Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Epigenética e prevenção do NCD no Cazaquistão: abordagens personalizadas e previsão da idade biológica

8 de julho de 2025 atualizado por: Ildar Fakhradiyev, Asfendiyarov Kazakh National Medical University

Epigenética e prevenção de doenças não transmissíveis no Cazaquistão: uma abordagem personalizada e previsão de idade biológica (2024-2026)

Este estudo tem como objetivo melhorar os cuidados personalizados e preventivos para doenças não transmissíveis (DNTs) no Cazaquistão, examinando fatores epigenéticos, prevendo a idade biológica e a função reprodutiva usando o aprendizado de máquina e desenvolvendo recomendações de melhoria da saúde.

Visão geral do estudo

Status

Recrutamento

Condições

Intervenção / Tratamento

Tipo de estudo

Observacional

Inscrição (Estimado)

6720

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Contato de estudo

Locais de estudo

  • Cazaquistão
      • Almaty, Cazaquistão, 050000
        • Recrutamento
        • Asfendiyarov Kazakh National Medical University
        • Contato:
        • Investigador principal:
          • Ildar Fakhradiyev, PhD

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

  • Adulto
  • Adulto mais velho

Aceita Voluntários Saudáveis

Sim

Método de amostragem

Amostra de Probabilidade

População do estudo

A população do estudo consiste em 6.720 voluntários adultos com idades entre 18 e 69 anos, residindo em 17 regiões do Cazaquistão. Os participantes são estratificados por idade e sexo para garantir uma representação equilibrada nas seguintes faixas etárias:

  • 18-29 anos
  • 30-44 anos
  • 45-59 anos
  • 60-69 anos Cada faixa etária inclui uma proporção igual de homens e mulheres, garantindo o equilíbrio de gênero. A seleção segue um design de amostragem de cluster de vários estágios, incorporando vários antecedentes socioeconômicos e status de saúde para melhorar a generalização dos achados.

Descrição

Critérios de inclusão:

  • Adultos com idades entre 18 e 69 anos.
  • Moradores de 17 regiões do Cazaquistão.
  • Disposição de participar e fornecer consentimento informado.

Critérios de exclusão:

  • Idade inferior a 18 anos ou mais de 69 anos.
  • Falha em fornecer consentimento informado ou participação incompleta nos procedimentos de coleta de dados.

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

Coortes e Intervenções

Grupo / Coorte
Intervenção / Tratamento
O estudo inclui 1 coorte dividida em 4 subgrupos etários.

O estudo segue um projeto de amostragem de cluster de vários estágios com idade e estratificação de sexo. Foram identificados 1 coortes, divididos em 4 subgrupos de idade:

  1. 18-29 anos
  2. 30-44 anos
  3. 45-59 anos
  4. 60-69 anos Cada faixa etária é projetada para ter uma distribuição igual de homens e mulheres, garantindo o equilíbrio de gênero em todos os subgrupos.
Outro: Genético: análise de DNA
Investigação do comprimento dos telômeros (TL) e análise de nível de metilação do DNA

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Precisão do modelo de aprendizado de máquina para prever a idade biológica
Prazo: Dentro de 10 meses após o início da coleta de dados
Avaliação do desempenho do modelo (com base no comprimento dos telômeros e na metilação do DNA) usando erro absoluto médio (MAE), erro médio ao quadrado (MSE) e R².
Dentro de 10 meses após o início da coleta de dados
Precisão do modelo de previsão de função reprodutiva
Prazo: Dentro de 10 meses após o início da coleta de dados
Desenvolvimento e validação do modelo de aprendizado de máquina para prever a função reprodutiva usando biomarcadores. Desempenho do modelo avaliado via MAE, MSE e R².
Dentro de 10 meses após o início da coleta de dados

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

Asfendiyarov Kazakh National Medical University

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

3 de março de 2025

Conclusão Primária (Estimado)

1 de janeiro de 2026

Conclusão do estudo (Estimado)

31 de dezembro de 2026

Datas de inscrição no estudo

Enviado pela primeira vez

31 de março de 2025

Enviado pela primeira vez que atendeu aos critérios de CQ

23 de abril de 2025

Primeira postagem (Real)

1 de maio de 2025

Atualizações de registro de estudo

Última Atualização Postada (Real)

11 de julho de 2025

Última atualização enviada que atendeu aos critérios de controle de qualidade

8 de julho de 2025

Última verificação

1 de abril de 2025

Mais Informações

Termos relacionados a este estudo

Palavras-chave

Termos MeSH relevantes adicionais

Outros números de identificação do estudo

  • BR27304987

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

INDECISO

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

produto fabricado e exportado dos EUA

Não

Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .

Se inscrever