慢性非传染性疾病病因研究内容与方法的发展趋势

慢性非传染性疾病(简称慢性病)具有起病隐匿、病程长、病情迁延不愈的特点,并且呈现动态发展过程,其病因具有多效性、稳健性和重塑性特性,因而使人体的健康状态和疾病过程呈现一种相互交织的网络形态。因此,需要打破还原论的静态思维,在研究策略上向系统生物学的复杂性思维转变。充分发挥多组学技术优势,以整合理念为核心,关注研究对象在基因组—暴露组—表型组多层次的相互作用,揭示疾病在全生命周期中不同阶段、不同组学层次间呈现的动态性、多效性、适应性的网络关联。将研究的视角从“单一疾病”转变为“多病”医学,以“疾病为导向”转变为“以人为导向”,从多维度、多层次、多时点的病因网络出发,探明在慢性病发生发展过程中发挥关键作用的分子标志物集群已成为慢性病病因学研究的前沿热点。

基于两样本孟德尔随机化的失眠与2型糖尿病关联研究

目的:为克服观察性研究中的混杂因素和反向因果关系的影响,通过两样本孟德尔随机化法探讨失眠与2型糖尿病之间的关联关系。方法:在欧洲裔人群最新的全基因组关联研究(genome-wide association study,GWAS)中选择与失眠密切相关的遗传位点作为工具变量。剔除与吸烟、体育活动、饮酒、教育程度、肥胖或2型糖尿病显著相关的位点后,使用逆方差加权评估失眠对2型糖尿病的效应,并采用加权中位数法和MR-Egger回归分析来检验结果的稳健性。通过计算F统计量来检验工具变量的适用性,F统计量大于10认为存在弱工具变量偏倚可能性较小。采用MR-Egger回归进行多效性检验。此外,采用留一法(leave-one-out)进行敏感性分析,以进一步验证结果的稳定性和可靠性。结果:在全基因组水平上选择了248个与失眠独立相关的单核苷酸多态性(single nucleotide polymorphisms,SNPs)作为候选工具变量集合,基于千人基因组计划对候选工具变量集合进行修剪并剔除潜在的多效SNPs后,共纳入与失眠相关的167个SNPs作为最终的工具变量。本研究中F统计量为39.74,符合孟德尔随机化的相关性假设。逆方差加权法发现失眠与2型糖尿病的发生风险较高,在失眠的人群中发生2型糖尿病的风险是无失眠人群的1.14倍(95%CI:1.09~1.21,P<0.001)。加权中位数法和MR-Egger回归结果支持失眠对2型糖尿病存在正向关联。多效性检验表明结果受多效性影响的可能性较小,敏感性分析支持研究结果的可靠性与稳定性。结论:失眠是2型糖尿病的危险因素,失眠与2型糖尿病发病存在正向关联,本研究为糖尿病高危人群保持健康的生活方式提供了进一步的理论依据。

多中心合作监督管理制度在北京市多中心临床研究中的应用效果评价

目的:分析北京市科技计划医疗卫生领域临床研究项目多中心合作监督管理制度的应用效果,探讨该制度对临床研究启动效率的影响。方法:纳入2015—2019年北京市科技计划医疗卫生领域多中心的临床研究项目23项,共181家研究单位,根据是否应用多中心合作监督管理制度分为干预组和对照组,干预组89家、对照组92家,对研究单位启动阶段的伦理审查和入组效率进行对比。结果:干预组研究单位的伦理审查获批时间、首例受试者入组时间均快于对照组:两组伦理审查获批平均时间分别为150.1和431.5 d,首例受试者入组时间分别为65.2和113.6 d;伦理审查获批率和入组率均高于试验组:伦理审查获批率分别为100.0%和80.4%,入组率分别为100%和91.9%,差异有统计学意义(P<0.05)。结论:多中心合作监督管理制度的应用,在启动阶段可以提高临床研究的伦理规范性,促进入组进度。

抑郁症精准医学队列研究的实施与质量控制

近年来,我国抑郁症患病率不断攀升,抑郁症的防治工作已提升到国家战略层面。建立多中心、标准化的大规模抑郁症前瞻性研究队列可全面了解抑郁症的发作轨迹以及不同干预模式下的疾病转归,开发可用于指导临床实践的客观指标体系,为此我国启动了科技创新2030——抑郁症的前瞻性临床队列研究。为促进研究项目的高质量完成,本文从团队构建和人员职责、研究对象、临床数据、多维度数据、生物样本、随访、数据管理以及综合质量控制措施等多个方面对研究开展过程的风险点与研究关键点进行梳理,对队列研究质量控制措施进行总结。

基于多源数据的个体预后或诊断多因素预测模型报告规范(TRIPOD-Cluster)解读

近年来,有关预测模型的临床研究迅猛增加,用于预测模型的数据来源也日益丰富。越来越多的研究采用多中心、不同地区或国家、不同研究的多源数据集构建与验证预测模型。为了适应这些新的研究场景,基于多源数据的个体预后或诊断多因素预测模型报告规范(TRIPOD-Cluster)于2023年发布,其旨在加强全球研究者的规范报告,以促进更具普适性的临床预测模型构建与验证。本文从TRIPOD-Cluster制定过程、清单内容、适用场景、优势、常用建模方法等方面进行解读与讨论,以促进国内学者利用多源数据建立与验证多因素预测模型,提高这类研究报告的规范性。