FMT om darmkolonisatie door Carbapenem-resistente Enterobacteriaceae uit te roeien (FMT_CRE)

Antibioticaresistentie (AR) is een kritieke bedreiging voor de volksgezondheid en een van de grootste uitdagingen van de 21e eeuw. Volgens een schatting van 2019 hebben zich in Europa in 2015 bijna 700.000 infecties en 33.000 toerekenbare sterfgevallen voorgedaan door multiresistente bacteriën (MDRB). Ondanks specifieke interventies, waaronder beheersmaatregelen voor antibiotica en AR-surveillanceprogramma's, is deze last sinds 2007 bijna verdubbeld en het hoogst voor infecties veroorzaakt door darmbacteriën. Het maagdarmkanaal is een groot reservoir voor MDRB en de darmmicrobiota kan een verzameling AR-genen herbergen, darmresistentie genoemd. Er is steeds meer bewijs dat een gezonde darmmicrobiota de kolonisatie van MDRB kan voorkomen door mechanismen van kolonisatieresistentie, waaronder competitie, productie van antimicrobiële peptiden, immuunregulatie. Dit beschermingsmechanisme kan echter verstoord worden door therapieën die de darmmicrobiota veranderen (bijv. antibiotica). Het herstel van een gezonde darmmicrobiota door fecale microbiota-transplantatie (FMT) kan leiden tot de uitroeiing van antibioticaresistente bacteriën. Nadat FMT een standaardbehandeling voor Clostridioides difficile-infectie is geworden, is het onderzocht bij verschillende aandoeningen, en voorlopige niet-gerandomiseerde rapporten suggereren dat het een veelbelovende behandelingsoptie zou kunnen zijn om MDRB uit te roeien, maar gevestigd bewijs, evenals mechanismen die deze therapeutische route ondersteunen, zijn nog steeds niet beschikbaar. Onze hypothese is dat 1) FMT van donoren met beperkte aanwezigheid van AR-genen effectiever kan zijn dan placebo bij het uitroeien van MDRB in de darm (gericht op carbapenem-resistente Enterobacteriaceae) en 2) microbiële kenmerken van donoren en patiënten kunnen reproduceerbaar worden geassocieerd met klinische werkzaamheid en klaring van AR-genen. Onze resultaten zullen de weg vrijmaken voor de ontwikkeling van effectieve, gerichte op microbioom gebaseerde therapieën tegen MDRB, waardoor de last van AR wordt verlicht, met aanzienlijke voordelen voor de gezondheidszorg.

De uitgebreide doelstellingen van deze studie zijn:

• Om FMT-donoren met beperkte aanwezigheid van AR-genen te identificeren en uitwerpselen op te slaan voor FMT
• Om de werkzaamheid van FMT te beoordelen bij het uitroeien van intestinale MDRB (carbapenem-resistente Enterobacteriaceae) en ontlastingsmonsters te verzamelen voor multi-omics-analyse
• Karakteriseren van het fecale microbioom (bacterioom, viroom, mycobioom), resistoom, van donoren en patiënten voor en na FMT, om microbiële profielen te associëren met klaring van AR-genen en klinische werkzaamheid, en de microbiële kenmerken te identificeren die dit beïnvloeden

De onderzoekers zullen een single-center, placebogecontroleerde, dubbelblinde, gerandomiseerde klinische studie uitvoeren van donor-FMT versus placebo-FMT bij dragers van CRE. Gemelli". Patiënten met alle inclusiecriteria en geen van de exclusiecriteria (gedetailleerd in het specifieke gedeelte van deze website) komen in aanmerking voor deze studie.

Voorafgaand aan de randomisatie worden demografische gegevens verzameld door het personeel infectieziekten. Bovendien zullen patiënten rectaal uitstrijkje en ontlastingscultuur herhalen.

Bovendien zullen patiënten worden gevraagd ontlastingsmonsters te geven die in een steriele, afgesloten container moeten worden verzameld en bij -80°C moeten worden bewaard voor metagenomische beoordeling van het darmmicrobioom en meta-transcriptoombeoordeling door het microbiologisch personeel.

Na basislijnbeoordelingen worden patiënten willekeurig toegewezen aan een van de volgende behandelingsarmen:

• Donor FMT (D-FMT)
• Placebo FMT (P-FMT) Patiënten in beide groepen ondergaan een enkele FMT-procedure door middel van colonoscopie. Elke patiënt in de donor-FMT-groep krijgt ontlasting van één enkele donor. Placebo FMT wordt gemaakt van 250 ml water.

Donoren zullen worden geworven onder gezonde individuen, volgens internationale richtlijnen en volgens de nieuwe aanbeveling opgelegd door de reorganisatie van fecale microbiota-transplantatie tijdens de COVID-19-pandemie. Alleen donoren met een geschiedenis van beperkt antibioticagebruik (<5 antibioticakuren korter dan 10 dagen) worden gekozen voor resistoomanalyse, en alleen de drie donoren met het laagste aantal AR-genen zullen uiteindelijk worden ingeschreven. Elke donor zal worden gevraagd om frequent (>7 aliquots/donor) en in een beperkt tijdsbestek (3 maanden) te doneren om het risico op veranderingen in intestinale AR-genen te minimaliseren. Geselecteerde donoren worden uitgesloten als ze binnen de donatieperiode antibioticatherapieën ondergaan.

Zesendertig patiënten met darmkolonisatie door CRE zullen worden ingeschreven, op basis van de berekening van de steekproefomvang. Geïnformeerde toestemming zal worden verzameld van alle patiënten. Bij baseline worden ontlastingsmonsters verzameld voor multi-omics-analyse. Patiënten worden vervolgens gerandomiseerd naar colonoscopische FMT of placebo en worden gevolgd in week 1, 4 en 12 na de behandelingen. Bij elk bezoek ondergaan ze een klinisch bezoek en een rectaal uitstrijkje voor CRE, en ontlastingsmonsters worden verzameld en opgeslagen voor multi-omics-analyse.

Studieresultaten worden beschreven in het specifieke gedeelte van deze website.

Statistische analyse zal zowel op een intention-to-treat als per-protocol basis worden uitgevoerd. Verschillen tussen groepen zullen worden beoordeeld met een tweezijdige Wilcoxon-rank somtoets voor continue gegevens en met de Fisher's exact kanstoets (met behulp van tweezijdige P-waarden) voor categorische gegevens.

Voor microbioomanalyse zullen statistische verschillen tussen groepsgemiddelden worden berekend met behulp van een tweezijdige Wilcoxon-Rank Sum-test, via het R statistische softwarepakket (R Core Team, Wenen, Oostenrijk).

Machine learning-modellen zullen worden gebruikt om responder- en non-responderprofielen te identificeren en reproduceerbaar te karakteriseren. Met name in een Python 3.9-omgeving met scikit-learn (ver. 0.22.1), twee niet-gecontroleerde ML-algoritmen, namelijk K-means en Agglomerative Hierarchical Clustering, zullen worden gebruikt voor het creëren van patiëntclusters op basis van baseline microbioomkenmerken, om te beoordelen of ML verschillende microbioomprofielen kan identificeren die verband houden met klinische respons en veranderingen in AR-niveaus.