條文本
PDF
摘要
簡介慢性腰痛(CLBP)不僅給社會、工業和衛生係統帶來了巨大的直接成本和間接負擔。CLBP的特點是異質性，包括幾種疼痛綜合征，不同的潛在分子病理和與心理社會因素的相互作用，導致一係列臨床表現。在潛在的病理過程和導致結果差異的非心理社會因素方麵仍有許多需要了解的地方。可客觀用於診斷和個性化、有針對性和具有成本效益的治療的生物標記物仍然缺乏。因此，任何可能在“組學”水平上獲得的數據(糖組學、活性組學和全基因組關聯研究- gwas)都可能有助於作為闡明CLBP發病機製的動態生物標誌物，並最終可能提供預後信息。通過回顧性、觀察性、病例隊列、多中心研究，我們的目標是研究新的有前景的生物標誌物，有可能解決與CLBP相關的一些問題。
方法與分析該研究采用兩階段1:2病例-對照模型。共有12 000人(4000情況下和8000年控製)將獲注冊;將登記臨床數據，特別注意疼痛特征和疼痛治療的結果。血液樣本將被收集來進行組學研究。主要目標是識別與CLBP相關的遺傳變異;次要目標是研究與CLBP相關的糖組學和活性組學特征。
倫理與傳播該研究是歐洲共同體第七框架計劃資助的PainOMICS項目的一部分。該研究已獲得主管倫理機構的批準，並在開始研究前向歐盟委員會提供了批準副本。該研究結果將由PainOMICS聯盟的科學委員會和倫理委員會進行審查。科學結果將通過同行評議的期刊傳播。
試用注冊號NCT02037789;Pre-results。
- 慢性腰痛
- 全基因組關聯研究
- 作者
- ACTIVOMICS
這是一篇開放獲取文章，根據創作共用屬性非商業(CC BY-NC 4.0)許可證發布，該許可證允許其他人以非商業方式分發、混音、改編、在此作品的基礎上進行構建，並以不同的條款許可其衍生作品，前提是原始作品被正確引用且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/
數據來自Altmetric.com
本研究的優勢和局限性
多中心和多學科研究:該研究包括歐盟(EU)、美國和澳大利亞的中心，研究團隊專注於以下領域:(1)疼痛的臨床方麵，(2)疼痛的生物學和遺傳學，(3)“組學”數據的生成和(4)多個“組學”數據的分析。
假設驅動vs假設生成:該研究旨在分析“組學”生物標誌物(全基因組關聯研究(GWAS)，糖組學和活性組學)，潛在地破譯與不同病理生理模式相關的慢性腰痛(CLBP)的發病機製。
大樣本量縱向設計:(1)發現階段，3000例，6000例對照;(2)驗證階段，1000例病例，2000例對照。
雖然研究人群的異質性在發現階段是有幫助的，但這可能會限製驗證階段的結論。
基於動物模型的功能研究，由於經費的限製，尚未納入本課題。
簡介
腰痛(LBP)是全球最常見的健康問題之一，估計年齡標準化點患病率為9.4%。12012年，發表了一篇關於LBP患病率的全球綜述，報告了持續>天的活動受限LBP的平均±SEM點患病率為11.9±2.0%，1個月的患病率為23.2±2.9%。2LBP在殘疾和缺勤中占相當大的比例，在《2013年全球疾病負擔研究》中，以殘疾損失年數衡量，LBP是全球殘疾的主要因素。3.腰痛被定義為疼痛和不適，位於肋緣以下和臀下皺襞以上，伴有或不伴有腿痛。
LBP的預後因素包括人口統計學因素(教育程度、年齡和性別)、職業因素(就業)、心理健康發病率(焦慮和抑鬱)、對疼痛和殘疾的感知(疼痛強度和對持續疼痛的預期)和其他心理因素(恐懼逃避、災難化、對疾病的感知)。beplay体育相关新闻4
當症狀持續至少3個月，LBP就會變成慢性LBP (CLBP)。活動受限型腰痛易於複發，腰痛的病程越來越被視為一種慢性複發疾病，5這對社會、工業和衛生係統造成了巨大的直接經濟成本和間接負擔。6,7在美國，慢性CLBP的患病率從1992年的3.9%上升到2006年的10.2%，8巴西從2002年的4.2%上升到2010年的9.6%。9
疼痛是一種主觀感覺，受一係列生理和心理因素的影響，其神經機製尚不為人所知。10醫學影像學的進步提高了我們鑒別CLBP解剖來源的能力;然而，CLBP是異質的，解剖部位隻能說明部分情況。預後有相當大的差異，目前CLBP對個人、家庭和工作場所造成了巨大的負擔。
循證指南建議在實施臨床管理之前首先排除嚴重診斷，這促進了持續功能和最佳實踐康複方法。然而，關於潛在的過程，它是如何影響預後的，以及我們如何利用它來為個人量身定製治療，還有很多需要了解的地方。在進行LBP診斷時，紅旗症狀用於確定是否需要調查潛在的嚴重疾病。11黃色標誌(心理社會因素)識別慢性病的風險12並強調CLBP的異質性和複雜性，其嚴重程度、慢性和預後可能取決於解剖部位、潛在病理過程、共病以及個體心理社會因素。
雖然心理社會因素明顯影響CLBP的結果，但遺傳和表觀遺傳因素可能會導致對治療的反應發生一些變化。盡管已知持續性CLBP和椎間盤退變是可遺傳的13,14這兩種特征彼此高度相關，椎間盤退變是LBP發作的主要預測因素，14這兩種性狀的遺傳變異都很少被發現和證實。15 - 17日隻有兩項全基因組關聯研究報告了慢性/持續性廣泛疼痛16,17兩項椎間盤退變的全基因組關聯研究(GWAS)。18,19與其他常見的複雜性狀保持一致，所確定的位點的個體效應很小，隻能解釋性狀或疾病變異的一小部分。20.因此，與基於已知因素(如家族史)的預測相比，它們並沒有顯著改善預測。研討會不幸的是，這些數據還沒有闡明疼痛的發病機製，也沒有提供可能適用於個別患者的治療預測。還需要複製這些發現。因此，盡管最近的數據很有希望，但仍需要新的研究來確定客觀的生物標誌物，用於診斷和預測CLBP患者的治療效果。
糖組學是一個新興領域，最近被美國國家科學院確定為未來十年的優先領域。24,25最近的研究報告了大量人群樣本中的蛋白質糖基化，有希望的聚糖譜用於疾病診斷和分層，例如，自身免疫性疾病和血液病癌症，代謝綜合征，係統性紅斑狼瘡和許多其他疾病。26-33與糖組學一起，Activomics還可以通過新的生物標誌物為LBP提供洞察，因為它將幾個翻譯後修飾(PTM)蛋白的酶活性數據結合在一個集成模型中，提供生物體當前狀態的動態特征。
活動組學，是一種新的組學策略，旨在描述生物係統的差異蛋白PTM活性。細胞內和/或細胞間信號網絡的擾動通常與癌症等慢性疾病有關。在多種試驗條件下，使用專有的蛋白質和肽底物麵板監測血清中的酶活性，包括明智地使用酶輔因子和抑製劑，以優化蛋白質修飾酶與重疊的主要序列或結構靶點的偏好之間的區分。Principal Activomics底物麵板包括蛋白酶(金屬蛋白酶、絲氨酸、半胱氨酸、天冬氨酸蛋白酶)及其蛋白酶抑製劑(如絲氨酸)、半胱天冬氨酸酶、激酶(絲氨酸/蘇氨酸和tyr)、磷酸酶和(去)乙酰酶。
在這裏，我們提出了一項回顧性分析的研究方案，在一個大型CLBP患者隊列中，以確定“組學”生物標誌物(GWAS、糖組學和活性組學)可能與CLBP易感性和不同的病理生理模式相關34,35(見在線補充文件)．Glycomic和Activomic方法旨在揭示蛋白質組複雜性的改變，這些改變源於翻譯後修飾，這些修飾會隨著生理環境的變化而變化，這是探索慢性炎症疾病的一個特別重要的途徑。此外，在明確定義的遺傳和人口背景的背景下，探索glycomic和Activomic數據之間的疾病相關聯係是當前研究的一個高度原創和具有潛在指導意義的次要目標。由於上述研究主要將n -聚糖與慢性炎症聯係起來，而且高通量糖蛋白分析方法仍在開發中，因此我們的糖化數據將完全基於已釋放的n -聚糖。
本研究將臨床數據與多種“組學”分析聯係起來，從而分析新的生物標記物，這對提高我們對CLBP中一些尚未解決的問題的認識具有很大的潛力。
本手稿旨在描述注冊方案，以傳播臨床研究的基本原理、方法和主要目的。
方法
我們提出了一項回顧性觀察、多中心、國際臨床研究，采用病例對照設計。
我們描述了回顧性隊列臨床研究的細節，但沒有提供任何初步結果。患者登記目前處於活躍狀態，截止到2016年9月。該研究是PainOMICS項目的一部分，該項目包括四項不同的試驗，由歐洲共同體在第七框架計劃(FP7) -THEME (health .2013.2.2.1-5理解和控製疼痛)中審查和資助。
該項目包括來自意大利、克羅地亞、比利時、澳大利亞和美國的六個臨床中心，以及來自克羅地亞、法國、德國和英國的四個科學分析中心。統計專業知識由總部位於荷蘭的“PolyOmica”谘詢公司提供。
該回顧性研究在2013年12月至2014年3月期間由每個獨立臨床中心的倫理委員會批準。
該研究已在Clinicaltrials.gov上注冊(NCT02037789)．
參與者登記和數據收集
情況下(患有CLBP的病人)將由各參與中心登記(圖1)．將盡一切努力積累一個具有良好特征的持續性CLBP患者隊列，根據疼痛的可能解剖原因進行分組。符合以下條件的患者將被考慮報名:年齡在18歲及以上;肋緣和臀皺襞之間的慢性疼痛(疼痛持續時間超過12周)，單腿或雙腿有或無症狀，簽署書麵知情同意書，白人血統。
學習流程圖。CRF，病例報告表;腰痛，腰痛。
控製(沒有CLBP的患者)將從兩個不同的來源檢索:(1)收集了CLBP信息的健康參與者的現有生物庫;(2)參與急性腰痛平行前瞻性研究(PainOMICS項目- nct 02037763的一部分)的參與者，即表現為急性腰痛且超過6個月未轉變為慢性但疼痛已緩解的患者。對照組的年齡(幾十歲)和性別分布將盡可能與病例匹配。對照組根據以下納入標準進行登記:年齡大於18歲，在過去12個月內無慢性疼痛(持續時間超過12周)，獲得書麵知情同意和白人血統。
有任何臨床不穩定疾病、嚴重精神障礙(不包括輕度抑鬱症)或智力障礙的參與者;最近有脊柱骨折史(<1年)、脊柱腫瘤或感染引起的背痛、懷孕史將被排除在研究之外。
入選的患者和對照組將收到一份關於研究的詳細描述，並將被要求在進入研究前簽署知情同意書(登記來訪)。
一旦參加試驗，患者將被分配到一個獨特的匿名代碼。數據收集包括;人口統計學(年齡、性別、種族、體重指數(BMI)、職業史)、臨床和藥理學史、疼痛特征(發病、持續時間、強度、疼痛轉診模式、照射、感覺異常、突發性事件、既往發作史)、所接受疼痛治療的有效性/耐受性(適用時)。一份特定的問卷(pain - detect (PD))被用於評估疼痛類型和疼痛產生者，以及可能的病理生理(痛覺和/或神經病)機製維持CLBP和功能損害。
用於組學分析的血液樣本在注冊谘詢時從每個注冊患者身上采集，生物樣本被發送給聯盟的分析夥伴進行特定的組學分析。
臨床數據收集在指定的特別病例報告表格中，並存入專門的網絡數據庫(研究電子數據采集(REDCap));訪問web數據庫的權限僅限於項目合作夥伴，可以使用專用用戶名和密碼訪問。
組學數據集中在特定的監督數據庫中。
樣本收集方法
所有臨床中心必須保證每個患者的生物樣本將按照三個標準操作程序(SOPs)中描述的分析程序進行準備、存儲和運輸，這些標準操作程序被開發和驗證，以提供分階段進行研究的細節，並有書麵說明，以實現獲取患者血液用於組學分析技術的程序的一致性。儲存樣品，並將其運送到專門的實驗室。
所有患者和對照組都進行了血液取樣以進行組學測定。樣本將被收集到兩個含有EDTA的試管中用於遺傳和糖化分析，並被收集到一個含有凝塊激活劑和凝膠的血清試管中用於活性組學。對於遺傳分析，DNA將使用商業DNA提取試劑盒從全血樣本中分離出來。
在提交的另一篇論文中提供了對標準操作規程驗證的詳細描述。
生物標誌物分析
基因分析
GWAS分析將使用全基因組Illumina基因分型技術對從全血中分離的DNA樣本進行。36,37簡單地說，在37°C下擴增4µL的60 ng/µL DNA過夜，然後進行酶裂解、酒精沉澱和DNA再懸浮。全基因組擴增DNA將雜交到Illumina HumanCore BeadChip，包括>24萬個全基因組標記單核苷酸多態性(SNPs)和>2萬個高價值標記(indels和更新的外顯子體聚焦內容)。雜交後，等位基因的特異性將通過酶的堿基擴展而獲得。隨後將對產品進行染色，並使用iScan System (Illumina)檢測珠子的熒光強度。基因型調用將使用Illumina GenomeStudio 2011.1 Genotyping Module 1.9.4軟件進行。在質量控製期間，基因型數據將通過樣本和變體調用率以及Hardy-Weinberg平衡p值進行過濾。相關個體，具有極端雜合度的個體和遺傳表明非白種人血統的個體將被丟棄。通過使用單倍型參考聯盟(HRC)參考麵板進行基因型imputation，將獲得更密集的標記集。所得到的標記集將包含在Illumina芯片上測量的基因型和基於高密度HRC參考板估算的基因型。
對於每個遺傳變異，將使用標準關聯模型(線性或邏輯回歸模型)來調查clbp相關表型和遺傳標記之間的關聯。多重檢測的問題將通過使用bonferroni校正的全基因組顯著性水平(對應於5%的名義顯著性水平)來判斷關聯的顯著性來解決。
作者分析了
糖組學分析將進行總血清蛋白和單一血清蛋白，免疫球蛋白G (IgG)。IgG將通過親和層析從血清樣本中分離，使用96孔整體板與蛋白G如前所述(Pucic等， MCP, 2011)。n -糖苷酶F (PNGase F)通過隔夜去糖基化從血清總蛋白和IgG中釋放n -聚糖。釋放的n -聚糖將用2-氨基苯酰胺(2-AB)熒光標記，並用親水性相互作用液相色譜(HILIC)固相萃取(SPE)純化。標記的n -聚糖將在Waters Acquity UPLC儀器上使用Waters BEH聚糖色譜柱，100 mM甲酸銨，pH值4.4，作為溶劑a，乙腈作為溶劑b，通過親水性相互作用色譜分析。係統將使用水解和2- ab標記的葡萄糖低聚物的外部標準進行校準，其中單個聚糖的保留時間將轉換為葡萄糖單位。數據處理將采用自動處理方法進行，之後將手動校正每張色譜圖，以保持所有樣品的相同積分間隔。所獲得的色譜圖將全部以相同的方式分離成峰，每個峰中的聚糖量將表示為總集成麵積的百分比。
Activomics分析
活性組學分析將對來自匿名但特征良好的患者的回顧性血清樣本進行。樣品的收集、處理和分析以盡量減少凍融周期的方式進行，並在自動液體處理機器人(MultiPROBE II, Perkin Elmer)的幫助下，在96孔微量滴定板中排列，使用微流體流動性位移分析進行高通量篩選。對於每一個酶促反應測試，將患者和健康對照組的2 μL血清與適當的Activomics底物在受控條件下(時間、溫度、優化緩衝條件等)孵育。一般來說，作為目標底物的熒光肽是通過氨基己酸(Ahx)間隔基加入n端羧基熒光素(FAM)基團合成的，即FAM-Ahx肽。高通量篩選是在自動化微流體平台(EZ Reader, Perkin Elmer, USA)上使用毛細管電泳遷移率漂移分析的改進進行的。肽底物通常是c端氨基化，並通過HPLC純化至>90%純度(GenScript，香港)。所有凍幹的多肽在2 mM濃度的無菌雙蒸餾水中重新溶解，並稀釋至10µM用於篩選試驗。測定在適當的反應緩衝液中以384孔形式(康寧3821 BC)進行，使用半自動移液器係統進行重現性(Sorensen Multi (Sorenson台式96/384半自動移液器)精度變異係數(CV) <5%)。翻譯後的改性產物從未反應的基板中分離出來，通過高壓微流體遷移率位移分析，使用為每個基板優化的電壓和壓力參數。產物轉化率由電泳遷移率移位得到的各峰麵積評估(%產物/底物+產物)。 The extent of PTM of each substrate is assessed and compared in a univariate analysis for patients with chronic versus those without LBP. The assays will be repeated for a panel of different substrates in order to provide a wide view of disease-related changes to PTM activities for multivariate statistical analysis. Performance characteristics of the panel will be assessed by univariate and multivariate hierarchical clustering and principal component analysis to differentiate activities of disease versus control samples. Sensitivity and specificity will be evaluated in receiver operator characteristic (ROC) analyses to define cut-off values in the design of the optimal predictive biomarker panel.
主要和次要目標
這項回顧性研究的主要目的是通過比較CLBP患者和無痛患者來識別與持久性CLBP相關的遺傳變異。我們將通過GWAS研究在廣泛的歐洲血統的國際人群中關聯與CLBP相關的遺傳變異。
次要目標是識別有CLBP患者與無CLBP患者相關的糖化學和活性組學數據。
參與的臨床中心定義了所有臨床中心可用的最小共享診斷數據集。每位參與者將根據患者的臨床特征、影像學數據和PD結果對患者進行分層。考慮到患者對診斷程序的反應，患者將被分為六個主要類別(考慮到患者的病史、臨床檢查、放射結果和對診斷塊的潛在反應):
脊髓狹窄,
discogenic疼痛,
小關節痛，
骶髂關節痛，
LBP伴神經根性疼痛(非主要神經根性疼痛)，
廣泛的枸杞多糖。
統計數據
研究設計
該研究將遵循兩階段(發現和驗證)，1:2病例-對照模型:
發現人群:病例總人數的三分之二隨機抽樣。
驗證人群:剩下的三分之一。在GWAS階段之後，將對發現的基因進行生物學合理性評估，並進入驗證階段。
樣本量計算
由於迄今為止，文獻中沒有CLBP的組學數據，而且與大多數常見疾病相關的變異具有適度的影響，因此我們考慮了一些場景，包括關於等位基因頻率和影響的模型假設。
在3000個病例和6000個對照中，我們評估了遺傳情景，其中我們有80%的能力在全基因組顯著水平檢測關聯。38與文獻一致，對於高or(=2)，我們將能夠檢測出小等位基因頻率低(MAF≥1.5%)的變異。等位基因頻率越高，我們就能發現影響越小;例如，對於MAF=25%的變量，我們有能力檢測OR≥1.25。
對於複製/驗證階段，1000個病例和2000個對照，當使用名義p=0.005時，我們有80%的能力確認檢測到的變異(假設10次測試，導致實驗ⅰ型誤差為0.05)，而在更嚴格的多次測試(100次測試，導致名義p=0.0005)情況下，我們有60%的能力確認檢測到的變異。
統計分析
所有入組的患者和對照組將被分析。
發現階段
對於研究高維組學空間的分析，我們將使用一係列方法。第一種方法將擴展經典的順序框架。預測因子篩選將通過邏輯或考克斯回歸模型進行，遍曆組學空間，一次合並幾個預測因子。統計上顯著的(在實驗水平上)預測因素將包括在模型中，並通過組學空間進行下一次迭代。這種方法的一個經典例子包括全基因組關聯分析，其次是用於識別次要信號的條件分析。為了同時研究大量的預測因子，我們將使用現代正則化/收縮和機器學習方法，允許聯合分析(相對)大量的預測因子。雖然這種類型的方法不能像“經典”方法一樣解決統計測試的問題，但它被廣泛應用於生物標記物發現的背景下，其中預測而不是p值是主要的興趣。對於所有旨在發現生物標誌物的方法，將通過交叉驗證來獲得預測的準確性，並分析最優解決方案以識別潛在的生物標誌物，並在ROC分析中根據其判別值進行選擇。
驗證階段
在進入驗證階段之前，將對發現的遺傳變異進行生物信息學上的合理性檢查。候選多態性與結果(作為一個案例)的關聯將用邏輯回歸進行評估。將采用以下策略:單基因評估/遺傳評分(候選基因的總和)/多基因。調整協變量(年齡、性別、臨床特征)。
統計分析的細節將在最終統計分析計劃(SAP)中提供。
次要終點的分析將遵循上述報告的相同原則。
倫理問題
樣本收集和臨床數據的使用隻有在主管倫理機構(參與患者登記的機構的倫理委員會)對本研究方案進行倫理批準後才開始。
疼痛組學聯盟的科學委員會和倫理委員會也將審查這項研究的結果，以便根據遺傳學/組學和慢性疼痛診斷的倫理問題，評估我們的發現可能產生的社會影響。39
監察及質素評估
在撤回同意的情況下(參與者可以隨時無義務撤回其知情同意)，或任何其他情況，根據研究人員的臨床判斷，將使該患者無法接受進一步的研究參與，患者將退出研究。
協調研究者(意大利帕爾馬大學醫院)將在每個參與中心委派一名臨床監督員(以確保根據方案、良好臨床實踐和國家條例進行研究)和一名數據監督員，以確保患者數據的準確性、完整性和可核查性。來自每個參與中心的數據監測員將組成數據監測委員會。PainOMICS FP7項目的外部項目谘詢委員會(EPAC)將對試驗和緊急數據進行全麵的科學監督。
參與研究的成員將在年度多學科疼痛研究(SIMPAR)會議期間和任何其他可能被認為必要的情況下，在定期審計中討論結果和研究的任何問題。
結論
據我們所知，這項研究是第一個在CLPB患者的大樣本人群中調查遺傳和組學生物標誌物的研究。這些生物標誌物可能與痛覺，以及疾病病理生理學和疼痛的產生有關。總體目標是驗證相關性，這可能導致對LBP等具有高健康和社會負擔的疾病進行更個性化的診斷和治療。
此外，這項回顧性研究中出現的新型生物標誌物將在同一個PainOMICS項目中收集的前瞻性隊列中進行驗證，以評估其預測急性LBP患者發展為慢性疼痛的可能性的能力。
可能的偏倚也可能與一些患者的疼痛可能仍與急性炎症有關，即使疼痛持續了>3個月。然而，由於我們納入了所有經多種藥物治療後轉診的慢性疼痛服務評估患者，我們認為這種偏差也將受到納入患者數量高的限製。
PainOMICS項目有望顯著擴展關於LBP如何產生、傳播和熄滅的知識水平。我們將在歐洲和美國動員大量的人力和物力資源，對大量CLPB患者進行全麵的特征分析，旨在識別與CLBP不同方麵相關的許多潛在生物標誌物，以及潛在的治療新靶點。
通過該方案，我們希望研究與CLBP相關的更好的生物標誌物。下一步將是評估這些生物標誌物是否以及如何幫助預測急性發作後發生慢性疼痛的高風險患者，以及這些生物標誌物如何也可能與預測藥物/手術治療的反應有關。同一研究小組已經在進行一項新的前瞻性研究，調查從急性到CLBP的過渡，報名將於2017年春季結束。
致謝
Melanie Waldenberger和Concetta Dagostino提供了科學支持，並參與了樣本管理和分析。Manuela Zunino, Alice Montalti, Dario Bugada, Silvana Montella, Marco Baciarello, Christian Compagnone參與了數據收集和研究患者的護理。
參考文獻
腳注
合作者Melanie Waldenberger(亥姆霍茲慕尼黑中心分子流行病學研究組，德國環境衛生研究中心，德國紐赫伯格;beplay体育相关新闻Helmholtz Zentrum Muenchen，德國環境衛生研究中心，Neuherberg，德國)流行病學II研究所，Manuela Zunino(麻醉、重症監護和疼痛治療，急診beplay体育相关新闻部，聖馬特奧，帕維亞，意大利)，Alice Montalti(麻醉、重症監護和疼痛治療，急診部，聖馬特奧，帕維亞，意大利)，Dario Bugada(麻醉重症監護和疼痛治療服務，帕爾馬大學，帕爾馬，意大利)，Concetta Dagostino(麻醉重症監護和疼痛治療服務，帕爾馬大學，帕爾馬，意大利)，Silvana Montella(麻醉重症監護和疼痛治療服務，帕爾馬大學，帕爾馬，意大利)，Marco Baciarello(麻醉重症監護和疼痛治療服務，帕爾馬，帕爾馬大學)，Christian Compagnone(麻醉重症監護和疼痛治療服務，Azienda Ospedaliera帕爾馬大學，帕爾馬，意大利)。
貢獻者MA、CG、IKP、FMKW、JVZ、GL、DP、YSA、LK、GF構思研究並對論文進行了修改。MA, CEM起草了論文。MDG, CK, WW, MS, JM, JMD, KB, IG, AS, LCK, RR對稿件進行了反饋，所有作者對論文的最終版本進行了審核和批準。
資金該試驗是由學術/中小企業研究資助的;它由歐洲委員會在歐洲共同體研究、技術發展和示範活動第七框架計劃(FP7) - theme (health .2013.2.2.1-5理解和控製疼痛)的背景下提供資金支持。
相互競爭的利益這項研究得到了歐盟委員會(602736)的資助。MA是Grünenthal, Angelini和Mundipharma的顧問。他還與MSD和CareFusion合作演講。GL在糖苷科學領域擁有多項專利。IKP是IP research Consulting SAS的商業名稱Photeomix的研究總監，該公司正在申請與Activomics相關的專利和商標。YSA是Maatschap PolyOmica的董事和共同所有人，該公司在(統計)(gen)組學領域提供(谘詢)服務。
倫理批準所有參與臨床中心的主管倫理機構。在開始研究之前，倫理批準的副本已提供給歐盟委員會。在研究開始前，所有方案、知情同意書副本和經主管倫理機構批準的信息表均已提供給歐盟委員會。
出處和同行評審不是委托;外部同行評審。