Drošības uzraudzības komiteja

Intervences šajā izmēģinājumā ir zema riska, un tās ir papildus standarta aprūpei, ko dalībnieki turpinās saņemt visā izmēģinājuma periodā un pēc izmēģinājuma pabeigšanas; tāpēc netiks izveidota datu un drošības uzraudzības padome (DSMB). Tomēr izmēģinājuma viduspunktā, kad visi dalībnieki būs pabeiguši savu pirmo ārstēšanas periodu, tiks veikta ārēja dalībnieka klīniskās ķīmijas un jebkādu izmēģinājuma blakusparādību pārbaude. Šo pārskatu veiks nefrologs ārpus Manitobas. Šajā pārskatā tiks uzraudzīti pierādījumi par ārstēšanas radīto kaitējumu, meklējot tendences klīniskajā ķīmijā un/vai neparedzētu notikumu pieaugumu, kas saistīti ar ārstēšanu, un veikt atbilstošus pasākumus. Šīs darbības var ietvert protokola izmaiņu ierosināšanu, tās var ietvert agrīnu izmēģinājuma pārtraukšanu, jo ārstēšana ir acīmredzama kaitējuma atkarībā no pārskatīšanas rezultātiem.

Saskaņā ar attiecīgiem pētījumiem cistanche ir tradicionāls ķīniešu augs, ko gadsimtiem ilgi izmanto dažādu slimību ārstēšanai. Ir zinātniski pierādīts, ka tai piemīt pretiekaisuma, pretnovecošanās un antioksidanta īpašības. Pētījumi liecina, ka cistanche ir labvēlīga pacientiem, kuri cieš no nieru slimībām. Ir zināms, ka cistanche aktīvās sastāvdaļas mazina iekaisumu, uzlabo nieru darbību un atjauno bojātas nieru šūnas. Tādējādi cistanche integrēšana nieru slimību ārstēšanas plānā var sniegt lielu labumu pacientiem, pārvaldot viņu stāvokli. Cistanche palīdz samazināt proteīnūriju, pazemina BUN un kreatinīna līmeni un samazina turpmāku nieru bojājumu risku. Turklāt cistanche arī palīdz samazināt holesterīna un triglicerīdu līmeni, kas var būt bīstams pacientiem ar nieru slimību.

Noklikšķiniet uz rou cong rong priekšrocības

【Lai iegūtu plašāku informāciju: david.deng@wecistanche.com / WhatApp:86 13632399501】

Statistiskā analīze

Mikrobiomu datu bioinformātikas un statistiskās analīzes tiks veiktas ar Microbiome Insights un CHI platformas Data Science palīdzību; tas tiks atjaunināts, pamatojoties uz ieteikumiem un tehnoloģiju sasniegumiem laikā no šī brīža līdz paraugu apstrādei. Kopumā FLASH montētāja [22] noklusējuma iestatījumi tiks izmantoti, lai sapludinātu Illumina fast failus, kas pārklājas. UPARSE algoritms [23] tiks izmantots (a) nolasījumu kvalitātes filtrēšanai, pamatojoties uz maksimālo paredzamo kļūdu vērtību=1.0, (b) unikālu secību identificēšanai, (c) pārpilnības šķirošanai un vientuļu noņemšana, (d) nolasījumu grupēšana operatīvajās taksonomiskajās vienībās (OTU), pamatojoties uz 97 procentu identitātes slieksni, (e) de novo un uz atsaucēm balstīta himēru pārbaude (salīdzinot ar GOLD datu bāzi [22]), un (f) OTU tabula. Pēc tam taksonomiskā klasifikācija tiks veikta, izmantojot QIIME [26] UCLUST [24] ieviešanu, un tiks saskaņota ar Greengenes datubāzi, izmantojot PyNAST algoritmu [25]. Filoģenētiskie koki tika uzbūvēti ar FastTree [27], lai turpmāk salīdzinātu mikrobu kopienas. Pirms pakārtoto analīžu veikšanas iegūtā OTU tabula tiks filtrēta, lai noņemtu visus paraugus ar zemu secības dziļumu. Pēc tam kopienas bagātības un daudzveidības indeksi tiks aprēķināti, izmantojot QIIME noteiktā vienmērīgā dziļumā katram paraugam. Filoģenētiskās (svērtie UniFrac attālumi) un pārpilnības (Breja-Kērtisa atšķirības) daudzveidības metrika tiks aprēķināta pēc galīgās OTU tabulas normalizācijas, izmantojot kumulatīvās summas mērogošanas (CSS) transformāciju [28]. Iegūtajām attāluma matricām tiks piemērota galveno koordinātu analīze (PCoA), lai ģenerētu divdimensiju diagrammas, izmantojot programmatūras PRIMER-6 noklusējuma iestatījumus (PRIMER-E Ltd, Plymouth). Tiks veikta nepārraudzīta klasterizācijas analīze, lai saistītu paraugu klasterizācijas modeļus ar galveno OTU proporciju katrā nišā (OTU pamatelementi ir definēti kā tie, kas atrodas vismaz 75 procentos paraugu katrā nišā). Atlasīto OTU relatīvais daudzums tiks normalizēts visos paraugos. Breja-Kērtisa atšķirības tiks aprēķinātas, izmantojot R "vegan" pakotni [29], un iegūtā matrica tiks pakļauta nepārraudzītai hierarhiskai klasterizācijai, izmantojot R "dendextend" pakotni [30], un tiks vizualizēta visā pārpilnības matricas siltumkarte, izmantojot R pakotni "complex-heatmap" [31]. SAS UNIVARIATE procedūra tiks izmantota, lai pārbaudītu atlikumu normalitāti daudzveidības mērījumiem. Dati, kas nav normāli sadalīti, tiks pārveidoti vai nu logaritmis, vai Box-Cox jauda, ​​un pēc tam tiem tiks veikts dispersijas analīzes (ANOVA) tests, izmantojot SAS MIXED procedūru. Visi pāru salīdzinājumi starp grupām tiks pārbaudīti, izmantojot Tukey studentizēto diapazona korekciju. Permutācijas daudzfaktoru dispersijas analīze (PERMANOVA; ieviesta Primer6 programmatūrā) tiks izmantota, lai noteiktu būtiskas atšķirības starp mikrobu kopienu daudzveidības rādītājiem. Atlasīto galveno OTU relatīvais daudzums tiks pārbaudīts, lai noteiktu statistiski nozīmīgas asociācijas ar pieejamajiem metadatiem, izmantojot daudzfaktoru analīzi ar lineāro modelēšanu (MaAsLin) [32], ņemot vērā visus iespējamos traucētājus (kovariātus), kas varētu būt saistīti ar mikrobioma profilu (ti, dzimumu, vecums, ĶMI) un dalībnieki (kas tiek uzskatīti par nejaušu faktoru). Nozīmīgas asociācijas tiks uzskatītas par zemākām par vērtības slieksni 0,1. Lai novērtētu mikrobioma funkcionalitātes izmaiņas, tiks izmantota korelācijas tīkla analīze (CoNet, [33]), lai izpētītu mikrobu līdzāsparādīšanās/savstarpējās izslēgšanas attiecības un identificētu centrmezglu OTU, kas uzrāda vislielāko pozitīvo/negatīvo korelāciju skaitu ar citiem. OTU ārstēšanas apstākļos.

Ārstēšanas ietekme uz lineārajiem rezultātiem katra perioda beigās tiks analizēta, izmantojot SAS MIXED (SAS 9.4) procedūru. Secība un dzimums tiks iekļauti modelī kā fiksēti faktori, un dalībnieki tiks iekļauti kā atkārtoti faktori. Datu sadalījuma normalitāte tiks noteikta, izmantojot Shapiro-Wilk testu, un neparastie mainīgie tiks pārveidoti pirms analīzes. Demogrāfiskie dati tiks ziņoti kā vidējā ± standarta novirze. Ja nav norādīts citādi, rezultāti tiks ziņoti kā vidējie mazākie kvadrāti ± vidējās standarta kļūda (SEM). Visām analīzēm statistiskā nozīmība tiks iestatīta uz p < 0,05. Datu zinātnes platforma CHI nodrošinās datu pārvaldības atbalstu papildus biostatistikas atbalstam projektam.

Randomizācija, apžilbināšana un koda laušana

Atbilstīgie pacienti (n=36) izies novērtēšanu sākotnējā stāvoklī un tiks nejauši sadalīti 2 grupās, katrā no 18 dalībniekiem. Randomizāciju veiks neatkarīgs pētnieks Manitobas Universitātes Džordža un Faja Jē Veselības aprūpes inovāciju centra (CHI) biostatistikas platformā. Randomizācija tiks veikta, izmantojot kodu, kas rakstīts R statistikas programmēšanas valodā (versija 3.5.3). Ārstēšana tiks noteikta proporcijā 1: 1. Kopā tiks sagatavotas 48 randomizācijas kartītes, viens komplekts pa 24 katram dzimumam. Randomizācijas grafiks tiks pārsūtīts necaurspīdīgu aizzīmogotu aplokšņu komplektos. Pēc dalībnieka sākotnējās vizītes pētījuma personāls atvērs aizzīmogotu aploksni, kurā būs iekļauts dalībnieka piešķīrums. Intervenču secība būs akla gan izmeklētājiem, gan dalībniekiem. Ārstēšana tiks veikta aizzīmogotos paciņās; paciņas saturu apžilbinās ārēja puse, izsniegs pētījuma personālam, kas apzīmēts ar A vai B, un izsniegs dalībniekiem atbilstoši viņu ārstēšanas periodam. Ārstēšana netiks atbloķēta, kamēr analīzes nav pabeigtas, ja vien tas nav nepieciešams nevēlamu notikumu dēļ klīniskā pētījuma laikā. Dalībnieka klīnisko datu viduspunkta pārskats tiks veikts, un to veiks neatkarīgs nefrologs, kurš tiks neatklāts (skatīt sadaļu "Kvalificēta pētnieka pienākumi").

Parauga lieluma aprēķins

Šī pētījuma galīgais parauga lielums, kas ir 30 dalībnieki, spēs noteikt atšķirību starp apstrādes metodēm kopējā p-krezola sulfātā 17,5 μmol/L jeb aptuveni 15 procentu izmaiņu ar jaudu 0,88 (alfa {{6} },05, divpusējs), ņemot vērā korelāciju cilvēka iekšienē 0,79 [23] un aprēķināto standarta novirzi 45 μmol/L [9] kopējam p-krezola sulfātam. Urēmisko izšķīdušo vielu samazināšanās par 30 procentiem vai vairāk tiktu uzskatīta par klīniski nozīmīgu, un tas attaisnotu papildu pētījumus, pētot šo prebiotisko iejaukšanos HNS, un mēs esam pārliecināti, ka mēs spēsim atklāt šādas izmaiņas, ja tās notiktu. Lai ņemtu vērā jaudas zudumu izstāšanās dēļ, mēs pieņemsim darbā 36 dalībniekus.

Iekļaušana analīzē

Primārā analīze tiks veikta, izmantojot visu dalībnieku (nolūku ārstēt) analīzes kopu. Primārā analīze tiks atkārtota analīžu komplektā Completers. Demogrāfiskie dati un visi citi bāzes mērījumi tiks analizēti visu dalībnieku kopā, kā arī komplektā Pabeigtāji.

Pabeidzēju analīzes komplekts: visi dalībnieki, kuri ir pabeiguši izmēģinājumu.

Visu dalībnieku analīzes komplekts: visi nejaušinātie dalībnieki.

Dalībnieku pārtraukšana/izņemšana no izmēģinājuma ārstēšanas 

Katram dalībniekam ir tiesības jebkurā laikā izstāties no izmēģinājuma. Dalībnieki var jebkurā laikā pārtraukt dalību izmēģinājumā, un viņiem ir jāsazinās ar pētniecības grupas locekli, lai informētu viņus par savu lēmumu. Turklāt izmeklētāji jebkurā laikā var pārtraukt dalībnieku no izmēģinājuma, ja izmeklētāji to uzskata par nepieciešamu jebkāda iemesla dēļ, tostarp grūtniecības, neatbilstības (kas rodas izmēģinājuma laikā vai retrospektīvi, ja skrīninga laikā nav ņemtas vērā), nozīmīgas protokola novirzes, būtiskas neatbilstības dēļ. protokola ievērošana, slimības progresēšana, kuras rezultātā nevar turpināt ievērot protokolu, piekrišanas atsaukšana un novērošanas zaudēšana.

Izstāšanās rezultātā šī dalībnieka dati netiks izslēgti no analīzes. Tā kā primārā analīze būs balstīta uz nodomu ārstēt, tiks veikta arī tikai pilnīga analīze.

Ja dalībnieks tiek atsaukts pirmo 4 izmēģinājuma nedēļu laikā, viņš tiks aizstāts. Ja aizstājošais dalībnieks tiek atsaukts, turpmāka aizstāšana netiks veikta.

Izstāšanās iemesls tiks ierakstīts CRF, ja tāds būs.

Atalgojums

Dalībnieki saņems atlīdzību 200 USD apmērā par katru pabeigto periodu vai proporcionālo vērtību, ja viņi izstāsies no izmēģinājuma. Katrs dalībnieks kopā saņems 400 USD, ja viņi pabeigs pilnu izmēģinājumu.

Dalībnieku vārdi un adreses tiks izmantoti, lai sagatavotu, drukātu, nosūtītu un veiktu finanšu uzskaiti vai atlīdzības čekus. Saņemot atlīdzības čeku, dalībniekam tiks izsniegta iepriekš apmaksāta pasta izdevumi un aploksne ar veidlapu, kurā jāparaksta. Dalībnieki tiks lūgti veidlapu atgriezt CDIC. Šis ieraksts tiks glabāts ne ilgāk kā 7 gadus.

Diskusija

CKD ir saistīta ar izmaiņām zarnu mikrobu ekoloģijā jeb "disbiozē", kas var veicināt slimības progresēšanu. Personām un dzīvniekiem ar CKD ir būtiskas izmaiņas zarnu vidē, tostarp izmaiņas mikrobu sastāvā, paaugstināts fekāliju pH un paaugstināts zarnu mikrobu metabolītu līmenis asinīs. Nesenie pētījumi ir vērsti uz uztura pieejām, lai labvēlīgi mainītu zarnu mikrobu kopienu sastāvu kā HNS ārstēšanas metodi. Rezistentā ciete (RS), prebiotika, kas veicina zarnu baktēriju, piemēram, bifidobaktēriju un laktobaktēriju, vairošanos, palielina metabolītu, tostarp īso ķēžu taukskābju, veidošanos, kas sniedz vairākas veselību veicinošas priekšrocības. Pētījumi ar dzīvnieku modeļiem un indivīdiem ar CKD liecina, ka RS papildināšana samazina urēmiskās aiztures izšķīdušo vielu, tostarp indoksilsulfāta un p-krezola sulfāta, koncentrāciju. Ir pierādīts, ka fermentējamā diētiskās šķiedras saturošā amilozes izturīgā 2. tipa kukurūzas ciete (HAMRS2) maina zarnu vidi CKD žurku modeļos, kā rezultātā ievērojami uzlabojas nieru darbība. Ir pierādīts, ka RPS, kas ir R2-rezistenta ciete, palielina ogļhidrātus noārdošās baktērijas, piemēram, bifidobaktērijas, un samazina baktēriju ar proteolītisku aktivitāti, piemēram, E. coli [14, 17, 18]. Ir arī pierādīts, ka RPS samazina zarnu mikrobiomu radīto urēmisko toksīnu koncentrāciju cūkām [19]. Lai gan pētījumi ar dzīvniekiem un cilvēkiem ar rezistentu cieti ir parādījuši spēju mainīt zarnu mikrobiotu un samazināt urēmisko toksīnu skaitu, ir ierobežoti pētījumi ar pacientiem ar HNS [14].

Vienā pētījumā, kas tika veikts ar personām ar HNS, kas jau saņēma dialīzi, tika novērots urēmisko toksīnu samazinājums pēc augsta amilozes kukurūzas cietes patēriņa 6 nedēļas [20]. Kukurūzas ciete ar augstu amilozes saturu ir ~ 60 procenti izturīgas cietes pēc sausnas svara, turpretim šajā priekšlikumā izmantojamā RPS ir ~ 70 procenti izturīgas cietes un aptuveni 10 procenti citu uztura šķiedrvielu [17]. Šeit mēs veiksim 2- perioda randomizētu dubultmaskētu krustenisko pētījumu, lai noskaidrotu, vai RPS lietošana kā papildu terapija pašreizējiem HNS aprūpes standartiem samazinās urēmiskos toksīnus un simptomus, mainot zarnu mikrobiotu pacientiem ar CKD.

Šī pētījuma rezultāti papildinās pierādījumus par RPS efektivitāti pacientiem ar HNS un veidos pamatu lielākam daudzcentru randomizētam kontrolētam pētījumam, kurā pārbaudīs RPS ietekmi uz HNS progresēšanas aizkavēšanu un dialīzes uzsākšanu.

Datu vadība

Avota dati

Avota dokumenti ir tie, kur dati pirmo reizi tiek reģistrēti un no kuriem tiek iegūti dalībnieku CRF dati. CRF ieraksti tiks uzskatīti par avota datiem, ja CRF ir sākotnējā ieraksta vieta (piemēram, nav cita rakstiska vai elektroniska datu ieraksta). Visi dokumenti tiks glabāti droši un konfidenciāli. Visos izmēģinājuma dokumentos, izņemot parakstītās piekrišanas veidlapas, pamatsarakstu un atlīdzības veidlapas, dalībnieks tiks nosaukts ar izmēģinājuma dalībnieka kodu, nevis vārdu.

Piekļuve datiem

Sponsora, uzņēmējas iestādes un regulatīvo iestāžu pilnvarotajiem pārstāvjiem tiks nodrošināta tieša piekļuve, lai atļautu ar izmēģinājumiem saistītu uzraudzību, auditus un pārbaudes.

Datu uzskaite un uzskaite

Visi izmēģinājuma dati tiks ievadīti no papīra CRF vai savākti, izmantojot Manitobas Universitātes REDCap platformu, un citi avota dokumenti tiks ievadīti šajā REDCap datubāzē. Dalībnieki tiks identificēti pēc unikāla izmēģinājuma numura un/vai koda šajā REDCap datubāzē. Dalībnieka vārds un cita identificējoša informācija netiks iekļauta REDCap datubāzē, izņemot parakstītu informētas piekrišanas veidlapu, atlīdzības veidlapu un studiju maģistra sarakstu. Dalībnieka mājas un e-pasta adreses un tālruņu numuri tiks apkopoti un saistīti ar pētījuma ID un dalībnieka vārdu fiziskā/elektroniskā studiju maģistra sarakstā, ko izmantos, lai koordinētu izmēģinājuma darbības, piemēram, mācību materiālu piegādi mājās, atalgojuma čekus un saziņu. ar dalībniekiem izmēģinājuma laikā. Šis galvenais saraksts tiks saglabāts CDIC bloķētā skapī vai CDIC koplietojamā diskdzinī/datorā, kas aizsargāts ar paroli. Dalībnieku vārdi un adreses tiks izpaustas piegādes personālam vai kurjeriem piegādes procesa laikā, kā arī tiks izmantotas atalgojuma čeku nosūtīšanai pa pastu dalībniekiem, kuri neizņem personīgi.

Izmēģinājuma dati, neidentificējot dalībnieku personisko informāciju, tiks glabāti drošā pētniecības vidē Manitobas Universitātē, izmantojot REDCap. REDCap vietēji ievieš Datu zinātnes platforma Manitobas Universitātes Džordža un Faja Jē veselības aprūpes inovāciju centrā. Mācību virtuālās vizītes tiks veiktas, izmantojot Manitobas Universitātes Microsoft Teams platformu, kas ir ārēji mitināts mākoņpakalpojums. Elektroniskie dati ar identificējošu dalībnieka personas informāciju, piemēram, vārdu un kontaktinformāciju, tiks aizsargāti ar paroli un saglabāti Excel failā CDIC datorā. Parakstīto piekrišanas veidlapu elektroniskie ieraksti tiks glabāti REDCap, kā arī glabājas ar paroli aizsargātā drošā datorā/kopīgajā diskdzinī CDIC vai aizslēgtā skapī. Parakstītas piekrišanas veidlapas uz papīra tiks glabātas CDIC aizslēgtā skapī. Pārējie pētījumu žurnāli tiks sakārtoti izturīgā saistniekā un glabāti CDIC. CDIC ir aizsargāts 24 stundas diennaktī un tam ir ierobežota piekļuve.

Visi izmēģinājuma pētījumu ieraksti tiks glabāti 25 gadus. Papīra CRF un avota dati tiks glabāti aizslēgtā uzglabāšanas konteinerā, izņemot jebkādu personu identificējošu informāciju CDIC. Papīra faili tiks iznīcināti, izmantojot CDIC konfidenciālo dokumentu iznīcināšanas metodi.

Elektroniskie dati tiks deidentificēti un saglabāti 10 gadus pēc pētījuma beigām. Elektroniskos datus publicēšanas nolūkos var arī kopīgot ar akadēmiskiem žurnāliem neidentificētā veidā. Datus var glabāt akadēmiskais žurnāls vai citi brīvpiekļuves repozitoriji saskaņā ar atvērtās piekļuves politiku, un tādā gadījumā tos var izmantot citi pētnieki turpmākai datu analīzei un izpētei. Papīra faili tiks iznīcināti, izmantojot konfidenciālu dokumentu iznīcināšanas metodi.

Iztiesāšanas izbeigšanas kritēriji

Izmēģinājums tiks turpināts, līdz visi pieņemtie dalībnieki būs sasnieguši novērošanas beigas un dati tiks savākti, apstrādāti un notīrīti. Priekšlaicīga izbeigšana nav plānota.

Procedūra trūkstošo, neizmantoto un viltotu datu uzskaitei

Trūkstošo vērtību skaits un proporcija tiks dokumentēta klīniskā pētījuma ziņojumā. Trūkstošās vērtības netiks aprēķinātas, ja vien nav norādīts citādi. Analīzēs tiks izslēgti dati no dalībniekiem, kuriem trūkst vērtību jebkuram analīzei nepieciešamajam mainīgajam.

Ja tiek konstatēts, ka dati ir neparasti tādā veidā, ko nevar izskaidrot vai uzskatīt, ka tie ir kļūdaini, analīzes var atkārtot pēc attiecīgā ieraksta izslēgšanas. Šīs papildu analīzes tiks prezentētas kā jutīguma analīzes.

Procedūras ziņošanai par novirzēm(-ēm) no sākotnējā statistikas plāna

Visas klīnisko pētījumu datubāzē dokumentētās protokola novirzes tiks apkopotas (ja nepieciešams) un uzskaitītas klīniskā pētījuma ziņojumā.

Nevēlamo notikumu reģistrēšana

Ņemot vērā iejaukšanās raksturu, ir maz ticams, ka ar izmēģinājumu būs saistīti kādi nevēlami notikumi. Tomēr visas AE, kas rodas izmēģinājuma laikā un ko novēro izmeklētāji vai par kurām ziņo dalībnieks, tiks reģistrētas CRF neatkarīgi no tā, vai tās ir saistītas ar izmēģinājuma iejaukšanos.

Tiks reģistrēta šāda informācija: apraksts, sākuma datums un beigu datums, smaguma pakāpe un saistības ar izmēģinājuma iejaukšanās novērtējums. Ja nepieciešams, jāsniedz turpmākā informācija. Ja tiek ziņots par kādu nevēlamu notikumu, pacientiem tiks piedāvāts apmeklēt nākamo pieejamo klīnikas apmeklējumu vai 1 nedēļas laikā, atkarībā no tā, kas ir agrāk, un viņus turpinās novērot klīnikā, līdz AE tiks novērsta.

Notikumu smagums tiks novērtēts pēc šādas skalas: 1=viegla, 2=vidēji smaga un 3=smaga.

AE, kas tiek uzskatītas par saistītām ar izmēģinājuma iejaukšanos saskaņā ar kvalificēta pētnieka vērtējumu, tiks ievērotas vai nu līdz atrisinājumam, vai arī notikums tiks uzskatīts par stabilu. Gadījumā, ja nevēlamo blakusparādību rezultātā tiek pārtraukta dalība pētījumā, pacientiem, kuri tiek atsaukti nevēlamas ārstēšanas reakcijas dēļ, HNS klīnika arī tiks uzraudzīta, līdz AE ir izzudusi.

Drošības ziņojumi

Izpētes grupa ziņos par nevēlamiem gadījumiem Health Canada un attiecīgo departamentu/iestāžu vadītājiem un Manitobas Universitātes REB, izmantojot atbilstošas ​​ziņošanas veidlapas.

Kvalitātes nodrošināšanas procedūras

Izmēģinājums tiks veikts saskaņā ar pašlaik apstiprināto protokolu, GCP, attiecīgajiem noteikumiem un standarta darbības procedūrām.

Regulāru uzraudzību var veikt saskaņā ar GCP. Dati var tikt novērtēti attiecībā uz atbilstību protokolam un avota dokumentu pareizību. Pēc rakstiskām standarta darbības procedūrām monitori pārbaudīs, vai klīniskā izpēte tiek veikta un dati tiek ģenerēti, dokumentēti un ziņoti saskaņā ar protokolu, GCP un piemērojamajām normatīvajām prasībām.

Saīsinājumi

AE: nelabvēlīgs notikums; AR: Blakusparādība; PI: galvenais pētnieks; CRA: klīniskās pētniecības līdzstrādnieks; CRF: lietas ziņojuma veidlapa; GCP: laba klīniskā prakse; CT: klīniskie pētījumi; ICF: informētas piekrišanas veidlapa; REB: Pētniecības ētikas padome; SAE: nopietns nevēlams notikums; SOP: standarta darbības procedūra

Pateicības

Mēs vēlamies pateikties Mišelai DiNellai, Sārai Kērtisai un CDIC darbiniekiem par atbalstu šī izmēģinājuma izveidei un pateikties tiem.

Helsinku deklarācija

Pētnieks/QI nodrošinās, ka šī pārbaude tiek veikta saskaņā ar Helsinku deklarācijas principiem. NB. 2008. gada Helsinku deklarācijā ir sniegta detalizēta informācija par to, kas jāiekļauj protokolā: finansējums, sponsorēšana, piederība un iespējamie interešu konflikti, stimuli piedalīties, kompensācija par kaitējumu un narkotiku un aprūpes pieejamība pēc izmēģinājuma.

Ziņošana

Pētnieks/QI reizi gadā klīniskā izmēģinājuma laikā iesniedz Manitobas Universitātes Veselības pētījumu ētikas padomei gada progresa ziņojumu. Turklāt Manitobas Universitātes Veselības pētījumu ētikas padomei un Health Canada tiks iesniegts paziņojums par izmēģinājuma beigām.

Dalībnieku konfidencialitāte

Izmēģinājuma darbinieki nodrošinās dalībnieku anonimitātes saglabāšanu. Dalībnieki tiks identificēti tikai pēc dalībnieka ID numura visos izmēģinājuma dokumentos un jebkurā elektroniskajā datubāzē, izņemot informētas piekrišanas veidlapu, galveno sarakstu un atlīdzības veidlapu. Visi dokumenti tiks glabāti droši un tiem būs pieejami tikai izmēģinājuma darbinieki un pilnvaroti darbinieki. Izmēģinājums atbildīs Manitobas Likumam par personas veselības informāciju (PHIA) vai Informācijas brīvības un privātuma aizsardzības likumam (FIPPA).

Izmēģinājuma statuss

Paredzams, ka šī izmēģinājuma versija sāksies 2021. gada septembrī un turpināsies aptuveni līdz 2022. gada martam. Pašreizējais protokola numurs un datums ir 3. versija, 2021. gada 13. jūnijs.

Koordinējošā centra sastāvs, lomas un pienākumi

PI (Dr. Mackay) un līdzizmeklētāji (Dr. Tangri un Mollard) būs atbildīgi par uzraudzību. Doktorants un pētniecības koordinators strādās kopā ikdienas izmēģinājuma norisē, tostarp darbā pieņemšanā, skrīningā, plānošanā, dalībnieku apmeklējumos, datu vākšanā un datu ievadē. Ph.D. students ziņos tieši PI (Dr. Mackay), un pētījuma koordinators katru dienu sazināsies ar līdzpētnieku, kas tos pārrauga (Dr. Mollard). Datu analītiķis būs atbildīgs par datu analīzi Dr. Makejs un Tangri. Projekts tiks apspriests ar kopējo CDIC pētnieku grupu klīniskās grupas sanāksmē ik pēc 2 nedēļām un reizi divās nedēļās tiekoties ar projekta pētniecības grupu, lai apspriestu konkrētas projekta detaļas.

Autoru ieguldījums

MS palīdzēja izstrādāt manuskriptu un apkopot atsauksmes un izmaiņas no citiem autoriem. KK palīdzēja ar manuskripta pārskatīšanu. HW meklēja ētisku apstiprinājumu un piedalījās manuskripta tapšanā. RM, NT un DM izstrādāja pētījuma protokolu un dalībnieku atlases kritērijus, meklēja finansējumu un ētisku apstiprinājumu, palīdzēja manuskripta labojumos un pārskatīja manuskriptu. Visi autori sniedza ieguldījumu, lasīja, veica kritiskas izmaiņas un apstiprināja galīgo manuskriptu pirms iesniegšanas.

Finansējums

Šo izmēģinājumu finansē Weston Family Microbiome Initiative un Hronisko slimību inovāciju centrs Seven Oaks slimnīcā. Šajā izmēģinājumā izmantotos ārstēšanas produktus MSPrebiotic Inc. nodrošina bez maksas. Finansētāji nebūs iesaistīti izmēģinājuma plānošanā, izpildē, datu analīzē vai publicēšanā. Izmēģinājuma sponsors ir Manitobas Universitāte, kuras kontaktpersona ir Dilans Makkejs.

Datu un materiālu pieejamība

Publikācijās, kas izriet no šī izmēģinājuma, tiks ievēroti ICMJE ieteikumi par autorību. Šī izmēģinājuma rezultāti tiks publicēti recenzētā publikācijā un var tikt prezentēti konferencēs. Šī pētījuma kopsavilkuma rezultāti tiks augšupielādēti izmēģinājuma ClinicalTrials.gov reģistrā. Deidentificēti dati pēc pamatota pieprasījuma būs pieejami citiem pētniekiem zināšanu sintēzes darbībām.

Deklarācijas

Ētikas apstiprinājums un piekrišana dalībai

Bannatyne Campus Biomedical Research Ethics Board (BREB) Vinipegā, Manitobā, Kanādā, ir apstiprinājusi šo pētījuma protokolu (HS23161 (B2019:089). Visus šī pētījuma protokola grozījumus izskata un apstiprina M BREB U, kā arī izmaiņas protokols ir atjaunināts vietnē ClinicalTrials.gov. Health Canada ir izdevusi paziņojumu par atļauju šim izmēģinājumam (faila Nr. 250522). Dalībniekiem ir personīgi jāparaksta un jādatē informētas piekrišanas veidlapas jaunākā apstiprinātā versija, pirms tiek veiktas konkrētas izmēģinājuma procedūras. Šis izmēģinājums ir reģistrēts vietnē ClinicalTrials.gov (NCT04961164).

Piekrišana publicēšanai 

Visi dalībnieki sniedz piekrišanu izmēģinājuma laikā savāktās informācijas publicēšanai vai izklāstam tādā veidā, ka netiek atklāta viņu personu identificējošā informācija, piemēram, vārds, adrese un tālruņa numurs.

Konkurējošas intereses

Visi pārējie autori paziņo, ka viņiem nav konkurējošu interešu.

Sīkāka informācija par autoru

1 Hronisku slimību inovāciju centrs, Seven Oaks General Hospital, Vinipega, MB, Kanāda. 2 Cilvēka uztura zinātņu nodaļa, Manitobas Universitāte, Vinipega, MB, Kanāda. 3 Kopienas veselības zinātņu nodaļa, Manitobas Universitāte, Vinipega, MB, Kanāda. 4 Max Rady Medicīnas koledža, Manitobas Universitāte, Vinipega, MB, Kanāda.

Atsauces

1. Arora P, Vasa P, Brenner D, Iglar K, McFarlane P, Morrison H u.c. Hroniskas nieru slimības izplatības aplēses Kanādā: nacionāli reprezentatīvas aptaujas rezultāti. CMAJ. 2013;185(9):E417–23.

2. Ng JK, Li PK. Hroniskas nieru slimības epidēmija: kā ar to tikt galā? Nefroloģija (Carlton). 2018;23 (4. papildinājums): 116–20. PMID: 30298662.

3. Fujii H, Kono K, Nishi S. Koronāro artēriju slimības raksturojums hroniskas nieru slimības gadījumā. Clin Exp Nephrol. 2019;23(6):725–32.

4. Collister D, Ferguson T, Komenda P, Tangri N. The modeļi, riska faktori un progresēšanas prognoze hroniskas nieru slimības gadījumā: stāstījuma pārskats. Semins Nefrols. 2016;36(4):273–82. PMID: 27475658.

5. Beaudry A, Ferguson TW, Rigatto C, Tangri N, Dumanski S, Komenda P. Cost of dialysis therapy by modality in Manitoba. Amerikas Nefroloģijas biedrības klīniskais žurnāls. 2018;13(8):1197–203. PMID: 30021819.

6. Aronovs PA, Luo FJG, Plummer NS, Quan Z, Holmes S, Hostetter TH u.c. Resnās zarnas ieguldījums urēmiskajās izšķīdušajās vielām. J Am Soc Nephrol. 2011;22(9):1769–76. PMID: 21784895.

7. Ramezani A, Massy ZA, Meijers B, Evenepoel P, Vanholder R, Raj DS. Zarnu mikrobioma loma urēmijā: potenciāls terapeitiskais mērķis. American Journal of Kidney Diseases. 2016;67(3):483–98. PMID: 26590448.

8. Simonsens E, Komenda P, Lerner B, Askin N, Bohm C, Shaw J u.c. Urēmiskā niezes ārstēšana: sistemātisks pārskats. Esmu J Nieres Dis. 2017. gads; 70(5):638–55. PMID: 28720208.

9. Meijers BK, u.c. P-krezols un kardiovaskulārais risks vieglas vai vidēji smagas nieru slimības gadījumā. Clin J Am Soc Nephrol. 2010;5(7):1182–9. PMID: 20430946.

10. Gao H, Liu S. Urēmiskā toksīna indoksilsulfāta loma sirds un asinsvadu slimību progresēšanā. Dzīvības zinātnes. 2017;185:23–9. PMID: 28754616.

11. Lisowska-Myjak B. Urēmiskie toksīni un to ietekme uz vairākām orgānu sistēmām. Nephron Clin prakse. 2014;128(3-4):303–11. PMID: 25531673.

12. Schulman G, Berl T, Beck GJ, Remuzzi G, Ritz E, Arita K u.c. Randomizēti placebo kontrolēti EPPIC pētījumi par AST-120 HNS. J Am Soc Nephrol. 2015. gads; 26(7):1732–46. PMID: 25349205.

13. Hung SC, Kuo KL, Wu CC, Tarng DC. Indoksilsulfāts: jauns sirds un asinsvadu riska faktors hroniskas nieru slimības gadījumā. Amerikas Sirds asociācijas žurnāls. 2017;6(2):e005022. PMID: 28174171.

14. Snelson M, Kellow NJ, Coughlan MT. Zarnu mikrobiotas modulēšana ar rezistentu cieti kā hronisku nieru slimību ārstēšana: efektivitātes pierādījumi un mehāniskās atziņas. Adv Nutr. 2019;10(2):303–20. PMID: 30668615.

15. Birkett A, Muir J, Phillips J, Jones G, O'Dea K. Resistant ciete samazina amonjaka un fenolu koncentrāciju izkārnījumos cilvēkiem. Esmu J Clin Nutr. 1996. gads; 63(5):766–72. PMID: 8615362.

16. Smith EA, Macfarlane GT. Cilvēka resnās zarnas baktēriju, kas ražo fenola un indola savienojumus, uzskaitījums: pH, ogļhidrātu pieejamības un aiztures laika ietekme uz disimilējošo aromātisko aminoskābju metabolismu. J Appl Bacteriol. 1996;81(3):288–302. PMID: 8810056.

17. Alfa MJ, Strang D, Tappia PS, Graham M, van Domselaar G, Forbes JD u.c. Randomizēts pētījums, lai noteiktu gremošanu izturīgas cietes sastāva ietekmi uz zarnu mikrobiomu vecākiem un vidēja vecuma pieaugušajiem. Klins Nutr. 2018;37(3):797–807.

18. Baxter NT, Schmidt AW, Venkataraman A, Kim KS, Waldron C, Schmidt TM u.c. Cilvēka zarnu mikrobiotas un īsās ķēdes taukskābju dinamika, reaģējot uz uztura iejaukšanos ar trim fermentējamām šķiedrām. MBio. 2019. PMID: 30696735;10(1):e02566–18.

19. Losel D, Claus R. Rezistentas kartupeļu cietes no devas atkarīga ietekme uzturā uz skatola veidošanos zarnās un taukaudu uzkrāšanos cūkā. J Vet Med A Physiol Pathol Clin Med. 2005;52(5):209–12. PMID: 15943603.

20. Sirich TL, Plummer NS, Gardner CD, Hostetter TH, Meyer TW. Diētiskās šķiedras palielināšanas ietekme uz resnās zarnas izšķīdušo vielu līmeni plazmā hemodialīzes pacientiem. Clin J Am Soc Nephrol. 2014;9(9):1603–10. PMID: 25147155.

21. Pretorius CJ, McWhinney BC, Sipinkoski B, Johnson LA, Rossi M, Campbell KL u.c. Brīvā un kopējā seruma indoksila un p-krezilsulfāta atsauces diapazoni un bioloģiskās variācijas, kas mērītas ar ātrās UPLC fluorescences noteikšanas metodi. Clin Chim Acta. 2013;419:122–6. PMID: 23428591.

22. Magoc T, Salzberg SL. FLASH: ātra īsu nolasījumu garuma pielāgošana, lai uzlabotu genoma komplektus. Bioinformātika. 2011;27(21):2957–63. PMID: 21903629.

23. Edgars RC. UPARSE: ļoti precīzas OTU sekvences no mikrobu amplikonu nolasījumiem. Nat metodes. 2013;10(10):996–8. PMID: 23955772.

24. Edgars RC. Meklēšana un klasteru veidošana par lieluma kārtām ātrāka nekā BLAST. Bioinformātika. 2010;26(19):2460–1. PMID: 20709691.

25. Caporaso JG, Bittinger K, Bushman FD, DeSantis TZ, Andersen GL, Knight R. PyNAST: elastīgs rīks secību pielīdzināšanai veidnes līdzināšanai. Bioinformātika. 2010;26(2):266–7. PMID: 19914921.

26. Caporaso JG, Kuczynski J, Stombaugh J, Bittinger K, Bushman FD, Costello EK u.c. QIIME ļauj analizēt augstas caurlaidības kopienas secības datus. Nat metodes. 2010;7(5):335–6. PMID: 20383131.

27. Cena MN, Dehal PS, Arkin AP. FastTree 2 – aptuveni maksimālās varbūtības koki lieliem izlīdzinājumiem. PLOS ONE. 2010;5(3):e9490. PMID: 20224823.

28. Paulsons JN, Stine OC, Bravo HC, Pop M. Diferenciālā daudzuma analīze mikrobu marķieru gēnu apsekojumiem. Dabas metodes. 2013;10(12):1200. PMID: 24076764–2.

29. Jari Oksanen FGB, Friendly M, Kindt R, Legendre P, McGlinn D, Minchin PR u.c. Vegānu pakete Kopienas ekoloģijas iepakojumā; 2019. gads.

30. Galili T. dendextend: R pakotne hierarhiskas klasterizācijas koku vizualizēšanai, pielāgošanai un salīdzināšanai. Bioinformātika. 2015;31(22):3718–20. PMID: 26209431.

31. Gu Z, Eils R, Schlesner M. Kompleksie siltuma kartes atklāj modeļus un korelācijas daudzdimensiju genoma datos. Bioinformātika. 2016;32(18): 2847–9. PMID: 27207943.

32. Morgan XC, Tickle TL, Sokol H, Gevers D, Devaney KL, Ward DV u.c. Zarnu mikrobioma disfunkcija iekaisuma zarnu slimībās un ārstēšanā. Genoms Biol. 2012;13(9):R79. PMID: 23013615.

33. Fausts K, Sathirapongsasuti JF, Izard J, Segata N, Gevers D, Raes J u.c. Mikrobu līdzāspastāvēšanas attiecības cilvēka mikrobiomā. PLoS Comput Biol. 2012;8(7):e1002606. PMID: 22807668

Izdevēja piezīmeSpringer Nature joprojām ir neitrāla attiecībā uz jurisdikcijas prasībām publicētajās kartēs un institucionālajām saitēm.

【Lai iegūtu plašāku informāciju: david.deng@wecistanche.com / WhatApp:86 13632399501】