季节变化对成年人生物年龄影响的评估 (SeasonAGE)

质量措施：研究者将确保保护参与者的个人数据，所有报告、出版物、参与者样本和任何其他披露内容，除非法律要求。个人和医疗数据的处理将遵循瑞士数据隐私法规，并符合《人类研究条例》（ORH）第5条的规定。参与者仅通过参与者识别号和中心识别号进行识别，以维护参与者的机密性。在病例报告表（CRF）和其他项目特定文件中，参与者仅通过其唯一的参与者编号进行识别。所有参与者研究记录将安全保存在访问控制区域。将参与者姓名与参与者识别号关联的识别代码列表将与参与者记录分开存储。数据将被编码。参与者识别列表仅可由中心团队访问，可识别信息将仅保存在研究者文件中。研究者文件是一个安全且经过认证的电子系统（Veeva Vault），专门用于保护研究信息免受未经授权或意外披露、更改、删除、复制和盗窃。

编码数据被捕获到电子数据采集（EDC）系统中，Medidata RAVE确保可追溯性（审计追踪）。记录到EDC中的数据仅可由数据管理员、中心人员和研究成员访问。

生物样本分析后，结果以密码保护的方式捕获到另一个名为LabKey的系统中，仅可由负责分析的实验室技术人员访问。最终实验室数据随后将通过包含审计追踪的安全SharePoint从LabKey发送给指定的数据管理员。RAVE和LabKey以及外部结果被整合到LSAF中，这是一个专用于统计分析的软件，受密码控制，仅可由统计师和数据管理员访问。每个软件及其备份服务器托管在美国（Medidata RAVE）、德国（LSAF）和瑞士（LabKey）。本项目中的生物材料不是通过参与者姓名识别，而是通过唯一的参与者编号识别。生物材料适当存储在仅可由授权人员访问的限制区域。

在数据传输的情况下，雀巢产品有限公司（Société des Produits Nestlé S.A.）将保持高标准的机密性和参与者个人数据保护。未经参与者书面许可，临床信息不会被披露，除非用于监管机构或研究申办方的监测。主要研究者或其指定人员将实施和维护适当的技术和组织措施，以确保参与者能够访问其在研究期间收集的个人数据及其生物分析结果。根据要求，主要研究者或其指定人员将确保向参与者提供个人数据摘录。主要研究者或其指定人员将实施适当程序，立即通知申办方任何参与者在研究期间要求更正或删除其个人数据或生物样本的请求。研究团队将研究地点文件（包括代码列表）保存在符合雀巢数据隐私政策的安全存储库中，并单独存档25年，即使候选人未纳入研究项目。试验主文件将根据雀巢政策单独保存25年。

除了当前研究外，将向参与者提议考虑同意在更广泛的雀巢生物资源中心（NCBR）范围内“进一步再利用”其生物样本和数据；如果他们同意这一点，样本和健康相关数据将按照生物样本库法规（CERVD意见 - 请求2020-00307）中所述进行处理。

如果他们不同意，数据将仅在本研究范围内使用。未经伦理委员会批准和参与者同意，不会进一步使用任何数据。

样本量计算：

本研究的样本量基于三个信息来源。Koncevičius（2024）表明，生物年龄时钟加速受昼夜节律相关变异（一天内）的影响，幅度为1年。Reed（2022）表明，表观遗传时钟的个体内相关性很高（相关性高达0.93），在间隔长达15年的重复测量中。Jokai（2023）表明，在中年锻炼的健康个体中，PhenoAge时钟加速的变异性约为5.4年（男性和女性的平均值）。

为了证明冬季和夏季之间生物年龄存在1年的变异，假设变异性（标准差）为5.4年，个体内相关性为0.93，使用配对t检验方法，80%的检验效能，α设为0.0166（0.05/3）以考虑由3个时钟（PhenoAge、GrimAge和DuneDinPace）重复引起的多重性（Bonferroni校正），需要在完整分析集（FAS）中纳入46名受试者。考虑到20%的脱落率（已入组但在任何时间点未计算生物年龄的受试者），需要招募46/0.8=58名受试者（向上取整为60名受试者）。

使用SAS 9.4（LSAF v5.2.1）的PROC POWER进行计算。

统计分析计划：

主要终点的分析将在完整分析集人群中进行评估。将在符合方案集上重复主要分析进行敏感性分析。

对于PhenoAge和GrimAge，将在个体水平使用线性混合模型计算生物年龄加速，其中生物年龄（年）作为响应变量，实际年龄（年）作为混杂因素。受试者标识符将作为随机效应纳入，以考虑受试者内连续生物年龄测量之间的相关性。将使用Kenward-Roger方法计算自由度。对于给定个体，在给定实际年龄下，生物年龄加速将是固定回归残差。

DuneDinPace已经测量年龄加速，因此上述转换不适用。

假设生物年龄加速服从正态分布。季节间生物年龄加速的差异将使用线性混合模型进行评估，以考虑数据的纵向性质和个体内相关性。生物年龄加速将用作结果变量，与采样相关的季节、BMI、性别、身体活动、吸烟状况和种族用作固定混杂因素。受试者标识符将用作随机效应，以考虑结果的个体内相关性。将使用Kenward-Roger方法计算自由度。

在缺乏随机化的情况下，模型对季节效应的估计可能因存在与季节高度相关的混杂因素（如身体活动）而产生偏倚。为减轻潜在偏倚，将对线性混合模型应用变量选择方法（弹性网络）。将使用随机5折交叉验证选择简化模型和岭回归参数的适当值。

如果季节固定效应被保留，将从上述简化模型推导每个季节生物年龄加速的最小二乘均值，并计算最小二乘均值的成对差异（冬季 - 夏季）。

与成对差异相关的P值低于0.05/3（Bonferroni校正）将被解释为指示所用时钟在冬季和夏季之间生物年龄加速存在差异。

如果季节固定效应未在简化模型中保留，这将被解释为所用时钟在生物年龄加速中不存在季节相关差异。

在每个阶段，将使用限制性最大似然算法拟合混合线性模型，允许使用部分信息（轨迹不完整的受试者，例如，两个所需季节中仅有一个季节可用）。如果缺失数据是随机缺失的，则此方法是无偏的。

在存在远异常值的情况下，将进行敏感性分析，排除该观察值。此敏感性分析与主要终点的分析在结论上的一致性将指示异常值对结论无影响。