CN115835785A - 适于在诊断斑块形成的诊断方法中使用的组合物和计算机实现的诊断方法 - Google Patents

适于在诊断斑块形成的诊断方法中使用的组合物和计算机实现的诊断方法 Download PDF

Info

Publication number
CN115835785A
CN115835785A CN202180024102.5A CN202180024102A CN115835785A CN 115835785 A CN115835785 A CN 115835785A CN 202180024102 A CN202180024102 A CN 202180024102A CN 115835785 A CN115835785 A CN 115835785A
Authority
CN
China
Prior art keywords
composition
subject
diagnostic method
age
blood pressure
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
CN202180024102.5A
Other languages
English (en)
Inventor
L·阿克蒂戈雷塔
A·瓦尔塞西亚
L·埃格利
F·阿里戈尼
D·齐默曼
N·埃马米
M·N·博斯科
K·S·M·利奥
K·K·杨
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.)
Societe des Produits Nestle SA
Agency for Science Technology and Research Singapore
Singapore Health Services Pte Ltd
Original Assignee
Societe des Produits Nestle SA
Agency for Science Technology and Research Singapore
Singapore Health Services Pte Ltd
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 Societe des Produits Nestle SA, Agency for Science Technology and Research Singapore, Singapore Health Services Pte Ltd filed Critical Societe des Produits Nestle SA
Publication of CN115835785A publication Critical patent/CN115835785A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A23FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23LFOODS, FOODSTUFFS, OR NON-ALCOHOLIC BEVERAGES, NOT COVERED BY SUBCLASSES A21D OR A23B-A23J; THEIR PREPARATION OR TREATMENT, e.g. COOKING, MODIFICATION OF NUTRITIVE QUALITIES, PHYSICAL TREATMENT; PRESERVATION OF FOODS OR FOODSTUFFS, IN GENERAL
    • A23L33/00Modifying nutritive qualities of foods; Dietetic products; Preparation or treatment thereof
    • A23L33/40Complete food formulations for specific consumer groups or specific purposes, e.g. infant formula
    • AHUMAN NECESSITIES
    • A23FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23LFOODS, FOODSTUFFS, OR NON-ALCOHOLIC BEVERAGES, NOT COVERED BY SUBCLASSES A21D OR A23B-A23J; THEIR PREPARATION OR TREATMENT, e.g. COOKING, MODIFICATION OF NUTRITIVE QUALITIES, PHYSICAL TREATMENT; PRESERVATION OF FOODS OR FOODSTUFFS, IN GENERAL
    • A23L33/00Modifying nutritive qualities of foods; Dietetic products; Preparation or treatment thereof
    • A23L33/10Modifying nutritive qualities of foods; Dietetic products; Preparation or treatment thereof using additives
    • A23L33/115Fatty acids or derivatives thereof; Fats or oils
    • AHUMAN NECESSITIES
    • A23FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23LFOODS, FOODSTUFFS, OR NON-ALCOHOLIC BEVERAGES, NOT COVERED BY SUBCLASSES A21D OR A23B-A23J; THEIR PREPARATION OR TREATMENT, e.g. COOKING, MODIFICATION OF NUTRITIVE QUALITIES, PHYSICAL TREATMENT; PRESERVATION OF FOODS OR FOODSTUFFS, IN GENERAL
    • A23L33/00Modifying nutritive qualities of foods; Dietetic products; Preparation or treatment thereof
    • A23L33/10Modifying nutritive qualities of foods; Dietetic products; Preparation or treatment thereof using additives
    • A23L33/17Amino acids, peptides or proteins
    • A23L33/19Dairy proteins
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT 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
    • AHUMAN NECESSITIES
    • A23FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23VINDEXING SCHEME RELATING TO FOODS, FOODSTUFFS OR NON-ALCOHOLIC BEVERAGES AND LACTIC OR PROPIONIC ACID BACTERIA USED IN FOODSTUFFS OR FOOD PREPARATION
    • A23V2200/00Function of food ingredients
    • A23V2200/30Foods, ingredients or supplements having a functional effect on health
    • A23V2200/33High-energy foods and drinks, sports drinks

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Polymers & Plastics (AREA)
  • Mycology (AREA)
  • Nutrition Science (AREA)
  • Food Science & Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Pediatric Medicine (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)

Abstract

本发明整体涉及用于在诊断方法中使用的组合物的领域。特别地,本发明涉及用于在诊断方法中使用的组合物,其中该组合物是包含15g至70g的脂肪、60g至90g的碳水化合物和15g至35g的蛋白质的营养组合物。诊断方法可以是预测受试者体内的动脉粥样化斑块存在风险的方法。

Description

适于在诊断斑块形成的诊断方法中使用的组合物和计算机实 现的诊断方法
本发明整体涉及用于在诊断方法中使用的组合物的领域。特别地,本发明涉及用于在诊断方法中使用的组合物,其中该组合物是包含15g至70g的脂肪、60g至90g的碳水化合物和15g至35g的蛋白质的营养组合物。诊断方法可以是预测受试者体内动脉粥样化斑块形成风险的方法。
心血管疾病(CVD)仍然是如今死亡率的主要原因,并且全球疾病负担研究报告了20l5年来自全世界CVD的几乎1800万死亡。与生活方式相关的环境因素,诸如不健康的饮食习惯和缺乏规则的体力活动,在CVD的发展中不可否认地起到重要作用,因此使其很大程度上可预防。实际上,若干种流行病学研究表明,健康饮食模式诸如地中海饮食的采用例如有助于降低心血管事件的发生率。
今天使用经典风险指标,诸如空腹胆固醇水平、血压和糖尿病状态来预测发展CVD的风险。这些风险指标已经成功地用于开发若干风险评分以评估CVD或冠心病(CHD)风险。然而,准确预测这些疾病风险的能力仍然受到限制,特别是在诸如女性和年轻群体等较低风险组中。
最近,表明(J Am Coll Cardiol.2017 Dec 19;70(24):2979-2991)在PESA研究(早期亚临床动脉粥样硬化的进展,西班牙(Progression of Early SubclinicalAtherosclerosis,Spain))的表面上健康的中间年龄参与者中,亚临床动脉粥样硬化(此处定义为颈动脉、腹主动脉或髂股区域中斑块的存在、或冠状动脉钙化评分≥1)存在于63%的参与者中。有趣的是,根据弗雷明汉心脏研究(FHS)被分类为具有低10年冠心病风险的58%参与者已经在评估的血管部位中的至少一个血管部位中发展了亚临床动脉粥样硬化。这些结果表明,即使在低风险个体中,亚临床动脉粥样硬化也已在表面上健康和相对年轻的群体中普遍存在。
应将附加的风险指标添加到现有风险评分中,以更好地预测CVD的风险。实际上,其进一步表明(J Am Coll Cardiol.2015 Mar 24;65(11):1065-74)亚临床颈动脉和冠状动脉粥样硬化的量化改善CVD风险预测。此外,也已知由颈动脉内膜-介质厚度(cIMT)测量的亚临床动脉粥样硬化和心脏结构和/或功能与心血管风险和死亡有关,并且可能改善CVD风险预测。
虽然用于评估亚临床动脉粥样硬化或心脏结构和功能的复杂测试可以理论上添加到传统CVD风险标度,但是这将是耗时且昂贵的方法。
尽管人们知道某些生活方式变化诸如增加体力活动和适应更健康的营养对预防心血管疾病具有积极影响,但心血管疾病的患病率继续增加。
一个主要原因似乎是即使在过去几十年中关于健康营养和生活方式的一般知识也增加,但消费者仍然缺乏有形的方式来看到对其心血管健康的即刻效果。鉴于疾病发展和进展的冗长过程,期望具有基于急性生理响应的可用反馈工具以引导和促动消费者。
此外,期望具有允许以节省成本和快速的方式预测心血管疾病的发展的可用工具。
不能将本说明书中对现有技术文献中的任何参照视为承认此类现有技术为众所周知的技术或形成本领域普遍常识的一部分。
本发明的目的是丰富或提高本领域的现有技术,并且具体地,为了提供可以在诊断方法中使用的组合物,其允许在消耗组合物之后预测发展心血管疾病的可能性和/或发展动脉粥样化斑块形成的风险和/或受试者体内已经形成动脉粥样化斑块的风险,或至少提供了现有技术中可用的溶液的可用的替代形式。
发明人惊讶地发现,本发明的目的可通过本文档中呈现的发现以及具体地通过独立权利要求的主题来实现。从属权利要求进一步拓展本发明的构想。
因此,本发明提供了一种诊断方法,其用于预测受试者体内发展心血管疾病的风险和/或已经形成动脉粥样化斑块的风险。
本发明还提供一种用于在诊断方法中使用的组合物,例如用于预测在受试者体内发展心血管疾病的风险和/或已经形成动脉粥样化斑块的风险的诊断方法。
如本说明书中所用,词语“包括”、“包含”和类似词语不应理解为具有排他性或穷举性的含义。换句话讲,这些词语旨在意指“包括,但不限于”。
发明人已经表明,可以创建预测工具,该预测工具基于餐后生物标志物,诸如在消耗特定营养组合物之后的血压,并且允许预测动脉粥样化斑块存在,例如作为心血管疾病的代理替代端点。
营养组合物应包含足够量的蛋白质、脂肪和碳水化合物,以能够相对于这些宏量营养素捕获所有代谢信号。
特别地,发明人可以证明,包含蛋白质、脂肪和碳水化合物的营养组合物的消耗允许基于在消耗营养组合物之后测量的血压来确定受试者体内动脉粥样化斑块存在的可能性。如果考虑受试者的年龄,则发现可能性的确定更精确。
因此,消耗本发明的组合物之后进行血压测定并且考虑到受试者的年龄允许其预测发展心血管病症的可能性。
有利地,施用本发明的组合物之后进行血压测定并且考虑到受试者的年龄允许其以快速且成本高效的方式预测发展心血管病症的可能性,其是非侵入性的。本发明允许进行这种快速、非侵入性且廉价的预测的事实进一步允许受试者可以监测生活方式改变和食物消耗的改变对发展心血管病症的可能性的积极效果。监测进展的这种快速且有效的方式将会奖励并促动这些受试者。进一步地,由于此类预测可以低成本地进行,因此此类预测的益处可以提供到更广范围的受试者。
图1示出了在消耗本发明的组合物后获得的收缩压的决策矩阵。对于直线-0.002x受试者的均值中心化(mean-centered)和单位缩放(unit-scaled)的年龄+0.57的线性方程由白色框指示,其中在白线上方的每个值指示动脉粥样化斑块存在风险增加。
图2示出了在消耗本发明的组合物后获得的舒张压的决策矩阵。对于直线0.001x受试者的均值中心化和单位缩放的年龄+0.43的线性方程由白色框指示,其中在白线上方的每个值指示动脉粥样化斑块存在风险增加。
图3A概述了分类模型的构建和训练。图3B示出了训练阶段的性能评估原理和训练模型的最终验证。
图4示出了亚临床动脉粥样硬化和心血管评估的结果。
图5示出了食物挑战允许其选择血压作为有力的生物标志物,以预测动脉粥样化斑块的存在或不存在,具有91%置信度。
因此,本发明部分地涉及用于在诊断方法中使用的组合物,其中该组合物是包含15g至70g的脂肪、60g至90g的碳水化合物和15g至35g的蛋白质的营养组合物。
组合物可以是适于供被施用该组合物的受试者食用的任何类型的组合物。受试者可以是哺乳动物,特别是例如人。人可以是男性和/或女性。例如,人可以是成人,例如18岁或更大的成人。此外,例如,成人可以是30岁或更大、40岁或更大、或50岁或更大。根据本发明的实施方案,成人可以是18岁至99岁,优选地40岁至54岁。本发明人执行的临床研究专注于年龄在40岁至54岁范围的成人。
出于本发明的目的,如本文所用的术语“营养组合物”是指可以用于向受试者提供营养的任何组合物。通常,营养组合物含有蛋白质源、碳水化合物源和脂质源。
所述营养组合物还可包含任何其它成分,例如本文列出的一种或多种成分,例如益生菌、维生素和/或矿物质。组合物还可包含通常以组合物的形式使用的其它成分,其中使用例如粉末状营养补充剂、食物产品、乳制品或饮料。此类成分的非限制性示例包括:其他营养物质,例如选自脂质(任选地除DHA和ARA之外的脂质)、碳水化合物、蛋白质、微量营养素(除了上面列出的那些之外)和/或药物活性剂;常规的食品添加剂,诸如抗氧化剂、稳定剂、乳化剂、酸化剂、增稠剂、缓冲剂或pH调节试剂、螯合剂、着色剂、赋形剂、调味剂、渗透剂、药学上可接受的载体、防腐剂、糖、甜味剂、质构剂、水以及它们的任何组合。
优选的是,营养组合物在宏量营养素方面是致密的,因为如果足够量的宏量营养素被消耗,则将获得更明显的效果。因此,根据本发明用于所述用途的组合物可为高热量的。例如,营养组合物每份可含有500kcal至1000kcal,例如550kcal至950kcal。
因此,根据本发明用于所述用途的组合物可包含20g至71g的脂肪。因此,根据本发明用于所述用途的组合物可包含70g至80g的碳水化合物。因此,根据本发明用于所述用途的组合物可包含20g至30g的蛋白质。例如,营养组合物包含20g至71g的脂肪、70g至80g的碳水化合物和20g至30g的蛋白质。
根据本发明用于所述用途的组合物可以具有相对高的脂肪含量。高脂肪含量的优点是测量的效果将更加明显。因此,在一个实施方案中,营养组合物可包含55g至71g的脂肪、70g至80g的碳水化合物和20g至30g的蛋白质。
然而,消费者通常不喜欢具有极高脂肪含量的组合物。因此,为了确保一致的使用,可以优选使用具有较低但仍足够高的脂肪含量的组合物。因此,在另外的实施方案中,营养组合物可包含20g至30g的脂肪、70g至80g的碳水化合物和20g至30g的蛋白质。
本发明的组合物还可包含维生素和矿物质。维生素和矿物质可选自:维生素A、维生素D、维生素E、维生素K、维生素C、硫胺素、核黄素、烟酸、维生素B6、叶酸、维生素B12、泛酸、钾、钙、磷、镁、铁、锌、硒或它们的组合。
根据本发明用于所述用途的组合物可以是可以容易地由待施用组合物的受试者消耗的组合物。例如,组合物可以具有条或勺舀型组合物的形式。然而,如果待根据本发明使用的组合物是饮料,则消费者研究已经表明其可能是优选的。
就体积而言,本发明的组合物应具有在一个消费场合中相对容易消耗的量。因此,可以相应地调整组合物的体积。本领域技术人员将能够如此操作。
例如,组合物可以是体积在200ml至400ml范围内的可饮用组合物。为了卫生目的,如果本发明的组合物在单份容器中提供,则可为优选的。
发明人已经发现,本发明的组合物可以有效地用于诊断方法中以确定发展心血管疾病的风险。
特别地,待在本发明的框架中使用的组合物在触发代谢反应方面是有效的,这可以通过测量营养挑战后受试者的血压来评估。确定的血压,任选地与所测试的受试者的年龄组合使其能够确定发展心血管疾病的风险,特别是正在发展或已经发展动脉粥样化斑块的风险。动脉粥样化斑块形成风险可以用作预测心血管病症的存在或发展的可能性的指标。
因此,诊断方法可以是预测受试者体内发展心血管病症的风险的诊断方法。例如,诊断方法可以是预测受试者体内发展动脉粥样硬化的风险的诊断方法。此外,例如,诊断方法可以是预测受试者体内动脉粥样化斑块形成风险的诊断方法。诊断方法还可以是预测受试者体内的亚临床动脉粥样硬化风险的诊断方法。
发明人已经表明,在施用本发明的组合物之后,可以准确地预测受试者体内具有发展的动脉粥样化斑块的风险。
动脉粥样化斑块是动脉壁的内层中的物质积累。例如,此类物质可以包括脂质、钙、巨噬细胞、碎片和纤维结缔组织。动脉粥样化斑块可导致动脉的通道变窄,这继而可导致血流受限。因此,动脉粥样化斑块是心血管病症、特别是动脉粥样硬化、例如动脉粥样硬化的基础。
诊断方法可包括以下步骤:向受试者施用本发明的组合物,以及在施用组合物后测量所述受试者的血压,其中与参考值相比,升高的血压指示动脉粥样化斑块形成风险增加。
在诊断方法的框架中测量的血压可以是收缩压(SYSBP)和/或舒张压(DIABP)。如果测量的血压是收缩压,则参考值还应涉及收缩压。如果测量的血压是舒张压,则参考值还应涉及舒张压。
如果还考虑了受试者的年龄,则本发明人已经获得特定的良好结果。因此,诊断方法可以包括确定受试者的年龄,并将测量的血压与特异于受试者年龄组的参考值进行比较。
发明人认为,在考虑受试者的年龄时将测量的血压与参考值进行比较的任务是通过使用算法来最有效地完成,该算法允许其进入测量的血压和年龄并且基于测量的血压和年龄产生风险因素(例如,以%表达的风险因素)。因此,诊断方法还可包括对测量的血压和受试者的年龄进行产生指示性数字的算法,并且将所述指示性数字与所述受试者的年龄组的相应指示性参考数字进行比较。
为了实现所测量数据的最佳比较,诊断方法可还包括测量的血压(分别为DIABP和/或SYSBP)和受试者的年龄是均值中心化和单位缩放的。
通常,可以通过从测量值中减去平均值并将结果除以标准偏差来对值进行均值中心化和单位缩放。
确切地说,这可能意味着
年龄:年龄新=(年龄-47.9)/4.2
舒张压:DIABP新=(DIABP-71.4)/10.0
收缩压:SYSBP新=(SYSBP-114.4)/13.5
,其中“新”指示均值中心化和单位缩放值。
本领域技术人员将能够使用以下系数来计算来自这些均值中心化和单位缩放值的洛基分数。
Figure BDA0003856761200000071
然后可以使用标准方法将洛基分数转换为概率以用于逻辑回归。
诊断方法可还包括:测量受试者的餐后收缩压,并且如果均值中心化和单位缩放的收缩压的值大于-0.002x受试者的均值中心化和单位缩放的年龄+0.57,则预测动脉粥样化斑块形成风险增加。
诊断方法或诊断方法的至少一个步骤可以进一步在计算机机器上或通过任何数字系统实施。在一个实施方案中,数据处理设备可以包括用于执行本文所述的计算机/数字实施的方法的装置。在另一实施方案中,计算机可读介质可以包括指令,该指令当由数据处理设备诸如计算机执行时致使数据处理设备执行本文所述的方法。
系统包括用户设备和推荐系统。用户设备可实现为计算设备,诸如计算机、智能手机、平板电脑、智能手表、或相关联的用户可通过其与推荐系统通信的其它可穿戴装置。推荐系统包括显示器、属性接收单元、属性比较单元、属性分析单元、属性存储单元、存储器和CPU中的一者或多者。需注意,在一些实施方案中,显示器可另外地或另选地位于用户设备内。
在一个实施方案中,设备是客户端设备。客户端设备是可以访问由主机设备提供或服务的内容的任何设备。例如,客户端设备可以是可运行合适的web浏览器以访问到主机设备的基于web的界面的任何设备。另选地或者除此之外,提供本文描述的一些功能的一种或多种应用程序或应用程序的部分可以在客户端设备上运行,在这种情况下客户端设备仅需要与主机设备交互来访问存储在主机设备中的数据。在一个实施方案中,主机设备是提供基于云的服务(诸如,基于云的认证和访问控制、存储、流式传输和反馈提供)的设备。
图1示出了对应的决策矩阵。因此,诊断方法可还包括如果(收缩压-114.4)/13.5>-0.002x(受试者的年龄-47.9)/4.2)+0.57,则预测动脉粥样化斑块形成风险增加。对于直线-0.002x受试者的均值中心化和单位缩放的年龄+0.57的线性方程由白色框指示,其中在白线上方的每个值指示动脉粥样化斑块形成风险增加。
诊断方法可还包括测量受试者的餐后舒张压,并且如果均值中心化和单位缩放的舒张压的值大于0.001x受试者的均值中心化和单位缩放的年龄+0.43,则预测动脉粥样化斑块形成风险增加。
图2示出了对应的决策矩阵。因此,诊断方法可还包括如果(舒张压-71.4)/10>0.001x(受试者的年龄-47.9)/4.2)+0.43,则预测动脉粥样化斑块形成风险增加。对于直线0.001x受试者的均值中心化和单位缩放的年龄+0.43的线性方程由白色框指示,其中在白线上方的每个值指示动脉粥样化斑块形成风险增加。
发明人已经发现,如果在施用本发明的组合物和血压测量之间允许足够的时间,则本发明的组合物的效果最明显。本领域技术人员将能够确定允许本发明的组合物具有最佳效果的此类时间段。发明人已经发现在施用营养组合物后65分钟至360分钟、例如90分钟至150分钟、又如110分钟至130分钟测量血压的情况下的特定的良好结果。在一个实施方案中,在施用营养组合物后120分钟测量血压。
本领域的技术人员将理解,他们可自由地合并本文所公开的本发明的所有特征。特别地,针对本发明的组合物所描述的特征可以与针对本发明的框架中所描述的诊断方法所描述的特征相组合,反之亦然。另外,可组合针对本发明的不同实施方案所描述的特征。
尽管以举例的方式对本发明进行了描述,但应当理解,在不脱离权利要求书中所定义的本发明范围的前提下,可作出变型和修改。
此外,对于具体的特征如果存在已知的等同物,则应如同在本说明书中明确提到的那样来并入此类等同物。参见附图和非限制性实施例后,本发明的另外的优点和特征将变得显而易见。
实施例:
方法
受试者
一百零一个健康的中国受试者(46名女性,55名男性)参加并完成这项研究。纳入标准为:a)愿意并且能够在试验条目之前以英文或中文签署书面知情同意书;b)40至54岁;c)男性和女性受试者两者;d)中国人种组(祖父母都是中国人);e)CHD的低弗雷明汉风险(<10%);f)基于研究者的临床判断是表面上健康的。
排除标准为:a)对膳食挑战的任何成分(乳蛋白质、乳糖、大豆)的食物过敏;b)受试者不愿意或不能遵守所安排的访视和研究方案的要求:c)对MRI的禁忌症(即心脏起搏器、脑动脉瘤或夹子、电子植入物或假体等);e)基于研究者的临床判断,怀孕或哺乳妇女;f)病态肥胖(BMI≥40kg/m2);g)先前的心肌梗塞(MI);h)已知的冠状动脉疾病-先前的冠状动脉血管再生;i)已知记录的外周动脉疾病;j)先前的中风(限定为新的局灶性神经功能缺损,持续超过24小时);k)抗高血压药的使用;1)癌症的先前病史(排除癌前病变);m)小于1年的预期寿命;n)已知的确定糖尿病或对糖尿病、自身免疫性疾病或遗传疾病、内分泌和代谢疾病的治疗,甚至治疗,包括高血脂症;o)精神病;p)哮喘或需要长期药物或氧的慢性肺病;q)慢性感染性疾病,包括结核病、乙型肝炎和丙型肝炎;和HIV;r)在试验开始前4周内,当前参与或已经参与另一临床试验(除了生物样本库研究和SingHeart)。
所有参与者都提供其书面知情同意书。研究方案由SingHealth CIRB批准,并在clinicaltrials.gov(NCT03531879)注册。
研究设计
人类临床试验是单中心、横截面研究。临床试验的实验部分在两个地点进行:新加坡国家心脏中心(National Heart Center of Singapore,NHCS)和A*Star新加坡临床科学研究所(A*Star Singapore Institute for Clinical Sciences,SICS)。
受试者在新加坡国家心脏中心登记,其中进行亚临床动脉粥样硬化和心血管评估。亚临床动脉粥样硬化评估包括:通过血管超声成像、由计算机断层扫描和cIMT进行的冠状动脉钙化积分,测量颈动脉、腹主动脉或髂股区域中斑块的存在。还测量了心脏结构和解剖结构。
离第一次访视相隔小于1周,受试者去往用于食物挑战的SICS。
向受试者提供在食物挑战之前晚上消耗的标准化的晚餐。将标准冷冻食物运送到受试者的家中。标准化的晚餐在相对低脂肪膳食上构成。
将混合膳食测试(由75g的葡萄糖、60g的棕榈油精和20g的乳制品蛋白质组成,提供约337mL液体膳食,提供总共约930kcal)提供给受试者,并在不同的时间点抽取血液样品(总共10个血液样品:T0/10/20/30/45/60/90/120/240/360分钟)以允许分析若干种生物标志物。
在试验过程中开始的任何药物/治疗都记录在eCRF中。
临床结果和生物标志物
亚临床动脉粥样硬化评估包括:通过血管超声成像、由计算机断层扫描和cIMT进行的冠状动脉钙化积分,测量颈动脉、腹主动脉或髂股区域中斑块的存在。还测量了心脏结构和解剖结构。
图4示出了本研究的结果。在不同地点的男性和女性中发现显著数量的斑块,虽然受试者是健康的。
在0分钟、10分钟、20分钟、30分钟、45分钟、60分钟、90分钟、120分钟、240分钟和360分钟处定量葡萄糖、胰岛素和c-肽。在0分钟、60分钟、120分钟、240分钟和360分钟处评估ApoB48、瘦蛋白、脂联素、CRP、TNFα、IL-6、PAI-1、VCAM-1、ICAM-1和E选择素。在0分钟、60分钟、120分钟和360分钟处评估血压。
使用体力活动跟踪器收集心率、体力活动(卡路里燃烧、步伐计数、行进距离、爬升的楼层数量、久坐不动的分钟数、轻微活跃的分钟数、相当活跃的分钟数、非常活跃的分钟数、活动卡路里)和睡眠(睡眠的分钟数、醒来的分钟数、醒来的次数、在床上的时间)。在筛选访视期间给予受试者健身活动跟踪器,并在5至7天内收集数据(在本研究的最后一次访视之前)。
本发明人惊讶地发现,考虑到血压和年龄,本发明的组合物的消耗允许血压预测表面上健康的群体中的动脉粥样化斑块的存在或不存在(相应地具有弗雷明汉评分的低CV风险),具有91%置信度。如果在食物挑战后120分钟测量血压,例如餐后舒张压,则获得最佳结果。
这种预测分析可以如下所述进行。
1.分类分析的目标
分类分析旨在构建能够预测受试者属于一个特定组还是另一个特定组的模型。例如,两类分类分析旨在预测受试者是否患有疾病或是健康的。对于本分析的范围,其旨在预测受试者是否患有至少一个“动脉粥样硬化斑块”或“无斑块”。
2.构建分类模型
图3A中示出了模型构建和训练:
模型如下建立,
1.将数据拆分为两个不同的部分
a.□由算法(即统计方法)使用以用于“训练模型”的训练集。训练涉及找到变量(即测量结果)和使用的阈值(或系数),以便实现分类。此阶段从数据(即来自类别标签)学习
b.仅用于测试训练模型的性能的测试集。该数据集不应在训练阶段期间使用。
3.评估模型性能
性能评估是关键,对于训练的模型的训练阶段和最终验证两者。原理汇总在图3B中。
简而言之,一旦训练模型,就将其应用于在训练阶段(例如,测试数据集)期间不使用的新数据部分上。模型计算用于给定类别中的概率(例如,“疾病组”)。需要基于此概率进行决策,需要使用阈值。例如,如果预测受试者具有80%概率患有疾病,则可以判定他患有疾病。相反,具有仅10%概率患有疾病的受试者可以被认为是健康的。
因此,阈值的选择(例如50%)是关键的,因为其可以影响受试者的概率接近阈值的受试者的最终分类(例如,患有疾病的概率=49%)。这将影响受试者是否正确分类。
通常,针对阈值的不同选择来评估误差。对于每个给定阈值,可以计算所谓的混淆矩阵(参见下面的更多细节)。该矩阵基本上对正确和不正确分类的受试者的数量进行计数。通过使用不同的阈值,可以生成许多混淆矩阵,这继而可用于导出灵敏度和特异性(在不同阈值处)。这两个度量通常以一定形式或接收操作曲线(ROC)呈现;其总结在一个单个图中模型性能超过阈值的若干选择。
所需参数:
受试者的年龄(年)
舒张压(mm Hg),餐后2小时
或收缩压(mm Hg),餐后2小时
然后,
对于DIABP模型,计算将为:
年龄_标准化=(年龄-47.92105)/4.200835
DIABP_标准化=(DIABP-71.44079)/10.017973
洛基_分数=0.5108+(-0.3682*DIABP_标准化)+(-0.3998*年龄_标准化)
可能性_评分=exp(洛基_分数)
概率=可能性_评分/(1+可能性_评分)
----------------
SYSBP模型,这些计算为:
年龄_标准化=(年龄-47.92105)/4.200835
SYSBP_标准化=(SYSBP-114.41447)/13.522423
洛基_分数=0.5253+(-0.5403*SYSBP_标准化)+(-0.3998*年龄_标准化)
可能性_评分=exp(洛基_分数)
概率=可能性_评分/(1+可能性_评分)
因此,
在消耗本发明的组合物后2小时具有140mm Hg的餐后收缩压的48岁男性具有62%的具有动脉粥样化斑块的风险。
在消耗本发明的组合物后2小时具有82mm Hg的餐后舒张压的50岁女性具有53%的具有动脉粥样化斑块的风险。
使用该模型,考虑到在120分钟处的餐后舒张压和受试者年龄,预测表面上健康的群体中存在或不存在动脉粥样化斑块(相应地具有弗雷明汉评分的低CV风险),具有91%置信度。

Claims (16)

1.用于在诊断方法中使用的组合物,其中所述组合物是包含15g至70g的脂肪、60g至90g的碳水化合物和15g至35g的蛋白质的营养组合物。
2.根据权利要求1用于所述用途的组合物,其中所述诊断方法是预测受试者体内的动脉粥样化斑块形成风险的诊断方法。
3.根据权利要求2用于所述用途的组合物,其中所述动脉粥样化斑块形成风险用作预测心血管病症的存在或发展的可能性的指标。
4.根据权利要求2或3中的一项用于所述用途的组合物,其中所述诊断方法包括以下步骤:
-确定所述受试者的年龄
-向所述受试者施用所述组合物,以及
-在施用所述组合物后测量所述受试者的血压,
其中与特异于所述受试者的年龄组的参考值相比,升高的血压指示动脉粥样化斑块形成风险增加。
5.根据权利要求4用于所述用途的组合物,其中所述诊断方法还包括对所述测量的血压和所述受试者的年龄进行产生指示性数字的算法,并且将所述指示性数字与所述受试者的年龄组的相应指示性参考数字进行比较。
6.根据权利要求4或5中的一项用于所述用途的组合物,其中所述诊断方法还包括所述测量的血压和所述受试者的年龄是均值中心化和单位缩放的。
7.根据权利要求4至6中的一项用于所述用途的组合物,其中所述诊断方法还包括测量所述受试者的餐后收缩压,并且如果所述均值中心化和单位缩放的收缩压的值大于-0.002x受试者的均值中心化和单位缩放的年龄+0.57,则预测动脉粥样化斑块形成风险增加。
8.根据权利要求7用于所述用途的组合物,其中所述诊断方法还包括如果(收缩压-114.4)/13.5>-0.002x(受试者的年龄-47.9)/4.2)+0.57,则预测动脉粥样化斑块形成风险增加。
9.根据权利要求4至6中的一项用于所述用途的组合物,其中所述诊断方法还包括测量所述受试者的餐后舒张压,并且如果所述均值中心化和单位缩放的舒张压的值大于0.001x受试者的均值中心化和单位缩放的年龄+0.43,则预测动脉粥样化斑块形成风险增加。
10.根据权利要求9用于所述用途的组合物,其中所述诊断方法还包括如果(舒张压-71.4)/10>0.001x(受试者的年龄-47.9)/4.2)+0.43,则预测动脉粥样化斑块形成风险增加。
11.根据权利要求4至10中的一项用于所述用途的组合物,其中所述诊断方法还包括在施用所述营养组合物之后65分钟至360分钟,例如90分钟至150分钟,进一步例如110分钟至130分钟,测量所述血压。
12.根据前述权利要求中的一项用于所述用途的组合物,其中所述营养组合物每份含有500kcal至1000kcal,例如550kcal至950kcal。
13.根据前述权利要求中的一项用于所述用途的组合物,其中所述营养组合物包含20g至71g的脂肪、70g至80g的碳水化合物和20g至30g的蛋白质。
14.根据前述权利要求中的一项用于所述用途的组合物,其中所述组合物还包含维生素和矿物质。
15.根据前述权利要求中的一项用于所述用途的组合物,其中所述组合物是可饮用的组合物,其体积在200ml至400ml范围内。
16.根据前述权利要求中的一项用于所述用途的组合物,其中所述诊断方法通过计算机/数字系统实现。
CN202180024102.5A 2020-03-27 2021-03-29 适于在诊断斑块形成的诊断方法中使用的组合物和计算机实现的诊断方法 Pending CN115835785A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP20166317.6 2020-03-27
EP20166317 2020-03-27
PCT/EP2021/058115 WO2021191463A1 (en) 2020-03-27 2021-03-29 Composition suitable for use in a diagnostic method to diagnose plaque formation and computer-implemented diagnostic method

Publications (1)

Publication Number Publication Date
CN115835785A true CN115835785A (zh) 2023-03-21

Family

ID=70056943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180024102.5A Pending CN115835785A (zh) 2020-03-27 2021-03-29 适于在诊断斑块形成的诊断方法中使用的组合物和计算机实现的诊断方法

Country Status (5)

Country Link
US (1) US20230098927A1 (zh)
EP (1) EP4125435A1 (zh)
JP (1) JP2023528122A (zh)
CN (1) CN115835785A (zh)
WO (1) WO2021191463A1 (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1501810A (zh) * 2001-01-04 2004-06-02 包含硬化斑相关分子的组合物和用于预防和治疗动脉粥样硬化的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1501810A (zh) * 2001-01-04 2004-06-02 包含硬化斑相关分子的组合物和用于预防和治疗动脉粥样硬化的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KATSUHIKO KOHARA等: "Postprandial Hypotension: Evaluation by Ambulatory Blood Pressure Monitoring", 《AMERICAN JOURNAL OF HYPERTENSION》, vol. 11, no. 11, pages 1358 - 1363, XP055728893, DOI: 10.1016/S0895-7061(98)00161-7 *
YIIN LING等: "Rational and design of an overfeeding protocol in constitutional thinness:Understanding the physiology, metabolism and genetic background ofresistance to weight gain", 《ANNALES D’ENDOCRINOLOGIE》, vol. 77, no. 5, pages 563 - 569, XP055728983, DOI: 10.1016/j.ando.2016.06.001 *

Also Published As

Publication number Publication date
US20230098927A1 (en) 2023-03-30
EP4125435A1 (en) 2023-02-08
JP2023528122A (ja) 2023-07-04
WO2021191463A1 (en) 2021-09-30

Similar Documents

Publication Publication Date Title
Schroeder et al. Comparative effectiveness of aerobic, resistance, and combined training on cardiovascular disease risk factors: A randomized controlled trial
Cantero et al. Dietary Inflammatory Index and liver status in subjects with different adiposity levels within the PREDIMED trial
Heckbert et al. Traditional cardiovascular risk factors in relation to left ventricular mass, volume, and systolic function by cardiac magnetic resonance imaging: the Multiethnic Study of Atherosclerosis
Lau et al. Peripheral artery disease. Part 1: clinical evaluation and noninvasive diagnosis
Kolkman et al. Diagnosis and treatment of chronic mesenteric ischemia: An update
Steding et al. Relation between cardiac dimensions and peak oxygen uptake
Abergel et al. Serial left ventricular adaptations in world-class professional cyclists: implications for disease screening and follow-up
Brinker et al. Association of cardiorespiratory fitness with left ventricular remodeling and diastolic function: the Cooper Center Longitudinal Study
Siervo et al. Age-related changes in basal substrate oxidation and visceral adiposity and their association with metabolic syndrome
Carbone et al. Obesity, body composition and cardiorespiratory fitness in heart failure with preserved ejection fraction
King et al. Reduced right ventricular myocardial strain in the elite athlete may not be a consequence of myocardial damage.“Cream masquerades as skimmed milk”
Wilson Frequency of chronic gastrointestinal distress in runners: Validity and reliability of a retrospective questionnaire
Gould et al. Metabolic effects of menopause: a cross-sectional characterization of body composition and exercise metabolism
Werner et al. Effects of a 12-week resistance training program on arterial stiffness: a randomized controlled trial
Sabo et al. Associations between childhood body size, composition, blood pressure and adult cardiac structure: the Fels Longitudinal Study
Kovalova et al. What is a “normal” right ventricle?
Kinoshita et al. Modeling of longitudinal changes in left ventricular dimensions among female adolescent runners
CN115835785A (zh) 适于在诊断斑块形成的诊断方法中使用的组合物和计算机实现的诊断方法
Kim et al. Gallstones are associated with intima-media thickness of common carotid arteries in men
Carrera-Gil et al. Predictive equations are inaccurate to assess caloric needs in non-white adults from Chile
Arena et al. Description and comparison of preseason and postseason blood pressure measures among collegiate athletes: A prospective observational study
Del Brutto et al. The relationship between the neck circumference and the carotid intima-media thickness in Amerindians. Potential links to health risks?
Tsai et al. Modified mininutritional assessment can effectively assess the nutritional status of patients on hemodialysis
Gaitonde et al. Evaluation of left ventricular outflow gradients during staged exercise stress echocardiography helps differentiate pediatric patients with hypertrophic cardiomyopathy from athletes and normal subjects
Glibbery et al. Atrial structure and function in middle‐aged, physically‐active males and females: A cardiac magnetic resonance study

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