Bezpečnostní monitorovací výbor

Intervence v této studii jsou nízkorizikové a jsou doplňkem standardní péče, které se účastníkům bude i nadále dostávat po celou dobu zkušebního období a po dokončení studie; proto nebude vytvořena žádná deska pro monitorování dat a bezpečnosti (DSMB). V polovině studie, když všichni účastníci dokončí své první léčebné období, však bude provedena externí kontrola klinické chemie účastníka a jakýchkoli nežádoucích účinků studie. Toto přezkoumání provede nefrolog mimo Manitobu. Tento přehled bude sledovat důkazy o poškození léčby, hledat trendy v klinické chemii a/nebo nárůst neočekávaných příhod souvisejících s léčbou a přijme vhodná opatření. Tyto akce mohou zahrnovat navržení změn protokolu, které by mohly zahrnovat brzké zastavení studie z důvodu jasného poškození léčby v závislosti na výsledcích přezkoumání.

Podle relevantních studií je cistanche tradiční čínská bylina, která se po staletí používá k léčbě různých nemocí. Bylo vědecky prokázáno, že má protizánětlivé, proti stárnutí a antioxidační vlastnosti. Studie prokázaly, že cistanche je prospěšná pro pacienty trpící onemocněním ledvin. O aktivních složkách cistanche je známo, že snižují zánět, zlepšují funkci ledvin a obnovují poškozené ledvinové buňky. Začlenění cistanche do plánu léčby onemocnění ledvin tak může pacientům nabídnout velké výhody při zvládání jejich stavu. Cistanche pomáhá snižovat proteinurii, snižuje hladinu BUN a kreatininu a snižuje riziko dalšího poškození ledvin. Kromě toho cistanche také pomáhá snižovat hladinu cholesterolu a triglyceridů, což může být nebezpečné pro pacienty trpící onemocněním ledvin.

Klikněte na výhody rou cong rong

【Další informace: david.deng@wecistanche.com / WhatApp:{0}}】

Statistická analýza

Bioinformatika a statistické analýzy mikrobiomových dat budou prováděny s pomocí Microbiome Insights a platformy Data Science na CHI; bude aktualizován na základě doporučení a technologického pokroku mezi dneškem a zpracováním vzorků. Obecně platí, že výchozí nastavení assembleru FLASH [22] bude použito ke sloučení překrývajících se rychlých souborů Illumina na párovém konci. Algoritmus UPARSE [23] bude použit pro (a) filtrování kvality čtení na základě maximální očekávané chybové hodnoty=1.0, (b) identifikaci jedinečných sekvencí, (c) třídění podle abundance a odstranění singletonů, (d) shlukování čtení do operačních taxonomických jednotek (OTU) na základě 97procentního prahu identity, (e) de novo a na základě reference založená kontrola chimér (proti databázi GOLD [22]) a (f) konstrukce OTU stůl. Taxonomická klasifikace pak bude provedena pomocí QIIME [26] implementace UCLUST [24] a bude porovnána s databází Greengenes pomocí algoritmu PyNAST [25]. Fylogenetické stromy byly postaveny pomocí FastTree [27] pro další srovnání mezi mikrobiálními společenstvy. Před provedením následných analýz bude výsledná tabulka OTU filtrována, aby byly odstraněny všechny vzorky s nízkou hloubkou sekvenování. Indexy komunitní bohatosti a diverzity pak budou vypočteny pomocí QIIME v dané sudé hloubce na vzorek. Po normalizaci konečné tabulky OTU pomocí transformace kumulativního součtu (CSS) budou vypočteny metriky diverzity založené na fylogenetické (vážené vzdálenosti UniFrac) a na abundanci (nepodobnost Bray-Curtis) [28]. Na výsledné matice vzdáleností bude použita analýza hlavních souřadnic (PCoA), aby se vygenerovaly dvourozměrné grafy pomocí výchozího nastavení softwaru PRIMER-6 (PRIMER-E Ltd, Plymouth). Bude provedena analýza shlukování bez dozoru, aby se vztáhly vzorce shlukování vzorků k podílu jádrových OTU v každém výklenku (jádrové OTU jsou definovány jako ty, které jsou přítomny v alespoň 75 procentech vzorků v každém výklenku). Relativní abundance vybraných OTU budou mezi vzorky normalizovány. Nepodobnosti Bray-Curtis budou vypočteny pomocí balíčku R „vegan“ [29] a výsledná matice bude podrobena hierarchickému shlukování bez dozoru pomocí balíčku R „dendextend“ [30] a bude vizualizována přes heatmap matice abundance pomocí balíčku R "complex-heatmap" [31]. Pro testování normality reziduí pro měření diverzity bude použita procedura UNIVARIATE SAS. Nenormálně distribuovaná data budou buď logaritmicky nebo Box-Cox transformována a poté podrobena testu analýzy rozptylu (ANOVA) za použití MIXED procedury SAS. Všechna párová srovnání mezi skupinami budou testována pomocí Tukeyho studentského nastavení rozsahu. Permutační multivariační analýza rozptylu (PERMANOVA; implementovaná v softwaru Primer6) bude použita k detekci významných rozdílů mezi metrikami diverzity mikrobiálních komunit. Relativní abundance vybraných základních OTU budou testovány na statisticky významné asociace s dostupnými metadaty pomocí vícerozměrné analýzy s lineárním modelováním (MaAsLin) [32] zohledňující všechny potenciální zmatky (kovariáty), které by mohly být spojeny s profilem mikrobiomu (tj. pohlaví, věk, BMI) a účastníci (zacházeno jako náhodný faktor). Významné asociace budou brány v úvahu pod prahovou hodnotou 0,1. K posouzení posunů ve funkčnosti mikrobiomu bude použita analýza korelační sítě (CoNet, [33]) ke zkoumání vztahů mezi mikrobiálním společným výskytem/vzájemným vyloučením a k identifikaci centrálních OTU, které vykazují nejvyšší počet pozitivních/negativních korelací s ostatními OTU za podmínek léčby.

Účinky léčby na lineární výsledky na konci každého období budou analyzovány postupem SAS MIXED (SAS 9.4). Sekvence a pohlaví budou zahrnuty do modelu jako fixní faktory a účastníci budou zahrnuti jako opakované faktory. Normalita distribuce dat bude provedena pomocí Shapiro-Wilkova testu a nenormální proměnné budou před analýzou transformovány. Demografické údaje budou uváděny jako průměr ± standardní odchylka. Výsledky budou uvedeny jako průměr nejmenších čtverců ± standardní chyba průměru (SEM), pokud není uvedeno jinak. Statistická významnost bude nastavena na p < 0,05 pro všechny analýzy. Platforma Data Science Platform v CHI poskytne projektu kromě podpory biostatistiky také podporu správy dat.

Randomizace, zaslepení a prolamování kódu

Způsobilí pacienti (n=36) projdou na začátku hodnocením a budou náhodně rozděleni do 2 skupin, z nichž každá se skládá z 18 účastníků. Randomizaci provede nezávislý výzkumník na platformě biostatistiky v George and Fay Yee Center for Healthcare Innovation (CHI) na University of Manitoba. Randomizace bude provedena pomocí kódu napsaného ve statistickém programovacím jazyce R (verze 3.5.3). Ošetření bude přiděleno v poměru 1:1. Celkem bude připraveno 48 randomizačních karet, jedna sada 24 pro každé pohlaví. Plán randomizace bude převeden do sad neprůhledných zapečetěných obálek. Po základní návštěvě účastníka otevře personál studie zapečetěnou obálku, která bude obsahovat přidělení účastníka. Pořadí intervencí bude pro vyšetřovatele i účastníky slepé. Léčba bude podávána v uzavřených sáčcích; obsah sáčku bude zaslepený externí stranou, předán personálu studie označenému jako A nebo B a rozdán účastníkům podle doby jejich léčby. Léčby nebudou odslepeny, dokud nebudou dokončeny analýzy, pokud to není nutné kvůli nežádoucím účinkům během klinického hodnocení. K dispozici bude také středová kontrola klinických dat účastníka nezávislým nefrologem, který bude odslepen (viz část „Odpovědnosti kvalifikovaného zkoušejícího“).

Výpočet velikosti vzorku

Konečný vzorek o velikosti 30 účastníků této studie bude schopen detekovat rozdíl mezi ošetřeními v celkovém p-kresolsulfátu 17,5 μmol/l, neboli ~ 15procentní změna, při síle 0,88 (alfa {{6} } 0,05, oboustranný), vzhledem k vnitřní korelaci 0,79 [23] a odhadované směrodatné odchylce 45 μmol/l [9] pro celkový p-kresol sulfát. Pokles uremických rozpuštěných látek o 30 procent nebo více by byl považován za klinicky významný, což by zaručovalo další studie zkoumající tento prebiotický zásah u CKD, a jsme si jisti, že bychom byli schopni takovou změnu detekovat, pokud by k ní došlo. Abychom započítali ztrátu výkonu v důsledku výpadků, přijmeme 36 účastníků.

Zařazení do analýzy

Primární analýza bude provedena pomocí sady analýz All Participants (intent-to-treat). Primární analýza se bude opakovat v sadě analýzy Completers. Demografické údaje a všechna další základní měření budou analyzována v sadě Všichni účastníci i v sadě Doplňující.

Sada analýzy dokončujících: všichni účastníci, kteří dokončili zkoušku.

Soubor analýzy všech účastníků: všichni randomizovaní účastníci.

Ukončení/vyřazení účastníků ze zkušební léčby 

Každý účastník má právo kdykoli odstoupit od zkušebního procesu. Účastníci mohou kdykoli ukončit účast ve zkušební verzi a jsou požádáni, aby kontaktovali člena výzkumného týmu a informovali je o svém rozhodnutí. Kromě toho mohou vyšetřovatelé kdykoli přerušit účastníka ze studie, pokud to považují za nezbytné z jakéhokoli důvodu, včetně těhotenství, nezpůsobilosti (buď vzniklé během studie nebo retrospektivně přehlížené při screeningu), významné odchylky od protokolu, významné nezpůsobilosti. dodržování protokolu, progrese onemocnění, která má za následek nemožnost nadále dodržovat protokol, odvolání souhlasu a ztrátu sledování.

Odstoupení nebude mít za následek vyloučení údajů daného účastníka z analýzy. Vzhledem k tomu, že primární analýza bude založena na záměru léčit, bude provedena také pouze kompletní analýza.

Pokud je účastník odvolán během prvních 4 týdnů zkušebního období, bude nahrazen. Pokud bude náhradní účastník odvolán, nebude následovat žádná další náhrada.

Důvod odstoupení bude zaznamenán v CRF, pokud bude uveden.

Odměna

Účastníci budou odměněni 200 USD za každé dokončené období nebo poměrnou hodnotou, pokud odstoupí ze zkušebního období. Každý účastník obdrží celkem 400 $, pokud dokončí celou zkušební verzi.

Jména a adresy účastníků budou použity pro přípravu, tisk, zasílání poštou a vedení finančních záznamů nebo šeků na odměňování. Předplacené poštovné a obálka obdrží účastník po obdržení šeku s formulářem vyžadujícím jeho podpis. Účastníci budou požádáni, aby formulář vrátili CDIC. Tento záznam bude uchováván maximálně 7 let.

Diskuse

CKD je spojován se změnami ve střevní mikrobiální ekologii neboli „dysbióze“, které mohou přispívat k progresi onemocnění. Jedinci a zvířata s CKD vykazují hluboké změny ve střevním prostředí, včetně posunů v mikrobiálním složení, zvýšeného pH stolice a zvýšených krevních hladin metabolitů odvozených ze střevních mikrobů. Nedávné studie se zaměřily na dietní přístupy s cílem příznivě změnit složení střevních mikrobiálních komunit jako způsob léčby CKD. Rezistentní škrob (RS), prebiotikum, které podporuje proliferaci střevních bakterií, jako jsou bifidobakterie a laktobacily, zvyšuje produkci metabolitů včetně mastných kyselin s krátkým řetězcem, které poskytují několik zdraví prospěšných výhod. Studie na zvířecích modelech a jednotlivcích s CKD ukazují, že suplementace RS zeslabuje koncentrace uremických retenčních solutů, včetně indoxylsulfátu a p-kresolsulfátu. Bylo prokázáno, že fermentovatelný vláknitý škrob s vysokým obsahem amylózy, rezistentní ke kukuřičnému škrobu typu 2 (HAMRS2) mění střevní prostředí v modelech CKD potkanů, což vede k výraznému zlepšení funkce ledvin. Bylo prokázáno, že RPS, což je R2-rezistentní škrob, zvyšuje množství bakterií degradujících sacharidy, jako jsou Bifidobacteria, a snižuje počet bakterií s proteolytickou aktivitou, jako je E. coli [14, 17, 18]. Bylo také prokázáno, že RPS snižuje koncentrace uremických toxinů pocházejících ze střevního mikrobiomu u prasat [19]. Zatímco studie na zvířatech a lidech zahrnujících rezistentní škrob prokázaly schopnost změnit střevní mikroflóru a snížit počet uremických toxinů, u pacientů s CKD existují omezené studie [14].

V jedné studii provedené na jedincích s CKD již na dialýze bylo pozorováno snížení uremických toxinů po konzumaci kukuřičného škrobu s vysokým obsahem amylózy po dobu 6 týdnů [20]. Kukuřičný škrob s vysokým obsahem amylózy je ~ 60 procent rezistentního škrobu na sušinu, zatímco RPS, který má být použit v tomto návrhu, je ~ 70 procent rezistentní škrob a ~ 10 procent ostatní vlákniny [17]. Zde provedeme 2- periodickou randomizovanou dvojitě zaslepenou zkříženou studii, abychom zjistili, zda spotřeba RPS jako doplňkové terapie k současným standardům péče o CKD sníží uremické toxiny a symptomy změnou střevní mikroflóry u pacientů s CKD.

Výsledky této studie přispějí k důkazům o účinnosti RPS u pacientů s CKD a budou tvořit základ větší multicentrické randomizované kontrolované studie testující účinek RPS na oddálení progrese CKD a zahájení dialýzy.

Správa dat

Zdrojová data

Zdrojové dokumenty jsou místa, kde jsou data poprvé zaznamenána a ze kterých jsou získávána data CRF účastníků. Záznamy CRF budou považovány za zdrojová data, pokud je CRF místem původního záznamu (např. neexistuje žádný jiný písemný nebo elektronický záznam dat). Všechny dokumenty budou bezpečně uloženy v důvěrných podmínkách. Na všech dokumentech specifických pro zkušební období, s výjimkou podepsaných formulářů souhlasu, hlavního seznamu a formulářů odměn, bude účastník odkazován kódem účastníka zkušebního období, nikoli jménem.

Přístup k datům

Přímý přístup bude udělen oprávněným zástupcům zadavatele, hostitelské instituce a regulačních orgánů, aby bylo umožněno monitorování, audity a inspekce související se studiem.

Záznam dat a vedení záznamů

Všechna zkušební data budou zadána z papírového CRF nebo shromážděna prostřednictvím platformy REDCap University of Manitoba a další zdrojové dokumenty budou vloženy do této databáze REDCap. Účastníci budou identifikováni jedinečným číslem a/nebo kódem specifickým pro zkoušku v této databázi REDCap. Jméno účastníka ani žádné další identifikační údaje nebudou zahrnuty do databáze REDCap, s výjimkou podepsaného formuláře informovaného souhlasu, formuláře odměny a seznamu studijních programů. Účastníkovy domácí a e-mailové adresy a telefonní čísla budou shromážděny a propojeny s ID studie a jménem účastníka na fyzickém/elektronickém seznamu studijních mistrů, který bude použit ke koordinaci zkušebních aktivit, jako je doručování studijních materiálů domů, šeky na odměny a komunikace. s účastníky během procesu. Tento hlavní seznam bude uložen v uzamčené skříni v CDIC nebo na sdíleném disku/počítači chráněném heslem v CDIC. Jména a adresy účastníků budou během procesu doručení sdíleny s doručovatelem nebo kurýry a také budou použity pro zasílání šeků na odměny pro účastníky, kteří si nevyzvednou osobně.

Zkušební data, bez identifikace osobních údajů účastníků, budou uložena v zabezpečeném výzkumném prostředí na University of Manitoba pomocí REDCap. REDCap je implementován lokálně platformou Data Science v George & Fay Yee Center for Healthcare Innovation na University of Manitoba. Studijní virtuální návštěvy budou probíhat prostřednictvím platformy Microsoft Teams University of Manitoba, což je externě hostovaná cloudová služba. Elektronická data s identifikujícími osobními údaji účastníka, jako je jméno a kontaktní informace, budou chráněna heslem a uložena v souboru Excel v počítači na CDIC. Elektronické záznamy podepsaných formulářů souhlasu budou uloženy na REDCap, stejně jako uloženy na heslem chráněném zabezpečeném počítači/sdíleném disku v CDIC nebo v uzamčené skříni. Papírové podepsané formuláře souhlasu budou uloženy v uzamčené skříni v CDIC. Ostatní studijní protokoly budou uspořádány v pevném pořadači a uloženy v CDIC. CDIC je zabezpečeno 24 hodin denně a má omezený přístup.

Všechny záznamy o výzkumu budou uchovávány po dobu 25 let. Papírové CRF a zdrojová data budou uchovávány v uzamčeném úložném kontejneru, kromě jakýchkoli osobních identifikačních údajů v CDIC. Papírové soubory budou v CDIC zlikvidovány metodou zničení důvěrných dokumentů.

Elektronická data budou deidentifikována a uchována po dobu 10 let po ukončení studie. Elektronická data mohou být také sdílena v neidentifikované podobě s akademickými časopisy pro publikační účely. Data mohou být uložena akademickým časopisem nebo jinými úložišti s otevřeným přístupem podle zásad otevřeného přístupu, v takovém případě je mohou použít další výzkumníci pro další analýzu dat a výzkumné účely. Papírové soubory budou zlikvidovány metodou zničení důvěrných dokumentů.

Kritéria pro ukončení soudního řízení

Zkouška bude pokračovat, dokud všichni přijatí účastníci nedosáhnou konce sledování a nebudou shromážděna, zpracována a vyčištěna data. Předčasné ukončení se neplánuje.

Postup pro účtování chybějících, nepoužitých a falešných dat

Počet a podíl chybějících hodnot bude zdokumentován ve zprávě o klinické studii. Chybějící hodnoty nebudou přičteny, pokud není uvedeno jinak. Analýzy vyloučí data od účastníků, kterým chybí hodnoty pro jakoukoli proměnnou požadovanou pro analýzu.

Pokud se zjistí, že data jsou neobvyklá způsobem, který nelze vysvětlit nebo rozhodnout, že jsou chybná, lze analýzy opakovat po vyloučení příslušného záznamu. Tyto dodatečné analýzy budou prezentovány jako analýzy citlivosti.

Postupy pro vykazování jakýchkoli odchylek od původního statistického plánu

Všechny odchylky protokolu zdokumentované v databázi klinické studie budou uvedeny (pokud je to vhodné) a uvedeny ve zprávě o klinické studii.

Záznam nežádoucích událostí

Vzhledem k povaze intervence je velmi nepravděpodobné, že by se studiem mohly souviset nějaké nežádoucí příhody. Nicméně všechny nežádoucí účinky, které se vyskytnou během studie a které jsou pozorovány zkoušejícími nebo nahlášeny účastníkem, budou zaznamenány do CRF, ať už jsou či nejsou připsány zásahu studie.

Budou zaznamenány následující informace: popis, datum zahájení a ukončení, závažnost a posouzení souvislosti se zkušební intervencí. Podle potřeby by měly být poskytnuty následné informace. V případě, že bude hlášena jakákoli nežádoucí příhoda, bude pacientům nabídnuto, aby byli viděni na další dostupné návštěvě kliniky nebo do 1 týdne, podle toho, co nastane dříve, a budou nadále sledováni na klinice, dokud se AE nevyřeší.

Závažnost příhod bude hodnocena na následující škále: 1=mírná, 2=střední a 3=závažná.

Nežádoucí účinky považované za související s intervencí ve studii podle posouzení kvalifikovaného zkoušejícího budou sledovány buď do vyřešení, nebo dokud nebude událost považována za stabilní. V případě, že AE vyústí v stažení ze studie, budou pacienti, kteří byli staženi kvůli nežádoucí reakci na léčbu, také sledováni klinikou CKD, dokud se AEs nevyřeší.

Bezpečnostní hlášení

Studijní tým bude hlásit AEs Health Canada a příslušným vedoucím oddělení/institucí a University of Manitoba REB pomocí vhodných formulářů pro hlášení.

Postupy zajištění kvality

Zkouška bude prováděna podle aktuálně schváleného protokolu, GCP, příslušných předpisů a standardních operačních postupů.

Pravidelné sledování může být prováděno podle GCP. Data mohou být vyhodnocena z hlediska souladu s protokolem a přesností zdrojových dokumentů. Podle písemných standardních operačních postupů monitorující ověří, že klinické hodnocení je prováděno a data jsou generována, dokumentována a hlášena v souladu s protokolem, GCP a příslušnými regulačními požadavky.

Zkratky

AE: Nežádoucí příhoda; AR: Nežádoucí reakce; PI: hlavní řešitel; CRA: spolupracovník klinického výzkumu; CRF: Formulář zprávy o případu; GCP: Správná klinická praxe; CT: Klinické studie; ICF: Formulář informovaného souhlasu; REB: Rada pro etiku výzkumu; SAE: Závažná nežádoucí příhoda; SOP: Standardní operační postup

Poděkování

Rádi bychom ocenili a poděkovali Michelle DiNella, Sarah Curtisové a zaměstnancům CDIC za podporu při přípravě této studie.

Helsinská deklarace

Zkoušející/QI zajistí, aby tato zkouška byla vedena podle zásad Helsinské deklarace. Pozn. Helsinská deklarace z roku 2008 poskytuje podrobnosti o tom, co musí být zahrnuto do protokolu: financování, sponzorství, přidružení a potenciální střety zájmů, pobídky k účasti, odškodnění za újmu a přístup k drogám a péči po soudním řízení.

Hlášení

Zkoušející/QI předloží jednou ročně v průběhu klinického hodnocení výroční zprávu o pokroku Etickému výboru pro zdravotní výzkum University of Manitoba. Kromě toho bude Etickému výboru pro zdravotní výzkum University of Manitoba a Health Canada předloženo oznámení o ukončení zkušebního období.

Důvěrnost účastníka

Zkušební personál zajistí zachování anonymity účastníků. Účastníci budou identifikováni pouze identifikačním číslem účastníka na všech zkušebních dokumentech a jakékoli elektronické databázi s výjimkou formuláře informovaného souhlasu, hlavního seznamu a formuláře odměny. Všechny dokumenty budou bezpečně uloženy a přístupné pouze zkušebnímu personálu a oprávněnému personálu. Zkouška bude v souladu se zákonem o osobních zdravotních informacích (PHIA) nebo zákonem o svobodě informací a ochraně soukromí (FIPPA) z Manitoby.

Zkušební stav

Očekává se, že tato zkouška začne nábor v září 2021 a bude pokračovat přibližně do března 2022. Aktuální číslo a datum protokolu je verze 3, 13. června 2021.

Složení, role a odpovědnosti koordinačního centra

PI (Dr. Mackay) a spoluřešitelé (Dr. Tangri a Mollard) budou zodpovědní za dohled. Doktorand a koordinátor výzkumu budou spolupracovat na každodenním průběhu studie včetně náboru, screeningu, plánování, návštěv účastníků, sběru dat a zadávání dat. Ph.D. student bude podřízen přímo PI (Dr. Mackay) a koordinátor výzkumu bude v každodenním kontaktu se spoluřešitelem, který na ně dohlíží (Dr. Mollard). Datový analytik bude zodpovědný za analýzu dat pod dohledem Dr. Mackay a Tangri. Projekt bude prodiskutován s celkovým výzkumným týmem CDIC během setkání klinické skupiny každé 2 týdny a během dvoutýdenních setkání s výzkumným týmem projektu za účelem projednání konkrétních detailů projektu.

Příspěvky autorů

MS pomáhal s vypracováním návrhu rukopisu a sestavováním zpětné vazby a změn od jiných autorů. KK asistovala při kontrole rukopisu. HW usiloval o etické schválení a přispěl k rukopisu. RM, NT a DM navrhli protokol studie a výběrová kritéria účastníků, hledali financování a etické schválení, pomáhali s revizemi rukopisů a revidovali rukopis. Všichni autoři přispěli, četli, provedli kritické revize a schválili konečný rukopis před odesláním.

Financování

Tato studie je financována organizací Weston Family Microbiome Initiative a Centrem inovací pro chronické nemoci v nemocnici Seven Oaks. Ošetřující produkty použité v této studii jsou poskytovány společností MSPrebiotic Inc. zdarma. Investoři se nebudou nijak podílet na návrhu, provádění, analýze dat ani publikaci. Sponzorem studie je University of Manitoba, jejíž kontaktní osobou je Dylan MacKay.

Dostupnost dat a materiálů

Publikace vyplývající z této studie se budou řídit doporučeními ICMJE pro autorství. Výsledky tohoto pokusu budou publikovány v recenzované publikaci a mohou být prezentovány na konferencích. Souhrnné výsledky této studie budou nahrány do registru ClinicalTrials.gov. Neidentifikovaná data budou na rozumnou žádost zpřístupněna ostatním výzkumníkům za účelem syntézy znalostí.

Prohlášení

Etický souhlas a souhlas s účastí

Etický výbor Bannatyne Campus Biomedical Research Ethics Board (BREB) ve Winnipegu, Manitoba, Kanada, schválil tento protokol studie (HS23161 (B2019:089). Všechny dodatky k protokolu této studie jsou přezkoumány a schváleny U of M BREB a změny protokol je aktualizován na ClinicalTrials.gov. Kanadské ministerstvo zdravotnictví vydalo pro tuto studii Oznámení o povolení (soubor č. 250522). Účastníci musí osobně podepsat a uvést datum poslední schválené verze formuláře informovaného souhlasu, než budou provedeny jakékoli postupy specifické pro studii Tato studie je registrována na ClinicalTrials.gov (NCT04961164).

Souhlas se zveřejněním 

Všichni účastníci poskytnou souhlas ke zveřejnění nebo prezentaci informací shromážděných během zkoušky způsobem, kdy nebudou odhaleny jejich osobní identifikační údaje, jako je jejich jméno, adresa a telefonní číslo.

Konkurenční zájmy

Všichni ostatní autoři prohlašují, že nemají žádné konkurenční zájmy.

Podrobnosti o autorovi

1 Inovační centrum pro chronické nemoci, Seven Oaks General Hospital, Winnipeg, MB, Kanada. 2 Katedra humanitních věd, 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.

Reference

1. Arora P, Vasa P, Brenner D, Iglar K, McFarlane P, Morrison H a kol. Odhady prevalence chronického onemocnění ledvin v Kanadě: výsledky celostátně reprezentativního průzkumu. CMAJ. 2013;185(9):E417–23.

2. Ng JK, Li PK. Epidemie chronického onemocnění ledvin: jak se s tím vypořádat? Nefrologie (Carlton). 2018;23(Suppl 4):116–20. PMID: 30298662.

3. Fujii H, Kono K, Nishi S. Charakteristika onemocnění koronárních tepen u chronického onemocnění ledvin. Clin Exp Nephrol. 2019;23(6):725–32.

4. Collister D, Ferguson T, Komenda P, Tangri N. Vzorce, rizikové faktory a predikce progrese chronického onemocnění ledvin: narativní přehled. Semin Nephrol. 2016;36(4):273–82. PMID: 27475658.

5. Beaudry A, Ferguson TW, Rigatto C, Tangri N, Dumanski S, Komenda P. Náklady na dialyzační terapii podle modality v Manitobě. Klinický časopis Americké nefrologické společnosti. 2018;13(8):1197–203. PMID: 30021819.

6. Aronov PA, Luo FJG, Plummer NS, Quan Z, Holmes S, Hostetter TH a kol. Příspěvek tlustého střeva k uremickým solutům. J Am Soc Nephrol. 2011;22(9):1769– 76. PMID: 21784895.

7. Ramezani A, Massy ZA, Meijers B, Evenepoel P, Vanholder R, Raj DS. Role střevního mikrobiomu u urémie: potenciální terapeutický cíl. 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 a kol. Léčba uremického svědění: systematický přehled. Am J Kidney Dis. 2017; 70(5):638–55. PMID: 28720208.

9. Meijers BK a kol. P-kresol a kardiovaskulární riziko u mírného až středně těžkého onemocnění ledvin. Clin J Am Soc Nephrol. 2010;5(7):1182–9. PMID: 20430946.

10. Gao H, Liu S. Role uremického toxinu indoxylsulfátu v progresi kardiovaskulárního onemocnění. Humanitní vědy. 2017;185:23–9. PMID: 28754616.

11. Lisowska-Myjak B. Uremické toxiny a jejich účinky na více orgánových systémů. Nephron Clin Pract. 2014;128(3-4):303–11. PMID: 25531673.

12. Schulman G, Berl T, Beck GJ, Remuzzi G, Ritz E, Arita K a kol. Randomizované placebem kontrolované EPPIC studie AST-120 u CKD. J Am Soc Nephrol. 2015; 26(7):1732–46. PMID: 25349205.

13. Hung SC, Kuo KL, Wu CC, Tarng DC. Indoxyl sulfát: nový kardiovaskulární rizikový faktor u chronického onemocnění ledvin. Journal of the American Heart Association. 2017;6(2):e005022. PMID: 28174171.

14. Snelson M, Kellow NJ, Coughlan MT. Modulace střevní mikroflóry rezistentním škrobem jako léčba chronických onemocnění ledvin: důkaz o účinnosti a mechanistické poznatky. Adv Nutr. 2019;10(2):303–20. PMID: 30668615.

15. Birkett A, Muir J, Phillips J, Jones G, O'Dea K. Rezistentní škrob snižuje fekální koncentrace amoniaku a fenolů u lidí. Am J Clin Nutr. 1996; 63(5):766–72. PMID: 8615362.

16. Smith EA, Macfarlane GT. Stanovení lidských bakterií tlustého střeva produkujících fenolické a indolové sloučeniny: účinky pH, dostupnosti sacharidů a retenční doby na metabolismus disimilačních aromatických aminokyselin. J Appl Bacteriol. 1996;81(3):288–302. PMID: 8810056.

17. Alfa MJ, Strang D, Tappia PS, Graham M, van Domselaar G, Forbes JD a kol. Randomizovaná studie ke stanovení dopadu složení škrobu odolného vůči trávení na střevní mikrobiom u dospělých ve vyšším a středním věku. Clin Nutr. 2018;37(3):797–807.

18. Baxter NT, Schmidt AW, Venkataraman A, Kim KS, Waldron C, Schmidt TM a kol. Dynamika lidské střevní mikroflóry a mastných kyselin s krátkým řetězcem v reakci na dietní zásahy se třemi fermentovatelnými vlákny. MBio. 2019. PMID: 30696735;10(1):e02566–18.

19. Losel D, Claus R. Dávkově závislé účinky rezistentního bramborového škrobu v potravě na tvorbu střevního skatolu a akumulaci tukové tkáně u prasete. 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. Vliv zvýšení dietní vlákniny na plazmatické hladiny rozpuštěných látek z tlustého střeva u hemodialyzovaných pacientů. 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 a kol. Referenční rozsahy a biologické variace volného a celkového sérového indoxylu a p-kresylsulfátu měřené rychlou metodou UPLC fluorescenční detekce. Clin Chim Acta. 2013;419:122–6. PMID: 23428591.

22. Magoc T, Salzberg SL. FLASH: rychlé nastavení délky krátkých čtení pro zlepšení sestav genomu. Bioinformatika. 2011;27(21):2957–63. PMID: 21903629.

23. Edgar RC. UPARSE: vysoce přesné OTU sekvence z mikrobiálních amplikonových čtení. Metody Nat. 2013;10(10):996–8. PMID: 23955772.

24. Edgar RC. Vyhledávání a shlukování řádově rychlejší než BLAST. Bioinformatika. 2010;26(19):2460–1. PMID: 20709691.

25. Caporaso JG, Bittinger K, Bushman FD, DeSantis TZ, Andersen GL, Knight R. PyNAST: flexibilní nástroj pro zarovnání sekvencí k zarovnání šablony. Bioinformatika. 2010;26(2):266–7. PMID: 19914921.

26. Caporaso JG, Kuczynski J, Stombaugh J, Bittinger K, Bushman FD, Costello EK a kol. QIIME umožňuje analýzu vysoce výkonných komunitních sekvenačních dat. Metody Nat. 2010;7(5):335–6. PMID: 20383131.

27. Cena MN, Dehal PS, Arkin AP. FastTree 2 – stromy s přibližně maximální pravděpodobností pro velká zarovnání. PLOS ONE. 2010;5(3):e9490. PMID: 20224823.

28. Paulson JN, Stine OC, Bravo HC, Pop M. Diferenciální analýza četnosti pro průzkumy mikrobiálních markerů a genů. Přírodní metody. 2013;10(12):1200. PMID: 24076764–2.

29. Jari Oksanen FGB, Friendly M, Kindt R, Legendre P, McGlinn D, Minchin PR a kol. Veganský balíček v ekologickém balíčku Společenství; 2019.

30. Galili T. dendextend: balíček R pro vizualizaci, úpravu a porovnávání stromů hierarchického shlukování. Bioinformatika. 2015;31(22):3718–20. PMID: 26209431.

31. Gu Z, Eils R, Schlesner M. Komplexní tepelné mapy odhalují vzory a korelace v multidimenzionálních genomických datech. Bioinformatika. 2016;32(18): 2847–9. PMID: 27207943.

32. Morgan XC, Tickle TL, Sokol H, Gevers D, Devaney KL, Ward DV, et al. Dysfunkce střevního mikrobiomu při zánětlivém onemocnění střev a léčbě. Genome Biol. 2012;13(9):R79. PMID: 23013615.

33. Faust K, Sathirapongsasuti JF, Izard J, Segata N, Gevers D, Raes J a kol. Vztahy mikrobiálního společného výskytu v lidském mikrobiomu. PLoS Comput Biol. 2012;8(7):e1002606. PMID: 22807668

Poznámka vydavateleSpringer Nature zůstává neutrální, pokud jde o jurisdikční nároky v publikovaných mapách a institucionálních přidruženích.

【Další informace: david.deng@wecistanche.com / WhatApp:{0}}】