Когорта для воспалительных респираторных заболеваний: от фенотипирования к персонализированной медицине (PALMIRE)

Когорта для воспалительных респираторных заболеваний: от фенотипирования к персонализированной медицине (проект PALMIRE) – это моноцентрическое исследование, проводимое в Университетской больнице Реймса, Франция.

Исследуемая популяция:

Взрослые пациенты (старше 18 лет), наблюдаемые в Университетской больнице Реймса и с диагнозами астма, ХОБЛ, бронхоэктазы, муковисцидоз (CF), первичная цилиарная дискинезия (PCD) и идиопатический легочный фиброз (IPF), будут рассматриваться для включения. Пациенты подпишут информированное согласие на включение. Критерии исключения включают "лиц, находящихся под защитой закона", как того требуют французские власти. Контрольные пациенты без респираторных заболеваний после клинической оценки и оценки функции легких также будут включены. Ожидаемое количество включенных пациентов – 470 (Астма, n=100; ХОБЛ, n=150; бронхоэктазы, n=50; муковисцидоз (CF), n=60; первичная цилиарная дискинезия (PCD), n=30; интерстициальные заболевания легких (ILD), n=30; контрольная группа, n=50). Включение будет проводиться в течение 60 месяцев с июля 2025 года по июль 2030 года.

Процедуры исследования:

Для всех включенных пациентов с астмой, ХОБЛ, бронхоэктазами, муковисцидозом (CF), первичной цилиарной дискинезией (PCD) и идиопатическим легочным фиброзом (IPF) данные будут регистрироваться при включении и во время визитов для наблюдения в течение 10 лет. Пациенты будут наблюдаться в рамках обычного ухода без специфического терапевтического вмешательства. Для контрольных пациентов данные будут регистрироваться только при включении без последующего наблюдения.

Регистрируемые данные будут включать демографические характеристики, историю респираторного заболевания и сопутствующих заболеваний, респираторные симптомы, результаты тестов функции легких и КТ-сканирования, микробиологические и патологические особенности респираторных образцов при их выполнении.

Анализ данных:

Данные будут зарегистрированы в централизованной анонимизированной базе данных. Характеристики пациентов будут описаны как среднее значение и стандартное отклонение для количественных данных и как количество и проценты для качественных данных. Сравнения и ассоциации между группами и переменными будут анализироваться с помощью тестов Стьюдента, Уилкоксона, Хи-квадрат, точного теста Фишера и теста Спирмена по мере необходимости. Уровень значимости p<0,05 будет считаться значимым. Многомерные и лонгитюдные статистические модели будут использоваться для выявления кластеров пациентов с общими эндотипами. Подходы машинного обучения будут использованы для интеграции мульти-омиксных данных и создания прогностических моделей для траекторий заболевания и ответов на лечение.

Значимость:

Это исследование должно помочь лучше понять патогенез и гетерогенность хронических респираторных заболеваний путем интеграции анализа фенотипических и эндотипических характеристик пациентов.