流行病学研究通常在基线时没有并发症或病理的成年人中进行。因此,获得的结果通常是为主要预防使用而设计的。并发症患者的死亡风险预测和需要医院随访的患者的预测鲜为人知。
研究目的是确定与代谢疾病有关的病理学患者的医院队列中的死亡风险特征。
如今,基于生物标志物小组的“多制造商”得分已显着提高了许多病理中存在的预测模型的歧视能力。它不再是可以改善风险预测的单一生物标志物,而是追求的完整和横截面。我们旨在通过结合临床和生物学参数(包括代谢组学,遗传学,转录组学和表观基因组学)来建立个性化的死亡风险特征,并通过对生物样品的高吞吐量筛查。
病情或疾病 |
---|
代谢疾病 |
糖尿病和代谢并发症(尤其是心血管,肾脏或肝的)的预测是优化该疾病治疗的主要挑战。
里尔大学医院的团队已经开发了一项Integra队列研究,以确定这些并发症发生的临床和生物决定因素以及代谢疾病患者的死亡率。
该研究的目的是鉴定能够预测死亡,心血管事件以及肝或肾病的临床生物学决定因素。
随访数据将从国家健康数据(SND)中收集,其中有关住院,医疗咨询和治疗的数据。
在基线上收集生物样品,以进行大型的OMICS分析(代谢组学,遗传学,转录组学和表观基因组学),以供应我们的预测评分系统。
该项目将使我们能够描述代谢疾病及其并发症的新预测模型,并提供适应性和个性化的管理方法,从而可以减慢疾病的发展并改善其预后。
研究类型 : | 观察 |
估计入学人数 : | 10000名参与者 |
观察模型: | 队列 |
时间观点: | 预期 |
官方标题: | 代谢性疾病患者的医院队列中死亡率风险的签名 |
实际学习开始日期 : | 2019年12月20日 |
估计的初级完成日期 : | 2030年1月 |
估计 学习完成日期 : | 2030年1月 |
组/队列 |
---|
代谢患者 具有代谢脱发的患者,定义为
|
复合端点:与CABG相关的出血(椎骨内出血在48 h /重新手术内闭合胸骨切开术后,目的是控制<5 U全血或填充的红细胞的出血 /输血48-Hperiod / sest tube Tube Tube Tube Tibe Teube Toube> = = = = = = = = = = = = =在24小时内2L)
或致命的出血(可能致命的出血;没有尸检或成像确认,但可以暂时可疑 /确定的致命性出血;明显的出血或尸检或成像证实)
有资格学习的年龄: | 18岁以上(成人,老年人) |
有资格学习的男女: | 全部 |
接受健康的志愿者: | 不 |
采样方法: | 非概率样本 |
纳入标准:
患者还介绍了:
心脏病学:
神经病学:
糖尿病学:
排除标准:
正在进行的治疗:
联系人:医学博士FrançoisPattou | 03 20 44 42 73 ext +33 | francois.pattou@chru-lille.fr |
法国 | |
Ch Boulogne-Sur-Mer | 招募 |
Boulogne-Sur-Mer,法国,59037 | |
Hop Cardiologique Chr Lille | 招募 |
法国里尔,59037 | |
联系0320445962 | |
Hop Claude Huriez Chr Lille | 招募 |
法国里尔,59037 | |
联系0320445962 |
首席研究员: | 医学博士FrançoisPattou | 里尔大学医院 |
追踪信息 | |||||
---|---|---|---|---|---|
首先提交日期 | 2019年12月9日 | ||||
第一个发布日期 | 2019年12月11日 | ||||
上次更新发布日期 | 2020年11月20日 | ||||
实际学习开始日期 | 2019年12月20日 | ||||
估计的初级完成日期 | 2030年1月(主要结果度量的最终数据收集日期) | ||||
当前的主要结果指标 | 死亡人数[时间范围:10年] 根据国家数据库死亡的患者人数 | ||||
原始主要结果指标 | 与电流相同 | ||||
改变历史 | |||||
当前的次要结果指标 |
| ||||
原始的次要结果指标 | 与电流相同 | ||||
当前其他预先指定的结果指标 | 不提供 | ||||
原始其他预先指定的结果指标 | 不提供 | ||||
描述性信息 | |||||
简短标题 | 代谢性疾病患者的医院队列中死亡率风险的签名 | ||||
官方头衔 | 代谢性疾病患者的医院队列中死亡率风险的签名 | ||||
简要摘要 | 流行病学研究通常在基线时没有并发症或病理的成年人中进行。因此,获得的结果通常是为主要预防使用而设计的。并发症患者的死亡风险预测和需要医院随访的患者的预测鲜为人知。 研究目的是确定与代谢疾病有关的病理学患者的医院队列中的死亡风险特征。 如今,基于生物标志物小组的“多制造商”得分已显着提高了许多病理中存在的预测模型的歧视能力。它不再是可以改善风险预测的单一生物标志物,而是追求的完整和横截面。我们旨在通过结合临床和生物学参数(包括代谢组学,遗传学,转录组学和表观基因组学)来建立个性化的死亡风险特征,并通过对生物样品的高吞吐量筛查。 | ||||
详细说明 | 糖尿病和代谢并发症(尤其是心血管,肾脏或肝的)的预测是优化该疾病治疗的主要挑战。 里尔大学医院的团队已经开发了一项Integra队列研究,以确定这些并发症发生的临床和生物决定因素以及代谢疾病患者的死亡率。 该研究的目的是鉴定能够预测死亡,心血管事件以及肝或肾病的临床生物学决定因素。 随访数据将从国家健康数据(SND)中收集,其中有关住院,医疗咨询和治疗的数据。 在基线上收集生物样品,以进行大型的OMICS分析(代谢组学,遗传学,转录组学和表观基因组学),以供应我们的预测评分系统。 该项目将使我们能够描述代谢疾病及其并发症的新预测模型,并提供适应性和个性化的管理方法,从而可以减慢疾病的发展并改善其预后。 | ||||
研究类型 | 观察 | ||||
学习规划 | 观察模型:队列 时间观点:潜在 | ||||
目标随访时间 | 不提供 | ||||
生物测量 | 保留:DNA样品 描述: 血液,血浆,血清,指甲附件,头发 | ||||
采样方法 | 非概率样本 | ||||
研究人群 | 与代谢疾病有关的病理患者 | ||||
健康)状况 | 代谢疾病 | ||||
干涉 | 不提供 | ||||
研究组/队列 | 代谢患者 具有代谢脱发的患者,定义为
| ||||
出版物 * | 不提供 | ||||
*包括由数据提供商提供的出版物以及Medline中临床标识符(NCT编号)的出版物。 | |||||
招聘信息 | |||||
招聘状况 | 招募 | ||||
估计入学人数 | 10000 | ||||
原始估计注册 | 与电流相同 | ||||
估计学习完成日期 | 2030年1月 | ||||
估计的初级完成日期 | 2030年1月(主要结果度量的最终数据收集日期) | ||||
资格标准 | 纳入标准:
患者还介绍了:
排除标准:
| ||||
性别/性别 |
| ||||
年龄 | 18岁以上(成人,老年人) | ||||
接受健康的志愿者 | 不 | ||||
联系人 |
| ||||
列出的位置国家 | 法国 | ||||
删除了位置国家 | |||||
管理信息 | |||||
NCT编号 | NCT04194372 | ||||
其他研究ID编号 | 2018_08 2019-A01727-50(其他标识符:ID-RCB编号,ANSM) | ||||
有数据监测委员会 | 不 | ||||
美国FDA调节的产品 |
| ||||
IPD共享声明 | 不提供 | ||||
责任方 | 里尔大学医院 | ||||
研究赞助商 | 里尔大学医院 | ||||
合作者 | 不提供 | ||||
调查人员 |
| ||||
PRS帐户 | 里尔大学医院 | ||||
验证日期 | 2020年11月 |