召回地中海地区的一系列受试者。监测肝病（Nutrihep 3）。 (Nutrihep3)

肝病是一个重大的公共卫生问题，全世界的流行率很高，发病率不断增长，并且对全球发病率和死亡率产生了重大影响，每年造成约200万人死亡。 死亡在很大程度上归因于肝硬化和肝细胞癌的并发症。 全世界肝硬化的最常见原因与病毒性肝炎，酒精和非酒精性脂肪肝疾病有关。 在大多数急性肝炎的情况下，肝病病毒是病因因素，但药物诱导的肝损伤越来越多地代表了病例的很大一部分。

在意大利，近年来肝病的发病率一直是研究的主题。 基于这些数据，意大利被确定为一个“多流行”区域，在该区域中，病毒和代谢病因均导致慢性肝病的高患病率和发病率。 此外，已经观察到了从北部到意大利南部的病毒性肝炎发病率的逐渐增加。 近几十年来，这些疾病的病因一直在发生重大变化。

关于丙型肝炎病毒（HBV），疫苗接种计划以及改善的社会经济状况和人口更高的意识，逐渐降低了这种病毒疾病的发病率和流行。 在1980年代和1990年代增加后，与丙型肝炎病毒（HCV）有关的慢性肝炎现在显示出趋势下降，尤其是在年龄段的年龄段中。 尽管其他研究集中在代谢起源的肝病（ASLD，Metald，Ald等）上，这些研究被指示为全球及意大利肝病最常见的原因之一，但有关意大利人群的最新流行病学数据是在1990年代后期收集的。 十年来已经过去了，人们认为收集有关肝病患病率模式的新数据可能很有趣，尤其是在意大利南部，尤其是在沿海地区和腹地的城市等等的城市中。

因此，这项观察性研究旨在通过召回在地中海地区已经确定的一系列患者来分析肝病的演变。 该队列由居住在Putignano（BA）的个人组成，他们已经对肝功能，合并症和饮食习惯进行了评估，此外还可以通过基因组通过基因组范围的关联（GWAS）分析来添加遗传学分析（GWAS）分析，可用于识别遗传变异和特定概述的概念的相关性。使用代表性人群样本，疾病和相关合并症。

对收集数据的分析旨在确定肝病进展的危险因素和预测性生物标志物，以优化预防和管理策略。 结果将提供有用的信息，以改善临床监测并促进肝病患者的个性化干预措施。 分析将使用先进的生物信息学和统计方法进行，以确保结果的鲁棒性。

这次召回将在第一次召回近20年之后进行。 对受试者的回忆将允许对疾病进展因素或疾病发作进行纵向评估。

这项队列研究的目的不仅是回忆以前参与Nutrihep 1和Nutrihep2研究的受试者，而且像所有队列研究一样，可以评估一组个人的暴露与结果之间的关联。 此外，除了重新评估先前考虑的参数（血液测试，饮食问卷和体育活动）以研究其变异，并且全基因组基因分型还将使用高发射基因组技术进行全基因组基因组进行全基因组基因组化（SNP）进行全基因组。 这项技术允许分析数千/数百万个遗传变异均匀分布在整个基因组中，以前在不同的祖先种群中表征，并存在于1000个基因组项目3阶段数据库中。

这些遗传变异（SNP）的表征将使我们能够计算我们的研究队列中的每个受试者，遗传和多基因风险评分，这些风险得分由多个遗传变异的综合影响确定。

具体而言，将使用从全基因组范围关联研究（GWAS）获得的数据进行遗传和多基因风险评分的测定，并使用复杂的生物统计学和数学算法来对基于MAFLD病理学相关的变体的等位基因计数，以基于我们患者同胞的祖先病理学相关。 在随后的阶段中，遗传和多基因风险评分将用于研究与不良受试者的临床特征的关联，以鉴定具有独特临床特征的患者的亚组，并预测病理发作和演变的风险。

Nutrihep队列（Putignano）于2006 - 2007年首次成立，包括2300名受试者，并从Putignano市（BA）的全身从业人员名单中召回了1：3步。

在2015 - 2018年，召回了同一受试者，随访依从性为65.60％。 此外，从2007年到2014年记录了102例死亡。

召回将考虑第一波的2300，通过该地区通过区域Edotto系统进行死亡记录进行评估的死亡人数，将减去搬到其他地区的人。

此外，将创建一个嵌入的队列来维持研究人群的代表性，并根据一般从业者的注册提取了1：3步。 这种方法很有用，因为最初的队列已经老化了，因此不再包括属于年龄段的个体，这些人在研究开始时存在，但随着时间的流逝而老化。 这使我们能够保持与最初的年龄分布相似的年龄分布，从而阻止了队列逐渐偏向年龄段的年龄组，并由于队列本身的老化而减少了偏见并改善了结果的普遍性。 它还使我们能够保留研究的统计能力，因为尤其是某些年龄段的年龄段对于分析暴露对结果的影响至关重要。

这项观察性研究与以前的方式相似，将主要关注以下阶段：

初始阶段

• 创建一个要称呼的主题清单，从Nutrihep 1研究中的参与者的名字和Putignano市的居民通过全科医生清单来弥补，以弥补年龄段的年龄段；
• 通过发送给他们家的信并打电话来重新接触仍然活着的主题；
• 安排约会。

V1：

• 签署知情同意；
• 通过通过纤维骨纤维疗法进行非侵入性检查评估肝脏健康；
• 基于流行病学参数（年龄，性别，收入，病理和家族史的与肝有关疾病的年龄，性别，收入，病理和家族史）的解散；
• 人体测量参数的收集，例如体重，身高，腰围，臀部周长，颈部围，腕圆周和小腿圆周。 此外，将通过以下现场测试记录血压参数（收缩压和舒张压）和身体健身状态：手工夹，坐和触手可及测试，单腿支架，30''坐下，坐着，ruffier Test，vo2 max。

注册受试者将获得一个加速度计，提供有关体育活动（加速度，运动...）和睡眠质量的客观和可靠信息。 它将在招募当天给予，并在7天后返回。

为了更好地理解，在项目开始之前，可能会干扰拟议干预措施成功的方面，受试者将完成一份其他问卷：

此外，将完成测试以评估睡眠质量和动力学恐惧症，匹兹堡睡眠质量指数（PSQI）和坦帕量表的运动恐惧症（TSK）。 对于肌肉减少症的分类，将进行简短的身体性能电池（SPPB）测试； - 进行常规分析的血液采样。 以下将在样本上测量：全血数，CRP，总蛋白质，ceruloplasmin，Alpha 1抗胰蛋白酶，葡萄糖，血红蛋白A1C（HBA1C），尿素，肌酐，肌酐，估计的肾小球过滤率（EGFR），总和均为胆红素，Aminotrine Aminotrine Aminotrine Aminotrine Aminotrine Aminotranter（ Aminotransferase (ALT/GPT), Gamma-Glutamyl Transferase (GGT), sodium, potassium, calcium, phosphorus, iron, cholesterol, High-Density Lipoprotein (HDL), Low-Density Lipoprotein (LDL), triglycerides, cortisol, c-peptide, vitamin D, insulin, ferritin, folate, vitamin B12, parathyroid hormone, Thyroid-Stimulating Hormone (TSH), Free Triiodothyronine (FT3), Free Thyroxine (FT4), Insulin-like Growth Factor 1 (IGF-1), high-sensitivity C-reactive protein (hsCRP), pro-B-type Natriuretic Peptide (proBNP), zinc, magnesium, HBV和HCV;血清等分试样可能在常规血液化学分析后剩余，将存储在生物库中，以进行后续分析，并可能在受试者的同意下，用于其他研究，即IRCCS“ Saverio de Bellis”将激活IRCCS“ Saverio de Bellis”。

基因分析分析将在全血等分试样进行，也可能在常规分析后剩余。 在入学时，可以通过为患者分配唯一的代码来保证匿名性。

- 提供自我完成问卷：食品问卷（EPIC），体育活动（IPAQ，长形式）和评估心理健康的问卷：PSS-10（感知到应力量表），H.A.D.S。 （医院焦虑和抑郁量表），TMI-I（测试您的记忆）。

V2（7天后）：

• 血液化学测试的收集；
• 输送凳子和尿液样品。 粪便钙骨和神秘的血液将在粪便样品上测量；粪便和尿液样品随后将存储在生物库中。 粪便样品将用于评估肠道菌群和粪便代谢组。 尿液样品将用于代谢组学测量；为了评估肠道菌群，将使用QIAAMP快速DNA粪便迷你试剂盒（Qiagen，Hilden，德国）从粪便样品中提取总细菌元基因组DNA。 微生物组的表征将使用DNA metabarcoding和shot弹枪元文字组学方法进行。 将使用细菌（Miseq-illumina平台）的V5-V6高变量区域（Miseq-illumina平台）进行DNA元法编码分析。 在DNA元法编码分析中具有重要意义的样品将进行元文字分析（NextSeq 500 -Illumina平台）。 将使用生物信息学管道分析元基因组学和元文字数据。

要进行代谢组学测试，将分析样品的挥发性有机化合物（VOC），通过将纤维立即转移到Clarus 680（Perkin Elmer，Beacons，Beaconsfield UK）的加热注入端口（220°C）中，将热解吸，并配备了RTX-WAX列（30 m×0.25 mm×0.25 mm i.d.25 i.d.d.25），与源和传递线温度分别保持在250和210°C的源和转移线温度，并耦合到Clarus SQ8MS（Perkin Elmer）。

• 加速度计的集合；
• 提出问卷和讨论，以避免误解和缺少数据。