Sicherheitsüberwachungsausschuss

Die Interventionen in dieser Studie sind risikoarm und ergänzen die Standardversorgung, die die Teilnehmer während der gesamten Testphase und nach Abschluss der Studie weiterhin erhalten. Daher wird kein Data and Safety Monitoring Board (DSMB) gebildet. Allerdings wird es zur Mitte der Studie, wenn alle Teilnehmer ihre erste Behandlungsperiode abgeschlossen haben, eine externe Überprüfung der klinischen Chemie des Teilnehmers und etwaiger unerwünschter Ereignisse in der Studie geben. Diese Untersuchung wird von einem Nephrologen außerhalb von Manitoba durchgeführt. Bei dieser Überprüfung werden Hinweise auf Behandlungsschäden überwacht, nach Trends in der klinischen Chemie und/oder einer Zunahme unerwarteter Ereignisse im Zusammenhang mit den Behandlungen gesucht und entsprechende Maßnahmen ergriffen. Zu diesen Maßnahmen kann das Vorschlagen von Protokolländerungen gehören. Abhängig von den Ergebnissen der Überprüfung kann auch ein vorzeitiger Abbruch der Studie aufgrund eindeutiger Schäden einer Behandlung gehören.

Relevanten Studien zufolge ist Cistanche ein traditionelles chinesisches Kraut, das seit Jahrhunderten zur Behandlung verschiedener Krankheiten eingesetzt wird. Es ist wissenschaftlich erwiesen, dass es entzündungshemmende, Anti-Aging- und antioxidative Eigenschaften besitzt. Studien haben gezeigt, dass Cistanche für Patienten mit Nierenerkrankungen von Vorteil ist. Es ist bekannt, dass die Wirkstoffe der Cistanche Entzündungen reduzieren, die Nierenfunktion verbessern und geschädigte Nierenzellen wiederherstellen. Daher kann die Integration von Cistanche in einen Behandlungsplan für Nierenerkrankungen große Vorteile für Patienten bei der Bewältigung ihrer Erkrankung bieten. Cistanche hilft, Proteinurie zu reduzieren, senkt den Harnstoff- und Kreatininspiegel und verringert das Risiko weiterer Nierenschäden. Darüber hinaus trägt Cistanche auch dazu bei, den Cholesterin- und Triglyceridspiegel zu senken, was für Patienten mit Nierenerkrankungen gefährlich sein kann.

Klicken Sie auf Rou Cong Rong Benefits

【Für weitere Informationen: david.deng@wecistanche.com / WhatApp:86 13632399501】

statistische Analyse

Die bioinformatischen und statistischen Analysen von Mikrobiomdaten werden mit Unterstützung von Microbiome Insights und der Data Science-Plattform am CHI durchgeführt; Es wird auf der Grundlage der Empfehlungen und technologischen Fortschritte bis zur Verarbeitung der Proben aktualisiert. Im Allgemeinen werden die Standardeinstellungen des FLASH-Assemblers [22] verwendet, um die überlappenden Paired-End-Illumina-Schnelldateien zusammenzuführen. Der UPARSE-Algorithmus [23] wird für (a) Qualitätsfilterung der Lesevorgänge basierend auf dem maximal erwarteten Fehlerwert=1.0, (b) Identifizierung eindeutiger Sequenzen, (c) Häufigkeitssortierung usw. verwendet Entfernung von Singletons, (d) Gruppierung der Lesevorgänge in operative taxonomische Einheiten (OTUs) basierend auf einem Identitätsschwellenwert von 97 Prozent, (e) De-novo- und referenzbasierte Chimärenprüfung (gegenüber der GOLD-Datenbank [22]) und (f) Konstruktion von OTU-Tabelle. Die taxonomische Klassifizierung wird dann mithilfe der QIIME-Implementierung von UCLUST [24] durchgeführt und mithilfe des PyNAST-Algorithmus [25] mit der Greengenes-Datenbank abgeglichen. Zum weiteren Vergleich zwischen mikrobiellen Gemeinschaften wurden mit FastTree [27] phylogenetische Bäume erstellt. Vor der Durchführung nachgelagerter Analysen wird die resultierende OTU-Tabelle gefiltert, um alle Proben mit geringer Sequenzierungstiefe zu entfernen. Anschließend werden mithilfe von QIIME die Indizes für den Reichtum und die Vielfalt der Gemeinschaft mit einer bestimmten gleichmäßigen Tiefe pro Stichprobe berechnet. Phylogenetische (gewichtete UniFrac-Abstände) und abundanzbasierte (Bray-Curtis-Unähnlichkeit) Diversitätsmetriken werden nach der Normalisierung der endgültigen OTU-Tabelle mithilfe der cumulative sum scaling (CSS)-Transformation berechnet [28]. Die Hauptkoordinatenanalyse (PCoA) wird auf die resultierenden Distanzmatrizen angewendet, um zweidimensionale Diagramme unter Verwendung der Standardeinstellungen der PRIMER-6-Software (PRIMER-E Ltd, Plymouth) zu erstellen. Es wird eine unbeaufsichtigte Clusteranalyse durchgeführt, um Clustermuster von Stichproben mit dem Anteil der Kern-OTUs innerhalb jeder Nische in Beziehung zu setzen (Kern-OTUs sind definiert als solche, die in mindestens 75 Prozent der Stichproben in jeder Nische vorhanden sind). Die relativen Häufigkeiten der ausgewählten OTUs werden über die Proben hinweg normalisiert. Bray-Curtis-Unähnlichkeiten werden mit dem R-Paket „vegan“ [29] berechnet, und die resultierende Matrix wird einem unbeaufsichtigten hierarchischen Clustering mit dem R-Paket „dendextend“ [30] unterzogen und über das visualisiert Heatmap der Häufigkeitsmatrix mit dem R-Paket „complex-heatmap“ [31]. Das UNIVARIATE-Verfahren von SAS wird zum Testen der Normalität von Residuen für Diversitätsmessungen verwendet. Nicht normalverteilte Daten werden entweder logarithmisch oder Box-Cox-potenztransformiert und dann einem Varianzanalysetest (ANOVA) unter Verwendung des MIXED-Verfahrens von SAS unterzogen. Alle paarweisen Vergleiche zwischen den Gruppen werden mithilfe der studentisierten Tukey-Bereichsanpassung getestet. Permutationelle multivariate Varianzanalyse (PERMANOVA; implementiert in der Primer6-Software) wird verwendet, um signifikante Unterschiede zwischen den Diversitätsmetriken mikrobieller Gemeinschaften zu erkennen. Die relative Häufigkeit ausgewählter Kern-OTUs wird mithilfe einer multivariaten Analyse mit linearer Modellierung (MaAsLin) [32] auf statistisch signifikante Assoziationen mit verfügbaren Metadaten getestet. Dabei werden alle potenziellen Störfaktoren (Kovariaten) berücksichtigt, die mit dem Profil des Mikrobioms (z. B. Geschlecht, Alter, BMI) und Teilnehmer (als Zufallsfaktor behandelt). Signifikante Assoziationen werden unterhalb eines Wertschwellenwerts von 0,1 berücksichtigt. Um die Veränderungen in der Funktionalität des Mikrobioms zu bewerten, wird eine Korrelationsnetzwerkanalyse (CoNet, [33]) verwendet, um mikrobielle Koexistenz-/gegenseitigen Ausschlussbeziehungen zu untersuchen und Hub-OTUs zu identifizieren, die die höchste Anzahl positiver/negativer Korrelationen mit anderen aufweisen OTUs unter Behandlungsbedingungen.

Die Auswirkungen der Behandlung auf lineare Ergebnisse am Ende jedes Zeitraums werden mit dem SAS MIXED-Verfahren (SAS 9.4) analysiert. Reihenfolge und Geschlecht werden als feste Faktoren in das Modell einbezogen, und die Teilnehmer werden als wiederholte Faktoren einbezogen. Die Normalität der Datenverteilung wird mithilfe des Shapiro-Wilk-Tests ermittelt und die nichtnormalen Variablen werden vor der Analyse transformiert. Demografische Daten werden als Mittelwert ± Standardabweichung angegeben. Sofern nicht anders angegeben, werden die Ergebnisse als Mittel der kleinsten Quadrate ± Standardfehler des Mittelwerts (SEM) angegeben. Die statistische Signifikanz wird für alle Analysen auf p < 0.05 festgelegt. Die Data Science-Plattform in CHI wird zusätzlich zur Biostatistik-Unterstützung für das Projekt Unterstützung bei der Datenverwaltung bieten.

Randomisierung, Verblindung und Codeknacken

Geeignete Patienten (n=36) durchlaufen zu Studienbeginn Beurteilungen und werden nach dem Zufallsprinzip zwei Gruppen mit jeweils 18 Teilnehmern zugeteilt. Die Randomisierung wird von einem unabhängigen Forscher in der Biostatistikplattform am George and Fay Yee Center for Healthcare Innovation (CHI) der University of Manitoba durchgeführt. Die Randomisierung wird mithilfe von Code durchgeführt, der in der statistischen Programmiersprache R (Version 3.5.3) geschrieben ist. Die Behandlungen werden im Verhältnis 1:1 vergeben. Insgesamt werden 48 Zufallskarten vorbereitet, ein Satz mit 24 für jedes Geschlecht. Der Randomisierungsplan wird in Sätze undurchsichtiger, versiegelter Umschläge übertragen. Nach dem Basisbesuch eines Teilnehmers öffnet das Studienpersonal einen versiegelten Umschlag, der die Zuteilung des Teilnehmers enthält. Die Reihenfolge der Interventionen ist sowohl für die Ermittler als auch für die Teilnehmer blind. Die Behandlungen werden in versiegelten Beuteln durchgeführt; Der Inhalt des Beutels wird von einer externen Partei geblendet, dem Studienpersonal mit der Kennzeichnung A oder B übergeben und entsprechend der Behandlungsdauer an die Teilnehmer verteilt. Die Behandlungen werden erst nach Abschluss der Analysen entblindet, es sei denn, dies ist aufgrund unerwünschter Ereignisse während der klinischen Studie erforderlich. Es wird außerdem eine Zwischenprüfung der klinischen Daten des Teilnehmers durch einen unabhängigen Nephrologen geben, der nicht verblindet ist (siehe Abschnitt „Aufgaben des qualifizierten Prüfarztes“).

Berechnung der Stichprobengröße

Eine endgültige Stichprobengröße von 30 Teilnehmern dieser Studie wird in der Lage sein, einen Unterschied zwischen den Behandlungen im gesamten p-Kresolsulfat von 17,5 μmol/L oder ~ 15 Prozent Veränderung bei einer Potenz von 0,88 (Alpha {{6}) festzustellen. }.05, zweiseitig), bei einer personeninternen Korrelation von .79 [23] und einer geschätzten Standardabweichung von 45 μmol/L [9] für Gesamt-p-Kresolsulfat. Ein Rückgang der urämischen gelösten Stoffe um 30 Prozent oder mehr wäre klinisch bedeutsam und rechtfertigt zusätzliche Studien zur Untersuchung dieser präbiotischen Intervention bei chronischer Nierenerkrankung. Wir sind zuversichtlich, dass wir eine solche Veränderung feststellen könnten, sollte sie auftreten. Um den Leistungsverlust aufgrund von Aussetzern zu berücksichtigen, werden wir 36 Teilnehmer rekrutieren.

Einbeziehung in die Analyse

Die primäre Analyse wird unter Verwendung des Analysesatzes „Alle Teilnehmer“ (Intent-to-Treat) durchgeführt. Die primäre Analyse wird im Completers-Analyseset wiederholt. Demografische Daten und alle anderen Basismessungen werden sowohl im Satz „Alle Teilnehmer“ als auch im Satz „Vervollständiger“ analysiert.

Absolventen-Analyseset: alle Teilnehmer, die den Test abgeschlossen haben.

Analysesatz „Alle Teilnehmer“: alle randomisierten Teilnehmer.

Abbruch/Rückzug von Teilnehmern aus der Studienbehandlung 

Jeder Teilnehmer hat das Recht, jederzeit vom Test zurückzutreten. Teilnehmer können die Teilnahme an der Studie jederzeit abbrechen und werden gebeten, sich an ein Mitglied des Forschungsteams zu wenden, um ihnen ihre Entscheidung mitzuteilen. Darüber hinaus können die Prüfer einen Teilnehmer jederzeit von der Studie ausschließen, wenn sie dies aus irgendeinem Grund für notwendig erachten, einschließlich Schwangerschaft, Sperrung (entweder während der Studie entstanden oder im Nachhinein beim Screening übersehen), erheblicher Protokollabweichung, erheblicher Nichteinhaltung. Einhaltung des Protokolls, Krankheitsprogression, die dazu führt, dass das Protokoll nicht mehr eingehalten werden kann, Widerruf der Einwilligung und Verlust der Nachsorge.

Ein Widerruf führt nicht dazu, dass die Daten dieses Teilnehmers von der Analyse ausgeschlossen werden. Da die primäre Analyse auf einer Behandlungsabsicht basiert, wird auch eine reine Komplettanalyse durchgeführt.

Wenn ein Teilnehmer innerhalb der ersten 4 Wochen nach dem Test ausscheidet, wird er ersetzt. Bei einem Rücktritt des Ersatzteilnehmers erfolgt kein Nachersatz.

Der Grund für den Rücktritt wird, sofern angegeben, im CRF vermerkt.

Vergütung

Teilnehmer erhalten für jeden abgeschlossenen Zeitraum eine Vergütung von 200 US-Dollar oder den anteiligen Wert, wenn sie aus der Studie aussteigen. Jeder Teilnehmer würde insgesamt 400 US-Dollar erhalten, wenn er die vollständige Testversion abschließt.

Die Namen und Adressen der Teilnehmer werden für die Vorbereitung, den Ausdruck, den Versand und die Führung von Finanzunterlagen oder Vergütungsschecks verwendet. Dem Teilnehmer werden nach Erhalt des Vergütungsschecks ein vorfrankiertes Porto und ein Umschlag mit einem Formular zur Unterschrift ausgehändigt. Die Teilnehmer werden gebeten, das Formular an CDIC zurückzusenden. Diese Aufzeichnung wird maximal 7 Jahre lang aufbewahrt.

Diskussion

CKD wird mit Veränderungen in der mikrobiellen Ökologie des Darms oder „Dysbiose“ in Verbindung gebracht, die zum Fortschreiten der Krankheit beitragen können. Personen und Tiere mit CNE zeigen tiefgreifende Veränderungen in der Darmumgebung, einschließlich Verschiebungen in der mikrobiellen Zusammensetzung, erhöhtem pH-Wert im Stuhl und erhöhten Blutspiegeln von Metaboliten, die aus Darmmikroben stammen. Aktuelle Studien haben sich auf Ernährungsansätze zur positiven Veränderung der Zusammensetzung der mikrobiellen Gemeinschaften im Darm als Behandlungsmethode für CKD konzentriert. Resistente Stärke (RS), ein Präbiotikum, das die Vermehrung von Darmbakterien wie Bifidobakterien und Laktobazillen fördert, erhöht die Produktion von Metaboliten, einschließlich kurzkettiger Fettsäuren, die mehrere gesundheitsfördernde Vorteile mit sich bringen. Studien an Tiermodellen und Personen mit chronischer Nierenerkrankung zeigen, dass eine RS-Supplementierung die Konzentrationen urämischer Retentionslösungen, einschließlich Indoxylsulfat und p-Kresolsulfat, verringert. Es wurde gezeigt, dass die fermentierbare Mais-resistente Maisstärke Typ 2 (HAMRS2) mit hohem Amylosegehalt in der Nahrung das Darmmilieu in CNE-Rattenmodellen verändert und zu einer deutlich verbesserten Nierenfunktion führt. Es wurde gezeigt, dass RPS, eine R2--resistente Stärke, kohlenhydratabbauende Bakterien wie Bifidobakterien vermehrt und Bakterien mit proteolytischer Aktivität wie E. coli verringert [14, 17, 18]. Es wurde auch gezeigt, dass RPS die Konzentrationen von aus dem Darmmikrobiom stammenden urämischen Toxinen bei Schweinen reduziert [19]. Während Tier- und Humanstudien mit resistenter Stärke die Fähigkeit gezeigt haben, die Darmmikrobiota zu verändern und die Anzahl urämischer Toxine zu reduzieren, gibt es nur begrenzte Studien bei Patienten mit chronischer Nierenerkrankung [14].

In einer Studie, die an Personen mit chronischer Nierenerkrankung durchgeführt wurde, die bereits eine Dialyse erhielten, wurde eine Verringerung der urämischen Toxine nach dem Verzehr von Maisstärke mit hohem Amylosegehalt über einen Zeitraum von 6 Wochen beobachtet [20]. Maisstärke mit hohem Amylosegehalt besteht zu etwa 60 Prozent aus resistenter Stärke, bezogen auf das Trockengewicht, während das in diesem Vorschlag zu verwendende RPS zu etwa 70 Prozent aus resistenter Stärke und zu etwa 10 Prozent aus anderen Ballaststoffen besteht [17]. Hier werden wir eine 2--Perioden-randomisierte, doppelblinde Cross-Over-Studie durchführen, um zu untersuchen, ob die Einnahme von RPS als Zusatztherapie zu den aktuellen Standards der CNI-Behandlung urämische Toxine und Symptome durch Veränderung der Darmmikrobiota bei Patienten mit chronischer Nierenerkrankung reduziert CKD.

Die Ergebnisse dieser Studie werden den Beweis für die Wirksamkeit von RPS bei Patienten mit CKD ergänzen und die Grundlage für eine größere multizentrische, randomisierte, kontrollierte Studie bilden, in der die Wirkung von RPS auf die Verzögerung des Fortschreitens der CKD und den Beginn der Dialyse untersucht wird.

Datenmanagement

Quelldaten

Quelldokumente sind die Orte, an denen Daten erstmals erfasst werden und aus denen die CRF-Daten der Teilnehmer gewonnen werden. CRF-Einträge gelten als Quelldaten, wenn das CRF der Ort der ursprünglichen Aufzeichnung ist (z. B. wenn keine andere schriftliche oder elektronische Datenaufzeichnung vorhanden ist). Alle Dokumente werden sicher und vertraulich aufbewahrt. Auf allen studienspezifischen Dokumenten, mit Ausnahme der unterschriebenen Einwilligungsformulare, der Masterliste und der Vergütungsformulare, wird der Teilnehmer mit dem Studienteilnehmercode und nicht namentlich erwähnt.

Zugriff auf Daten

Bevollmächtigten Vertretern des Sponsors, der Gastinstitution und der Regulierungsbehörden wird direkter Zugang gewährt, um studienbezogene Überwachung, Audits und Inspektionen zu ermöglichen.

Datenaufzeichnung und Protokollführung

Alle Studiendaten werden aus Papier-CRF eingegeben oder über die REDCap-Plattform der University of Manitoba gesammelt, und andere Quelldokumente werden in diese REDCap-Datenbank eingegeben. Die Teilnehmer werden durch eine eindeutige versuchsspezifische Nummer und/oder einen eindeutigen Code in dieser REDCap-Datenbank identifiziert. Der Name des Teilnehmers und alle anderen identifizierenden Informationen werden nicht in die REDCap-Datenbank aufgenommen, mit Ausnahme der unterzeichneten Einverständniserklärung, des Vergütungsformulars und der Studienmasterliste. Die Privat- und E-Mail-Adressen sowie Telefonnummern der Teilnehmer werden erfasst und mit der Studien-ID und dem Namen des Teilnehmers auf einer physischen/elektronischen Studien-Masterliste verknüpft, die zur Koordinierung von Testaktivitäten wie Hauslieferungen der Studienmaterialien, Vergütungsschecks und Kommunikation verwendet wird mit den Teilnehmern während des Prozesses. Diese Masterliste wird in einem verschlossenen Schrank beim CDIC oder auf einem passwortgeschützten gemeinsamen Laufwerk/Computer beim CDIC gespeichert. Die Namen und Adressen der Teilnehmer werden während des Zustellvorgangs an das Zustellpersonal oder Kuriere weitergegeben und für den Versand von Vergütungsschecks für Teilnehmer, die nicht persönlich abholen, verwendet.

Studiendaten, ohne die persönlichen Daten der Teilnehmer zu identifizieren, werden mithilfe von REDCap in einer sicheren Forschungsumgebung an der Universität von Manitoba gespeichert. REDCap wird lokal von der Data Science-Plattform am George & Fay Yee Center for Healthcare Innovation an der University of Manitoba implementiert. Virtuelle Studienbesuche werden über die Microsoft Teams-Plattform der University of Manitoba durchgeführt, bei der es sich um einen extern gehosteten cloudbasierten Dienst handelt. Elektronische Daten mit identifizierenden persönlichen Daten des Teilnehmers, wie Name und Kontaktinformationen, werden passwortgeschützt und in einer Excel-Datei auf einem Computer bei CDIC gespeichert. Elektronische Aufzeichnungen unterzeichneter Einwilligungsformulare werden auf REDCap sowie auf einem passwortgeschützten sicheren Computer/gemeinsamen Laufwerk bei CDIC oder in einem verschlossenen Schrank gespeichert. In Papierform unterzeichnete Einverständniserklärungen werden in einem verschlossenen Schrank im CDIC aufbewahrt. Andere Studienprotokolle werden in einem stabilen Ordner organisiert und im CDIC aufbewahrt. CDIC ist rund um die Uhr gesichert und hat nur eingeschränkten Zugang.

Alle Studienunterlagen werden 25 Jahre lang aufbewahrt. Papier-CRFs und Quelldaten werden, abgesehen von persönlichen Identifikationsdaten, bei CDIC in einem verschlossenen Aufbewahrungsbehälter aufbewahrt. Papierakten werden bei CDIC mithilfe der vertraulichen Dokumentenvernichtungsmethode entsorgt.

Elektronische Daten werden anonymisiert und für 10 Jahre nach Ende der Studie aufbewahrt. Elektronische Daten können zu Veröffentlichungszwecken auch in anonymisierter Form an Fachzeitschriften weitergegeben werden. Die Daten können von der Fachzeitschrift oder anderen Open-Access-Repositorien im Rahmen einer Open-Access-Richtlinie gespeichert werden. In diesem Fall können sie von anderen Forschern für weitere Datenanalyse- und Forschungszwecke verwendet werden. Papierakten werden im Verfahren der vertraulichen Dokumentenvernichtung entsorgt.

Kriterien für die Beendigung des Prozesses

Der Versuch wird fortgesetzt, bis alle rekrutierten Teilnehmer das Ende ihrer Nachbeobachtung erreicht haben und die Daten gesammelt, verarbeitet und bereinigt wurden. Eine vorzeitige Kündigung ist nicht vorgesehen.

Verfahren zur Berücksichtigung fehlender, ungenutzter und falscher Daten

Die Anzahl und der Anteil der fehlenden Werte werden im klinischen Studienbericht dokumentiert. Fehlende Werte werden nicht imputiert, sofern nicht anders angegeben. Bei den Analysen werden Daten von Teilnehmern ausgeschlossen, bei denen Werte für eine für die Analyse erforderliche Variable fehlen.

Wenn festgestellt wird, dass Daten in einer Weise ungewöhnlich sind, die nicht erklärt oder als fehlerhaft eingestuft werden kann, können Analysen wiederholt werden, nachdem der betreffende Datensatz ausgeschlossen wurde. Diese zusätzlichen Analysen werden als Sensitivitätsanalysen dargestellt.

Verfahren zur Meldung von Abweichungen vom ursprünglichen statistischen Plan

Alle in der Datenbank der klinischen Studien dokumentierten Protokollabweichungen werden (falls zutreffend) tabellarisch aufgeführt und im Bericht der klinischen Studie aufgeführt.

Aufzeichnung unerwünschter Ereignisse

Aufgrund der Art der Intervention ist es sehr unwahrscheinlich, dass irgendwelche unerwünschten Ereignisse mit der Studie in Zusammenhang stehen. Allerdings werden alle während der Studie auftretenden unerwünschten Ereignisse, die von den Prüfärzten beobachtet oder vom Teilnehmer gemeldet werden, im CRF erfasst, unabhängig davon, ob sie auf die Intervention in der Studie zurückzuführen sind oder nicht.

Die folgenden Informationen werden aufgezeichnet: Beschreibung, Beginn- und Enddatum, Schweregrad und Bewertung des Zusammenhangs mit der Studienintervention. Bei Bedarf sollten Folgeinformationen bereitgestellt werden. Falls ein unerwünschtes Ereignis gemeldet wird, wird den Patienten angeboten, beim nächsten verfügbaren Klinikbesuch oder innerhalb einer Woche, je nachdem, was früher eintritt, untersucht zu werden, und sie werden weiterhin in der Klinik beobachtet, bis die unerwünschten Ereignisse behoben sind.

Der Schweregrad der Ereignisse wird anhand der folgenden Skala beurteilt: 1=leicht, 2=mittelschwer und 3=schwer.

Nebenwirkungen, die nach Einschätzung des qualifizierten Prüfarztes im Zusammenhang mit der Studienintervention stehen, werden entweder bis zum Abklingen verfolgt oder das Ereignis wird als stabil angesehen. Falls unerwünschte Nebenwirkungen zum Abbruch der Studie führen, werden die Patienten, die aufgrund unerwünschter Behandlungsreaktionen aus der Studie ausgeschlossen werden, ebenfalls von der CKD-Klinik betreut, bis die unerwünschten Ereignisse abgeklungen sind.

Sicherheitsberichterstattung

Das Studienteam meldet unerwünschte Ereignisse an Health Canada und die zuständigen Abteilungs-/Einrichtungsleiter sowie das REB der University of Manitoba unter Verwendung geeigneter Meldeformulare.

Qualitätssicherungsverfahren

Der Versuch wird nach dem aktuell genehmigten Protokoll, GCP, relevanten Vorschriften und Standardarbeitsanweisungen durchgeführt.

Gemäß GCP kann eine regelmäßige Überwachung durchgeführt werden. Die Daten können hinsichtlich der Einhaltung des Protokolls und der Richtigkeit der Quelldokumente ausgewertet werden. Unter Befolgung schriftlicher Standardarbeitsanweisungen überprüfen die Monitore, ob die klinische Studie durchgeführt wird und Daten in Übereinstimmung mit dem Protokoll, der GCP und den geltenden behördlichen Anforderungen generiert, dokumentiert und gemeldet werden.

Abkürzungen

AE: Unerwünschtes Ereignis; AR: Nebenwirkung; PI: Hauptforscher; CRA: Klinischer Forschungsmitarbeiter; CRF: Fallberichtsformular; GCP: Gute klinische Praxis; CT: Klinische Studien; ICF: Formular zur Einwilligung nach Aufklärung; REB: Research Ethics Board; SAE: Schwerwiegendes unerwünschtes Ereignis; SOP: Standardarbeitsanweisung

Danksagungen

Wir möchten Michelle DiNella, Sarah Curtis und den CDIC-Mitarbeitern für die Unterstützung bei der Einrichtung dieser Studie danken.

Erklärung von Helsinki

Der Prüfer/QI wird sicherstellen, dass dieser Versuch gemäß den Grundsätzen der Deklaration von Helsinki durchgeführt wird. Hinweis: Die Helsinki-Erklärung von 2008 enthält Einzelheiten dazu, was in einem Protokoll enthalten sein muss: Finanzierung, Sponsoring, Zugehörigkeiten und potenzielle Interessenkonflikte, Anreize zur Teilnahme, Entschädigung für Schäden und Zugang zu Medikamenten und Pflege nach dem Prozess.

Berichterstattung

Der Prüfer/QI muss während der gesamten klinischen Studie einmal jährlich einen jährlichen Fortschrittsbericht an den Ethikausschuss der University of Manitoba Health Research vorlegen. Darüber hinaus wird eine Benachrichtigung über das Ende der Studie an das Ethikgremium der University of Manitoba Health Research und Health Canada übermittelt.

Vertraulichkeit der Teilnehmer

Das Studienpersonal stellt sicher, dass die Anonymität der Teilnehmer gewahrt bleibt. Die Teilnehmer werden nur durch eine Teilnehmer-ID-Nummer in allen Studienunterlagen und allen elektronischen Datenbanken identifiziert, mit Ausnahme des Einverständnisformulars, der Masterliste und des Vergütungsformulars. Alle Dokumente werden sicher aufbewahrt und sind nur für das Studienpersonal und autorisiertes Personal zugänglich. Die Studie entspricht dem Personal Health Information Act (PHIA) oder dem Freedom of Information and Protection of Privacy Act (FIPPA) von Manitoba.

Teststatus

Diese Studie wird voraussichtlich im September 2021 mit der Rekrutierung beginnen und bis etwa März 2022 andauern. Die aktuelle Protokollnummer und das aktuelle Datum sind Version 3, 13. Juni 2021.

Zusammensetzung, Rollen und Verantwortlichkeiten des Koordinierungszentrums

Der Privatdetektiv (Dr. Mackay) und die Co-Ermittler (Dr. Tangri und Mollard) werden für die Aufsicht verantwortlich sein. Ein Doktorand und ein Forschungskoordinator werden bei der täglichen Durchführung der Studie zusammenarbeiten, einschließlich Rekrutierung, Screening, Terminplanung, Teilnehmerbesuche, Datenerfassung und Dateneingabe. Der Ph.D. Der Student berichtet direkt an den PI (Dr. Mackay) und der Forschungskoordinator steht in täglichem Kontakt mit dem Co-Ermittler, der ihn beaufsichtigt (Dr. Mollard). Ein Datenanalyst wird unter der Aufsicht von Dr. für die Analyse der Daten verantwortlich sein. Mackay und Tangri. Das Projekt wird mit dem gesamten CDIC-Forschungsteam bei einem Treffen der klinischen Gruppe alle zwei Wochen und bei zweiwöchentlichen Treffen mit dem Projektforschungsteam zur Erörterung spezifischer Projektdetails besprochen.

Autorenbeiträge

MS unterstützte bei der Ausarbeitung des Manuskripts und der Zusammenstellung von Rückmeldungen und Änderungen anderer Autoren. KK war bei der Durchsicht des Manuskripts behilflich. HW suchte nach ethischer Genehmigung und trug zum Manuskript bei. RM, NT und DM entwarfen das Studienprotokoll und die Auswahlkriterien der Teilnehmer, suchten nach Finanzierung und ethischer Genehmigung, halfen bei der Überarbeitung des Manuskripts und prüften das Manuskript. Alle Autoren haben beigetragen, gelesen, kritische Überarbeitungen vorgenommen und das endgültige Manuskript vor der Einreichung genehmigt.

Finanzierung

Diese Studie wird von der Weston Family Microbiome Initiative und dem Chronic Disease Innovation Center am Seven Oaks Hospital finanziert. Die in dieser Studie verwendeten Behandlungsprodukte werden von MSPrebiotic Inc. kostenlos zur Verfügung gestellt. Die Geldgeber sind nicht an der Konzeption, Durchführung, Datenanalyse oder Veröffentlichung der Studie beteiligt. Sponsor der Studie ist die University of Manitoba, deren Ansprechpartner Dylan MacKay ist.

Verfügbarkeit von Daten und Materialien

Die aus dieser Studie hervorgehenden Veröffentlichungen folgen den ICMJE-Empfehlungen zur Autorenschaft. Die Ergebnisse dieser Studie werden in einer von Experten begutachteten Publikation veröffentlicht und können auf Konferenzen vorgestellt werden. Die zusammenfassenden Ergebnisse dieser Studie werden in das ClinicalTrials.gov-Register der Studie hochgeladen. Auf begründete Anfrage werden anonymisierte Daten anderen Forschern für Wissenssyntheseaktivitäten zur Verfügung gestellt.

Erklärungen

Ethische Genehmigung und Zustimmung zur Teilnahme

Das Bannatyne Campus Biomedical Research Ethics Board (BREB) in Winnipeg, Manitoba, Kanada, hat dieses Studienprotokoll (HS23161 (B2019:089)) genehmigt. Alle Änderungen am Protokoll dieser Studie werden von der U of M BREB überprüft und genehmigt, und Änderungen an Das Protokoll wird auf ClinicalTrials.gov aktualisiert. Health Canada hat die Genehmigungsmitteilung für diese Studie herausgegeben (Aktenzeichen 250522). Die Teilnehmer müssen die neueste genehmigte Version des Einverständnisformulars persönlich unterzeichnen und datieren, bevor studienspezifische Verfahren durchgeführt werden . Diese Studie ist bei ClinicalTrials.gov (NCT04961164) registriert.

Einwilligung zur Veröffentlichung 

Alle Teilnehmer erklären sich damit einverstanden, die während des Prozesses gesammelten Informationen in einer Weise zu veröffentlichen oder zu präsentieren, bei der ihre persönlichen Identifikationsdaten wie Name, Adresse und Telefonnummer nicht preisgegeben werden.

Konkurrierende Interessen

Alle anderen Autoren erklären, dass sie keine konkurrierenden Interessen haben.

Angaben zum Autor

1 Innovationszentrum für chronische Krankheiten, Seven Oaks General Hospital, Winnipeg, MB, Kanada. 2 Department of Human Nutritional Sciences, University of Manitoba, Winnipeg, MB, Kanada. 3 Department of Community Health Sciences, University of Manitoba, Winnipeg, MB, Kanada. 4 Max Rady College of Medicine, University of Manitoba, Winnipeg, MB, Kanada.

Verweise

1. Arora P, Vasa P, Brenner D, Iglar K, McFarlane P, Morrison H, et al. Prävalenzschätzungen chronischer Nierenerkrankungen in Kanada: Ergebnisse einer landesweit repräsentativen Umfrage. CMAJ. 2013;185(9):E417–23.

2. Ng JK, Li PK. Epidemie chronischer Nierenerkrankungen: Wie gehen wir damit um? Nephrologie (Carlton). 2018;23(Suppl 4):116–20. PMID: 30298662.

3. Fujii H, Kono K, Nishi S. Merkmale der koronaren Herzkrankheit bei chronischer Nierenerkrankung. Clin Exp Nephrol. 2019;23(6):725–32.

4. Collister D, Ferguson T, Komenda P, Tangri N. Die Muster, Risikofaktoren und Vorhersage des Fortschreitens bei chronischer Nierenerkrankung: eine narrative Übersicht. Semin Nephrol. 2016;36(4):273–82. PMID: 27475658.

5. Beaudry A, Ferguson TW, Rigatto C, Tangri N, Dumanski S, Komenda P. Kosten der Dialysetherapie nach Modalität in Manitoba. Klinisches Journal der American Society of Nephrology. 2018;13(8):1197–203. PMID: 30021819.

6. Aronov PA, Luo FJG, Plummer NS, Quan Z, Holmes S, Hostetter TH, et al. Beitrag des Dickdarms zu urämischen gelösten Stoffen. J Am Soc Nephrol. 2011;22(9):1769–76. PMID: 21784895.

7. Ramezani A, Massy ZA, Meijers B, Evenepoel P, Vanholder R, Raj DS. Rolle des Darmmikrobioms bei Urämie: ein potenzielles therapeutisches Ziel. American Journal of Kidney Diseases. 2016;67(3):483–98. PMID: 26590448.

8. Simonsen E, Komenda P, Lerner B, Askin N, Bohm C, Shaw J, et al. Behandlung von urämischem Pruritus: eine systematische Übersicht. Bin J Nierendis. 2017; 70(5):638–55. PMID: 28720208.

9. Meijers BK, et al. P-Kresol und kardiovaskuläres Risiko bei leichter bis mittelschwerer Nierenerkrankung. Clin J Am Soc Nephrol. 2010;5(7):1182–9. PMID: 20430946.

10. Gao H, Liu S. Rolle des urämischen Toxins Indoxylsulfat beim Fortschreiten von Herz-Kreislauf-Erkrankungen. Biowissenschaften. 2017;185:23–9. PMID: 28754616.

11. Lisowska-Myjak B. Urämische Toxine und ihre Auswirkungen auf mehrere Organsysteme. Nephron-Klinikpraxis. 2014;128(3-4):303–11. PMID: 25531673.

12. Schulman G, Berl T, Beck GJ, Remuzzi G, Ritz E, Arita K, et al. Randomisierte, placebokontrollierte EPPIC-Studien zu AST-120 bei CKD. J Am Soc Nephrol. 2015; 26(7):1732–46. PMID: 25349205.

13. Hung SC, Kuo KL, Wu CC, Tarng DC. Indoxylsulfat: ein neuartiger kardiovaskulärer Risikofaktor bei chronischen Nierenerkrankungen. Zeitschrift der American Heart Association. 2017;6(2):e005022. PMID: 28174171.

14. Snelson M, Kellow NJ, Coughlan MT. Modulation der Darmmikrobiota durch resistente Stärke zur Behandlung chronischer Nierenerkrankungen: Wirksamkeitsnachweise und mechanistische Erkenntnisse. Adv Nutr. 2019;10(2):303–20. PMID: 30668615.

15. Birkett A, Muir J, Phillips J, Jones G, O'Dea K. Resistente Stärke senkt die fäkale Konzentration von Ammoniak und Phenolen beim Menschen. Bin J Clin Nutr. 1996; 63(5):766–72. PMID: 8615362.

16. Smith EA, Macfarlane GT. Zählung menschlicher Dickdarmbakterien, die Phenol- und Indolverbindungen produzieren: Auswirkungen des pH-Werts, der Kohlenhydratverfügbarkeit und der Retentionszeit auf den dissimilatorischen Stoffwechsel aromatischer Aminosäuren. J Appl Bakteriol. 1996;81(3):288–302. PMID: 8810056.

17. Alfa MJ, Strang D, Tappia PS, Graham M, van Domselaar G, Forbes JD, et al. Eine randomisierte Studie zur Bestimmung des Einflusses einer verdauungsresistenten Stärkezusammensetzung auf das Darmmikrobiom bei älteren und mittleren Erwachsenen. Clin Nutr. 2018;37(3):797–807.

18. Baxter NT, Schmidt AW, Venkataraman A, Kim KS, Waldron C, Schmidt TM, et al. Dynamik der menschlichen Darmmikrobiota und kurzkettigen Fettsäuren als Reaktion auf diätetische Eingriffe mit drei fermentierbaren Ballaststoffen. MBio. 2019. PMID: 30696735;10(1):e02566–18.

19. Losel D, Claus R. Dosisabhängige Auswirkungen von resistenter Kartoffelstärke in der Nahrung auf die Bildung von intestinalem Skatol und die Ansammlung von Fettgewebe beim Schwein. 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. Auswirkung einer Erhöhung der Ballaststoffzufuhr auf die Plasmaspiegel gelöster Stoffe aus dem Dickdarm bei Hämodialysepatienten. 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, et al. Referenzbereiche und biologische Variation von freiem und gesamtem Serum-Indoxyl und p-Kresylsulfat, gemessen mit einer schnellen UPLC-Fluoreszenzdetektionsmethode. Clin Chim Acta. 2013;419:122–6. PMID: 23428591.

22. Magoc T, Salzberg SL. FLASH: Schnelle Längenanpassung kurzer Lesevorgänge zur Verbesserung der Genomassemblierung. Bioinformatik. 2011;27(21):2957–63. PMID: 21903629.

23. Edgar RC. UPARSE: Hochpräzise OTU-Sequenzen aus mikrobiellen Amplikon-Reads. Nat-Methoden. 2013;10(10):996–8. PMID: 23955772.

24. Edgar RC. Suchen und Clustern um Größenordnungen schneller als BLAST. Bioinformatik. 2010;26(19):2460–1. PMID: 20709691.

25. Caporaso JG, Bittinger K, Bushman FD, DeSantis TZ, Andersen GL, Knight R. PyNAST: ein flexibles Werkzeug zum Ausrichten von Sequenzen an einer Vorlagenausrichtung. Bioinformatik. 2010;26(2):266–7. PMID: 19914921.

26. Caporaso JG, Kuczynski J, Stombaugh J, Bittinger K, Bushman FD, Costello EK, et al. QIIME ermöglicht die Analyse von Community-Sequenzierungsdaten mit hohem Durchsatz. Nat-Methoden. 2010;7(5):335–6. PMID: 20383131.

27. Price MN, Dehal PS, Arkin AP. FastTree 2 – Bäume mit ungefährer Maximum-Likelihood für große Ausrichtungen. PLUS EINS. 2010;5(3):e9490. PMID: 20224823.

28. Paulson JN, Stine OC, Bravo HC, Pop M. Differenzielle Häufigkeitsanalyse für mikrobielle Markergen-Erhebungen. Naturmethoden. 2013;10(12):1200. PMID: 24076764–2.

29. Jari Oksanen FGB, Friendly M, Kindt R, Legendre P, McGlinn D, Minchin PR, et al. Das vegane Paket, im Community-Ökologie-Paket; 2019.

30. Galili T. dendextend: ein R-Paket zum Visualisieren, Anpassen und Vergleichen von Bäumen hierarchischer Clusterbildung. Bioinformatik. 2015;31(22):3718–20. PMID: 26209431.

31. Gu Z, Eils R, Schlesner M. Komplexe Heatmaps offenbaren Muster und Korrelationen in mehrdimensionalen Genomdaten. Bioinformatik. 2016;32(18): 2847–9. PMID: 27207943.

32. Morgan XC, Tickle TL, Sokol H, Gevers D, Devaney KL, Ward DV, et al. Funktionsstörung des Darmmikrobioms bei entzündlichen Darmerkrankungen und Behandlung. Genombiol. 2012;13(9):R79. PMID: 23013615.

33. Faust K, Sathirapongsasuti JF, Izard J, Segata N, Gevers D, Raes J, et al. Mikrobielle Koexistenzbeziehungen im menschlichen Mikrobiom. PLoS Comput Biol. 2012;8(7):e1002606. PMID: 22807668

Anmerkung des HerausgebersSpringer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

【Für weitere Informationen: david.deng@wecistanche.com / WhatApp:86 13632399501】