CN111834009A

CN111834009A - 多标记风险分层

Info

Publication number: CN111834009A
Application number: CN202010424423.1A
Authority: CN
Inventors: J.V.斯奈德; R.W.格温; S.雅各布森
Original assignee: Critical Care Diagnostics Inc
Current assignee: Critical Care Diagnostics Inc
Priority date: 2012-08-21
Filing date: 2013-08-21
Publication date: 2020-10-27
Also published as: SG10201608854TA; MX2015002254A; JP2015532715A; HK1212057A1; US20170169179A1; AU2013305829A1; US20190237197A1; US20200335220A1; EP2888687B1; EP2888687A1; JP2020034573A; HK1208092A1; AU2019201709B2; MX2020009943A; EP2888687A4; AU2019201709A1; JP6902083B2; US20140058743A1; JP6621520B2; CA2882303A1

Abstract

本发明涉及基于包括生物标记(如ST2)和其他临床参数(如年龄)的组合的多标记风险分层来预测具有诸如心脏衰竭的心血管疾病的治疗对象的死亡风险的方法。循环的ST2和利钠肽(如NT‑proBNP)浓度的测量对治疗对象的预后评估是有用的，特别是，对于不良临床结果的预测，例如死亡、转移和心脏衰竭。

Description

多标记风险分层

本申请是基于申请日为2013年8月21日，优先权日为2012年8月21日，申请号为201380054795.8，发明名称为：“多标记风险分层”的专利申请的分案申请。

优先权声明

本申请要求于2012年8月21日提交的美国临时专利申请序列号61/691,706的优先权。前述申请的全部内容通过引用合并于此。

技术领域

本发明涉及一种基于包括生物标记(如ST2)和其他临床参数(如年龄)的组合的多个标记来预测具有诸如心脏衰竭的心血管疾病的治疗对象(subject)的死亡风险的方法。

背景技术

用于由于心脏衰竭的死亡风险的确定的临床评估可能并不总是直截了当的。是对治疗对象激进治疗还是保守治疗、或者是将治疗对象接纳为住院病人还是将他们送回家的决定，有时可能仅仅基于医生对于个体的实际条件的临床评估或“直觉(gut feeling)”来作出的。用于确定治疗对象的死亡的可能性的方案(formula)将会显著提高医生做出明智的治疗决定、改善病人护理和降低整体健康护理成本的能力。已普遍提出用于具有急性冠脉综合征的病人的、风险分层(risk stratification)的多标记方法，参见，例如Sabatine等人的，循环(Circulation)105(15)：1760-3(2002))，以及在第8090562号美国专利中描述的用于预测主要不良心血管事件的风险的方法。

发明内容

本发明至少部分地基于如下发现：包括生物标记ST2的血清水平(也称为白细胞介素1受体样1(Interleukin 1Receptor Like 1，IL1RL-1))的多个标记，与诸如年龄和至少一个其他的生物标记(例如肌钙蛋白或利钠肽(natriuretic peptide，NP)，诸如脑型利钠肽的非活性N-端片段(NT-pro-BNP))的水平的临床参数结合，可以被用于预测在特定时段之内由于CVD而死亡的可能性，该特定时段例如，30天、3个月或6个月、或者一年或更长时间(如，2年、5年或10年)。

在此提供评估治疗对象(如，具有或被诊断为心脏衰竭的治疗对象)在特定时段(例如，3个月、6个月、或一年或一年以上(如，2年、5年或10年))之内死亡风险的方法，其包括：基于治疗对象的年龄、治疗对象的ST2的水平，并结合治疗对象的脑利钠肽(brainnatriuretic peptide，BNP)的水平的自然对数、治疗对象的肌钙蛋白的水平、纽约心脏协会(NYHA)得分、心血管疾病(CAD)的历史、收缩血压的自然对数、肾功能的测量或血红蛋白(Hgb)水平的自然对数、以及年龄中的一个或多个，来确定该治疗对象的多标记死亡风险得分；并将该多标记死亡风险得分与参考多标记死亡风险得分比较；

其中，达到或超过参考多标记死亡风险得分的多标记死亡风险得分的存在指示该治疗对象在特定时段内具有增加(increased)的死亡风险，并且低于参考多标记死亡风险得分的多标记死亡风险得分的存在指示该治疗对象在特定时段内(如在一年之内)具有减少(decreased)的死亡风险。

在一些实施例中，风险得分使用如下算法之一来确定：

(1)年龄+ST2+ln_SBP+CAD+ln_NTpro-BNP

(2)年龄+ST2+ln_NTpro-BNP

(3)年龄+ST2+肌钙蛋白+NYHA

(4)年龄+ST2+[肌钙蛋白或NYHA]

(5)年龄+ST2+[肌钙蛋白和/或NYHA]+ln_Hgb

(6)年龄+ST2+[肌钙蛋白和/或NYHA]+ln_Hgb

(7)年龄+ST2+[肌钙蛋白和/或NYHA]+ln_Hgb+ln_SBP

(8)年龄+ST2+[肌钙蛋白和/或NYHA]+ln_Hgb+ln_SBP+ln_NTpro-BNP。

在一些实施例中，ST2的水平被确定并与阈值比较，而且若存在达到或超过该阈值的水平，则被计分为“1”，以及如存在低于该阈值的水平，则被计分为“0”。在一些实施例中，ST2的阈值水平为35或50毫微克/毫升(ng/mL)。在一些实施例中，算法(1)或(2)被使用，并且ST2的阈值水平为35毫微克/毫升。在一些实施例中，算法(3)或(4)被使用，并且ST2的阈值水平为50毫微克/毫升。在一些实施例中，该治疗对象已被诊断为具有心血管疾病(如心脏衰竭)。在一些实施例中，参考多标记死亡风险得分代表与在特定时段之内(如3个月、6个月、1年、2年、5年或10年之内)的低死亡风险相对应的得分。在一些实施例中，样本包含血清、血液、血浆、尿液、或身体组织。

在一些实施例中，该治疗对象具有25-29的BMI、≥30的BMI、或肾功能不全。一些实施例还包括：让治疗对象出院，或者基于使用在此描述的方法中的任何一个所确定的增加的死亡风险的存在，按照住院病人治疗该治疗对象。例如，被识别为在特定时段之内(如3个月、6个月、1年、2年、5年或10年之内)具有增加的死亡风险的治疗对象被按照住院病人来治疗(如，新入院或继续住院)，或者被识别为在特定时段之内(如3个月、6个月、1年、2年、5年或10年之内)具有减少的死亡风险的治疗对象出院或者继续按照非住院病人(outpatient)来治疗。一些实施例还包括：对于(如使用在此描述的方法中的任何一个)被识别为在特定时段之内具有增加的死亡风险的治疗对象，选择和/或执行增加的心脏监测(例如，本文描述的或本领域已知的增加的心脏监测的示例中的任一个)；对于(如使用在此描述的方法中的人一个)被识别为在特定时段之内(如检查之间间隔大于6个月、检查之间间隔大于9个月或检查之间间隔一年或一年以上)具有降低的死亡风险的治疗对象，选择和/或执行低频率的监测(例如，心脏监测)。如在此描述的，增加的心脏监测可以是，例如对治疗对象的心脏功能的监测(如心电图(诸如动态心电图)、胸部X光检查，超声心动图、压力测试、计算机断层扫描、磁共振成像、正电子发射断层摄影术和心脏导管插入术)或在一段时间内对治疗对象的可溶性ST2的水平的监测。增加的心脏监测还可以包括增加的就诊(clinical visit)的频率(如，大约每月一次、每两个月一次、每三个月一次、每四个月一次、每五个月一次或每六个月一次)。还提供了如下为接受心血管疾病的治疗的治疗对象选择治疗方法(treatment)的方法，所述方法包括：使用在此描述的方法中的任一个来确定在特定时段内(如，在此描述的时段中的任一个之内，诸如3个月、6个月、1年、2年、5年或10年之内)治疗对象的死亡风险，以及为被确定为在特定时段内具有降低的死亡风险的治疗对象(如，使用在此描述的方法中的任一个)选择继续该治疗方法，或者为被确定为在特定时段内具有增加的死亡风险的治疗对象(如，使用在此描述的方法中的任一个)选择新的(替代的)心血管治疗方法。如在此描述的，新的治疗方法可以意指：新的组合治疗剂(therapeutic agent)的施用(administration)、新的治疗剂的施用、不同剂量的先前施用的治疗剂、以不同频率施用先前施用的治疗剂、或者以不同的途径进行的先前施用的治疗剂的施用。一些实施例还包括对治疗对象施用所选择的治疗方法。

还提供选择用于临床研究的治疗对象的方法，该方法包括确定在特定时段之内(如，在此描述的时段中的任一个之内，诸如3个月、6个月、1年、2年、5年或10年之内)治疗对象的死亡风险，以及选择被确定为在该特定时段之内具有增加的死亡风险的治疗对象来参与到临床研究中。

在此还提供确定治疗对象的(如，由心血管疾病所引起的)死亡风险是随着时间在增加还是在减少的方法。这些方法包括：确定在第一时间点处治疗对象的第一多标记死亡风险得分(如，使用在此描述的方法中的任一个)，确定在第二时间点处治疗对象的第二多标记风险得分(如，使用在此描述的方法中的任一个)，将该第二多标记风险得分与第一多标记风险得分比较，以及将具有与该第一多标记风险得分相比具有升高的第二多标记风险得分的治疗对象识别为具有随时间增加的死亡风险，或者将具有与该第一多标记风险得分相比具有降低的第二多标记风险得分的治疗对象识别为具有随时间减少的死亡风险。

还提供确定治疗对象的心血管疾病(如心脏衰竭)的治疗方法的功效的方法，其包括：确定在第一时间点处治疗对象的第一多标记风险得分(如，使用在此描述的方法中的任一个)，确定在第二时间点处治疗对象的第二多标记风险得分(如，使用在此描述的方法中的任一个)，其中在第一和第二时间点之间，心血管疾病(如心脏衰竭)的治疗方法的两种或更多种剂量被施用于该治疗对象，将该第二多标记风险得分与第一多标记风险得分比较，以及将与该第一多标记风险得分相比具有减小的第二多标记风险得分的治疗对象的治疗方法识别为有效的，或者将与该第一多标记风险得分相比具有升高的第二多标记风险得分的治疗对象的治疗方法识别为不是有效的。一些实施例还包括选择被识别为对治疗对象有效的治疗方法，和/或继续将所选择的治疗方法施用于该治疗对象。

还提供选择治疗对象的治疗方法的方法，其包括：确定在第一时间点处治疗对象的第一多标记风险得分(如，使用在此描述的方法中的任一个)，确定在第二时间点处治疗对象的第二多标记风险得分(如，使用在此描述的方法中的任一个)，将该第二多标记风险得分与第一多标记风险得分比较，以及为与该第一多标记风险得分相比具有升高的第二多标记风险得分的治疗对象选择住院病人的治疗方法(如，初始入院或继续住院治疗)或者为与该第一多标记风险得分相比具有减小的第二多标记风险得分的治疗对象选择非住院病人的治疗方法(如，出院或继续非住院治疗)。一些方法还包括基于第二和第一多标记风险得分(例如，如以上所选择的)的比较，来接纳病人住院、继续住院治疗、让病人出院、或继续非住院治疗。

还提供选择治疗对象的治疗方法的方法，其包括：确定在第一时间点处治疗对象的第一多标记风险得分(如，使用在此描述的方法中的任一个)，确定在第二时间点处治疗对象的第二多标记风险得分(如，使用在此描述的方法中的任一个)，将该第二多标记风险得分与第一多标记风险得分比较，以及为具有与该第一多标记风险得分相比具有升高的第二多标记风险得分的治疗对象选择增加的心脏监测，或者为具有与该第一多标记风险得分相比具有减小的第二多标记风险得分的治疗对象选择低频率的监测(如心脏监测)(如检查之间间隔大于6个月、检查之间间隔大于9个月、或者检查之间间隔一年或一年以上)。如在此描述的，增加的心脏监测可以是，例如对治疗对象的心脏功能的监测(如心电图(诸如动态心电图)、胸部X射线，超声心动图、压力测试、计算机断层扫描、磁共振成像、正电子发射断层摄影术和心脏导管插入术)或在一段时间内对治疗对象的可溶性ST2的水平的监测。增加的心脏监测还可以包括增加的就诊(clinical visit)的频率(如，大约每月一次、每两个月一次、每三个月一次、每四个月一次、每五个月一次或每六个月一次)。一些方法还包括对治疗对象施用所选择的治疗方法。

还提供选择治疗对象的治疗方法的方法，其包括：确定在第一时间点处治疗对象的第一多标记风险得分(如，使用在此描述的方法中的任一个)，确定在第二时间点处治疗对象的第二多标记风险得分(如，使用在此描述的方法中的任一个)，其中在该第一时间点和第二时间点之间，治疗对象已被施用治疗方法(如心血管疾病的治疗方法)的至少两种剂量，将该第一多标记风险得分与第二多标记风险得分比较，以及为具有与该第一多标记风险得分相比具有升高的第二多标记风险得分的治疗对象选择新的治疗方法，或者为具有与该第一多标记风险得分相比具有减少的第二多标记风险得分的治疗对象选择同一个治疗方法。一些实施例还包括对治疗对象施用所选择的治疗方法。如在此描述的，新的治疗方法可以指：新的组合治疗剂的施用、新的治疗剂的施用、不同剂量的先前施用的治疗剂、先前施用的治疗剂的不同频率的施用、或者以不同的途径进行的先前施用的治疗剂的施用。

还提供选择治疗对象参与心血管疾病的治疗方法的临床研究的方法，其包括：确定在第一时间点处治疗对象的第一多标记风险得分(如，使用在此描述的方法中的任一个)，确定在第二时间点处治疗对象的第二多标记风险得分(如，使用在此描述的方法中的任一个)，以及选择具有与该第一多标记风险得分相比具有升高的第二多标记风险得分的治疗对象来参与心血管疾病的临床研究。

如在此使用的，“样本”包括任何体液或组织，例如血液、血清、血浆、尿液和身体组织中的一个或多个。在某些实施例中，样本为血清、血浆或血液样本。

“特异性结合(binds specifically to)于”抗原的抗体，在含有其他蛋白的样本中优先地结合于该抗原。

在此所述的方法和试剂盒(kits)具有若干优点。例如，这些方法可以被用于确定病人是否应被接纳或保持为住院病人以进行进一步评估，而不论是否已作出明确诊断。例如，这些方法可以被用于基于如在此所描述的方法确定的它们的多标记风险得分来作出给定治疗对象的风险分层，例如，作出关于适合该治疗对象的治疗的激进(aggressiveness)的程度的决定。更好的治疗决定能够降低发病率和死亡率，以及更好地分配稀缺的健康护理资源。在此所描述的方法能够被用于作出关于病人是否应被进一步测试以确定特定诊断的总体评估。在此所描述的方法还能够被用于病人人群风险分层，例如提供关于临床表现或治疗干预的预期响应的信息。无论根本原因或最终诊断是什么，在此所描述的方法均能够被使用，并且因此不限于特定指示。

除非另外定义，这里使用的所有术语(技术术语和科学术语)具有的含义与本发明所属领域的普通技术人员所通常理解的含义相同。方法和材料在此被描述以用于本发明；本领域已知的其他、适合的方法和材料也可以被使用。材料、方法和示例仅仅是说明性的，而且不旨在进行限制。

在此提及的所有公开、专利申请、专利、序列、数据库条目和其他引文都通过整体引用合并于此。此外，本申请通过引用合并美国专利申请No.11/789,169和国际专利申请PCT/US2007/067626、PCT/US2007/067914和PCT/US2007/068024的内容。

在冲突的情况下，以本说明书，包括定义在内，为准。

从以下详细描述和附图、以及从权利要求中，本发明的其他特征和优点将是明显的。

附图说明

图1示出用于1年死亡的个体变量的汇总统计。

图2示出用于5年死亡的个体变量的汇总统计。

图3-24示出对每个变量执行的线性检查和切点评估。

图25和图26提供对于每个变量的结果的汇总。

图27-34示出包括向后、向前和逐步选择的、被用于识别用于预测死亡风险的最优模型的若干启发式方法的结果。每个实例中的选择是基于AIC(赤池(Akaike)的信息准则)或BIC(贝叶斯(Bayesian)信息准则)来作出的。

图35示出具有死亡风险的若干变量的共线性分析。

图36是每个变量的单变量性能的汇总。

图37-49示出对每个变量执行的线性检查的结果。

图50提供对于每个变量的结果的汇总。

图51示出基于AIC的标记选择。

图52示出基于BIC的标记选择。

图53和54示出两个模型([年龄+Ln_SBP+CAD+ST2>＝35+LN_NTBNP]和[年龄+ST2>＝35+LN_NTBNP])的比较。

图55示出用于5参数和3参数模型的自举(bootstrap)AUC估计。

图56是示出用于5参数和3参数模型的模型校准的图表。

图57是示例性模型参数的列表。

具体实施方式

对病人的临床评估，特别是对具有如呼吸困难或胸痛的非特异性症状的病人的临床评估，通常具有挑战性。在此所描述的结果提供了证据证明：基于多个标记的多标记风险得分在对病人的预后评估中是有用的，不论他们的疾病的根本原因是什么，所述多个标记包括治疗对象的年龄和ST2的水平，加上包括收缩血压、冠状动脉疾病的存在、纽约心脏组织(NYHA)得分、肾功能的测量、肌钙蛋白的水平和/或NT-proBNP(脑利钠肽前体)的水平中的一个或多个在内的另外的临床参数。如在此所证明的，在若干不同的心脏衰竭人群中，所述多标记风险得分是严重疾病和即将死亡的强有力的指数。

预测死亡

如在此所证明的，考虑到包括升高的可溶性ST2的浓度以及治疗对象的年龄在内的多个标记的算法，能够被用于准确地预测在特定时间段之内治疗对象的死亡风险(如3个月之内、6个月之内、1年、2年、5年或10年之内)。

一般方法-确定治疗对象的多标记风险得分

通常，在此所描述的方法包括确定风险算法中的标记中的每个的值，这包括评估例如哺乳动物、例如人类的治疗对象的可溶性ST2的水平(例如，血液、血清、血浆、尿液或身体组织的水平)；确定治疗对象的年龄，例如通过查询治疗对象或治疗对象的家人朋友、或医疗记录；以及执行以下各项中的一个或多个：确定治疗对象的冠状动脉疾病的历史，例如通过查询治疗对象或治疗对象的家人朋友、或医疗记录，或者使用常规诊断方法；确定治疗对象的收缩血压(SBP)；和/或确定肌钙蛋白的水平、NTpro-BNP、NYHA得分和肾功能中的一个或多个。这些标记组合起来提供关于治疗对象的死亡的可能性的信息，例如在特定时间段之内，例如3个月、6个月、1年、2年、5年或10年之内的死亡的可能性的信息。

评估治疗对象的诸如可溶性ST2、NTpro-BNP或肌钙蛋白的标记的循环水平包括从治疗对象获取生物样本，如血清、血浆或血液。样本中的标记的等级可以通过测量样本中的多肽的水平来确定，通过使用本领域已知的和/或在此所描述的方法，如，免疫测定法，例如酶联免疫吸附测定(enzyme-linked immunosorbent assays，ELISA)。例如，在一些实施例中，单克隆抗体与样品接触；该抗体的结合然后被检测并可选地被量化，并且蛋白水平是基于抗体结合的水平来确定的。可替代地，mRNA的水平可以被测量，再次使用本领域已知的和/或在此所描述的方法，如通过定量PCR或Northern blotting分析。

在一些实施例中，标记水平或值接着可以被用在算法中以确定多标记风险得分，例如，基于治疗对象人群的统计分析来确定的算法。示例性算法包括以下各项：

(1)年龄+ln_SBP+CAD+ST2+ln_NTpro-BNP

(2)年龄+ST2+ln_NTpro-BNP

在这些实施例中，可溶性ST2的水平被确定并与阈值比较，如35或50毫微克/毫升，若存在达到或超过阈值的水平则被计分为“1”，并且若存在小于阈值的水平则被计分为“0”.在一些实施例中，在算法(1)或(2)中，可溶性ST2的阈值水平为35毫微克/毫升。

(3)年龄+ST2+肌钙蛋白+NYHA

(4)年龄+ST2+[肌钙蛋白或NYHA]

在一些实施例中，可溶性ST2的水平被确定并与阈值比较，如35或50毫微克/毫升，若存在达到或超过阈值的水平则被计分为“1”，并且若存在小于阈值的水平则被计分为“0”.在一些实施例中，在算法(3)或(4)中，ST2的阈值水平为50毫微克/毫升。

在一些实施例中，血红蛋白(Hgb)的水平也被确定，例如用包括如下公式的算法：

(5)年龄+ST2+[肌钙蛋白和/或NYHA]+ln_Hgb

在一些实施例中，NYHA得分被确定，而且若存在达到或超过阈值的NYHA得分则被计分为“1”，以及若存在低于阈值的水平则被计分为“0”。在一些实施例中，在算法(3)或(4)或(5)中，阈值得分为3。

在一些实施例中，肌钙蛋白的水平被确定并与阈值(如代表如下阈值的水平，健康个体低于该阈值，而大于该阈值的个体被识别为具有心血管病症，例如35或50皮克每毫升(pg/mL))比较，若存在达到或超过该阈值的水平则被计分为“1”，并且若存在小于该阈值的水平则被计分为“0”。在一些实施例中，在算法(3)或(4)或(5)中，肌钙蛋白的阈值水平为16皮克每毫升(pg/mL)。

在一些实施例中，多标记风险得分使用计算设备，例如个人计算机来计算。

一旦多标记风险得分已被确定，那么可以将多标记风险得分与参考得分进行比较。在一些实施例中，参考得分将代表阈值水平，大于该阈值水平的治疗对象具有增加的死亡风险，和/或具有严重的疾病。所选中的参考得分可以依赖于被用于测量例如可溶性ST2的水平的标记中的一个或多个的方法。例如，在一些实施例中，其中，可溶性ST2的循环水平使用免疫测定来确定，例如在此描述的，而且大于该参考水平的得分指示治疗对象具有增加的死亡风险。

参考得分还可以是针对健康对象(例如，未被诊断为具有心血管疾病(如未被诊断为具有心脏衰竭)的治疗对象，或者未呈现具有心血管疾病的两个或两个以上症状的治疗对象)计算的多标记风险得分。参考得分还可以是针对未被诊断为具有心血管疾病(如未被诊断为具有心脏衰竭)的治疗对象，或者未呈现具有心血管疾病的两个或两个以上症状的治疗对象、以及未被识别为具有患心血管疾病的增加的风险的治疗对象(例如，没有心血管疾病的家族史)计算的多标记风险得分。

在一些实施例中，多于一个的多标记风险得分使用在此所描述的方法来确定，而且得分的变化指示治疗对象具有增加的还是减少的死亡风险。增加的得分意指治疗对象具有正在增加的濒临死亡的风险，例如，越来越差的预后，而且指示治疗未起作用或应被改变或被启动。随着时间减少的得分指示：治疗对象具有正在减少的濒临死亡的风险，例如，越来越好的预后，并且能够指示治疗方法的功效，例如，该治疗方法应被继续，或者，若得分变得足够低，则该治疗方法可能停止。作为一个示例，增加的得分可以指示需要更激进的治疗方法或住院治疗(例如最初入院或在更严重的环境(more acute setting)中的住院治疗，例如，在重症监护病房中，或使用遥测或其他方法监测治疗对象的心脏状况)，而减少的得分可以指示不太激进的治疗方法的可能性、短期的住院治疗或出院。这个信息使得临床医生能够作出更准确的治疗决定；例如，治疗对象可以被医院接纳为住院病人，例如，在急症或重症监护部门中。

另外的测试可以被执行，例如，为了确定治疗对象的实际情况。更激进的治疗方法可以被施用，或者在另外的测试之前或者在另外的测试之后。例如，在疑似心肌梗塞(MI)的情况下，治疗对象可以被送去进行更深入的影像学研究和/或心导管检查。

在一些实施例中，这些方法包括使用另外的诊断方法来识别根本的病理。本领域已知的任何诊断方法都可以被使用，而且本领域技术人员将能够选择适用于治疗对象的症状的诊断方法。在一些实施例中，在此所描述的方法包括除了其他生物标记的测量之外的，或者作为其他生物标记的测量的替代的其他诊断方法，例如，如本领域已知的肺功能或心脏功能的身体测量。

在一些示例中，已被识别为具有升高的死亡风险的治疗对象(或者，治疗对象的直系亲属中的一个或多个)被告知心血管疾病的症状(如心脏衰竭或MI的症状)和/或被指令监测治疗对象的心血管疾病(如心脏衰竭或MI的症状)的一个或更多个症状的发展或发生。在一些示例中，被识别为具有升高的死亡风险的治疗对象的一个或更多个直系亲属也被测试以查看心血管疾病(如心脏衰竭)的存在，或者对这样的亲属执行方法以确定他们的心血管疾病的风险或者他们的死亡风险(例如，使用在此描述的方法中的任一个)

ST2

ST2基因是白介素-1受体家族中的成员，ST2基因的蛋白产物既作为跨膜(trans-membrane)形式存在，也作为在血清中可检测的可溶性受体存在(Kieser等，FEBS快报，372(2-3)：189-93(1995年)；Kumar等，生物化学杂志270(46)：27905-13(1995年)；Yanagisawa等，FEBS快报302(1)：51-3(1992年)；Kuroiwa等，Hybridoma 19(2)：151-9(2000年))。在心脏衰竭的实验模型中ST2被描述为是显著地上调的(up-regulated)(Weinberg等，循环(Circulation)106(23)：2961-6(2002年))，并且初步结果表明：ST2浓度可能在具有慢性严重的HF(Weinberg等，循环(Circulation)107(5)：721-6(2003年))，和具有急性心肌梗塞(MI)(Shimpo等，循环(Circulation)109(18)：2186-90(2004年))的人群中会升高。

ST2的跨膜形式被认为在调节T辅助2型细胞(T helper type 2cells)的响应(response)中发挥作用(Lohning等，美国国家科学院研究期刊(Proc.Natl.Acad.Sci.U.S.A.)，95(12)：6930-5(1998年)；Schmitz等，免疫学(Immunity)23(5)：479-90(2005年))，并可能在严重或慢性炎症状态中对耐受(tolerance)的发展起到作用(Brint等，自然-免疫学.5(4)：373-9(2004年))，而ST2的可溶形式在生长刺激的成纤维细胞中是上调的(Yanagisawa等，1992年，同上)。实验数据表明，ST2基因在心肌细胞伸展的状态中是显著地上调的(Weinberg等，2002，同上)，其采用类似于BNP基因的诱导的方式(Bruneau等，心血管研究(Cardiovasc.Res.)28(10)：1519-25(1994年))。

Tominaga，FEBS Lett.258：301-304(1989年)中，分离的小鼠基因是专门由BALB/c-3T3细胞中的生长刺激来表达的；它们被称为这些基因St2中的一个。St2基因编码两种蛋白产物：可溶性分泌(secreted)形式的ST2；以及，非常相似于白细胞介素-1受体的、跨膜受体形式的ST2L。HUGO命名委员会指定了该人类同源物，它的克隆在如下文章中被描述为白细胞介素1受体样1(IL1RL1)：Tominaga等，Biochim.Biophys.Acta.1171：215-218(1992年)。这两个术语在本文可互换使用。

较短的mRNA序列，人类ST2的可溶性亚型(isoform)可以在GenBank Acc.第NM_003856.2号处找到，而且多肽序列是在GenBank Acc.第NM_003847.2号处。人类ST2的较长形式的mRNA序列在GenBank Acc.第NM_016232.4号处；该多肽序列是在GenBank Acc.第NP_057316.3号处。在公共数据库的GeneID:9173、MIM ID#601203以及UniGene No.Hs.66处，更多信息是可用的。在一般情况下，在此所描述的方法中，ST2多肽的可溶形式被测量。

用于检测和测量ST2的方法是现有技术中已知的，例如，如美国专利公开号2003/0124624、2004/0048286和2005/0130136中所描述的，它们整体内容通过引用合并于此。用于测量ST2多肽的试剂盒(kits)也可商购的，例如由医学生物学实验室有限公司(MBL国际公司，马萨诸塞州的Woburn制造)制造的ST2的ELISA试剂盒，第7638号。此外，用于测量ST2和其他生物标记的设备在美国专利公开号2005/0250156中描述。

其他生物标记和临床变量

在此所描述的方法还可以包括测量除了包括肌钙蛋白和NT-proBNP在内的ST2之外的其他生物标记或临床变量的水平。其他标记或临床变量也可以被确定，例如年龄、血压、性别、糖尿病状态、吸烟状态、CRP、IL-6、D-二聚体、BUN、肝功能酶、白蛋白、肾功能的测量，例如，肌氨酸酐、肌氨酸酐清除率，或肾小球滤过率，和/或细菌内毒素。用于测量这些生物标记的方法是现有技术中已知的，参见：Lee等，美国专利公开号2004/0048286和2005/0130136；Dhalla等，分子.细胞.生化87：85-92(1989年)；Moe等，美国心脏杂志139：587-95(2000年)；Januzzi等，欧洲心脏杂志27(3)：330-7(2006年)；Maisel等，美国心脏病学会杂志44(6)：1328-33(2004年)；以及Maisel等，新英格兰医学杂志347(3)：161-7(2002年)，其全部内容通过引入合并于此。肝功能酶包括丙氨酸转氨酶(ALT)、天冬氨酸转氨酶(AST)、碱性磷酸酶(ALP)以及总胆红素(TBIL)。

在这些实施例中，多标记风险得分和一个或多个另外的生物标记的水平被确定，而且来自该得分以及生物标记与它们各自的参考水平的比较的信息提供了关于治疗对象的死亡风险的另外的信息，其可以提供关于治疗对象的风险的更准确和具体的信息。这些水平可以接着与参考水平比较，所述参考水平例如阈值，如果达到或超过该阈值，则治疗对象具有增加的死亡风险。

选择治疗方法-激进的VS.保守的

一旦已确定治疗对象具有大于预定参考得分的多标记风险得分，该信息就可以以各种方式被使用。例如，若该治疗对象具有升高的得分，例如，与参考水平相比，则可以作出激进地治疗的决定，而且，例如，该治疗对象可以被接纳入院以作为住院病人来治疗，例如，在急症或重症监护部门中。便携式测试试剂盒可能使得紧急医疗人员能够就地评估治疗对象，以确定他们是否应该被运送到ED。治疗类选(triage)决定，例如，在ED或其他临床设置中，也可以基于由本文中所描述的方法所提供的信息来作出。那些具有高得分的病人可以优先于那些具有较低得分的病人。用于基于治疗对象的风险或死亡的确定来选择治疗对象的治疗方法的另外的方法(基于针对该治疗对象确定的单个多标记风险得分或第一和第二多标记风险得分)(例如，使用在此描述的方法中的任一个)是现有技术中已知的并在此被描述，例如在以上的发明内容部分中。在此所描述的选择治疗方法的方法中的任一个的一些示例还包括：修改治疗对象的临床档案(file)(如计算机可读介质)以指示：该治疗对象应被施用所选择的治疗方法、被接纳入院、出院、继续住院治疗、继续按照非住院病人来治疗、接受心脏监测(如在此所描述的心脏监测方法中的任一个)、或接受低频率的监测(如，在此所描述的低频率的监测方法中的任一个)(如使用在此描述的方法中的任一个所确定的)。另外的方法包括对治疗对象施用或执行所选择的治疗方法。

在此所描述的方法还提供关于治疗对象是否在好转(improve)的信息，如响应于治疗方法，例如，住院的治疗对象是否已足够好转到能出院，并接着按照非住院病人对待。通常，这些方法会包括多次确定治疗对象的多标记风险得分。随着时间的多标记风险得分的减少，指示该治疗对象可能正在好转。最近的多标记风险得分还可以与参考得分比较，如在此所描述的，以确定该治疗对象是否已足够好转到可以出院。

该治疗对象还可以被考虑纳入临床试验，例如，承担相对高风险的治疗方法的临床试验。该治疗对象可能采用承担相对较高风险的养生法(regimen)来治疗，所述养生法本来被认为适用于具有濒死(例如，表现为30日之内或1年之内的死亡)的较低风险的人。

除了临床设置，关于治疗对象的多标记风险得分的信息可以以其他方式来使用，例如，用于第三方付款人的支付决定，或用于由保险提供商设置医疗或人身保险保费。例如，高多标记风险得分，例如达到或大于预定阈值得分的得分，可以被用于决定增加该治疗对象的保险保费。

病人人群

本文描述的方法在具有心血管疾病的病人(例如，心脏衰竭)的临床背景下是有用的。作为一个示例，多标记风险得分可以随时被确定，而且若多标记风险得分有所升高，那么健康护理提供商可以适当地行动。在一些实施例中，在此所描述的方法在具有心脏衰竭(HF)的治疗对象中被使用，例如急性失代偿性心脏衰竭(ADHF)，或慢性心脏衰竭(CHF)；诊断HF和ADHF的方法是现有技术中已知的。

计算机实现的方法

在此所描述的方法中的任一个可以在系统中实现。例如，系统可以包括处理器、存储器和存储设备。该存储器可以包括操作系统(OS)，如Linux、UNIX或

XP、用于与网络(未示出)进行通信的TCP/IP协议栈、以及用于根据本文档中描述的方法来计算一个或一个以上多标记风险得分的过程、并且还可选地，将在第一时间点处从治疗对象确定的第二多标记风险得分与在第一时间点处从治疗对象确定的第一多标记风险得分进行比较，或者将所确定的多标记风险得分与参考值比较(例如，健康对象的多标记风险得分)。在一些实现中，该系统还可以包括到输入/输出(I/O)设备的链接，以用于向用户显示图像用户接口(GUI)。在一些实现中，该系统与用户接口通信，该用户接口使得人员能输入与病人有关的临床信息。

在一些实现中，一个或多个多标记风险得分的计算功能可以在网络环境之内被实现。例如，网络环境能够向用户(如临床医生的个人)对所收集、产生和/或存储的信息的访问。各种技术和方法可以被实现以用于在用户和处理器之间交换信息。例如，一个或多个网络(如因特网)可以被使用以用于与用户设备交换信息。各种类型的计算设备和显示设备可以被用于信息交换。例如，手持计算设备(如蜂窝电话、平板计算设备等)可以通过一个或多个网络(如因特网)与该处理器交换信息。其他类型的计算设备，诸如膝上型计算机和其他计算系统也可以被用于与用于计算一个或多个多标记风险得分的过程交换信息。诸如液晶显示(LCD)电视或其他显示设备的显示设备还可以呈现来自处理器的信息。一个或多个类型的信息协议(如，文件传输协议等)可以被实现以用于交换信息。用户设备还可以存在一个或多个类型的接口(如图像用户接口)以在用户和处理器之间交换信息。例如，网络浏览器可以由用户设备执行，以建立与处理器的网站(或网页)的连接，并提供用于交换信息的媒介(vehicle)。该处理器可以包括被配置为计算治疗对象的一个或多个多标记风险得分的软件和硬件(如使用在此文档中所描述的方法中的任一个)。

操作还可以包括提供输出以作为治疗对象的死亡风险或死亡风险的改变的结果。例如，输出可以通过在显示设备上显示该输出的表现或者在计算机可读非暂态存储设备上存储表现该输出的数据来提供。该输出可以识别一个或多个被选择用于该治疗对象的治疗方法(如在此所描述的治疗方法中的任一个)、将治疗方法识别为对治疗对象有效的或无效的、选择参加临床研究的治疗对象、或将治疗对象识别为在特定时间段之内具有增加、减少、正在增加或正在减少的死亡风险(如根据在此所描述的方法中的任一个)。

在一些示例中，计算机设备或移动计算机设备可以被用于实现在此所描述的技术。例如，舒适性建模器(comfort modeler)的操作的部分或全部可以由计算机设备(例如位于处理器之内)和/或由(可以由终端用户操作的)移动计算机设备来执行。计算设备旨在代表各种形式的数字计算机，包括，例如笔记本电脑、台式机、工作站、个人数字助理、服务器、刀片服务器、大型机以及其它适当的计算机。计算设备旨在代表各种形式的移动设备，包括，例如，个人数字助理、蜂窝电话、智能电话和其他类似的计算设备。在此所示的组件，它们的连接和关系，以及它们的功能，意在作为示例，而不是意在限制在此文档中所描述和/或所声明的方法的实现。

计算设备可以包括处理器、存储器、存储设备、连接存储器和高速扩展端口的高速接口、和连接到低速总线和存储设备低速接口。这些组件中的每个可以使用各种总线来互连，而且可以被安装在公共母板上或以其他适合的方式来安装。该处理器能够处理用于在计算设备中执行的指令，包括存储在存储器中或存储设备上的指令，以在外部输入/输出设备(包括，例如被耦合到高速接口的显示器)上显示GUI的图形数据。在其他实现中，多个处理器和/或多个总线可以酌情与多个存储器和多个类型的存储器一起使用。此外，多个计算设备可以与提供必要操作的各部分的每个设备连接(如，成为服务器阵列(server bank)、刀片服务器组或者多处理器系统)。

存储数据的存储器可以在计算设备之内。在一个实现中，存储器是易失性存储器单元或多个单元。在另一实现中，存储器是非易失性存储器单元或多个单元。存储器还可以是另一形式的非暂态计算机可读介质，包括，例如磁盘或光盘。

存储设备能够提供计算设备的大容量存储。在一个实现中，该存储设备可以是或包含非暂态计算机可读介质，包括，例如软盘设备、硬盘设备、光盘设备、或磁带设备、快闪存储器或其他类似的固态存储器设备、或设备的阵列，包括在存储区域网络或其他配置中的设备。计算机程序产品可以有形地实现在数据载体中。该计算机程序产品还可以包含指令，其被执行时，执行一个或多个方法，包括例如在此所描述的方法。数据载体可以是计算机或机器可读介质，包括，例如，存储器、存储设备，处理器上的存储器等等。

高速控制器可以被用来管理带宽敏感的计算设备的操作，而低速控制器可以管理较低带宽敏感的操作。这种功能的分配仅仅是个示例。在一个实现中，高速控制器可以被耦合到存储器、显示器(如通过图形处理器或加速器)，而且被耦合到高速扩展端口，其能够接受各种扩展卡(未示出)。在该实现中，低速控制器可以被耦合到存储设备和低速扩展端口。低速扩展端口，其可以包括各种通信端口(如USB、蓝牙、以太网、无线以太网)，可以被耦合到一个或多个输入/输出设备，包括，例如键盘、定位设备、扫描仪、或网络设备，包括例如，交换机或路由，例如通过网络适配器。

如现有技术中已知的，计算设备可以在若干不同的形式中被实现。例如，它可以被实现为标准服务器、或在这种服务器的群组中被实现多次。它还可以被实现为个人计算机(包括例如膝上型计算机)的部分。在一些示例中，来自计算设备的组件可以与移动设备(未示出)中的其他组件(包括如设备)组合。这种设备中的每个可以包含计算设备中的一个或多个，而且整个系统可以由彼此通信的多个计算设备组成。

计算设备可以包括处理器、存储器、输入/输出设备，包括，例如，显示器、通信接口和收发器，以及其他组件。该装置还可以提供有存储装置，包括，例如，微驱动器或其他设备，以提供额外的存储。这些组件中的每个可以使用各种总线来互连，而且组件中的一些可以被安装在公共主板上或以其他适合的方式来安装。

处理器可以执行计算设备之内的指令，包括存储在存储器中的指令。处理器可以被实现为芯片的芯片组，其包括独立和多个模拟和数字处理器。该处理器可以提供，例如，用于协调装置的其它部件，包括，例如，控制用户接口、由设备运行的应用程序以及设备的无线通信。

该处理器可以通过被耦合到显示器的控制接口和显示接口与用户通信。该显示器可以是，例如，液晶显示器的TFT(薄膜晶体管液晶显示器)或OLED(有机发光二极管)显示器或其它适当的显示技术。该显示接口可以包括驱动显示器的适当电路，以向用户呈现图像和其他数据。该控制接口还可以接收来自用户的命令并转换该命令以提交给处理器。此外，外部接口可以与处理器通信，以便使能与其他设备的、设备的近场通信。该外部接口可以提供，例如，在一些实现中用于有线通信，或者在其他实现中用于无线通信，而且多个接口也可以被使用。

存储器可以存储计算设备之内的数据。存储器可以被实现为计算机可读介质或媒介、易失性存储器单元或多个单元、或非易失性存储器单元或多个单元中的一个或多个。还可以提供扩展存储器，该存储器通过扩展接口被连接到设备，该扩展接口可以提供例如，SIMM(单列直插存储器模块)卡接口。这种扩展存储器可以提供设备的额外的存储空间，或还可以存储设备的应用或其他数据。具体而言，扩展存储器可以包括指令来实现或补充上述过程，而且还可以包括安全数据。因此，例如，扩展存储器可以为提供为设备的安全模块，而且可以利用允许设备的安全使用的指令来编程。此外，安全应用可以与额外的数据一起通过SIMM卡来提供，包括，例如，将识别数据以不可攻击的方式来放置在SIMM卡上。

该存储器可以包括，例如，快闪存储器和/或NVRAM存储器，如以下讨论的。在一个实现中，计算机程序产品被切实地实现数据载体中。该计算机程序产品包括指令，其被执行时，执行一个或多个方法，包括例如在此所描述的方法中的任一个。数据载体是计算机或机器可读介质，包括，例如，存储器、扩展存储器、处理器上的存储器等等，例如，其可以通过收发器或外部接口来接收。

该设备可以通过通信接口进行无线地通信，必要时或期望是，其可以具有多标记风险得分计算电路。通信接口可以提供在各种模式或协议下的通信，包括，例如，GSM语言呼叫、SMS、EMS或MMS消息、CDMA、TDMA、PDC、WCDMA、CDMA2000或GPRS，以及其他通信.例如，这种通信可以通过射频收发器发生。此外，短距离通信可以发生，包括，例如，使用蓝牙、WiFi、或其他这种收发器(未示出)。此外，GPS(全球定位系统)接口模块可以提供额外的导航和位置相关的无线数据给设备，其可以酌情被在设备上运行的应用所使用。

该设备还可以使用音频编解码器来进行听觉通信，其可以从用户接收说话数据，并将其转换为可使用的数字数据。该音频编码同样可以生成用户的听觉声音，包括，例如通过扬声器，如在设备的电话听筒中的。这种声音可以包括来自语音电话呼叫的声音，可以包括被记录的声音(如，语音消息，音乐文件等等)，而且还可以包括由在设备上操作的应用所生成的声音。

如现有技术中已知的，计算设备可以在若干不同的形式中被实现。例如，它可以被实现为蜂窝电话。它还可以被实现为智能电话、个人数字助理或其他类似移动设备的部分。

在此所描述的系统和方法中的任一个的各种实现可以在数字电子电路、集成电路、专门设计的ASIC(专用集成电路)、计算机硬件、固件、软件和/或它们的组合中被实现。这些各种实现可以包括在一个或多个计算机程序中的实现，该计算机程序是在包括至少一个可编程处理器的可编程系统上可执行和/或可解释的，该可编程处理器可以是专用或通用的，其被耦合以从存储系统、至少一个输入设备、以及至少一个输出设备接收的数据和指令，并向存储系统、至少一个输入设备、以及至少一个输出设备发送数据和指令。

这些计算机程序(也称为程序、软件、软件应用或代码)包括用于可编程处理器的机器指令，并且能够以高级过程和/或面向对象的编程语言来实现，和/或以汇编/机器语言来实现。如本文所使用的，术语——机器可读介质和计算机可读介质是指计算机程序产品、装置和/或设备(例如，磁盘、光盘、存储器，可编程逻辑器件(PLD))，其被用于提供机器指令和/或数据到可编程处理器，包括接收机器指令的机器可读介质。

为了提供与用户的交互，此处所描述的系统和技术可以在如下设备上实现：具有用于向用户显示数据的显示设备的计算机上(例如，CRT(阴极射线管)或LCD(液晶显示器)监视器)，以及通过其用户可以提供到计算机的输入的键盘和指示设备(例如，鼠标或轨迹球)。其他种类的设备也能被用于提供与用户的交互；例如，被提供给用户的反馈可以是任意形式的知觉反馈(如，视觉反馈、听觉反馈，或触觉反馈)；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来接收。

在此描述的系统和技术中的任一个可在如下计算系统中实现：其包括后端组件(例如，作为数据服务器)，或者其包括中间件组件(例如，应用服务器)，或者包括前端组件(例如，具有图形用户界面或Web浏览器的客户端计算机，通过其用户能够与在此所描述的系统和方法中的任一个的实施方式进行交互)，或者这种的后端、中间件或前端组件的任意组合。该系统的组件可以通过数字数据通信(例如，通信网络)的形式或介质互连。通信网络的示例包括：局域网(LAN)，广域网(WAN)和因特网。

该计算系统可以包括客户端和服务器。该客户端和服务器一般彼此是远离的并且通常通过通信网络来交互。客户端和服务器的关系借助于在各个计算机上运行并且相互具有客户端-服务器关系的计算机程序而产生。

示例

本发明将在下面的示例中进行进一步描述，其不限制权利要求中所描述的本发明的范围。

示例1、基于巴塞罗纳研究的预测模型

这个示例的目的是从巴塞罗那队列(Barcelona Cohort)中的数据构建心脏衰竭的模型，以预测1年期的死亡率并研究(5年)的死亡率。

研究的概要。巴塞罗那研究是对被转诊(refer)到被纳入三级护理医院心脏衰竭区的891个流动病人的前瞻性的盲性研究。大多数病人是从心脏内科(70.5％)和内科(15.1％)转诊的；5％来自急诊室或留观区(short-stay unit)。几乎没有从初级保健诊所入院的。

入选准则。如下病人被选择：或者其因与病因无关的心脏衰竭而被转诊到心脏衰竭区，或者其在急性心肌梗死(AMI)之后严重降低的左室功能。

病人评估。对所有治疗对象进行临床评估，包括相关的病史、详细的身体检查、超声心动图、血液病情检查(blood work-up)。心脏衰竭的诊断由医师临床评估来确认。

生化样本信息。静脉血样本在研究入选者处获得，被处理，并被储存于-80℃直到征兆ST2测定(Presage ST2 Assay)测量的时间。

这项研究符合赫尔辛基宣言的原则，由地方伦理委员会批准。所有的参与者提供书面知情同意书。

临床方案研究队列。所有891个巴塞罗那研究的参与者都被包括在征兆ST2测定临床方案的研究队列中。在这些病人中，78位病人(8.8％)达到一年内全因死亡的终点。

所述模型是基于以下定量的变量来创建的：年龄、ST2、左室射血分数(LVEF)、体重指数(BMI)、NT-proBNP、肌钙蛋白(cTnT1)、肌酐、所估计的肾小球滤过率(eGFR)、收缩压(SBP)、舒张压(DBP)、和血红蛋白(Hgb)，以及下面的离散变量：纽约心脏病学会(NYHA)得分、种族、性别、冠状动脉疾病(CAD)的病史、糖尿病、和高血压(HTN)。

已作出以下的统计测量：中位数的[IQR]、事件与检查(Censored)之间的差异、标准化的HR-原始和ln转换的、AUC、正态性检验(夏皮罗威尔克斯(Shapiro Wilks)测试)。离散变量利用计数和HR进行求值(evaluated)。结果在图1和图2中示出。还执行了线性检查和切点评估，参见图3-24，在图25中有它们的汇总。基于这个分析，包括图26中所示的变量的变量集合被定义。

该模型通过对图26中所示的变量的所有组合的分析来创建，而且大小为1-5的所有模型被选择。拟合(fit)的参数(如AIC和BIC)被估计，如区分度(discrimination)(AUC)那样。使用自举(bootstrap)分析作出过度拟合(overfit)的估计。3个或5个参数的模型被选择以减少过度拟合的可能性，除非在数据集中存在系统性偏差。

若干启发式(heuristic)方法被用来识别最佳模型，其中包括向后，向前，逐步选择，并根据AIC(Akaike的信息准则)或BIC(贝叶斯信息准则)来作出选择。

结果在图27-34中示出。对于1年期结果模型，最佳的小模型包括年龄、ST2、肌钙蛋白和NYHA>＝3，其具有用～0.79的自举性能(bootstrapped performance)；3个参数模型包含ST2、年龄加上1个其他标记，其具有～0.78的自举性能。基于AIC的标记选择导致过度拟合的模型。由肌钙蛋白、年龄、ST2>＝50、NYHA>＝3、肌钙蛋白>＝16和Hgb构成的基于BIC的标记选择，具有～0.80的自举性能。对于这些研究结果，最佳的小模型由年龄、ST2>＝50、肌钙蛋白和NYHA>＝3+1个标记构成，其具有0.81-0.82的自举性能；3个参数模型包含年龄(10)、ST2(8)、肌钙蛋白(7)或NHYA(5)，具有0.79-0.80的自举性能。基于AIC的标记选择再次导致过度拟合的模型，而且由肌钙蛋白、ST2、年龄和NYHA>＝3构成的基于BIC的标记选择具有0.79-0.80的自举性能。

示例2、基于PRIDE研究的预测模型

在这个示例中所描述的研究的目的是开发能够预测ADHF阳性的治疗对象1年期的死亡率的算法。共有148个对照(Controls)和61病例(case)；数据集足以支持3-6参数的模型。

父研究的概要。在急诊科研究中对呼吸困难者的proBNP的调查(The PRoBNPInvestigation of Dyspnea in the Emergency Department study，PRIDE)是对送至马萨诸塞州波士顿的马萨诸塞州总医院的急诊科(ED)的、599位呼吸困难治疗对象的前瞻性的盲性研究。PRIDE被执行已用于验证NT-proBNP测试的使用的目的(使用比较的器械(predicate device)Elecsys ProBNP、罗氏诊断、Indianapolis、Indiana)。PRIDE研究的完整选择标准和设计已在同行评审的出版物先行被描述(Januzzi等，2005年，Januzzi等，2006年)。

入选标准。原始的PRIDE入选标准包括呈送到ED的、主诉呼吸困难的、至少21岁的所有病人。

原始排除标准是由于对胸部的钝性或穿透性创伤导致的呼吸困难、肾功能衰竭(血肌酐>2.5毫克/)、ST段抬高的心肌梗死、或急性冠状动脉缺血的心电图改变诊断，如在表明冠状动脉疾病的症状存在的情况下的ST段压低或短暂的ST段抬高。

其他排除情况包括：入选之前多于两小时的具有袢利尿剂的急性剂量(非维持疗法)的治疗方法、病人不愿或无法提供书面知情同意(或处于以其他方式无法从近亲属获得知情同意书的位置)。

病人评估。诊断由ED医师以及由入院后的主治医师记录，他们二者都不知道的生物标记的浓度。当两个主要医师之间出现不一致时，参与这项研究的三个心脏科医师中的两位，判定病人诊断为或者是充血性心脏衰竭，或者是由于非心源性原因的呼吸困难。

使用这些标准，599位病人在单一场所被选入。599位病人之中，209位(34.8％)被判定诊断为充血性心脏衰竭。所有病人针对所有原因的死亡被监控一年。

生化样本信息。血液样本(EDTA血浆)在呈送时被收集，并被储存在-80℃下用于分析，直至征兆ST2测定的测量的时间。

所有参与者提供书面的、知情同意书，而且PRIDE协议由参与机构审查委员会(participating Institutional Review Board)批准。

征兆ST2测定临床方案队列(Presage ST2 Assay Clinical Program Cohort)。临床方案仅包括被诊断为具有急性心脏衰竭的209位病人，并使用所有原因的死亡终点。这些病人当中，61位(29.1％)在一年之内到达所有原因的死亡的终点。

潜在的参数包括ST2、NT-proBNP、肌钙蛋白、年龄、肾功能(肌氨酸酐或eGFR)、血红蛋白和血压(如收缩压或舒张压)的测量。另外的参数包括性别、种族、BMI、高血压、糖尿病、CAD、和C反应蛋白(CRP)。

建模方法是基于逻辑回归(logistic regression)的，其带有具有事件的对数几率(log odd)的输出的线性模型，并直接关系到事件的概率(即风险)。作出如下假设：风险(y)和X之间的线性关系、包括在该模型中的标记是互斥的(自主或不共线的、大约0.7或更高的相关系数通常被认为是共线性的证据)、该标记应当是完全穷尽(尽管这种假设通常是宽松的，因为难以知道什么标记可能丢失)。

标记中的协方差被求值，如对风险的反应的线性那样。变换或非线性方面被考虑，而且标记物被组合并在自举分析中被选择，从而估计真实的性能。模型性能也可以在自举分析中被评估。

共线性分析的结果在图35中示出；没有发现严重的共线性，除了在肾功能的标记当中。各种标记的单变量的性能在图36中示出。线性检查的结果在图37-49中示出。结果和变量的汇总在图50中示出。

接着模型被创建。损失(missing)的值被估算以强化数据集，而且标记在自举循环中被选择，其使用向前选择、向后选择、逐步向前、和逐步向后的选择。性能和标记选择被追踪。

由AIC和BIC所确定的最终模型大小过大，如图51和图52中所示的，因此组合数学被用于改善该模型。所有大小为1-6的模型(总计60,459)被评估，而且基于AIC/BIC来选择最优的。十个最优的AIC模型都包含年龄、LN_SBP、CAD和ST2>＝35；9个包含LN_NTBNP。模型中的9个大小＝6(1个模型大小＝5)。十个最优的BIC模型都包含年龄；7个包含LN_NTBNP，而且8个包含ST2>＝35。BIC模型要小得多(k＝2(3),k＝3(6),k＝4(1))。

两个模型被选择为最优的。第一个[年龄+LN_SBP+CAD+ST2>＝35+LN_NTBNP]具有拟合的AUC＝0.791，而第二个[年龄+ST2>＝35+LN_NTBNP]具有拟合的AUC＝0.755(pr(ROC1＝ROC2)＝0.0714)。第二模型比以下各项更有区分度的：单独的NTPro(AUC＝0.68；p＝0.181)、单独的ST2(AUC＝0.692；p＝0.233)、以及ST2和BNP的模型(AUC＝0.721；p＝0.2735)。两个模型的比较在图53-54中示出。

如图55中所示，当与袋外(out-of-bag)估计比较时，5参数模型具有中位数AUC＝0.758(IQR:0.726-0.788)。三个参数模型具有中位数AUC＝0.738(IQR:0.707-0.769)。5参数模型在77.5％的重复上具有较高的AUC。在图56中所示的模型校准接近预期的(红色)，如在通常情况下当训练人群被使用时。

假设在5参数模型中的中位数拆分，该模型具有灵敏度＝0.79，特异性＝0.62，PPV＝0.46，NPV＝0.88，和几率比＝6.0。示例性模型参数在图57中示出。

其他实施例

将理解的是，尽管本公开已结合其详细的描述被描述，但前述描述旨在进行说明而不是限制由所附权利要求的范围所定义的、本发明的范围。其他方面、优点和修改均在以下权利要求的范围之内。

Claims

1.一种用于评估一年之内治疗对象的死亡风险的方法，该方法包括：

基于所述治疗对象的年龄、所述治疗对象的ST2的水平、并结合治疗对象的脑利钠肽(BNP)的水平的自然对数、治疗对象的肌钙蛋白的水平、纽约心脏协会(NYHA)得分、心血管疾病(CAD)的历史、收缩血压的自然对数、肾功能的测量或血红蛋白(HGB)水平的自然对数、年龄中的一项或更多项，来确定所述治疗对象的多标记死亡风险得分；以及

将所述多标记死亡风险得分与参考多标记死亡风险得分比较；

其中，若存在达到或超过所述参考多标记死亡风险得分的多标记死亡风险得分，则指示所述治疗对象在一年之内的死亡风险增加。

2.如权利要求1所述的方法，其中所述风险得分使用如下算法之一来确定：

(9)年龄+ST2+ln_SBP+CAD+ln_NTpro-BNP

(10)年龄+ST2+ln_NTpro-BNP

(11)年龄+ST2+肌钙蛋白+NYHA

(12)年龄+ST2+[肌钙蛋白或NYHA]

(13)年龄+ST2+[肌钙蛋白和/或NYHA]+ln_Hgb

(14)年龄+ST2+[肌钙蛋白和/或NYHA]+ln_Hgb

(15)年龄+ST2+[肌钙蛋白和/或NYHA]+ln_Hgb+ln_SBP

(16)年龄+ST2+[肌钙蛋白和/或NYHA]+ln_Hgb+ln_SBP+ln_NTpro-BNP。

3.如权利要求2所述的方法，其中，所述ST2的水平被确定并与阈值比较，而且若存在达到或超过所述阈值的水平则被计分为“1”，以及若存在低于所述阈值的水平则被计分为“0”。

4.如权利要求3所述的方法，其中所述阈值为35或50ng/ml。

5.如权利要求4所述的方法，其中，算法(1)或(2)被使用，而且ST2的阈值水平为35ng/ml。

6.如权利要求4所述的方法，其中，算法(3)或(4)被使用，而且ST2的阈值水平为50ng/ml。

7.如权利要求1所述的方法，其中所述治疗对象已被诊断为心脏衰竭。

8.如权利要求1所述的方法，其中所述参考多标记死亡风险得分代表：与在一年之内或五年之内的低死亡风险相对应的得分。

9.如权利要求1所述的方法，其中所述样本包括血清、血液、血浆、尿液、或身体组织。

10.如权利要求1所述的方法，其中所述治疗对象具有25-29的BMI、≥30的BMI、或肾功能不全。

11.如权利要求1所述的方法，还包括：基于死亡风险增加的存在，让所述治疗对象出院或者按照住院病人来治疗所述治疗对象。