- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06513026
Mjölk för att förebygga diabetes
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Försöket kommer att innehålla en 2-veckors mjölktvättningsperiod, följt av 1:1 randomisering till laktosinnehållande eller laktosfri mjölk i 12 veckor (4 veckor vardera med ½ kopp, 1 kopp och 2 koppar mjölk). Före och efter de 12 veckorna kommer besöken att innebära utandningstest för laktosutmaning väte (HBT; dvs laktostoleranstester) och blodprov för fasteglukos, hemoglobin A1c och metabolomics; medan avföringsprover och data om kontinuerlig glukosövervakning (CGM) kommer att samlas in hemma med hjälp av medföljande kit/enheter.
Specifika syften med studien är att: (1) fastställa genomförbarheten och tolerabiliteten för en randomiserad studie av laktosinnehållande jämfört med laktosfri mjölk; (2) att undersöka effekten av laktosinnehållande mjölk på tarmmikrobiomer, funktioner och metaboliter hos LNP-individer med pre-diabetes; och (3) att undersöka effekten av laktosinnehållande mjölk på glykemiska utfall hos LNP-individer med pre-diabetes.
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Brandilyn Peters-Samuelson, PhD
- Telefonnummer: 718-430-3281
- E-post: brandilyn.peterssamuelson@einsteinmed.edu
Studera Kontakt Backup
- Namn: Qibin Qi, PhD
- Telefonnummer: 718-430-4203
- E-post: qibin.qi@einsteinmed.edu
Studieorter
-
-
New York
-
The Bronx, New York, Förenta staterna, 10458
- Rekrytering
- HCHS/SOL Bronx Field Center
-
Kontakt:
- Telefonnummer: 718-584-1563
- E-post: milkstudy@einsteinmed.edu
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Ålder ≥18
- LNP-genotyp (LCT-gen rs4988235, GG-genotyp)
- Historik med pre-diabetes, definierad som fasteblodsocker 100-125 mg/dL och/eller hemoglobin A1c (HbA1c) 5,7-6,4% och har inte diagnostiserats med diabetes och inte heller tagit diabetesmedicin. Om blodprov togs för mer än 3 år sedan, kommer pre-diabetes att bekräftas med fingerstick HbA1c.
- Drick ≤1 kopp mjölk/dag
- Grundläggande dator- eller smartphonekunskaper
- Engelsk eller spansktalande
Exklusions kriterier:
- Ingen diabetesdiagnos
- Ingen medicin mot diabetes
- Blodprov med anamnes på pre-diabetes utfört för >3 år sedan och fingerstick HbA1c är normalt (≤5,6%).
- Ingen cancer, hjärt-kärlsjukdom (CVD) eller livshotande sjukdom
- Ingen känd mjölkallergi
- Har inga svåra GI-symtom efter att ha druckit mjölk
- Ingen historia av GI-operation
- Ingen rökning
- ≤1 alkoholhaltig dryck/dag
- Inte gravid eller ammar
- Ingen koloskopi de senaste 2 veckorna
- Ingen antibiotika de senaste 3 månaderna
- Att inte ta probiotika eller fibertillskott (eller kan sluta ta under studien)
- Att inte ta laxermedel, avföringsmjukmedel, anti-diarré (eller kan sluta ta under studien)
- Att inte delta i några extrema bantningsprogram
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Förebyggande
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Aktiv komparator: Laktosinnehållande mjölk
Deltagarna kommer att randomiseras till laktosinnehållande mjölk i åldersskikt (<60, ≥60) och kön (kvinna, man).
Inom varje ålders- och könsskikt kommer 10 deltagare att randomiseras till två interventionsgrupper i förhållandet 1:1
|
Deltagarna kommer att ombedjas att dricka vanlig mjölk (1% eller 2%) i 12 veckor enligt följande:
Deltagarna kommer att fortsätta dricka 2 koppar mjölk/dag i 2 veckor efter 12-veckorsuppföljningsbesöket. |
|
Aktiv komparator: Laktosfri mjölk
Deltagarna kommer att randomiseras till laktosfri mjölk i åldersskikt (<60, ≥60) och kön (kvinna, man).
Inom varje ålders- och könsskikt kommer 10 deltagare att randomiseras till två interventionsgrupper i förhållandet 1:1
|
Deltagarna kommer att ombes att dricka 1% eller 2% laktosfri mjölk i 12 veckor enligt följande:
Deltagarna kommer att fortsätta dricka 2 koppar mjölk/dag i 2 veckor efter 12-veckorsuppföljningsbesöket. |
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Förändring av väte utan uttag
Tidsram: Från baslinje till vecka 12
|
Vätgas utan utandning efter laktosprovokation kommer att mätas under baslinjebesöket och efter 12 veckors mjölkintervention vid tidpunkten för uppföljningsbesöket med hjälp av Hydrogen Breath Test (HBT) kit.
Andningsrör kommer att skickas till ett externt laboratorium där stabil isotopanalys för väte utan utandning kommer att utföras.
Vätgas vid utandningsluft kommer att uttryckas som inkrementell area under kurvan (iAUC).
Förändring i iAUC från baslinje till vecka 12 kommer att sammanfattas med hjälp av grundläggande beskrivande statistik (gruppmedelvärden och standardavvikelser), och förändring i iAUC kommer att jämföras mellan behandlingsgrupperna.
|
Från baslinje till vecka 12
|
|
Förändring i tarmmikrobiomets egenskaper - Relativt överflöd av arter
Tidsram: Från baslinje till vecka 12
|
Avföringsprover kommer att samlas in med hjälp av mikrobiomkit för hemmaavföring vid baslinjen, 4-, 8- och 12-veckors tidpunkter.
Hagelgevärssekvensering kommer att genomföras.
Förändring i relativ förekomst av arter (med >1% medelvärde av relativ förekomst) från baslinjen kommer att sammanfattas med hjälp av grundläggande beskrivande statistik (gruppmedelvärden och standardavvikelser).
Förändring i relativ förekomst av arter från baslinjen kommer att jämföras mellan behandlingsgrupperna.
|
Från baslinje till vecka 12
|
|
Förändring i tarmmikrobiomets egenskaper - Funktionell väg relativ överflöd
Tidsram: Från baslinje till vecka 12
|
Avföringsprover kommer att samlas in med hjälp av mikrobiomkit för hemmaavföring vid baslinjen, 4-, 8- och 12-veckors tidpunkter.
Hagelgevärssekvensering kommer att genomföras.
Förändring i relativ förekomst av funktionella vägar (med >1% genomsnittlig relativ förekomst) från baslinjen kommer att sammanfattas med hjälp av grundläggande beskrivande statistik (gruppmedelvärden och standardavvikelser).
Förändring i relativ mängd funktionella vägar från baslinjen kommer att jämföras mellan behandlingsgrupperna.
|
Från baslinje till vecka 12
|
|
Förändring i tarmmikrobiomets egenskaper - Metabolomics
Tidsram: Från baslinje till vecka 12
|
Riktad metabolisk profilering kommer att utföras på serum- och avföringsprover (baslinje och vecka 12) med LC-MS/MS-metoder för absolut kvantifiering av 70 metaboliter associerade med tarmbakteriell metabolism.
Förändringar i avföring och serummetaboliter från baslinjen kommer att sammanfattas med hjälp av grundläggande beskrivande statistik (gruppmedelvärden och standardavvikelser).
Förändringar i avföring och serummetaboliter från baslinjen kommer att jämföras mellan behandlingsgrupperna.
|
Från baslinje till vecka 12
|
|
Förändring av glykemiska utfall - Fastande glukos
Tidsram: Från baslinje till vecka 12
|
Blodserumprover för fasteglukos kommer att samlas in vid baslinjen och vecka 12. Fastande glukos, dvs blodsockernivåer efter en 8-timmars fasta, kommer att analyseras via standardanalytiska kemimetoder och rapporteras i mg/dL eller mmol/L enheter.
Intervallet varierar men en fasteglukosnivå <99 mg/dL anses vara "normal", mellan 100-125 mg/dL är inom intervallet "pre-diabetiker", >126 mg/dL är inom intervallet "diabetiker".
Förändring i fasteglukos från baslinjen kommer att sammanfattas med hjälp av beskrivande statistik (medelvärden och standardavvikelser) och jämföras mellan behandlingsgrupperna.
|
Från baslinje till vecka 12
|
|
Förändring i glykemiska utfall - Hemoglobin A1c (HbA1c)
Tidsram: Från baslinje till vecka 12
|
Helblodsprover för HbA1c kommer att samlas in vid baslinjen och vecka 12. HbA1c, som används för att mäta mängden hemoglobin med vidhäftad glukos och återspeglar genomsnittliga blodsockernivåer under de senaste månaderna, kommer att analyseras med standardanalytiska kemimetoder.
Intervallet varierar dock, ett "normalt" HbA1c är i allmänhet <5,7%, 5,7-6,4% är i det "pre-diabetiska" intervallet och ett värde på 6,5% eller högre är i det "diabetiker".
Förändring i HbA1c från baslinjen kommer att sammanfattas med hjälp av beskrivande statistik (medelvärden och standardavvikelser) och jämföras mellan behandlingsgrupperna.
|
Från baslinje till vecka 12
|
|
Förändring i glykemiska utfall - Kontinuerlig glukosövervakning (CGM) medelvärde av glukos
Tidsram: Från visningsbesök till vecka 14 besök
|
Under screeningbesöket kommer deltagarna att få en 2-veckors kontinuerlig glukosmätare (CGM) applicerad på huden på överarmen innan den 2 veckor långa mjölktvättningsperioden.
CGM kommer att returneras under baslinjebesöket 2 veckor senare.
Efter det 12 veckor långa besöket kommer ytterligare en 2-veckors CGM att tillämpas under vilken tid deltagarna kommer att fortsätta att dricka mjölk samtidigt med 2-veckors CGM (dvs. fram till 14 veckor).
Förändring i medelglukos (mg/dL) från screening till vecka 14 kommer att sammanfattas med hjälp av beskrivande statistik (medelvärden och standardavvikelser) och jämföras mellan behandlingsgrupperna.
|
Från visningsbesök till vecka 14 besök
|
|
Förändring i glykemiska resultat - Kontinuerlig glukosövervakning (CGM) glykemisk variabilitet
Tidsram: Från visningsbesök till vecka 14 besök
|
Under screeningbesöket kommer deltagarna att få en 2-veckors kontinuerlig glukosmätare (CGM) applicerad på huden på överarmen innan den 2 veckor långa mjölktvättningsperioden.
CGM kommer att returneras under baslinjebesöket 2 veckor senare.
Efter det 12 veckor långa besöket kommer ytterligare en 2-veckors CGM att tillämpas under vilken tid deltagarna kommer att fortsätta att dricka mjölk samtidigt med 2-veckors CGM (dvs. fram till 14 veckor).
Förändring i glykemisk variabilitet (%CV) från screening till vecka 14 kommer att sammanfattas med hjälp av beskrivande statistik (medelvärden och standardavvikelser) och jämföras mellan behandlingsgrupperna.
|
Från visningsbesök till vecka 14 besök
|
|
Förändring i glykemiska utfall - Continuous Glucose Monitoring (CGM) tid över intervallet
Tidsram: Från visningsbesök till vecka 14 besök
|
Under screeningbesöket kommer deltagarna att få en 2-veckors kontinuerlig glukosmätare (CGM) applicerad på huden på överarmen innan den 2 veckor långa mjölktvättningsperioden.
CGM kommer att returneras under baslinjebesöket 2 veckor senare.
Efter det 12 veckor långa besöket kommer ytterligare en 2-veckors CGM att tillämpas under vilken tid deltagarna kommer att fortsätta att dricka mjölk samtidigt med 2-veckors CGM (dvs. fram till 14 veckor).
Förändring i tid över intervallet (%) från screening till vecka 14 kommer att sammanfattas med hjälp av beskrivande statistik (medelvärden och standardavvikelser) och jämföras mellan behandlingsgrupperna.
|
Från visningsbesök till vecka 14 besök
|
|
Förändring i glykemiska utfall - Continuous Glucose Monitoring (CGM) tid inom intervallet
Tidsram: Från visningsbesök till vecka 14 besök
|
Under screeningbesöket kommer deltagarna att få en 2-veckors kontinuerlig glukosmätare (CGM) applicerad på huden på överarmen innan den 2 veckor långa mjölktvättningsperioden.
CGM kommer att returneras under baslinjebesöket 2 veckor senare.
Efter det 12 veckor långa besöket kommer ytterligare en 2-veckors CGM att tillämpas under vilken tid deltagarna kommer att fortsätta att dricka mjölk samtidigt med 2-veckors CGM (dvs. fram till 14 veckor).
Förändring i tid i intervall (%) från screening till vecka 14 kommer att sammanfattas med hjälp av beskrivande statistik (medelvärden och standardavvikelser) och jämföras mellan behandlingsgrupperna.
|
Från visningsbesök till vecka 14 besök
|
|
Förändring i glykemiska utfall - Kontinuerlig glukosövervakning (CGM) tid under intervallet
Tidsram: Från visningsbesök till vecka 14 besök
|
Under screeningbesöket kommer deltagarna att få en 2-veckors kontinuerlig glukosmätare (CGM) applicerad på huden på överarmen innan den 2 veckor långa mjölktvättningsperioden.
CGM kommer att returneras under baslinjebesöket 2 veckor senare.
Efter det 12 veckor långa besöket kommer ytterligare en 2-veckors CGM att tillämpas under vilken tid deltagarna kommer att fortsätta att dricka mjölk samtidigt med 2-veckors CGM (dvs. fram till 14 veckor).
Förändring i tid under intervallet (%) från screening till vecka 14 kommer att sammanfattas med hjälp av beskrivande statistik (medelvärden och standardavvikelser) och jämföras mellan behandlingsgrupperna.
|
Från visningsbesök till vecka 14 besök
|
|
Gastrointestinala symtom
Tidsram: Dagligen från screeningbesök till vecka 12
|
Gastrointestinala symtom, särskilt buksmärta, uppblåsthet, flatulens och diarré, kommer att registreras dagligen från screeningbesök genom 12 veckors mjölkintervention.
Förekomsten och svårighetsgraden av dessa fyra biverkningar kommer att sammanfattas och rapporteras av studiearm.
Genomsnittliga frekvenser av icke-mild kontra måttliga svänger symtom kommer att jämföras mellan behandlingsgrupper efter studieveckan, såväl som för specifika tidsintervall som motsvarar mjölkdoser (veckor 1-4, 5-8, 9-12).
|
Dagligen från screeningbesök till vecka 12
|
|
Change in Flatulence
Tidsram: From Screening to Week 1, from Week 1 to Week 10, and from Week 1 to Week 14
|
The Smart Underwear device will be worn externally on regular underwear near the rectum/perineum during specified daytime wear periods.
The device continuously detects hydrogen in expelled flatus and records supporting temperature and movement data.
These data will be used to derive the frequency of flatus events per wear period, which reflects intestinal gas production and gut microbial activity.
De-identified data will be transferred after each wear period through the Human Flatus Atlas mobile app and uploaded to servers.
Change in frequency of flatus events per wear period will be summarized using basic descriptive statistics (group means and standard deviations).
|
From Screening to Week 1, from Week 1 to Week 10, and from Week 1 to Week 14
|
Samarbetspartners och utredare
Samarbetspartners
Utredare
- Huvudutredare: Brandilyn Peters-Samuelson, PhD, Albert Einstein College of Medicine
Publikationer och användbara länkar
Allmänna publikationer
- Saeedi P, Petersohn I, Salpea P, Malanda B, Karuranga S, Unwin N, Colagiuri S, Guariguata L, Motala AA, Ogurtsova K, Shaw JE, Bright D, Williams R; IDF Diabetes Atlas Committee. Global and regional diabetes prevalence estimates for 2019 and projections for 2030 and 2045: Results from the International Diabetes Federation Diabetes Atlas, 9th edition. Diabetes Res Clin Pract. 2019 Nov;157:107843. doi: 10.1016/j.diabres.2019.107843. Epub 2019 Sep 10.
- Thompson FE, Dixit-Joshi S, Potischman N, Dodd KW, Kirkpatrick SI, Kushi LH, Alexander GL, Coleman LA, Zimmerman TP, Sundaram ME, Clancy HA, Groesbeck M, Douglass D, George SM, Schap TE, Subar AF. Comparison of Interviewer-Administered and Automated Self-Administered 24-Hour Dietary Recalls in 3 Diverse Integrated Health Systems. Am J Epidemiol. 2015 Jun 15;181(12):970-8. doi: 10.1093/aje/kwu467. Epub 2015 May 10.
- Carroccio A, Montalto G, Cavera G, Notarbatolo A. Lactose intolerance and self-reported milk intolerance: relationship with lactose maldigestion and nutrient intake. Lactase Deficiency Study Group. J Am Coll Nutr. 1998 Dec;17(6):631-6. doi: 10.1080/07315724.1998.10718813.
- Wilt TJ, Shaukat A, Shamliyan T, Taylor BC, MacDonald R, Tacklind J, Rutks I, Schwarzenberg SJ, Kane RL, Levitt M. Lactose intolerance and health. Evid Rep Technol Assess (Full Rep). 2010 Feb;(192):1-410.
- Uusitupa M, Khan TA, Viguiliouk E, Kahleova H, Rivellese AA, Hermansen K, Pfeiffer A, Thanopoulou A, Salas-Salvado J, Schwab U, Sievenpiper JL. Prevention of Type 2 Diabetes by Lifestyle Changes: A Systematic Review and Meta-Analysis. Nutrients. 2019 Nov 1;11(11):2611. doi: 10.3390/nu11112611.
- Aguayo-Mazzucato C, Diaque P, Hernandez S, Rosas S, Kostic A, Caballero AE. Understanding the growing epidemic of type 2 diabetes in the Hispanic population living in the United States. Diabetes Metab Res Rev. 2019 Feb;35(2):e3097. doi: 10.1002/dmrr.3097. Epub 2018 Dec 4.
- Gloor GB, Macklaim JM, Pawlowsky-Glahn V, Egozcue JJ. Microbiome Datasets Are Compositional: And This Is Not Optional. Front Microbiol. 2017 Nov 15;8:2224. doi: 10.3389/fmicb.2017.02224. eCollection 2017.
- Sorlie PD, Aviles-Santa LM, Wassertheil-Smoller S, Kaplan RC, Daviglus ML, Giachello AL, Schneiderman N, Raij L, Talavera G, Allison M, Lavange L, Chambless LE, Heiss G. Design and implementation of the Hispanic Community Health Study/Study of Latinos. Ann Epidemiol. 2010 Aug;20(8):629-41. doi: 10.1016/j.annepidem.2010.03.015.
- Agus A, Planchais J, Sokol H. Gut Microbiota Regulation of Tryptophan Metabolism in Health and Disease. Cell Host Microbe. 2018 Jun 13;23(6):716-724. doi: 10.1016/j.chom.2018.05.003.
- McMurdie PJ, Holmes S. phyloseq: an R package for reproducible interactive analysis and graphics of microbiome census data. PLoS One. 2013 Apr 22;8(4):e61217. doi: 10.1371/journal.pone.0061217. Print 2013.
- Parker ED, Lin J, Mahoney T, Ume N, Yang G, Gabbay RA, ElSayed NA, Bannuru RR. Economic Costs of Diabetes in the U.S. in 2022. Diabetes Care. 2024 Jan 1;47(1):26-43. doi: 10.2337/dci23-0085.
- GBD 2019 Diseases and Injuries Collaborators. Global burden of 369 diseases and injuries in 204 countries and territories, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet. 2020 Oct 17;396(10258):1204-1222. doi: 10.1016/S0140-6736(20)30925-9.
- Aune D, Norat T, Romundstad P, Vatten LJ. Dairy products and the risk of type 2 diabetes: a systematic review and dose-response meta-analysis of cohort studies. Am J Clin Nutr. 2013 Oct;98(4):1066-83. doi: 10.3945/ajcn.113.059030. Epub 2013 Aug 14.
- Langmead B, Salzberg SL. Fast gapped-read alignment with Bowtie 2. Nat Methods. 2012 Mar 4;9(4):357-9. doi: 10.1038/nmeth.1923.
- Wareham NJ. Personalised prevention of type 2 diabetes. Diabetologia. 2022 Nov;65(11):1796-1803. doi: 10.1007/s00125-022-05774-7. Epub 2022 Aug 2.
- Liu B, Sun Y, Bao W. Creating and supporting a healthy food environment for type 2 diabetes prevention. Lancet Planet Health. 2018 Oct;2(10):e423-e424. doi: 10.1016/S2542-5196(18)30211-0. No abstract available.
- Luo K, Chen GC, Zhang Y, Moon JY, Xing J, Peters BA, Usyk M, Wang Z, Hu G, Li J, Selvin E, Rebholz CM, Wang T, Isasi CR, Yu B, Knight R, Boerwinkle E, Burk RD, Kaplan RC, Qi Q. Variant of the lactase LCT gene explains association between milk intake and incident type 2 diabetes. Nat Metab. 2024 Jan;6(1):169-186. doi: 10.1038/s42255-023-00961-1. Epub 2024 Jan 22.
- Segurel L, Bon C. On the Evolution of Lactase Persistence in Humans. Annu Rev Genomics Hum Genet. 2017 Aug 31;18:297-319. doi: 10.1146/annurev-genom-091416-035340. Epub 2017 Apr 19.
- Storhaug CL, Fosse SK, Fadnes LT. Country, regional, and global estimates for lactose malabsorption in adults: a systematic review and meta-analysis. Lancet Gastroenterol Hepatol. 2017 Oct;2(10):738-746. doi: 10.1016/S2468-1253(17)30154-1. Epub 2017 Jul 7.
- Anguita-Ruiz A, Aguilera CM, Gil A. Genetics of Lactose Intolerance: An Updated Review and Online Interactive World Maps of Phenotype and Genotype Frequencies. Nutrients. 2020 Sep 3;12(9):2689. doi: 10.3390/nu12092689.
- Robles L, Priefer R. Lactose Intolerance: What Your Breath Can Tell You. Diagnostics (Basel). 2020 Jun 17;10(6):412. doi: 10.3390/diagnostics10060412.
- JanssenDuijghuijsen L, Looijesteijn E, van den Belt M, Gerhard B, Ziegler M, Ariens R, Tjoelker R, Geurts J. Changes in gut microbiota and lactose intolerance symptoms before and after daily lactose supplementation in individuals with the lactase nonpersistent genotype. Am J Clin Nutr. 2024 Mar;119(3):702-710. doi: 10.1016/j.ajcnut.2023.12.016. Epub 2023 Dec 28.
- Zheng X, Chu H, Cong Y, Deng Y, Long Y, Zhu Y, Pohl D, Fried M, Dai N, Fox M. Self-reported lactose intolerance in clinic patients with functional gastrointestinal symptoms: prevalence, risk factors, and impact on food choices. Neurogastroenterol Motil. 2015 Aug;27(8):1138-46. doi: 10.1111/nmo.12602. Epub 2015 Jun 19.
- Qi Q, Li J, Yu B, Moon JY, Chai JC, Merino J, Hu J, Ruiz-Canela M, Rebholz C, Wang Z, Usyk M, Chen GC, Porneala BC, Wang W, Nguyen NQ, Feofanova EV, Grove ML, Wang TJ, Gerszten RE, Dupuis J, Salas-Salvado J, Bao W, Perkins DL, Daviglus ML, Thyagarajan B, Cai J, Wang T, Manson JE, Martinez-Gonzalez MA, Selvin E, Rexrode KM, Clish CB, Hu FB, Meigs JB, Knight R, Burk RD, Boerwinkle E, Kaplan RC. Host and gut microbial tryptophan metabolism and type 2 diabetes: an integrative analysis of host genetics, diet, gut microbiome and circulating metabolites in cohort studies. Gut. 2022 Jun;71(6):1095-1105. doi: 10.1136/gutjnl-2021-324053. Epub 2021 Jun 14.
- Gojda J, Cahova M. Gut Microbiota as the Link between Elevated BCAA Serum Levels and Insulin Resistance. Biomolecules. 2021 Sep 28;11(10):1414. doi: 10.3390/biom11101414.
- Guha S, Majumder K. Comprehensive Review of gamma-Glutamyl Peptides (gamma-GPs) and Their Effect on Inflammation Concerning Cardiovascular Health. J Agric Food Chem. 2022 Jul 6;70(26):7851-7870. doi: 10.1021/acs.jafc.2c01712. Epub 2022 Jun 21.
- Li X, Yin J, Zhu Y, Wang X, Hu X, Bao W, Huang Y, Chen L, Chen S, Yang W, Shan Z, Liu L. Effects of Whole Milk Supplementation on Gut Microbiota and Cardiometabolic Biomarkers in Subjects with and without Lactose Malabsorption. Nutrients. 2018 Oct 2;10(10):1403. doi: 10.3390/nu10101403.
- Ugidos-Rodriguez S , Matallana-Gonzalez MC , Sanchez-Mata MC . Lactose malabsorption and intolerance: a review. Food Funct. 2018 Aug 15;9(8):4056-4068. doi: 10.1039/c8fo00555a.
- Kaplan RC, Wang Z, Usyk M, Sotres-Alvarez D, Daviglus ML, Schneiderman N, Talavera GA, Gellman MD, Thyagarajan B, Moon JY, Vazquez-Baeza Y, McDonald D, Williams-Nguyen JS, Wu MC, North KE, Shaffer J, Sollecito CC, Qi Q, Isasi CR, Wang T, Knight R, Burk RD. Gut microbiome composition in the Hispanic Community Health Study/Study of Latinos is shaped by geographic relocation, environmental factors, and obesity. Genome Biol. 2019 Nov 1;20(1):219. doi: 10.1186/s13059-019-1831-z.
- Wang Z, Peters BA, Bryant M, Hanna DB, Schwartz T, Wang T, Sollecito CC, Usyk M, Grassi E, Wiek F, Peter LS, Post WS, Landay AL, Hodis HN, Weber KM, French A, Golub ET, Lazar J, Gustafson D, Sharma A, Anastos K, Clish CB, Burk RD, Kaplan RC, Knight R, Qi Q. Gut microbiota, circulating inflammatory markers and metabolites, and carotid artery atherosclerosis in HIV infection. Microbiome. 2023 May 27;11(1):119. doi: 10.1186/s40168-023-01566-2.
- Sanders JG, Nurk S, Salido RA, Minich J, Xu ZZ, Zhu Q, Martino C, Fedarko M, Arthur TD, Chen F, Boland BS, Humphrey GC, Brennan C, Sanders K, Gaffney J, Jepsen K, Khosroheidari M, Green C, Liyanage M, Dang JW, Phelan VV, Quinn RA, Bankevich A, Chang JT, Rana TM, Conrad DJ, Sandborn WJ, Smarr L, Dorrestein PC, Pevzner PA, Knight R. Optimizing sequencing protocols for leaderboard metagenomics by combining long and short reads. Genome Biol. 2019 Oct 31;20(1):226. doi: 10.1186/s13059-019-1834-9.
- Zhu Q, Huang S, Gonzalez A, et al. OGUs enable effective, phylogeny-aware analysis of even shallow metagenome community structures. 2021:2021.04.04.438427. doi:10.1101/2021.04.04.438427 %J bioRxiv
- Kanehisa M, Sato Y, Kawashima M, Furumichi M, Tanabe M. KEGG as a reference resource for gene and protein annotation. Nucleic Acids Res. 2016 Jan 4;44(D1):D457-62. doi: 10.1093/nar/gkv1070. Epub 2015 Oct 17.
- Caspi R, Billington R, Keseler IM, Kothari A, Krummenacker M, Midford PE, Ong WK, Paley S, Subhraveti P, Karp PD. The MetaCyc database of metabolic pathways and enzymes - a 2019 update. Nucleic Acids Res. 2020 Jan 8;48(D1):D445-D453. doi: 10.1093/nar/gkz862.
- Oksanen J, Blanchet FG, Kindt R, et al. Multivariate analysis of ecological communities in R: vegan tutorial. R package version 1.7. 01/01 2013;
- Chen J, Bittinger K, Charlson ES, Hoffmann C, Lewis J, Wu GD, Collman RG, Bushman FD, Li H. Associating microbiome composition with environmental covariates using generalized UniFrac distances. Bioinformatics. 2012 Aug 15;28(16):2106-13. doi: 10.1093/bioinformatics/bts342. Epub 2012 Jun 17.
- Turner-McGrievy GM, Wirth MD, Shivappa N, Wingard EE, Fayad R, Wilcox S, Frongillo EA, Hebert JR. Randomization to plant-based dietary approaches leads to larger short-term improvements in Dietary Inflammatory Index scores and macronutrient intake compared with diets that contain meat. Nutr Res. 2015 Feb;35(2):97-106. doi: 10.1016/j.nutres.2014.11.007. Epub 2014 Dec 3.
- Lavange LM, Kalsbeek WD, Sorlie PD, Aviles-Santa LM, Kaplan RC, Barnhart J, Liu K, Giachello A, Lee DJ, Ryan J, Criqui MH, Elder JP. Sample design and cohort selection in the Hispanic Community Health Study/Study of Latinos. Ann Epidemiol. 2010 Aug;20(8):642-9. doi: 10.1016/j.annepidem.2010.05.006.
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
- Sjukdomar i det endokrina systemet
- Metabolism, medfödda fel
- Genetiska sjukdomar, medfödda
- Metaboliska sjukdomar
- Tarmsjukdomar
- Matsmältningssystemets sjukdomar
- Gastrointestinala sjukdomar
- Störningar i glukosmetabolism
- Diabetes mellitus
- Malabsorptionssyndrom
- Kolhydratmetabolism, medfödda fel
- Hyperglykemi
- Medfödda, ärftliga och neonatala sjukdomar och abnormiteter
- Närings- och metabola sjukdomar
- Diabetes mellitus, typ 2
- Glukosintolerans
- Laktosintolerant
Andra studie-ID-nummer
- 2024-16045
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .