Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Epigenetica en NCD -preventie in Kazachstan: gepersonaliseerde benaderingen en biologische leeftijdsvoorspelling

8 juli 2025 bijgewerkt door: Ildar Fakhradiyev, Asfendiyarov Kazakh National Medical University

Epigenetica en preventie van niet-overdraagbare ziekten in Kazachstan: een gepersonaliseerde benadering en biologische leeftijdsvoorspelling (2024-2026)

Deze studie is bedoeld om gepersonaliseerde en preventieve zorg voor niet-overdraagbare ziekten (NCD's) in Kazachstan te verbeteren door epigenetische factoren te onderzoeken, de biologische leeftijd en de reproductieve functie te voorspellen met behulp van machine learning en het ontwikkelen van aanbevelingen voor gezondheidsverbetering.

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Geschat)

6720

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Studie Locaties

  • Kazachstan
      • Almaty, Kazachstan, 050000
        • Werving
        • Asfendiyarov Kazakh National Medical University
        • Contact:
        • Hoofdonderzoeker:
          • Ildar Fakhradiyev, PhD

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Ja

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

De onderzoekspopulatie bestaat uit 6.720 volwassen vrijwilligers van 18 tot 69 jaar, die in 17 regio's van Kazachstan wonen. Deelnemers worden gestratificeerd per leeftijd en geslacht om een ​​evenwichtige weergave te garanderen in de volgende leeftijdsgroepen:

  • 18-29 jaar
  • 30-44 jaar
  • 45-59 jaar
  • 60-69 jaar elke leeftijdsgroep omvat een gelijk aandeel mannen en vrouwen, wat zorgt voor het geslacht. De selectie volgt op een multistage cluster -bemonsteringsontwerp, met verschillende sociaaleconomische achtergronden en gezondheidstatus om de generaliseerbaarheid van de bevindingen te verbeteren.

Beschrijving

Inclusiecriteria:

  • Volwassenen van 18 tot 69 jaar.
  • Inwoners van 17 regio's van Kazachstan.
  • Bereidheid om deel te nemen en geïnformeerde toestemming te geven.

Uitsluitingscriteria:

  • Leeftijd minder dan 18 jaar oud of ouder dan 69 jaar oud.
  • Het niet verstrekken van geïnformeerde toestemming of onvolledige deelname aan procedures voor gegevensverzameling.

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
De studie omvat 1 cohort verdeeld in 4 leeftijdssubgroepen.

De studie volgt een meertraps clusterbemonsteringsontwerp met leeftijd en genderstratificatie. In totaal zijn 1 cohorten geïdentificeerd, verder verdeeld in 4 leeftijdsubgroepen:

  1. 18-29 jaar
  2. 30-44 jaar
  3. 45-59 jaar
  4. 60-69 jaar elke leeftijdsgroep is ontworpen om een ​​gelijke verdeling van mannen en vrouwen te hebben, waardoor het geslacht bij alle subgroepen wordt gewaarborgd.
Ander: Genetisch: DNA -analyse
Onderzoek naar telomeerlengte (TL) en DNA -methylatieniveau -analyse

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Nauwkeurigheid van machine learning -model voor het voorspellen van de biologische leeftijd
Tijdsspanne: Binnen 10 maanden na het begin van gegevensverzameling
Evaluatie van de prestaties van het model (gebaseerd op telomeerlengte en DNA -methylatie) met behulp van gemiddelde absolute fout (MAE), gemiddelde kwadratische fout (MSE) en r².
Binnen 10 maanden na het begin van gegevensverzameling
Nauwkeurigheid van de voorspellingsmodel voor reproductieve functie
Tijdsspanne: Binnen 10 maanden na het begin van gegevensverzameling
Ontwikkeling en validatie van machine learning -model om de reproductieve functie te voorspellen met behulp van biomarkers. Modelprestaties geëvalueerd via MAE, MSE en R².
Binnen 10 maanden na het begin van gegevensverzameling

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Asfendiyarov Kazakh National Medical University

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

3 maart 2025

Primaire voltooiing (Geschat)

1 januari 2026

Studie voltooiing (Geschat)

31 december 2026

Studieregistratiedata

Eerst ingediend

31 maart 2025

Eerst ingediend dat voldeed aan de QC-criteria

23 april 2025

Eerst geplaatst (Werkelijk)

1 mei 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

11 juli 2025

Laatste update ingediend die voldeed aan QC-criteria

8 juli 2025

Laatst geverifieerd

1 april 2025

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • BR27304987

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

ONBESLIST

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

product vervaardigd in en geëxporteerd uit de V.S.

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren