Simone Snitgård Rosendal Nielsen

ALEXIS - Osteoporosis: Deciphering Mechanistic and Epigenetic Clues for Predicting Alendronate Treatment Discontinuation Outcomes

Siden 2002 har knogleskørhed været en anerkendt folkesygdom i Danmark, det skønnes at 650.000 danskere har knogleskørhed. Det forventes at stige til 900.000 i år 2044. I 2011 kostede knogleskørhed og konsekvenserne deraf det danske samfund over 11 milliarder kroner.

Baggrund

Knogleskørhed er forårsaget af en ubalance mellem den naturlige nedbrydning og opbygning af knoglen. Ubalancen fører til skrøbelige knogler, der nemmere brækker. Den mest almindelige behandling er bisfosfonater, f.eks. alendronat, som forhindrer de knoglenedbrydende celler (osteoklaster) i at nedbryde knoglen.

Der kan opstå komplikationer ved længerevarende behandling, f.eks. atypiske brud på lårbenet. Man ønsker derfor at pause behandlingen med alendronat, men dette kræver yderligere undersøgelser for at undersøge, hvilke patienter der har gavn af pausen.

Formål

At udvikle et værktøj, der vha. DNA-”fingeraftryk” i en blodprøve kan forudsige, hvilke patienter som ikke er i risiko for brud ved behandlingspause. Samt at undersøge, hvordan atypiske lårbensbrud opstår.

Metoder

Vi inkluderer 70 patienter med knogleskørhed, som har været i længerevarende behandling med alendronat, hvor 35 fortsætter behandling, og 35 stopper behandling. Patienterne donerer blod ved 0 og 12 måneders deltagelse på Osteoporoseklinikken ved OUH.

Vi laver osteoklaster i laboratoriet fra patienternes bloddonationer, undersøger hvor mange der er, hvor aktive de er og deres følsomhed overfor alendronat. De resultater sammenligner vi med patienternes biomarkører i løbet af det første år og et DNA-fingeraftryk fra patienternes blod. På den måde kan vi se om følsomheden overfor alendronat i laboratoriet afspejler patienternes følsomhed, og om man kan forudsige, om en pause i behandlingen er en god eller dårlig ide.

Det vil gøre behandlingen mere personlig, så patienter med lav risiko for brud pauserer behandlingen, mens patienter med høj risiko for brud fortsætter. Vi, Kent Søes gruppe, har stor erfaring med metoden og har udgivet flere artikler, hvor metoderne benyttes.

Ved brug af en rottemodel behandlet med alendronat vil vi også undersøge forekomsten af atypiske lårbensbrud i samarbejde med nationale og internationale samarbejdspartnere - primært Lektor Ryan Ross, Rush University Medical Center, Chicago, USA og Professor Thomas LG Andersen, SDU. 

Klinisk tilknytning

I Danmark oplever ca. 20 personer et hoftebrud pga. knogleskørhed dagligt. Inden for 30 dage dør hver 10., og ca. 30% dør inden for et år. Dvs. omtrent 2160 danskere dør hvert år pga. hoftebrud forårsaget af knogleskørhed. Det er derfor vigtigt at forbedre behandlingen af knogleskørhed, så vi fremmer patientens livskvalitet og nedsætter risikoen for tidlig død. Med projektet ønsker vi at forbedre behandlingen med alendronat for patienter med knogleskørhed til gavn for både patienten og sundhedsvæsnet.

Involvering af patienter og pårørende

Resultater og problemstillinger under projektet vil bl.a. blive drøftet med Afdeling for Klinisk Patologis Forskningsvenner for bl.a. at sikre, at videredeling af ny viden foregår i øjenhøjde med patienter og pårørende. Forskningsvenner har også været involveret i udformningen af projektet og denne ansøgning.

Begrænsninger

I alt inkluderes 70 patienter, som donerer blod to gange (0 og 12 måneder). Det forventes, at rekrutteringen tager ca. 1-1½ år. Indsamlingen af prøver og klinisk data foregår på Osteoporoseklinikken, OUH, hvilket Specialeansvarlig overlæge Pernille Hermann er ansvarlig for.

Det tager ca. tre uger at lave forsøgene i laboratoriet, og rekruttering af patienter er altid kompleks. Der er derfor en risiko for, at vi ikke når alle 140 prøver indenfor tre år. De første 70 prøver er ikke noget problem. Men det er muligt, at ikke alle 12-måneders prøver kan analyseres på de tre år. Men også i det tilfælde forventes det, at data vil være stærke nok til at opnå entydige resultater. Med de mange forsøg vil vi få meget data. Derfor samarbejder vi med Professor Qihua Tan, SDU, som er ekspert i statiske analyser af store datasæt.