Comité de vigilancia de la seguridad

Las intervenciones en este ensayo son de bajo riesgo y se suman a la atención estándar que los participantes seguirán recibiendo durante todo el período del ensayo y después de que finalice el ensayo; por lo tanto, no se formará ninguna junta de monitoreo de datos y seguridad (DSMB). Sin embargo, habrá una revisión externa de la química clínica del participante y cualquier evento adverso del ensayo en el punto medio del ensayo cuando todos los participantes hayan completado su primer período de tratamiento. Esta revisión será realizada por un nefrólogo de fuera de Manitoba. Esta revisión monitoreará la evidencia del daño del tratamiento, buscando tendencias en la química clínica y/o aumentos en eventos inesperados, relacionados con los tratamientos y tomará las medidas apropiadas. Estas acciones pueden incluir la propuesta de cambios en el protocolo que podrían incluir la interrupción anticipada del ensayo debido al claro daño de un tratamiento según los resultados de la revisión.

Según estudios relevantes, la cistanche es una hierba tradicional china que se ha utilizado durante siglos para tratar diversas enfermedades. Se ha demostrado científicamente que posee propiedades antiinflamatorias, antienvejecimiento y antioxidantes. Los estudios han demostrado que la cistanche es beneficiosa para los pacientes que padecen enfermedades renales. Se sabe que los ingredientes activos de la cistanche reducen la inflamación, mejoran la función renal y restauran las células renales dañadas. Por lo tanto, la integración de la cistanche dentro de un plan de tratamiento de la enfermedad renal puede ofrecer grandes beneficios a los pacientes en el manejo de su condición. Cistanche ayuda a reducir la proteinuria, reduce los niveles de BUN y creatinina, y disminuye el riesgo de daño renal adicional. Además, la cistanche también ayuda a reducir los niveles de colesterol y triglicéridos, que pueden ser peligrosos para los pacientes que padecen enfermedades renales.

Haga clic en los beneficios de rou cong rong

【Para más información: david.deng@wecistanche.com / WhatApp:86 13632399501】

análisis estadístico

Los análisis bioinformáticos y estadísticos de los datos del microbioma se realizarán con la asistencia de Microbiome Insights y la plataforma Data Science en CHI; se actualizará en función de las recomendaciones y los avances tecnológicos entre ahora y el procesamiento de las muestras. En general, la configuración predeterminada del ensamblador FLASH [22] se utilizará para fusionar los archivos rápidos de Illumina de dos extremos superpuestos. El algoritmo UPARSE [23] se usará para (a) filtrado de calidad de las lecturas basado en el valor de error máximo esperado=1.0, (b) identificación de secuencias únicas, (c) clasificación de abundancia y eliminación de singletons, (d) agrupamiento de las lecturas en unidades taxonómicas operativas (OTU) basadas en un umbral de identidad del 97 por ciento, (e) verificación de quimeras de novo y basada en referencias (contra la base de datos GOLD [22]), y (f) construcción de mesa de la UTU. La clasificación taxonómica se realizará luego utilizando QIIME [26] implementación de UCLUST [24] y se alineará con la base de datos Greengenes utilizando el algoritmo PyNAST [25]. Los árboles filogenéticos se construyeron con FastTree [27] para una mayor comparación entre las comunidades microbianas. Antes de realizar análisis posteriores, la tabla OTU resultante se filtrará para eliminar todas las muestras con profundidades de secuenciación bajas. Los índices de riqueza y diversidad de la comunidad se calcularán luego usando QIIME a una profundidad uniforme dada por muestra. Las métricas de diversidad filogenética (distancias UniFrac ponderadas) y basadas en la abundancia (disimilitud de Bray-Curtis) se calcularán después de la normalización de la tabla OTU final utilizando la transformación de escala de suma acumulativa (CSS) [28]. Se aplicará el análisis de coordenadas principales (PCoA) a las matrices de distancia resultantes para generar gráficos bidimensionales utilizando la configuración predeterminada del software PRIMER-6 (PRIMER-E Ltd, Plymouth). Se realizará un análisis de agrupamiento no supervisado para relacionar los patrones de agrupamiento de las muestras con la proporción de las OTU centrales dentro de cada nicho (las OTU centrales se definen como aquellas presentes en al menos el 75 por ciento de las muestras en cada nicho). Las abundancias relativas de las OTU seleccionadas se normalizarán entre muestras. Las disimilitudes de Bray-Curtis se calcularán usando el paquete "vegano" de R [29], y la matriz resultante se someterá a un agrupamiento jerárquico no supervisado usando el paquete "dendextend" de R [30] y se visualizará sobre el mapa de calor de la matriz de abundancia usando el paquete R "complex-heatmap" [31]. Se utilizará el procedimiento UNIVARIATE de SAS para probar la normalidad de los residuos para las medidas de diversidad. Los datos que no se distribuyen normalmente se transformarán logarítmicamente o mediante la potencia de Box-Cox y luego se someterán a una prueba de análisis de varianza (ANOVA) mediante el procedimiento MIXED de SAS. Todas las comparaciones por pares entre los grupos se probarán utilizando el ajuste de rango estudentizado de Tukey. Se utilizará el análisis de varianza multivariante permutacional (PERMANOVA; implementado en el software Primer6) para detectar diferencias significativas entre las métricas de diversidad de las comunidades microbianas. Las abundancias relativas de las UTO centrales seleccionadas se evaluarán en busca de asociaciones estadísticamente significativas con los metadatos disponibles utilizando un análisis multivariante con modelado lineal (MaAsLin) [32] que tenga en cuenta todos los posibles factores de confusión (covariables) que podrían estar asociados con el perfil del microbioma (es decir, sexo, edad, IMC) y participantes (tratados como un factor aleatorio). Las asociaciones significativas se considerarán por debajo de un valor umbral de 0,1. Para evaluar los cambios en la funcionalidad del microbioma, se utilizará el análisis de redes de correlación (CoNet, [33]) para explorar las relaciones de exclusión mutua/coocurrencia microbiana e identificar las OTU centrales que muestren la mayor cantidad de correlaciones positivas/negativas con otros UTO en condiciones de tratamiento.

Los efectos del tratamiento sobre los resultados lineales al final de cada período se analizarán mediante el procedimiento SAS MIXED (SAS 9.4). La secuencia y el sexo se incluirán en el modelo como factores fijos y los participantes se incluirán como factores repetidos. La normalidad de la distribución de datos se realizará mediante la prueba de Shapiro-Wilk, y las variables no normales se transformarán antes del análisis. Los datos demográficos se informarán como la media ± desviación estándar. Los resultados se informarán como medias de mínimos cuadrados ± error estándar de la media (SEM), a menos que se especifique lo contrario. La significancia estadística se establecerá en p < 0.05 para todos los análisis. La plataforma de ciencia de datos en CHI proporcionará soporte de gestión de datos además de soporte de bioestadística para el proyecto.

Aleatorización, cegamiento y descifrado de códigos

Los pacientes elegibles (n=36) se someterán a evaluaciones al inicio del estudio y se asignarán aleatoriamente a 2 grupos, cada uno de los cuales constará de 18 participantes. La aleatorización la realizará un investigador independiente en la plataforma de bioestadística del Centro George and Fay Yee para la Innovación en el Cuidado de la Salud (CHI) de la Universidad de Manitoba. La aleatorización se realizará utilizando código escrito en el lenguaje de programación estadística R (versión 3.5.3). Los tratamientos se asignarán con una proporción de 1:1. Se prepararán un total de 48 tarjetas de aleatorización, un juego de 24 para cada sexo. El calendario de aleatorización se transferirá a juegos de sobres cerrados opacos. Después de la visita inicial de un participante, el personal del estudio abrirá un sobre sellado que contendrá la asignación del participante. El orden de las intervenciones será ciego tanto para los investigadores como para los participantes. Los tratamientos se darán en sobres sellados; el contenido del sobre será cegado por un tercero, entregado al personal del estudio etiquetado como A o B, y entregado a los participantes de acuerdo con su período de tratamiento. Los tratamientos no se desbloquearán hasta que se completen los análisis, a menos que sea necesario debido a eventos adversos durante el ensayo clínico. También habrá una revisión intermedia de los datos clínicos del participante por parte de un nefrólogo independiente que no estará cegado (consulte la sección "Responsabilidades del investigador calificado").

Cálculo del tamaño de la muestra

Un tamaño de muestra final de 30 participantes en este estudio podrá detectar una diferencia entre los tratamientos en sulfato de p-cresol total de 17,5 μmol/L, o un cambio de ~ 15 por ciento, con una potencia de 0,88 (alfa {{6} }.05, bilateral), dada una correlación dentro de la persona de .79 [23] y una desviación estándar estimada de 45 μmol/L [9] para el sulfato de p-cresol total. Una caída del 30 por ciento o más en los solutos urémicos se consideraría clínicamente significativa, lo que justificaría ensayos adicionales que investiguen esta intervención prebiótica en la ERC, y confiamos en poder detectar dicho cambio en caso de que ocurra. Para dar cuenta de la pérdida de energía debido a los abandonos, reclutaremos a 36 participantes.

Inclusión en el análisis

El análisis principal se realizará utilizando el conjunto de análisis Todos los participantes (intención de tratar). El análisis primario se repetirá en el conjunto de análisis de Finalizadores. Los datos demográficos y todas las demás medidas de referencia se analizarán en el conjunto Todos los participantes, así como en el conjunto Finalizadores.

Conjunto de análisis de finalistas: todos los participantes que han completado el ensayo.

Conjunto de análisis de todos los participantes: todos los participantes aleatorizados.

Interrupción/retirada de participantes del tratamiento del ensayo 

Cada participante tiene derecho a retirarse del ensayo en cualquier momento. Los participantes pueden interrumpir su participación en el ensayo en cualquier momento y se les solicita que se comuniquen con un miembro del equipo de investigación para informarles su decisión. Además, los investigadores pueden suspender a un participante del ensayo en cualquier momento si lo consideran necesario por cualquier motivo, incluido el embarazo, la no elegibilidad (ya sea que surja durante el ensayo o que se haya pasado por alto retrospectivamente en la selección), desviación significativa del protocolo, no participación significativa. cumplimiento del protocolo, progresión de la enfermedad que impida seguir cumpliendo el protocolo, retirada del consentimiento y pérdida del seguimiento.

El retiro no resultará en la exclusión de los datos de ese participante del análisis. Como el análisis primario se basará en una intención de tratar, también se realizará un análisis completo.

Si un participante se retira dentro de las primeras 4 semanas del ensayo, será reemplazado. Si el participante de reemplazo se da de baja, no habrá reemplazo posterior.

El motivo del retiro se registrará en el CRF, si se proporciona.

Remuneración

Los participantes recibirán una remuneración de $ 200 por cada período completado o el valor prorrateado si se retiran de la prueba. Cada participante recibiría $400 en total si completa la prueba completa.

Los nombres y direcciones de los participantes se utilizarán para preparar, imprimir, enviar por correo y mantener registros financieros o cheques de remuneración. El franqueo pagado y un sobre se entregarán al participante con un formulario que requiere su firma al recibir el cheque de remuneración. Se les pedirá a los participantes que devuelvan el formulario a CDIC. Este registro se mantendrá durante un máximo de 7 años.

Discusión

La ERC se ha asociado con cambios en la ecología microbiana intestinal, o "disbiosis", que pueden contribuir a la progresión de la enfermedad. Las personas y los animales con ERC presentan profundas alteraciones en el entorno intestinal, incluidos cambios en la composición microbiana, aumento del pH fecal y aumento de los niveles sanguíneos de metabolitos derivados de microbios intestinales. Estudios recientes se han centrado en enfoques dietéticos para alterar favorablemente la composición de las comunidades microbianas intestinales como método de tratamiento para la ERC. El almidón resistente (RS), un prebiótico que promueve la proliferación de bacterias intestinales como las bifidobacterias y los lactobacilos, aumenta la producción de metabolitos, incluidos los ácidos grasos de cadena corta, que confieren varios beneficios que promueven la salud. Los estudios de modelos animales e individuos con ERC muestran que la suplementación con RS atenúa las concentraciones de solutos de retención urémica, incluidos el sulfato de indoxilo y el sulfato de p-cresol. Se ha demostrado que el almidón tipo 2 resistente al maíz con alto contenido de fibra dietética fermentable (HAMRS2) altera el medio intestinal en modelos de ratas con ERC, lo que conduce a una función renal notablemente mejorada. Se ha demostrado que el RPS, que es un almidón resistente a la R2-, aumenta las bacterias que degradan los carbohidratos, como las bifidobacterias, y disminuye las bacterias con actividad proteolítica, como la E. coli [14, 17, 18]. También se ha demostrado que RPS reduce las concentraciones de toxinas urémicas derivadas del microbioma intestinal en cerdos [19]. Si bien los estudios en animales y humanos que involucran almidón resistente han demostrado la capacidad de cambiar la microbiota intestinal y reducir la cantidad de toxinas urémicas, existen estudios limitados en pacientes con ERC [14].

En un estudio realizado en personas con ERC que ya estaban en diálisis, se observó una reducción de las toxinas urémicas después del consumo de maicena con alto contenido de amilosa durante 6 semanas [20]. El almidón de maíz alto en amilosa es ~ 60 por ciento de almidón resistente por peso seco, mientras que el RPS que se utilizará en esta propuesta es ~ 70 por ciento de almidón resistente y ~ 10 por ciento de otras fibras dietéticas [17]. Aquí, llevaremos a cabo un ensayo cruzado doble ciego aleatorizado de 2- períodos para investigar si el consumo de RPS como terapia complementaria a los estándares actuales de atención de la ERC reducirá las toxinas urémicas y los síntomas al alterar la microbiota intestinal en pacientes con ERC.

Los resultados de este estudio se sumarán a la evidencia de la eficacia de la RPS en pacientes con ERC y formarán la base de un ensayo controlado aleatorio multicéntrico más grande que pruebe el efecto de la RPS para retrasar la progresión de la ERC y el inicio de la diálisis.

Gestión de datos

Datos fuente

Los documentos de origen son donde se registran los datos por primera vez y de donde se obtienen los datos del CRF de los participantes. Las entradas de CRF se considerarán datos fuente si el CRF es el sitio de la grabación original (por ejemplo, no hay otro registro de datos escrito o electrónico). Todos los documentos se almacenarán de forma segura en condiciones confidenciales. En todos los documentos específicos del ensayo, que no sean los formularios de consentimiento firmados, la lista maestra y los formularios de remuneración, se hará referencia al participante por el código de participante del ensayo, no por su nombre.

Acceso a datos

Se otorgará acceso directo a los representantes autorizados del patrocinador, la institución anfitriona y las autoridades reguladoras para permitir el monitoreo, las auditorías y las inspecciones relacionadas con el ensayo.

Registro de datos y mantenimiento de registros

Todos los datos del ensayo se ingresarán del CRF en papel o se recopilarán a través de la plataforma REDCap de la Universidad de Manitoba, y otros documentos fuente se ingresarán en esta base de datos REDCap. Los participantes serán identificados por un número y/o código único específico del ensayo en esta base de datos de REDCap. El nombre del participante y cualquier otra información de identificación no se incluirán en la base de datos de REDCap, excepto el formulario de consentimiento informado firmado, el formulario de remuneración y la lista maestra del estudio. Las direcciones de domicilio y de correo electrónico y los números de teléfono del participante se recopilarán y vincularán con el ID del estudio y el nombre del participante en una lista maestra física/electrónica del estudio que se utilizará para coordinar las actividades del ensayo, como las entregas a domicilio de los materiales del estudio, los cheques de remuneración y la comunicación. con los participantes durante el ensayo. Esta lista maestra se almacenará en un gabinete cerrado con llave en el CDIC o en una unidad/computadora compartida protegida con contraseña en el CDIC. Los nombres y direcciones de los participantes se compartirán con el personal de entrega o los mensajeros durante el proceso de entrega, así como también se utilizarán para enviar cheques de remuneración para los participantes que no recojan en persona.

Los datos del ensayo, sin identificar la información personal de los participantes, se almacenarán en un entorno de investigación seguro en la Universidad de Manitoba utilizando REDCap. REDCap se implementa localmente mediante la plataforma Data Science en el Centro George & Fay Yee para la Innovación en el Cuidado de la Salud de la Universidad de Manitoba. Las visitas virtuales del estudio se realizarán a través de la plataforma Microsoft Teams de la Universidad de Manitoba, que es un servicio basado en la nube alojado externamente. Los datos electrónicos con información personal de identificación del participante, como el nombre y la información de contacto, se protegerán con contraseña y se almacenarán en un archivo de Excel en una computadora en el CDIC. Los registros electrónicos de los formularios de consentimiento firmados se almacenarán en REDCap, así como también se almacenarán en una computadora/unidad compartida segura protegida con contraseña en el CDIC o en un gabinete cerrado con llave. Los formularios de consentimiento firmados en papel se almacenarán en un gabinete cerrado con llave en el CDIC. Otros registros de estudio se organizarán en una carpeta resistente y se mantendrán en CDIC. CDIC está vigilado las 24 horas del día y tiene acceso restringido.

Todos los registros de investigación de ensayos se conservarán durante 25 años. Los CRF en papel y los datos de origen se mantendrán en un contenedor de almacenamiento bajo llave, aparte de cualquier información de identificación personal en el CDIC. Los archivos en papel se eliminarán utilizando el método de destrucción de documentos confidenciales en CDIC.

Los datos electrónicos se desidentificarán y se conservarán durante 10 años después de la finalización del estudio. Los datos electrónicos también pueden compartirse en un formulario no identificado con revistas académicas con fines de publicación. Los datos pueden ser almacenados por la revista académica u otros repositorios de acceso abierto bajo una política de acceso abierto, en cuyo caso pueden ser utilizados por otros investigadores para fines de investigación y análisis de datos adicionales. Los archivos en papel se eliminarán utilizando el método de destrucción de documentos confidenciales.

Criterios para la terminación del juicio

El ensayo continuará hasta que todos los participantes reclutados hayan llegado al final de su seguimiento y se hayan recopilado, procesado y limpiado los datos. No hay planes de terminación anticipada.

Procedimiento para contabilizar datos faltantes, no utilizados y espurios

El número y la proporción de valores faltantes se documentarán en el informe del estudio clínico. Los valores faltantes no se imputarán a menos que se indique lo contrario. Los análisis excluirán los datos de los participantes que tengan valores faltantes para cualquier variable requerida para el análisis.

Cuando se observa que los datos son inusuales de una manera que no se puede explicar o descartar como erróneos, los análisis pueden repetirse después de excluir el registro involucrado. Estos análisis adicionales se presentarán como análisis de sensibilidad.

Procedimientos para informar cualquier desviación del plan estadístico original

Todas las desviaciones del protocolo documentadas en la base de datos de ensayos clínicos se tabularán (si corresponde) y se enumerarán en el informe del estudio clínico.

Registro de eventos adversos

Dada la naturaleza de la intervención, es muy poco probable que algún evento adverso esté relacionado con el ensayo. Sin embargo, todos los EA que ocurran durante el ensayo que sean observados por los investigadores o informados por el participante se registrarán en el CRF, ya sea que se atribuyan o no a la intervención del ensayo.

Se registrará la siguiente información: descripción, fecha de inicio y finalización, gravedad y evaluación de la relación con la intervención del ensayo. Se debe proporcionar información de seguimiento según sea necesario. En caso de que se informe algún evento adverso, se ofrecerá a los pacientes ser atendidos en la próxima visita clínica disponible o dentro de 1 semana, lo que ocurra primero, y se les seguirá dando seguimiento en la clínica hasta que se resuelva el EA.

La gravedad de los eventos se evaluará en la siguiente escala: 1=leve, 2=moderada y 3=grave.

Los EA que se consideren relacionados con la intervención del ensayo, a juicio del investigador calificado, se seguirán hasta la resolución o hasta que el evento se considere estable. En caso de que los EA resulten en el retiro del ensayo, los pacientes que se retiran debido a una reacción adversa al tratamiento también serán seguidos por la clínica de CKD hasta que se resuelva el EA.

Informes de seguridad

El equipo de estudio informará los EA a Health Canada y a los jefes de departamentos/instituciones pertinentes y al REB de la Universidad de Manitoba mediante el uso de formularios de notificación apropiados.

Procedimientos de aseguramiento de la calidad

El ensayo se llevará a cabo según el protocolo actualmente aprobado, las BPC, las reglamentaciones pertinentes y los procedimientos operativos estándar.

El monitoreo regular se puede realizar de acuerdo con GCP. Los datos pueden ser evaluados para el cumplimiento del protocolo y la precisión de los documentos de origen. Siguiendo los procedimientos operativos estándar escritos, los monitores verificarán que el ensayo clínico se lleve a cabo y que los datos se generen, documenten y notifiquen de conformidad con el protocolo, las BPC y los requisitos reglamentarios aplicables.

abreviaturas

EA: Evento adverso; RA: reacción adversa; IP: investigador principal; CRA: Asociado de investigación clínica; CRF: Formulario de reporte de caso; BPC: Buenas Prácticas Clínicas; TC: Ensayos clínicos; ICF: formulario de consentimiento informado; REB: Consejo de Ética en Investigación; SAE: evento adverso grave; POE: procedimiento operativo estándar

Expresiones de gratitud

Nos gustaría reconocer y agradecer a Michelle DiNella, Sarah Curtis y al personal del CDIC por apoyar la puesta en marcha de este ensayo.

Declaración de Helsinki

El investigador/QI se asegurará de que este ensayo se lleve a cabo de acuerdo con los principios de la Declaración de Helsinki. NÓTESE BIEN. La Declaración de Helsinki de 2008 proporciona detalles sobre lo que debe incluirse en un protocolo: financiación, patrocinio, afiliaciones y posibles conflictos de intereses, incentivos para participar, compensación por daños y acceso a medicamentos y atención después del juicio.

Informes

El investigador/QI deberá presentar una vez al año durante el ensayo clínico un Informe Anual de Progreso a la Junta de Ética de Investigación en Salud de la Universidad de Manitoba. Además, se enviará una notificación de finalización del ensayo a la Junta de Ética de Investigación en Salud de la Universidad de Manitoba y al Ministerio de Salud de Canadá.

Confidencialidad del participante

El personal del ensayo se asegurará de que se mantenga el anonimato de los participantes. Los participantes serán identificados solo por un número de ID de participante en todos los documentos del ensayo y en cualquier base de datos electrónica, excepto en el formulario de consentimiento informado, la lista maestra y el formulario de remuneración. Todos los documentos se almacenarán de forma segura y solo podrán acceder a ellos el personal del ensayo y el personal autorizado. El ensayo cumplirá con la Ley de información de salud personal (PHIA) o la Ley de libertad de información y protección de la privacidad (FIPPA) de Manitoba.

Estado de prueba

Se espera que este ensayo comience a reclutar en septiembre de 2021 y continúe hasta aproximadamente marzo de 2022. El número de protocolo actual y la fecha es la versión 3, 13 de junio de 2021.

Composición, funciones y responsabilidades del centro coordinador

El IP (Dr. Mackay) y los coinvestigadores (Drs. Tangri y Mollard) serán responsables de la supervisión. Un estudiante de doctorado y un coordinador de investigación trabajarán juntos en el funcionamiento diario del ensayo, incluido el reclutamiento, la selección, la programación, las visitas de los participantes, la recopilación y el ingreso de datos. El doctorado el estudiante informará directamente al PI (Dr. Mackay), y el coordinador de investigación estará en contacto diario con el co-investigador que los supervisa (Dr. Mollard). Un analista de datos será responsable de analizar los datos bajo la supervisión de los Dres. Mackay y Tangri. El proyecto se analizará con el equipo de investigación general del CDIC durante una reunión del grupo clínico cada 2 semanas y durante reuniones quincenales con el equipo de investigación del proyecto para analizar los detalles específicos del proyecto.

Contribuciones de los autores

MS ayudó con la redacción del manuscrito y la recopilación de comentarios y cambios de otros autores. KK ayudó con la revisión del manuscrito. HW buscó la aprobación ética y contribuyó al manuscrito. RM, NT y DM diseñaron el protocolo del estudio y los criterios de selección de los participantes, buscaron financiación y aprobación ética, ayudaron con las revisiones del manuscrito y revisaron el manuscrito. Todos los autores contribuyeron, leyeron, hicieron revisiones críticas y aprobaron el manuscrito final antes de enviarlo.

Fondos

Este ensayo está siendo financiado por la Iniciativa del Microbioma de la Familia Weston y el Centro de Innovación de Enfermedades Crónicas en el Hospital Seven Oaks. MSPrebiotic Inc. proporciona los productos de tratamiento utilizados en este ensayo de forma gratuita. Los financiadores no tendrán ninguna participación en el diseño, la ejecución, el análisis de datos o la publicación del ensayo. El patrocinador del ensayo es la Universidad de Manitoba, de la cual Dylan MacKay es la persona de contacto.

Disponibilidad de datos y materiales.

Las publicaciones que surjan de este ensayo seguirán las recomendaciones de autoría del ICMJE. Los resultados de este ensayo se publicarán en una publicación revisada por pares y se pueden presentar en conferencias. Los resultados resumidos de este estudio se cargarán en el registro ClinicalTrials.gov del ensayo. Los datos anonimizados se pondrán a disposición de otros investigadores para actividades de síntesis de conocimientos previa solicitud razonable.

Declaraciones

Aprobación ética y consentimiento para participar

El Consejo de ética de la investigación biomédica (BREB) del campus de Bannatyne en Winnipeg, Manitoba, Canadá, aprobó este protocolo de estudio (HS23161 (B2019:089). Todas las enmiendas al protocolo de este estudio son revisadas y aprobadas por la U of M BREB, y los cambios a el protocolo se actualiza en ClinicalTrials.gov. Health Canada ha emitido el Aviso de autorización para este ensayo (archivo n.º 250522). Los participantes deben firmar personalmente y fechar la última versión aprobada del formulario de consentimiento informado antes de realizar cualquier procedimiento específico del ensayo. Este ensayo está registrado en ClinicalTrials.gov (NCT04961164).

Consentimiento para publicación 

Todos los participantes darán su consentimiento para publicar o presentar la información recopilada durante el ensayo de manera que no se revele su información de identificación personal, como su nombre, dirección y número de teléfono.

Conflicto de intereses

Todos los demás autores declaran que no tienen intereses en competencia.

Detalles del autor

1 Centro de Innovación de Enfermedades Crónicas, Hospital General Seven Oaks, Winnipeg, MB, Canadá. 2 Departamento de Ciencias de la Nutrición Humana, Universidad de Manitoba, Winnipeg, MB, Canadá. 3 Departamento de Ciencias de la Salud Comunitaria, Universidad de Manitoba, Winnipeg, MB, Canadá. 4 Facultad de Medicina Max Rady, Universidad de Manitoba, Winnipeg, MB, Canadá.

Referencias

1. Arora P, Vasa P, Brenner D, Iglar K, McFarlane P, Morrison H, et al. Estimaciones de prevalencia de enfermedad renal crónica en Canadá: resultados de una encuesta representativa a nivel nacional. CMAJ. 2013;185(9):E417–23.

2. Ng JK, Li PK. Epidemia de enfermedad renal crónica: ¿cómo la enfrentamos? Nefrología (Carlton). 2018;23(Suplemento 4):116–20. PMID: 30298662.

3. Fujii H, Kono K, Nishi S. Características de la enfermedad arterial coronaria en la enfermedad renal crónica. Clin Exp Nephrol. 2019;23(6):725–32.

4. Collister D, Ferguson T, Komenda P, Tangri N. Los patrones, los factores de riesgo y la predicción de la progresión en la enfermedad renal crónica: una revisión narrativa. Semin Nephrol. 2016;36(4):273–82. PMID: 27475658.

5. Beaudry A, Ferguson TW, Rigatto C, Tangri N, Dumanski S, Komenda P. Costo de la terapia de diálisis por modalidad en Manitoba. Diario Clínico de la Sociedad Americana de Nefrología. 2018;13(8):1197–203. PMID: 30021819.

6. Aronov PA, Luo FJG, Plummer NS, Quan Z, Holmes S, Hostetter TH, et al. Contribución del colon a los solutos urémicos. J Am Soc Nephrol. 2011;22(9):1769–76. PMID: 21784895.

7. Ramezani A, Massy ZA, Meijers B, Evenepoel P, Vanholder R, Raj DS. Papel del microbioma intestinal en la uremia: un objetivo terapéutico potencial. Revista americana de enfermedades renales. 2016;67(3):483–98. PMID: 26590448.

8. Simonsen E, Komenda P, Lerner B, Askin N, Bohm C, Shaw J, et al. Tratamiento del prurito urémico: una revisión sistemática. Am J enfermedad renal. 2017; 70(5):638–55. PMID: 28720208.

9. Meijers BK, et al. P-Cresol y riesgo cardiovascular en enfermedad renal leve a moderada. Clin J Am Soc Nephrol. 2010;5(7):1182–9. PMID: 20430946.

10. Gao H, Liu S. Papel de la toxina urémica sulfato de indoxil en la progresión de la enfermedad cardiovascular. Ciencias de la vida. 2017;185:23–9. PMID: 28754616.

11. Lisowska-Myjak B. Toxinas urémicas y sus efectos en múltiples sistemas de órganos. Nephron Clin Práctica. 2014;128(3-4):303–11. PMID: 25531673.

12. Schulman G, Berl T, Beck GJ, Remuzzi G, Ritz E, Arita K, et al. Ensayos EPPIC aleatorios controlados con placebo de AST-120 en CKD. J Am Soc Nephrol. 2015; 26(7):1732–46. PMID: 25349205.

13. Hung SC, Kuo KL, Wu CC, Tarng DC. Sulfato de indoxil: un nuevo factor de riesgo cardiovascular en la enfermedad renal crónica. Revista de la Asociación Americana del Corazón. 2017;6(2):e005022. PMID: 28174171.

14. Snelson M, Kellow NJ, Coughlan MT. Modulación de la microbiota intestinal por almidón resistente como tratamiento de enfermedades renales crónicas: evidencia de eficacia y conocimientos mecanísticos. Nutrición av. 2019;10(2):303–20. PMID: 30668615.

15. Birkett A, Muir J, Phillips J, Jones G, O'Dea K. El almidón resistente reduce las concentraciones fecales de amoníaco y fenoles en humanos. Soy J Clin Nutr. 1996; 63(5):766–72. PMID: 8615362.

16. Smith EA, Macfarlane GT. Enumeración de bacterias colónicas humanas que producen compuestos fenólicos e indólicos: efectos del pH, disponibilidad de carbohidratos y tiempo de retención en el metabolismo de aminoácidos aromáticos disimilatorios. 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. Un ensayo aleatorizado para determinar el impacto de una composición de almidón resistente a la digestión en el microbioma intestinal en adultos mayores y de mediana edad. Clin Nutr. 2018;37(3):797–807.

18. Baxter NT, Schmidt AW, Venkataraman A, Kim KS, Waldron C, Schmidt TM, et al. Dinámica de la microbiota intestinal humana y los ácidos grasos de cadena corta en respuesta a intervenciones dietéticas con tres fibras fermentables. MBío. 2019. PMID: 30696735;10(1):e02566–18.

19. Losel D, Claus R. Efectos dependientes de la dosis del almidón de patata resistente en la dieta sobre la formación de escatol intestinal y la acumulación de tejido adiposo en el cerdo. 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. Efecto del aumento de la fibra dietética en los niveles plasmáticos de solutos derivados del colon en pacientes en hemodiálisis. 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. Intervalos de referencia y variación biológica de indoxilo y p-cresilsulfato de suero libres y totales medidos con un método rápido de detección de fluorescencia UPLC. Clin Chim Acta. 2013;419:122–6. PMID: 23428591.

22. Magoc T, Salzberg SL. FLASH: ajuste rápido de longitud de lecturas cortas para mejorar los ensamblajes del genoma. Bioinformática. 2011;27(21):2957–63. PMID: 21903629.

23. Édgar RC. UPARSE: secuencias OTU de alta precisión a partir de lecturas de amplicón microbiano. Métodos Nat. 2013;10(10):996–8. PMID: 23955772.

24. Édgar RC. Busque y agrupe órdenes de magnitud más rápido que BLAST. Bioinformática. 2010;26(19):2460–1. PMID: 20709691.

25. Caporaso JG, Bittinger K, Bushman FD, DeSantis TZ, Andersen GL, Knight R. PyNAST: una herramienta flexible para alinear secuencias con una plantilla de alineación. Bioinformática. 2010;26(2):266–7. PMID: 19914921.

26. Caporaso JG, Kuczynski J, Stombaugh J, Bittinger K, Bushman FD, Costello EK, et al. QIIME permite el análisis de datos de secuenciación comunitaria de alto rendimiento. Métodos Nat. 2010;7(5):335–6. PMID: 20383131.

27. Precio MN, Dehal PS, Arkin AP. FastTree 2: árboles de probabilidad máxima aproximada para alineaciones grandes. MÁS UNO. 2010;5(3):e9490. PMID: 20224823.

28. Paulson JN, Stine OC, Bravo HC, Pop M. Análisis de abundancia diferencial para encuestas de genes marcadores microbianos. Métodos de la naturaleza. 2013;10(12):1200. PMID: 24076764–2.

29. Jari Oksanen FGB, Friendly M, Kindt R, Legendre P, McGlinn D, Minchin PR, et al. El paquete vegano, en Paquete ecológico comunitario; 2019.

30. Galili T. dendextend: un paquete R para visualizar, ajustar y comparar árboles de agrupamiento jerárquico. Bioinformática. 2015;31(22):3718–20. PMID: 26209431.

31. Gu Z, Eils R, Schlesner M. Los mapas de calor complejos revelan patrones y correlaciones en datos genómicos multidimensionales. Bioinformática. 2016;32(18): 2847–9. PMID: 27207943.

32. Morgan XC, Tickle TL, Sokol H, Gevers D, Devaney KL, Ward DV, et al. Disfunción del microbioma intestinal en la enfermedad inflamatoria intestinal y su tratamiento. Genoma Biol. 2012;13(9):R79. PMID: 23013615.

33. Faust K, Sathirapongsasuti JF, Izard J, Segata N, Gevers D, Raes J, et al. Relaciones microbianas de co-ocurrencia en el microbioma humano. PLoS Comput Biol. 2012;8(7):e1002606. PMID: 22807668

Nota del editorSpringer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

【Para más información: david.deng@wecistanche.com / WhatApp:86 13632399501】