基于大规模前瞻性队列复杂纵向数据的哮喘风险评估与预测模型的建立

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    81530086
  • 项目类别:
    重点项目
  • 资助金额:
    273.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    H3005.妇幼保健
  • 结题年份:
    2020
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2020-12-31

项目摘要

The prevalence of childhood asthma has been increasing rapidly in China, doubled every 10 years. The rate of total control, on the other hand, is only 3%. Such a combination seriously affects the population health. As a controllable disease, early prediction and early prevention of asthmatic occurrence and recurrence are the key approach to minimize the adverse impact of the disease. Currently no asthma prediction model with good reliability is available. Even the limited evidence often comes from developed countries, which may not be applicable to the Chinese population. The project will use data from established prospective birth cohort studies to predict the trend of asthma prevalence in China. We will use complex longitudinal data with sophisticated statistical models to examine how environment, genetics, behavior, psychology, society, climate and meteorology, etc. may affect the occurrence, recurrence and prognosis of childhood asthma individually and synergistically. Built upon our previous work of screening and validation of susceptible gene loci in the Chinese population, we will explore the effects of genetic polymorphisms and gene x environment interaction on asthma occurrence and recurrence. All these analyses will contribute to the prediction models for asthma occurrence, recurrence and prognosis. Health economic evaluation as well as prediction of disease and socioeconomic burden in China will be performed. Our prediction models will provide evidence to identify high risk population, establish new guidelines for asthma prevention, and help to set and implement health policies on asthma.
我国儿童哮喘快速增长,每十年翻一番,完全控制率低仅3%,严重威胁我国人群健康。作为可控性疾病,早期预测、预防哮喘的发生、发作是降低哮喘危害的根本方法。目前国际上缺乏早期预测哮喘的可靠模型,已有证据多来自西方发达国家人群,不完全适用于中国人群。本项目以已建立的前瞻性大型出生队列为基础,描述我国哮喘的长期变化趋势,利用复杂的大数据和统计模型,分析环境、遗传、行为、心理、社会、气象、气候等危险因素及特殊暴露对哮喘发病、发作、转归的单独和联合作用;在前期基础上筛选和验证中国人群哮喘的遗传易感位点;探讨多基因多态性与哮喘的关联,分析遗传与环境因素复杂的交互作用对哮喘发生的作用,尝试构建和评价适用于中国人群的哮喘发病、发作、转归的风险预测模型,并进行卫生经济学评估,预测未来我国哮喘疾病负担和社会经济负担。本项目将为制定我国哮喘防治对策、更新哮喘防治指南、更有效的识别高危人群提供中国人群高质量的证据。

结项摘要

我国儿童哮喘发病率每十年翻一倍,呈现持续增长的态势。哮喘的病因很复杂,包括遗传因素和多种环境因素。近年来发现,生命早期暴露可能会对子代哮喘产生长期影响。.本项目利用丹麦国家信息系统的大数据,以哮喘发病和哮喘持续时间作为个体层面的关键评估,研究儿童哮喘的发生、发作和转归的自然史。分析发现儿童哮喘随着年龄的增加而减少;儿童哮喘年康复率存在两个高峰,分别为6岁和11岁。这个研究对建立儿童哮喘自然进程模型奠定了基础。同时还发现母亲哮喘史、分娩方式、孕期吸烟情况、社会经济情况、分娩孕周、儿童性别和产次会影响子代哮喘的发生和缓解。集合1993-2009年丹麦的环境监测数据,发现哮喘发病率有明显的地区差异性;氮氧化合物浓度、可吸入颗粒物浓度、风速和大气层表面摩擦速度会增加儿童哮喘发病率。结合个体信息,分析发现空气PM10和SO2浓度是哮喘发生的危险因素;而风速越高,哮喘发病概率越低。.基于“上海市儿童健康、教育与生活方式评价”随机、代表性大样本横断面调查,我们发现母乳喂养可降低由于剖宫产、孕期抗生素使用、有过敏性疾病家族史及男性儿童的哮喘发病风险。检测儿童尿液中抗生素水平,提示阿奇霉素暴露与哮喘发生存在正相关。.为了深入研究儿童哮喘的危险因素,我们在新华医院开展了哮喘病例-对照研究。招募了697例病例和1099例正常对照,检测基因多态性。研究发现暴露于霉菌会增加儿童哮喘的风险,rs7216389 T等位基因对儿童哮喘有剂量依赖风险效应。此外,我们证实了选择性剖宫产与儿童哮喘的相关性,以及先天免疫基因的SNP对这一关联的修饰作用。.本项目组还建立了前瞻性队列研究“上海优生儿童队列”和儿童喘息队列,在5000多对夫妇和儿童中收集并检测了多种类型生物标本,目前正在做7岁儿童随访。研究提示脐带血细胞DNA甲基化状态改变可能是分娩方式影响儿童哮喘发生的机制之一。.本课题将大数据分析和流行病学调查相结合,从基因、环境内外暴露到个体和人群层面,阐明哮喘的危险因素、自然进程及环境-基因的交互作用,为我国卫生规划提供数据基础和科学依据。

项目成果

期刊论文数量(17)
专著数量(0)
科研奖励数量(1)
会议论文数量(0)
专利数量(0)
Associations between organophosphate esters and sex hormones among 6-19-year old children and adolescents in NHANES 2013-2014
2013-2014年NHANES中6-19岁儿童和青少年有机磷酸酯与性激素的关联
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    Environ Int
  • 影响因子:
    11.8
  • 作者:
    Kai Luo;Jihong Liu;Yuqing Wang;Ruxianguli Aimuzi;Fei Luo;Junjie Ao;Jun Zhang
  • 通讯作者:
    Jun Zhang
Perfluoroalkyl substances exposure in early pregnancy and preterm birth in singleton pregnancies: a prospective cohort study
单胎妊娠早期妊娠和早产的全氟烷基物质暴露:一项前瞻性队列研究
  • DOI:
    10.1186/s12940-020-00616-8
  • 发表时间:
    2020
  • 期刊:
    Environ Health
  • 影响因子:
    --
  • 作者:
    Xiaona Huo;Lin Zhang;Rong Huang;Liping Feng;Weiye Wang;Jun Zhang
  • 通讯作者:
    Jun Zhang
Association of a four-gene model with allergic diseases: Two-year follow-up of a birth cohort study
四基因模型与过敏性疾病的关联:出生队列研究的两年随访
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    Immun Inflamm Dis
  • 影响因子:
    3.2
  • 作者:
    Li Hua;Fen Yang;Qian Chen;Quanhua Liu;Ruoxu Ji;Haipei Liu;Haipei Liu;Jun Zhang;Jianhua Zhang;Yixiao Bao
  • 通讯作者:
    Yixiao Bao
Exposure to Organophosphate esters and metabolic syndrome in adults
成人接触有机磷酸酯和代谢综合征
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    Environ Int
  • 影响因子:
    11.8
  • 作者:
    Kai Luo;Rongrong Zhang;Ruxianguli Aimuzi;Yuqing Wang;Min Nian;Jun Zhang
  • 通讯作者:
    Jun Zhang
Preconceptional paternal antiepileptic drugs use and risk of congenital anomalies in offspring: a nationwide cohort study
孕前父亲抗癫痫药物的使用和后代先天性异常的风险:一项全国性队列研究
  • DOI:
    10.1167/jov.23.12.6
  • 发表时间:
    2023-10-04
  • 期刊:
    Eur J Epidemiol
  • 影响因子:
    13.6
  • 作者:
    Fen Yang;Wei Yuan;Hong Liang;Xiuxia Song;Yongfu Yu;Bizu Gelaye;Maohua Miao;Jiong Li
  • 通讯作者:
    Jiong Li

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

随机波作用下埋管海床动态响应及液化研究
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    海洋通报
  • 影响因子:
    --
  • 作者:
    华莹;周香莲;张军
  • 通讯作者:
    张军
小力值测试系统及其动态标定装置的研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    传感器与微系统
  • 影响因子:
    --
  • 作者:
    孙宝元;张军;钱敏;张伟;任宗金
  • 通讯作者:
    任宗金
量子系统C~2C~4中无偏的最大纠缠基
  • DOI:
    10.1017/s175173111700338x
  • 发表时间:
    2016
  • 期刊:
    哈尔滨理工大学学报
  • 影响因子:
    --
  • 作者:
    王天娇;张军;陶元红;南华
  • 通讯作者:
    南华
煤矿巷道支护方案专家系统及应用研究
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    采矿与安全工程学报
  • 影响因子:
    --
  • 作者:
    李清;张军;白晓生;王茂源
  • 通讯作者:
    王茂源
三部图中无向不同构图的计算
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    上海理工大学学报
  • 影响因子:
    --
  • 作者:
    魏连鑫;廉晓龙;冯恩民;张军
  • 通讯作者:
    张军

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

张军的其他基金

典型毒害有机污染物的人体内暴露、健康影响及致病机制
  • 批准号:
  • 批准年份:
    2019
  • 资助金额:
    445 万元
  • 项目类别:
    重大项目
剖宫产对儿童过敏性疾病影响的流行病学调查和机制研究
  • 批准号:
    81273091
  • 批准年份:
    2012
  • 资助金额:
    95.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码