Sikkerhetsovervåkingsutvalg

Intervensjonene i denne studien er lavrisiko, og de kommer i tillegg til standardbehandling som deltakerne vil fortsette å motta gjennom hele prøveperioden og etter at forsøket er fullført; derfor vil ingen data- og sikkerhetsovervåkingstavle (DSMB) bli dannet. Det vil imidlertid foregå en ekstern gjennomgang av deltakerens kliniske kjemi og eventuelle bivirkninger ved forsøkets midtpunkt når alle deltakerne har fullført sin første behandlingsperiode. Denne gjennomgangen vil bli utført av en nefrolog fra utenfor Manitoba. Denne gjennomgangen vil overvåke bevis for behandlingsskade, se etter trender i klinisk kjemi og/eller økninger i uventede hendelser, relatert til behandlingene og iverksette passende tiltak. Disse handlingene kan inkludere å foreslå protokollendringer, de kan inkludere tidlig stopp av forsøket på grunn av klar skade av en behandling, avhengig av resultatene av gjennomgangen.

I følge relevante studier er cistanche en tradisjonell kinesisk urt som har blitt brukt i århundrer for å behandle ulike sykdommer. Det har blitt vitenskapelig bevist å ha antiinflammatoriske, antialdrings- og antioksidantegenskaper. Studier har vist at cistanche er gunstig for pasienter som lider av nyresykdom. De aktive ingrediensene i cistanche er kjent for å redusere betennelse, forbedre nyrefunksjonen og gjenopprette svekkede nyreceller. Dermed kan integrering av cistanche i en behandlingsplan for nyresykdom tilby store fordeler for pasienter i å håndtere tilstanden deres. Cistanche bidrar til å redusere proteinuri, senker BUN- og kreatininnivåer, og reduserer risikoen for ytterligere nyreskade. I tillegg hjelper cistanche også med å redusere kolesterol- og triglyseridnivåer som kan være farlige for pasienter som lider av nyresykdom.

Klikk på rou cong rong fordeler

【For mer informasjon: david.deng@wecistanche.com / WhatApp:86 13632399501】

Statistisk analyse

Bioinformatikk og statistiske analyser av mikrobiomdata vil bli utført med bistand fra Microbiome Insights og Data Science-plattformen ved CHI; den vil bli oppdatert basert på anbefalingene og teknologiske fremskritt mellom nå og behandlingen av prøvene. Generelt vil standardinnstillingene til FLASH assembler [22] bli brukt til å slå sammen de overlappende parede Illumina hurtigfilene. UPARSE-algoritmen [23] vil bli brukt for (a) kvalitetsfiltrering av avlesningene basert på den maksimale forventede feilverdien=1.0, (b) identifisering av unike sekvenser, (c) overflodssortering og fjerning av singletoner, (d) gruppering av avlesningene i operasjonelle taksonomiske enheter (OTU-er) basert på 97 prosent identitetsterskel, (e) de novo og referansebasert kimærkontroll (mot GOLD-database [22]), og (f) konstruksjon av OTU-bord. Taksonomisk klassifisering vil deretter bli utført ved hjelp av QIIME [26]-implementering av UCLUST [24] og vil bli justert mot Greengenes-databasen ved hjelp av PyNAST-algoritmen [25]. Fylogenetiske trær ble bygget med FastTree [27] for ytterligere sammenligning mellom mikrobielle samfunn. Før du utfører nedstrømsanalyser, vil den resulterende OTU-tabellen bli filtrert for å fjerne alle prøvene med lave sekvenseringsdybder. Fellesskapsrikdom og mangfoldsindekser vil deretter bli beregnet ved hjelp av QIIME ved en gitt jevn dybde per prøve. Fylogenetiske (veide UniFrac-avstander) og overflodsbaserte (Bray-Curtis-ulikhet) -diversitetsberegninger vil bli beregnet etter normalisering av den endelige OTU-tabellen ved bruk av den kumulative sumskaleringstransformasjonen (CSS) [28]. Hovedkoordinatanalyse (PCoA) vil bli brukt på de resulterende avstandsmatrisene for å generere todimensjonale plott ved å bruke standardinnstillingene til PRIMER-6-programvaren (PRIMER-E Ltd, Plymouth). Uovervåket klyngeanalyse vil bli utført for å relatere klyngemønstre av prøver til andelen av kjerne-OTUene innenfor hver nisje (kjerne-OTUer er definert som de som er tilstede i minst 75 prosent av prøvene i hver nisje). Den relative mengden av de valgte OTU-ene vil bli normalisert på tvers av prøver. Bray-Curtis-forskjeller vil bli beregnet ved å bruke R "vegan"-pakken [29], og den resulterende matrisen vil bli utsatt for uovervåket hierarkisk klynging ved bruk av R "dendextend"-pakken [30] og vil bli visualisert over varmekart av overflodsmatrise ved å bruke R "complex-heatmap"-pakken [31]. UNIVARIATE-prosedyren til SAS vil bli brukt for å teste normaliteten til residualer for -diversitetsmålinger. Ikke-normalfordelte data vil enten bli logg- eller Box-Cox-effekttransformert og deretter gjenstand for en variansanalyse (ANOVA)-test ved bruk av MIXED-prosedyren til SAS. Alle parvise sammenligninger mellom gruppene vil bli testet ved hjelp av Tukey studentisert rekkeviddejustering. Permutasjonell multivariat variansanalyse (PERMANOVA; implementert i Primer6-programvaren) vil bli brukt for å oppdage signifikante forskjeller mellom -diversitetsmålinger for mikrobielle samfunn. Den relative mengden av utvalgte kjerne-OTUer vil bli testet for statistisk signifikante assosiasjoner med tilgjengelige metadata ved bruk av multivariat analyse med lineær modellering (MaAsLin) [32] som står for alle potensielle konfoundere (kovariater) som kan være assosiert med profilen til mikrobiom (dvs. kjønn, alder, BMI) og deltakere (behandlet som en tilfeldig faktor). Betydelige assosiasjoner vil bli vurdert under en verditerskel på 0,1. For å vurdere endringene i funksjonaliteten til mikrobiomet, vil korrelasjonsnettverksanalyse (CoNet, [33]) brukes til å utforske mikrobiell samforekomst/gjensidig eksklusjonsforhold og identifisere hub-OTUer som viser det høyeste antallet positive/negative korrelasjoner med andre OTUer under behandlingsforhold.

Effektene av behandling på lineære utfall ved slutten av hver periode vil bli analysert ved hjelp av SAS MIXED (SAS 9.4) prosedyren. Sekvens og kjønn vil inngå i modellen som faste faktorer, og deltakere vil inngå som gjentatte faktorer. Normaliteten til datafordelingen vil bli gjort ved hjelp av Shapiro-Wilk-testen, og de ikke-normale variablene vil bli transformert før analyse. Demografiske data vil bli rapportert som gjennomsnitt ± standardavvik. Resultatene vil bli rapportert som minste-kvadratmiddel ± standardfeil for gjennomsnittet (SEM) med mindre annet er spesifisert. Statistisk signifikans vil bli satt til p < 0.05 for alle analyser. Data Science Platform i CHI vil gi datahåndteringsstøtte i tillegg til biostatistikkstøtte for prosjektet.

Randomisering, blending og kodeknusing

Kvalifiserte pasienter (n=36) vil gå gjennom vurderinger ved baseline og vil bli tilfeldig allokert til 2 grupper, hver bestående av 18 deltakere. Randomisering vil bli gjort av en uavhengig forsker i biostatistikkplattformen ved George and Fay Yee Center for Healthcare Innovation (CHI) ved University of Manitoba. Randomisering vil bli utført ved å bruke kode skrevet i det statistiske programmeringsspråket R (versjon 3.5.3). Behandlinger vil bli tildelt i forholdet 1:1. Totalt 48 randomiseringskort vil bli utarbeidet, ett sett med 24 for hvert kjønn. Randomiseringsplanen vil bli overført til sett med ugjennomsiktige forseglede konvolutter. Etter en deltakers baseline-besøk, vil studiepersonalet åpne en forseglet konvolutt som inneholder deltakerens tildeling. Rekkefølgen på intervensjonene vil være blind for både etterforskerne og deltakerne. Behandlinger vil bli gitt i forseglede poser; poseinnhold vil bli blindet av en ekstern part, gitt til studiepersonalet merket som A eller B, og distribuert til deltakerne i henhold til deres behandlingsperiode. Behandlinger vil ikke bli deaktivert før analysene er fullført med mindre det er nødvendig på grunn av uønskede hendelser under den kliniske studien. Det vil også være en midtpunktsgjennomgang av deltakerens kliniske data av en uavhengig nefrolog som vil bli avblindet (se avsnittet "Kvalifisert etterforskers ansvar").

Prøvestørrelsesberegning

En endelig prøvestørrelse på 30 deltakere i denne studien vil være i stand til å oppdage en forskjell mellom behandlingene i total p-kresolsulfat på 17,5 μmol/L, eller ~ 15 prosent endring, ved en styrke på 0,88 (alfa {{6} }.05, tosidig), gitt en intern korrelasjon på .79 [23] og et estimert standardavvik på 45 μmol/L [9] for totalt p-kresolsulfat. Et 30 prosent eller mer fall i uremiske oppløste stoffer vil bli ansett som klinisk signifikant, noe som garanterer ytterligere studier som undersøker denne prebiotiske intervensjonen i CKD, og ​​vi er sikre på at vi vil være i stand til å oppdage en slik endring dersom den skulle skje. For å ta høyde for tap av kraft på grunn av frafall, vil vi rekruttere 36 deltakere.

Inkludering i analyse

Den primære analysen vil bli utført ved hjelp av analysesettet Alle deltakere (intensjon å behandle). Den primære analysen vil bli gjentatt i Completers-analysesettet. Demografi og alle andre grunnlinjemålinger vil bli analysert i settet Alle deltakere så vel som i settet med fullførere.

Completers analysesett: alle deltakere som har fullført forsøket.

Alle deltakere analysesett: alle randomiserte deltakere.

Seponering/uttak av deltakere fra prøvebehandling 

Hver deltaker har rett til å trekke seg fra prøven når som helst. Deltakere kan avbryte prøvedeltakelse når som helst og blir bedt om å kontakte et forskningsteammedlem for å informere dem om avgjørelsen. I tillegg kan etterforskerne avbryte en deltaker fra forsøket når som helst hvis etterforskerne anser det nødvendig av en eller annen grunn, inkludert graviditet, manglende valgbarhet (enten som oppstår under forsøket eller i etterkant har blitt oversett ved screening), betydelig protokollavvik, betydelig ikke- overholdelse av protokollen, sykdomsprogresjon som resulterer i manglende evne til å fortsette å overholde protokollen, tilbaketrekking av samtykke og tap til oppfølging.

Tilbaketrekking vil ikke resultere i utelukkelse av dataene for den deltakeren fra analysen. Ettersom primæranalysen vil være basert på en intensjon-å-behandle, vil det også utføres en kompletter-only-analyse.

Hvis en deltaker trekkes innen de første 4 ukene av prøveperioden, vil de bli erstattet. Dersom erstatningsdeltakeren trekkes, vil det ikke være noen etterfølgende erstatning.

Årsaken til tilbaketrekningen vil bli registrert i CRF hvis gitt.

Godtgjørelse

Deltakerne vil få en godtgjørelse på $200 for hver fullførte periode eller den forholdsmessige verdien hvis de trekker seg fra prøveperioden. Hver deltaker vil motta $400 totalt hvis de fullfører hele prøveversjonen.

Deltakernes navn og adresser vil bli brukt til å forberede, skrive ut, poste og føre finansiell journal eller honorarsjekker. Forhåndsbetalt porto og en konvolutt vil bli gitt til deltakeren med et skjema som krever deres signatur ved mottak av godtgjørelsessjekken. Deltakerne vil bli bedt om å returnere skjemaet til CDIC. Denne journalen vil oppbevares i maksimalt 7 år.

Diskusjon

CKD har vært assosiert med endringer i tarmmikrobiell økologi, eller "dysbiose", som kan bidra til sykdomsprogresjon. Individer og dyr med CKD viser dyptgripende endringer i tarmmiljøet, inkludert endringer i mikrobiell sammensetning, økt fekal pH og økte blodnivåer av tarmmikrobeavledede metabolitter. Nyere studier har fokusert på kostholdstilnærminger for å gunstig endre sammensetningen av tarmmikrobielle samfunn som en behandlingsmetode for CKD. Resistent stivelse (RS), et prebiotikum som fremmer spredning av tarmbakterier som bifidobakterier og laktobaciller, øker produksjonen av metabolitter inkludert kortkjedede fettsyrer, som gir flere helsefremmende fordeler. Studier fra dyremodeller og individer med CKD viser at RS-tilskudd demper konsentrasjonene av uremiske retensjonsoppløste stoffer, inkludert indoksylsulfat og p-kresolsulfat. Den fermenterbare kostfiber-høy amylose mais-resistente stivelsen type 2 (HAMRS2) har vist seg å endre tarmmiljøet i CKD-rottemodeller som fører til markant forbedret nyrefunksjon. RPS, som er en R2-resistent stivelse, har vist seg å øke karbohydratnedbrytende bakterier, som bifidobakterier, og redusere bakterier med proteolytisk aktivitet, som E. coli [14, 17, 18]. RPS har også vist seg å redusere konsentrasjonen av tarmmikrobiom-avledede uremiske toksiner hos griser [19]. Mens dyre- og menneskestudier som involverer resistent stivelse har vist evnen til å endre tarmmikrobiota og redusere antall uremiske toksiner, er det begrensede studier på pasienter med CKD [14].

I en studie utført på personer med CKD som allerede er i dialyse, ble det observert en reduksjon i uremiske toksiner etter høy-amylose-maisstivelse i 6 uker [20]. Maisstivelse med høy amylose er ~ 60 prosent resistent stivelse i tørrvekt, mens RPS som skal brukes i dette forslaget er ~ 70 prosent resistent stivelse og ~ 10 prosent andre kostfibre [17]. Her vil vi gjennomføre en 2- periode randomisert dobbeltblind cross-over studie for å undersøke om inntak av RPS som en tilleggsterapi til gjeldende standarder for CKD-behandling vil redusere uremiske toksiner og symptomer ved å endre tarmmikrobiota hos pasienter med CKD.

Resultatene av denne studien vil legge til bevis for effekten av RPS hos pasienter med CKD og vil danne grunnlaget for en større multisenter randomisert kontrollert studie som tester effekten av RPS på å forsinke CKD-progresjon og dialysestart.

Dataledelse

Kildedata

Kildedokumenter er hvor data først registreres og som deltakernes CRF-data hentes fra. CRF-oppføringer vil betraktes som kildedata hvis CRF er stedet for det originale opptaket (f.eks. er det ingen annen skriftlig eller elektronisk registrering av data). Alle dokumenter vil bli lagret trygt under konfidensielle forhold. På alle prøvespesifikke dokumenter, bortsett fra de signerte samtykkeskjemaene, hovedlisten og godtgjørelsesskjemaene, vil deltakeren bli referert til av prøvedeltakerkoden, ikke ved navn.

Tilgang til data

Direkte tilgang vil bli gitt til autoriserte representanter fra sponsoren, vertsinstitusjonen og reguleringsmyndighetene for å tillate prøverelatert overvåking, revisjoner og inspeksjoner.

Dataregistrering og journalføring

Alle prøvedata vil bli lagt inn fra papir-CRF eller samlet inn via University of Manitoba REDCap-plattform, og andre kildedokumenter vil bli lagt inn i denne REDCap-databasen. Deltakerne vil bli identifisert med et unikt prøvespesifikt nummer og/eller kode i denne REDCap-databasen. Deltakerens navn og annen identifiserende informasjon vil ikke bli inkludert i REDCap-databasen, bortsett fra det signerte skjemaet for informert samtykke, godtgjørelsesskjemaet og studiemasterlisten. Deltakerens hjemme- og e-postadresser og telefonnumre vil bli samlet inn og knyttet til studie-ID og deltakernavn på en fysisk/elektronisk studiemasterliste som vil bli brukt til å koordinere prøveaktiviteter som hjemmelevering av studiemateriell, honorarsjekker og kommunikasjon med deltakere under forsøket. Denne masterlisten vil bli lagret i et låst skap på CDIC eller på en passordbeskyttet delt stasjon/datamaskin på CDIC. Deltakernes navn og adresse vil bli delt med leveringspersonalet eller kurerer under leveringsprosessen, samt brukt til å sende vederlagssjekker for deltakerne som ikke henter personlig.

Prøvedata, uten å identifisere deltakernes personlige opplysninger, vil bli lagret i et sikkert forskningsmiljø ved University of Manitoba ved hjelp av REDCap. REDCap er implementert lokalt av Data Science-plattformen ved George & Fay Yee Center for Healthcare Innovation ved University of Manitoba. Virtuelle studiebesøk vil bli utført gjennom University of Manitoba Microsoft Teams-plattformen, som er en eksternt vertsbasert skybasert tjeneste. Elektroniske data med identifiserende deltakerpersonopplysninger, som navn og kontaktinformasjon, vil være passordbeskyttet og lagret i en Excel-fil på en datamaskin hos CDIC. Elektroniske registreringer av signerte samtykkeskjemaer vil bli lagret på REDCap, samt lagret i en passordbeskyttet sikker datamaskin/delt stasjon på CDIC eller i et låst skap. Papirsignerte samtykkeskjemaer vil bli oppbevart i et låst skap i CDIC. Andre studielogger vil bli organisert i en solid perm og oppbevart i CDIC. CDIC er sikret 24 timer i døgnet og har begrenset tilgang.

Alle prøveforskningsjournaler vil bli oppbevart i 25 år. Papir-CRF-er og kildedata vil bli oppbevart i en låst lagringsbeholder, bortsett fra all personlig identifiserende informasjon på CDIC. Papirfiler vil bli avhendet ved å bruke metoden for destruksjon av konfidensielle dokumenter hos CDIC.

Elektroniske data vil bli avidentifisert og oppbevart i 10 år etter avsluttet studie. Elektroniske data kan også deles i en avidentifisert form med akademiske tidsskrifter for publiseringsformål. Dataene kan lagres av det akademiske tidsskriftet eller andre arkiver med åpen tilgang under en policy for åpen tilgang, i så fall kan de brukes av andre forskere til videre dataanalyse og forskningsformål. Papirfiler vil bli avhendet ved å bruke metoden for destruksjon av konfidensielle dokumenter.

Kriterier for avslutning av rettssaken

Forsøket vil fortsette til alle rekrutterte deltakere har nådd slutten av oppfølgingen og data er samlet inn, behandlet og renset. Det er ingen planer om tidlig avslutning.

Prosedyre for regnskap for manglende, ubrukte og falske data

Antall og andel av manglende verdier vil bli dokumentert i den kliniske studierapporten. Manglende verdier vil ikke bli imputert med mindre annet er angitt. Analyser vil ekskludere data fra deltakere som mangler verdier for en variabel som kreves for analysen.

Når data observeres å være uvanlige på en måte som ikke kan forklares eller dømmes til å være feil, kan analyser gjentas etter å ha ekskludert den aktuelle posten. Disse tilleggsanalysene vil bli presentert som sensitivitetsanalyser.

Prosedyrer for rapportering av eventuelle avvik fra den opprinnelige statistikkplanen

Alle protokollavvik dokumentert i den kliniske studiedatabasen vil bli tabellert (hvis aktuelt) og listet opp i den kliniske studierapporten.

Registrering av uønskede hendelser

Gitt arten av intervensjonen, er det svært usannsynlig at noen uønskede hendelser vil være relatert til forsøket. Imidlertid vil alle AE som oppstår under forsøket som observeres av etterforskerne eller rapporteres av deltakeren, bli registrert på CRF, enten de tilskrives prøveintervensjonen eller ikke.

Følgende informasjon vil bli registrert: beskrivelse, dato for start og sluttdato, alvorlighetsgrad og vurdering av sammenheng med forsøksintervensjon. Oppfølgingsinformasjon bør gis etter behov. I tilfelle en uønsket hendelse er rapportert, vil pasienter bli tilbudt å bli sett ved neste tilgjengelige klinikkbesøk eller innen 1 uke, avhengig av hva som er tidligere, og vil fortsette å følges i klinikken inntil bivirkningen er løst.

Alvorlighetsgraden av hendelsene vil bli vurdert på følgende skala: 1=mild, 2=moderat og 3=alvorlig.

Bivirkninger som anses relatert til prøveintervensjonen som bedømt av den kvalifiserte etterforskeren vil bli fulgt enten inntil løsningen eller hendelsen anses som stabil. I tilfelle bivirkninger resulterer i uttak fra studien, vil pasientene som trekkes tilbake på grunn av uønskede behandlingsreaksjoner også bli fulgt av CKD-klinikken inntil bivirkningene er forsvunnet.

Sikkerhetsrapportering

Studieteamet vil rapportere AEer til Health Canada og de relevante avdelings-/institusjonslederne og University of Manitoba REB ved å bruke passende rapporteringsskjemaer.

Kvalitetssikringsprosedyrer

Forsøket vil bli utført i henhold til gjeldende godkjente protokoll, GCP, relevante forskrifter og standard driftsprosedyrer.

Regelmessig overvåking kan utføres i henhold til GCP. Data kan evalueres for samsvar med protokollen og nøyaktigheten til kildedokumenter. Etter skriftlige standard operasjonsprosedyrer vil monitorene verifisere at den kliniske utprøvingen er utført og data genereres, dokumenteres og rapporteres i samsvar med protokollen, GCP og gjeldende regulatoriske krav.

Forkortelser

AE: Bivirkning; AR: Bivirkning; PI: Hovedetterforsker; CRA: Klinisk forskningsassistent; CRF: Saksrapportskjema; GCP: god klinisk praksis; CT: Kliniske studier; ICF: Informert samtykkeskjema; REB: Forskningsetisk nemnd; SAE: Alvorlig bivirkning; SOP: Standard operasjonsprosedyre

Anerkjennelser

Vi vil gjerne takke og takke Michelle DiNella, Sarah Curtis og CDIC-staben for å støtte oppsettet av denne rettssaken.

Helsinki-erklæringen

Etterforskeren/QI vil sørge for at denne rettssaken gjennomføres etter prinsippene i Helsinki-erklæringen. NB. Helsinki-erklæringen fra 2008 gir detaljer om hva som må inkluderes i en protokoll: finansiering, sponsing, tilknytninger og potensielle interessekonflikter, insentiver til å delta, erstatning for skade og tilgang til narkotika og omsorg etter rettssaken.

Rapportering

Utforskeren/QI skal en gang i året under hele den kliniske utprøvingen sende inn en årlig fremdriftsrapport til University of Manitoba Health Research Ethics Board. I tillegg vil en melding om slutt på prøven sendes til University of Manitoba Health Research Ethics Board og Health Canada.

Deltakers konfidensialitet

Prøvepersonalet skal sørge for at deltakernes anonymitet opprettholdes. Deltakerne vil kun bli identifisert med et deltaker-ID-nummer på alle prøvedokumenter og enhver elektronisk database med unntak av skjemaet for informert samtykke, hovedlisten og godtgjørelsesskjemaet. Alle dokumenter vil bli lagret sikkert og kun tilgjengelig for prøvepersonell og autorisert personell. Forsøket vil være i samsvar med loven om personlig helseinformasjon (PHIA) eller loven om frihet til informasjon og beskyttelse av personvern (FIPPA) i Manitoba.

Prøvestatus

Denne utprøvingen forventes å begynne å rekruttere i september 2021 og fortsette til omtrent mars 2022. Gjeldende protokollnummer og dato er versjon 3, 13. juni 2021.

Sammensetning, roller og ansvar for koordineringssenteret

PI (Dr. Mackay) og medetterforskere (Drs. Tangri og Mollard) vil være ansvarlige for tilsynet. En doktorgradsstudent og forskningskoordinator vil jobbe sammen om den daglige driften av forsøket, inkludert rekruttering, screening, planlegging, deltakerbesøk, datainnsamling og dataregistrering. Ph.D. studenten vil rapportere direkte til PI (Dr. Mackay), og forskningskoordinatoren vil være i daglig kontakt med co-etterforskeren som fører tilsyn med dem (Dr. Mollard). En dataanalytiker vil være ansvarlig for å analysere dataene under tilsyn av Dr. Mackay og Tangri. Prosjektet vil bli diskutert med det overordnede CDIC-forskerteamet under et klinisk gruppemøte hver 2. uke og under 2-ukentlige møter med prosjektets forskningsteam for å diskutere spesifikke prosjektdetaljer.

Forfatteres bidrag

MS hjalp til med utformingen av manuskriptet og kompilering av tilbakemeldinger og endringer fra andre forfattere. KK bistod med gjennomgangen av manuskriptet. HW søkte etisk godkjenning og bidro til manuskriptet. RM, NT og DM utformet studieprotokollen og utvalgskriteriene til deltakerne, søkte finansiering og etisk godkjenning, hjalp til med manuskriptrevisjoner og gjennomgikk manuskriptet. Alle forfattere bidro, leste, gjorde kritiske revisjoner og godkjente det endelige manuskriptet før innlevering.

Finansiering

Denne studien blir finansiert av Weston Family Microbiome Initiative og Chronic Disease Innovation Center ved Seven Oaks Hospital. Behandlingsproduktene som brukes i denne utprøvingen leveres av MSPrebiotic Inc. gratis. Finansierne vil ikke ha noe engasjement i utformingen, gjennomføringen, dataanalysen eller publiseringen av utprøvingen. Sponsor for rettssaken er University of Manitoba, hvor Dylan MacKay er kontaktperson.

Tilgjengelighet av data og materialer

Publikasjonene som kommer fra denne utprøvingen vil følge ICMJE-anbefalingene for forfatterskap. Resultatene av denne studien vil bli publisert i en fagfellevurdert publikasjon og kan presenteres på konferanser. Oppsummeringsresultatene av denne studien vil bli lastet opp til studiens ClinicalTrials.gov-register. Avidentifiserte data vil bli gjort tilgjengelige for andre forskere for kunnskapssynteseaktiviteter etter rimelig forespørsel.

Erklæringer

Etikkgodkjenning og samtykke til å delta

Bannatyne Campus Biomedical Research Ethics Board (BREB) i Winnipeg, Manitoba, Canada, har godkjent denne studieprotokollen (HS23161 (B2019:089). Alle endringer i denne studiens protokoll er gjennomgått og godkjent av U of M BREB, og endringer i protokollen er oppdatert på ClinicalTrials.gov. Health Canada har utstedt varsel om autorisasjon for denne utprøvingen (filnr. 250522). Deltakere må personlig signere og datere den siste godkjente versjonen av skjemaet for informert samtykke før noen prøvespesifikke prosedyrer utføres Denne studien er registrert på ClinicalTrials.gov (NCT04961164).

Samtykke til publisering 

Alle deltakere vil gi samtykke til å publisere eller presentere informasjonen samlet under rettssaken på en måte der deres personlige identifiserende informasjon som navn, adresse og telefonnummer ikke avsløres.

Konkurrerende interesser

Alle andre forfattere erklærer at de ikke har noen konkurrerende interesser.

Forfatterdetaljer

1 Chronic Disease Innovation Centre, Seven Oaks General Hospital, Winnipeg, MB, Canada. 2 Institutt for human ernæringsvitenskap, University of Manitoba, Winnipeg, MB, Canada. 3 Institutt for samfunnshelsevitenskap, University of Manitoba, Winnipeg, MB, Canada. 4 Max Rady College of Medicine, University of Manitoba, Winnipeg, MB, Canada.

Referanser

1. Arora P, Vasa P, Brenner D, Iglar K, McFarlane P, Morrison H, et al. Prevalensestimater av kronisk nyresykdom i Canada: resultater av en nasjonalt representativ undersøkelse. CMAJ. 2013;185(9):E417–23.

2. Ng JK, Li PK. Kronisk nyresykdomsepidemi: hvordan takler vi det? Nefrologi (Carlton). 2018;23(Suppl 4):116–20. PMID: 30298662.

3. Fujii H, Kono K, Nishi S. Kjennetegn på koronararteriesykdom ved kronisk nyresykdom. Clin Exp Nephrol. 2019;23(6):725–32.

4. Collister D, Ferguson T, Komenda P, Tangri N. Mønstrene, risikofaktorene og forutsigelsen av progresjon ved kronisk nyresykdom: en narrativ gjennomgang. Semin Nephrol. 2016;36(4):273–82. PMID: 27475658.

5. Beaudry A, Ferguson TW, Rigatto C, Tangri N, Dumanski S, Komenda P. Kostnader for dialyseterapi etter modalitet i Manitoba. Clinical Journal of 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. Kolonbidrag til uremiske stoffer. J Am Soc Nephrol. 2011;22(9):1769– 76. PMID: 21784895.

7. Ramezani A, Massy ZA, Meijers B, Evenepoel P, Vanholder R, Raj DS. Rollen til tarmmikrobiomet i uremi: et potensielt terapeutisk mål. 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. Behandling av uremisk pruritus: en systematisk gjennomgang. Am J Kidney Dis. 2017; 70(5):638–55. PMID: 28720208.

9. Meijers BK, et al. P-Cresol og kardiovaskulær risiko ved mild til moderat nyresykdom. Clin J Am Soc Nephrol. 2010;5(7):1182–9. PMID: 20430946.

10. Gao H, Liu S. Rollen til uremisk toksin indoksylsulfat i utviklingen av kardiovaskulær sykdom. Livsvitenskap. 2017;185:23–9. PMID: 28754616.

11. Lisowska-Myjak B. Uremiske toksiner og deres effekter på flere organsystemer. Nephron Clin Practice. 2014;128(3-4):303–11. PMID: 25531673.

12. Schulman G, Berl T, Beck GJ, Remuzzi G, Ritz E, Arita K, et al. Randomiserte placebokontrollerte EPPIC-studier av AST-120 ved CKD. J Am Soc Nephrol. 2015; 26(7):1732–46. PMID: 25349205.

13. Hung SC, Kuo KL, Wu CC, Tarng DC. Indoksylsulfat: en ny kardiovaskulær risikofaktor ved kronisk nyresykdom. Journal of the American Heart Association. 2017;6(2):e005022. PMID: 28174171.

14. Snelson M, Kellow NJ, Coughlan MT. Modulering av tarmmikrobiota med resistent stivelse som behandling av kroniske nyresykdommer: bevis på effekt og mekanistisk innsikt. Adv Nutr. 2019;10(2):303–20. PMID: 30668615.

15. Birkett A, Muir J, Phillips J, Jones G, O'Dea K. Resistent stivelse senker fekale konsentrasjoner av ammoniakk og fenoler hos mennesker. Am J Clin Nutr. 1996; 63(5):766–72. PMID: 8615362.

16. Smith EA, Macfarlane GT. Opptelling av menneskelige tykktarmsbakterier som produserer fenoliske og indoliske forbindelser: effekter av pH, karbohydrattilgjengelighet og retensjonstid på dissimilatorisk aromatisk aminosyremetabolisme. J Appl Bacteriol. 1996;81(3):288–302. PMID: 8810056.

17. Alfa MJ, Strang D, Tappia PS, Graham M, van Domselaar G, Forbes JD, et al. En randomisert studie for å bestemme virkningen av en fordøyelsesresistent stivelsessammensetning på tarmmikrobiomet hos eldre og middelaldrende voksne. Clin Nutr. 2018;37(3):797–807.

18. Baxter NT, Schmidt AW, Venkataraman A, Kim KS, Waldron C, Schmidt TM, et al. Dynamikk av menneskelig tarmmikrobiota og kortkjedede fettsyrer som svar på kosttilskudd med tre fermenterbare fibre. MBio. 2019. PMID: 30696735;10(1):e02566–18.

19. Losel D, Claus R. Doseavhengige effekter av resistent potetstivelse i dietten på intestinal skatoldannelse og fettvevsakkumulering hos grisen. 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. Effekt av å øke kostfiber på plasmanivåer av kolon-avledede oppløste stoffer hos hemodialysepasienter. 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. Referanseområder og biologisk variasjon av fri og total serumindoksyl og p-kresylsulfat målt med en rask UPLC-fluorescensdeteksjonsmetode. Clin Chim Acta. 2013;419:122–6. PMID: 23428591.

22. Magoc T, Salzberg SL. FLASH: rask lengdejustering av korte avlesninger for å forbedre genomsammenstillingen. Bioinformatikk. 2011;27(21):2957–63. PMID: 21903629.

23. Edgar RC. UPARSE: svært nøyaktige OTU-sekvenser fra mikrobielle amplikonavlesninger. Nat-metoder. 2013;10(10):996–8. PMID: 23955772.

24. Edgar RC. Søk og gruppering av størrelsesordener raskere enn BLAST. Bioinformatikk. 2010;26(19):2460–1. PMID: 20709691.

25. Caporaso JG, Bittinger K, Bushman FD, DeSantis TZ, Andersen GL, Knight R. PyNAST: et fleksibelt verktøy for å justere sekvenser til en maljustering. Bioinformatikk. 2010;26(2):266–7. PMID: 19914921.

26. Caporaso JG, Kuczynski J, Stombaugh J, Bittinger K, Bushman FD, Costello EK, et al. QIIME tillater analyse av høykapasitets sekvenseringsdata for fellesskap. Nat-metoder. 2010;7(5):335–6. PMID: 20383131.

27. Pris MN, Dehal PS, Arkin AP. FastTree 2 – trær med omtrent maksimal sannsynlighet for store justeringer. PLOS EN. 2010;5(3):e9490. PMID: 20224823.

28. Paulson JN, Stine OC, Bravo HC, Pop M. Differensiell overflodsanalyse for mikrobiell markør-genundersøkelser. Naturmetoder. 2013;10(12):1200. PMID: 24076764–2.

29. Jari Oksanen FGB, Friendly M, Kindt R, Legendre P, McGlinn D, Minchin PR, et al. Veganpakken, i Community ecology-pakken; 2019.

30. Galili T. dendextend: en R-pakke for å visualisere, justere og sammenligne trær av hierarkisk klynging. Bioinformatikk. 2015;31(22):3718–20. PMID: 26209431.

31. Gu Z, Eils R, Schlesner M. Komplekse varmekart avslører mønstre og korrelasjoner i flerdimensjonale genomiske data. Bioinformatikk. 2016;32(18): 2847–9. PMID: 27207943.

32. Morgan XC, Tickle TL, Sokol H, Gevers D, Devaney KL, Ward DV, et al. Dysfunksjon av tarmmikrobiomet ved inflammatorisk tarmsykdom og behandling. Genom Biol. 2012;13(9):R79. PMID: 23013615.

33. Faust K, Sathirapongsasuti JF, Izard J, Segata N, Gevers D, Raes J, et al. Mikrobielle samforekomstforhold i det menneskelige mikrobiom. PLoS Comput Biol. 2012;8(7):e1002606. PMID: 22807668

Utgivers notatSpringer Nature forblir nøytral med hensyn til jurisdiksjonskrav i publiserte kart og institusjonelle tilknytninger.

【For mer informasjon: david.deng@wecistanche.com / WhatApp:86 13632399501】