- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT07355088
Precyzyjne podtypowanie i badanie prognostyczne niewydolności serca oparte na integracji multi-omik i wskaźników klinicznych: prospektywne badanie kohortowe w jednym ośrodku (HF-MultiOmics)
Precyzyjna subtypizacja i badanie prognostyczne niewydolności serca w oparciu o integrację wieloomikową i wskaźniki kliniczne: prospektywne badanie kohortowe w pojedynczym ośrodku
Przegląd badań
Status
Szczegółowy opis
To prospektywne, jednocentrowe badanie kohortowe koncentruje się na pacjentach z przewlekłą niewydolnością serca (PNS) (HFrEF, HFmrEF, HFpEF) i zdrowych osobach kontrolnych, z głównym celem ustalenia precyzyjnego modelu stratyfikacji ryzyka dla PNS poprzez integrację danych wieloomicznych i klinicznych.
Projekt badania i uczestnicy rekrutacji: 400 pacjentów z PNS (spełniających wytyczne ESC dotyczące niewydolności serca z 2022 roku) i 200 zdrowych osób kontrolnych dopasowanych pod względem wieku i płci (bez historii chorób sercowo-naczyniowych). Kryteria wykluczenia obejmują ostrą niewyrównaną niewydolność serca, schyłkową chorobę nerek, aktywne nowotwory złośliwe oraz niedawne stosowanie antybiotyków (aby uniknąć zakłóceń mikrobiomu jelitowego).
Rekrutacja: Prowadzona w Pierwszym Szpitalu Afiliowanym Uniwersytetu Medycznego w Xinjiang przez 12 miesięcy; kwalifikujący się uczestnicy wyrażą pisemną świadomą zgodę przed włączeniem do badania.
Zbieranie danych i próbek
Linia podstawowa:
Dane kliniczne: klasa czynnościowa NYHA, NT-proBNP, echokardiografia (LVEF, LVGLS), tomografia komputerowa serca (gęstość/objętość tkanki tłuszczowej okołosercowej); Próbki wieloomiczne: Osocze (proteom za pomocą Olink, metabolom za pomocą LC-MS), krew (genom za pomocą mikromacierzy), kał (mikrobiom jelitowy za pomocą sekwencjonowania 16S rRNA; metagenomika shotgun dla 200 pacjentów); Obserwacja: wizyty po 3/6/12 miesiącach w celu zebrania wyników klinicznych (ponowna hospitalizacja, śmiertelność), wyników jakości życia KCCQ oraz dynamicznych próbek wieloomicznych (tylko dla pacjentów leczonych inhibitorami SGLT2).
Kluczowe analizy Charakterystyka wieloomiczna: Identyfikacja specyficznych dla fenotypu sygnatur molekularnych (np. profile metaboliczne związane z HFpEF) poprzez analizę różnicowej ekspresji i sieci korelacji; Eksploracja mechanizmów: Powiązanie składu mikrobiomu jelitowego z krążącymi metabolitami/białkami zapalnymi w celu wyjaśnienia "osi jelitowo-sercowej" w PNS; Konstrukcja modelu: Integracja wskaźników wieloomicznych i klinicznych/obrazowych w celu zbudowania 4 modeli predykcyjnych (tylko kliniczny, pojedynczo-omowy, wieloomowy, zintegrowany), z walidacją za pomocą statystyki C Harrella i zależnej od czasu krzywej ROC.
Kontrola jakości Próbki biologiczne: Oznaczone unikalnymi identyfikatorami, przechowywane w temperaturze -80°C; Dane obrazowe: Niezależny przegląd przez 2 kardiologów (arbitraż stron trzecich w przypadku rozbieżności); Zarządzanie danymi: Platforma REDCap do elektronicznego gromadzenia danych; niezależny Komitet Monitorujący Dane (DMC) przegląda postępy/bezpieczeństwo co 6 miesięcy.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: yingying zheng, MD
- Numer telefonu: +8615214804944
- E-mail: zhengying527@163.com
Kopia zapasowa kontaktu do badania
- Nazwa: anni ma, BM
- Numer telefonu: +8615001677850
- E-mail: 1572938565@qq.com
Lokalizacje studiów
-
-
Urumqi
-
Xinjiang, Urumqi, Chiny, 831100
- The First Affiliated Hospital of Xinjiang Medical University
-
Kontakt:
- yingying zheng, MD
- Numer telefonu: +8615214804944
- E-mail: zhengying527@163.com
-
Kontakt:
- anni ma, BM
- Numer telefonu: +8615001677850
- E-mail: 1572938565@qq.com
-
Pod-śledczy:
- anni ma, BM
-
Główny śledczy:
- ailiman mahemuti, MD
-
Główny śledczy:
- xiang xie, MD
-
Pod-śledczy:
- refukaiti abuduhalike, MD
-
Pod-śledczy:
- aihaidan abuduwayiti, MD
-
Pod-śledczy:
- li zhao, MD
-
Pod-śledczy:
- yujun guo, MM
-
Pod-śledczy:
- zhiying wen, MM
-
Pod-śledczy:
- yanxiao li, MM
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia: (1) Dla pacjentów z przewlekłą niewydolnością serca (CHF): 1. Spełniają kryteria diagnostyczne Europejskiego Towarzystwa Kardiologicznego (ESC) z 2022 roku dla CHF, sklasyfikowane zgodnie z wytycznymi ESC na niewydolność serca z obniżoną frakcją wyrzutową (HFrEF), niewydolność serca z lekko obniżoną frakcją wyrzutową (HFmrEF) oraz niewydolność serca z zachowaną frakcją wyrzutową (HFpEF); 2. W wieku od 18 do 80 lat (włącznie); 3. Zdolność do samodzielnego wyrażenia pisemnej świadomej zgody (lub przez opiekuna prawnego w przypadku upośledzenia funkcji poznawczych, z wynikiem Mini-Mental State Examination [MMSE] ≥ 24).
(2) Dla zdrowych osób kontrolnych: 1. Brak historii chorób sercowo-naczyniowych, potwierdzony przeglądem historii medycznej i echokardiografią wyjściową; 2. W wieku od 18 do 80 lat (włącznie), dopasowani 1:2 z pacjentami z CHF pod względem wieku i płci; 3. Zdolność do wyrażenia pisemnej świadomej zgody.
Kryteria wykluczenia: (1) Ostra zdekompensowana niewydolność serca (przyjęcie z powodu ostrego zaostrzenia HF w ciągu 72 godzin przed rekrutacją); (2) Schyłkowa choroba nerek, zdefiniowana jako szacunkowy współczynnik filtracji kłębuszkowej (eGFR) < 15 ml/min/1,73m² (potwierdzona badaniem kreatyniny w surowicy); (3) Aktywne nowotwory (otrzymywanie leczenia systemowego w ciągu 6 miesięcy przed rekrutacją) lub ciężkie choroby ogólnoustrojowe (np. ciężka niewydolność wątroby, aktywne choroby autoimmunologiczne); (4) Stosowanie antybiotyków w ciągu 2 tygodni przed rekrutacją (może zakłócać analizę mikrobiomu jelitowego); (5) Niemożność ukończenia 12-miesięcznej obserwacji (np. planowane długoterminowe zamieszkanie za granicą) lub dostarczenia wymaganych próbek biologicznych (np. krew żylna, próbki kału).
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
|---|
|
Pacjenci z przewlekłą niewydolnością serca
Zrekrutuj 400 uczestników spełniających wytyczne ESC 2022 dotyczące przewlekłej niewydolności serca (w tym HFrEF, HFmrEF, HFpEF).
Zbierz dane kliniczne, próbki wieloomiczne i wskaźniki obrazowe na początku badania; przeprowadź 12-miesięczną obserwację w celu śledzenia wyników i zmian dynamicznych.
|
|
Zdrowi Kontrolni
Zarejestruj 200 uczestników dopasowanych pod względem wieku/płci bez historii chorób układu sercowo-naczyniowego.
Zbierz wyjściowe dane kliniczne i próbki multi-omics do analizy porównawczej; obserwuj przez 12 miesięcy.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
1-letni punkt końcowy złożony według podtypu HF (ponowna hospitalizacja z powodu niewydolności serca lub śmierć z jakiejkolwiek przyczyny)
Ramy czasowe: 12 miesięcy
|
Występowanie ponownej hospitalizacji związanej z niewydolnością serca lub zgonu z jakiejkolwiek przyczyny w ciągu 12 miesięcy po włączeniu do badania, rozwarstwione według podtypów niewydolności serca (HFrEF, HFmrEF, HFpEF). Stratyfikacja podtypów opiera się na kryteriach klasyfikacji niewydolności serca ESC z 2022 roku; punkty końcowe są potwierdzane przez komitet oceniający punkty końcowe badania klinicznego.
|
12 miesięcy
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
1-letnia ponowna hospitalizacja związana z niewydolnością serca (niezależny punkt końcowy)
Ramy czasowe: 12 miesięcy
|
Występowanie rehospitalizacji z powodu pogorszenia niewydolności serca (potwierdzone objawami klinicznymi, podwyższeniem NT-proBNP oraz zmianami echokardiograficznymi) w ciągu 12 miesięcy po włączeniu do badania. Rehospitalizacja jest weryfikowana na podstawie dokumentacji przyjęcia do szpitala i rozpoznań wypisowych; dane NT-proBNP i echokardiograficzne są zbierane z systemu elektronicznej dokumentacji medycznej szpitala.
|
12 miesięcy
|
Inne miary wyników
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Identyfikacja fenotypowo-specyficznych sygnatur molekularnych niewydolności serca (panel biomarkerów wielo-omikowych)
Ramy czasowe: Linia wyjściowa
|
Przesiewowe poszukiwanie specyficznych dla podtypów markerów molekularnych (genów różnicowo eksprymowanych, białek sygnaturowych, charakterystycznych metabolitów oraz taksonów mikroflory jelitowej), które mogą rozróżniać podtypy niewydolności serca (HFrEF, HFmrEF, HFpEF) poprzez wieloomikową analizę różnicową na linii wyjściowej. Dane wieloomikowe są analizowane za pomocą narzędzi bioinformatycznych: PCA do redukcji wymiarowości, DESeq2/limma do analizy różnicowej ekspresji, WGCNA do konstrukcji sieci koekspresji; specyficzne dla podtypów sygnatury są walidowane z użyciem krzywych ROC (AUC ≥ 0,75 jest uznawane za potencjalny biomarker).
|
Linia wyjściowa
|
|
Korelacja między profilami multi-omiki a fenotypami klinicznymi niewydolności serca
Ramy czasowe: Punkt wyjściowy
|
Korelacja między wyjściowymi profilami multi-omikowymi (genom, proteom, metabolom, mikrobiom jelitowy) pacjentów z niewydolnością serca a fenotypami klinicznymi (w tym funkcjonalną klasą NYHA, frakcją wyrzutową lewej komory [LVEF], poziomem NT-proBNP oraz odległością w teście 6-minutowego marszu). Korelacja jest kwantyfikowana przy użyciu metod statystycznych: analizy korelacji Pearsona (dla zmiennych ciągłych) lub analizy korelacji Spearmana (dla zmiennych kategorycznych); regresja metodą najmniejszych kwadratów cząstkowych (PLSR) jest wykorzystywana do konstrukcji modelu asocjacji między cechami multi-omikowymi a fenotypami klinicznymi.
|
Punkt wyjściowy
|
|
Mechaniczna korelacja osi jelito-serce: Skład mikrobiomu jelitowego vs. Metabolity krążące/Białka zapalne
Ramy czasowe: Linia wyjściowa
|
Mikrobiom jelitowy: sekwencjonowanie genu 16S rRNA (platforma Illumina MiSeq), Metabolity krążące: chromatografia cieczowa sprzężona ze spektrometrią mas (LC-MS/MS), Białka zapalne: wieloparametryczny test immunologiczny (platforma Luminex)Analiza korelacji Spearmana (dla względnej obfitości mikroorganizmów a stężenie metabolitów/białek); test Mantela (dla ogólnego składu mikrobiomu a profile metabolitów/białek).
|
Linia wyjściowa
|
Współpracownicy i badacze
Sponsor
Śledczy
- Dyrektor Studium: ailiman mahemut, MD, First Affiliated Hospital of Xinjiang Medical University
- Dyrektor Studium: xiang xie, MD, First Affiliated Hospital of Xinjiang Medical University
- Krzesło do nauki: refukait abuduhalike, MD, First Affiliated Hospital of Xinjiang Medical University
- Krzesło do nauki: aihaidan abuduwayiti, MD, First Affiliated Hospital of Xinjiang Medical University
- Krzesło do nauki: li zhao, MD, First Affiliated Hospital of Xinjiang Medical University
- Krzesło do nauki: yujun guo, MM, First Affiliated Hospital of Xinjiang Medical University
- Krzesło do nauki: zhiying wen, MM, First Affiliated Hospital of Xinjiang Medical University
- Krzesło do nauki: yanxiao li, MM, Xinjiang Medical University
Publikacje i pomocne linki
Publikacje ogólne
- Tang WH, Wang Z, Levison BS, Koeth RA, Britt EB, Fu X, Wu Y, Hazen SL. Intestinal microbial metabolism of phosphatidylcholine and cardiovascular risk. N Engl J Med. 2013 Apr 25;368(17):1575-84. doi: 10.1056/NEJMoa1109400.
- Shah SJ, Katz DH, Selvaraj S, Burke MA, Yancy CW, Gheorghiade M, Bonow RO, Huang CC, Deo RC. Phenomapping for novel classification of heart failure with preserved ejection fraction. Circulation. 2015 Jan 20;131(3):269-79. doi: 10.1161/CIRCULATIONAHA.114.010637. Epub 2014 Nov 14.
- Obermeyer Z, Emanuel EJ. Predicting the Future - Big Data, Machine Learning, and Clinical Medicine. N Engl J Med. 2016 Sep 29;375(13):1216-9. doi: 10.1056/NEJMp1606181. No abstract available.
- Medvedofsky D, Kebed K, Laffin L, Stone J, Addetia K, Lang RM, Mor-Avi V. Reproducibility and experience dependence of echocardiographic indices of left ventricular function: Side-by-side comparison of global longitudinal strain and ejection fraction. Echocardiography. 2017 Mar;34(3):365-370. doi: 10.1111/echo.13446. Epub 2017 Feb 9.
- Ibrahim NE, Januzzi JL Jr. Beyond Natriuretic Peptides for Diagnosis and Management of Heart Failure. Clin Chem. 2017 Jan;63(1):211-222. doi: 10.1373/clinchem.2016.259564. Epub 2016 Oct 10.
- Cheng ML, Wang CH, Shiao MS, Liu MH, Huang YY, Huang CY, Mao CT, Lin JF, Ho HY, Yang NI. Metabolic disturbances identified in plasma are associated with outcomes in patients with heart failure: diagnostic and prognostic value of metabolomics. J Am Coll Cardiol. 2015 Apr 21;65(15):1509-20. doi: 10.1016/j.jacc.2015.02.018.
- Antonopoulos AS, Antoniades C. The role of epicardial adipose tissue in cardiac biology: classic concepts and emerging roles. J Physiol. 2017 Jun 15;595(12):3907-3917. doi: 10.1113/JP273049. Epub 2017 Mar 13.
- Zhang X, Schulz BL, Punyadeera C. The current status of heart failure diagnostic biomarkers. Expert Rev Mol Diagn. 2016;16(4):487-500. doi: 10.1586/14737159.2016.1144474. Epub 2016 Feb 17.
- Shah S, Henry A, Roselli C, Lin H, Sveinbjornsson G, Fatemifar G, Hedman AK, Wilk JB, Morley MP, Chaffin MD, Helgadottir A, Verweij N, Dehghan A, Almgren P, Andersson C, Aragam KG, Arnlov J, Backman JD, Biggs ML, Bloom HL, Brandimarto J, Brown MR, Buckbinder L, Carey DJ, Chasman DI, Chen X, Chen X, Chung J, Chutkow W, Cook JP, Delgado GE, Denaxas S, Doney AS, Dorr M, Dudley SC, Dunn ME, Engstrom G, Esko T, Felix SB, Finan C, Ford I, Ghanbari M, Ghasemi S, Giedraitis V, Giulianini F, Gottdiener JS, Gross S, Guethbjartsson DF, Gutmann R, Haggerty CM, van der Harst P, Hyde CL, Ingelsson E, Jukema JW, Kavousi M, Khaw KT, Kleber ME, Kober L, Koekemoer A, Langenberg C, Lind L, Lindgren CM, London B, Lotta LA, Lovering RC, Luan J, Magnusson P, Mahajan A, Margulies KB, Marz W, Melander O, Mordi IR, Morgan T, Morris AD, Morris AP, Morrison AC, Nagle MW, Nelson CP, Niessner A, Niiranen T, O'Donoghue ML, Owens AT, Palmer CNA, Parry HM, Perola M, Portilla-Fernandez E, Psaty BM; Regeneron Genetics Center; Rice KM, Ridker PM, Romaine SPR, Rotter JI, Salo P, Salomaa V, van Setten J, Shalaby AA, Smelser DT, Smith NL, Stender S, Stott DJ, Svensson P, Tammesoo ML, Taylor KD, Teder-Laving M, Teumer A, Thorgeirsson G, Thorsteinsdottir U, Torp-Pedersen C, Trompet S, Tyl B, Uitterlinden AG, Veluchamy A, Volker U, Voors AA, Wang X, Wareham NJ, Waterworth D, Weeke PE, Weiss R, Wiggins KL, Xing H, Yerges-Armstrong LM, Yu B, Zannad F, Zhao JH, Hemingway H, Samani NJ, McMurray JJV, Yang J, Visscher PM, Newton-Cheh C, Malarstig A, Holm H, Lubitz SA, Sattar N, Holmes MV, Cappola TP, Asselbergs FW, Hingorani AD, Kuchenbaecker K, Ellinor PT, Lang CC, Stefansson K, Smith JG, Vasan RS, Swerdlow DI, Lumbers RT. Genome-wide association and Mendelian randomisation analysis provide insights into the pathogenesis of heart failure. Nat Commun. 2020 Jan 9;11(1):163. doi: 10.1038/s41467-019-13690-5.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Szacowany)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
- XJMU-HF-MultiOmics-2025-001
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .