentner L, Scott C, Scott RJ, Seynaeve C, Shah M, Sherman ME, Shrubsole MJ, Shu XO, Slager S, Smeets A, Sohn C, Soucy P, Southey MC, Spinelli JJ, Stegmaier C, Stone J, Swerdlow AJ, Tamimi RM, Tapper WJ, Taylor JA, Terry MB, Thone K, Tollenaar RAEM, Tomlinson I, Truong T, Tzardi M, Ulmer HU, Untch M, Vachon CM, van Veen EM, Vijai J, Weinberg CR, Wendt C, Whittemore AS, Wildiers H, Willett W, Winqvist R, Wolk A, Yang XR, Yannoukakos D, Zhang Y, Zheng W, Ziogas A; ABCTB Investigators; kConFab/AOCS Investigators; NBCS Collaborators; Dunning AM, Thompson DJ, Chenevix-Trench G, Chang-Claude J, Schmidt MK, Hall P, Milne RL, Pharoah PDP, Antoniou AC, Chatterjee N, Kraft P, Garcia-Closas M, Simard J, Easton DF. Polygenic Risk Scores for Prediction of Breast Cancer and Breast Cancer Subtypes. Am J Hum Genet. 2019 Jan 3;104(1):21-34. doi: 10.1016/j.ajhg.2018.11.002. Epub 2018 Dec 13.
- Sinaga ES, Ahmad RA, Shivalli S, Hutajulu SH. Age at diagnosis predicted survival outcome of female patients with breast cancer at a tertiary hospital in Yogyakarta, Indonesia. Pan Afr Med J. 2018 Nov 7;31:163. doi: 10.11604/pamj.2018.31.163.17284. eCollection 2018.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .