Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

HCMR — новые маркеры прогноза гипертрофической кардиомиопатии (HCMR)

12 декабря 2024 г. обновлено: Christopher Kramer, University of Virginia
Гипертрофическая кардиомиопатия (ГКМП) является наиболее распространенным моногенным заболеванием сердца и наиболее частой причиной внезапной сердечной смерти (ВСС) у молодых людей. Он характеризуется необъяснимой гипертрофией левого желудочка (ГЛЖ), диффузным и пятнистым фиброзом и миофибриллярным расстройством. В то время как у большинства пациентов симптомы остаются бессимптомными, прогноз неблагоприятный в подгруппе пациентов с ВСС или прогрессированием до сердечной недостаточности (СН). Существующие методы прогнозирования риска этих нежелательных явлений и выбора целевой терапии ограничены. Современная медикаментозная терапия не защищает от ВСС и не предотвращает развитие СН. Следовательно, идентификация новых маркеров риска поможет разработать терапевтические мишени, направленные на изменение фенотипической экспрессии, чтобы повлиять на естественное течение, особенно ВСС и СН. Сердечно-сосудистый магнитный резонанс (CMR) становится мощным инструментом для диагностики и стратификации риска при HCM, включая оценку массы LV и характера гипертрофии. Позднее усиление гадолинием при МРТ является маркером очагового фиброза миокарда, который, как полагают, лежит в основе аритмогенного субстрата, а также способствует развитию СН. Исследователи предполагают, что пациенты с ГКМП с более высокой частотой первичных исходов могут быть идентифицированы по новым данным МРТ. Большинство случаев ГКМП наследуется по аутосомно-доминантному типу и около 60% вызвано мутациями в генах, кодирующих саркомерные белки сердца. Однако взаимосвязь между генетической мутацией, фенотипом заболевания и клиническими исходами остается недостаточно изученной. Исследователи предполагают, что пациенты с ГКМП с саркомерными мутациями ГКМП будут иметь более высокую частоту первичных исходов и более выраженную миокардиальную патологию на МРТ, чем пациенты без мутаций. Кроме того, может существовать связь между саркомерными мутациями и фиброзом, поскольку носители мутаций с явной ГКМП, а также носители без гипертрофии имеют повышенные маркеры обновления коллагена. Поэтому исследователи предполагают, что сывороточные биомаркеры метаболизма коллагена при ГКМП будут предсказывать результаты. Таким образом, Конкретная цель состоит в том, чтобы разработать прогностическую модель сердечно-сосудистых исходов при ГКМП путем: 1) использования методов исследовательского анализа данных для выявления демографических, клинических и новых CMR, генетических и биомаркерных переменных, связанных с исходами, и 2) получения оценки из прогностическая модель, которую можно использовать для оценки риска с учетом сочетания факторов риска у пациента, тем самым создавая доказательную базу, позволяющую разработать дизайн клинических испытаний для снижения заболеваемости и смертности при ГКМП экономически эффективным способом.

Обзор исследования

Статус

Активный, не рекрутирующий

Условия

Вмешательство/лечение

Подробное описание

2.2 Обоснование Используемые в настоящее время предикторы риска при ГКМП для клинических исходов ВСС и СН все еще недостаточны и ограничивают клинические испытания и введение новых методов лечения этого заболевания. Этот крупномасштабный проспективный клинический регистр систематически ответит на важный вопрос, можно ли путем добавления комбинации расширенного фенотипирования CMR, генетического анализа и анализа биомаркеров существенно улучшить стратификацию риска при ГКМП по сравнению с используемыми в настоящее время клиническими предикторами риска. Появляющиеся новые маркеры крови, генетические маркеры и маркеры CMR обещают изменить парадигму надежного выявления тех, кто находится в группе риска. Кроме того, это будет самая большая генотипированная популяция HCM, доступная для корреляции с комплексной оценкой CMR и биомаркеров. Это предоставит уникальные возможности для оценки корреляций генотип-фенотип и сравнения конкретных генетических подмножеств способом, который был невозможен в прошлом. Это исследование также создаст прогностическую модель, которую можно использовать для оценки риска с учетом комбинации факторов риска пациента. Это поможет отобрать пациентов для будущих клинических испытаний по профилактике ВСС и СН. Кроме того, он будет определять суррогатные конечные точки для мониторинга ответа на лечение при ГКМП. Таким образом, в ГКМП будет создана доказательная база, позволяющая спроектировать клинические испытания для снижения заболеваемости и смертности при ГКМП экономически эффективным способом.

3 ЗАДАЧИ Конкретной целью данного исследования является разработка прогностической модели сердечно-сосудистых исходов при гипертрофической кардиомиопатии путем: 1) использования разведочных методов сбора данных для выявления демографических, клинических и новых CMR, генетических и биомаркерных переменных, связанных с исходами, и 2) разработайте балл из прогностической модели, который можно использовать для оценки риска с учетом комбинации факторов риска у пациента, таким образом создав доказательную базу, позволяющую разработать дизайн клинических испытаний для снижения заболеваемости и смертности при ГКМП экономически эффективным способом.

Чтобы понять взаимосвязь между этими новыми маркерами риска при ГКМП и клиническим исходом, исследователи предлагают исследование естественного течения 2750 пациентов с клинически диагностированной ГКМП, изученных на исходном уровне со сбором демографических данных, клинических факторов риска, а также новых маркеров из CMR, генотипирование и сывороточные биомаркеры метаболизма коллагена и повреждения миокарда, зарегистрированные в течение 2-летнего периода и наблюдаемые в течение 3-5 лет (в среднем 4 года). Исследование будет направлено на определение маркеров риска в модели Кокса (визуализация, сыворотка и генетические факторы, выходящие за рамки стандартных клинических факторов риска) с коэффициентом риска 1,5 или выше для первичной конечной точки, которой будет сердечная смерть (включая смерть от внезапной сердечной смерти и сердечной недостаточности). ), прерванная ВСС (соответствующая разрядка имплантируемого кардиовертера-дефибриллятора) и необходимость трансплантации сердца. Вторичные конечные точки включают смертность от всех причин, желудочковые тахиаритмии, госпитализацию по поводу сердечной недостаточности, мерцательную аритмию и инсульт. Это исследование позволит создать прогностическую модель, которая поможет выявить пациентов из группы риска, а также пациентов для будущих клинических испытаний по предотвращению ВСС и СН. Кроме того, он будет определять суррогатные конечные точки для мониторинга ответа на лечение при ГКМП.

4 ДИЗАЙН ИССЛЕДОВАНИЯ 4.1 Отбор исследуемой популяции

Характеристики пациента:

Будет набрано 2750 пациентов, среди которых не менее 51% женщин и 30% представителей меньшинств.

Места набора:

Стационарное или амбулаторное лечение в 35-40 центрах Северной Америки и Европы

Образцы биомаркеров сыворотки и ДНК Кровь будет собираться путем периферической венепункции при зачислении в качестве источника сыворотки и плазмы для анализа биомаркеров, а также в качестве источника ДНК для генетического тестирования. Запрашиваются образцы натощак, но если это невозможно с точки зрения логистики, можно получить образцы не натощак и отметить их как таковые. Исследователи также попросят испытуемых воздержаться от тяжелых физических упражнений в течение 24 часов до забора крови, чтобы снизить вероятность ложно повышенных биомаркеров, отражающих влияние активной физической активности.

МРТ сердца

Будет проведена МРТ сердца, которая займет около часа. 0,15 мМ контрастного вещества гадолиния будет введено через внутривенный катетер во время МРТ.

Полная информация о протоколе будет в Учебном пособии. Лабораторные оценки 5.1.1 Сбор образцов, подготовка, обращение и транспортировка Образцы биомаркеров (полная информация представлена ​​в отдельном Техническом руководстве по биомаркерам) не могут быть получены) образцы ДНК

1. Возьмите одну пробирку с ЭДТА объемом 10 мл. 6 РАСПИСАНИЕ ИССЛЕДОВАНИЯ 6.1 Скрининг Медицинские записи пациента будут проверены для подтверждения диагноза и соответствия требованиям.

Информированное согласие должно быть получено членом исследовательской группы. 6.2 Базовый визит

Первоначальный визит будет запланирован для процедур исследования, как указано в пункте 5 выше. 6.3 Последующие визиты Будет проводиться ежегодное последующее телефонное наблюдение на срок до 5 лет и обзор соответствующих больничных записей или записей о смерти. В настоящее время состояние здоровья будет оцениваться с помощью SF-12.

10 СТАТИСТИЧЕСКИЕ СООБРАЖЕНИЯ 10.1 Показатели результатов исследования

Первичной конечной точкой этого проспективного исследования является комбинация сердечной смерти (смерть от внезапной сердечной смерти и смерти от сердечной недостаточности), прерванной внезапной сердечной смерти, включая соответствующее срабатывание ИКД, и необходимости трансплантации сердца.

Вторичные конечные точки включают смертность от всех причин, желудочковые тахиаритмии, госпитализацию по поводу сердечной недостаточности, мерцательную аритмию и инсульт.

10.2 Соображения относительно размера выборки Если предположить, что 3-летняя частота событий составляет 4,2% на основании недавно опубликованных литературных источников10;11;26;27, а частота альфа-ошибок составляет 5%, 2500 пациентов обеспечивают мощность более 90% для определения отношения рисков 1,5 по крайней мере в течение один фактор риска в модели Кокса. Дополнительные 250 (всего 2750) пациентов будут зарегистрированы, чтобы компенсировать прогнозируемый уровень отсева в размере 2% в год.

10.3 Регистрация участников и последующие действия 2750 участников будут находиться под наблюдением в течение 5 лет. 10.4 План анализа Поскольку частота ожидаемых событий невелика (4-5%), а количество потенциальных прогностических факторов риска велико (более 20), будет использоваться исследовательский анализ с древовидной классификацией для выявления наиболее сильных предикторов и исключения оцениваются как имеющие небольшую предсказательную силу или вообще не имеющие ее. На основе факторов риска, выявленных в ходе исследовательского анализа, будет разработана модель прогнозирования регрессии, на основе которой можно будет рассчитать суммарную оценку риска ГКМП и легко использовать ее в клинических условиях.

Методы интеллектуального анализа данных на основе дерева будут использоваться для определения ключевых переменных в прогнозировании основного исхода, комбинации сердечной смерти (смерть от внезапной сердечной смерти и смерти от сердечной недостаточности), прерванной сердечной смерти, включая соответствующее срабатывание ИКД, и потребности в трансплантации сердца. Вторичные конечные точки будут включать смертность от всех причин, желудочковые тахиаритмии, септальную миэктомию или алкогольную абляцию, госпитализацию по поводу сердечной недостаточности, мерцательную аритмию и инсульт. Моделирование на основе дерева — это исследовательский метод выявления структуры многомерных данных28;29. Это особенно полезно для получения правил прогнозирования на основе большого количества скрининговых переменных или факторов риска. Древовидные модели можно использовать как для классификации (бинарный результат), так и для регрессии (непрерывный результат). В любом случае набор правил прогнозирования (из переменных-предикторов) отображается в виде дерева. Терминология аналогична терминологии деревьев: корень — это верхний узел дерева, который отображает среднее значение (регрессия) или пропорцию (классификация) результата для всей выборки. Разделение — это правило создания новых ветвей, а лист — конечный узел. Каждый узел представляет собой двоичное разделение переменной предиктора, которое содержит две подгруппы выборки с максимально возможной разницей между группами. Одна и та же переменная может появляться более чем на одном уровне дерева (рекурсивное разбиение).

Преимущество древовидных моделей по сравнению с линейными и аддитивными моделями заключается в том, что они лучше фиксируют неаддитивные отношения и легче выявляют сложные взаимодействия между переменными-предикторами. Непрерывные переменные или категориальные переменные с более чем двумя уровнями не нуждаются в дихотомии перед анализом - алгоритм дерева определяет значение отсечки, которое дает наиболее однородные узлы. Отсутствующие данные можно рассматривать как отдельную категорию. Первоначальные древовидные модели будут включать факторы риска, перечисленные в следующей таблице, а также демографические переменные, возраст, пол и расу.

Клиническая CMR Генетические биомаркеры Семейный анамнез ВСС, связанной с ГКМП Фракция выброса ЛЖ MYH7 NT-pro BNP Необъяснимый недавний обморок Индекс массы/массы ЛЖ MYBPC3 Singulex сердечный тропонин Массивная ГЛЖ (толщина стенки >30 мм) Максимальная диастолическая толщина стенки Мутации тонких филаментов PICP Множественный всплеск неустойчивая ЖТ Степень LGE (% от массы ЛЖ) Сложные/двойные гетерозиготы ST2 Гипотензивный ответ АД на физическую нагрузку Глобальная доля внеклеточного объема Мутация саркомера отрицательная Исходное дерево уменьшается в размере (обрезается) путем сравнения частоты ошибочной классификации меньших деревьев с более крупными деревьями для оценки снижение предсказательной способности деревьев в результате обрезки. Цель состоит в том, чтобы определить самые сильные предикторы ГКМП, любые взаимодействия предикторов и исключить любые факторы, которые имеют небольшую прогностическую силу. Хотя древовидные модели обеспечивают быструю идентификацию самых сильных предикторов и комбинаций предикторов, они обычно не приводят к клинически полезным моделям прогнозирования, которые хорошо обобщаются для пациентов в других условиях. Методы регрессии с использованием процедур повторной выборки тестовой проверки будут использоваться для разработки максимально достоверной модели.

Используя демографические, клинические, визуализирующие, биомаркерные и генетические показатели, а также любые взаимодействия, выявленные в анализе дерева, пропорциональная регрессия рисков Кокса будет использоваться для разработки прогностической модели, на основе которой можно будет рассчитать суммарную оценку риска и применить ее в клинических условиях. Методы параметрической регрессии могут использоваться, если предположение о пропорциональных рисках не выполняется. Регрессионная модель будет разработана с использованием 100-кратной процедуры проверки, в соответствии с которой 50% наблюдений будут случайным образом выбраны для разработки модели (тестовая выборка), а оставшиеся 50% будут использоваться для оценки прогностической способности модели (проверочная выборка). Эта процедура будет повторяться 100 раз с различным случайным выбором контрольно-проверочных образцов для каждой итерации. C-индекс будет рассчитываться для оценки различения модели как для тестовой, так и для проверочной выборки30. Совокупность моделей проверки и проверки обеспечивает оценку затухания c-индекса, когда модель применяется к другому образцу, а также согласованность конкретных факторов риска, появляющихся в моделях. Будет построена окончательная модель, включающая комбинацию самых сильных (высокий c-индекс и частота появления) предикторов. Затем эта модель будет применяться ко всей выборке для оценки коэффициентов регрессии и коэффициентов риска, а также для расчета суммарной оценки риска30. Номограммы будут построены на основе окончательной модели, чтобы обеспечить прогнозируемые вероятности оценок риска. Чтобы упростить использование номограммы, переменные, которые являются статистически значимыми, но мало влияют на прогноз, могут быть исключены. Модель также будет использоваться для разработки алгоритма прогнозирования, который быстро рассчитывает риск на портативном электронном устройстве. Этот анализ может также использоваться при планировании клинических испытаний для оценки терапевтической эффективности путем определения размеров эффекта (коэффициентов опасности) для расчета требований к размеру выборки.

Тип исследования

Наблюдательный

Регистрация (Оцененный)

2750

Контакты и местонахождение

В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.

Места учебы

  • Германия
      • Berlin, Германия, 13125
        • Charité - Universitätsmedizin Berlin
      • Heidelberg, Германия, D-69120
        • Universitäts Klinikum Heidelberg
      • Stuttgart, Германия, 70376
        • Robert-Bosch-Krankenhaus GmbH
  • Италия
      • Bologna, Италия, 40138
        • Università di Bologna
      • Florence, Италия, 50134
        • Careggi University Hospital
      • Milan, Италия, 20132
        • San Raffaele University Hospital
      • Rome, Италия, 00185
        • Sapienza University
  • Канада
      • Quebec, Канада, G1V 4G5
        • Quebec Heart Insititute
    • Alberta
      • Calgary, Alberta, Канада, T2N 2T9
        • University Of Calgary
    • Ontario
      • Toronto, Ontario, Канада, M5G 2C4
        • Toronto General Research Institute (TGRI), Toronto General Hospital
    • Quebec
      • Montreal, Quebec, Канада, H1T 1C8
        • Montreal Heart Institute (Institut de Cardiologie de Montreal)
      • Montreal, Quebec, Канада, QC H3G 1B3
        • McGill University Health Center
  • Нидерланды
      • Amsterdam, Нидерланды, 1081 HV
        • VU University Medical Center
      • Rotterdam, Нидерланды, 3015 CE
        • Erasmus MC
  • Соединенное Королевство
      • Birmingham, Соединенное Королевство, B15 2TH
        • University Hospitals Birmingham (Queen Elizabeth Hospital)
      • Bristol, Соединенное Королевство, BS2 8HW
        • Bristol Heart Institute
      • Edinburgh, Соединенное Королевство, EH16 4SB
        • Royal Infirmary of Edinburgh
      • Leeds, Соединенное Королевство, LS2 9JT
        • University of Leeds
      • Leicester, Соединенное Королевство, LE3 9QP
        • Glenfield Hospital Leicester
      • London, Соединенное Королевство, E2 9JX
        • London Chest Hospital
      • London, Соединенное Королевство, SW3 6NP
        • Royal Brompton Hospital
      • London, Соединенное Королевство, SE1 7EH
        • King's College London (St. Thomas' Hospital)
      • London, Соединенное Королевство, SW17 0RE
        • St. George's Healthcare NHS Trust
      • Oxford, Соединенное Королевство, OX3 9DU
        • Oxford University
      • Southampton, Соединенное Королевство, SO16 6YD
        • University of Southhamptom
    • Scotland
      • Aberdeen, Scotland, Соединенное Королевство, AB25 2ZD
        • University of Aberdeen, School of Medicine and Dentistry
      • Glasgow, Scotland, Соединенное Королевство, G12 8TA
        • University of Glasgow (BHF Glasgow Cardiovascular Research Centre)
  • Соединенные Штаты
    • Connecticut
      • New Haven, Connecticut, Соединенные Штаты, 06520
        • Yale University
    • Illinois
      • Chicago, Illinois, Соединенные Штаты, 60611
        • Northwestern University Feinberg School of Medicine
    • Maryland
      • Baltimore, Maryland, Соединенные Штаты, 21287-0409
        • Johns Hopkins University
    • Massachusetts
      • Boston, Massachusetts, Соединенные Штаты, 02215
        • Beth Israel Deaconess Medical Center
      • Boston, Massachusetts, Соединенные Штаты, 02111
        • Tufts Medical Center
      • Boston, Massachusetts, Соединенные Штаты, 02115
        • Brigham & Women's Hospital
    • Michigan
      • Ann Arbor, Michigan, Соединенные Штаты, 48109-56444
        • University of Michigan Health System
    • Minnesota
      • Rochester, Minnesota, Соединенные Штаты, 55905
        • Mayo Clinic
    • New York
      • New York, New York, Соединенные Штаты, 10016
        • NYU Medical Center
      • New York, New York, Соединенные Штаты, 10019
        • St. Luke's Roosevelt University Hospital of Columbia University
      • New York, New York, Соединенные Штаты, 10065
        • Weill Cornell - New York Presbyterian
    • North Carolina
      • Durham, North Carolina, Соединенные Штаты, 27710
        • Duke University Medical Center
    • Ohio
      • Cleveland, Ohio, Соединенные Штаты, 44195
        • Cleveland Clinic
    • Oregon
      • Portland, Oregon, Соединенные Штаты, 97239
        • Oregon Health & Science University
    • Pennsylvania
      • Philadelphia, Pennsylvania, Соединенные Штаты, 19104
        • Hospital of the University of Pennsylvania (Penn Heart and Vascular Center)
    • Texas
      • Houston, Texas, Соединенные Штаты, 77030
        • Methodist DeBakey Cardiology Associates
    • Virginia
      • Charlottesville, Virginia, Соединенные Штаты, 22908
        • University of Virginia Health System

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

От 18 лет до 65 лет (Взрослый, Пожилой взрослый)

Принимает здоровых добровольцев

Нет

Метод выборки

Вероятностная выборка

Исследуемая популяция

Клиники гипертрофической кардиомиопатии Клиники кардиологии Генетические клиники Ассоциация гипертрофической кардиомиопатии

Описание

Критерии включения:

  • Пациенты в возрасте 18-65 лет с установленным диагнозом ГКМП, определяемой как необъяснимая ГЛЖ, определяемая как любой сегмент толщиной ≥15 мм без предрасполагающей причины.
  • Подписанное информированное согласие

Критерий исключения:

  • Предшествующая септальная миэктомия или алкогольная септальная абляция
  • Предшествующий инфаркт миокарда
  • Непрекращающиеся желудочковые аритмии
  • Неспособность лежать ровно,
  • Противопоказания к CMR, включая кардиостимуляторы, дефибрилляторы, внутриглазные металлы, некоторые типы внутричерепных клипс для аневризм, тяжелую клаустрофобию,
  • хроническая болезнь почек IV/V стадии со скоростью клубочковой фильтрации <30 мл/мин,
  • Сахарный диабет с поражением органов-мишеней
  • Беременная женщина
  • Невозможность дать информированное согласие

Учебный план

В этом разделе представлена ​​подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

Когорты и вмешательства

Группа / когорта
Вмешательство/лечение
Гипертрофическая кардиомиопатия

Нет - это обсервационное исследование.

Пациенты с гипертрофической кардиомиопатией будут наблюдаться до 5 лет после индексной магнитно-резонансной томографии сердца и забора крови для генетики и биомаркеров.
Другой: Нет - это обсервационное исследование
Нет - это обсервационное исследование

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Трансплантация сердца
Временное ограничение: 5 лет
5 лет
Сердечная смерть
Временное ограничение: 5 лет
Внезапная сердечная смерть и смерть от сердечной недостаточности
5 лет
Прерванная внезапная сердечная смерть
Временное ограничение: 5 лет
Включает соответствующее срабатывание ИКД (устойчивая желудочковая тахикардия, частота >200 ударов в минуту или фибрилляция желудочков)
5 лет
размещение вспомогательного устройства для левого желудочка
Временное ограничение: 5 лет
5 лет

Вторичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Смертность от всех причин
Временное ограничение: 5 лет
5 лет
Госпитализация по поводу сердечной недостаточности
Временное ограничение: 5 лет
5 лет
Инсульт
Временное ограничение: 5 лет
5 лет
Желудочковые тахиаритмии
Временное ограничение: 5 лет
Фибрилляция желудочков или устойчивая желудочковая тахикардия
5 лет
Мерцательная аритмия
Временное ограничение: 5 лет
5 лет

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Спонсор

University of Virginia

Соавторы

National Heart, Lung, and Blood Institute (NHLBI)
Oxford University Hospitals NHS Trust

Следователи

  • Главный следователь: Stefan Neubauer, MD, University of Oxford
  • Главный следователь: Christopher M Kramer, MD, University of Virginia Health System

Публикации и полезные ссылки

Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.

Общие публикации

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования

1 апреля 2014 г.

Первичное завершение (Оцененный)

1 июня 2025 г.

Завершение исследования (Оцененный)

1 июня 2025 г.

Даты регистрации исследования

Первый отправленный

31 июля 2013 г.

Впервые представлено, что соответствует критериям контроля качества

31 июля 2013 г.

Первый опубликованный (Оцененный)

5 августа 2013 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

13 декабря 2024 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

12 декабря 2024 г.

Последняя проверка

1 декабря 2024 г.

Дополнительная информация

Термины, связанные с этим исследованием

Ключевые слова

Дополнительные соответствующие термины MeSH

Другие идентификационные номера исследования

  • U01HL117006-01A1 (Грант/контракт NIH США)

Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .

Подписаться