CN103430028A - 供诊断用的红细胞动力学 - Google Patents

供诊断用的红细胞动力学 Download PDF

Info

Publication number
CN103430028A
CN103430028A CN2011800552783A CN201180055278A CN103430028A CN 103430028 A CN103430028 A CN 103430028A CN 2011800552783 A CN2011800552783 A CN 2011800552783A CN 201180055278 A CN201180055278 A CN 201180055278A CN 103430028 A CN103430028 A CN 103430028A
Authority
CN
China
Prior art keywords
volume
hemoglobin
content
sample
mchc
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2011800552783A
Other languages
English (en)
Inventor
J.M.希金斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Hospital Corp
Original Assignee
General Hospital Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by General Hospital Corp filed Critical General Hospital Corp
Publication of CN103430028A publication Critical patent/CN103430028A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
    • A61P1/00—Drugs for disorders of the alimentary tract or the digestive system
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
    • A61P3/00—Drugs for disorders of the metabolism
    • A61P3/12—Drugs for disorders of the metabolism for electrolyte homeostasis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
    • A61P7/00—Drugs for disorders of the blood or the extracellular fluid
    • A61P7/06—Antianaemics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/72—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood pigments, e.g. haemoglobin, bilirubin or other porphyrins; involving occult blood
    • G01N33/721—Haemoglobin
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/80—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood groups or blood types or red blood cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/94—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving narcotics or drugs or pharmaceuticals, neurotransmitters or associated receptors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/06—Gastro-intestinal diseases
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/22—Haematology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/22—Haematology
    • G01N2800/224—Haemostasis or coagulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Immunology (AREA)
  • Urology & Nephrology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Biotechnology (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Microbiology (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Cell Biology (AREA)
  • Organic Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Diabetes (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Genetics & Genomics (AREA)
  • Obesity (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)

Abstract

用于鉴定贫血患者、区别珠蛋白生成障碍性贫血性状贫血与铁缺乏贫血、及在贫血变得临床可检出前几周鉴定前贫血患者的方法。还有，用于检测运动员中的血掺以及用于优化用红细胞生成刺激剂或铁补充的疗法的方法。计算机可读存储装置和系统，例如其用于所描述的方法。

Description

供诊断用的红细胞动力学
优先权要求
本申请要求2010年9月16日提交的美国临时申请流水号61/383,357的权益，其通过提及完整并入本文。
联邦资助的研究或开发
本发明是在由国立健康研究所授予的拨款号DK083242和HL091331下得到政府支持完成的。政府具有本发明的某些权利。
技术领域
本发明涉及用于鉴定贫血或前贫血患者，以及区别珠蛋白生成障碍性贫血性状贫血与铁缺乏贫血和其它贫血原因的方法。也可以使用所述方法来优化治疗，例如，用铁补充剂和/或红细胞生成刺激剂诸如红细胞生成素(EPO)的疗法。还描述了在例如所描述的方法中使用的装置和系统。
发明背景
控制循环人红细胞(RBC)的数目、大小、血红蛋白浓度、和其它特征的系统是了解不足的。在自骨髓释放后，RBC通过未知的机制而经历体积和总血红蛋白含量两者的降低(Lew VL等(1995)Blood86:334-341;Waugh RE等(1992)Blood79:1351-1358)；在约120天后，响应未知的触发物，它们被除去。
发明概述
部分基于来自统计物理学的理论和来自医院临床实验室的数据(d’Onofrio G等(1995)Blood85:818-823)，本发明使用用于RBC成熟和清除的主方程模型。该模型精确鉴定贫血患者，并且区别珠蛋白生成障碍性贫血性状贫血与铁缺乏贫血。引人注意地，它还在贫血变得临床上可检出前几周鉴定许多前贫血患者。
在一个方面，测定受试者形成铁缺乏贫血(IDA)的风险的方法包括在样品中包含来自受试者的红细胞，测定群体平均红细胞血红蛋白浓度(MCHC)，并通过将体积和血红蛋白含量投影到MCHC线上来将每个细胞的体积和血红蛋白含量转化成指数。该方法还包括测定样品中的红细胞分数(fraction)以提供样品分数，所述样品的转化体积和血红蛋白含量指数降到MCHC线上的均值投影位置的阈值百分比下，并比较所述样品分数与参照分数。高于参照分数的样品分数的存在指示受试者有形成IDA的风险。
在另一个方面，筛选或选择受试者以筛选胃肠(GI)病症的方法包括在样品中包含来自受试者的红细胞，测定群体平均红细胞血红蛋白浓度(MCHC)，并通过将体积和血红蛋白含量投影到MCHC线上来将每个细胞的体积和血红蛋白含量转化成指数。该方法还包括测定样品中的红细胞分数，所述样品的转化体积和血红蛋白含量指数降到MCHC线上的均值投影位置的阈值百分比下，并比较所述样品分数与参照分数。所述方法进一步包括选择受试者进行GI评估或者在样品分数低于参照分数时进一步筛选。
在另一个方面，公开内容的特征在于一种在患有小红细胞性贫血的受试者，例如，没有慢性疾病的受试者中在铁缺乏贫血(IDA)和珠蛋白生成障碍性贫血性状(TT)之间做出区别诊断的方法。该方法包括在来自受试者的红细胞样品中测定细胞间血红蛋白含量降低(Dh)速率的变化幅度的数值，并比较Dh与参照数值。高于参照数值的Dh的存在指示受试者患有或更有可能患有IDA，而低于参照数值的Dh的存在指示受试者患有或更有可能患有TT。
在另一个方面，用于检测正常受试者中血掺或红细胞生成刺激物药剂的存在或使用的方法包括在来自受试者的样品中测定血红蛋白含量降低(Dh)速率的变化幅度和细胞体积降低(Dv)速率的变化幅度中的一项或两项的数值。高于参照数值的Dh和/或Dv的存在指示血掺的存在或使用或者使用红细胞生成刺激物药剂。
在另一个方面，用于优化受试者中红细胞生成素(EPO)或其它红细胞生成刺激物药剂(ESA)剂量的方法包括在来自经历EPO或ESA治疗的受试者的样品中测定标准化临界体积(vc)。该方法还包括若vc低于下参照水平，则提高EPO剂量，或者若vc高于上(upper)参照水平，则降低EPO剂量。
在另一个方面，用铁治疗受试者的方法包括在来自受试者的样品中测定标准化临界体积(vc)，并且若vc低于下(lower)参照水平，则施用一剂(a dose of)铁或者规定铁补充过程。
在另一个方面，公开内容的特征在于一种包含计算装置的系统，该计算装置包含用于存储指令的存储器和一个或多个能够执行存储指令的处理器或处理装置。存储指令在执行时实施如下的操作，其包括接受代表样品中每个细胞的体积和血红蛋白浓度或含量的数据，并通过将体积和血红蛋白含量投影到代表平均红细胞血红蛋白浓度(MCHC)的线上来将每个细胞的体积和血红蛋白含量转化成指数。该操作还包括计算样品中红细胞的分数，并提供代表该分数的输出，所述样品的转化体积和血红蛋白含量指数降到均值投影的阈值百分比下。
在另一个方面，公开内容的特征在于一个或多个机器可读存储装置，其配置为存储由一个或多个处理器或处理装置可执行的指令。该指令在由一个或多个处理器执行时实施如下的操作，该操作包括接受代表样品中每个细胞中的体积和血红蛋白浓度的数据，并通过将体积和血红蛋白含量投影到代表平均红细胞血红蛋白浓度(MCHC)的线上来将每个细胞的体积和血红蛋白含量转化成指数。该操作还包括计算样品中红细胞的分数，并提供代表该分数的输出，所述样品的转化体积和血红蛋白含量指数降到均值投影的阈值百分比下。
在另一个方面，公开内容的特征在于一个或多个机器可读存储装置，其包含机器可读的指令以计算下列一项或多项：
(i)群体平均红细胞血红蛋白浓度(MCHC)、通过将体积和血红蛋白含量投影到MCHC线上来将每个细胞的体积和血红蛋白含量转化成指数、和投影降到均值投影的阈值百分比下的样品中的红细胞分数，(ii)血红蛋白含量降低(Dh)速率的变化幅度，(iii)细胞体积降低(Dv)速率的变化幅度，及(iv)标准化临界体积或清除阈值(vc)。
在另一个方面，对患者筛选珠蛋白生成障碍性贫血性状(TT)的方法包括在来自受试者的样品中测定血红蛋白含量降低(Dh)速率的变化幅度的数值，并比较Dh与参照范围。在参照范围外的Dh的存在指示患者患有或有可能患有TT和/或若Dh在参照范围外，则选择受试者进行基因型分型或别的测试，或者若患者是妊娠的女性，则选择父亲进行筛选。
在另一个方面，公开内容的特征在于在患有贫血(例如，已经诊断为贫血)的受试者中在慢性病贫血(ACD)和其它贫血原因之间做出区别诊断的方法。该方法包括测定下列一项或多项的数值：(i)血红蛋白含量降低(Dh)速率的变化幅度，(ii)细胞体积降低(Dv)速率的变化幅度，(iii)标准化临界体积或清除阈值(vc)，(iv)慢相体积和血红蛋白含量降低(α)的平均速率，(v)快相体积降低(βv)的平均速率，和(vi)快相血红蛋白含量降低(βh)的平均速率；比较这些数值与参照范围，其中通过参照范围内的数值数目确定ACD诊断的概率；比较此概率与阈值；并且若概率高于阈值，则针对输血疗法选择和/或选择不实施铁水平的额外测试。
在另一个方面，公开内容的特征在于一种计算机可读存储装置，其配置为存储计算机可读的指令，该指令在由一个或多个处理器执行时引起如下的操作，该操作包括接受与网织红血球或红细胞的时间依赖性联合体积-血红蛋白分布相关的第一组参数，并基于第一组参数，评估稳态(steady state)分布。该操作还包括计算代表红细胞的评估稳态分布和经验分布之间的不相似程度的目标函数。
在另一个方面，公开内容的特征在于包含计算装置的系统。该计算装置包含用于存储指令的存储器，和检测模块，该检测模块包含一个或多个能够执行存储指令以实施各种操作的处理器或处理装置。该操作包括接受与网织红血球或红细胞的时间依赖性联合体积-血红蛋白分布相关的第一组参数，并基于第一组参数，评估红细胞的稳态分布。该操作还包括计算代表红细胞的评估稳态分布和经验分布之间的不相似程度的目标函数。
在另一个方面，计算机执行的方法包括接受与网织红血球或红细胞的时间依赖性联合体积-血红蛋白分布相关的第一组参数，并基于第一组参数，评估红细胞的稳态分布。该方法还包括计算代表红细胞的评估稳态分布和经验分布之间的不相似程度的目标函数。
上述方法、系统和计算机可读存储装置的实现可以包括下列特征的任何组合。
可以调节EPO的剂量以维持受试者中群体均值体积
Figure BDA00003200656900041
的大于75%的vc；或78-82%的vc。可以调节铁剂量以维持受试者中群体均值体积
Figure BDA00003200656900042
的大于78%的vc；或78-82%的vc。阈值百分比可以是MCHC线上的群体均值投影的70%、75%、80%、85%、90%、或95%。参照分数是约0.10、0.11、0.12、0.13、0.14、或0.15。样品可以包括来自受试者的全血。可以接受代表样品中平均红细胞血红蛋白浓度(MCHC)的数据。检测模块可以配置为检测红细胞(RBC)细胞体积(CV)、平均细胞体积(MCV)、细胞血红蛋白浓度(CHC)、平均细胞血红蛋白浓度(MCHC)、和平均细胞血红蛋白含量(MCH)及其群体统计学中的一项或多项，例如所有。可以转化个别细胞的体积和血红蛋白含量，使得所述体积和血红蛋白含量坐标投影到代表所有体积和血红蛋白含量坐标的最小二乘(least-squares)线性拟合的线上。
计算机或机器可读存储装置可以包含计算下列一项或多项的指令：(i)血红蛋白含量降低(Dh)速率的变化幅度，(ii)细胞体积降低(Dv)速率的变化幅度，(iii)标准化临界体积或清除阈值(vc)，(iv)慢相体积和血红蛋白含量降低(α)的平均速率，(v)快相体积降低(βv)的平均速率，和(vi)快相血红蛋白含量降低(βh)的平均速率。
若目标函数的数值满足预定的阈值条件，则可以调节所述第一组参数，以提供第二组参数。第二组参数使得相应的评估稳态分布和所述经验分布之间的不相似程度降低。可以对所述一个或多个处理器提供所述第二组参数作为第一组参数。网织红血球或红细胞的时间依赖性联合体积-血红蛋白分布可以基于自患者获得的血液样品。可以基于线性算子和测量的分布状态的组合评估所述稳态分布。线性算子可以包括至少一个雅可比行列式(Jacobian)和至少一个拉普拉斯算子(Laplacian)。
除非另有定义，本文中使用的所有技术和科学术语与本发明所属领域普通技术人员的通常理解具有相同的意义。在本文中描述方法和材料以用于本发明；也可以使用本领域中已知的其它合适的方法和材料。材料、方法和例子仅是例示性的，而并不意图为限制性的。本文中提及的所有出版物、专利申请、专利、序列、数据库条目、和其它参考文献通过提及完整并入。在冲突的情况中，应当以本说明书(包括定义)为准。
本发明的其它特征和优点通过以下详细描述和图，以及通过权利要求书会是显而易见的。
附图简述
图1A和1B是共调节外周循环中平均RBC的体积和血红蛋白的经验测量(1A)和动力学模型(1B)。在图1A中，网织红血球分布在等概率密度等高线中以实线显示，而所有RBC的群体分布以虚线显示。投影到这两幅小图中的原点的对角线代表群体中的平均胞内血红蛋白浓度(MCHC)。位于此线上任何地方的RBC会具有等于MCHC的胞内血红蛋白浓度。快动力学(fast dynamics)(β)首先降低每幅小图右上部显示的典型的大的未成熟网织红血球的体积和血红蛋白。慢动力学(α)然后沿着MCHC线降低体积和血红蛋白。因为生物学过程是本质上有噪声的，所以在体积和血红蛋白降低需要的事件期间的小的随机变化可以引起个体细胞血红蛋白浓度在MCHC线周围漂移，在MCHC线周围随幅度(D)波动，如图1B的插图中显示的，直至在消除细胞时达到临界体积(图1B中的vc)。
图2是用于20名健康个体和三种形式的轻度贫血患者：患有慢性病贫血(ACD)的11名、患有珠蛋白生成障碍性贫血性状(TT)的33名、和患有铁缺乏贫血(IDA)的27名的模型参数的一组六幅盒式图(boxplot)。每个盒的上部和底部边缘位于第75和第25百分位数。中值以框内部的水平线标示。垂直线延伸到如下的数据点，该数据点离框的距离小于四分位数间距离的1.5倍。更多极值数据点以加号(+)符号显示。快动力学以β表征，慢动力学以α表征，随机波动以D表征，而清除阈值以vc表征。
图3A-C是在4个月后形成IDA的患者的全血液计数(CBC)的等高线图。每幅图显示了封入联合体积-血红蛋白含量概率密度的35%、60%、75%和85%的等高线。来自原点的虚线代表MCHC。圆形显示每个细胞的体积-血红蛋白含量坐标投影到MCHC线上的均值。与MCHC线垂直的短实线标记沿着该线与均值投影的85%对应的位置。图3A显示了在患者呈现出IDA前116天测量的正常CBC。计算的P0.85(实心灰色)是正常的。图3B显示了检测IDA后65天和前51天测量的正常CBC。P0.85是异常的，尽管CBC是正常的。小图图3C显示了诊断出IDA时的CBC。
图3D显示了来自在90天内具有第二正常CBC的患者的20个正常CBC和来自直到90天后诊断出IDA的患者的20个正常CBC的P0.85的盒式图。P0.85以75%的灵敏度和100%的特异性比实际诊断早多至90天成功预测IDA。关于更多详情，参见下文和实施例3，“预测铁缺乏贫血”。
图4是一幅盒式图，其显示了5例患有TT的训练病例(training case)、5例患有IDA的训练病例、28例患有TT的测试病例、和22例患有IDA的测试病例的Dh的分布。结果例示本方法区别作为小红细胞性贫血原因的TT和IDA的能力。
图5是用于计算清除概率的投影距离(Δ)的示意图，如方程式3中所描述的。将细胞投影到MCHC线上，并且清除概率是沿着此线从投影点到阈值(vc)的距离的函数。
图6A-B是3D图，其显示对健康个体比较拟合的(暗灰色)和经验的(亮灰色)稳态联合体积-血红蛋白含量概率分布。图6A显示了贯穿MCHC线(参见图1)在垂直面上投影的视图。图6B显示了朝原点看的90度旋转视图。
图7是来自超过200次分开模拟和拟合优度的优化参数数值(如通过残差平方和目标函数测定)的一组六幅直方图。目标函数的较小数值意味着较好的拟合。图7显示了所有模型参数具有定义明确的最佳邻域。关于目标函数，参见方程式5。
图8A是一幅盒式图，其显示了图2中显示的“健康”和“IDA”患者的P0.85的分布。基于这些结果，选择P0.85的阈值数值0.121以在图3D中显示的独立的一组患者的测试中使用。此图是用于鉴定隐性(latent)IDA阈值的方法的例子。
图8B-8D是显示图2中显示的稳态健康受试者(每幅图中的顶部小图)和IDA受试者(每幅图中的底部小图)的P0.85(8B)、P0.75(8C)、和P0.90(8D)的分布的直方图。
图9A-9C显示了单个RBC体积和血红蛋白含量动力学的三种不同函数形式的速度场(velocity field)，如表1A-B中所列的。黑色对角线显示了等于MCHC的恒定血红蛋白浓度。
图10A-B是3D图，其显示了表1A-B中描述的两种不同清除函数的清除概率。图10A，函数形式A和C；图10B，函数形式B。MCHC线以黑色显示。
图11是模型参数的一组六幅盒式图，其基于20名健康个体的来自表1A-B的函数形式B和它们对于患有三种轻度贫血形式的患者：患有慢性病贫血(ACD)的11名、患有珠蛋白生成障碍性贫血性状的33名、和患有铁缺乏贫血的27名而言如何变化。每个盒的上部和下部边缘位于第75和第25百分位数。中值以框内部的水平线标示。垂直线延伸到如下的数据点，该数据点在离框的四分位数间距离的1.5倍内。更多极值数据点以加号(+)符号显示。快动力学以β表征，慢动力学以α表征，随机波动以D表征，而清除阈值以vc表征。
图12是模型参数的一组六幅盒式图，其基于20名健康个体的来自表2的函数形式C和它们对于患有三种轻度贫血形式的患者：患有慢性病贫血(ACD)的11名、患有珠蛋白生成障碍性贫血性状的33名、和患有铁缺乏贫血的27名而言如何变化。每个盒的上部和下部边缘位于第75和第25百分位数。中值以框内部的水平线标示。垂直线延伸到如下的数据点，该数据点在离框的四分位数间距离的1.5倍内。更多极值数据点以加号(+)符号显示。快动力学以β表征，慢动力学以α表征，随机波动以D表征，而清除阈值以vc表征。
图13A-B是框图，其显示了用于测定样品中细胞分数的例示性方法步骤，依照本发明的一些实施方案，所述样品的体积和血红蛋白含量在MCHC线上投影时沿着此线降到均值投影位置的阈值百分比下。
图14是一幅框图，其显示了在本发明中使用的例示性计算装置。
图15是一种用于从患者血液样品的体积和血红蛋白含量测量推断模型参数的程序的例示性计算机代码。
图16是一种用于被调函数(called function)“ssRBC”的例示性计算机代码，所述被调函数“ssRBC”使用方程式4的数字逼近(approximation)来计算稳态RBC分布。
图17是用于程序“calculateCompensation”(其计算受试者血液样品的P0.85)的例示性计算机代码。此函数也调用其它，但是可以不依赖于参数计算代码运行。
发明详述
红细胞经由了解不足的过程自循环除去。虽然这些和其它RBC成熟和清除过程根本的特定分子和细胞机制是未知的，但是可能的是这些过程在疾病状态中改变，并且这些改变导致患有这些疾病的患者中的各种差异。例如，若特定细胞特征，如体积或血红蛋白浓度在红细胞循环时间的过程期间改变，则可能的是来自患有一些疾病的患者的红细胞群体间此变化的平均速度会与来自没有该疾病的患者的红细胞群体间的此变化的平均速度不同。
在健康成年人中，每天从骨髓将约2.5x1011个新RBC释放到循环中，并且大约相同数目被清除。如此，构成循环群体的细胞不断变化，但是在健康个体(和轻度疾病患者)中，群体的特征是非常稳定的。在临床中，群体特征诸如血液中的细胞体积分数(血细胞比容)、平均RBC体积(MCV)、RBC体积变化系数(RDW)、和平均胞内血红蛋白质量(MCH)在全血液计数(CBC)中常规测量(1)。最近，已经变得可能的是，鉴定并表征非常早期的(数小时或几天龄)循环RBC(网织红血球)(2)。RBC在自骨髓释放后在很少几天中经历体积和血红蛋白的快速降低(3)。这种快相继之以长得多的较慢降低期(4-7)，期间体积和血红蛋白受到共调节(8)；见图1A。
网织红血球和所有循环RBC的概率分布的比较(图1A)显示了体积和血红蛋白含量之间的关联随着细胞成熟，从网织红血球群体中约0.40的初始关联系数增加到全群体中的约0.85。如此，虽然牵涉的许多分子机制是未知的，但是清楚的是平均RBC以如下的方式成熟，使得其血红蛋白浓度趋向于群体平均红细胞血红蛋白浓度(MCHC)，其在图1A和1B中以等浓度线显示。此共调节的结果是血红蛋白浓度的变化低于体积和血红蛋白含量的(8)。
本文中公开的参数显示了TT和IDA患者中的RBC在绝对和相对项两者中比它们会在正常条件下以小得多的体积和低得多的血红蛋白含量在外周中保持。其持久性可以由于这些贫血的不太有效的红细胞生成而反映清除的补偿性延迟。如此，必须存在可以改变RBC清除触发物的行为的机制。比较TT和IDA中的RBC清除与健康个体或ACD患者中的RBC清除可以提供鉴定触发物的新路径。对于健康个体，vc的变化比的变化小得多(14)，提示了触发物与MCHC线上的位置高度相关。
贫血
贫血是一种存在于血流中的血红蛋白量低于正常的状况。基于红细胞大小(以MCV，或均值红血球体积测量)，贫血可以细分成三个大组。在红细胞具有正常大小(即，80-100fL)时诊断出正常红细胞性贫血。在红细胞大小大于正常，即大于100fL的MCV时诊断出大红细胞性贫血(通常由B12缺乏引起)。小红细胞性贫血是在红细胞小于正常，即MCV<80fL时。
诊断前贫血/预测贫血的形成
本文中呈现的模型和方法通过寻找清除延迟的体征来提供在明显的临床贫血形成前鉴定隐性或代偿性贫血患者的潜在方式。在具有正常的CBC，至少30且不超过90天后接着有另一正常CBC或临床IDA的独立的一组患者中测试此可能性。对于每个患者样品，将所有细胞的(v,h)坐标投影到MCHC线上，并且沿着此线在均值的85%(P0.85)下为概率密度积分。图3A-C显示了一名患者的CBC从正常演变成隐性IDA及最终IDA。中间小图(图3B)中显示的CBC是临床上不显著的，但是P0.85是异常的，预测没有出现并且达到医学注意51天的贫血。图3D显示了来自保持健康的患者的20个正常CBC和来自30-90天后形成IDA的患者的20个正常CBC的P0.85值。P0.85值以75%的灵敏度和100%特异性预测IDA。参见实施例3，“预测铁缺乏贫血”。目前的护理标准在此群体中具有0%的灵敏度，因为所有CBC是“正常的”。与统计学回归方法(其经常依赖于合并多次测量和来自不同来源和不同时间点的信息类型)形成对比，此基于模型的预测仅依赖于一个时间点时的单次CBC测量(15)。
如此，可以使用所描述的方法来诊断前贫血，或者在其形成前至少30-90天预测受试者中贫血的形成，例如，在受试者仍然具有其它方面正常的CBC时(例如，其中受试者的HCT,MCV,RDW,MCH,MCHC,RBC和HGB水平均在正常范围内)。
正常的CBC值可以随实施分析的实验室而变化，但是一般，正常的数值如下。
Figure BDA00003200656900101
所述方法包括在来自受试者的样品中测定每个细胞的细胞体积和HGB含量(例如，HGB质量或浓度)，计算样品中所有细胞间体积和HGB含量值的分布，计算每个细胞体积和血红蛋白的转化，例如，如图5中显示的，计算样品中所有细胞的此类转化的分布，并测定其转化低于转化体积和HGB含量的阈值水平的细胞的百分比，例如，如图3A-D和8A-D中显示的。在一些实施方案中，所述方法包括例如在包含来自受试者的红细胞的样品中，测定群体平均红细胞血红蛋白浓度(MCHC)；计算样品中所有细胞间体积和HGB含量值的分布，计算每个细胞的体积和血红蛋白的转化，例如，如图5中显示的，计算样品中所有细胞的此类转化的分布，测定样品中红细胞的分数以提供样品分数，所述样品的转化降到均值转化的阈值百分比下；并比较样品分数与参照分数，其中低于参照分数的样品分数的存在指示受试者有形成贫血，例如IDA的风险。阈值百分比和参照水平的数值可以使用本领域中已知的方法来选择，并且可以代表使灵敏度和特异性最大化的数值。在一些实施方案中，阈值百分比是群体均值MCHC的70%,75%,80%,85%,90%或95%。在一些实施方案中，参照分数是约0.10,0.11,0.12,0.13,0.14或0.15。本领域技术人员会容易地能够使用已知的统计学方法来鉴定最佳的阈值百分比和参照分数。
差异诊断：珠蛋白生成障碍性贫血对铁缺乏贫血
小红细胞性贫血的差异诊断包括铁缺乏贫血(IDA)、珠蛋白生成障碍性贫血性状(TT)、慢性病贫血(ACD)、和其它贫血原因。
ACD通常牵涉血细胞比容降低至低于正常的下限的不超过20%、正常或高铁蛋白，以及低或正常总铁结合能力。若降低的RBC清除阈值(vc)代表补偿贫血的适应性生理应答，则可能会预期本文对ACD看到的正常vc，其中贫血自身可以代表适应性生理应答(18)。患有慢性病的受试者中贫血的存在通常提示ACD的诊断。通常与ACD有关的慢性病包括自身免疫性病症，例如，克罗恩(Crohn)氏病、系统性红斑狼疮、类风湿性关节炎、和溃疡性结肠炎；癌症，例如淋巴瘤和何杰金(Hodgkin)氏病；慢性肾病；肝病，例如硬化；和慢性感染，例如细菌性心内膜炎、骨髓炎(骨感染)、HIV/AIDS、乙肝或丙肝。参见例如Gardner和Benz Jr.,“Anemia of chronic diseases.”于:Hoffman等编Hematology:Basic Principles and Practice.第5版Philadelphia,Pa:ElsevierChurchill Livingstone;2008:chap37。
IDA通常牵涉血细胞比容降低、低MCV、和低铁蛋白。轻度IDA通常牵涉血细胞比容降低至低于正常的下限的不超过20%。IDA患者可以显示正常MCV及正常血细胞比容的历史证据。
TT通常与高血红蛋白A2分数，或者与一处或多处alpha珠蛋白基因突变的存在有关。TT经常牵涉血细胞比容通常降低至低于正常的下限的不超过20%、低MCV、和正常铁蛋白。TT是世界上最常筛选的条件之一，但是现有的诊断方法是非常昂贵的或者具有低得不可接受的诊断准确度，假阳性率多至30%(19-20)。本文中所描述的模型和方法提供了区别IDA和TT及可能其它贫血原因的新的且可能更为准确的方式。
图2显示了Dh区别IDA和TT，即两种最常见的小红细胞性贫血原因。通过分析10份训练样品来建立例示性Dh阈值数值0.0045。然后，分析50份独立的患者样品，其中可以确信地建立轻度IDA或TT的诊断，并且计算Dh。图4显示了此Dh阈值具有98%的诊断准确性，正确鉴定22/22IDA病例和27/28TT病例，而且工作性能比其它发表的方法好6-41%(20)。参见实施例4，“区别诊断小红细胞性贫血”。
如此，本文中所描述的方法可以包括通过如下的方法在患有小红细胞性贫血的受试者中在铁缺乏贫血(IDA)和珠蛋白生成障碍性贫血性状(TT)及可能其它贫血原因之间做出区别诊断，所述方法包括在来自受试者的样品中测定与平均血红蛋白含量(Dh)的波动幅度数值，并比较Dh与参照数值。高于参照数值的Dh的存在指示受试者患有IDA，而低于参照数值的Dh的存在指示受试者患有TT。
优化红细胞生成刺激剂(例如，红细胞生成素(EPO))和/或铁补充疗法
也可以使用本文中所描述的方法来优化EPO或铁补充疗法。例如，所述方法可以包括在来自经历EPO治疗的受试者的样品中测定标准化临界体积vc。
在一些实施方案中，调节EPO或铁补充的剂量，从而以期望的水平，例如高于或低于阈值水平的水平，或在期望范围内的水平维持vc或Dh。例如，如本文中记录的，正常健康个体中的vc是群体均值体积
Figure BDA00003200656900121
的约80%，或约72fL(典型的MCV为90fL)。如此，在一些实施方案中，所述方法包括调节EPO或铁补充剂量以维持受试者中
Figure BDA00003200656900122
的大于70%的vc；受试者中
Figure BDA00003200656900123
的大于75%的vc；受试者中
Figure BDA00003200656900124
的75-85%的vc。在一些实施方案中，所述方法包括调节治疗以维持大于70%的vc；或70-75%的vc。在一些实施方案中，随时间监测vc或Dh，并且调节对受试者施用的EPO或铁补充的剂量以保持高于或低于选择的阈值，或在给定的范围内的vc或Dh。
鉴定具有升高的GI病症风险的受试者
IDA或其它方面不清楚的贫血经常是严重状况，包括胃肠病症诸如结肠癌(16)和儿童营养不良(17)的初始表现。其它与IDA有关的GI病症包括结肠直肠(例如，结肠)癌；胃肠道溃疡(胃、消化性,盲肠)；憩室炎；缺血性肠(ischemicbowel)；胃癌；胃炎；食管炎；GI息肉；炎性肠病(克罗恩氏病、溃疡性结肠炎)；和乳糜泻。藉由此方法早期检测或预测贫血会实现对此类疾患的更快响应。如此，可以使用本文中的方法来进行筛选或推荐额外筛选，例如针对GI病症(例如，使用结肠镜检查术进行)筛选或营养评估。然后，可以更快启动合适的患者病情检查(work-up)，例如，实施结肠镜检查术，或者，然后，可以更快启动合适的治疗，例如，规定铁补充。
检测血掺
运动员的表现(特别在需氧运动中)可以受到存在的RBC数目影响；RBC越多，将氧从肺转运并递送到工作肌肉的能力越大。可以依靠输血(称为血掺)，或使用红细胞生成刺激物药剂诸如红细胞生成素、类似物和模拟物获得红细胞的急剧且短暂增加。众人皆知地，血掺(doping)可以难以检测。参见例如Jelkmann和Lundby,Blood.2011年9月1日;118(9):2395-404;Segura等,“Current strategic approaches for the detection of blood dopingpractices,”Forensic Sci Int.2011年8月31日[印刷前电子出版]。可以使用本方法来检测RBC体积和HGB含量的异常分布的存在，这会指示可能使用血掺或红细胞生成刺激物药剂。例如，在一些实施方案中，在来自怀疑血掺或使用红细胞生成刺激物药剂的受试者的样品中测定与平均血红蛋白含量(Dh)的波动幅度和与平均细胞体积(Dv)的波动幅度中一项或两项的数值，并且高于参照数值的Dh和/或Dv的存在指示存在或使用血掺或者使用红细胞生成刺激物药剂。
样品、系统、软件、和测定方法
使用外周血样品实施本文中所描述的方法，所述外周血样品使用使RBC保持完整的已知收集方法(例如，用合适量的真空(抽吸)和大得足以容许RBC在没有实质性溶血的情况下收集的针，例如至少25g或更大的针抽取血液)获得。优选地，在收集的24、12、或6小时内进行测量。可以使用可以测量RBC体积(例如，使用低角度(2°-3°)散射检测)和血红蛋白质量或浓度(例如，使用高角度(5°-15°)散射检测)两者的本领域已知的任何方法或装置进行网织红血球和CBC测量。例示性方法记载于US20110178716,US20110164803,US20110149061,20110077871,20110070606和20110070210。
在一些实施方案中，使用血液分析仪，例如，手动、半自动化、或自动化血液学分析仪(其例子是本领域已知的，并且记载于例如美国专利No.5,017,497,5,266,269,5,378,633,5,631,165,5,812,419,6,228,652,6,524,858,6,320,656,7,324,194和7,981,681，及公布的美国专利申请US20080153170,US20080158561,US20080268494,US20110178716,20110077871和20110070606，其公开内容通过提及完整并入本文)进行测量。可用于本方法的血液分析仪可以使用本领域中已知的任何检测方法，例如流式细胞术或基于光学或图像的分析或基于阻抗的。可用于本方法的血液分析仪通常会是那些能够测量所有CBC参数的。具体地，分析仪应当能够至少测定红细胞(RBC)细胞体积(CV)，和细胞血红蛋白浓度(CHC)或细胞血红蛋白质量(CH)。
许多血液学分析仪型号是商品化的，例如来自Abbott Laboratories(Abbott Park,IL,United States)(例如，Cell-Dyn Sapphire)；和Siemens(Deerfield,IL,United States)(例如，Advia120或2120自动化血液分析仪)。其它制造商包括Beckman Coulter,Inc.(Fullerton,CA,United States)；TOAMedical Electronics Co.,(Kobe,Japan)；Constitution Medical(Boston,MA)；和HORIBA ABX Inc(Irvine,CA,United States)。
本发明还提供了血液学分析仪系统，其包含用于测量临床样品的检测模块；和计算装置，其与所述检测模块通信，并且包含基于检测模块的输出来检测下列一项或多项的编程：(i)群体平均红细胞血红蛋白浓度(MCHC)和样品中红细胞的分数以测定样品分数，所述样品的转化体积和血红蛋白含量降到所有转化体积和血红蛋白含量平均值的阈值百分比下；(ii)群体中细胞间血红蛋白含量降低(Dh)速率的变化幅度；(iii)群体中细胞间细胞体积降低(Dv)速率的变化幅度；和/或(iv)标准化临界体积(vc)或其它清除阈值。在一些实施方案中，计算装置是一种使用来自血液分析仪的输入的分开的计算机。在一些实施方案中，计算装置整合入血液分析仪装置中，或者是血液分析仪装置的一部分。
一般地，检测模块包含分析室，该分析室配置为容纳包含红细胞的样品，例如全血，以进行分析。在一些实施方案中，检测模块包含配置为分析样品的流式细胞仪。在一些实施方案中，检测模块包含配置为分析样品的光学或图像分析仪。
本文中还提供了包含计算下列一项或多项的编程的计算机可读介质：(i)群体平均红细胞血红蛋白浓度(MCHC)和样品中红细胞的分数以测定样品分数，所述样品的转化体积和血红蛋白含量降到所有转化体积和血红蛋白含量平均值的阈值百分比下；(ii)群体中细胞间血红蛋白含量降低(Dh)速率的变化幅度；(iii)群体中细胞间细胞体积降低(Dv)速率的变化幅度；和/或(iv)标准化临界体积(vc)或其它清除阈值。
在一些实施方案中，来自血液学分析仪的数据由计算装置接收(例如，红细胞(RBC)细胞体积(CV)、平均细胞体积(MCV)、细胞血红蛋白浓度(CHC)或细胞血红蛋白含量(CH)、平均细胞血红蛋白浓度(MCHC)、和平均细胞血红蛋白含量(MCH)、及其群体统计学)，所述计算装置然后执行含有用于计算下列一项或多项的如本文中所描述的算法的编程：(i)群体平均红细胞血红蛋白浓度(MCHC)和样品中红细胞的分数以测定样品分数，所述样品的转化体积和血红蛋白含量降到所有转化体积和血红蛋白含量平均值的阈值百分比下；(ii)群体中细胞间血红蛋白含量降低(Dh)速率的变化幅度；(iii)群体中细胞间细胞体积降低(Dv)速率的变化幅度；和/或(iv)标准化临界体积(vc)或其它清除阈值。
在一些实施方案中，计算装置是一种使用来自血液分析仪的输入的分开的计算机。在一些实施方案中，计算装置整合入血液分析仪装置中，或者是血液分析仪装置的一部分。
编程可以在物理存储或传输媒体中提供。然后，接收指令的计算装置(例如，分开的装置或作为分析仪系统的一部分的信息加工模块)可以执行算法和/或自本方法获得的过程数据。计算机可读的存储介质的例子包括软盘、磁带、CD-ROM、硬磁盘驱动器、ROM或集成电路、磁光盘、或计算机可读卡诸如PCMCIA卡等，无论此类装置是对于计算机而言是内部的或外部的。含有信息的文件可以“存储”于计算机可读介质上，其中“存储”意指记录信息，使得它在后来的日期由本地或远程网络的计算机可存取并可检索。在一些实施方案中，每次运行样品自动执行本文中所描述的方法。
图14显示了可以与本文所描述的技术一起使用的计算机装置700和移动式计算机装置750的例子。计算装置700意图代表各种形式的数字计算机，包括例如膝上型、台式、工作站、个人数字助理、服务器、刀片式服务器、主机、和其它合适的计算机。计算装置750意图代表各种形式的移动装置，包括例如个人数字助理、移动电话、智能手机、及其它类似的计算装置。本文显示的组件、其连接和联系、及其功能意图仅为例子，而并不意图限制此文件中所描述和/或要求保护的技术的执行。
计算装置700意图代表各种形式的数字计算机，包括例如膝上型、台式、工作站、个人数字助理、服务器、刀片式服务器、主机、和其它合适的计算机，包括整合到分析仪系统或装置中的计算机。计算装置750意图代表各种形式的移动装置，包括例如个人数字助理、移动电话、智能手机、及其它类似的计算装置。本文显示的组件、其连接和联系、及其功能意图仅为例子，而并不意图限制此文件中所描述和/或要求保护的技术的执行。
计算装置700包含处理器702、储存器704、存储装置706、与储存器704和高速扩充端口710连接的高速用户界面708、和与低速总线714和存储装置706的低速用户界面712。组件702、704、706、708、710、和712中的每个使用多个总线相互连接，并且可以在共同的母板上或适当时以其它方式安装。处理器702可以处理计算装置700内执行的指令，包括存储器704中或存储装置706上存储的指令以在外部输入/输出装置，包括例如与高速用户界面708偶联的显示器716上显示关于GUI的图形信息。在其它实现中，在适当时，可以使用多个处理器和/或多个总线，以及多个存储器和存储器类型。还有，可以连接多个计算装置700，每个装置提供必要的操作的部分(例如，作为服务器存储体(server bank)、一组刀片式服务器、或多处理器系统)。
存储器704存储计算装置700内的信息。在一个实现中，存储器704是一个或多个易失性存储器单元。在另一个实现中，存储器704是一个或多个非易失性存储器单元。存储器704也可以是另一种形式的计算机可读的介质，包括例如磁盘或光盘。
存储装置706能够为计算装置700提供海量存储器。在一个实现中，存储装置706可以是或者含有计算机可读的介质，包括例如软盘装置、硬盘装置、光盘装置、或磁带装置、闪速存储器或其它类似的固态存储器装置、或装置阵列，包括存储区网络或其它配置中的装置。计算机程序产品可以在信息载体中有形体现。计算机程序产品也可以含有如下的指令，其在执行时实施一种或多种方法，包括例如上文描述的那些方法。信息载体是计算机或机器可读的介质，包括例如存储器704、存储装置706、处理器702上的存储器，等等。
高速控制器708管理计算装置700的带宽密集操作，而低速控制器712管理较低的带宽密集操作。此类功能分配仅是一个例子。在一个实现中，高速控制器708与存储器704、显示器716(例如，藉由图形学处理器或加速器)，以及与高速扩充端口710(其可以接受各种扩充卡(未显示))偶联。在一个实现中，低速控制器712与存储装置706和低速扩充端口714偶联。低速扩充端口(其可以包括多个通信端口(例如，USB、
Figure BDA00003200656900161
、以太网、无线以太网))可以例如藉由网络适配器与一个或多个输入/输出装置，包括例如键盘、打印装置、扫描仪，或连网装置，包括例如开关或路由器偶联。
计算装置700可以以许多不同形式实现，如图中所显示的。例如，它可以以标准服务器720，或者在一组此类服务器中多次实现。它也可以作为架式服务器系统724的一部分实现。另外或作为备选，它可以在个人计算机，包括例如膝上型电脑722中实现。在一些例子中，来自计算装置700的组件可以与移动装置(未显示)，包括例如装置750中的其它组件组合。每个此类装置可以含有一个或多个计算装置700、750，并且整个系统可以由彼此通信的多个计算装置700、750构成。
计算装置750包括处理器752、存储器764、输入/输出装置，包括例如显示器754，通信用户界面766、和收发器768，等等。也可以给装置750提供存储装置，包括例如微驱动器(microdrive)或其它装置，以提供额外的存储。组件750,752,764,754,766和768中的每个使用多个总线相互连接，并且几个组件可以在共同的母板上或适当时以其它方式安装。
处理器752可以执行计算装置750内的指令，包括存储器764中存储的指令。处理器可以作为包含分开的且多个模拟和数字处理器的芯片的芯片组实现。处理器可以提供例如装置750的其它组件的协调，包括例如控制用户界面、由装置750运行的应用、和装置750的无线通信。
处理器752可以藉由与显示器754偶联的显示器用户界面756和控制器用户界面758与用户通信。显示器754可以例如是TFT LCD(薄膜晶体管液晶显示器)或OLED(有机发光二极管)显示器，或其它合适的显示器技术。显示器用户界面756可以包含适合于驱动显示器754以对用户呈现图形和其它信息的电路。控制用户界面758可以自用户接收命令，并且转化它们以提交给处理器752。另外，外部用户界面762可以与处理器742通信，从而实现装置750与其它装置的近区通信。外部用户界面762可以例如提供有线通信(在一些实现中，或者无线通信(在其它实现中)，并且也可以使用多个用户界面。
存储器764存储计算装置750内的信息。存储器764可以作为一个或多个计算机可读的介质、易失性存储器单元、或非易失性存储器单元实现。也可以提供扩充存储器774，并藉由扩充用户界面772与装置750连接，所述扩充用户界面772可以包括例如SIMM(单直插式存储器模块(Single In LineMemory Module))卡用户界面。此类扩充存储器774可以为装置750提供额外的存储空间，或者也可以为装置750存储应用或其它信息。具体地，扩充存储器774可以包括实施或补充上文所描述的过程的指令，并且可以还包括安全信息。如此，例如，扩充存储器774可以以装置750的安全性模块提供，并且可以用容许装置750的安全使用的指令编程。另外，可以与别的信息一起藉由SIMM卡提供安全应用，包括例如以不可破解(non-hackable)的方式在SIMM卡上放置鉴定信息。
存储器可以包括例如闪速存储器和/或NVRAM存储器，如下文所讨论的。在一个实现中，计算机程序产品在信息载体中有形体现。计算机程序产品含有在执行时实施一种或多种方法，包括例如上文所描述的那些方法的指令。信息载体是计算机或机器可读的介质，包括例如存储器764、扩充存储器774、和/或处理器752上的存储器，其可以例如在收发器768或外部用户界面762上接收。
装置750可以藉由通信用户界面766无线通信，所述通信用户界面766在必需的情况中可以包含数字信号处理电路。通信用户界面766可以提供各种模式或方案下的通信，包括例如GSM语音呼叫、SMS、EMS、或MMS电报、CDMA、TDMA、PDC、WCDMA、CDMA2000、或GPRS等。可以例如藉由射频收发器768发生此类通信。另外，可以发生短程通信，包括例如使用、WiFi、或其它此类收发器(未显示)进行。另外，GPS(全球定位系统)接收器模块770可以将别的导航和位置相关无线数据提供给装置750，其可以在适当时由装置750上的应用运行使用。
装置750也可以使用音频编解码器760在听觉上通信，所述音频编解码器760可以自用户接收口头信息，并将其转化成可用的数字信息。同样地，音频编解码器760可以为用户产生可听声，包括例如，藉由扬声器，例如在装置750的听筒中。此类声音可以包括来自声音电话呼叫的声音，可以包括记录的声音(例如，语音信息、音乐文件等)，而且还可以包括由装置750上的应用操作产生的声音。
计算装置750可以以许多不同形式实现，如图中显示的。例如，它可以作为移动电话780实现。它也可以作为智能手机782、个人数字助理、或其它类似的移动装置的一部分实现。
可以在数字电子电路、集成电路、空间设计ASIC(专用集成电路(application specific integrated circuits))、计算机硬件、固件、软件、和/或其组合中实现本文所描述的系统和技术的各种实现。这些各种实现可以包括在可编程系统上可执行和/或可解读的一个或多个计算机程序中的执行，所述可编程系统包含至少一个可编程的处理器(其可以是特殊或一般目的)、至少一个输入装置、和至少一个输出装置，所述可编程的处理器相偶联以自存储系统接受数据和指令，并将信息和指令与存储系统通信。
这些计算机程序(又称为程序、软件、软件应用或代码)包含可编程处理器的机器指令，并且可以以高水平程序和/或面向对象的编程语言，和/或以汇编/机器语言实现。如本文中所使用的，术语机器可读的介质和计算机可读的介质指用于对可编程处理器提供机器指令和/或数据的计算机程序产品、设备和/或装置(例如磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括接受机器指令的机器可读介质。
为了提供与用户的交互，可以在计算机上实现本文所描述的系统和技术，所述计算机具有用于对用户显示信息的显示器装置(例如，CRT(阴极射线管)或LCD(液晶显示器)监视器)和用户可以将输入提供给计算机的键盘和打印装置(例如，鼠标或跟踪球)。也可以使用其它种类的装置来提供与用户的交互；例如，对用户提供的反馈可以是感觉反馈(例如，视觉反馈、听觉反馈、或触觉反馈)形式；并且来自用户的输入可以以包括听觉、语音、或触觉输入的形式接收。
可以在计算系统中实现本文所描述的系统和技术，所述计算系统包含后端组件(例如，作为数据库服务器)，或包含中间件组件(例如，应用服务器)，或包含前端组件(例如，具有图形用户界面或网络浏览器的客户计算机，藉由该客户计算机，用户可以与本文所描述的系统和技术的实现交互)，或所述后端、中间件、或前端组件的组合。系统的组件可以通过数字数据通信的形式或介质(例如通信网络)相互连接。通信网络的例子包括局域网络(LAN)、广域网络(WAN)、和因特网。
计算系统可以包含客户机和服务器。一般地，客户机和服务器彼此是远程的，并且通常藉由通信网络交互。依靠在相应的计算机上运行且彼此具有客户机-服务器关系的计算机程序发生客户机和服务器的关系。
在一些实现中，本文中所描述的机械(engine)可以是分开的、组合的或整合到单一或组合的机械中。图中所描绘的机械并不意图将本文所描述的系统限于图中所显示的软件构造。
实施例
本发明在以下实施例中进一步描述，所述实施例不限制权利要求书中所描述的本发明范围。
实施例1：模型开发
体内个别RBC在其寿命过程期间的体积和血红蛋白调节是非常复杂且难以了解的。了解RBC大群体的平均行为可能是更易处理的。为了了解此群体水平行为，开发一种RBC成熟和清除模型，其描述RBC群体的动力学。该模型将随时间(t)的平均RBC的体积(v)和血红蛋白(h)动力学分解成确定性降低(deterministic reduction)(f)和随机波动(random fluctuation)(ζ)，其具体函数形式可以有所变化，方程式1中显示了一个例子，其中v和h按其群体均值
Figure BDA00003200656900205
调整，而t按平均细胞龄调整。基于来自先前报告(3-5,7)的数据，将两项参数引入确定性分量(deterministic component)中：快变化(fast change)(β)，其效应在RBC接近MCHC线前占优势，和慢变化(slow change)(α)。随机波动可以建模为具有均值0的高斯或类似分布的随机变量和由扩散张量(diffusiontensor)2D给予的方差，如图1B和方程式1中所显示的(The random fluctuationcan be modeled as a Gaussian or similarly distributed random variable with meanzero and variance given by a diffusion tensor 2D, as shown in FIG. 1B andEquation 1)。
dv dt dh dt = f + &zeta; - - - ( 1 )
f = { &alpha; &CenterDot; e &beta; v ( v - h ) &alpha; &CenterDot; e &beta; h ( h - v )
&zeta; = { N ( 0,2 D v ) N ( 0,2 D h )
如同一般地逆问题及特别地人病理生理学一样(9)，此问题在如下的意义上是不适定的(ill-posed)，即f的不同函数形式会再现体内动力学。f的精确函数形式不是必需的。此模型的性能依赖于快和慢确定性动力学及随机波动的定性组合。表1A-B显示了可以在所述模型中使用的不同类型的函数形式。
表1A：f的函数形式
Figure BDA00003200656900211
表1B：d的函数形式
图9A-C显示了与f的形式A-C对应的速度场，而图10A-B显示了清除函数(d)形式A和B。τ是群体中细胞的均值龄。下文列出Δ的定义。
对确定性演变(evolution)(f)和清除函数(d)的不同函数形式建立参数。定性结果对于这些不同函数形式是一致的，提示了这些结果代表体内病理生理学的特征，而不是数据的过度拟合(overfitting)。表1A-B中显示了函数形式的详情，并且在图2、11、和12的盒式图中显示了形式A-C的估值。
在本模型中，典型的个别细胞的体积和血红蛋白含量的随机波动和确定性耗散或降低由朗之万(Langevin)方程描述，所述朗之万方程通常用于为势能中的布朗运动建模(10)。然后，RBC的整个循环群体的动力学可以由时间依赖性联合体积-血红蛋白概率分布的主方程(P(v,h,t))描述，该主方程可以由Fokker-Planck方程(10-11)逼近。方程式2描述了此联合体积-血红蛋白分布的概率密度的漂移(drift)(f)、扩散(D)、出生(birth，b)、和死亡(d)。
&PartialD; P &PartialD; t = - &dtri; &CenterDot; ( Pf ) + &dtri; &CenterDot; ( D &CenterDot; &dtri; P ) + b ( v , h , t ) - d ( v , h , t ) P - - - ( 2 )
D = D v 0 0 D h
出生和死亡过程造成不断对群体添加及自群体除去的RBC。在健康和轻度疾病的状态中，添加的细胞总数等于消除的总数：。消除RBC的精确触发物和机制没有得到完全了解(12)，但是经验测量诸如那些在图1A中显示的那些测量提示了沿着MCHC线存在着阈值(vc)，超出该阈值，已经消除大多数RBC。
基于经验RBC分布的观察结果，将RBC消除的概率建模为RBC体积和血红蛋白含量的函数。将体积-血红蛋白含量平面中的每个RBC位置投影到MCHC线上，并且将清除(d)概率不同地限定为例如在此线上从此投影点到阈值vc的距离的s形曲线(图10A)或阶梯(图10B)函数。参见图1和5及表1B。方程式3量化此关系。
d ( v , h ) = 1 1 + e &Delta; - - - ( 3 )
或
d ( v , h ) = { 1 &Delta; &le; 0 0 &Delta; > 0
&Delta; ( v , h ) = 100 &CenterDot; cos ( &theta; ) ( v v &OverBar; ) 2 + ( h h &OverBar; ) 2 - v c h &OverBar; 2 + v &OverBar; 2 v c h &OverBar; 2 + v &OverBar; 2
&theta; = tan - 1 ( h &OverBar; v &OverBar; ) - tan - 1 ( h h &OverBar; v v &OverBar; )
CBC测量在个体间有所变化，但是对于健康个体不显著改变(13)，指示这些动力学过程在体内达到稳态P∞，其中
对于给定的一组参数，可以以在病理生理学范围外的体积和血红蛋白含量的消失概率边界条件和等于凭经验测量的网织红血球分布的初始条件使用一阶 ( J = &Delta; k [ f &CenterDot; P ] ( v ) k + &Delta; k [ f &CenterDot; P ] ( h ) k ) 和二阶 ( L = D v &delta; k 2 [ P ] ( v ) k 2 + D h &delta; k 2 [ P ] ( h ) k 2 ) 空间导数的有限差分逼近在数字上解析方程式2。用恒定网孔宽度(mesh width)离散化体积-血红蛋白含量平面，并且其以等于每个网孔细胞中的概率密度的变量的向量(P)代表。这里报告的模拟结果用网孔宽度1.8fL沿着体积轴和1.8pg沿着血红蛋白含量轴执行。此网孔宽度与经验体积和血红蛋白含量测量的分析分辨率相当。使用较小的网孔宽度(1.2fL和1.2pg)确认所有结果。使用空间导数的逆风有限差逼近(upwind finite difference approximation)为对流分布(f)数字建模。使用MATLAB ode15s积分器为普通微分方程的所得线性系统积分，并迭代，直至达到稳态(P∞)。
还分析测定数字问题(numerical problem)(P∞)的稳态分布；演变(J+L)和消除(d)项的数字逼近是线性算子，并且调整出生过程的整数是等于均值龄两倍的倒数
Figure BDA00003200656900236
的常数。可以转化线性算子，产生以均值细胞龄为指数的稳态分布家族，如方程式4中显示的。
dP &infin; dt = 0 = - J &CenterDot; P &infin; + L &CenterDot; P &infin; + d &CenterDot; P &infin; + P 0 &Integral; h &Integral; v d ( v , h ) =
( - J + L + d ) &CenterDot; P &infin; + P 0 1 2 &tau; &OverBar; &DoubleRightArrow;
P &infin; = - ( - J + L + d ) - 1 P 0 1 2 &tau; &OverBar; - - - ( 4 )
在通过分析和有限差方法获得的稳态分布之间可忽略差异。
通过适当选择参数(α、β、D、和vc)，本文中所描述的模型如实再现健康个体中RBC群体的观察到的分布。
实施例2：确认
为了测试模型是否可以区别健康个体中RBC群体的动力学与贫血个体的，对患有具有不同根本病因学的三种常见贫血形式：慢性病贫血(ACD)，即一种炎性状况；珠蛋白生成障碍性贫血性状(TT)，即一种遗传病症；和铁缺乏贫血(IDA)，即一种营养状况的个体获得CBC和网织红血球测量(14)。选择每种贫血的轻度病例，其中RBC群体特征似乎是稳定的，并且类稳态假设是合理的，几个明显健康的对照亦然。
在得到合作健康护理机构审查委员会(Partners Healthcare InstitutionalReview Board)批准的研究方案下从三级护理成人医院的临床实验室获得血液样品和CBC结果。在Siemens Advia2120自动化分析仪上在收集(21)的6小时内进行网织红血球和CBC测量。
IDA定义为血细胞比容轻微降低至低于正常的下限的不超过20%、低MCV、低铁蛋白，以及正常MCV及正常血细胞比容的历史证据。排除急性疾病、急性出血(acute bleeding)、在先前的6个月中输血、并发住院(concurrenthospitalization)、慢性炎性疾病、或血红蛋白病患者。
TT定义为高血红蛋白A2分数、或在存在alpha珠蛋白基因突变方面杂合性，以及血细胞比容降低到低于正常下限的不超过20%、低MCV、和正常铁蛋白。排除急性疾病、急性出血、在先前的6个月中输血、并发住院、慢性炎性疾病、或别的血红蛋白病患者。
ACD定义为血细胞比容降低到正常下限下不超过20%、正常或高铁蛋白、和低或正常总铁结合能力。排除急性疾病、急性出血、在先前的6个月中输血、并发住院、慢性炎性疾病、或血红蛋白病患者。
对于每个患者样品，鉴定再现对所述患者观察到的稳态的最佳参数集(α、β、D和vc)。使用模拟的稳态分布和测量的CBC分布之间的最小平方拟合来鉴定最佳拟合。在重复测试可用于相同个体的情况中，发现了通过CBC测量的分析变化解释拟合参数的任何变化。
使用梯度和非梯度优化方法对每名患者鉴定参数空间的最佳邻域。使用患者的凭经验测量的网织红血球分布和初始随机选择的参数集作为起始点。使用方程式4计算所得的稳态RBC分布。然后，比较此计算的分布(P∞)与经验分布(PCBC)。如下量化参数估值的质量，即计算等于离散化分布的标准化残数平方和的目标函数，如方程式5中显示的，其中i和j代表离散的体积-血红蛋白平面中的细胞指数。
C ( P CBC i , j , P &infin; i , j ) = &Sigma; i , j ( P CBC i , j - P &infin; i , j ) 2 P CBC i , j - - - ( 5 )
一般地，目标函数提供两种分布间不相似(或相似性)程度的测量。可以基于目标函数的数值是否满足阈值条件来调节参数数值。例如，可以调节参数数值，直至目标函数的数值高于或低于阈值。若目标函数代表不相似的测量(例如平均平方差、绝对差的和，等等)，则寻求通过调节参数降低目标函数。或者，若目标函数代表相似性的测量(例如相关系数、交互信息等)，则寻求通过调节参数提高目标函数。在此实施例中，然后选择新的参数数值来降低此目标函数。使用MATLAB中的基于梯度的(lsqnonlin函数)和基于非梯度的(fminsearch和patternsearch函数)优化算法来搜索最佳参数。将所有参数约束为非负，并限定一致的初始参数空间以排除大于1000或小于5天的均值细胞龄。然后，使用拉丁超方(latin hyper-square)取样从此空间挑出初始参数。强加一个优化约束，将α限制为小得足以使均值细胞龄会大于5天且大得足以使均值细胞龄会小于1000天。图6显示了该模型为此健康患者提供可信的PCBC再现，其通过比较模拟的和测量的稳态概率分布进行。在沿着MCHC线投影时，此患者的经验分布具有接近该模型的略高密度以及在该模型的任一侧的区域中略低的密度。
图7显示了从单一患者的超过200次优化获得的参数的最小局部最小值。一些结果具有高于轴范围的局部最小值。所有模拟间的最佳拟合为所有参数形成数值的小邻域，表明参数评估过程达到对于此患者的血液样品而言的定义明确的最佳邻域。
图2中显示了健康和贫血个体的拟合参数，并在表2中列出了均值拟合参数。
表2：非维量(dimensional)和维量拟合参数的中值数值(在适当时)。
Figure BDA00003200656900261
对健康个体和那些患有贫血的个体衍生的最佳拟合参数间存在清楚的差异，并且不同贫血条件具有不同特征性参数集。例如，健康个体和ACD患者具有高βv和βh以及低α，即他们在快相期间比他们在慢相期间丧失相对更多的其体积和血红蛋白。比较而言，患有TT和IDA的患者在慢相期间比在快相中丧失相对更多的体积和血红蛋白。相对于健康个体，患有ACD的患者显示略微升高的Dv和略微降低的Dh，而TT与Dv的更大升高以及实质性降低的Dh有关。IDA患者与健康个体具有相似的Dv，并且在大多数个体的情况下显示比正常高超过10倍的Dh显著升高。健康个体和那些患有ACD的个体中的标准化临界体积vc是
Figure BDA00003200656900265
的约80%，或约72fL。大多数患有TT或IDA的患者通常具有降低的
Figure BDA00003200656900266
和降低的
Figure BDA00003200656900267
。图2显示了在
Figure BDA00003200656900268
和
Figure BDA00003200656900269
的绝对降低外，这些患者的vc进一步降低，而且在不同个体间显示大得多的变化性。
实施例3：预测铁缺乏贫血
此实施例测试如下的假设，即在一些情况中可以在比目前基于扩充细胞群体可能的时间早至少90天预测代偿性或隐性IDA，所述细胞比均值更接近原点沿着MCHC线投影。在图5中描绘投影操作。首先，测定具有体积(v)和血红蛋白(h)的每个细胞沿着MCHC线的投影位置(u)：
u＝v·cosθ-h·sinθ
&theta; = - tan - 1 ( h &OverBar; v &OverBar; )
沿着MCHC线的阈值定义为平均投影位置
Figure BDA000032006569002610
的比例
Figure BDA000032006569002611
。投影细胞分数位于原点间，并且然后如下计算此阈值，其中fMCHC是为MCHC线上的位置函数的投影细胞的概率密度：
Figure BDA00003200656900264
通过比较图2中使用的稳态CBC的不同阈值的区别效率选择
Figure BDA00003200656900271
阈值。在与其它阈值(包括70%、75%(图8C中显示)、80%、90%(图8D)、和100%)相比时，图8A-B中显示的85%阈值提供最大分开。基于此训练集选择P0.85阈值数值0.121。
然后，鉴定40个新的且独立的患者CBC，它们都是正常的。这些正常CBC中的20个来自30-90天后具有别的正常CBC的个体，而这些正常CBC中的20个来自在不超过90天后表现出IDA的个体。排除在两个CBC间具有急性出血或任何铁补充的患者。上文在实施例1中列出了IDA的定义。图3A-D显示了P0.85阈值0.121能够以75%的灵敏度和100%的特异性在此独立测试组中预测IDA。
实施例4：小红细胞性贫血的区别诊断
为了评估Dh在区别两种最常见的小红细胞性贫血原因中的诊断精确性，参数适合于10例训练病例：具有IDA的5例和具有TT的5例，如图4中所显示的。上文在实施例2中提供了病例定义。TT训练组具有范围为1.7x10-15至2.3x10-15的Dh。IDA训练组具有范围为0.009至0.043的Dh。阈值数值等于0.0045，选择IDA训练组间的最低Dh和TT训练组的最高值的平均值。然后，鉴定50例新的且独立的病例，患有IDA的22例和患有TT的28例。将所有22例IDA病例正确分类，并正确分类27/28TT病例以实现总体诊断精确性98%。此精确性优于4种通常引用的判别式函数的(20)：Green和King公式产生92%的精确性，Micro/Hypo产生84%的精确性，Mentzer产生68%的精确性，并且England和Fraser产生57%的精确性。关于这些其它判别式函数的更多详情，参见参考文献(20)。
1.Fauci AS(2008)Harrison's principles of internal medicine/editors,Anthony S.Fauci...[et al.](McGraw-Hill Medical,New York)17th Ed pp v.<1-2>.
2.Donofrio G,et al.(1995)Simultaneous Measurement of Reticulocyteand Red-Blood-Cell Indexes in Healthy-Subjects and Patients with MicrocyticAnemia.Blood85(3):818-823.
3.Gifford SC,Derganc J,Shevkoplyas SS,Yoshida T,&Bitensky MW(2006)A detailed study of time-dependent changes in human red blood cells:from reticulocyte maturation to erythrocyte senescence.British Journal ofHaematology135(3):395-404.
4.Waugh RE,et al.(1992)Rheologic Properties of SenescentErythrocytes-Loss of Surface-Area and Volume with Red-Blood-Cell Age.Blood79(5):1351-1358.
5.Willekens FL,et al.(2003)Hemoglobin loss from erythrocytes in vivoresults from spleen-facilitated vesiculation.Blood101(2):747-751.
6.Sens P&Gov N(2007)Force balance and membrane shedding at thered-blood-cell surface.Phys Rev Lett98(1):018102.
7.Willekens FL,et al.(2005)Liver Kupffer cells rapidly remove redblood cell-derived vesicles from the circulation by scavenger receptors.Blood105(5):2141-2145.
8.Lew VL,Raftos JE,Sorette M,Bookchin RM,&Mohandas N(1995)Generation of Normal Human Red-Cell Volume,Hemoglobin Content,andMembrane Area Distributions by Birth or Regulation.Blood86(1):334-341.
9.Zenker S,Rubin J,&Clermont G(2007)From inverse problems inmathematical physiology to quantitative differential diagnoses.PLoSComput.Biol.3(11):2072-2086.
10.Zwanzig R(2001)Nonequilibrium statistical mechanics(OxfordUniversity Press,Oxford;New York)pp ix,222p.
11.KampenNGv(1992)Stochastic processes in physics and chemistry(North-Holland,Amsterdam;New York)Rev.and enl.Ed pp xiv,465p.
12.Lang KS,et al.(2005)Mechanisms of suicidal erythrocyte death.Cellular Physiology and Biochemistry15(5):195-202.
13.Garner C,et al.(2000)Genetic influences on F cells and otherhematologic variables:a twin heritability study.Blood95(1):342-346.
14.Robbins SL,Kumar V,&Cotran RS(2010)Robbins and Cotranpathologic basis of disease(Saunders/Elsevier,Philadelphia,PA)8th Ed pp xiv,1450p.
15.Milbrandt EB,et al.(2006)Predicting late anemia in critical illness.Crit.Care10(1).
16.Rockey DC&Cello JP(1993)Evaluation of the Gastrointestinal-Tractin Patient with Iron-Deficiency Anemia.N.Engl.J.Med.329(23):1691-1695.
17.Lozoff B,Jimenez E,&Wolf AW(1991)Long-Term DevelopmentalOutcome of Infants with Iron-Deficiency.N.Engl.J.Med.325(10):687-694.
18.Zarychanski R&Houston DS(2008)Anemia of chronic disease:Aharmful disorder or an adaptive,beneficial response?Can.Med.Assoc.J.179(4):333-337.
19.Jopang YP,Thinkhamrop B,Puangpruk R,&Netnee P(2009)FalsePositive Rates of Thalassemia Screening in Rural Clinical Setting:10-YearExperience in Thailand.Southeast Asian J.Trop.Med.Public Health40(3):576-580.
20.Ntaios G,et al.(2007)Discrimination indices as screening tests forbeta-thalassemic trait.Ann.Hematol.86(7):487-491.
21.Lippi G,Salvagno GL,Solero GP,Franchini M,&Guidi GC(2005)Stability of blood cell counts,hematologic parameters and reticulocytes indexeson the Advia A120hematologic analyzer.J.Lab.Clin.Med.146(6):333-340.
其它实施方案
应当理解，虽然本发明已经结合其详细描述进行了描述，但是前述描述意图例示而并不限制本发明的范围，其以所附权利要求书的范围限制。其它方面、优点、和修改在所附权利要求书的范围内。

Claims (36)

1.一种测定受试者形成铁缺乏贫血(IDA)的风险的方法，该方法包括：
在包含来自所述受试者的红细胞的样品中，测定群体平均红细胞血红蛋白浓度(MCHC)；
将每个细胞的体积和血红蛋白含量转化成指数，其通过将所述体积和血红蛋白含量投影到所述MCHC线上来进行；
测定如下样品中的红细胞分数以提供样品分数，所述样品的转化体积和血红蛋白含量指数降到所述MCHC线上的均值投影位置的阈值百分比下；并
比较所述样品分数与参照分数；
其中高于所述参照分数的样品分数的存在指示所述受试者处于形成IDA的风险。
2.一种筛选或选择受试者以筛选胃肠(GI)病症的方法，该方法包括：
在包含来自受试者的红细胞的样品中，测定群体平均红细胞血红蛋白浓度(MCHC)；
将每个细胞的体积和血红蛋白含量转化成指数，其通过将所述体积和血红蛋白含量投影到所述MCHC线上来进行；
测定如下样品中的红细胞分数，所述样品的转化体积和血红蛋白含量指数降到所述MCHC线上的均值投影位置的阈值百分比下；
比较所述样品分数与参照分数；并
在所述样品分数低于所述参照分数时选择受试者以进行GI评估或者进一步筛选。
3.一种在患有小红细胞性贫血的受试者中在铁缺乏贫血(IDA)和珠蛋白生成障碍性贫血性状(TT)之间做出区别诊断的方法，该方法包括：
在来自受试者的红细胞样品中测定细胞间血红蛋白含量降低(Dh)速率的变化幅度的数值，并比较Dh与参照数值；
其中高于所述参照数值的Dh的存在指示所述受试者患有或更有可能患有IDA，而低于所述参照数值的Dh的存在指示所述受试者患有或更有可能患有TT。
4.一种用于检测正常受试者中血掺或红细胞生成刺激物药剂的存在或使用的方法，该方法包括：
在来自受试者的样品中测定血红蛋白含量降低(Dh)速率的变化幅度和细胞体积降低(Dv)速率的变化幅度中的一项或两项的数值；
其中高于参照数值的Dh和/或Dv的存在指示血掺的存在或使用或者使用红细胞生成刺激物药剂。
5.一种用于优化受试者中红细胞生成素(EPO)或其它红细胞生成刺激物药剂(ESA)剂量的方法，该方法包括：
在来自经历EPO或ESA治疗的受试者的样品中测定标准化临界体积(vc)；并且
若所述vc低于下参照水平，则提高EPO剂量，或者
若所述vc高于上参照水平，则降低EPO剂量。
6.权利要求5的方法，其中调节EPO的剂量以维持所述受试者中群体均值体积
Figure FDA00003200656800021
的大于75%的vc；或78-82%的vc。
7.一种用铁治疗受试者的方法，该方法包括：
在来自受试者的样品中测定标准化临界体积(vc)；并且
若所述vc低于下参照水平，则施用一剂铁或者规定铁补充过程。
8.权利要求7的方法，其中调节铁的剂量以维持所述受试者中群体均值体积
Figure FDA00003200656800022
的大于78%的vc；或78-82%的vc。
9.权利要求1或2的方法，其中所述阈值百分比是所述MCHC线上所述群体均值投影的70%、75%、80%、85%、90%或95%。
10.权利要求1或2的方法，其中所述参照分数是约0.10、0.11、0.12、0.13、0.14、或0.15。
11.权利要求1-10中任一项的方法，其中所述样品包含来自所述受试者的全血。
12.一种系统，其包含：
计算装置，该计算装置包含：
用于存储指令的存储器，
一个或多个能够执行存储指令的处理器或处理装置以实施如下的操作，其包括：
接受代表所述样品中每个细胞的体积和血红蛋白浓度或含量的数据；将每个细胞的体积和血红蛋白含量转化成指数，其通过将所述体积和血红蛋白含量投影到代表平均红细胞血红蛋白浓度(MCHC)的线上来进行；
计算如下样品中红细胞的分数，所述样品的转化体积和血红蛋白含量指数降到均值投影的阈值百分比下；并
提供代表该分数的输出。
13.权利要求12的系统，其进一步包含接受代表所述样品中平均红细胞血红蛋白浓度(MCHC)的数据的指令。
14.权利要求12的系统，其进一步包含检测模块，该检测模块配置为检测红细胞(RBC)细胞体积(CV)、平均细胞体积(MCV)、细胞血红蛋白浓度(CHC)、平均细胞血红蛋白浓度(MCHC)、和平均细胞血红蛋白含量(MCH)及其群体统计学中的一项或多项，例如所有。
15.一个或多个机器可读存储装置，其配置为存储由一个或多个处理器或处理装置可执行以实施如下操作的指令，所述操作包括：
接受代表所述样品中每个细胞中的体积和血红蛋白浓度的数据；将每个细胞的体积和血红蛋白含量转化成指数，其通过将所述体积和血红蛋白含量投影到代表平均红细胞血红蛋白浓度(MCHC)的线上来进行；
计算如下样品中红细胞的分数，所述样品的转化体积和血红蛋白含量指数降到均值投影的阈值百分比下；并
提供代表该分数的输出。
16.权利要求15的机器可读存储装置，其进一步包含接受代表所述样品中平均红细胞血红蛋白浓度(MCHC)的数据的指令。
17.权利要求12-14中任一项的系统或权利要求15-16中任一项的机器可读存储装置，其进一步包含计算下列一项或多项的指令：
(i)血红蛋白含量降低(Dh)速率的变化幅度；
(ii)细胞体积降低(Dv)速率的变化幅度；
(iii)标准化临界体积或清除阈值(vc)；
(iv)血红蛋白含量降低(α)和慢相体积的平均速率；
(v)快相体积降低(βv)的平均速率；和
(vi)快相血红蛋白含量降低(βh)的平均速率。
18.一个或多个机器可读存储装置，其包含计算下列一项或多项的机器可读指令：
(i)群体平均红细胞血红蛋白浓度(MCHC)、通过将体积和血红蛋白含量投影到MCHC线上来将每个细胞的体积和血红蛋白含量转化成指数、和投影降到均值投影的阈值百分比下的样品中的红细胞分数；
(ii)血红蛋白含量降低(Dh)速率的变化幅度；
(iii)细胞体积降低(Dv)速率的变化幅度；和
(iv)标准化临界体积或清除阈值(vc)。
19.一种对患者筛选珠蛋白生成障碍性贫血性状(TT)的方法，该方法包括：
在来自受试者的样品中测定血红蛋白含量降低(Dh)速率的变化幅度的数值，并
比较Dh与参照范围；
其中在所述参照范围外的Dh的存在指示所述患者患有或有可能患有TT和/或若所述Dh在所述参照范围外，则选择受试者进行基因型分型或别的测试，或者若所述患者是妊娠的女性，则选择父亲进行筛选。
20.一种在患有贫血的受试者中在慢性病贫血(ACD)和其它贫血原因之间做出区别诊断的方法，该方法包括测定下列一项或多项的数值：
(i)血红蛋白含量降低(Dh)速率的变化幅度；和/或
(ii)细胞体积降低(Dv)速率的变化幅度；和/或
(iii)标准化临界体积或清除阈值(vc)；和/或
(iv)慢相体积和血红蛋白含量降低(α)的平均速率；和/或
(v)快相体积降低(βv)的平均速率；和/或
(vi)快相血红蛋白含量降低(βh)的平均速率；
比较这些数值与参照范围，其中通过所述参照范围内的数值数目确定ACD诊断的概率；比较此概率与阈值；并且若所述概率高于所述阈值，则针对输血疗法选择和/或选择不实施铁水平的额外测试。
21.权利要求1-18中任一项的方法，其中转化个别细胞的体积和血红蛋白含量，使得所述体积和血红蛋白含量坐标投影到代表所有体积和血红蛋白含量坐标的最小二乘线性拟合的线上。
22.一种计算机可读存储装置，其配置为存储计算机可读的指令，该指令在由一个或多个处理器执行时引起如下的操作，该操作包括：
接受与网织红血球或红细胞的时间依赖性联合体积-血红蛋白分布相关的第一组参数；
基于所述第一组参数，评估红细胞的稳态分布；并
计算代表红细胞的评估稳态分布和经验分布之间的不相似程度的目标函数。
23.权利要求22的计算机可读存储装置，其进一步包含如下的指令：
若所述目标函数的数值满足预定的阈值条件，则调节所述第一组参数，以提供第二组参数，使得相应的评估稳态分布和所述经验分布之间的不相似程度降低；并
对所述一个或多个处理器提供所述第二组参数作为第一组参数。
24.权利要求22-23中任一项的计算机可读存储装置，其中所述网织红血球或红细胞的时间依赖性联合体积-血红蛋白分布基于自患者获得的血液样品。
25.权利要求22-24中任一项的计算机可读存储装置，其中基于线性算子和测量的分布状态的组合评估所述稳态分布。
26.权利要求25的计算机可读存储装置，其中所述线性算子包含至少一个雅可比行列式和至少一个拉普拉斯算子。
27.一种系统，其包含：
计算装置，该计算装置包含：
用于存储指令的存储器，和
检测模块，其包含一个或多个能够执行存储指令的处理器或处理装置以实施如下的操作，该操作包括：
接受与网织红血球或红细胞的时间依赖性联合体积-血红蛋白分布相关的第一组参数；
基于所述第一组参数，评估红细胞的稳态分布；并
计算代表红细胞的评估稳态分布和经验分布之间的不相似程度的目标函数。
28.权利要求27的系统，其进一步配置为：
若所述目标函数的数值满足预定的阈值，则调节所述第一组参数，以提供第二组参数，使得相应的评估稳态分布和所述经验分布之间的不相似程度降低；并
对所述一个或多个处理器提供所述第二组参数作为第一组参数。
29.权利要求27-28中任一项的系统，其中所述网织红血球或红细胞的时间依赖性联合体积-血红蛋白分布基于自患者获得的血液样品。
30.权利要求27-29中任一项的系统，其中基于线性算子和测量的分布状态的组合评估所述稳态分布。
31.权利要求30的系统，其中所述线性算子包含至少一个雅可比行列式和至少一个拉普拉斯算子。
32.一种计算机执行的方法，包括：
接受与网织红血球或红细胞的时间依赖性联合体积-血红蛋白分布相关的第一组参数；
基于所述第一组参数，评估红细胞的稳态分布；并
计算代表红细胞的所述评估稳态分布和经验分布之间的不相似程度的目标函数。
33.权利要求32的方法，其进一步包括：
若所述目标函数的数值满足预定的阈值条件，则调节所述第一组参数，以提供第二组参数，使得相应的评估稳态分布和所述经验分布之间的不相似程度降低；并
对所述一个或多个处理器提供所述第二组参数作为第一组参数。
34.权利要求32-33中任一项的方法，其中所述网织红血球或红细胞的时间依赖性联合体积-血红蛋白分布基于自患者获得的血液样品。
35.权利要求32-34中任一项的方法，其中基于线性算子和测量的分布状态的组合评估所述稳态分布。
36.权利要求35的方法，其中所述线性算子包含至少一个雅可比行列式和至少一个拉普拉斯算子。
CN2011800552783A 2010-09-16 2011-09-16 供诊断用的红细胞动力学 Pending CN103430028A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US38335710P 2010-09-16 2010-09-16
US61/383,357 2010-09-16
PCT/US2011/052038 WO2012037524A2 (en) 2010-09-16 2011-09-16 Red blood cell dynamics for diagnosis

Publications (1)

Publication Number Publication Date
CN103430028A true CN103430028A (zh) 2013-12-04

Family

ID=45832278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011800552783A Pending CN103430028A (zh) 2010-09-16 2011-09-16 供诊断用的红细胞动力学

Country Status (6)

Country Link
US (2) US9938557B2 (zh)
EP (2) EP2616818B1 (zh)
JP (3) JP5868982B2 (zh)
CN (1) CN103430028A (zh)
IL (2) IL225275A (zh)
WO (1) WO2012037524A2 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5868982B2 (ja) 2010-09-16 2016-02-24 ザ ジェネラル ホスピタル コーポレイション 診断のための赤血球動力学
US20170108487A1 (en) * 2014-06-05 2017-04-20 The General Hospital Corporation Predicting morbidity associated with red blood cell volume variance
US20160161510A1 (en) * 2014-12-05 2016-06-09 C A Casyso Ag Blood Testing System Result Interpreter Interface and Methods
WO2017106461A1 (en) 2015-12-15 2017-06-22 The General Hospital Corporation Methods of estimating blood glucose and related systems
US11293852B2 (en) 2016-04-07 2022-04-05 The General Hospital Corporation White blood cell population dynamics
US11406293B2 (en) 2017-02-21 2022-08-09 Abbott Diabetes Care Inc. Methods, devices, and systems for physiological parameter analysis
US20220293210A1 (en) * 2019-08-20 2022-09-15 The General Hospital Corporation Single-cell modeling of clinical data to determine red blood cell regulation
JPWO2022102734A1 (zh) * 2020-11-13 2022-05-19
KR102517894B1 (ko) * 2021-02-23 2023-04-04 연세대학교 산학협력단 당뇨발에 의한 하지 절단 수술의 치료 반응성을 예측하는 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU683749A1 (ru) * 1973-12-14 1979-09-05 Л. А. Тиунов, А. И. Клиорнн и Т. С. Колосова Способ количественного определени скорости распада гемоглобина в крови
US20070172955A1 (en) * 2006-01-20 2007-07-26 Beckman Coulter, Inc. Low Hemoglobin Concentration Cell Percentage and Method of Use in Detection of Iron Deficiency
CN101158691A (zh) * 2007-11-16 2008-04-09 东南大学 糖化血红蛋白含量的电化学检测方法及检测装置

Family Cites Families (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL8601000A (nl) 1986-04-21 1987-11-16 Jan Greve T H Twente Afdeling Het gebruik van gepolariseerd licht in stromingscytometrie.
JPH07119757B2 (ja) 1991-03-31 1995-12-20 日本光電工業株式会社 血球計数装置
EP0626067A4 (en) 1992-02-07 1997-06-25 Abbott Lab METHOD FOR ACCURATELY COUNTING AND SENSITIVELY CLASSIFYING HETEROGENEOUS CELL POPULATIONS UNDER CYTOLYTIC PROCESSING CONDITIONS.
US5369014A (en) * 1992-08-17 1994-11-29 Beth Israel Hospital Assoc. In-vitro method for determining a surreptitious use of exogenous erythropoiesis stimulating agents by a normal living subject
US5956501A (en) 1997-01-10 1999-09-21 Health Hero Network, Inc. Disease simulation system and method
JP3703858B2 (ja) 1993-09-30 2005-10-05 シスメックス株式会社 帰属度判別装置
US5812419A (en) 1994-08-01 1998-09-22 Abbott Laboratories Fully automated analysis method with optical system for blood cell analyzer
US5631165A (en) 1994-08-01 1997-05-20 Abbott Laboratories Method for performing automated hematology and cytometry analysis
JPH11326315A (ja) * 1998-05-21 1999-11-26 Sysmex Corp β−サラセミアの鑑別方法
US6030838A (en) 1998-09-24 2000-02-29 Emt & Associates, Inc. Hematological parameter
US6228652B1 (en) 1999-02-16 2001-05-08 Coulter International Corp. Method and apparatus for analyzing cells in a whole blood sample
AU775260B2 (en) 1999-03-31 2004-07-29 Bayer Corporation Single channel, single dilution detection method
AU5901501A (en) 1999-10-19 2001-10-23 Nicholas R. Abu-Absi Measurement of nutrient uptake in cells and methods based thereon
US6320656B1 (en) 2000-02-18 2001-11-20 Idexx Laboratories, Inc. High numerical aperture flow cytometer and method of using same
US6784981B1 (en) 2000-06-02 2004-08-31 Idexx Laboratories, Inc. Flow cytometry-based hematology system
EP1425589B1 (en) 2001-09-14 2007-12-05 F. Hoffmann-La Roche Ag Differential diagnosis of disorders of iron metabolism
US6916662B2 (en) 2003-01-31 2005-07-12 Abbott Laboratories Performance improvement for hematology analysis
US8614204B2 (en) 2003-06-06 2013-12-24 Fibrogen, Inc. Enhanced erythropoiesis and iron metabolism
FR2883972B1 (fr) 2005-03-31 2007-11-16 C2 Diagnostics Sa Procede pour l'analyse d'un echantillon de sang et appareil et reactif pour sa mise en oeuvre
US7788045B2 (en) 2005-09-01 2010-08-31 Meditasks, Llc Systems and method for homeostatic blood states
US7586589B2 (en) 2005-09-24 2009-09-08 Beckman Coulter, Inc. Methods of determination of responsiveness to erythropoietin treatment
US8481323B2 (en) 2005-10-28 2013-07-09 Hewlett-Packard Development Company, L.P. Systems and methods for measuring glycated hemoglobin
US7674622B2 (en) 2006-12-22 2010-03-09 Abbott Laboratories, Inc. Method for determination of nucleated red blood cells and leukocytes in a whole blood sample in an automated hematology analyzer
US7804594B2 (en) 2006-12-29 2010-09-28 Abbott Laboratories, Inc. Method and apparatus for rapidly counting and identifying biological particles in a flow stream
JP4949898B2 (ja) 2007-03-09 2012-06-13 シスメックス株式会社 血球分析装置
NZ555163A (en) 2007-05-14 2010-05-28 Fonterra Co Operative Group Methods of immune or hematological enhancement, inhibiting tumour formation or growth, and treating or preventing cancer, cancer symptoms, or the symptoms of cancer treatments
JP5025371B2 (ja) 2007-07-31 2012-09-12 シスメックス株式会社 血液分析装置
EP2085486A1 (en) 2008-02-01 2009-08-05 Assistance Publique - Hopitaux de Paris Methods and kits for the rapid determination of patients at high risk of death during septic shock
ES2464572T3 (es) 2008-03-21 2014-06-03 Abbott Point Of Care, Inc. Método y aparato para determinar los índices de células sanguíneas rojas en una muestra de sangre utilizando la pigmentación intrínseca de la hemoglobina contenida en las células sanguíneas rojas
US9602777B2 (en) 2008-04-25 2017-03-21 Roche Diagnostics Hematology, Inc. Systems and methods for analyzing body fluids
US8911669B2 (en) 2009-08-24 2014-12-16 Abbott Laboratories Method for flagging a sample
JP5366747B2 (ja) 2009-09-30 2013-12-11 シスメックス株式会社 分析装置
WO2011057744A1 (en) 2009-11-13 2011-05-19 Roche Diagnostics Gmbh Differential diagnosis of iron deficiencies based on hepcidin and mean hemoglobin content per reticulocyte
WO2011082342A1 (en) 2009-12-31 2011-07-07 Abbott Point Of Care, Inc. Method and apparatus for determining mean cell volume of red blood cells
US8906308B2 (en) 2010-01-15 2014-12-09 Abbott Laboratories Method for determining volume and hemoglobin content of individual red blood cells
JP5868982B2 (ja) 2010-09-16 2016-02-24 ザ ジェネラル ホスピタル コーポレイション 診断のための赤血球動力学
US9064301B2 (en) 2011-04-14 2015-06-23 Abbott Point Of Care, Inc. Method and apparatus for compressing imaging data of whole blood sample analyses
ES2828660T3 (es) 2012-07-05 2021-05-27 Beckman Coulter Inc Método y aparato para determinar recuentos de leucocitos
US20140324460A1 (en) 2012-09-26 2014-10-30 Health Diagnostic Laboratory, Inc. Method for determining and managing total cardiodiabetes risk
US9351670B2 (en) 2012-12-31 2016-05-31 Abbott Diabetes Care Inc. Glycemic risk determination based on variability of glucose levels
US20170108487A1 (en) 2014-06-05 2017-04-20 The General Hospital Corporation Predicting morbidity associated with red blood cell volume variance
EP3265591A4 (en) 2015-03-06 2019-04-10 Irepertoire,inc. METHOD OF MEASURING A CHANGE IN THE IMMUNOREPERTOIRE OF AN INDIVIDUAL
WO2017192739A1 (en) 2016-05-04 2017-11-09 LabThroughput LLC System and method for distinguishing blood components

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU683749A1 (ru) * 1973-12-14 1979-09-05 Л. А. Тиунов, А. И. Клиорнн и Т. С. Колосова Способ количественного определени скорости распада гемоглобина в крови
US20070172955A1 (en) * 2006-01-20 2007-07-26 Beckman Coulter, Inc. Low Hemoglobin Concentration Cell Percentage and Method of Use in Detection of Iron Deficiency
CN101158691A (zh) * 2007-11-16 2008-04-09 东南大学 糖化血红蛋白含量的电化学检测方法及检测装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ALEXANDRA M.HARRINGTON, ET AL.: "Iron Deficiency Anemia, β-Thalassemia Minor, and Anemia of Chronic Disease.", 《AM J CLIN PATHOL》 *
DOC C.ROCKEY, ET AL.: "Evaluation of the Gastrointestinal Tract in Patients with Iron-Deficiency Anemia.", 《THE NEW ENGLAND JOURNAL OF MEDICINE》 *

Also Published As

Publication number Publication date
EP3246709A2 (en) 2017-11-22
EP2616818A4 (en) 2014-04-02
IL225275A (en) 2017-09-28
WO2012037524A3 (en) 2012-06-21
JP2016035467A (ja) 2016-03-17
JP2018009992A (ja) 2018-01-18
JP6185030B2 (ja) 2017-08-23
IL253807A0 (en) 2017-09-28
EP2616818B1 (en) 2017-03-15
EP3246709A3 (en) 2018-02-14
WO2012037524A2 (en) 2012-03-22
JP2013541712A (ja) 2013-11-14
US20130236566A1 (en) 2013-09-12
US9938557B2 (en) 2018-04-10
US11319571B2 (en) 2022-05-03
IL253807B (en) 2018-07-31
JP6522059B2 (ja) 2019-05-29
US20180187235A1 (en) 2018-07-05
JP5868982B2 (ja) 2016-02-24
IL225275A0 (en) 2013-06-27
EP2616818A2 (en) 2013-07-24

Similar Documents

Publication Publication Date Title
CN103430028A (zh) 供诊断用的红细胞动力学
Chen et al. Random forest in clinical metabolomics for phenotypic discrimination and biomarker selection
Burke Genetic tests: clinical validity and clinical utility
Westman et al. Multivariate analysis of MRI data for Alzheimer's disease, mild cognitive impairment and healthy controls
Raghavan et al. A review of cutoffs for nutritional biomarkers
Kim et al. Absolute quantification of tumor-infiltrating immune cells in high-grade glioma identifies prognostic and radiomics values
JP2012519848A (ja) 細胞集団識別のための機器間の方法およびシステム
CN103958662A (zh) 用于疾病生物标记鉴定和样品质量评价的优选样品处理和加工方案的选择
CN109791124A (zh) 质谱分析数据解析装置及解析方法
US11885733B2 (en) White blood cell population dynamics
CN110199198A (zh) 用于评估卵巢癌的代谢生物标志物组
Ramoji et al. Leukocyte activation profile assessed by Raman spectroscopy helps diagnosing infection and sepsis
Kosa et al. Enhancing the clinical value of serum neurofilament light chain measurement
Paproski et al. Building predictive disease models using extracellular vesicle microscale flow cytometry and machine learning
Jorissen et al. Immunoscore—has it scored for colon cancer precision medicine?
US10274412B2 (en) Flow cytometry data segmentation result evaluation systems and methods
Yu et al. Leukemia can be Effectively Early Predicted in Routine Physical Examination with the Assistance of Machine Learning Models
Ezra et al. Multi-Dimensional Laboratory Test Score as a Proxy for Health
Shi et al. Analysis of Cerebrospinal Fluid Carbohydrate Antigen Series Biomarkers in Non-neoplastic Diseases
US20200041511A1 (en) Effector type regulatory t cell detecting method, effector type regulatory t cell analyzing device, effector type regulatory t cell analyzing system, and non-transitory storage medium
Goodfellowa et al. Can biofluids metabolic profiling help to improve healthcare during pregnancy?
Hoffman et al. Challenges in hematology diagnostics.
TZ et al. c) Agent. LoNooNI, Alessandra. A s Partners sL, via
Smolinska NMR AND PATTERN RECOGNITION METHODS IN METABOLOMICS. FROM DATA ACQUISITION TO BIOMARKER DISCOVERY.
Selliah et al. Flow cytometry advantages in immunotherapy clinical trials

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20131204