CN115398238A - 一种评定雌性患有pcos的风险的方法以及与其相关的产品和用途 - Google Patents

一种评定雌性患有pcos的风险的方法以及与其相关的产品和用途 Download PDF

Info

Publication number
CN115398238A
CN115398238A CN202180025463.1A CN202180025463A CN115398238A CN 115398238 A CN115398238 A CN 115398238A CN 202180025463 A CN202180025463 A CN 202180025463A CN 115398238 A CN115398238 A CN 115398238A
Authority
CN
China
Prior art keywords
value
female
pcos
values
risk
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
CN202180025463.1A
Other languages
English (en)
Inventor
S·伯纳-盖茨
M·亨德
K·巴克
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.)
F Hoffmann La Roche AG
Original Assignee
F Hoffmann La Roche AG
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 F Hoffmann La Roche AG filed Critical F Hoffmann La Roche AG
Publication of CN115398238A publication Critical patent/CN115398238A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01N33/689—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 pregnancy or the gonads
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Hematology (AREA)
  • Primary Health Care (AREA)
  • Chemical & Material Sciences (AREA)
  • Urology & Nephrology (AREA)
  • Molecular Biology (AREA)
  • Databases & Information Systems (AREA)
  • Immunology (AREA)
  • Data Mining & Analysis (AREA)
  • Biotechnology (AREA)
  • Cell Biology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Microbiology (AREA)
  • Reproductive Health (AREA)
  • Pregnancy & Childbirth (AREA)
  • Gynecology & Obstetrics (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明涉及评定雌性患有多囊卵巢综合征(PCOS)的风险的方法、用于评定雌性患有PCOS的风险的试剂盒、标志物组合在评定雌性患有PCOS的风险中的用途、用于根据本发明的方法中的计算机系统以及包括指令的计算机程序和计算机可读存储介质，所述指令在由计算机执行时使所述计算机执行本发明的所述方法。

Description

一种评定雌性患有PCOS的风险的方法以及与其相关的产品和 用途
本发明涉及评定雌性患有多囊卵巢综合征(PCOS)的风险的方法、用于评定雌性患有PCOS的风险的试剂盒、标志物组合在评定雌性患有PCOS的风险中的用途、用于根据本发明的方法中的计算机系统以及包括指令的计算机程序和计算机可读存储介质，这些指令在由计算机执行时使该计算机执行本发明的方法。
多囊卵巢综合征(PCOS)是最常见的内分泌和代谢疾患中的一种，影响8-13％的育龄女性，其中高达70％的受影响的女性仍未得到诊断。PCOS是一种异质性疾患，由雄激素过多和卵巢功能障碍的体征和症状组合定义。患有PCOS的女性表现出多种特征，包括心理(焦虑、抑郁、身体形象)、生殖(月经周期不规则、多毛症、不孕症和妊娠并发症)和代谢特征(胰岛素抗性(IR)、代谢综合征、糖尿病前期、2型糖尿病(DM2)和心血管风险因素)(Escobar-Morreale，H.F.2018；2018年多囊卵巢综合征评定和管理国际循证临床指南)。
对于PCOS的最终诊断，应排除其他病症或疾病(诸如妊娠、非典型肾上腺增生(NCAH)、雄激素分泌肿瘤、库欣综合征、甲状腺疾患或高催乳素血症)。可用于排除其他疾病的诊断测试，例如：
·17α-羟孕酮(17-OHP)以排除NCAH(Nordenstrom and Falhammar 2018)
·催乳素以排除高催乳素血症
·皮质醇以排除患有库欣综合征的患者
·促甲状腺激素(TSH)以排除甲状腺疾患
PCOS可以是由遗传、表观遗传和环境因素(诸如遗传特征)共同引起的。
目前，没有特定的PCOS药物可用。治疗以症状为定向并适应个人需求。治疗方法针对高雄激素血症、不规则周期和相关的代谢疾患。2018年多囊卵巢综合征评定和管理的国际循证临床指南提供了支持临床决策和患者管理的信息。
PCOS诊断的一个选项是所谓的鹿特丹标准，它是最广泛用于定义的标准。如果适用以下至少2条标准，则表明PCOS：(i)不规则周期和排卵功能障碍(稀发排卵，OA)，(ii)临床和/或生化高雄激素血症(HA)和(iii)多囊卵巢形态(PCOM)(PCOS共识研讨会小组，Fertil Steril2004；81：19-25)。通常根据“PCOS 2018国际循证临床指南”使用频带宽度包括8MHz的阴道内超声换能器来确定PCOM。PCOM的阈值被认为是在任一卵巢：确保不存在黄体、囊肿或优势卵泡，每个卵巢的卵泡数量＞20和/或卵巢体积≥10ml。如果使用较旧的超声技术，PCOM的阈值可以是任一卵巢的卵巢体积≥10ml或卵泡计数＞12。然而，考虑多个诊断测试结果和临床检查结果的必要性需要特定的专业知识，这使得不太专业的医生(诸如全科医师)很难在临床常规中诊断PCOS。例如，通过经阴道超声确定PCOM需要足够的超声设备和医生对超声图像的主观分析。此外，结果也可以取决于用于评定PCOM的特定超声设备。因此，基于鹿特丹标准的PCOS诊断始终包括至少一项主观的、依赖于设备和操作员且容易出错的测量。
另一种检测PCOS的方法是测量受试者体内的抗苗勒管激素(AMH)。AMH是一种糖蛋白激素，其表达对胎儿发育期间特定时间的性别分化至关重要。此外，生长卵泡的颗粒细胞产生的AMH通常与卵巢内窦状卵泡的数量相关。因此，血清AMH水平可以是由经阴道超声确定的窦卵泡计数量/数量(AFC)的替代生物标志物。一些研究已建议血清AMH作为PCOM的生化标志物。在小型研究中，提出了患有PCOS女性中PCOM的AMH阈值(Nicholas等人2014；Pigny等人2016)。然而，根据《2018年多囊卵巢综合征评定和管理的国际循证临床指南》，血清AMH水平不应作为检测PCOM或诊断PCOS的替代方法。
进一步用于检测PCOS的方法是3项PCOS标准系统(Indran等人，2018)。在该系统中，如果存在三分之二的项目，则建议进行PCOS的诊断：(i)月经稀发(定义为平均月经周期长度＞35天)；(ii)AMH高于阈值；(iii)高雄激素血症被定义为睾酮高于阈值和/或存在多毛症(mFG评分≥5)。或者，建议将AMH与高雄激素血症和月经稀发(Sahmay等人，2014)或与SHBG(Calzada等人，2019)进行组合。
俄罗斯申请RU2629720提出了一种用于预测青春期女孩罹患多囊卵巢综合征(PCOS)的风险水平的方法，该方法考虑了来自记忆体征、临床体征、实验室体征和回波造影体征等领域的大量指标。这些领域总共包含33个不同的值，这些值均由青春期女孩患者和家庭成员确定，并然后根据其重要性，以1、2或3分的系数加权。将加权值相加，得到的总分则指示罹患多囊卵巢综合征的低、中或高风险水平。
到目前为止，还没有可用于指示PCOS的通用测试。通常测试额外的激素(诸如例如促黄体激素(LH)和促卵泡激素(FSH))以评估怀疑患有PCOS的女性。然而，LH：FSH比率对PCOS的诊断效用似乎很低，因为只有一小部分患有PCOS的女性具有显著升高的LH：FSH比率(Cho等人，2005)。实际上，在被诊断患有PCOS的女性中发现了广泛的LH：FSH比率(Malini和George 2018)。
进一步地，需要一种“决策支持系统”来帮助医生识别患有PCOS风险高的女性。特别是，需要一种不易出错且客观的方法用于评定雌性患有PCOS的风险。该方法优选地执行简单并且不涉及主观评定。
因此，本发明的目的是提供一种更准确和/或客观的方法来评定雌性患有PCOS的风险，该方法比现有技术的方法更不容易出错。优选地，该方法是计算机实现的方法。
在第一方面，本发明涉及一种评定雌性患多囊卵巢综合征(PCOS)的风险的方法，该方法包括
a)提供数据集，该数据集包括
-反映雌性的月经周期的长度和/或每年雌性的月经周期的数量的OA值，其中OA值相对于健康参考群体的OA值增加则指示月经周期长度和/或数量异常，
-反映雌性的雄激素状态的HA值，其中HA值相对于健康参考群体的HA值增加则指示雌性的雄激素水平升高，和
-对应于从雌性获得的样品中的抗苗勒管激素(AMH)的量或浓度的AMH值；
b)用处理单元处理步骤a)中提供的数据集，其中该处理包括：将步骤a)中提供的数据集的值组合成一个组合值；
c)将步骤b)中获得的组合值与参考群体中建立的对应组合值进行比较，其中雌性的组合值相对于健康参考群体的组合值增加则指示PCOS的风险增加；并且
d)经由指示单元指示雌性患有PCOS的风险。
如实施例所示，本发明的方法可用于评定雌性患有PCOS的风险。在实施例中，使用包括健康女性(对照)以及被诊断患有PCOS的女性(病例)的参考群体来建立回归模型。为此，在数据集收集了与月经周期、总睾酮(TT)浓度的比率、性激素结合球蛋白(SHBG)浓度的比率与AMH浓度的比率有关的女性(病例和对照)的数据且该数据被转换为OA值、HA值和AMH值。任选地，数据集还包括雌性的体重和身高，以及雌性的年龄，它们分别被转换为重量值和年龄值。这些值组合成指示雌性患有PCOS的风险的单个值。在蒙特卡罗交叉验证(MCCV)内以病例对照状态作为终点来建立加权逻辑回归模型。结果表明，OA对PCOS风险的影响最大，其次是AMH和游离雄激素指数(FAI；FAI＝总睾酮X 100/SHBG)。小的标准偏差表明经MCCV运行的相当稳定的回归系数。发明人还发现合适变量的选择很重要，因为发现其他变量(例如窦卵泡计数、LH和FSH)不太适合本方法。很明显，PCOS是一种以一组症状为特征的综合征，其中每种症状在单个雌性身上可能存在或不存在，并且在存在时可以不同程度存在。然而，当查看根据本发明的组合值时，已证明被诊断患有PCOS的雌性与没有患有PCOS的雌性相比具有增加的组合值。
实施例进一步提供了评分系统，允许将受试者分类为PCOS的低、中等或高风险。除了数字评分，这进一步允许雌性患有PCOS风险的可视化(例如红色、黄色、绿色)。
包含在数据集中的每个值都可以在数字水平上确定(周期长度/数量、激素浓度或量、重量和年龄)。与其中卵巢形态通常由医生进行表征的本方法相反，本发明用于评定患者PCOS风险状态的方法不包括需要主观确定(即要求个人判断)的强制性值(即OA值、HA值和AMH值任选地与年龄值和重量值组合)，从而允许降低对错误的敏感性。进一步地，本发明的方法允许对女性进行标准化的大规模检查。此外，在步骤b)中处理的数据集不包括来自被评定雌性以外的其他人(诸如家庭成员，例如母亲)的数据或反映过去而不是存在(即性成熟前的时间)的数据(诸如雌性的出生重量)。此类参数容易出错。包括此类参数可以导致假阴性表征。在这方面，它在RU2629720中被提及。满足所有PCOS诊断标准的雌性：如果没有PCOS(家族)史，并且如果她没有表现出进一步的临床症状(多毛症或痤疮)，则使用RU2629720的方法会错误地将稀发排卵(OA)和高雄激素血症(HA)和多囊卵巢形态(PCOM)分类为低风险。
应用本发明的方法可以更准确地评定雌性患有PCOS的风险，其中步骤a)中提供的数据集不仅包括OA值、HA值和AMH值，还包括反映雌性的体重的重量值；并且/或反映雌性的年龄的年龄值。因此，在本发明的优选实施例中，步骤a)中提供的数据集包括OA值、HA值、AMH值和年龄值。更优选地，步骤a)中提供的数据集包括OA值、HA值、AMH值、年龄值和重量值。
如果雌性被确定患PCOS的风险增加，则可建议她进行关于PCOS的鉴别诊断或监测，该鉴别诊断或监测包括上述任何一种，例如卵巢的分析，例如通过超声以便检测PCOM并排除或确认PCOS。此外，应排除其他疾病(诸如非典型肾上腺增生(NCAH)、雄激素分泌肿瘤、库欣综合征、甲状腺疾患或高催乳素血症)。此外，PCOS的临床症状(诸如不孕症)和PCOS影响的疾患/疾病(诸如胰岛素抗性和/或糖尿病)可以基于PCOS的诊断以适当的方式进行评定和治疗。
如上，根据本发明第一方面的方法可用于评定雌性患有PCOS的风险。
在此问题上，术语“评定雌性患有PCOS的风险”描述了对通过第一方面的方法检查的雌性可能患有或患上(优选患有)PCOS的概率的分析。分析的结果可以是定性的或定量的。这意味着结果可以是雌性患有或不患有PCOS(定性)的风险，或者风险可以进一步定义为，例如高、中等或低(定量)。在后一种情况下，雌性的风险可以通过数值(诸如指定风险在0％到100％范围内的百分比值或具有在给定范围内(诸如在0到2之间(0＝低；1＝中等；2＝高)，或在0到9之间(0-2＝低；3-5＝中等；6-9＝高))的值的风险评分等)来定义。
术语“雌性”描述了提供卵母细胞的生物体的性别。雌性可以是任何物种，例如，雌性可以优选地是雌性哺乳动物，例如人、马、猫或狗。更优选地，雌性是人。在一个优选实施例中，雌性是人。如果雌性是哺乳动物，诸如人类，它可以两条X染色体为特征。雌性可以是性成熟的。优选地，雌性处于生育年龄，即在生育开始之后和绝经之前。如果雌性是人，它可以是10至60岁，优选13至55岁，更优选15至50岁，并最优选18至45岁。
通过根据本发明第一方面的方法检查的雌性可以根本没患有PCOS，或者将来可能患有PCOS或发展为任何形式或程度的PCOS，诸如患有PCOS的表现出轻微或严重的症状的女性。进一步地，通过根据本发明第一方面的方法检查的雌性可能具有PCOS的任何表型或与PCOS相关联的任何症状组合。症状或表型是本领域技术人员熟知的。
根据本发明第一方面的方法，步骤a)包括提供数据集，该数据集包括
-反映雌性的月经周期的长度和/或每年雌性的月经周期的数量的OA值，其中OA值相对于健康参考群体的OA值增加则指示月经周期长度和/或数量异常，
-反映雌性的雄激素状态的HA值，其中HA值相对于健康参考群体的HA值增加则指示雌性的雄激素水平升高，和
-对应于从雌性获得的样品中的抗苗勒管激素(AMH)的量或浓度的AMH值。
术语“OA值”描述了反映雌性的月经周期的长度和/或每年雌性月经周期的数量的值，并反映月经稀发和/或无排卵(OA)。OA值相对于参考群体的OA值的增加则指示月经周期长度和/或数量异常，这指示患有PCOS的风险增加。通常，OA值与雌性的月经周期的长度和/或每年雌性的月经周期的数量以及月经稀发和/或无排卵直接或间接相关。具有正常月经周期长度和每年正常月经周期数量的雌性在OA方面被称为无症状。月经稀发和/或无排卵是PCOS的一种症状。
术语“雌性月经周期”描述了由于荷尔蒙的上升和下降而在雌性生殖系统中通常发生的有规律的自然变化。这些荷尔蒙波动通常会导致子宫内膜的生长和增厚以及卵子的生长。卵子可以在周期的第十四天左右从卵巢中释放出来。如果未发生妊娠，子宫内膜会在所谓的月经中释放出来。
术语“月经”描述了血液、分泌物和粘膜组织(称为月经)从子宫内层通过阴道排出。血液可以是液体或凝固的。
雌性的月经周期的长度可按以下方式确定：
-月经的第一天通常被认为是雌性月经周期的第一天，并且
-雌性月经周期通常被认为在下一次月经开始前的最后一天结束。
一般而言，人类雌性的月经周期持续21至35天。通常，每年雌性有11到13个月经周期(对于初潮后3年以上且不使用任何形式的激素避孕药的成年雌性)。术语“月经稀发”描述了女性的周期长度反复＞35天的情况。反复意味着这种情况经常或总是发生，并且不是由其他情况引起的，诸如PCOS以外的疾病，诸如例如厌食症。优选地，在月经稀发中，雌性月经周期持续＞40天，更优选＞50天，并最优选＞60天。在月经稀发中，雌性月经周期甚至可以持续长达90天。在本领域中众所周知，周期长度可以在个体雌性的周期之间变化。因此，月经稀发也可以描述每年雌性月经周期＜8，优选＜6，更优选＜4的情况。
术语“无排卵”通常描述卵巢在雌性月经周期中根本不释放任何卵母细胞的情况。如果在一年内至少一个雌性月经周期、优选至少三个雌性月经周期、更优选至少六个雌性月经周期以及最优选至少九个雌性月经周期的持续时间内没有卵母细胞释放，则可以确定被评定患有PCOS风险的女性患有无排卵。进一步地，如果至少6个月、优选至少9个月、更优选至少1年的持续时间内没有卵母细胞释放，则可以确定被评定患有PCOS风险的雌性患有无排卵。
可以通过询问或监测雌性来简单地收集有关月经稀发或无排卵的信息。通过例如保留日历，其中输入有关月经开始和结束的详细信息，这些信息通常非常准确。月经稀发和/或无排卵被转换为OA值相对于具有正常月经周期的雌性的OA值增加。因此，OA值相对于参考群体的OA值的增加则指示月经周期长度和/或数量异常，这指示患有PCOS的风险增加。
如上所述，定义正常和异常月经周期长度和数量的值在本领域中众所周知。可以从健康参考群体或标准出版物中获得定义正常月经周期长度和数量的值。术语“健康参考群体”描述了没有患有PCOS或任何影响雌性月经周期或性激素量或浓度的疾病的明显健康雌性群体。
例如，分析1)属于健康参考群体或2)患有PCOS的雌性的月经周期长度和/或数量。这可以导致与雌性健康状况相关的值的广泛数据集，例如明显健康的雌性或具有各种形式或严重程度的PCOS症状的患有PCOS的女性，允许建立截止值来区分各组。
可替代地，可以不应用阈值，而是使用连续相关性代替，即月经周期与健康参考群体的高偏差可以对应高OA值，而月经周期与健康参考群体的低偏差可以对应低OA值。
进一步地，用于确定OA值的值(诸如雌性的周期长度)，可以在确定OA值之前进行任何数学运算。合适的数学运算是本领域技术人员熟知的并且包括例如加法、减法、乘法、除法或对数。
此外，OA值(XOA)可以例如通过值的分组(例如通过形成百分位数)和确定截止值来确定。
例如，如果将月经周期长度和/或数量分为两组，则由没有患有PCOS的雌性组成的健康参考群体的组可分配XOA的最小数量，诸如XOA＝0，而患有任何形式的月经稀发或无排卵的雌性的组可为XOA分配任何其他数量，诸如1或2。
例如，对于人类雌性，OA值(XOA)可以如下确定：
XOA＝2，如果雌性患有月经稀发和无排卵(例如没有月经周期；或者如果平均月经周期长度＞35天，优选＞40天，更优选＞50天并最优选＞60天)；或者如果每年雌性＜8个周期，更优选每年＜6个周期，最优选每年＜4个周期；
XOA＝0，如果雌性无症状(即没有患有月经稀发和无排卵)
在本发明的方法中，考虑到为区分各组(例如，有和没有症状)选择的阈值或截止值，雌性关于其月经周期的数据将被转换为OA值。
此外，如果月经周期长度和/或数量被归类为超过两组(例如，无症状、有月经稀发症状和有无排卵症状)，则可以为无症状雌性分配最小数量，(诸如XOA＝0)，而患有月经稀发甚至无排卵的雌性可以分配更高的数量(诸如分别为XOA＝1或2)。
最优选地，OA值是寡/无排卵(OA)的分类变量(是，否)。如果月经周期长度被报告为重复＞35天，则假定寡/无排卵(参见实例1)。
术语“HA值”描述了反映雌性的雄激素状态的值，其中HA值相对于健康参考群体的HA值增加则指示雌性的雄激素水平升高，这被认为是PCOS症状。通常，HA值与雌性的雄激素状态直接相关。具有正常雌性雄激素状态的雌性在HA方面被称为无症状。雌性雄激素水平升高是PCOS的一种可能症状。
雌性雄激素水平升高被称为“高雄激素血症(HA)”。表型症状可以包括，例如痤疮、皮脂溢(发炎的皮肤)、头皮脱发、身体或面部毛发增多、月经滞涩或无月经。高雄激素血症可以是PCOS的诊断特征，该诊断特征可能包括临床病症(多毛症、脱发和痤疮)和生化高雄激素血症。高雄激素血症可以由PCOS等引起。
在本发明中，HA值与雌性的雄激素状态直接相关。
术语“雄激素”描述了通过与雄激素受体结合来调节脊椎动物雄性特性的发育和维持的任何天然或合成类固醇激素。雄激素通常在睾丸、卵巢和肾上腺中合成。在青春期，男孩和女孩的雄激素通常都会增加。此外，雄激素是男性和女性雌激素的前体。参与雌性月经周期的雄激素的例子是脱氢表雄酮(DHEA)、脱氢表雄酮硫酸盐(DHEA-S)、雄烯二酮、睾酮和二氢睾酮(DHT)。
一般而言，睾酮是男性的主要雄激素。雌性产生的睾酮通常比男性少得多，这会影响雌性生殖组织和骨量的生长和维持。以Elecsys睾酮II测定为例，20-49岁女性血液中总睾酮的正常浓度被认为在0.08-0.48ng/mL之间(对应于血液中0.29-1.67nmol/L)。然而，体内产生的睾酮浓度可以每天和全天都不同，例如通常，睾酮浓度在早晨最高。进一步地，睾酮浓度可以取决于年龄或健康史。本领域还众所周知，参考范围取决于所使用的测定和方法；表面健康个体的参考范围由提供者确定，并在测定说明/方法表/包装说明书中给出。
在根据本发明第一方面的方法中，通过测量雌性的样品中的生化参数，即雄激素，来确定雌性的雄激素状态。优选地，确定从雌性获得的样品中的游离睾酮(FT)的量或浓度，或总睾酮(TT)的量或浓度与性激素结合球蛋白(SHBG)的量或浓度的比率，任选地乘以常数a(a*TT/SHBG)，尤其是乘以100(100*TT/SHBG)。
术语“总睾酮”描述了血液中所有三种类型的睾酮：连接另一分子的睾酮(诸如像白蛋白或性激素结合球蛋白(SHBG)的蛋白以及不连接任何其他分子的睾酮，特别是蛋白，(游离睾酮))。通常，人体中的睾酮在血液中循环，主要与血清白蛋白和性激素结合球蛋白(SHBG)松散结合。只有极小部分的睾酮是未结合的或“游离的”，并因此具有生物活性并能够进入细胞并激活其受体。此外，与白蛋白弱结合的睾酮也是生物可利用的，并且很容易被身体组织吸收。
一般而言，总睾酮测试不区分结合和未结合的睾酮，而是确定睾酮的总量。用于测量总睾酮的方法是本领域技术人员熟知的。例如，针头可用于从手臂或手部的静脉抽取血液。用于检测总睾酮的合适方法是例如免疫测定和/或质谱法(诸如液相色谱法-质谱法(LCMS)/质谱法、酶联免疫吸附测定(ELISA)、电化学发光-免疫测定(ECLIA))和提取/色谱免疫测定，优选电化学发光-免疫测定(ECLIA)(诸如来自Roche的
Figure BDA0003869120560000101
)。由于全天睾酮浓度不同，该测试通常在早上进行，并且可以进一步重复多次以获得更准确的值，然后可以例如通过形成平均值或中值或本领域技术人员熟知的其他统计技术进行统计评估。
此外，在根据本发明第一方面的方法中，可以通过例如确定游离雄激素指数(FAI)来确定雌性的雄激素状态。游离雄激素指数通常旨在指导游离睾酮浓度(Vermeulen等人1999)。
优选地，确定FAI以确定HA值。
术语“游离雄激素指数(FAI)”描述了用于确定人类异常雄激素状态的比率。该比率以摩尔/摩尔为基础计算，是总睾酮浓度除以性激素结合球蛋白(SHBG)浓度，并然后乘以常数，通常为100：
FAI％：总睾酮/SHBG x 100。
上文提到了测量总睾酮的方法。
SHBG是一种糖蛋白，可与雄激素和雌激素结合，从而抑制这些激素的功能。因此，性激素的生物利用度受SHBG浓度的影响。用于测量SHBG的方法是本领域技术人员熟知的。例如，针头可用于从手臂或手部的静脉抽取血液。用于检测SHBG的方法是例如免疫测定和/或质谱法(诸如液相色谱法-质谱法(LCMS)/质谱法、酶联免疫吸附测定(ELISA)、电化学发光-免疫测定(ECLIA))和提取/色谱免疫测定，优选电化学发光-免疫测定(ECLIA)(诸如来自Roche的
Figure BDA0003869120560000111
)。
以Elecsys SHBG测定为例，绝经前成年雌性(人)的血液中SHBG浓度为32至128nmol/L，而青春期雌性(人)的血液中SHBG浓度为36至125nmol/L。在年龄或50岁或以上，雌性(人)的SHGB浓度约为27至128nmol/L。
相对于具有正常雄激素状态/水平的雌性的HA值，升高的雄激素水平(诸如从雌性获得的样品中的增加的游离睾酮(FT)的量或浓度，或从雌性获得的样品中的增加的总睾酮(TT)的量或浓度与性激素结合球蛋白(SHBG)的量或浓度的比率)被转换为增加的HA值。因此，HA值相对于参考群体的HA值增加被认为指示雌性的雄激素水平升高，这指示患有PCOS的风险增加。
如上所述，定义正常和异常雄激素状态的值在本领域是众所周知的。可以从标准出版物或参考群体中获得定义正常雄激素状态的值(另参见上文关于OA值的内容)。
对于人类雌性，HA值(XHA)可以例如基于FAI或FT来确定。可以应用连续相关性，即高FAI或FT可以对应于高HA值，而低FAI或FT可以对应于低HA值。
进一步地，用于确定HA值的值(诸如FAI或FT)，可以在确定HA值之前进行任何数学运算。合适的数学运算是本领域技术人员熟知的并且包括例如加法、减法、乘法、除法或对数。
此外，HA值(XHA)可以例如通过值的分组(例如通过形成百分位数)和确定截止值来确定。截止值、分组、值的转换等可以如上文关于OA值所描述的那样定义。
对于人类雌性，HA值(XHA)可以例如如下确定：
XHA＝2，如果雌性表现出雄激素水平升高(例如FAI＞阈值(其中阈值可以是例如5.5％，优选6％，更优选6.5％，最优选7％)和/或总睾酮＞阈值(其中阈值可以是例如，48ng/dl，优选52ng/dl，更优选56ng/dl，最优选60ng/dl))；
XHA＝0，如果雌性无症状(即没有表现出雄激素水平升高)
最优选地，HA值是HA的数值变量。高雄激素血症(HA)从血清睾酮(nmol/l)和血清性激素结合球蛋白(SHBG)(nmol/l)的水平以摩尔/摩尔为基础计算得出为游离雄激素指数(FAI)，其中FAI＝睾酮/SHBG*100(参见实例1)。
术语“AMH值”描述了从雌性获得的样品中的抗苗勒管激素(AMH)的量或浓度。AMH值相对于参考群体的AHM值增加则指示受试者中抗苗勒管激素(AMH)的量或浓度增加，这被认为是PCOS症状。通常，AMH值与从雌性获得的样品中的抗苗勒管激素(AMH)的量或浓度直接相关。具有正常AHM的量或浓度的雌性在AMH方面被称为无PCOS症状。雌性中AMH的量或浓度增加是PCOS的一种可能症状。
术语“量”描述了一种物质的标准定义量，用于测量基本实体(诸如原子、分子、电子和其他粒子)集合的大小。它有时被称为化学量。国际单位制(SI)将物质的量定义为与存在的基本实体的数量成比例。物质的量的SI单位是摩尔。它的单位符号为mol。
物质的“浓度”是一种成分的量除以混合物的总体积。可区分几种类型的数学描述：质量浓度、摩尔浓度、数量浓度和体积浓度。浓度一词可以应用于任何种类的化学混合物，但最常见的是指溶液中的溶质和溶剂。摩尔(量)浓度有变量(诸如正常浓度和渗透浓度)。
术语“样品”描述了从雌性获得的任何种类的液体或组织。样品可以是任何适合于测量根据本发明的标志物的样品，诸如AMH或雄激素，并且可以是指为了体外评估而获得的生物样品。样品可以包括可以与个体特别相关并且可以从中确定、计算或推断关于个体的特定信息的材料。示例性样品包括血液、血清、血浆或尿液。
优选地，样品是血液样品，更优选地选自由血清、血浆和全血组成的组。
样品可以通过本领域技术人员已知的从雌性身体获得样品的任何方法获得。例如，可以使用针头从雌性手臂或手部的静脉中抽取血液。
用于检测来自雌性的样品中AMH的量或浓度的方法是本领域技术人员熟知的。例如，血清中AMH量或浓度可以使用免疫测定和/或质谱法检测(诸如液相色谱法-质谱法(LCMS)/质谱、酶联免疫吸附测定(ELISA)、电化学发光-免疫测定(ECLIA))和提取/色谱免疫测定，优选电化学发光-免疫测定(ECLIA)(诸如来自Roche的
Figure BDA0003869120560000131
)。
通常，女性(人类)的AMH浓度与年龄有关。实例在表1中示出。
表1：男性和女性血液中的与年龄有关的AMH浓度。
Figure BDA0003869120560000132
可以通过将浓度值乘以体积来计算对应的AMH的量。
相对于具有正常AMH量或浓度的雌性的AMH值，从雌性获得的样品中的增加的AMH的量或浓度可以被转换为增加的AMH值。因此，AMH值相对于参考群体的AMH值增加可以被认为指示雌性中AMH量或浓度增加，这指示患有PCOS的风险增加。
如上所述，定义正常和异常AMH的值在本领域中是众所周知的。可以从标准出版物或从参考群体中获得定义正常AMH状态的值(另参见上文关于OA值的内容)。
对于人类雌性，AMH值(XAMH)可以例如基于AMH的量或浓度来确定。可以应用连续相关性，即高AMH量或浓度可以对应于高AMH值，而低AMH量或浓度可以对应于低AMH值。
进一步地，用于确定AMH值的值(诸如AMH的量或浓度)，可以在确定AMH值之前进行任何数学运算。合适的数学运算是本领域技术人员熟知的并且包括例如加法、减法、乘法、除法或对数。
此外，AMH值(XAMH)可以例如通过值的分组(例如通过形成百分位数)和确定截止值来确定。截止值、分组、值的转换等可以如上文关于OA值所描述的那样定义。
对于人类雌性，AMH值(XAMH)可以例如如下确定：
XAMH＝2，如果雌性表现出AMH水平升高(例如，如果血清AMH＞3.5ng/ml，优选＞4ng/ml，更优选＞4.5ng/ml，最优选＞5ng/ml)；
XAMH＝0，如果雌性无症状(即没有表现出AHM水平升高)
最优选地，AMH值是AHM的数值变量，表达为血清AMH水平(nmol/l)(参见实例1)。
步骤a)的数据集可以进一步包括有关例如雌性身体的进一步状况或雌性身体中存在的物质(诸如激素)的其他值。
步骤a)的数据集的合适值还可以进一步涉及存在于雌性身体的物质，例如雌激素、雄激素(诸如睾酮(例如，FT和/或生物可利用的睾酮)、脱氢表雄酮(DHEA)、脱氢表雄酮硫酸盐(DHEA-S)、雄烯二酮和/或二氢睾酮(DHT))。
步骤a)中关于雌性身体进一步状况的数据集的合适值可以涉及例如雌性的体重、雌性的年龄和/或表型特征。
可以考虑的进一步的特征是遗传特征、雌性的生活习惯(诸如吸烟或体育锻炼，或环境条件)。
根据本发明第一方面的方法，步骤b)包括用处理单元处理步骤a)中提供的数据集，其中该处理包括将步骤a)中提供的数据集的值组合成一个组合值。
术语“处理单元”描述了能够执行由可执行代码编码的方法的组件，诸如对一些外部数据源(通常是存储器或一些其他数据流)执行操作的电子电路。例如，处理单元可以是计算机或移动装置，诸如智能手机。
术语“处理”描述了以任何方式收集和更改数据或信息项以产生有意义的信息。此外，app(应用程序)或计算机程序可以安装在处理单元上。进一步地，该应用程序可以支持处理并进一步提供图形用户界面或基于文本的用户界面。
在本发明第一方面的方法的步骤b)中，处理包括将步骤a)中提供的数据集的值(OA值、HA值和AHM值以及任选的重量和/或年龄值)组合成一个组合值。可以使用本领域技术人员已知的任何数学运算来将步骤a)中提供的数据集的值组合成一个组合值。此外，将步骤a)中提供的数据集的值组合成一个组合值还可以包括应用本领域技术人员已知的任何统计分析。优选地，OA值、HA值和AHM值通过加法组合并且组合值是这些值的总和。
还优选地，将步骤a)中提供的数据集的值组合成一个组合值可以包括应用加权因子以增加或减少单个值对组合值的影响。这意味着可以赋予值中的一个比其他值更高的权重。加权因子可以通过在数学上分析未患有PCOS的雌性(健康参考群体)和/或患有PCOS的雌性的参考群体来获得。优选地，加权因子可以或已经通过在数学上分析未患有PCOS的雌性和患有PCOS的雌性的群体来获得。更优选地，通过使用加权回归模型，尤其是加权逻辑回归模型分析未患有PCOS的雌性和患有PCOS的雌性的群体来获得加权因子。合适的方法示出在实例中。
例如，分析/收集1)属于健康参考群体或2)患有PCOS的雌性的值(OA、HA、AHM值和任选的年龄和/或重量值)。变量的加权因子可以通过已建立的数学程序来确定。这可以导致与雌性健康状况相关的PCOS风险概率(参见图3)的广泛数据集，例如明显健康的雌性或具有各种形式或严重程度的PCOS的雌性，允许建立截止值以区分各组(参见图3)。雌性患有PCOS的组别可以根据患有PCOS女性症状的严重程度(诸如无PCOS、PCOS症状较轻和PCOS症状较重)进一步细分，导致多于两组，并允许进一步区分。在实例中描述了示例性程序。
例如，通过应用加权因子对在步骤a)中提供的值中的至少一个、两个或三个进行加权。优选地，步骤a)中提供的值通过应用加权因子来加权。
优选地，在本发明第一方面的步骤b)中，组合值是通过对在步骤a)中提供的值进行加权计算而获得的加权组合值。
例如，OA值、HA值和AMH值可以进一步分别通过加权因子WOA、WHA和WAMH进行处理。加权因子WOA、WHA和WAMH可以通过比较未患有PCOS的参考群体中的雌性与患有PCOS的群体中的雌性来确定。WOA可以反映PCOS患者月经稀发和/或无排卵的频率或显著性。月经稀发和/或无排卵的高频率或显著性可以与高WOA相关，而月经稀发和/或无排卵的低频率或显著性可以与低WOA相关。WHA可以反映PCOS患者雄激素水平升高的频率或显著性。雄激素水平升高的高频率或显著性可以与高WHA相关，而雄激素水平升高的低频率或显著性可以与低WHA相关。AMH的量或浓度的高显著性可以与高WHA相关，而AMH的量或浓度的低显著性可以与低WAMH相关。
如果将加权因子应用于每个值(OA值、HA值和AHM值)，则步骤a)中提供的数据集可以例如使用以下算法(PCOS评分算法)进行组合：
分数＝XOA*WOA+XHA*WHA+XAMH*WAMH
其中XOA、XHA和XAMH可以如上所述定义，WOA、WHA和WAMH是用于加权XOA、XHA和XAMH的加权因子。
如实例中所示，考虑到以下情况，可以确定加权因子：WOA＞WAMH以及WOA＞WHA。
为了确定分数，XOA、XHA、XAMH、WOA、WHA和/或WAMH之间的任何交互作用都是可能的。例如，这还包括使用任何交互作用的加权因子的组合，诸如
分数＝XOA*WOA+XHA*WHA+XAMH*WAMH+WOA HA*XHA*XOA
此外，这些交互作用包括本领域技术人员已知的任何数学运算，诸如加法、减法、乘法、除法或对数。
根据本发明第一方面的方法，步骤c)包括将在步骤b)中获得的组合值与在参考群体中建立的对应组合值进行比较，其中相对于参考群体的组合值的雌性的组合值增加则指示PCOS的风险增加。
术语“参考群体”描述了群体，该群体可以包括未患有PCOS的特别是任何影响雌性月经周期或性激素量或浓度的疾病的明显健康雌性，以及患有PCOS或任何影响雌性月经周期或性激素的量或浓度的雌性。优选地，可以选择参考群体以包括至少20、30、50、100、200、500或1000个个体。为参考群体选择合适的个体在医师的技能范围内。
优选地，使用相同的数学程序(例如使用相同的算法)已获得在步骤b)中获得的组合值和参考群体的组合值。
例如，参考群体的组合值可以如上文所述为评定患有PCOS风险的雌性计算。因此，可以通过统计分析(诸如通过确定属于该健康参考群体的所有雌性的组合值的平均值或中值)来评定并将属于该健康参考群体的所有雌性的组合值组合为健康参考群体的组合值。用于统计分析的进一步合适的方法是本领域技术人员熟知的。
如果在步骤b)中获得的组合值显著高于在参考群体中建立的组合值，则可以认为其高于(增加)在健康参考群体中建立的组合值。评定两个值是否彼此显著不同的统计程序是本领域技术人员熟知的。
例如，如果在步骤b)中获得的组合值比在健康参考群体中建立的组合值至少高于1.1倍、优选高于1.5倍、更优选高于2.0倍，并最优选高于2.5倍，则可以认为其高于(增加)在健康参考群体中建立的组合值。
此外，如果步骤b)中获得的组合值的绝对值比在健康参考群体中建立的组合值至少高于0.5、优选至少高于1.0、更优选至少高于2.0，并且最优选至少高于2.5，则可认为其高于(增加)在健康参考群体中建立的组合值。
此外，如果与在健康参考群体中建立的组合值相比，在步骤b)中获得的组合值增加至少10％，特别是增加至少25％，特别是增加至少50％，特别是增加至少75％，特别是增加至少100％，特别是增加至少150％，特别是增加至少200％，则可以认为其高于(增加)在健康参考群体中建立的组合值。
优选地，在步骤c)中，将加权组合值与参考群体的对应加权组合值进行比较，其中雌性的加权组合值增加则指示患有PCOS的风险增加，特别是其中加权因子已经通过或通过分析患有PCOS的雌性群体和/或未患有PCOS的雌性群体而获得。
例如，在步骤b)中得到的组合值可以进一步通过加权因子进行处理。此加权因子可以通过分析患有PCOS的雌性群体和/或未患有PCOS的雌性群体来确定。例如，如果被评定患有PCOS的雌性已知处于与PCOS相比可以具有相似影响的状况(例如，相似的OA值、HA值、AMH值)，则可能就是此种情况并且需要PCOS诊断校正。
可替代地且优选地，参考群体的分析可以导致与雌性健康状况相关的PCOS风险概率(参见图3)，例如明显健康的雌性或具有各种形式或严重程度的PCOS的雌性，允许建立截止值以区分各组。风险概率的阈值可以定义为允许将雌性分组为可能患有或可能不患有PCOS。雌性患有PCOS的组别可根据PCOS的严重程度(诸如无PCOS、PCOS症状轻微、PCOS症状严重)进一步细分，导致多于两组，并允许进一步区分。在实例中描述了示例性程序。
一般而言，阈值或截止值代表了区分未患有PCOS的雌性和患有PCOS的雌性的适当值。进一步地，如果应用多于一个阈值，则阈值可以代表适当值，以区分未患有PCOS的女性和具有各种症状、形式或严重程度的PCOS的雌性。
可以根据所需的灵敏性和特异性选择合适的阈值。灵敏性和特异性是二元分类测试表现的统计度量，在统计学中也称为分类函数：
灵敏性(也称为真阳性率)衡量被正确识别为阳性的比例(例如，被正确识别为患有该疾病的有PCOS症状或患有PCOS的雌性的百分比)。
特异性(也称为真阴性率)衡量被正确识别为阴性的比例(例如，被正确识别为没有PCOS症状或患有PCOS的健康雌性的百分比)。
可以设置阈值以增加灵敏性或特异性。高于这种阈值的值可被视为增加。优选地，选择阈值以匹配感兴趣的诊断问题。
进一步地，如果单独考虑，步骤a)的数据集的所有值仅被认为是患有PCOS风险的指标。与健康参考群体相比，并非每个单一值的增量都可被自动视为确认患有PCOS。最后，根据步骤b)将步骤a)中提供的数据集整体处理为组合值，并将步骤b)中获得的组合值与参考群体中建立的对应组合值进行比较，这最后允许评定雌性患有PCOS的风险。
因此，与参考群体相比，步骤a)的数据集的单个值可能会增加，而同时其他值与健康参考群体相比没有增加，但不认为雌性患有PCOS，例如，因为增加值的显著性通过其/它们的加权因子降低和/或未增加值的显著性通过其/它们的加权因子增加。
然而，与健康参考群体相比，并非步骤a)的数据集的所有值都可能增加，而同时其他值与参考群体相比没有增加，并且认为雌性患有PCOS，例如，因为增加值的显著性通过其/它们的加权因子增加和/或未增加值的显著性通过其/它们的加权因子降低。
根据本发明第一方面的方法，步骤d)包括经由指示单元指示雌性患有PCOS的风险。
术语“指示”描述了示出或显示通过根据本发明第一方面的方法所评定的雌性患有PCOS的风险。
可以以各种方式(诸如通过文字、数字、刻度或颜色或以本领域技术人员已知的任何其他方式)指示风险。
例如，风险可以通过任何语言中具有“是”和“否”或“PCOS”和“无PCOS”含义的单词的简单显示来指示。
患有PCOS的风险也可以通过使用数字来显示，诸如低数字(例如“0”)表示没有患PCOS的风险，或高数字(例如“100”或“10”)表示患PCOS的风险最高。此外，百分位数可以适用，诸如0％和100％。进一步地，这些数字还可以显示患有PCOS风险的不同程度，其中例如连续范围内最低和最高数字之间的所有数字可以都是合适的(例如，“0”和“100”之间的所有值)。这些数字可以进一步使用刻度来显示，诸如用于汽车中的速度计。
进一步地，对于根据本发明第一方面的方法的不同结果，可以使用颜色来显示风险。例如，绿色可以显示患有PCOS的风险低，而红色可以显示患有PCOS的风险高。进一步地，颜色还可以显示患有PCOS风险的不同程度，诸如绿色表示低风险，黄色表示中等风险以及红色表示高风险。此外，不同程度可以通过连续的颜色过渡来描绘，例如从绿色经由黄色到红色。对于这些实例中的每一个，颜色都是可交换的。
例如，考虑到上述示例用于人类的XOA、XHA和XAMH值，风险评分分类可以如下：
高风险评分(红色)：6-9分
中等风险评分(黄色)：3-5分
低风险评分(绿色)：0-2分
可替代地，可以根据风险的十分位数来选择风险评分分类，例如如下：
高风险评分(红色)：67％至100％
中等风险评分(黄色)：34％至66％
低风险评分(绿色)：0％至33％
或者，可以通过使用预先指定的灵敏性和/或特异性的阈值或风险十分位数(例如使用预测曲线)对风险分类的阈值进行数学优化来确定风险评分分类(Pepe等人2008)。
术语“指示单元”描述了显示处理单元的操作结果的电子装置或电子装置的一部分。合适的指示单元是本领域技术人员熟知的。例如，指示单元可以是集成在电子装置中的任何种类的视觉显示器，诸如计算机或移动装置，例如智能手机。进一步地，指示单元可以是可以连接到计算机或移动装置(例如智能手机)的任何类型的视觉显示器，但被视为单独的装置。
例如，根据本发明第一方面的方法可以在就医期间容易地执行。在此次就医期间，可以询问雌性其月经周期的长度。进一步地，在采集血液样品后，雄激素水平(诸如总睾酮和SHBG的量)以及AMH的量或浓度可以在实验室测试中确定。然后医生可以很容易地在计算机程序或应用程序(app)中输入结果(月经周期长度(参见上文定义)、雄激素量或浓度(诸如总睾酮和SHBG或FAI的量或浓度)以及AMH的量或浓度)。此外，如果提供了总睾酮和SHBG的数据，则该程序还能够计算FAI。然后程序或应用程序可以基于根据本发明第一方面的方法，自动确定OA值、HA值和AMH值，将这些值与参考群体的值进行比较，考虑潜在的加权因子，以及因此表明雌性患有PCOS风险。该指示可以简单地是如上所述的数字或任何种类的颜色代码。因此，医生只需要将从雌性和实验室检索到的数字输入到程序或应用程序中。不需要进一步的估计或分析。上文可以描述根据本发明第一方面的方法的结果的进一步诊断，诸如糖尿病测试。此外，可以立即开始治疗，诸如服用或停止服用避孕药以调节雌性月经周期。
或者，第一方面的方法可以部分地由患者执行并且部分地由医学专家诸如医生执行。例如，患者可以将她的周期长度和/或HA的表型症状(例如皮肤或毛发症状)输入到应用程序或软件程序。如果这些偏离健康参考，应用程序或软件程序会建议患者去看医生以进行进一步评估。在这样的就诊期间和如上所述的雄激素水平和AMH值的实验室测试后，医生可以很容易地输入结果(雄激素量或浓度(诸如总睾酮和SHBG或FAI的量或浓度)以及AMH的量或浓度)到所述计算机程序或应用程序。如上所述，软件程序或应用程序然后可以基于根据本发明第一方面的方法自动确定OA值、HA值和AMH值，将这些值与健康参考群体的值进行比较，考虑潜在的加权因子，以及因此表明雌性患有PCOS风险。
在优选实施例中，本发明第一方面的方法的步骤a)的数据集进一步包括
-反映雌性的体重的重量值，其中相对于正常重量群体的重量值的重量值增加则指示体重增加；并且/或
-反映雌性的年龄的年龄值，其中该年龄值与年龄有关的激素水平相关。
特别优选地，本发明第一方面的方法的步骤a)的数据集进一步包括OA值、HA值、AMH值和年龄值，甚至更优选OA值、HA值、AMH值、年龄值和重量值。
本发明第一方面的方法的步骤a)的数据集可以包括反映雌性身体或健康的进一步状况的附加值。适合指示雌性患有PCOS风险的相关因子和对应值是本领域技术人员熟知的。例如，这些值可以反映雌性的体重(重量值)和/或年龄(年龄值)。
在优选实施例中，本发明第一方面的方法的步骤a)的数据集进一步包括反映雌性的体重的重量值，其中重量值相对于参考群体的重量值增加则指示体重增加。体重增加是PCOS的一种可能症状。
术语“重量值”描述了反映雌性与正常体重(即对应正常重量雌性的重量)的偏差(增加)的值。重量值相对于参考群体的重量值增加则指示重量异常，这是在一些患有PCOS的雌性中观察到的症状。通常，重量值与体重直接相关。具有正常重量的雌性在重量值方面被称为无症状。超重/肥胖是PCOS的一种可能症状。
术语“体重”描述了雌性的质量或重量。用于确定雌性的体重的合适方法(诸如健康秤)是本领域技术人员熟知的。通常，测量体重时雌性身上没有任何物品(诸如衣服、鞋子和配饰)。体重可以在一天中发生变化，因为体内的水量可以不是恒定的，例如由于各种活动诸如饮酒、排尿或运动。因此，在相当大的变化的情况下，可以通过统计分析来执行和组合几个测量，诸如形成中值或平均值。用于统计分析的进一步合适的方法是本领域技术人员熟知的。
术语“正常重量”描述了健康的、育龄雌性的标准重量值。术语“正常重量群体”描述了健康的、非肥胖的育龄雌性的群体。
重量值相对于正常重量的雌性，增加的重量转换为增加的重量值。因此，重量值相对于参考群体的重量值增加被认为指示雌性体重增加，这指示患有PCOS的风险增加。
定义正常重量、体重不足和超重/肥胖的值在本领域中是众所周知的。可以从标准出版物或从健康参考群体中获得定义正常体重的值(另参见上文关于OA值的内容)。
对于人类雌性，重量值(X重量)可以例如基于雌性的超重或肥胖程度来确定。可以应用连续相关性，即高超重或肥胖可以对应于高重量值，而低超重或肥胖可以对应于低重量值。
进一步地，用于确定重量值的值(诸如超重或肥胖的程度)，可以在确定重量值之前进行任何数学运算。合适的数学运算是本领域技术人员熟知的并且包括例如加法、减法、乘法、除法或对数。
此外，重量值(X重量)可以例如通过值的分组(例如通过形成百分位数)和确定阈值和/或截止值来确定。阈值、截止值、分组、值的转换等可以如上文关于OA值所描述的那样定义。
重量值(X重量)可以例如如下确定：
X重量＝2，如果雌性超重；
X重量＝0，如果雌性重量正常。
除了雌性重量正常外，雌性的体型或雌性身体特定部位的测量可以考虑用于计算重量值，诸如通过包括身体质量指数(BMI)、布罗卡指数、Ponderal指数、腰臀比、腰高比或腰围。雌性的体型或雌性身体特定部位的测量可以通过本领域技术人员已知的方法进行测量，诸如通过使用量尺或卷尺。例如，如果考虑BMI，19岁以上的女性BMI低于19被认为是体重不足，BMI为10-24被认为是正常重量，BMI为25-29被认为是超重，并且BMI超过30被认为是肥胖(参见例如https：//www.bmi-rechner.net/bmi-tabelle.htm)
如果BMI至少为25，优选至少26，更优选至少27，更优选至少28，并且最优选至少29，则雌性的重量值可被认为高于健康参考群体的重量值。
在进一步优选的实施例中，本发明第一方面的方法的步骤a)的数据集进一步包括反映雌性的年龄的年龄值。
雌性的年龄也可以影响其他确定的参数。例如，雌性体内的激素浓度可以根据其年龄而异，如上表1中的AMH所示。因此，引入年龄值以校正其他值(诸如AMH值)与年龄有关的变化可以是一种选择。以这种方式，可以校正所有其他值或仅某些值(诸如AMH值)。
术语“年龄值”描述了反映雌性的年龄的值。这可以很容易地通过询问雌性来检索。通常年龄值与雌性的年龄直接或间接相关。
如果在该优选实施例中，将加权因子应用于每个值(OA值、HA值和AHM值，以及年龄值，以及任选的重量值)，则在步骤a)中提供的数据集可以例如使用以下算法(PCOS评分算法)进行组合：
分数＝XOA*WOA+XHA*WHA+XAMH*WAMH+X年龄*W年龄或者
分数＝XOA*WOA+XHA*WHA+XAMH*WAMH+X年龄*W年龄+X重量*W重量，
其中XOA、XHA、XAMH、X重量和X年龄可以如上所述定义，并且WOA、WHA、WAMH、W重量和W年龄是用于加权XOA、XHA、XAMH、X重量和X年龄的加权因子。
为了确定分数，XOA、XHA、XAMH、X重量、X年龄、WOA、WHA、WAMH、W重量和/或W年龄之间的任何交互作用都是可能的。上文提到的交互作用项也可以包含在公式中。
此外，这些交互作用包括本领域技术人员已知的任何数学运算，诸如加法、减法、乘法、除法或对数。
在优选实施例中，步骤a)中提供的数据集由OA值、HA值、AMH值、重量值和年龄值组成，任选地与PHE值组合，这是在步骤b)中处理以获得组合值的唯一值。
在另一优选实施例中，本发明第一方面的方法的步骤a)中提供的数据集的HA值对应于
-从雌性获得的样品中的游离睾酮(FT)的量或浓度，或
-从雌性获得的样品中的总睾酮(TT)的量或浓度与性激素结合球蛋白(SHBG)的量或浓度的比率(TT/SHBG)，任选地乘以常数a(a*TT/SHBG)，尤其是乘以100(100*TT/SHBG)。
在优选实施方案中，本发明第一方面的方法的步骤a)中提供的数据集的HA值对应于从雌性获得的样品中的游离睾酮(FT)的量或浓度。
术语“游离睾酮”描述了血液中未连接任何蛋白的睾酮。以Elecsys睾酮测定为例，20岁至49岁的女性具有0.059-0.756nmol/L的生物可利用“游离”睾酮值。
用于检测样品中游离睾酮(FT)的量或浓度的合适方法是例如质谱法，诸如液相色谱法-质谱法(LCMS)/质谱法。例如，针头可用于从手臂或手部的静脉抽取血液。
如果本发明第一方面的方法的步骤a)中提供的数据集的HA值对应于从雌性获得的样品中的游离睾酮(FT)的量或浓度，则HA值(XHA)可以例如根据阈值来确定。
例如，对应于健康雌性样品中游离睾酮(FT)的量或浓度的XHA值可分配0，而具有较高游离睾酮(FT)的量或浓度的雌性的所有XHA可被分组并分配另一数字，优选2。
如果游离睾酮用于确定HA值，则该HA值(XHA)可以例如如下确定：
XHA＝2，如果游离睾酮>阈值(其中阈值可以是例如1.1ng/dl，优选1.3ng/dl，更优选1.5ng/dl，最优选2.0ng/d1)；
XHA＝0，如果雌性无症状(即没有表现出游离睾酮增加)
在另一优选实施方案中，本发明第一方面的方法的步骤a)中提供的数据集的HA值对应于从雌性获得的样品中的总睾酮(TT)的量或浓度与性激素结合球蛋白(SHBG)的量或浓度的比率(TT/SHBG)，任选地乘以常数a(a*TT/SHBG)，尤其是乘以100(100*TT/SHBG)。
该优选实施例示出了用于确定HA值的两个选项，这已经在上文解释过：
1)总睾酮/SHBG x 100，这对应于上述FAI的计算；并且
2)(总睾酮/SHBG x 100)*a，这也对应于上述加权FAI的计算。因此，常数a对应于WHA。
在进一步优选的实施例中，在根据本发明第一方面的方法中，
-如果组合值高于阈值高，则雌性具有高风险；并且
-如果组合值高于阈值中等且低于阈值高，则雌性具有中等风险；并且
-如果组合值低于阈值中等，则雌性具有低风险。
进一步地，可以使用一个或多个阈值或截止值来确定雌性患有PCOS的风险。为了确定这些阈值，确定属于参考群体(例如包括1)对未患有PCOS的健康参考群体和2)具有不同程度和形式的PCOS)的雌性的组合值。这可以导致健康雌性和对PCOS具有不同风险/程度的雌性的不同截止值或阈值。
然后可以将这些组合值分组在例如三个组，优选地基于本领域技术人员熟知的统计方法。在下一步中，可以为每个组确定阈值，例如每组的最低或最高组合值。
组合值可分为三组或更多组，其中每组代表患有PCOS的不同风险。例如，组合值分为三组，即患有PCOS风险低、中等和高。
代表患有PCOS最低风险的组可以达到低于患有PCOS中等风险组的最高组合值(例如阈值中等)。代表患有PCOS最高风险的组可以具有阈值，该阈值包括代表患有PCOS的中等风险的组的最高组合值(阈值高)。如果组合值高于阈值高，则雌性可以被认为具有高风险；如果组合值高于或等于阈值中等和低于阈值高，则雌性具有中等风险；如果组合值低于阈值中等，则雌性具有低风险。
在进一步优选实施例中，从数据库中检索(健康)参考群体的一个或多个值和/或参考群体的组合值和/或用于加权计算的加权因子。此数据库可以是包括与指示PCOS的症状有关的患者数据的任何类型的数据库，并且是本领域技术人员熟知的。
在本发明第一方面的优选实施例中，步骤a)的数据集进一步包括反映已知指示PCOS的一个或多个表型特征的PHE值，其中PHE值相对于健康参考群体的PHE值增加则指示已知指示PCOS的一个或多个表型特征的存在由增加的PHE值来反映，特别是其中表型特征是多囊卵巢形态(PCOM)和/或临床高雄激素血症，更特别是痤疮、皮脂溢、脱发和/或多毛症。
优选地，步骤a)的数据集进一步包括由PHE值组成的组中的一个、两个、三个或四个值，其中这些值的任何组合都是可能的。
优选地，步骤a)的数据集进一步包括反映已知指示PCOS的一个或多个表型特征的PHE值，其中PHE值相对于健康参考群体的PHE值增加则指示已知指示PCOS的一个或多个表型特征的存在由增加的PHE值来反映，特别是其中表型特征是多囊卵巢形态(PCOM)和/或临床高雄激素血症，更特别是痤疮、皮脂溢、脱发和/或多毛症。
术语“PHE值”反映了已知指示PCOS的一个或多个表型特征。通常，PHE值与已知指示PCOS的一个或多个表型特征直接或间接相关。
术语“表型特征”描述了已知指示PCOS的雌性表型的任何特征。例如，这些表型特征包括多囊卵巢形态(PCOM)和/或临床高雄激素血症，诸如痤疮、皮脂溢、脱发和/或多毛症。优选地，这些表型特征包括多囊卵巢形态(PCOM)和/或临床高雄激素血症，更优选痤疮、皮脂溢、脱发、声音低沉和/或多毛症。
临床高雄激素血症的这些表型特征可以通过询问雌性来简单诊断出，或者在对雌性身体进行简短的身体检查后就很明显。
通常，参考群体不表现任何或不超过这些已知指示PCOS的表型特征中的一个。
相对于具有正常外观的雌性的PHE值上述表型特征的存在转换为增加的PHE值。因此，PHE值相对于参考群体的PHE值增加被认为表明存在雌性表型特征，这表明患有PCOS风险增加。
对于人类雌性，PHE值(XPHE)可以例如基于雌性的表型来确定。可以应用连续相关性，即示出已知指示PCOS的雌性表型的许多特征的表型然后可以对应于高PHE值，而几乎不示出已知指示PCOS的雌性表型的任何特征的表型可以对应于低PHE值。
进一步地，用于确定PHE值的值(诸如表型的数量或类型)，可以在确定PHE值之前进行任何数学运算。合适的数学运算是本领域技术人员熟知的并且包括例如加法、减法、乘法、除法或对数。
此外，PHE值(XpHE)可以例如通过值的分组(例如通过形成百分位数)和确定阈值和/或截止值来确定。阈值、截止值、分组、值的转换等可以如上文关于OA值所描述的那样定义。
例如，对于人类，PHE值(XpHE)可以如下确定：
XPHE＝2，如果雌性患有至少一种已知指示PCOS的表型特征，优选至少两种已知指示PCOS的表型特征，更优选至少三种已知指示PCOS的表型特征并且最优选至少四种已知指示PCOS的表型特征；
XPHE＝0，如果雌性无症状，即不反映任何已知指示PCOS的表型特征
除了表型特征的积累，PHE值还可以考虑这些表型特征中的每一个的严重程度，例如雌性患有痤疮的严重程度。
此外，在与本发明第一方面的步骤a)中提供的数据集的值组合时，可以如上文针对步骤a)中提供的数据集对PHE值进行加权。
优选地，步骤a)的数据集进一步包括允许排除其他疾病(诸如非经典肾上腺增生(NCAH)、雄激素分泌肿瘤、库欣综合征、甲状腺疾患或高催乳素血症)的附加值。
因此，为了排除非典型肾上腺增生(NCAH)，可以包括17α-羟孕酮(17-OHP)的值。
因此，为了排除雄激素分泌肿瘤，可以包括雄烯二酮和脱氢表雄酮硫酸盐(DHEAS)的值(例如分别使用Roche Elecsys雄烯二酮或DHEA-S测定确定)。
因此，为了排除库欣综合征，可以包括皮质醇的值(例如，使用Roche Elecsys皮质醇II测定确定)。
因此，为了排除甲状腺疾患，可以包括促甲状腺激素(TSH)(例如Roche ElecsysTSH)的值。
因此，为了排除高催乳素血症，可以包括催乳素值(例如，使用Roche ElecsysProlactin II测定确定)的值。
在另一优选实施例中，根据本发明第一方面的方法进一步包括确定在步骤a)中提供的数据集中的一个或多个值，特别是对应于激素中的一种或多种的量或浓度的值中的一个或多个，确定尤其是通过测量雌性的样品中的激素中的一种或多种的量或浓度来进行。
在进一步优选实施例中，雌性的样品中的激素中的一种或多种的量或浓度通过免疫测定和/或质谱法进行测量。
用于确定一种或多种激素的量或浓度的合适方法是本领域技术人员熟知的。例如，用于检测激素的量或浓度的合适方法是免疫测定和/或质谱法(诸如液相色谱法-质谱法(LCMS)/质谱法、酶联免疫吸附测定(ELISA)、电化学发光-免疫测定(ECLIA))和提取/色谱免疫测定，优选电化学发光-免疫测定(ECLIA)(诸如来自Roche的
Figure BDA0003869120560000291
)。进一步地，如果确定多于一种激素(诸如两种、三种、四种或更多种激素)的量或浓度，则这些激素的量或浓度可以在不同的测量中单独确定或在一种或多种测量值中一起确定。
在第二方面，本发明涉及一种用于评定雌性患有PCOS的风险的方法中的试剂盒，该试剂盒包括在从雌性获得的样品中对以下进行特异性测量所需的试剂
-(i)FT的量或浓度或(ii)TT的量或浓度和SHBG的量或浓度；
-AMH的量或浓度；并且
-任选地，指示PCOS的一种或多种另外的激素的量或浓度，
尤其是其中该试剂盒用于根据本发明第一方面的方法中，
尤其是在第一方面的方法中，
-其中该方法进一步包括确定步骤a)中提供的数据集中的一个或多个值，特别是对应于激素中的一种或多种的量或浓度的值中的一个或多个，尤其是通过测量雌性的样品中的激素中的一种或多种的量或浓度来进行
和/或
-其中该雌性的样品中的激素中的一种或多种的量或浓度通过免疫测定和/或质谱法进行测量。
用于评定雌性患有PCOS风险的方法中的试剂盒通常包含在从雌性获得的样品中对以下进行特异性测量所需的试剂：
-(i)FT的量或浓度或(ii)TT的量或浓度和SHBG的量或浓度；
-AMH的量或浓度；并且
任选地指示PCOS的一种或多种另外的激素的量或浓度。
在本发明的试剂盒的上下文中，术语“试剂”描述了添加到允许显示样品中特定组分的量或浓度的样品中的物质或化合物。
在本发明的试剂盒的上下文中，术语“特异性测量”是指检测明确定义的分子的准确量或浓度。对于特定的测量，从雌性获得的样品可以在适于形成结合剂标志物-复合物的条件下与试剂一起孵育。这样的条件不需要指定，因为这样的合适的孵育条件是本领域技术人员熟知的。
优选地，该试剂盒包含用于特异性测量的试剂
-(i)FT或(ii)TT和SHBG，以及
-AMH。
还优选地，该试剂盒包含用于特异性测量的试剂
-(i)FT或(ii)TT和SHBG，以及
-AMH
更优选地，该试剂盒包含用于特异性测量的试剂
-TT和SHBG，以及
-AMH。
进一步地，更优选地，该试剂盒包含用于特异性测量的试剂
-TT和SHBG，以及
-AMH
该试剂盒还可包含用于特异性测量其他分子的进一步的试剂，诸如雌激素、雄激素(除FT、TT、TT/SHBG(FAI)和SHBG)、脱氢表雄酮(DHEA)、脱氢表雄酮硫酸盐(DHEA-S)、雄烯二酮和/或二氢睾酮(DHT)。进一步的合适试剂是本领域技术人员熟知的。
在本发明的试剂盒的上下文中，术语“试剂”可以描述蛋白质分子(诸如抗体)、核酸分子(诸如任何形式的脱氧核糖核酸(DNA)或核糖核酸(RNA))或另一种生化、有机或无机物质，它可以与样品中待特异性测量的分子相互作用。
进一步地，该试剂可以连接到可检测的报道部分或标记，诸如酶、染料、放射性核素、发光基团、荧光基团或生物素等，诸如可用于免疫测定分析的荧光标志物。任何报道部分或标记都可以与根据本发明第二方面的试剂盒的试剂一起使用，只要其信号可以与洗涤后保留在支持物上的结合剂的量直接相关或成比例。然后可以使用适于特定可检测报道部分或标记的方法来确定保持与固体支持物结合的任选的第二结合剂的量。对于放射性基团，闪烁计数或放射自显影膺象方法通常是合适的。可使用多种偶联技术制备抗体-酶缀合物(综述参见，例如，Scouten，W.H.，Methods in Enzymology 135：30-65，1987)。光谱法可用于检测染料(包括例如酶反应的比色产物)、发光基团和荧光基团。生物素可使用亲和素或链霉亲和素检测，与不同的报道基团(通常是放射性基团或荧光基团或酶)偶联。酶报道基团通常可以通过添加底物(通常持续特定时间)来检测，然后对反应产物进行光谱、分光光度或其他分析。使用本领域技术人员熟知的技术，可以使用标准和标准添加物来确定样品中抗原的水平。
试剂还可以是另外能够连接到用于色谱法的柱的基质以进行纯化和/或进一步分析(诸如质谱法分析)的物质。此外，试剂可以连接到测试条。
优选地，试剂是抗体。用于测量在从上述雌性获得的样品中待特异性测量的分子中的一个的量或浓度的合适抗体是本领域技术人员熟知的。
术语“抗体”可以包括多克隆抗体、单克隆抗体、它们的片段(诸如F(ab′)2和Fab片段)，以及任何天然存在的或重组产生的结合配偶体，它们是与样品中待特异性测量的分子中的一个进行特异性结合的分子。可以使用保留上述特异性结合剂标准的任何抗体片段。抗体是通过现有技术程序生成的，例如，如Tijssen 1990中所述。此外，本领域技术人员熟知可用于特异性抗体分离的基于免疫吸附剂的方法。通过这些方法，可以提高多克隆抗体的质量，并从而提高它们在免疫测定中的性能(Tijssen 1990)。优选地，抗体为单克隆抗体。
对于本发明中所公开的成就，可以使用在例如山羊体内产生的多克隆抗体。然而，显然也可以使用来自不同物种的多克隆抗体，例如大鼠、兔或豚鼠，以及单克隆抗体。由于单克隆抗体可以以所需的任何数量生产且具有恒定的特性，因此它们代表了开发用于临床常规测定的理想工具。
优选地，该试剂可用于电化学发光-免疫测定，更优选地，该试剂是可用于电化学发光-免疫测定的抗体。
此外，该试剂盒可包含多于一种试剂(诸如两种不同的试剂、三种不同的试剂、四种不同的试剂或更多种不同的试剂)，优选两种不同的试剂以与样品中被特异性测量的一种分子相互作用。例如，如果在电化学发光-免疫测定中测量被特异性测量的分子，则该试剂盒可以包含与待测量的相同分子结合的两种不同抗体。优选地，与相同分子结合的两种不同抗体不竞争在该分子处的结合位点，而是在不同位置处结合此分子。进一步地，两种抗体都可以连接到不同的可检测报道部分或标记上。
可以使用根据本发明第二方面的试剂盒进行检查的样品通常如上所述从雌性获得。
用于测量雌性的样品中一种或多种激素的量或浓度的合适方法是本领域技术人员熟知的或如上所述。用于测量雌性的样品中一种或多种激素的量或浓度的优选方法是免疫测定/和/或质谱法(诸如液相色谱法-质谱法(LCMS)/质谱法、酶联免疫吸附测定(ELISA)、电化学发光-免疫测定(ECLIA))和提取/色谱免疫测定，优选电化学发光-免疫测定(ECLIA)(诸如来自Roche的
Figure BDA0003869120560000321
)。
在基于钌络合物和三丙胺(TPA)的电化学发光-免疫测定的实例中，第一抗体可以与生物素结合并且第二抗体可以与钌络合物结合。在与待测量分子的孵育步骤期间，两种抗体可与相同待测量分子结合，形成夹心复合物。在孵育之后，可以使夹心复合物带入与固定的链霉亲和素(诸如与微粒连接的链霉亲和素)接触，因此夹心复合物可以经由生物素和链霉亲和素之间的相互作用与链霉亲和素微粒结合。之后，可以将与夹心复合物连接的微粒带入测量单元，在测量单元中，可以通过与电极表面的磁性相互作用来固定微粒。在去除未结合的物质后，将电压施加到电极上，诱导可以用光电倍增管检测到的化学发光的发射。
在酶联免疫吸附测定(ELISA)中的实例中，样品可以在微孔板中孵育，其孔覆盖有针对待测量分子的第一抗体。在下一步中，在孵育和洗涤之后，可以添加针对待测量并与生物素连接的分子的第二抗体。在进一步孵育和洗涤后，可以添加链霉亲和素-辣根过氧化物酶(HRP)。在最终孵育和洗涤后，可以将底物四甲基联苯胺(TMB)添加到样品中。最后，可以添加酸性终止溶液。可以通过在450nm和600至630nm之间的双波长吸光度测量来进行测量。测量的吸光度通常与样品中AMH的浓度成正比。一组AMH校准器可用于绘制吸光度与AMH浓度的校准曲线。然后可以从该校准曲线计算样品中的AMH浓度。
特异性测量的步骤也可以如下进行：样品可以在允许第一试剂与待测量物质结合的条件下与第一试剂(其可以被固定，例如固定在固相上)接触。未结合的试剂可以通过分离步骤(例如一个或多个洗涤步骤)去除。可以添加第二试剂(例如标记试剂)以检测结合的第一试剂以允许对其进行结合和定量。可以去除未结合的第二试剂。与待测量物质的量成比例的第二试剂的量可以例如基于标记被定量。定量可以基于例如通过绘制用于每个校准器的测量值与浓度，为每个测定构建校准曲线。然后可以从校准曲线中读取样品中待鉴定物质的浓度或量。
优选地，进一步表征用于本发明第一方面的方法的试剂盒，其中该方法进一步包括确定步骤a)中提供的数据集中的一个或多个值，特别是对应于激素中的一种或多种的量或浓度的值中的一个或多个，尤其是通过测量雌性的样品中的激素中的一种或多种的量或浓度来进行和/或，
其中该雌性的样品中的激素中的一种或多种的量或浓度通过免疫测定和/或质谱法进行测量。
该试剂盒可以进一步包含缓冲剂和/或盐以调节pH以及反应并且测量条件。此外，该试剂盒可包含稳定剂，例如以在特定测量(i)FT的量或浓度或(ii)TT的量或浓度和SHBG的量或浓度期间支持试剂和/或激素的稳定性的稳定剂；AMH的量或浓度；以及指示PCOS的一种或多种另外的激素的量或浓度。合适的缓冲液、盐和稳定剂是本领域技术人员熟知的。此外，可以将叠氮化钠添加到试剂盒的所有液体溶液(诸如试剂或缓冲液)中。
该试剂盒还可以包括从雌性采集血液样品所需的所有设备(诸如用于血液样品的容器、针头以及连接容器和针头的装置)。优选地，该试剂盒可以包括注射器。
一般而言，医生或医生的助手可以从雌性身上采集血液。随后，血液可以被送到实验室，在实验室使用在指定分析仪上的试剂盒测量样品，并将数据发送给医生。然而，该试剂盒也可以由医生或医生的助手自己使用。该试剂盒可以在医生的门诊、固定治疗或家庭访问期间应用。
试剂盒的所有组件都可以单独包装在单个容器中。然而，也可以将试剂盒的两种或更多种组件一起包装在一个或多个容器中。
该试剂盒可以进一步包括标记，例如该标记包括有关如何使用该试剂盒的说明或描述该试剂盒的内容。然而，此信息也可以以任何其他形式(诸如在存储介质(诸如CD-ROM或U盘)上)提供。
在第三方面，本发明涉及一种标志物组合与OA值和任选地重量值和/或年龄值相组合在评估雌性患有PCOS的风险中的用途，该标志物组合包括
(i)FT或TT/SHBG和
(ii)AMH
其中当标志物的量或浓度或比率和OA值的组合值相对于在参考群体中建立的组合值增加时，雌性患有PCOS的风险增加，任选地其中该标志物组合进一步包括指示PCOS的一种或多种另外的激素。
术语“标志物”描述了可客观测量并提供有关患有或罹患PCOS风险的信息的临床或生物学特性。标志物可以指示患者在PCOS和PCOS治疗过程中的表现。标志物可能进一步旨在客观地评估患者的整体结果。通常，在诊断时测量和评估标志物。标志物的存在或不存在可用于选择用于治疗的雌性。
用于检测雌性患有PCOS的风险的合适的标志物通常是例如雌激素和/或雄激素(诸如睾酮(例如FT、TT、TT/SHBG(FAI)、SHBG和/或生物可利用睾酮)、脱氢表雄酮(DHEA)、脱氢表雄酮硫酸盐(DHEA-S)、雄烯二酮和/或二氢睾酮(DHT))。用于检测雌性患有PCOS的风险的进一步的合适的标志物是本领域技术人员熟知的。
优选地，用于检测雌性患有PCOS的风险的标志物是
(i)FT或TT/SHBG和
(ii)AMH
与OA值组合。
还优选地，用于检测雌性患有PCOS的风险的标志物是
(i)FT或TT/SHBG和
(ii)AMH
与OA值、重量值和/或年龄值组合。
进一步优选地，用于检测雌性患有PCOS的风险的标志物是
(i)FT或TT/SHBG和
(ii)AMH
与OA值组合；
其中该标志物组合进一步包括指示PCOS的一种或多种另外的激素。
进一步优选地，用于检测雌性患有PCOS的风险的标志物是
(i)FT或TT/SHBG和
(ii)AMH
与OA值组合，以及
重量值和/或年龄值；
其中该标志物组合进一步包括指示PCOS的一种或多种另外的激素。
上文列出了指示PCOS的另外的激素作为用于检测雌性患有PCOS风险的合适的标志物。这些可以包括例如雌激素、雄激素(除FT、TT、TT/SHBG(FAI)和SHBG之外)、脱氢表雄酮(DHEA)、脱氢表雄酮硫酸盐(DHEA-S)、雄烯二酮和/或二氢睾酮(DHT))。
进一步地，当标志物的量或浓度或比率和OA值的组合值相对于在参考群体中建立的组合值增加时，雌性患有PCOS的风险可以增加。
标志物和OA值的量或浓度或比率的组合值可以如上所述以处理组合值。
本发明第三方面的标志物组合的使用可以允许确定雌性患有PCOS的风险。特别地，当如上定义的标志物的量或浓度或比率和OA值的组合值相对于健康参考群体中建立的组合值增加时，雌性患有PCOS的风险可以增加。
将标志物的量或浓度或比率与雌性的OA值的组合值与标志物的量或浓度或比率与参考群体的OA值的组合值进行比较。如果标志物的量或浓度或比率与雌性的OA值的组合值与标志物的量或浓度或比率与健康参考群体的OA值的组合值相比增加，这可以是雌性患有PCOS风险增加的指标。
一般而言，标志物的量或浓度或比率与雌性的OA值的组合值与其患有PCOS的风险直接或间接相关。通常，标志物的量或浓度或比率与雌性的OA值的组合值与标志物的量或浓度或比率与健康参考群体的OA值的组合值相比增加得越多，该雌性患有PCOS的风险越高。
如果标志物的量或浓度或比率与雌性的OA值的组合值显著高于标志物的数量或浓度或比率的与健康参考群体的OA值的组合值，则可以认为该组合值高于标志物的量或浓度或比率与健康参考群体的OA值的组合值。评定两个值是否彼此显著不同的统计程序(诸如学生t检验或卡方检验)是本领域技术人员熟知的。
在第四方面，本发明涉及用于根据第一方面所述的方法中的计算机系统，其中该计算机系统包括：
a)数据集单元，该数据集单元包括用于提供数据集的计算机指令，该数据集包括
-反映雌性的月经周期的长度和/或每年雌性的月经周期的数量的OA值，其中OA值相对于健康参考群体的OA值增加则指示月经周期长度和/或数量异常；
-反映雌性的雄激素状态的HA值，其中HA值相对于健康参考群体的HA值增加则指示雌性的雄激素水平升高；并且
-对应于从雌性获得的样品中的AMH的量或浓度的AMH值；
b)处理单元，该处理单元包括用于处理步骤a)的数据集的计算机指令，其中该处理包括将步骤a)中提供的数据集的值组合成一个组合值；
c)参考数据单元，该参考数据单元包括计算机指令，这些计算机指令用于
(i)存储和/或检索包括在参考群体中建立的参考值中的一个或多个的参考数据集，并将参考数据集处理成参考群体的组合值；或者
(ii)存储和/或检索参考群体的组合值；
(d)将步骤b)中获得的组合值与步骤c)的对应组合值进行比较，其中相对于参考群体的组合值的雌性组合值增加则指示PCOS的风险增加；并且
e)指示雌性患有PCOS的风险的指示单元。
诸如在本发明第四方面的片段a)、b)和c)中使用的术语“计算机指令”描述了特定处理器可以理解和执行的一组机器语言指令。
进一步地，根据本发明第四方面的计算机系统的片段c)，参考数据单元包括计算机指令，这些计算机指令用于
(i)存储和/或检索包括在参考群体中建立的参考值中的一个或多个的参考数据集，并将参考数据集处理成参考群体的组合值；或者
(ii)存储和/或检索参考群体的组合值。
术语“参考数据集”描述了参考值的集合，该集合包括在参考群体中(诸如在包括未患有PCOS的雌性和患有任何形式PCOS的雌性的参考群体中)建立的，优选地在未患有PCOS的健康参考群体中建立的参考值中的一个或多个。该参考数据集可以进一步被处理成参考群体的组合值或在参考群体的组合值中处理，优选地被处理成参考群体的组合值，该参考群体包括未患有PCOS的健康雌性和具有任何形式PCOS的雌性。可以如上所述执行对组合值的处理。
本发明的第四方面的进一步特征如上所述或为本领域技术人员所熟知。
在优选实施例中，根据本发明第四方面的计算机系统，其进一步地特征在于如在本发明第一方面的任何实施例中所述。
在第五方面，本发明涉及一种计算机程序，其包括指令，当该程序由计算机执行时这些指令使计算机执行根据第一方面的方法中的任何一种的步骤a)、b)、c)和d)。
计算机程序在被执行时可以使计算机执行如上文所述的根据本发明的第一方面的方法。
计算机程序可以直接加载到数字计算机的内部存储器中，可以包括当所述产品在计算机上运行时适用于实现根据本发明的第一方面所述的方法的软件代码部分。
计算机程序可以是优选地存储在机器可读存储介质(诸如RAM、ROM)上或存储在可移动和/或便携式存储介质(诸如但不限于CD-ROM、闪存、DVD、蓝光、闪存盘、存储卡或U盘)上的计算机程序。可以在服务器上提供计算机程序以经由例如数据网络(诸如互联网)或另一传输系统(诸如电话线或无线传输连接)来下载。附加地或可替代地，计算机程序可以是计算机诸如在客户端/服务器系统或云计算系统、具有计算机程序的嵌入式系统上或在电子设备(例如智能电话或存储、加载、运行、执行或开发计算机程序的个人计算机)上实现的计算机程序的网络。
在第六方面，本发明涉及一种包括指令的计算机可读存储介质，这些指令在由计算机执行时使计算机执行根据第一方面的方法中的任何一种的步骤a)、b)、c)和d)。
术语“计算机可读存储介质”描述了能够存储数据(诸如可执行代码)的任何计算机可读介质。
根据第二、第三、第四和第五方面所述的产品和用途可以如针对本发明的第一方面的方法所指定进一步定义。特别地，关于在本公开的第二、第三、第四、第五方面中使用的术语，是指在本公开的第一方面中使用的术语、实例和具体实施例，它们也适用于本公开的其他方面。
在进一步的实施例中，本发明涉及以下方面：
1.一种评定雌性患有多囊卵巢综合征(PCOS)的风险的方法，该方法包括
a)提供数据集，该数据集包括
-反映雌性的月经周期的长度和/或每年雌性的月经周期的数量的OA值，其中OA值相对于健康参考群体的OA值增加则指示月经周期长度和/或数量异常，
-反映雌性的雄激素状态的HA值，其中HA值相对于健康参考群体的HA值增加则指示雌性的雄激素水平升高，和
-对应于从雌性获得的样品中的抗苗勒管激素(AMH)的量或浓度的AMH值；
b)用处理单元处理步骤a)中提供的数据集，其中处理包括：将步骤a)中提供的数据集的值组合成一个组合值；
c)将步骤b)中获得的组合值与参考群体中建立的对应组合值进行比较，其中雌性的组合值相对于健康参考群体的组合值增加则指示PCOS的风险增加；并且
d)经由指示单元指示雌性患有PCOS的风险。
2.根据方面1所述的方法，其中步骤a)的数据集进一步包括
-反映雌性的体重的重量值，其中重量值相对于正常重量群体的重量值增加则指示体重增加；并且/或
-反映雌性的年龄的年龄值。
3.根据方面1或2所述的方法，其中HA值对应于
-从雌性获得的样品中的游离睾酮(FT)的量或浓度，或
-从雌性获得的样品中的总睾酮(TT)的量或浓度与性激素结合球蛋白(SHBG)的量或浓度的比率(TT/SHBG)，任选地乘以常数a(a*TT/SHBG)，尤其是乘以100(100*TT/SHBG)。
4.根据方面1至3中任一项所述的方法，其中，在步骤b)中，该组合值是通过对在步骤a)中提供的值进行加权计算而获得的加权组合值，并且在步骤c)中，将加权组合值与参考群体的对应加权组合值进行比较，其中雌性的加权组合值增加则指示患有PCOS的风险增加，特别是其中加权因子已经通过或通过分析包括健康雌性和/或诊断患有PCOS的雌性的参考群体而获得。
5.根据方面1至4中任一项所述的方法，其中
-如果组合值高于阈值高，则雌性具有高风险；并且
-如果组合值高于阈值中等且低于阈值高，则雌性具有中等风险；并且
-如果组合值低于阈值中等，则雌性具有低风险。
6.根据方面1至5中任一项所述的方法，其中从数据库中检索参考群体的一个或多个值和/或参考群体的组合值和/或用于加权计算的加权因子。
7.根据方面1至6中任一项所述的方法，其中步骤a)的数据集进一步包括反映已知指示PCOS的一个或多个表型特征的PHE值，其中PHE值相对于健康参考群体的PHE值增加则指示已知指示PCOS的一个或多个表型特征的存在由增加的PHE值来反映，特别是其中表型特征是多囊卵巢形态(PCOM)和/或高雄激素血症，更特别是痤疮、皮脂溢、脱发和/或多毛症。
8.根据方面1至7中任一项所述的方法，其中该样品是血液样品，特别是选自由血清、血浆和全血组成的组。
9.根据方面1至8中任一项所述的方法，其中该雌性是人类。
10.根据方面1至9中任一项所述的方法，其中该方法进一步包括确定步骤a)中提供的数据集中的一个或多个值，特别是对应于激素中的一种或多种的量或浓度的值中的一个或多个，确定尤其是通过测量雌性的样品中的激素中的一种或多种的量或浓度来进行。
11.根据方面1至10所述的方法，其中该雌性的样品中的激素中的一种或多种的量或浓度通过免疫测定和/或质谱法进行测量。
12.一种用于评定雌性患有PCOS的风险的方法中的试剂盒，该试剂盒包括在从雌性获得的样品中对以下进行特异性测量所需的试剂：
-(i)FT的量或浓度或(ii)TT的量或浓度和SHBG的量或浓度；
-AMH的量或浓度；并且
-任选地，指示PCOS的一种或多种另外的激素的量或浓度，
尤其是其中该试剂盒用于根据方面10或11的方法中。
13.一种标志物组合与OA值和任选地重量值和/或年龄值相组合在评估雌性患有PCOS的风险中的用途，该标志物组合包括
(i)FT或TT/SHBG和
(ii)AMH
其中当标志物的量或浓度或比率和OA值的组合值相对于在参考群体中建立的组合值增加时，雌性患有PCOS的风险增加，任选地其中该标志物组合进一步包括指示PCOS的一种或多种另外的激素。
14.一种用于根据方面1至11中任一项所述的方法中的计算机系统，该计算机系统包括：
a)数据集单元，该数据集单元包括用于提供数据集的计算机指令，该数据集包括
-反映雌性的月经周期的长度和/或每年雌性的月经周期的数量的OA值，其中OA值相对于健康参考群体的OA值增加则指示月经周期长度和/或数量异常；
-反映雌性的雄激素状态的HA值，其中HA值相对于健康参考群体的HA值增加则指示雌性的雄激素水平升高；并且
-对应于从雌性获得的样品中的AMH的量或浓度的AMH值；
b)处理单元，该处理单元包括用于处理步骤a)的数据集的计算机指令，其中处理包括将步骤a)中提供的数据集的值组合成一个组合值；
c)参考数据单元，该参考数据单元包括计算机指令，计算机指令用于
(i)存储和/或检索包括在参考群体中建立的参考值中的一个或多个的参考数据集，并将参考数据集处理成参考群体的组合值；或者
(ii)存储和/或检索参考群体的组合值；
(d)将步骤b)中获得的组合值与步骤c)的对应组合值进行比较，其中相对于健康参考群体的组合值的雌性的组合值增加则指示PCOS的风险增加；并且
e)指示雌性患有PCOS的风险的指示单元。
15.根据方面14所述的计算机系统，其进一步地特征在于如在方面2至11中的任一项中所述。
16.一种计算机程序，其包括指令，当该程序由计算机执行时这些指令使计算机执行根据方面1至11的方法中的任何一种的步骤a)、b)、c)和d)。
17.一种包括指令的计算机可读存储介质，这些指令在由计算机执行时使计算机执行根据方面1至11的方法中的任何一种的步骤a)、b)、c)和d)。
本公开不限于本文描述的特定方法学、方案和试剂，因为它们可以变化。此外，本文所使用的术语仅出于描述特定实施例的目的，并不旨在限制本公开的范围。如在本文和所附权利要求书中所用，单数形式“一”、“一个”和“该/所述”包括复数指代物，除非上下文另外明确规定。类似地，词语“包括”、“包含”和“涵盖”应被解释为包容性而非排他性。
除非另有定义，否则本文中使用的所有技术和科学术语和任何缩略语具有与本公开所属领域的普通技术人员通常所理解的相同含义。尽管在本文的实践中，可使用与本文所述的那些方法和材料类似或等同的方法和材料，但本文描述了具体的方法和材料。
本公开通过以下附图和实例进一步说明，尽管应当理解，除非另有具体说明，否则包括这些附图和实例仅用于说明的目的并且不旨在限制本公开的范围。
附图说明
图1展示了与单独的单个变量OA(AUC：0.898)、FAI(AUC：0.765)或AMH(AUC：0.838)相比，基于PCOS风险评分(年龄、BMI、OA、FAI和AMH；下面积曲线(AUC)：0.976)的所有变量，对1955例病例和1642例对照使用200次蒙特卡罗交叉验证运行评估的加权逻辑回归得出的ROC曲线。
图2示出了基于PCOS风险评分(年龄、BMI、OA、FAI和AMH；AUC：0.976)的所有变量以及AMH和FAI(AUC：0.877)或AMH和SHBG(AUC：0.873)的组合，对1955例病例和1642例对照使用200次蒙特卡罗交叉验证运行评估的加权逻辑回归得出的ROC曲线。
图3展示了使用1955例病例和1642例对照使用年龄和BMI以及OA、FAI和AMH的加权逻辑回归得出的PCOS风险概率的直方图。叉号和圆圈分别指示对照和病例受试者的风险。垂直线表示使用80％灵敏性和特异性的预测曲线得出的PCOS风险分类。
图4示出了使用1955例病例和1642例对照以及变量年龄和BMI(A)或年龄(B)以及OA、FAI和AMH，由200次蒙特卡罗交叉验证运行得出的加权逻辑回归模型的平均回归系数(和平均SD)。
图5描绘了基于变量年龄、BMI、OA、FAI和AMH(A)或变量年龄、OA、FAI和AMH(B)的1955例病例和1642例对照的PCOS风险评分的预测曲线。
图6示出了用于预测独立的第二样品集的病例对照状态的ROC曲线，该样品集由用于PCOS风险评分的200例病例和44例对照和单独PCOS风险的单个变量组成。它基于实例3中描述的44例对照和200例病例将PCOS风险评分的表现可视化。ROC曲线和AUC证明PCOS风险评分的组合变量(年龄、BMI、OA、FAI和AMH)优于单独使用单个变量OA、FAI或AMH。PCOS风险评分的AUC为0.99，指示病例和对照之间的分离非常好，其次是OA(AUC：0.96)，AMH(AUC：0.76)和FAI(AUC：0.90)的组合。还评定了四变量组合(PCOS风险的变量OA、FAT、AMH和年龄)的PCOS风险评分的表现(参见表9)。
图7示出了用于预测第二样品集的病例对照状态的ROC曲线，该样品集由用于PCOS风险评分的200例病例和44例对照组成，该PCOS风险评分使用组合变量年龄、BMI、OA、FAI、AMH以及AMH+FAI和AMH+SHBG的组合。其展示了包括与AMH和FAI的组合或AMH和SHBG的组合相比的所有变量(年龄、BMI、OA、FAI和AMH)的PCOS风险评分的表现(如Calzada等人所建议)。PCOS风险评分的AUC最高fAUC：0.99)。0.90的AUC是用于AMH+FAI(AUC：0.90)的组合和AMH+SHBG(AUC：0.90)的组合。ROC曲线和AUC示出了PCOS风险评分的组合变量(年龄、BMI、OA、FAI和AMH；AUC：0.99)优于使用AMH与FAI(AUC：0.90)或AMH和SHBG(AUC：0.90)的组合。
图8示出了用于预测由用于高雄激素血症(HA)的生化检测的200例病例和44例对照组成的第二样品集的病例对照状态的ROC曲线。将FAI与LH、FSH和LH/FSH比率进行了比较。FAI的AUC最高(AUC：0.90)，然后是LH/FSH的比率(AUC：0.85)。
图9展示了由200例病例和44例对照组成的第二样品集的PCOS风险概率的直方图。PCOS风险的权重是在1866例病例和1675例对照的样品中，使用年龄、BMI、OA、FAI和AMH进行200次MCCV运行和100次重复的加权逻辑回归得出的。垂直线表明低＝0.2和高＝0.8的阈值，得到96.0％的灵敏性和90.9％的特异性。叉号和圆圈分别指示对照和病例受试者的风险。
实例
实例1：PCOS风险评分的推导
基于年龄、BMI、FAI和AMH的数值变量以及稀发排卵(OA)的分类变量的组合，总共使用N＝1642例对照和N＝1955例病例来推导PCOS风险评分(是，否)。附加地，PCOS风险评分是使用四变量组合(即OA、年龄、FAI和AMH，但不包括BMI)以及使用三变量组合(即OA、FAI和AMH，但不包括BMI和年龄)得出的。
病例
考虑了1955名被诊断患有PCOS的20至45岁且未使用避孕药的女性。OA基于不规则的月经周期和/或周期长度的信息。高雄激素血症(HA)基于血清睾酮(nmol/l)和血清性激素结合球蛋白(SHBG)(nmol/l)水平得出为游离雄激素指数(FAI)：
FAI＝睾酮/SHBG*100
通过卵巢体积≥10ml和/或窦卵泡计数(AFC)高于阈值来评估患者患有PCOM。
此外，使用Elecsys AMH Plus免疫测定测量血清抗苗勒管激素(AMH)。
根据鹿特丹标准(PCOS共识研讨会小组，Fertil Steril2004；81：19-25)，PCOS病例涵盖了代表四种表型的PCOS患者。
·表型A(稀发排卵(OA)+、高雄激素血症(HA)+、多囊卵巢形态(PCOM)+)
·表型B(OA+、HA+、PCOM-)
·表型C(OA-、HA+、PCOM+)
·表型D(OA+、HA-、PCOM+)
对照
在PCOS风险评分的推导中，对照组由1642名20至45岁未患有PCOS的健康女性组成。
年龄和身体质量指数(BMI)、窦卵泡计数(AFC)和血清AMH值可用，基于从病例中获得的信息以及健康女性的参考范围值模拟描绘FAI的睾酮和SHBG水平以反映这些变量在基于参考范围研究的健康受试者中的预期分布。模拟是通过从健康女性的预期SHBG和睾酮分布中抽样来完成的。
下表列出了病例和对照的变量的统计：
表2：PCOS风险评分总体和患者(病例)及对照的变量的描述性统计。对于对照，FAI是基于睾酮和SHBG的模拟值得出的。对照的OA基于周期长度或模拟的信息。对照组占患者和对照总数的45.6％。
OA：月经稀发和/或无排卵
FAI：游离雄激素指数；FAI＝睾酮/SHBG*100
BMI：身体质量指数；BMI＝体重(kg)/尺寸(m)2。
AMH：抗苗勒管激素
SHBG：性激素结合球蛋白
Figure BDA0003869120560000451
Figure BDA0003869120560000461
*部分基于模拟。
值得注意的是，由于研究的设计，病例和对照之间的年龄存在差异。
PCOS风险评分
提出的PCOS风险评分计算范围为0到1的患者患有PCOS的风险，数值越高意味着患有PCOS的风险越高。
Figure BDA0003869120560000462
其中
P(y＝1)＝成为病例的概率，
W0＝加权逻辑回归模型的截距，
变量X年龄＝年龄，以年为单位，
XBMI＝BMI(任选的)
XOA＝稀发排卵(规则/OA)，
XFAI＝FAI
XAMH＝以ng/mL为单位的AMH和
用于年龄的权重W年龄，
用于BMI的WBMI(任选的)
用于OA的WOA，
用于FAI的WFAI和
用于AMH的WAMH
在蒙特卡罗交叉验证(MCCV)内进行200次运行以病例对照状态作为终点建立加权逻辑回归模型(Xu&Liang 2001)。
变量年龄、BMI(任选的)和OA以及FAI被包括以用于推导PCOS风险，而变量AMH、睾酮和SHBG被包括作为对数转换变量。为了说明较高数量的病例与对照之间的不平衡，应用加权逻辑回归模型来推导PCOS风险。这意味着每个受试者都被分配了权重，这在逻辑回归的模型估计中被考虑(Hastie等人(2009))。权重是根据Elkan(2001)通过对每个病例和对照的错误分类应用成本来选择的。
MCCV：对于每一次MCCV运行，数据集被随机拆分成训练集和测试集(分别为80％和20％)，同时保持病例和对照的比例。在当前的训练集上，构建模型并使用相应的测试集通过ROC曲线下面积(AUC)来评估性能。逻辑回归模型的估计整体表现以平均AUC给出。计算平均灵敏性和特异性以分别估计病例和对照的模型性能。通过提供回归系数的平均值以及标准差(SD)和变异系数(CV)来评估回归模型的稳定性。
来自MCCV的每个变量的平均回归系数被视为PCOS风险的权重
Figure BDA0003869120560000471
PCOS风险，即患有PCOS(作为病例)的概率，通过以下方式进行估计：
Figure BDA0003869120560000472
其中
Figure BDA0003869120560000473
Figure BDA0003869120560000474
年龄、BMI(低选的)、OA、FAI和AMH的估计权重和
Figure BDA0003869120560000475
PCOS风险分类为低、中等和高，如下所示：鉴于至少达到80％的灵敏性和80％的特异性，风险阈值是使用Pepe等人(2007年)提出的预测曲线得出的。
结果
图1可视化了基于1642例对照和1955例病例的PCOS风险评分的表现。ROC曲线和AUC示出了与单独的单个变量OA、FAI或AMH相比，使用变量(年龄、BMI、OA、FAI和AMH)的PCOS风险评分具有更优越的性能。PCOS风险评分的AUC为0.98，指示病例和对照之间的分离非常好，其次是OA(AUC：0.90)，AMH(AUC：0.84)和FAI(AUC：0.77)。还评定了三变量和四变量组合(PCOS风险或OA、FAI或AMH的变量OA、FAI、AMH和年龄)的表现(参见表7)。ROC曲线和AUC证明PCOS风险的组合变量(年龄、OA、FAI和AMH)优于单独使用OA、FAI或仅AMH。PCOS风险的AUC达到98％，表明病例和对照之间可以实现非常好的分离，其次是Oa(达到90％)以及AMH(达到84％)。FAI的AUC仅达到约77％。三变量模型(OA、AMH和FAI的组合与单独的OA、FAI或AMH的对比)得到0.970的PCOS风险评分AUC。
图2示出了包括与AMH和FAI的组合或AMH和SHBG的组合相比的所有变量(年龄、BMI、OA、FAI和AMH)的PCOS风险评分的表现(如Calzada等人所建议)。ROC曲线和AUC示出了PCOS风险评分的变量(年龄、BMI、OA、FAT和AMH)优于使用AMH与FAI或SHBG的组合。还评定了PCOS风险的所有变量(BMI除外)或评定OA、FAI或单独AMH时的模型的表现(数据未显示)。ROC曲线和AUC证明PCOS风险的变量(年龄、OA、FAI和AMH)优于使用5.03ng/ml截止值经二值化的AMH以及FAI或SHBG。PCOS风险的AUC达到98％，表明PCOS病例和未患有PCOS的对照例之间可以实现非常好的分离，其次是(使用截止值5.03ng/ml经二值化的)AMH加上SHBG(达到82％)。(使用截止值5.03ng/ml经二值化的)AMH加上FAI的AUC仅达到约76％。
使用200次MCCV运行评估加权逻辑回归模型的稳定性，并显示在图4以及表3和表4中。结果表明，OA对PCOS风险的影响最大，其次是AMH和FAI。小的标准偏差表明经MCCV运行的相当稳定的回归系数。
表3：按基于1955例病例和1642例对照的病例对照状态，使用年龄和BMI以及OA、FAI和AMH，基于加权逻辑回归得出的PCOS风险权重表。
Figure BDA0003869120560000491
表4：按基于1955例病例和1642例对照的病例对照状态，使用年龄以及OA、FAI和AMH，基于加权逻辑回归得出的PCOS风险权重表。
Figure BDA0003869120560000492
使用年龄和BMI以及OA、FAI和AMH的加权逻辑回归得出的估计PCOS风险概率按病例对照状态显示在图3中。直方图示出了病例和对照的清晰分离，针对病例估计的风险高，对照的风险低。很少有受试者被视为具有中等约50％患PCOS的风险。虚线表明将雌性分组为低风险、中等风险和高风险(从左到右)的阈值，指示80％的灵敏性和80％的特异性。使用三变量和四变量模型的加权逻辑回归得到了类似的结果(参见表7)。
实例2：风险阈值调查
通过加权逻辑回归得出的PCOS风险将大多数病例分配为患有PCOS的风险高，而估计对照具有低风险(参见表5和表6)。
表5：按基于1955例病例和1642例对照的病例对照状态，使用年龄以及OA、FAI和AMH，基于加权逻辑回归得出的PCOS风险评分分类表。
Figure BDA0003869120560000493
Figure BDA0003869120560000501
表6：按基于1955例病例和1642例对照的病例对照状态，使用年龄和BMI以及OA、FAI和AMH，基于加权逻辑回归得出的PCOS风险评分分类表。
Figure BDA0003869120560000502
总而言之，没有BMI的PCOS风险导致与将BMI纳入PCOS风险时相当的风险分类。
基于预测曲线对风险组的分类导致低风险(特异性≥80％)的风险阈值为7％，高风险(灵敏性≥80％)的风险阈值为78％。基于这些阈值，基于1955例病例和1642例对照，低风险组包含约39％、中等组包含16％和高风险组包含45％的女性(图5A和图5B)。
表7：基于变量的不同组合，对1955例病例和1642例对照使用200次蒙特卡罗交叉验证运行评估的加权逻辑回归得出的AUC(曲线下面积)表。
*：如Mahajan&Kaur 2019所建议，针对AMH应用5.03的截止值
AUC
PCOS风险评分(年龄、BMI、OA、FAI和AMH) 0.98
PCOS风险评分(年龄、OA、FAI和AMH) 0.98
PCOS风险评分(OA、FAI和AMH) 0.97
OA 0.90
FAI 0.76
AMH 0.84
AMH+FAI 0.88
AMH+SHBG 0.87
AMH* 0.72
AMH*+FAI 0.76
AMH*+SHBG 0.82
实例3：PCOS风险评分的评估
PCOS风险评分的表现在200例病例和44例对照的第二独立的样品集上进行了评估。
对照
对照由44例18至38岁不患有PCOS的健康女性组成。中位年龄为25.5岁(标准差＝5.02)，大多数人的身体质量正常(BMI，中位数＝21.9kg/m2，标准差＝1.88)。基于月经周期和/或周期长度的信息，该对照组中包括的所有女性都有规则的周期。使用Elecsys AMHPlus免疫测定测量血清抗苗勒管激素(AMH)。高雄激素血症(HA)基于血清睾酮(nmol/L)和血清性激素结合球蛋白(SHBG)(nmol/L)水平得出为游离雄激素指数(FAI)：
FAI＝睾酮/SHBG*100
描绘FAI的睾酮和SHBG水平由Elecsys睾酮II(nmol/L)和Elecsys SHBG免疫测定(nmol/L)确定。
三种血清测定是从月经周期第1-3天采集的血清样品中测量的。
病例
考虑了200名被诊断患有PCOS的20至41岁且未使用避孕药的女性。月经稀发和/或无排卵(OA)是基于不规则的月经周期和/或周期长度的信息。高雄激素血症(HA)基于血清睾酮(nmol/L)和血清性激素结合球蛋白(SHBG)(nmol/L)水平得出为游离雄激素指数(FAI)：
FAI＝睾酮/SHBG*100
基于经阴道超声检查，通过卵巢体积≥10mL和/或窦卵泡计数(AFC)高于阈值来评估患者患有PCOM。使用Elecsys AMH Plus免疫测定测量血清抗苗勒管激素(AMH)。
根据鹿特丹标准(PCOS共识研讨会小组，Fertil Steril 2004；81：19-25)，PCOS病例涵盖了代表四种表型的PCOS患者。
下表列出了病例和对照的基线特性：
表8：PCOS风险评分总体的变量和独立的第二样品集的患者(病例)以及对照的变量的描述性统计。
OA：月经稀发和/或无排卵
FAI：游离雄激素指数；FAI＝睾酮/SHBG*100
BMI：身体质量指数；BMI＝体重(kg)/尺寸(m)2
AMH：抗苗勒管激素
SHBG：性激素结合球蛋白
HA：高雄激素血症
PCOM：多囊卵巢形态
Figure BDA0003869120560000521
Figure BDA0003869120560000531
PCOS风险评分的灵敏性和特异性：
对200例病例和44例对照的独立的第二样品集应用不同的阈值。在0.2和0.8的固定风险概率阈值获得最佳结果，得到96.0％的灵敏性和90.9％的特异性(参见图9)。
此外，下表列出了应用于独立的第二数据集的不同变量组合的ROC曲线下面积(AUC)值，示出PCOS风险评分组合的更优越的表现：
表9：使用不同变量组合对200例病例和44例对照使用200次MCCV运行和100次重复评估的加权逻辑回归得出的AUC(曲线下面积)表。
*：如Mahajan&Kaur 2019所建议，针对AMH应用5.03的截止值
Figure BDA0003869120560000532
Figure BDA0003869120560000541
参考文献
Calzada et al.“AMH in combination with SHBG for the diagnosis ofpolycystic ovary syndrome”；J Obstet Gynaecol.2019，17：1-7.
Cho et al.“The biological variation of the LH/FSH ratio in normalwomen and those with Polycystic Ovarian Syndromc”；2005Endocrine Abstracts2005；9P80.
EScobar-Morreale H.F.，“Polycystic ovary syndrome：definition，aetiology，diagnosis and treatment”；Nature ReViews Endocrinology 2018；Vol 14，270-284.
Indran et al.“Simplified4-item criteria for polycystic ovarysyndrome：A bridge too far？”；Clin.Endocrinol.(Oxf).2018；doi：10.1111/cen.13755.
Intemational evidence-based guideline for the assessment andmanagement of polycystic ovary syndrome 2018.
Mahajan，Nalini，&Kaur，Jasneet.2019.Establishing an Anti-Muellerianhormone cut-off for diagnosis of polycystic ovarian syndrome in women ofreproductive age-bearing Indian ethnicity uSing the automated Anti-Muellerianhormone assay.Journal of Human Reproductive Sciences，12(2)，104-113.
Malini and George“Evaluation of different ranges of LH：FSH ratios inpolycystic ovarian syndrome(PCOS)-Clinical based case control study”Generaland Comparative Endocrinology 2018；260∶51-57.
Mireya Calzada，Natividad L6pez，Jose A.Noguera，Jaime Mendiola，AnaI.Hernáández，Shiana Corbalán，Maria Sanchez&Alberto M.Torres(2019)：AMH incombination with SHBG for the diagnosis of polycystic ovary syndrome，Journalof Obstetrics and Gynaecology，JOURNAL OF OBSTETRICS AND GYNAECOLOGY
Nicholas et al.，，The utility of Anti-Müllerian Hormone in diagnosingPolycystic Ovary Syndrome amongst women presenting to an infertility clinic“；Hum Reprod.Abstract ESHRE 2014.
Nordenstrom A.and Falhammar H.，，，MANAGEMENT OF ENDOCRINE DISEASE:Diagnosis and management of the patient with non-classic CAH due to 21-hydroxylase deficiency.“；Eur J Endocrinol.2018；pii:EJE-18-0712.R2.doi:10.1530/EJE-18-0712.
Pepe et al.，“Integrating the Predictiveness of a Marker with ItsPerformance as a Classifier”；Am J Epidemiol.2008,167(3):362-368.
Pigny et al.，，Comparative assessment of five serum antimüllerianhormone assays for the diagnosis of polycystic ovary syndrome.“；FertilSteril.2016；105(4)：1063-1069.e3.
R Core Team.2015.R:A Language and Environment for StatisticalComputing.R Foundation for Statistical Computing，Vienna，Austria(https://www.r-project.org/)
Sahmay et al.“Diagnosis of Polycystic Ovary Syndrome:AMH incombination with clinical symptoms”；J Assist Reprod Genet.2014；31(2):213-220.
Scouten，W.H.，“A survey of enzyme coupling techniques.”；Methods inEnzymology 135:30-65，1987.
Tijssen，P.，Practice and theory of enzyme immunoassays，ElsevierScience Publishers B.V.，Amsterdam(1990)，the whole book，especially pages 43-78and pages108-115
Vermeulen，A.，，L.Verdonck，and J.Kaufman，A critical evaluation ofsimple methods for the estimation of free testosterone in serum.Journal ofClinical Endocrinology&Metabolism，1999.84(10)：p.3666-3672.
Xu，Qing-Song，&Liang，Yi-Zeng.2001.Monte Carlo crossValidation.Chemometrics and Intelligent Laboratory Systems，56(1)，1-11.
The Rotterdam ESHRE/ASRM-Sponsored PCOS Consensus WorkshopGroup.Revised 2003 consensus on diagnostic criteria andlong-term health risksrelated to polycystic ovary syndrome.Fertil Steril 2004；81：19-25.

Claims (17)

1.一种评定雌性患有多囊卵巢综合征(PCOS)的风险的方法，所述方法包括
a)提供数据集，所述数据集包括
-反映所述雌性的月经周期的长度和/或每年所述雌性的月经周期的数量的OA值，其中OA值相对于健康参考群体的OA值增加则指示月经周期长度和/或数量异常，
-反映所述雌性的雄激素状态的HA值，其中HA值相对于健康参考群体的HA值增加则指示所述雌性的雄激素水平升高，和
-对应于从所述雌性获得的样品中的抗苗勒管激素(AMH)的量或浓度的AMH值；
b)用处理单元处理步骤a)中提供的所述数据集，其中所述处理包括：将步骤a)中提供的所述数据集的值组合成一个组合值；
c)将步骤b)中获得的所述组合值与参考群体中建立的对应组合值进行比较，其中所述雌性的组合值相对于健康参考群体的组合值增加则指示PCOS的风险增加；并且
d)经由指示单元指示所述雌性患有PCOS的风险。
2.根据权利要求1所述的方法，其中步骤a)的所述数据集进一步包括
-反映所述雌性的体重的重量值，其中重量值相对于正常重量群体的重量值增加则指示体重增加；并且/或
-反映所述雌性的年龄的年龄值。
3.根据权利要求1或2所述的方法，其中所述HA值对应于
-从所述雌性获得的样品中的游离睾酮(FT)的量或浓度，或
-从所述雌性获得的样品中的总睾酮(TT)的量或浓度与性激素结合球蛋白(SHBG)的量或浓度的比率(TT/SHBG)，任选地乘以常数a(a*TT/SHBG)，尤其是乘以100(100*TT/SHBG)。
4.根据权利要求1至3中任一项所述的方法，其中，在步骤b)中，所述组合值是通过对在步骤a)中提供的所述值进行加权计算而获得的加权组合值，并且在步骤c)中，将所述加权组合值与参考群体的对应加权组合值进行比较，其中所述雌性的加权组合值增加则指示患有PCOS的风险增加，特别是其中加权因子已经通过或通过分析包括健康雌性和/或诊断患有PCOS的雌性的参考群体而获得。
5.根据权利要求1至4中任一项所述的方法，其中
-如果所述组合值高于阈值高，则所述雌性具有高风险；并且
-如果所述组合值高于阈值中等且低于阈值高，则所述雌性具有中等风险；并且
-如果所述组合值低于阈值中等，则所述雌性具有低风险。
6.根据权利要求1至5中任一项所述的方法，其中从数据库中检索所述参考群体的一个或多个值和/或所述参考群体的所述组合值和/或用于加权计算的所述加权因子。
7.根据权利要求1至6中任一项所述的方法，其中步骤a)的所述数据集进一步包括反映已知指示PCOS的一个或多个表型特征的PHE值，其中PHE值相对于健康参考群体的PHE值增加则指示已知指示PCOS的一个或多个表型特征的存在由增加的PHE值来反映，特别是其中所述表型特征是多囊卵巢形态(PCOM)和/或高雄激素血症，更特别是痤疮、皮脂溢、脱发和/或多毛症。
8.根据权利要求1至7中任一项所述的方法，其中所述样品是血液样品，特别是选自由血清、血浆和全血组成的组。
9.根据权利要求1至8中任一项所述的方法，其中所述雌性是人类。
10.根据权利要求1至9中任一项所述的方法，其中所述方法进一步包括确定步骤a)中提供的所述数据集中的一个或多个值，特别是对应于所述激素中的一种或多种的所述量或浓度的所述值中的一个或多个，所述确定尤其是通过测量所述雌性的样品中的所述激素中的一种或多种的所述量或浓度来进行。
11.根据权利要求1至10所述的方法，其中所述雌性的样品中的所述激素中的一种或多种的所述量或浓度通过免疫测定和/或质谱法进行测量。
12.一种用于评定雌性患有PCOS的风险的方法中的试剂盒，所述试剂盒包括在从所述雌性获得的样品中对以下进行特异性测量所需的试剂：
-(i)FT的量或浓度或(ii)TT的量或浓度和SHBG的量或浓度；
-AMH的量或浓度；并且
-任选地，指示PCOS的一种或多种另外的激素的量或浓度，尤其是其中所述试剂盒用于根据权利要求10或11所述的方法中。
13.一种标志物组合与OA值和任选地重量值和/或年龄值相组合在评定雌性患有PCOS的风险中的用途，所述标志物组合包括
(i)FT或TT/SHBG和
(ii)AMH
其中当所述标志物的量或浓度或比率和所述OA值的组合值相对于在参考群体中建立的组合值增加时，所述雌性患有PCOS的风险增加，任选地其中所述标志物组合进一步包括指示PCOS的一种或多种另外的激素。
14.一种用于根据权利要求1至11中任一项所述的方法中的计算机系统，所述计算机系统包括：
a)数据集单元，所述数据集单元包括用于提供数据集的计算机指令，所述数据集包括
-反映所述雌性的月经周期的所述长度和/或每年所述雌性的月经周期的所述数量的OA值，其中OA值相对于健康参考群体的OA值增加则指示月经周期长度和/或数量异常；
-反映所述雌性的雄激素状态的HA值，其中HA值相对于健康参考群体的HA值增加则指示所述雌性的雄激素水平升高；并且
-对应于从所述雌性获得的样品中的AMH的所述量或浓度的AMH值；
b)处理单元，所述处理单元包括用于处理步骤a)的所述数据集的计算机指令，其中所述处理包括将步骤a)中提供的所述数据集的值组合成一个组合值；
c)参考数据单元，所述参考数据单元包括计算机指令，所述计算机指令用于
(i)存储和/或检索包括在参考群体中建立的参考值中的一个或多个的参考数据集，并将所述参考数据集处理成所述参考群体的组合值；或者
(ii)存储和/或检索所述参考群体的组合值；
(d)将步骤b)中获得的所述组合值与步骤c)的对应组合值进行比较，其中所述雌性的组合值相对于健康参考群体的所述组合值增加则指示PCOS的风险增加；并且
e)指示所述雌性患有PCOS的风险的指示单元。
15.根据权利要求14所述的计算机系统，其进一步地特征在于如在权利要求2至11中的任一项中所述。
16.一种计算机程序，其包括指令，当所述程序由计算机执行时，所述指令使所述计算机执行根据权利要求1至11所述的方法中的任何一种的步骤a)、b)、c)和d)。
17.一种包括指令的计算机可读存储介质，所述指令在由计算机执行时使所述计算机执行根据权利要求1至11所述的方法中的任何一种的步骤a)、b)、c)和d)。
CN202180025463.1A 2020-03-31 2021-03-30 一种评定雌性患有pcos的风险的方法以及与其相关的产品和用途 Pending CN115398238A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP20167096.5 2020-03-31
EP20167096 2020-03-31
PCT/EP2021/058237 WO2021198222A1 (en) 2020-03-31 2021-03-30 A method of assessing a female's risk of having pcos as well as products and uses relating thereto

Publications (1)

Publication Number Publication Date
CN115398238A true CN115398238A (zh) 2022-11-25

Family

ID=70110091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180025463.1A Pending CN115398238A (zh) 2020-03-31 2021-03-30 一种评定雌性患有pcos的风险的方法以及与其相关的产品和用途

Country Status (5)

Country Link
US (1) US20230221335A1 (zh)
EP (1) EP4127726A1 (zh)
JP (1) JP2023520202A (zh)
CN (1) CN115398238A (zh)
WO (1) WO2021198222A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024017983A1 (en) * 2022-07-22 2024-01-25 F. Hoffmann-La Roche Ag Meteorin-like protein (metrnl) as (blood) biomarker for the diagnosis of polycystic ovarian syndrome
WO2024017988A1 (en) * 2022-07-22 2024-01-25 F. Hoffmann-La Roche Ag Ratio between fgfbp1 and metrnl in the assessment of polycystic ovarian syndrome
WO2024017985A1 (en) * 2022-07-22 2024-01-25 F. Hoffmann-La Roche Ag Fibroblast growth factor binding protein 1 (fgfbp1) as (blood) biomarker for the diagnosis of polycystic ovarian syndrome
CN115620900B (zh) * 2022-12-13 2023-05-30 北京大学第三医院（北京大学第三临床医学院） 一种筛查多囊卵巢综合征的系统和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2629720C1 (ru) 2016-06-06 2017-08-31 Государственное бюджетное образовательное учреждение высшего профессионального образования "Курский государственный медицинский университет" Министерства здравоохранения Российской Федерации Способ прогнозирования степени риска формирования синдрома поликистозных яичников у девочек-подростков

Also Published As

Publication number Publication date
JP2023520202A (ja) 2023-05-16
WO2021198222A1 (en) 2021-10-07
US20230221335A1 (en) 2023-07-13
EP4127726A1 (en) 2023-02-08

Similar Documents

Publication Publication Date Title
Iliodromiti et al. Technical and performance characteristics of anti-Müllerian hormone and antral follicle count as biomarkers of ovarian response
US20230221335A1 (en) A method of assessing a female's risk of having pcos as well as products and uses relating thereto
Tay et al. Updated adolescent diagnostic criteria for polycystic ovary syndrome: impact on prevalence and longitudinal body mass index trajectories from birth to adulthood
Eilertsen et al. Anti-Mullerian hormone in the diagnosis of polycystic ovary syndrome: can morphologic description be replaced?
Anderson et al. Prospective study into the value of the automated Elecsys antimüllerian hormone assay for the assessment of the ovarian growing follicle pool
Atasever et al. Diminished ovarian reserve: is it a neglected cause in the assessment of recurrent miscarriage? A cohort study
de Loos et al. Antimüllerian hormone to determine polycystic ovarian morphology
Su et al. Impact of breast cancer on anti-mullerian hormone levels in young women
EP1952162A2 (en) Ovulation cycle monitoring and management
Bozdag et al. Anti-Müllerian hormone as a diagnostic tool for PCOS under different diagnostic criteria in an unselected population
van Helden et al. Age-independent anti-Müllerian hormone (AMH) standard deviation scores to estimate ovarian function
Singh et al. Can anti-Mullerian hormone replace ultrasonographic evaluation in polycystic ovary syndrome? A review of current progress
Bonifacio et al. The original Beckman Coulter Generation II assay significantly underestimates AMH levels compared with the revised protocol
Zhu et al. Antimüllerian hormone, antral follicle count and ovarian volume predict menstrual cycle length in healthy women
Jacobs et al. A multicentre evaluation of the Elecsys® anti-Müllerian hormone immunoassay for prediction of antral follicle count
Nadaraja et al. Establishing the cut off values of androgen markers in the assessment of polycystic ovarian syndrome
Liang et al. Low levels of arsenic exposure during pregnancy and maternal and neonatal thyroid hormone parameters: The determinants for these associations
Sutton-Riley et al. A single serum test for measuring early pregnancy outcome with high predictive value
Maskarinec et al. Association of estrogen measurements in serum and urine of premenopausal women
Mehrabian et al. Sex hormone binding globulin measurement before conception as a predictor of gestational diabetes in women with polycystic ovarian syndrome
Chen et al. Quantitative analysis of total β-subunit of human chorionic gonadotropin concentration in urine by immunomagnetic reduction to assist in the diagnosis of ectopic pregnancy
KR100389988B1 (ko) 임신이상에대한산전검사방법
Timur et al. Determining the age group-based cut-off values of serum anti-Mullerian hormone concentrations to diagnose polycystic ovary syndrome
Demir et al. Quantification of overnight urinary gonadotropin excretion predicts imminent puberty in girls: a semi-longitudinal study
Hiedar et al. Age-specific reference values and cut-off points for anti-müllerian hormone in infertile women following a long agonist treatment protocol for IVF

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