- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT06545435
Прогноз BIA мышечной и жировой массы у взрослых, страдающих ожирением
Прогнозирование мышечной массы и жировой массы аппендикса с помощью анализа биоэлектрического импеданса среди взрослых пациентов с ожирением.
Обзор исследования
Статус
Условия
Подробное описание
Оценка состава тела у лиц с ожирением, в частности, избытка жировой массы и возможного снижения мышечной массы (саркопеническое ожирение; Donini, 2022; Cappellari, 2023), важна для определения фенотипических проявлений ожирения (оценки риска дисметаболических, сердечно-сосудистых и функциональных осложнений), а также определить лучший подход к лечению (Salmon-Gomez, 2023). Двойная рентгеновская абсорбциометрия (ДРА) — это зрелая технология оценки состава тела, в которой за последние три десятилетия произошли значительные достижения (Shepherd et al 2017). DXA является проверенным инструментом для изучения фенотипов состава тела, поскольку он надежно оценивает минеральное содержание всего тела и отдельных частей костей, жировую и мышечную массу (Prado et al 2014; Baumgartner et al 1998; Borga et al 2018; Toombs et al 2012). К сожалению, он не всегда доступен во всех условиях, где вместо этого обычно используется биоимпедансный анализ (BIA) (который имеет более низкую стоимость и большее удобство использования) для оценки состава тела, исходя из данных электрического сопротивления и реактивного сопротивления (Ward, 2019).
К сожалению, эти два метода часто дают несовместимые результаты, и были проведены исследования для прогнозирования с помощью BIA значений, обычно получаемых только с помощью DXA. В частности, в различных исследованиях оценивалась тощая масса аппендикуляра с помощью BIA, которая представляет собой важный параметр для оценки саркопении и коррелирует с ее функциональными ограничениями (Zambone, 2020). Например, апостериорный анализ исследования PROVIDE (Scafoglieri, 2017) был направлен, в частности, на оценку уровня согласия между соотношениями мягких тканей, полученными с помощью BIA и DXA, как показателей качества тканей конечностей, а также на разработку и перекрестную проверку новых Уравнения BIA для прогнозирования аппендикулярных мягких тканей (жировой массы (FM) и аппендикулярной тощей массы (ALM)) у пожилых людей европеоидной расы со снижением физических функций с использованием систем Hologic Horizon и GE Lunar DXA в качестве эталонных методов.
МЕТОДЫ:
Это исследование основано на исходных данных (антропометрических, BIA и DXA), собранных в ранее существовавших наборах данных. В частности
- набор данных Sapienza, полученный в результате исследования, направленного на изучение связи между маркерами чувствительности к инсулину и SO, определенными тремя новыми моделями состава тела (Poggiogalle, 2020), будет использоваться для разработки уравнений BIA, прогнозирующих образования аппендикулярных мягких тканей;
- наборы данных из различных исследований и, в частности, из Международного проекта набора данных BIA, будут использоваться для проверки уравнений BIA, оценивающих соответствие между оценкой мягких тканей, полученной с помощью BIA и DXA.
ПАРАМЕТРЫ ИССЛЕДОВАНИЯ:
-Антропометрия: антропометрические параметры должны были измеряться в соответствии с утвержденными и стандартизированными методиками (Lohman, 1988).
Интересующими антропометрическими параметрами являются масса тела, рост, окружность талии, окружность икры, окружность руки, толщина кожной складки трицепса, длина конечностей.
-Двухэнергетическая рентгеновская абсорбциометрия: все участники должны были быть просканированы с помощью устройства DXA всего тела веерным лучом (Hologic Bedford, Массачусетс, США; Lunar Prodigy, GE Healthcare). Ежедневную калибровку денситометров следует проводить в соответствии с инструкциями производителя.
Поскольку измерения различаются у приборов разных производителей, для решения этих проблем и улучшения согласованности между устройствами будут использоваться калибровочные уравнения (Вендрами, 2024; Шеперд, 2012).
Интересующими компонентами тела являются общая жировая масса (FM), общая тощая масса (LM), ALM (сумма мышечной массы в конечностях), FM (сумма жировой массы в конечностях) и соотношение ALM к ФМ.
-Анализ биоэлектрического импеданса: после ночного голодания и опорожнения мочевого пузыря анализ биоэлектрического импеданса должен был быть проведен в положении участников, лежа на спине (их конечности слегка отодвинуты от тела; активные электроды должны были быть размещены с правой стороны на обычных пястных и плюсневых линиях). регистрация электродов в стандартных положениях на правом запястье и лодыжке) или в вертикальном положении (босиком, наступив на встроенные в весы электроды и взявшись за ручки электродов). В каждой точке для измерения падения напряжения в тканях тела должно было использоваться тетраполярное устройство BIA всего тела, работающее на слабом переменном электрическом токе силой от 500 мкА до 1 мА и одной частоте 50 кГц.
Интересующими электрическими параметрами являются сопротивление (R: ограничение прохождения тока), реактивное сопротивление (Xc: емкость клеточных мембран и границ тканей) и фазовый угол (PhA).
Информация об устройствах BIA будет записана, поскольку необработанные значения R и Xc могут быть несопоставимы.
Из-за значительных различий, обнаруженных в разных исследованиях при сравнении вертикального положения и положения лежа на спине (Ducharme, 2022; Hamilton-James, 2022), результаты, полученные с помощью двух методологий, будут анализироваться отдельно.
Учитывая ограничение, о котором сообщили авторы исследования PROVIDE (т. е. отсутствие прямого измерения внеклеточной воды; Scafoglieri, 2017), также будут использоваться необработанные данные, полученные с помощью многочастотных биоимпедансных устройств, если они доступны. В частности, будут включены значения импеданса и сопротивления, измеренные на частоте 5 кГц; кроме того, там, где это возможно, было бы оптимально анализировать данные, измеренные на следующих частотах; 1, 2, 5, 10, 50, 100, 200, 250 и 500 кГц.
СТАТИСТИКА:
Данные будут проанализированы с использованием IBM® SPSS®Statistics версии 25. Данные будут представлены в виде частоты (в процентах) и среднего значения ± SD для качественных и количественных переменных соответственно. Тест Шапиро-Уилка будет использоваться для оценки нормального распределения данных. Сравнение непрерывных переменных будет осуществляться с использованием параметрических или непараметрических критериев в зависимости от того, является ли распределение нормальным или нет. Тест хи-квадрат будет использоваться для проверки того, значительно ли частоты, встречающиеся в выборке, отличаются от ожидаемых частот. Порог статистической значимости будет установлен на уровне p<0,05.
Предварительные уравнения, в которых в качестве зависимых переменных используются полученные с помощью DXA тощая и жировая масса аппендикуляра, а также возраст, пол, ИМТ, вес, индекс импеданса и реактивное сопротивление в качестве независимых переменных, будут разработаны с использованием пошагового подхода множественной линейной регрессии. В уравнениях будут учитываться только значимые регрессоры аппендикулярных образований мягких тканей.
Соответствие характеристик модели будет оцениваться с использованием множественных корреляций (R2) и стандартных ошибок оценки (SEE). Для каждого из компонентов аппендикулярных мягких тканей в анализе перекрестной проверки будет использоваться модель с наименьшей стандартной ошибкой оценки.
Данные об индивидууме и составе тела из образцов перекрестной проверки будут введены в разработанные уравнения для оценки их точности. Статистика перекрестной проверки включает в себя среднюю разницу, пределы согласия и среднеквадратическую ошибку.
Кроме того, согласие между ALM_BIA, оцененным в нашей выборке, ALM_SERGI, ALM_Provide и ALM_KYLE, будет оцениваться с помощью регрессионного анализа.
Наконец, согласие между отношениями ALM/FM, оцененными DXA и BIA, будет оценено с использованием анализа Бланда и Альтмана.
Тип исследования
Регистрация (Оцененный)
Контакты и местонахождение
Контакты исследования
- Имя: Lorenzo M Donini, MD
- Номер телефона: 00390649690215
- Электронная почта: lorenzomaria.donini@uniroma1.it
Учебное резервное копирование контактов
- Имя: Eleonora Poggiogalle, MD, PhD
- Номер телефона: 00390649690215
- Электронная почта: eleonora.poggiogalle@uniroma1.it
Места учебы
-
-
-
Perth, Австралия, 6102
- Рекрутинг
- Curtin University, School of Population Health
-
-
-
-
Rio Grande Do Sul
-
Pelotas, Rio Grande Do Sul, Бразилия, 96010-610
- Рекрутинг
- Federal University of Pelotas
-
Контакт:
- Maria Cristina Gonzalez
-
-
-
-
-
Cagliari, Италия, 09042
- Рекрутинг
- University of Cagliari, Department of Life and Environmental Sciences
-
Контакт:
- Elisabetta Marini
-
Roma, Италия
- Рекрутинг
- Sapienza, University of Rome
-
Младший исследователь:
- Marianna Minnetti
-
Контакт:
- Lorenzo M Donini, MD
- Номер телефона: 00390649690215
- Электронная почта: lorenzomaria.donini@uniroma1.it
-
Контакт:
- Eleonora Poggiogalle, MD, PhD
- Номер телефона: 00390649690215
- Электронная почта: eleonora.poggiogalle@uniroma1.it
-
Младший исследователь:
- Francesco Frigerio, MD
-
Младший исследователь:
- Alessia Vitozzi
-
Младший исследователь:
- Alessandro Pinto
-
Младший исследователь:
- Zaira Spinello
-
Trieste, Италия
- Рекрутинг
- Department of Medical, Surgical and Health Sciences, University of Trieste, Trieste, Italy
-
Контакт:
- Rocco Barazzoni
-
-
-
-
Alberta
-
Edmonton, Alberta, Канада, T6G 2P5
- Рекрутинг
- University of Alberta, Department of Agricultural, Food and Nutritional Science
-
Контакт:
- Carla Prado
-
-
-
-
-
Lisboa, Португалия, 1495-751
- Рекрутинг
- Universidade de Lisboa, Exercise and Health Laboratory, CIPER, Faculdade de Motricidade Humana
-
Контакт:
- Analiza Monica Silva
-
-
-
-
Louisiana
-
Baton Rouge, Louisiana, Соединенные Штаты, 70808
- Рекрутинг
- Pennington Biomedical Research Center, Louisiana State University
-
Контакт:
- Steven Heymsfield
-
-
North Carolina
-
Chapel Hill, North Carolina, Соединенные Штаты, 27514
- Рекрутинг
- Division of Geriatric Medicine, School of Medicine, and Department of Nutrition, Gillings School of Global Public Health, University of North Carolina at Chapel Hill
-
Контакт:
- John A Batsis
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Взрослые с ожирением (ИМТ ≥ 30 кг/м²)
- Возраст 18 лет и старше
- Доступные базовые измерения DXA и BIA
- Предоставлено информированное согласие на использование данных
Критерии исключения:
- любое хроническое заболевание или лекарство, которое может существенно повлиять на состав тела [например. злокачественные заболевания за последние 5 лет, органная недостаточность, острое воспаление (С-реактивный белок >10 мг/л), аутоиммунные заболевания, неврологические заболевания, синдромальное ожирение]
- когнитивные нарушения (мини-обследование психического состояния <25)
- субъекты, которые считаются физически активными (спортсмены или очень активные субъекты, т. е. выполняющие не менее 150 минут умеренной или высокой физической активности в неделю)
- потребление алкоголя >140 г/нед. для мужчин и 70 г/нед. для женщин.
- участие в программе снижения веса (последние 3 месяца)
- невозможность сдать экзамен DXA
- беременность и кормление грудью.
Учебный план
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
|---|
|
Когорта взрослых, страдающих ожирением
Эта когорта включает взрослых европеоидной расы с ожирением (ИМТ ≥ 30 кг/м²).
Участники прошли базовую оценку с использованием двойной рентгеновской абсорбциометрии (DXA) и анализа биоэлектрического импеданса (BIA).
|
|
Подмножество проверки МРТ
Подгруппа участников из когорты взрослых с ожирением, выбранная для дополнительной проверки с использованием магнитно-резонансной томографии (МРТ) для оценки размера и архитектуры мышц.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Разработка и перекрестная проверка уравнений BIA для аппендикулярных образований мягких тканей
Временное ограничение: Базовый уровень
|
Этот основной результат измеряет точность и перекрестную проверку недавно разработанных уравнений биоэлектрического импедансного анализа (BIA) для прогнозирования аппендикулярных образований мягких тканей, включая жировую массу (FM) и аппендикулярную тощую массу (ALM), у взрослых европеоидной расы с ожирением.
Цель состоит в том, чтобы проверить эти уравнения на основе измерений двухэнергетической рентгеновской абсорбциометрии (DXA).
|
Базовый уровень
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Сравнение новых уравнений BIA с существующими моделями
Временное ограничение: Базовый уровень
|
Этот вторичный результат оценивает эффективность недавно разработанных уравнений BIA по сравнению с существующими моделями прогнозирования, полученными на основе BIA, в частности моделями Kyle et al. (2003), Серджи и др. (2015) и исследование PROVIDE (2017).
Сравнение будет сосредоточено на различиях в точности прогнозирования новообразований мягких тканей аппендикуляра (FM).
по сравнению с измерениями, полученными с помощью DXA.
|
Базовый уровень
|
|
Разработка алгоритма преобразования между устройствами BIA
Временное ограничение: Базовый уровень
|
Этот результат предполагает разработку алгоритмов, облегчающих преобразование необработанных данных BIA (сопротивление и реактивное сопротивление) между различными устройствами и группами населения.
Это направлено на стандартизацию измерений BIA и улучшение совместимости в различных условиях и демографических группах.
|
Базовый уровень
|
|
Перекрестная проверка новых уравнений BIA с различными системами DXA
Временное ограничение: Базовый уровень
|
Этот результат оценивает перекрестную проверку новых уравнений BIA с использованием различных систем DXA в качестве эталонных стандартов.
Цель состоит в том, чтобы обеспечить устойчивость и надежность прогнозов BIA для различных технологий DXA.
по размеру и архитектуре мышц у подвыборки участников.
|
Базовый уровень
|
|
Проверка уравнений BIA с использованием магнитно-резонансной томографии (МРТ)
Временное ограничение: Базовый уровень
|
Этот результат оценивает валидность уравнений BIA у подгруппы субъектов, использующих магнитно-резонансную томографию (МРТ) для оценки размера и архитектуры мышц.
Цель состоит в том, чтобы дополнительно подтвердить точность прогнозов BIA для состава мягких тканей по сравнению с данными МРТ.
|
Базовый уровень
|
Соавторы и исследователи
Публикации и полезные ссылки
Общие публикации
- Guralnik JM, Simonsick EM, Ferrucci L, Glynn RJ, Berkman LF, Blazer DG, Scherr PA, Wallace RB. A short physical performance battery assessing lower extremity function: association with self-reported disability and prediction of mortality and nursing home admission. J Gerontol. 1994 Mar;49(2):M85-94. doi: 10.1093/geronj/49.2.m85.
- Baumgartner RN, Koehler KM, Gallagher D, Romero L, Heymsfield SB, Ross RR, Garry PJ, Lindeman RD. Epidemiology of sarcopenia among the elderly in New Mexico. Am J Epidemiol. 1998 Apr 15;147(8):755-63. doi: 10.1093/oxfordjournals.aje.a009520. Erratum In: Am J Epidemiol 1999 Jun 15;149(12):1161.
- Janssen I, Heymsfield SB, Ross R. Low relative skeletal muscle mass (sarcopenia) in older persons is associated with functional impairment and physical disability. J Am Geriatr Soc. 2002 May;50(5):889-96. doi: 10.1046/j.1532-5415.2002.50216.x.
- Sergi G, De Rui M, Veronese N, Bolzetta F, Berton L, Carraro S, Bano G, Coin A, Manzato E, Perissinotto E. Assessing appendicular skeletal muscle mass with bioelectrical impedance analysis in free-living Caucasian older adults. Clin Nutr. 2015 Aug;34(4):667-73. doi: 10.1016/j.clnu.2014.07.010. Epub 2014 Jul 24.
- Shepherd JA, Ng BK, Sommer MJ, Heymsfield SB. Body composition by DXA. Bone. 2017 Nov;104:101-105. doi: 10.1016/j.bone.2017.06.010. Epub 2017 Jun 16.
- Borga M, West J, Bell JD, Harvey NC, Romu T, Heymsfield SB, Dahlqvist Leinhard O. Advanced body composition assessment: from body mass index to body composition profiling. J Investig Med. 2018 Jun;66(5):1-9. doi: 10.1136/jim-2018-000722. Epub 2018 Mar 25.
- Gortan Cappellari G, Guillet C, Poggiogalle E, Ballesteros Pomar MD, Batsis JA, Boirie Y, Breton I, Frara S, Genton L, Gepner Y, Gonzalez MC, Heymsfield SB, Kiesswetter E, Laviano A, Prado CM, Santini F, Serlie MJ, Siervo M, Villareal DT, Volkert D, Voortman T, Weijs PJ, Zamboni M, Bischoff SC, Busetto L, Cederholm T, Barazzoni R, Donini LM; SOGLI Expert Panel. Sarcopenic obesity research perspectives outlined by the sarcopenic obesity global leadership initiative (SOGLI) - Proceedings from the SOGLI consortium meeting in rome November 2022. Clin Nutr. 2023 May;42(5):687-699. doi: 10.1016/j.clnu.2023.02.018. Epub 2023 Feb 24.
- Donini LM, Busetto L, Bischoff SC, Cederholm T, Ballesteros-Pomar MD, Batsis JA, Bauer JM, Boirie Y, Cruz-Jentoft AJ, Dicker D, Frara S, Fruhbeck G, Genton L, Gepner Y, Giustina A, Gonzalez MC, Han HS, Heymsfield SB, Higashiguchi T, Laviano A, Lenzi A, Nyulasi I, Parrinello E, Poggiogalle E, Prado CM, Salvador J, Rolland Y, Santini F, Serlie MJ, Shi H, Sieber CC, Siervo M, Vettor R, Villareal DT, Volkert D, Yu J, Zamboni M, Barazzoni R. Definition and diagnostic criteria for sarcopenic obesity: ESPEN and EASO consensus statement. Clin Nutr. 2022 Apr;41(4):990-1000. doi: 10.1016/j.clnu.2021.11.014. Epub 2022 Feb 22.
- Hamilton-James K, Collet TH, Pichard C, Genton L, Dupertuis YM. Precision and accuracy of bioelectrical impedance analysis devices in supine versus standing position with or without retractable handle in Caucasian subjects. Clin Nutr ESPEN. 2021 Oct;45:267-274. doi: 10.1016/j.clnesp.2021.08.010. Epub 2021 Sep 6.
- Kyle UG, Genton L, Karsegard L, Slosman DO, Pichard C. Single prediction equation for bioelectrical impedance analysis in adults aged 20--94 years. Nutrition. 2001 Mar;17(3):248-53. doi: 10.1016/s0899-9007(00)00553-0.
- Kyle UG, Genton L, Hans D, Pichard C. Validation of a bioelectrical impedance analysis equation to predict appendicular skeletal muscle mass (ASMM). Clin Nutr. 2003 Dec;22(6):537-43. doi: 10.1016/s0261-5614(03)00048-7.
- Lohman, T.G., Roche, A.F. and Martorell, R. (1988) Anthropometric standardization reference manual. Human Kinetics Books, Chicago.
- Poggiogalle E, Mendes I, Ong B, Prado CM, Mocciaro G, Mazidi M, Lubrano C, Lenzi A, Donini LM, Siervo M. Sarcopenic obesity and insulin resistance: Application of novel body composition models. Nutrition. 2020 Jul-Aug;75-76:110765. doi: 10.1016/j.nut.2020.110765. Epub 2020 Feb 13.
- Prado CM, Siervo M, Mire E, Heymsfield SB, Stephan BC, Broyles S, Smith SR, Wells JC, Katzmarzyk PT. A population-based approach to define body-composition phenotypes. Am J Clin Nutr. 2014 Jun;99(6):1369-77. doi: 10.3945/ajcn.113.078576. Epub 2014 Apr 23. Erratum In: Am J Clin Nutr. 2016 Apr;103(4):1190. doi: 10.3945/ajcn.116.130823.
- Salmon-Gomez L, Catalan V, Fruhbeck G, Gomez-Ambrosi J. Relevance of body composition in phenotyping the obesities. Rev Endocr Metab Disord. 2023 Oct;24(5):809-823. doi: 10.1007/s11154-023-09796-3. Epub 2023 Mar 17.
- Scafoglieri A, Clarys JP, Bauer JM, Verlaan S, Van Malderen L, Vantieghem S, Cederholm T, Sieber CC, Mets T, Bautmans I; Provide Study Group. Predicting appendicular lean and fat mass with bioelectrical impedance analysis in older adults with physical function decline - The PROVIDE study. Clin Nutr. 2017 Jun;36(3):869-875. doi: 10.1016/j.clnu.2016.04.026. Epub 2016 Apr 28.
- Shepherd JA, Fan B, Lu Y, Wu XP, Wacker WK, Ergun DL, Levine MA. A multinational study to develop universal standardization of whole-body bone density and composition using GE Healthcare Lunar and Hologic DXA systems. J Bone Miner Res. 2012 Oct;27(10):2208-16. doi: 10.1002/jbmr.1654.
- Toombs RJ, Ducher G, Shepherd JA, De Souza MJ. The impact of recent technological advances on the trueness and precision of DXA to assess body composition. Obesity (Silver Spring). 2012 Jan;20(1):30-9. doi: 10.1038/oby.2011.211. Epub 2011 Jul 14.
- Vendrami C, Gatineau G, Gonzalez Rodriguez E, Lamy O, Hans D, Shevroja E, Standardization of body composition parameters between GE Lunar iDXA and Hologic Horizon A and their clinical impact, JBMR Plus, 2024; ziae088. doi.org/10.1093/jbmrpl/ziae088
- Ward LC. Bioelectrical impedance analysis for body composition assessment: reflections on accuracy, clinical utility, and standardisation. Eur J Clin Nutr. 2019 Feb;73(2):194-199. doi: 10.1038/s41430-018-0335-3. Epub 2018 Oct 8.
- Zambone MA, Liberman S, Garcia MLB. Anthropometry, bioimpedance and densitometry: Comparative methods for lean mass body analysis in elderly outpatients from a tertiary hospital. Exp Gerontol. 2020 Sep;138:111020. doi: 10.1016/j.exger.2020.111020. Epub 2020 Jul 9.
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Оцененный)
Завершение исследования (Оцененный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 0606/2021
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов 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. .