CN108417267A - 一种确定肝硬化肝肾综合征患者短期预后的系统 - Google Patents

一种确定肝硬化肝肾综合征患者短期预后的系统 Download PDF

Info

Publication number
CN108417267A
CN108417267A CN201810225442.4A CN201810225442A CN108417267A CN 108417267 A CN108417267 A CN 108417267A CN 201810225442 A CN201810225442 A CN 201810225442A CN 108417267 A CN108417267 A CN 108417267A
Authority
CN
China
Prior art keywords
patient
measured
liver
hepatorenal syndrome
memory
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.)
Granted
Application number
CN201810225442.4A
Other languages
English (en)
Other versions
CN108417267B (zh
Inventor
杨志云
张栓
刘晓利
王宪波
江宇泳
杨玉英
于浩
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.)
Beijing Ditan Hospital
Original Assignee
Beijing Ditan Hospital
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 Beijing Ditan Hospital filed Critical Beijing Ditan Hospital
Priority to CN201810225442.4A priority Critical patent/CN108417267B/zh
Publication of CN108417267A publication Critical patent/CN108417267A/zh
Application granted granted Critical
Publication of CN108417267B publication Critical patent/CN108417267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本公开提供了一种确定肝肾综合征患者短期预后的系统。该系统包括输入装置、计算装置和输出装置，所述计算装置包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被配置为执行所述存储器中存储的计算机程序，以实现判别函数的算法。该判别函数通过肝癌史、肌酐(Cr)、中性粒细胞百分比(NE％)和谷丙转氨酶(ALT)返回了待测患者的肝肾综合征患者短期预后。本公开利用现有的易获得的临床化验指标进行分析比较，并建立肝硬化肝肾综合征患者生存预后评分模型，指导患者进一步完善相关治疗以延长患者的生存时间。

Description

一种确定肝硬化肝肾综合征患者短期预后的系统
技术领域
本公开涉及医药领域，具体地，涉及一种确定肝硬化肝肾综合征患者短期预后的系统。
背景技术
肝硬化肝肾综合征(hepatorenal syndrome,HRS)是在严重肝脏疾病的基础上出现的功能性肾功能衰竭。其典型的临床表现为自发性少尿或无尿、氮质血症、稀释性低钠血症和低钠尿。肝硬化肝肾综合征临床分为Ι型和Ⅱ型，Ι型HRS 2周内血肌酐升高超过2倍，达到或超过226μmol/L，Ⅱ型HRS血肌酐升高在133～226μmol/L之间。Ι型HRS病情严重，进展速度较快，中位生存时间2周；Ⅱ型HRS病情进展相对缓慢，肝肾功能损害程度相对较轻，中位生存时间6个月。不论Ι型HRS或者Ⅱ型HRS，一旦发生，预后极差，死亡率极高。目前肝肾综合征发病机制尚未完全阐明，肝移植被认为是目前唯一有效治疗方法，但仍然缺乏足够的循证医学证据。目前对该病的认识尚不充分，治疗上也存在诸多困难。
肝肾综合征预后的多因素评分系统包括CTP评分和终末期肝病模型(MELD)。Child-Turcotte-Pugh评分简称CTP评分，由Wantz和Payne在1961年首先提出，后来Pugh对其进行了修改。大于等于10分的为C级。但是其没有考虑具体的病因因素；对病情严重程度无法细分。终末期肝病模型(MELD)：在21世纪，美国人通过对231例施行经颈静脉肝内门体分流术患者的资料，利用Cox比例风险模型首创了“终末期肝病模型(MELD)。Alessandria等通过统计分析肝移植患者的病例资料，发现MELD评分可以预测肝硬化肝肾综合征患者的预后，Schepke等研究表明Ⅰ型肝肾综合征患者为终末期肝病患者死亡的独立危险因素，其住院期间死亡率高达73.02％，该研究发现，死亡组患者总胆红素、血肌酐和MELD值显著高于生存组，表明这些指标对判断预后有重要意义。为排除混杂因素影响，应用logistic多元回归分析进行研究，发现MELD值每升高1单位，Ⅰ型HRS患者住院期间死亡风险增加26.4％，而总胆红素和血肌酐等值也与预后有关。一项研究对终末期肝病模型划线和肝功能分级划线进行比较，比较发现终末期肝病模型划线在预测患有肝硬化肝肾综合征患者的存活几率方面更客观高效。林刚等认为MELD每升高1个单位，HRS患者死亡风险增加33.8％，总胆红素每升高1个单位，HRE患者死亡风险增加20.5％，血肌酐每升高1个单位，HRS患者死亡风险增加18.5％。
综合以上对于肝肾综合征生存预后的多种方法，可以看出肝肾综合征预后差，病死率高。对于选择恰当的治疗方法尤为重要。现已有多种评分标准以及辅助检查对肝肾综合征预后预测的研究，普遍认为对肝肾综合征预后的预测，MELD评分优于CTP评分。但是，目前还缺乏一个更有效地对于我国肝硬化肝肾综合征患者短期预后的判定方法。
发明内容
本公开的目的是对肝硬化肝肾综合征患者短期预后进行简便快速且有效地确定。
为了实现上述目的，本公开提供了一种确定肝硬化肝肾综合征患者短期预后的系统。该系统包括输入装置、计算装置和输出装置，所述计算装置包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被配置为执行所述存储器中存储的计算机程序，以实现如式(1)所示的判别函数的算法。
F(c)＝sgn[1×c1+2×c2+1×c3+1×c4-2.5] 式(1)。
式(1)中，F(c)表示待测肝硬化肝肾综合征患者的生存概率，F(c)的返回值为1表示待测肝硬化肝肾综合征患者的生存概率较低，F(c)的返回值为-1时表示待测肝硬化肝肾综合征患者的生存概率较高。
如果待测患者患有肝癌，则c1为1，如果待测患者未患肝癌，则c1为0；如果待测患者肌酐(Cr)值大于127μmol/L，则c2为1，如果待测患者肌酐(Cr)值小于或等于127μmol/L，则c2为0；如果待测患者中性粒细胞百分比(NE％)大于70％，则c3为0如果待测患者中性粒细胞百分比(NE％)小于或等于70％，则c3为0；如果待测患者肝功指标中的谷丙转氨酶(ALT)大于40U/L，则c4为1，如果待测患者肝功指标中的谷丙转氨酶(ALT)小于或等于40U/L，则c4为0。
可选地，所述输入装置包括肝癌史输入器、肌酐(Cr)输入器、中性粒细胞百分比(NE％)输入器和谷丙转氨酶(ALT)输入器中的至少一者。
通过上述技术方案，本公开利用现有的易获得的临床化验指标进行分析比较，并建立肝硬化肝肾综合征患者生存预后评分模型，指导患者进一步完善相关治疗以延长患者的生存时间。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是PI模型诊断价值的ROC曲线图。
图2是评分模型的验证的结果图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
本公开提供了一种确定肝硬化肝肾综合征患者短期预后的系统。该系统包括输入装置、计算装置和输出装置，所述计算装置包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被配置为执行所述存储器中存储的计算机程序，以实现如式(1)所示的判别函数的算法。
F(c)＝sgn[1×c1+2×c2+1×c3+1×c4-2.5] 式(1)。
式(1)中，F(c)表示待测肝硬化肝肾综合征患者的生存概率，F(c)的返回值为1表示待测肝硬化肝肾综合征患者的生存概率较低，F(c)的返回值为-1时表示待测肝硬化肝肾综合征患者的生存概率较高。
如果待测患者患有肝癌，则c1为1，如果待测患者未患肝癌，则c1为0；如果待测患者肌酐(Cr)值大于127μmol/L，则c2为1，如果待测患者肌酐(Cr)值小于或等于127μmol/L，则c2为0；如果待测患者中性粒细胞百分比(NE％)大于70％，则c3为0如果待测患者中性粒细胞百分比(NE％)小于或等于70％，则c3为0；如果待测患者肝功指标中的谷丙转氨酶(ALT)大于40U/L，则c4为1，如果待测患者肝功指标中的谷丙转氨酶(ALT)小于或等于40U/L，则c4为0。
其中，待测患者是否患有肝癌是指按照2011年中华人民共和国卫生部正式修订的《原发性肝癌诊疗规范》中原发性肝癌的诊断标准诊断确认得到结果。
其中，肌酐(Cr)值是指患者血液中的肌酐(Cr)值，可以通过常规的临床检验方法检测得到。
其中，中性粒细胞百分比(NE％)是指临床血常规检验中常用的定义，可以通过临床血常规检验中常用的方式测定。
其中，所述肝功指标中的谷丙转氨酶(ALT)是指临床肝功检验中常用的定义，可以通过临床肝功检验中常用的方式测定。
以下，通过实施例进一步详细说明本公开的技术方案。
实施例1
回顾性收集2013年1月至2014年12月初次确诊为肝硬化肝肾综合征患者362，排除原发性肾脏疾病者62例，临床资料不完整者52例，最终有246例患者符合入组标准。196例肝肾综合征患者用于建模，其中生存130例，死亡66例；50例肝肾综合征患者用于验证，其中生存12例，死亡38例。肝肾综合征纳入标准：根据2007年国际腹水研究小组发表的关于HRS的定义与诊断标准对HRS进行诊断与分型。1)肝硬化合并腹水；2)血清肌酐＞133μmol/L；3)停用利尿剂至少2d以上并经白蛋白扩容后血肌酐值没有改善(推荐白蛋白输注剂量1g/kg，最高可达100g/d，血肌酐改善应≤133μmol/L)；4)排除休克状态；5)目前或近期无肾损害药物应用史；6)排除肾实质性疾病：尿蛋白＞500mg/d，尿红细胞＞50个/高视野和/或异常肾脏超声检查。肝肾综合征排除标准：1)合并HIV感染；2)合并原发性肾病；3)合并严重的肝外疾病；4)合并原发性心脏病；5)临床资料、相关检查检验结果不完整的患者。临床资料收集包括：(1)患者住院号、姓名、性别、年龄、确诊时间、既往史、吸烟史、饮酒史、家族史。(2)采集所有肝硬化肝肾综合征患者实验室指标：血常规：WBC、RBC、NE、LY、NLR、PLT；肝肾功能：ALT、AST、GGT、ALP、TBIL、DBIL、ALB、A/G、Cr；凝血功能：PT、PTA、APTT、INR。(3)肝脏影像：腹部彩超、肝脏CT、肝脏MRI。统计方法包括：(1)采用SPSS20.0进行统计分析，P<0.05被认为有统计学意义。(2)符合正态分布的定量资料采用均数±标准差(Mean±SD)表示，两组均数比较采用t检验，不符合正态分布的(M,QR)表示，两组之间比较采用秩和检验；计数资料用频数表示，比较采用卡方检验。(3)采用逻辑回归分析建立生存预后诊断模型，将单因素P<0.20的多因素纳入多因素回归模型，转化回归系数为整数进行评分并累计，建立接受者工作特征曲线(receiver operating characteristic curve，ROC curve)，应用曲线下面积(AreaUnder Curve,AUC)评价其预测准确性。(4)采用曲线下面积(Area Under Curve,AUC)将验证组带入模型验证模型预测准确性。
196肝硬化肝肾综合征患者，发生死亡的有130例，生存66例，比较两组基线特征，发现死亡组患者中白细胞总数、中性粒细胞百分比、血钠、血氯、血肌酐、谷丙转氨酶、总胆红素、MELD评分、CRP水平等较生存组高，肝癌患者的死亡率较高，有统计学意义。见表1。
表1 两组患者基线生化指标比较
196例患者中，有肝癌的84例，无肝癌的112例，比较两组基线特征发现肝癌组患者白细胞数、中性粒细胞百分比、血钠、血氯、血小板数、谷丙转氨酶、CRP水平较无肝癌组高，有统计学意义。见表2。
表2 两组患者基线比较
经logistic多因素生存分析,得出与预后有关的4个独立因素为:肝癌、NE％>70％、ALT>40U/L、Cr>127mmol/l为肝硬化肝肾综合征患者生存预后的独立影像因素。上述4个独立影响因素的危险因素的相对危险度(relative risk,OR)分别为：肝癌：3.013(95％CI,1.3566.696)NE％>70％:3.498(95％1.6277.525)、Cr>127umol/l:4.796(95％2.277-10.101)、ALT>40IU/L：3.223(95％1.474-7.044)。见表3
表3 多因素逻辑回归分析
以肝癌的回归系数1.103作为参考，死亡风险评分为1分，评分设为1分，对其他危险因素进行整数转换，NE％>70％为1分，ALT>40U/L为1分，Cr>127mmol/l为2分。见表4。
表4 肝硬化肝肾综合征患者死亡风险预警评分赋值
通过ROC曲线，得出评分的cut-off值为2.5。
将逻辑回归分析的多因素及评分模型分别构建ROC曲线，结果显示评分模型(PI)的曲线下面积(AUC)最大，为0.835具有诊断价值，中性粒细胞百分比分层、血肌酐分层、谷丙转氨酶分层、Meld评分分层的ROC曲线下面积分别为0.742、0.768、0.701、0.774。模型预测肝硬化肝肾综合征患者发生死亡的风险比任意一个单独指标要高。结果见图1。
验证构建模型的预测能力：采用2014年08月至2014年12月住院的50例诊断为肝硬化肝肾综合征患者，其中发生死亡的患者38例，生存患者12例。将新建评分模型代入验证组分析ROC曲线下面积，ROC曲线下面积为0.782，可见该评价模型具有较高的预测肝肾综合征患者短期生存预后的价值。结果见图2。
通过上述结果可见，本公开通过分析比较肝硬化肝肾综合征患者生存组和死亡组的临床检测指标，建立肝硬化肝肾综合征患者生存预后评分模型，通过比较得出肝癌，NE％>70％、ALT>40U/L、Cr>127mmol/l为肝硬化肝肾综合征患者发生死亡的独立危险因素；还通过逻辑回归建立包含上述4项危险因素的评分模型；然后进一步内部验证了模型(PI)的灵敏度和特异度。通过本研究为高危人群早期干预提供了临床支持。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (2)

1.一种确定肝硬化肝肾综合征患者短期预后的系统，其特征在于，该系统包括输入装置、计算装置和输出装置，所述计算装置包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被配置为执行所述存储器中存储的计算机程序，以实现如式(1)所示的判别函数的算法；
F(c)＝sgn[1×c1+2×c2+1×c3+1×c4-2.5] 式(1)
式(1)中，F(c)表示待测肝硬化肝肾综合征患者的生存概率，F(c)的返回值为1表示待测肝硬化肝肾综合征患者的生存概率较低，F(c)的返回值为-1时表示待测肝硬化肝肾综合征患者的生存概率较高；
如果待测患者患有肝癌，则c1为1，如果待测患者未患肝癌，则c1为0；如果待测患者肌酐(Cr)值大于127μmol/L，则c2为1，如果待测患者肌酐(Cr)值小于或等于127μmol/L，则c2为0；如果待测患者中性粒细胞百分比(NE％)大于70％，则c3为0如果待测患者中性粒细胞百分比(NE％)小于或等于70％，则c3为0；如果待测患者肝功指标中的谷丙转氨酶(ALT)大于40U/L，则c4为1，如果待测患者肝功指标中的谷丙转氨酶(ALT)小于或等于40U/L，则c4为0。
2.根据权利要求1所述的系统，其中，所述输入装置包括肝癌史输入器、肌酐(Cr)输入器、中性粒细胞百分比(NE％)输入器和谷丙转氨酶(ALT)输入器中的至少一者。
CN201810225442.4A 2018-03-19 2018-03-19 一种确定肝硬化肝肾综合征患者短期预后的系统 Active CN108417267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810225442.4A CN108417267B (zh) 2018-03-19 2018-03-19 一种确定肝硬化肝肾综合征患者短期预后的系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810225442.4A CN108417267B (zh) 2018-03-19 2018-03-19 一种确定肝硬化肝肾综合征患者短期预后的系统

Publications (2)

Publication Number Publication Date
CN108417267A true CN108417267A (zh) 2018-08-17
CN108417267B CN108417267B (zh) 2020-05-05

Family

ID=63132259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810225442.4A Active CN108417267B (zh) 2018-03-19 2018-03-19 一种确定肝硬化肝肾综合征患者短期预后的系统

Country Status (1)

Country Link
CN (1) CN108417267B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113782211A (zh) * 2021-10-27 2021-12-10 首都医科大学附属北京地坛医院 乙肝肝硬化病患发生慢性肾脏病的风险预警模型建立方法、预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060173629A1 (en) * 2005-02-03 2006-08-03 Thierry Poynard Diagnosis method of hepatic steatosis using biochemical markers
CN1973778A (zh) * 2006-12-08 2007-06-06 南京大学 胃癌术后严重并发症风险度的预测方法
CN106055898A (zh) * 2016-05-27 2016-10-26 石河子大学 胃癌患者的预后方法
EP3470843A1 (en) * 2017-10-16 2019-04-17 Biopredictive Method of prognosis of primary liver cancer

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060173629A1 (en) * 2005-02-03 2006-08-03 Thierry Poynard Diagnosis method of hepatic steatosis using biochemical markers
CN1973778A (zh) * 2006-12-08 2007-06-06 南京大学 胃癌术后严重并发症风险度的预测方法
CN106055898A (zh) * 2016-05-27 2016-10-26 石河子大学 胃癌患者的预后方法
EP3470843A1 (en) * 2017-10-16 2019-04-17 Biopredictive Method of prognosis of primary liver cancer

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
文玉娜等: "乙肝后肝硬化患者死亡概率预测模型建立与评价", 《中国公共卫生》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113782211A (zh) * 2021-10-27 2021-12-10 首都医科大学附属北京地坛医院 乙肝肝硬化病患发生慢性肾脏病的风险预警模型建立方法、预测方法

Also Published As

Publication number Publication date
CN108417267B (zh) 2020-05-05

Similar Documents

Publication Publication Date Title
Ismail et al. Clinical and chest computed tomography features of patients suffering from mild and severe COVID-19 at Fayoum University Hospital in Egypt
US20210011005A1 (en) Systems and methods for evaluating immune response to infection
US20240053253A1 (en) Systems and methods for evaluating immune response to infection
CN112201318A (zh) 实验室指标模型在covid-19患者危险分层中的应用方法
Ergenc et al. Predictors of disease severity, clinical course, and therapeutic outcome in COVID-19 patients: Our experience with 1700 patients
Wu et al. Prediction of the sarcopenia in peritoneal dialysis using simple clinical information: A machine learning‐based model
CN108417267A (zh) 一种确定肝硬化肝肾综合征患者短期预后的系统
Zhu et al. An elevated Fibrosis-4 score is associated with poor clinical outcomes in patients with sepsis: an observational cohort study.
Wolde Hematology, immunology and clinical chemistry profiles of COVID-19 patients: Systematic review
Iovanescu et al. Diabetes mellitus and renal involvement in chronic viral liver disease
Li et al. Development and validation of a routine blood parameters-based model for screening the occurrence of retinal detachment in high myopia in the context of PPPM
Xiao et al. Triage modeling for differential diagnosis between COVID-19 and human influenza a pneumonia: classification and regression tree analysis
CN113782211A (zh) 乙肝肝硬化病患发生慢性肾脏病的风险预警模型建立方法、预测方法
RU2557927C1 (ru) Способ диагностики фиброза печени при хроническом вирусном гепатите с
Dumea et al. Clinical, biochemical and pulmonary CT imaging features for hepatobiliary involvement in COVID-19
D’Angelo et al. Intravascular large B-cell lymphoma presenting with altered mental status: a case report
TWI544216B (zh) 一種用以預斷肝硬化病患發生肝癌之風險的方法
CN103336127A (zh) 一种早期肝病、肝纤维化和肝硬化指示剂与诊断剂
Yushchuk et al. Hematocytological, biochemical, and hemostasis parameters' role in predicting the possibility of the various forms of the COVID‐19 course in hospitalized Ukrainian patients: A cross‐sectional study
Yi et al. Development and Validation of a Model for the Prediction of the Risk of Pneumonia in Patients with SARS-CoV-2 Infection
Ji et al. Clinical findings in a group of COVID-19 patients: a single-center retrospective study
Güven et al. Use of the derived isohemagglutinin parameter to predict patients with COVID-19 in need of an intensive care unit
Wang et al. The Renal Prognosis Prediction Model of Diabetes Nephropathy Based on Machine Learning: TH-PO014
Abougazia et al. Research Article Chest X-Ray Findings in COVID-19 Patients Presenting to Primary Care during the Peak of the First Wave of the Pandemic in Qatar: Their Association with Clinical and Laboratory Findings
Oyelade et al. Application of physiological network mapping in the prediction of survival in critically ill patients with acute liver failure

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant