DE60026287T2 - Nmr-verfahren zur bestimmung des risikos zur entwicklung von diabetes type 2 - Google Patents

Nmr-verfahren zur bestimmung des risikos zur entwicklung von diabetes type 2 Download PDF

Info

Publication number
DE60026287T2
DE60026287T2 DE60026287T DE60026287T DE60026287T2 DE 60026287 T2 DE60026287 T2 DE 60026287T2 DE 60026287 T DE60026287 T DE 60026287T DE 60026287 T DE60026287 T DE 60026287T DE 60026287 T2 DE60026287 T2 DE 60026287T2
Authority
DE
Germany
Prior art keywords
glucose
patient
nmr
lipoprotein
diabetes
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.)
Expired - Lifetime
Application number
DE60026287T
Other languages
English (en)
Other versions
DE60026287D1 (de
Inventor
D. James Apex OTVOS
W. Dennis Shorewood BENNETT
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.)
North Carolina State University
University of California
Liposcience Inc
Original Assignee
North Carolina State University
University of California
Liposcience Inc
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 North Carolina State University, University of California, Liposcience Inc filed Critical North Carolina State University
Publication of DE60026287D1 publication Critical patent/DE60026287D1/de
Application granted granted Critical
Publication of DE60026287T2 publication Critical patent/DE60026287T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/66Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/74Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving hormones or other non-cytokine intercellular protein regulatory factors such as growth factors, including receptors to hormones and growth factors
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00Arrangements or instruments for measuring magnetic variables
    • G01R33/20Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/46NMR spectroscopy
    • G01R33/465NMR spectroscopy applied to biological material, e.g. in vitro testing
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N24/00Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
    • G01N24/08Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2405/00Assays, e.g. immunoassays or enzyme assays, involving lipids
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00Detection or diagnosis of diseases
    • G01N2800/04Endocrine or metabolic disorders
    • G01N2800/042Disorders of carbohydrate metabolism, e.g. diabetes, glucose metabolism
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00Detection or diagnosis of diseases
    • G01N2800/32Cardiovascular disorders
    • G01N2800/324Coronary artery diseases, e.g. angina pectoris, myocardial infarction
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10TTECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
    • Y10T436/00Chemistry: analytical and immunological testing
    • Y10T436/14Heterocyclic carbon compound [i.e., O, S, N, Se, Te, as only ring hetero atom]
    • Y10T436/142222Hetero-O [e.g., ascorbic acid, etc.]
    • Y10T436/143333Saccharide [e.g., DNA, etc.]
    • Y10T436/144444Glucose
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10TTECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
    • Y10T436/00Chemistry: analytical and immunological testing
    • Y10T436/24Nuclear magnetic resonance, electron spin resonance or other spin effects or mass spectrometry

Description

  • Gebiet der Erfindung
  • Die vorliegende Erfindung betrifft Verfahren und Computerprogrammprodukte zum Bestimmen, ob Subjekte ein Risiko, Typ-2-Diabetes und andere Insulinresistenzkrankheiten zu entwickeln, aufweisen.
  • Allgemeiner Stand der Technik
  • Typ-2-Diabetes, manchmal als im Erwachsenendiabetes oder nicht-insulinabhängiger Diabetes mellitus (non-insulin dependent diabetes mellitus, NIDDM) bezeichnet, betrifft allein in den Vereinigten Staaten von Amerika ungefähr 15 Millionen Menschen. Darüber hinaus haben ungefähr 21 Millionen Amerikaner eine beeinträchtigte Glukosetoleranz oder „Borderline-Diabetes" (gekennzeichnet durch hohe Blutzuckerspiegel, die nicht hoch genug sind, um als diabetisch angesehen zu werden). Sowohl Typ-2-Diabetes als auch Borderline-Diabetes hängen mit Insulinresistenz zusammen, einem Zustand, in dem der Körper dabei scheitert, normal auf Insulin zu reagieren. Insulinresistenz wird mit anderen Gesundheitsproblemen assoziiert, einschließlich Bluthochdruck und Herzerkrankung. Wenn Insulinresistenz nicht kontrolliert wird, kann sie sich tatsächlich zu Typ-2-Diabetes entwickeln. Typ-2-Diabetes ist mit einem zwei- bis vierfach höheren Risiko für koronare Herzerkrankung verbunden und diabetische Patienten weisen ein erhöhtes Risiko für mit kardiovaskulärer Erkrankung assoziierte Morbidität und Mortalität auf.
  • Typ-2-Diabetes ist traditionell durch den Nachweis von erhöhten Spiegeln von Glukose (Zucker) im Blut (Hyperglykämie) diagnostiziert worden. Obwohl Hyperglykämie ein starker Indikator für Diabetes ist, ist sie eine sehr späte Entwicklungsstufe in der Ereigniskette, die von Insulinresistenz zum voll ausgebrochenen Diabetes führt. Dementsprechend wäre es wünschenswert, eine Methode zum Identifizieren, ob ein Subjekt ein Risiko aufweist, Typ-2-Diabetes zu entwickeln (d. h. für den Zustand prädisponiert ist), oder nicht, vor der Entwicklung der klassischen Symptome, wie Hyperglykämie, zu haben. Ein früherer Nachweis von Indikatoren der Erkrankung (z. B. Nachweis eines Anstiegs der Glukosespiegel, bevor die Spiegel eine Höhe erreichen, die hoch genug ist, um als Hyperglykämie angesehen zu werden) kann in einer effektiveren Behandlung der Erkrankung, wenn nicht sogar Prävention des Beginns der Erkrankung resultieren.
  • Die Diagnose von kardiovaskulären Krankheiten, wie koronarer Herzerkrankung (KHK), wird routinemäßig durch die Messung und Analyse von Blutcholesterinspiegeln von Subjekten, bei denen vermutet wird, dass sie solche Krankheiten haben, erreicht. In solchen Analysen werden das Gesamtserumcholesterin (total serum cholesterol, TC) sowie die Plasmatriglyceridspiegel (TG) gemessen. Darüber hinaus werden oftmals die Spiegel der Haupt-Lipoprotein-Bestandteile oder Klassen von Cholesterin gemessen. Diese Haupt-Lipoprotein-Bestandteile umfassen Lipoprotein geringer Dichte (low-density lipoprotein, LDL), Lipoprotein hoher Dichte (high-density lipoprotein, HDL) und Lipoprotein sehr geringer Dichte (very low-density lipoprotein, VLDL). Die Haupt-Lipoprotein-Bestandteile können basierend auf einer weiteren Verfeinerung der Teilchendichten weiter in Subklassen unterteilt werden. Krauss et al., J. Lipid Research 23, 97–104 (1982); Atger et al., Clinical Chemistry 37, 1149–1152 (1991). Eine Subklasse von Lipoproteinteilchen umfasst Teilchen, die gemeinsame physikalische Eigenschaften aufweisen, wie Dichte. Durch die Dichte unterschiedene Subklassen können als eine Subklasse der Lipoproteinklasse betrachtet werden, die Teilchen mit der Dichte der Subklassen enthält.
  • US-Patentschrift Nr. 4,933,844 an Otvos beschreibt die Verwendung von magnetischer Protonen-Kernresonanzspektroskopie (1H-NMR-Spektroskopie) zum Analysieren von Blutplasma und Bestimmen der Konzentration der Haupt-Lipoprotein-Bestandteile in einer Blutplasmaprobe. US-Patentschrift Nr. 5,343,389 an Otvos beschreibt die Verwendung von 1H-NMR-Spektroskopie zum Analysieren von Blutplasma oder Blutserum auf Konzentrationen von Lipoproteinsubklassen. Die in diesen Patenten beschriebenen Verfahren beruhen auf der Tatsache, dass 1H-NMR-Spektra von menschlichem Blutplasma zwei markante Peaks aufweisen, deren Mitte bei ungefähr 1,2 und 0,8 ppm (bezüglich des chemischen Verschiebungsstandards) liegt. Diese Peaks rühren von Methylen-Protonen (CH2-Protonen) bzw. Methyl-Protonen (CH3-Protonen) von Plasmalipiden her. Jeder dieser Peaks ist von Natur aus heterogen und besteht aus überlappenden Resonanzen von Protonen der einzelnen chemisch unterschiedlichen Klassen von Lipiden, die im Plasma vorliegen: Triglyceride; Cholesterin; Cholesterinester und Phospholipide. Diese Lipide sind in den oben beschriebenen drei Hauptklassen von Lipoproteinteilchen zusammengepackt, die sich von der Dichte und den Anteilen der Lipide, die sie enthalten, her unterscheiden. Die Heterogenität dieser Plasmasignale spiegelt sich in ihren komplexen Linienformen wider, die aufgrund von Schwankungen der Plasmakonzentrationen der verschiedenen Lipoproteinteilchen, die jeweils ihre eigenen charakteristisch unterschiedlichen NMR-Spektraleigenschaf ten aufweisen, von Mensch zu Mensch variieren. Darüber hinaus zeigen Lipoproteinsubklassen der Haupt-Lipoproteinklassen bzw. -Bestandteile durch NMR messbare Eigenschaften auf, die sich von anderen Subklassen unterscheiden. Die NMR-Eigenschaften einer Subklasse können sich in vielerlei Hinsicht unterscheiden, wie durch Schwankungen der chemischen Verschiebung oder der Linienform, was die Subklasse von anderen Subklassen unterscheidbar macht.
  • Aufgaben und Zusammenfassung der Erfindung
  • In Anbetracht des Vorstehenden ist es eine Aufgabe der vorliegenden Erfindung, ein verlässlicheres Verfahren zum Bestimmen, ob ein Subjekt ein Risiko aufweist, Typ-2-Diabetes zu entwickeln, bereitzustellen.
  • Es ist eine andere Aufgabe der vorliegenden Erfindung, ein präziseres und/oder verlässlicheres Verfahren zum Bestimmen, ob ein Subjekt ein Risiko aufweist, Insulinresistenz zu entwickeln, bereitzustellen.
  • Es ist eine andere Aufgabe der vorliegenden Erfindung, ein verbessertes Verfahren zum Bestimmen, ob ein Subjekt an Insulinresistenz leidet, bereitzustellen.
  • Es ist eine noch andere Aufgabe der vorliegenden Erfindung, ein verbessertes Verfahren zum Bewerten der Wirksamkeit einer Behandlung eines Subjekts, das an Typ-2-Diabetes leidet, bereitzustellen.
  • Es ist zusätzlich dazu eine andere Aufgabe der Erfindung, ein Verfahren zum gleichzeitigen Bestimmen der Glukosekonzentration in einer Blutplasma- oder Blutserumprobe („Blutglukosespiegel") bereitzustellen und weiterhin dazu in der Lage zu sein, Blutglukosespiegel bei subhyperglykämischen Spiegeln zu bestimmen.
  • Um die Notwendigkeit des Durchführens zahlreicher, teurer und doppelt ausgeführter Tests zum Bestimmen des Risikos für Typ-2-Diabetes und Insulinresistenzkrankheiten zu minimieren, ist es eine noch andere Aufgabe der Erfindung, ein Verfahren zum Bestimmen der Glukosekonzentration in einer Blutplasma- oder Blutserumprobe gleichzeitig mit dem Bestimmen anderer auf Lipid basierender Risikofaktoren für Typ-2-Diabetes oder Insulinresistenz bereitzustellen.
  • Es ist eine zusätzliche Aufgabe der vorliegenden Erfindung, eine ökonomische Methode zum Screenen einer Blutplasmaprobe eines Subjekts, um das Risiko des Subjekts, Typ-2-Diabetes zu entwickeln, zu bestimmen, bereitzustellen.
  • Es ist eine noch andere Aufgabe der vorliegenden Erfindung, ein Computerprogrammprodukt zum Bestimmen, ob ein Subjekt ein Risiko aufweist, Typ-2-Diabetes zu entwickeln, bereitzustellen.
  • Diese und andere Aufgaben der vorliegenden Erfindung werden durch ein Verfahren zum Identifizieren eines Patienten mit einem erhöhten Risiko, Typ-2-Diabetes zu entwickeln, durch Analysieren der NMR-Messungen der Lipoproteinsubklassen-Bestandteile des Patienten bereitgestellt. Darüber hinaus kann das Risiko des Patienten, Typ-2-Diabetes zu entwickeln, durch Analysieren der Blutglukosespiegel des Patienten mit NMR-Spektralanalyse weiter bestimmt werden. Die Befähigung zum Analysieren der Blutglukosespiegel eines Patienten durch NMR-Analyse bietet insofern mehrere Vorteile, dass sie ermöglicht, eine Blutglukosemessung gleichzeitig mit Messungen der Lipoproteinsubklassen-Bestandteile eines Patienten vorzunehmen, wodurch das Erfordernis von mehrfachen Testereignissen zum Bestimmen des Risikos für Typ-2-Diabetes vermieden wird. Des Weiteren sorgt die Empfindlichkeit des auf NMR basierenden Blutglukosetests, der in Verbindung mit einem auf NMR basierenden Blutlipoproteintest durchgeführt wird, für ein früheres Erkennen des Risikos, Typ-2-Diabetes zu entwickeln. Ein mäßig erhöhter Blutglukosespiegel bei Abwesenheit anderer Indikatoren des Risikos, die Erkrankung zu entwickeln, könnte nicht dazu ausreichen, einen Gesundheitsdienstleister oder einen Patienten zu warnen, dass ein erhöhtes Risiko, die Erkrankung zu entwickeln, vorliegt. Ein mäßig erhöhter Blutglukosespiegel, wie mittels der auf NMR basierenden Verfahren der vorliegenden Erfindung nachgewiesen, in Verbindung mit dem Vorliegen anderer Risikofaktoren, die mittels der auf NMR basierenden Blutlipoproteinanalyse der vorliegenden Erfindung identifiziert wurden, ermöglicht einem praktischen Arzt jedoch, das Risiko, die Krankheit zu entwickeln, vor dem Beginn der voll ausgebrochenen Erkrankung zu bestimmen.
  • Insbesondere handelt es sich bei einem ersten Gesichtspunkt der vorliegenden Erfindung um ein Verfahren zum Beurteilen des Risikos eines Patienten, Typ-2-Diabetes oder Insulinresistenz zu haben oder zu entwickeln, basierend auf von NMR abgeleiteter, auf Lipoprotein basierender Information. Das Verfahren umfasst die Schritte des Erhaltens mindestens eines Protonen-NMR-spektrographischen Signals aus einer Blutplasma- oder -serumprobe eines Patienten, um eine NMR-Spektralanalyse davon durchzuführen, Ableitens eines auf NMR basierenden Lipoproteinmesswerts für mehrere Lipoproteinsubklassen-Bestandteile basierend auf dem Schritt des Erhaltens, Vergleichens der auf NMR basierenden gemessenen Lipoproteinsubklassen-Bestandteilwerte mit einem vorbestimmten Testkriterium, wobei das vorbestimmte Testkriterium einen Lipoproteinsubklassen-Bestandteilwert oder -wertebereich für einen beliebigen oder jeden der mehreren ausgewählten Lipoproteinsubklassen-Bestandteile von Interesse definiert, die einen damit assoziierten ungünstigen oder positiven Risikofaktor aufweisen, um das Vorliegen von diabetischer Dyslipidämie zu bestimmen, und Beurteilen des Risikos eines Patienten, Typ-2-Diabetes und/oder Insulinresistenz zu haben oder zu entwickeln, basierend auf der Bestimmung diabetischer Dyslipidämie des Schritts des Vergleichens.
  • Der Patient kann ein Subjekt sein, bei dem vermutet wird, dass es ein Risiko aufweist, Typ-2-Diabetes zu entwickeln, oder kann ein Subjekt sein, das sich aus einem beliebigen anderen Grund (z. B. als ein Standardscreening auf kardiovaskuläre Erkrankung) einer Lipoproteinanalyse unterzieht. Das Subjekt kann Symptome von Typ-2-Diabetes aufzeigen, kann jedoch alternativ dazu auch asymptomatisch sein. Diese auf NMR basierende Analyse umfasst das Bestimmen eines Lipoprotein-spezifischen Subklassen-Bestandteils, der als ein unabhängig davon prädiktiver Risikofaktor (bei Isolation der anderen Bestandteilwerte) identifiziert wurde, und das Bestimmen eines Risikos, das mit einer Kombination von bestimmten der Messwerte der Subklassen-Bestandteile assoziiert wird. Das Kombinationsverfahren identifiziert, ob die Resultate des Patienten eine positive Übereinstimmung mit mittels NMR gemessenen Schlüsselfaktoren liefert. Ein Faktor ist die Bestimmung des Vorliegens von diabetischer Dyslipidämie (d. h. eine Anhäufung von vorbestimmten mittelmäßigen, Borderline- oder positiven, auf den Lipoproteinsubklassen oder -Bestandteilen basierenden NMR-Risikowerten). Ein zusätzlicher Faktor ist der Nachweis mindestens eines mäßig erhöhten, mittels NMR gemessenen Glukosespiegels. Vorteilhafterweise ermöglicht diese Art von Risikoanalyse eine Bestimmung der Blutglukosespiegel vor einem Anstieg der Blutglukosespiegel, der dazu ausreicht, als Hyperglykämie zu qualifizieren (d. h. ein mäßig erhöhter Blutglukosespiegel, der potentiell Typ-2-Diabetes anzeigt, kann nachgewiesen werden).
  • In einem anderen Gesichtspunkt der vorliegenden Erfindung umfasst das Verfahren weiterhin das gleichzeitige Erstellen eines auf NMR basierenden Glukosemesswerts für die Blutplasma- oder -serumprobe des Patienten und das Vergleichen des auf NMR basierenden Glukosemesswerts mit einem vorbestimmten Testkriterium. Das Verfahren umfasst außerdem das Bestimmen des Risikos des Patienten, Typ-2-Diabetes zu haben oder zu entwickeln, basierend auf dem Nachweis erhöhter Glukosespiegel. Dementsprechend kann das Risiko eines Patienten für Typ-2-Diabetes basierend auf dem Vorliegen (oder der Abwesenheit) von diabetischer Dyslipidämie und auf dem Vorliegen oder der Abwesenheit von zumindest mäßig erhöhten Glukosespiegeln beurteilt werden.
  • In einer bevorzugten Ausführungsform beinhalten die auf NMR basierenden gemessenen Werte der Lipoproteinsubklassen-Bestandteile die Werte, die mit LDL-Größe, LDL-Teilchen, großem HDL-Cholesterin und großem VLDL-Triglycerid assoziiert sind.
  • In diesem Verfahren wird ein NMR-Referenzdatenspektrum, das Glukose in einer Referenzblutplasma- oder -serumprobe oder einem Referenzblutplasma- oder -serumspezimen entspricht, erlangt und in einem Computerspeicher gespeichert. Ein Referenzkoeffizient wird einem Glukosesignal oder einer Gruppe von Glukosesignalen („Referenz-Glukose-Linienform") in dem Referenzspektrum zugeordnet, dessen Wert auf der Glukosekonzentration jenes Referenzspezimens basiert und mittels einer unabhängigen chemischen Glukosemessung bestimmt wurde. Ein NMR-Spektrum des Blutplasma- oder -serumspezimens eines Patienten wird zu einem späteren Zeitpunkt unter Messbedingungen erlangt, die (im Wesentlichen) mit denen identisch sind, die zum Erhalten des Glukose-Referenzspektrums verwendet wurden, und in einem Computerspeicher gespeichert. Die Referenz-Glukose-Linienform wird mit demselben Glukosesignal oder derselben Gruppe von Signalen in dem Patientenspektrum („Patienten-Glukose-Linienform") verglichen. Dann wird eine Berechnung durchgeführt, die den Skalierungsfaktor bestimmt, der zum Anpassen der Amplitude der Referenz-Glukose-Linienform benötigt wird, um die beste Übereinstimmung mit der Patienten-Glukose-Linienform zu ergeben. Dieser Skalierungsfaktor wird mit dem Referenzkoeffizienten multipliziert, um die Konzentration von Glukose in dem Patientenblutplasma- oder -serumspezimen zu ergeben.
  • Vorzugsweise wird der Bereich von 3,29 bis 3,54 ppm oder von 3,64 bis 3,90 ppm der Protonen-NMR-Daten für Glukose zur Glukoseanalyse verwendet. Vorzugsweise beinhaltet das vorbestimmte Testkriterium des Schritts des Vergleichens im Verfahren der vorliegenden Erfindung Werte, die mit positiven Risikofaktoren assoziiert sind, für ein beliebiges von LDL-Subklassen-Konzentration, LDL-Subklassen-Teilchengröße, LDL-Subklassen-Teilchenkonzentration, Konzentration von kleinem LDL, Konzentration von großem HDL und Konzentration von großem VLDL, Chylomikronen, eine beliebige der sechs Subklassen von VLDL, IDL, eine beliebige der drei Subklassen von LDL und eine beliebige der fünf Subklassen von HDL. Vorzugsweise identifiziert das vorbestimmte Testkriterium für ungünstiges LDL die kleine LDL-Subklasse als erhöht. Vorzugsweise identifiziert das vorbestimmte Testkriterium für eine ungünstige Konzentration von großem HDL einen niedrigen Spiegel von großem HDL. Vorzugsweise identifiziert das vorbestimmte Testkriterium für eine ungünstige Konzentration von großem VLDL einen erhöhten Spiegel von großem VLDL.
  • Ein Patient wird als ein Risiko, Insulinresistenz oder Typ-2-Diabetes zu haben oder zu entwickeln, aufweisend identifiziert, wenn sowohl (a) der auf NMR basierende Glukosemesswert ein erhöhter Blutglukosespiegel ist und (b) das gleichzeitige Vorliegen von diabetischer Dyslipidämie bestimmt wird, basierend auf der positiven Identifizierung, dass mindestens zwei der Werte der Subklassen der auf Lipoprotein basierenden Bestandteile gemäß dem vorbestimmten Testkriterium ungünstig sind.
  • Ein zusätzlicher Gesichtspunkt der Erfindung ist ein Verfahren zum Bewerten der Wirksamkeit einer Behandlung eines Subjekts, das sich einer Behandlung für Typ-2-Diabetes, basierend auf personalisierter, mittels NMR gemessener Lipoprotein-Information, unterzieht. Das Verfahren umfasst das Erhalten eines Baseline-Profils, das gemessene Werte für mehrere Lipoproteinsubklassen-Bestandteile in einer Blutplasma- oder -serumprobe eines Patienten beinhaltet. Das Baseline-Profil wird von einer Protonen-NMR-Spektralanalyse der Blutplasma- oder -serumprobe des Patienten abgeleitet, die Konzentrations- und/oder Größen werte der Lipoproteinsubklassen-Bestandteile misst. Ein zweites Profil von mittels Protonen-NMR gemessenen Lipoproteinsubklassen-Bestandteilwerten für eine Blutplasma- oder -serumprobe eines Patienten wird erhalten, nachdem das Subjekt sich einer Behandlung für Typ-2-Diabetes unterzogen hat, und das zweite Profils wird mit der Baseline verglichen. Ein Unterschied zwischen dem zweiten Profil und dem Baseline-Profil des Subjekts liefert einen Hinweis auf die Wirksamkeit der Behandlung für Typ-2-Diabetes des Subjekts. Das Baseline-Profil kann erhalten werden, bevor das Subjekt überhaupt die Behandlung für Insulinresistenz begonnen hat, oder kann erhalten werden, nachdem die Behandlung begonnen hat.
  • Vorzugsweise werden die Protonen-NMR-Spektralanalyse des Baseline-Profils und des zweiten Profils ausgeführt, um einen Glukosemesswert für die Blutplasma- oder -serumprobe des Patienten zu liefern, wobei die Glukosemessung gleichzeitig mit den mittels Protonen-NMR gemessenen Lipoproteinsubklassen-Bestandteilwerten des Subjekts erhalten wird.
  • Ein zusätzlicher Gesichtspunkt der vorliegenden Erfindung umfasst weiterhin das Messen der Glukosekonzentration mittels Erlangen eines Protonen-NMR-Referenzdatenspektrums in einem Bereich von Interesse, der Glukose in einem Referenzblutplasma- oder -serumspezimen entspricht, Bestimmen einer Referenz-Glukose-Linienform in dem Referenzspektrum, basierend auf mindestens einem Signal in dem Referenzspektrum, Zuordnen eines Referenzkoeffizienten zu der Referenz-Glukose-Linienform in dem Referenzspektrum, Erlangen eines Protonen-NMR-Spektrums eines Blutplasma- oder -serumspezimens eines Patienten, das dem Bereich von Interesse in dem Referenzspezimen entspricht, Identifizie ren einer Patienten-Glukose-Linienform für das Patientenspezimen in dem Patienten-NMR-Spektrum, basierend auf demselben mindestens einen Signal, das zum Bestimmen der Referenz-Glukose-Linienform in dem Referenzspektrum verwendet wurde, Vergleichen der Referenz-Glukose-Linienform mit der Patienten-Glukose-Linienform, Angleichen der Amplitude der Referenz-Glukose-Linienform an die Patienten-Glukose-Linienform, Errechnen eines Skalierungsfaktors, basierend auf dem Schritt des Angleichens, und Bestimmen der Konzentration von Glukose in dem Patientenblutplasma- oder -serumspezimen in Abhängigkeit von dem Wert des Skalierungsfaktors und des Referenzkoeffizienten.
  • Vorzugsweise basiert der Wert des Referenzkoeffizienten auf einer unabhängigen chemischen Messung der Glukosekonzentration des Referenzspezimens. Vorzugsweise werden das NMR-Referenzspektrum und das Patientenspektrum bei im Wesentlichen derselben magnetischen Feldstärke und derselben Spezimentemperatur erhalten. Vorzugsweise wird das Referenzspektrum von Blutplasma als sich innerhalb eines Bereichs befindend identifiziert, der sich von 3,64 bis 3,90 ppm eines Protonen-NMR-Spektrums von Blutplasma erstreckt. Alternativ dazu wird das Referenzspektrum von Blutplasma als sich innerhalb eines Bereichs befindend identifiziert, der sich von 3,29 bis 3,54 ppm eines Protonen-NMR-Spektrums von Blutplasma erstreckt. Alternativ dazu wird das Referenzspektrum von Blutplasma als sich innerhalb von zwei Bereichen von Interesse eines Protonen-NMR-Spektrums von Blutplasma befindend identifiziert, einem ersten Bereich, der sich von 3,64 bis 3,90 ppm erstreckt, und einem zweiten Bereich, der sich von 3,29 bis 3,54 ppm erstreckt.
  • In einem alternativen Gesichtspunkt umfasst das Verfahren der vorliegenden Erfindung weiterhin den Schritt des Beurteilens des Risikos des Patienten, koronare Herzerkrankung (KHK) zu haben oder zu entwickeln, basierend auf einem vorbestimmten KHK-Testkriterium, unter Verwendung ausgewählter, von NMR abgeleiteter Lipoproteinsubklassen-Messungen. Vorzugsweise umfasst das Verfahren weiterhin das Erstellen eines Patientenberichts, um den optischen Vergleich einer Verteilung gemessener Werte mit einer Verteilung von Standardtestkriterien zu erleichtern.
  • Vorzugsweise umfasst das Verfahren der vorliegenden Erfindung weiterhin das Beurteilen des Risikos, Gestations- oder juvenilen Diabetes zu entwickeln. Ein weiterer Gesichtspunkt der vorliegenden Erfindung ist ein Computerprogrammprodukt zur personalisierten, auf NMR basierenden Risikobeurteilung für Typ-2-Diabetes. Das Computerprogrammprodukt umfasst ein computerlesbares Speichermedium mit einem in dem Medium eingebetteten computerlesbaren Programmcodemittel. Die computerlesbaren Programmcodemittel umfassen Computercodemittel zum Erstellen eines Protonen-NMR-Spektrums und Messen der Werte, die mit der Konzentration oder Größe mehrerer Lipoproteinsubklassen-Bestandteile für eine Blutplasma- oder -serumprobe eines Patienten assoziiert sind. Das Computerprogrammprodukt umfasst außerdem Computercodemittel zum Vergleichen mehrerer mittels NMR gemessener Lipoproteinsubklassen-Bestandteilwerte mit einem vorbestimmten Testkriterium, das als ein ungünstiger Wert oder Wertebereich für ausgewählte Lipoproteinsubklassen-Bestandteile definiert ist. Das Computercodemittel identifiziert zum Bestimmen des Vorliegens von diabetischer Dyslipidämie mindestens einen ungünstigen gemessenen Lipoproteinsubklas sen-Bestandteilwert identifiziert und beurteilt das Risiko eines Patienten, Typ-2-Diabetes oder Insulinresistenz zu entwickeln, basierend auf der Bestimmung diabetischer Dyslipidämie.
  • Vorzugsweise umfasst das Computerprogrammprodukt weiterhin Computercodemittel zum gleichzeitigen Erstellen einer Protonen-NMR-Spektralanalyse zum Definieren des Glukosespiegels für die Blutplasma- oder -serumprobe des Patienten. Das Computercodemittel umfasst das Erstellen einer Patienten-Glukose-Linienform, Vergleichen des Glukosespektrums mit einer Referenz-Glukose-Linienform mit einer zugehörigen Amplitude, Angleichen der Amplitude der Referenz-Glukose-Linienform an die Patienten-Glukose-Linienform und Bestimmen der Konzentration von Glukose in dem Patientenblutplasma- oder -serumspezimen. Das Computerprogrammprodukt umfasst außerdem Computercodemittel zum Vergleichen der gemessenen Glukosekonzentration mit einem vorbestimmten Testkriterium, um zu beurteilen, ob die Glukosemessung erhöht ist, und Computercodemittel zum Beurteilen des Risikos des Patienten, Typ-2-Diabetes zu haben oder zu entwickeln, zumindest teilweise basierend auf der Bestimmung eines erhöhten Glukosespiegels.
  • Vorzugsweise umfasst das Computerprogrammprodukt weiterhin Computercodemittel zum Beurteilen des Risikos des Patienten, koronare Herzerkrankung (KHK) zu haben oder zu entwickeln, basierend auf einem vorbestimmten KHK-Testkriterium, unter Verwendung ausgewählter, von NMR abgeleiteter Lipoproteinsubklassen-Messungen,
  • Vorzugsweise ist das computerlesbare Programmcodemittel zum Bereitstellen eines Risikoanalysenteils neben den gemesse nen Lipoproteinwerten angeordnet, wobei der Risikoanalyseteil Informationen anzeigt, die einem höheren und einem niedrigeren Risiko für Typ-2-Diabetes entsprechen. Der gemessene Wert ist im Risikoanalyseteil optisch verstärkt, um den damit verbundenen Risikograd optisch anzuzeigen, wodurch eine gleichzeitige Referenzrichtlinie zur Deutung des gemessenen Werts bereitgestellt wird. In einer bevorzugten Ausführungsform beinhalten die auf NMR basierenden Lipoproteinwerte die Subklassenwerte, die mit LDL-Größe, LDL-Teilchen, großem HDL-Cholesterin und großem VLDL-Triglycerid assoziiert sind, und das Computerprogrammprodukt umfasst weiterhin computerlesbare Programmcodemittel zum Darstellen der Lipoproteinmesswerte, so dass jeder der Lipoproteinmesswerte im Wesentlichen in eine Linie gebracht ist.
  • Vorzugsweise beinhalten die mittels NMR gemessenen Werte bei den hierin beschriebenen Verfahren und Computerprogrammprodukten: (a) die LDL-Größe und die Konzentrationen von LDL-Subklassen-Teilchen, großem HDL-Cholesterin und großem VLDL-Triglycerid und (b) den gemessenen Blutglukosespiegel.
  • Die vorliegende Erfindung ist vorteilhaft, da das oben beschriebene Verfahren präzise und verlässlich anzeigen kann, ob ein Subjekt ein Risiko aufweist, Typ-2-Diabetes oder eine andere Insulinresistenzkrankheit, wie Insulinresistenzsyndrom, zu entwickeln. Das Verfahren liefert insofern gegenüber den herkömmlichen Testverfahren für Typ-2-Diabetes und andere Insulinresistenzkrankheiten Vorteile, indem es eine Indikation eines erhöhten Risikos für die Erkrankung vor der Entwicklung von Symptomen der Erkrankung liefern kann, wie einen Blutglukosespiegel, der hoch genug ist, um als Hyperglykämie angesehen zu werden. Zu dem Zeitpunkt, zu dem diese Symptome mit herkömmlichen Verfahren nachgewiesen werden können, befindet sich die Typ-2-Diabetes-Krankheit (oder eine andere Insulinresistenzkrankheit) bereits in einem fortgeschrittenen Stadium. Die auf NMR basierenden Verfahren der vorliegenden Erfindung können ein erhöhtes Risiko, Typ-2-Diabetes zu entwickeln, früher in der Entwicklung der Erkrankung (z. B. vor der Symptomentwicklung) anzeigen, da (1) Risikofaktoren, die mittels der auf NMR basierenden Lipoproteinanalyse beurteilt wurden, eine frühe Indikation der Erkrankung liefern und (2) die auf NMR basierende Glukoseanalyse eine Bestimmung erhöhter Glukosespiegel, die subhyperglykämisch sind, bereitstellt.
  • Der Nachweis von subhyperglykämischen Glukosespiegeln bei Abwesenheit von anderen Indikatoren für das Risiko, Typ-2-Diabetes zu entwickeln, könnte nicht dazu ausreichen, den Gesundheitsdienstleister eines Patienten zu warnen, dass der Patient ein Risiko aufweist, die Erkrankung zu entwickeln. Der Nachweis eines subhyperglykämischen Glukosespiegels, gleichzeitig mit dem Nachweis anderer Risikoindikatoren getätigt, kann dem Gesundheitsdienstleister jedoch die Möglichkeit zum Eingriff vor der Entwicklung der Symptome von Typ-2-Diabetes (d. h. hyperglykämische Blutglukosespiegel) geben. Die vorliegende Erfindung erleichtert somit insofern die Früherkennung des Risikos, Typ-2-Diabetes zu entwickeln, dass ein auf NMR basierender Test auf Blutglukosespiegel routinemäßig gleichzeitig mit einem auf NMR basierenden Test oder Screening anstelle von weithin angeordneten Tests, die in der Regel zum Beurteilen von auf koronarer Herzerkrankung basierender (auf KHK basierender) Blutlipoproteinwerte verwendet werden, durch geführt werden kann, wodurch die zusätzlichen Kosten und die zusätzliche Unannehmlichkeit mehrfacher Testereignisse vermieden wird. Das Routinescreening bei jenen, die ein Risiko aufweisen, Typ-2-Diabetes zu entwickeln, kann vorteilhafterweise eine Reduzierung der Anzahl von Einzelpersonen erleichtern, bei denen der Zustand zur voll ausgebrochenen Erkrankung fortschreitet, wodurch ein früherer Eingriff und eine potentielle Prävention des Fortschritts zur unheilbaren Phase der Erkrankung bereitgestellt wird. Die Früherkennung der Veranlagung für die Krankheit, die von der vorliegenden Erfindung bereitgestellt wird, ermöglicht somit Subjekten, die als ein Risiko aufweisend diagnostiziert wurden, eine entsprechende Behandlung oder Änderungen ihrer Lebenswandel zu einem früheren Zeitpunkt zu beginnen. Diese Früherkennung ist insofern vorteilhaft, dass sie die Schwere der Erkrankung, während diese fortschreitet, mindern, wenn nicht sogar den Beginn der Erkrankung verhindern kann. Das Verfahren der vorliegenden Erfindung kann außerdem vorteilhaft in Standard-Lipoprotein-Screenings auf z. B. kardiovaskuläre Erkrankung integriert werden.
  • Wie hierin beschrieben beinhalten zusätzliche Gesichtspunkte der vorliegenden Erfindung Verfahren zum Bestimmen, ob ein Subjekt ein Risiko aufweist, das Insulinresistenzsyndrom (auch als Syndrom X bezeichnet) zu entwickeln. Weitere Gesichtspunkte der vorliegenden Erfindung beinhalten Verfahren zum Bestimmen, ob ein Subjekt bereits am Insulinresistenzsyndrom oder einer anderen Insulinresistenzkrankheit leidet. In diesen und anderen Verfahren der Erfindung wird eine Blutprobe mittels NMR-Linienform-Spektralanalyse wie oben beschrieben analysiert. Insbesondere werden auf NMR basierende Lipoproteinwerte, wie die Sub klassenwerte, die mit LDL-Größe, LDL-Teilchen, großem HDL-Cholesterin und großem VLDL-Triglycerid assoziiert sind, gemessen und mit vorbestimmten Testkriterien verglichen. Die Zufriedenstellung der spezifischen Testkriterien für die Beziehungen zwischen den Referenzparametern und den gemessenen Parametern zeigt an, dass die Subjekte ein Risiko aufweisen, das Insulinresistenzsyndrom zu entwickeln, oder in der Tat am Insulinresistenzsyndrom leiden.
  • Die vorhergehenden und anderen Aufgaben und Gesichtspunkte der Erfindung werden hierin ausführlicher beschrieben.
  • Kurzbeschreibung der Zeichnungen
  • 1 ist ein NMR-Spektrum von Blutplasma, wobei die zwei Bereiche, die Signale enthalten, die von den Protonen von Blutglukose herrühren, angezeigt sind.
  • 2 ist ein Teil-NMR-Spektrum von Blutplasma, das insbesondere die zwei Bereiche, die Signale enthalten, die von den Protonen von Blutglukose erzeugt wurden, hervorhebt.
  • 3A3B bilden zusammen ein Ablaufdiagramm eines Computerprogramms zum Bestimmen der Konzentration von Blutglukose in einer Blutserum- oder Blutplasmaprobe gemäß der vorliegenden Erfindung.
  • 4 ist ein Ablaufdiagramm eines Verfahrens zum Durchführen des Verfahrens der vorliegenden Erfindung.
  • Ausführliche Beschreibung der Erfindung
  • Die vorliegende Erfindung wird nun hierin im Folgenden vollständiger mit Bezugnahme auf die begleitenden Zeichnungen beschrieben, in denen bevorzugte Ausführungsformen der Erfindung gezeigt sind. Diese Erfindung kann jedoch in vielen verschiedenen Formen verkörpert werden und sollte nicht als auf die hierin ausgeführten Ausführungsformen beschränkt ausgelegt werden; vielmehr sind diese Ausführungsformen bereitgestellt, damit diese Offenbarung genau und komplett ist und Fachmännern den Schutzumfang der Erfindung vollständig vermittelt.
  • Die vorliegende Erfindung ist für sowohl medizinische als auch tierärztliche Verwendungen geeignet. Geeignete Subjekte beinhalten, sind aber nicht darauf beschränkt, Säuger- und Vogelsubjekte; vorzugsweise Säugersubjekte; mehr bevorzugt Menschen, Affen, Schweine, Rinder, Hunde, Pferde, Katzen, Schafe, Mäuse, Ratten, Meerschweinchen, Kaninchen und Ziegen, und sind am meisten bevorzugt menschliche Subjekte.
  • Wie hierin verwendet bezieht sich der Ausdruck „Typ-2-Diabetes", auch und austauschbar als „nicht-insulinabhängiger Diabetes mellitus (NIDDM)" bezeichnet, auf die Krankheit, die durch zelluläre Resistenz gegenüber Insulin und/oder Sekretion von weniger Insulin, als zum Halten der Blutglukosespiegel im Gleichgewicht erforderlich ist, gekennzeichnet ist. Typ-1-Diabetes dagegen bezieht sich auf eine Krankheit, die durch die Zerstörung von insulinproduzierenden Betazellen in der Bauchspeicheldrüse durch eine Autoimmunreaktion gekennzeichnet ist.
  • Die Verfahren der vorliegenden Erfindung sind bei der Diagnose von Insulinresistenzkrankheiten von Nutzen. Insu linresistenz bezeichnet das Scheitern des Körpers, normal auf Insulin zu reagieren. Insulinresistenz ist oftmals ein Vorläufer von Typ-2-Diabetes. „Insulinresistenzsyndrom" oder „Syndrom X" bezieht sich auf eine Menge von mit Insulinresistenz zusammenhängenden medizinischen Zuständen, bei denen hohe Blutzuckerspiegel die Produktion von Insulin stimulieren. Wenn ein Subjekt nicht dazu in der Lage ist, überschüssiges Insulin normal zu verarbeiten, steigen die Insulinspiegel an. Letztendlich weist das Subjekt hohe Blutzuckerspiegel (Hyperglykämie) und hohe Insulinspiegel (Hyperinsulämie) auf. Unter diesen Bedingungen büßt Insulin seine Fähigkeit ein, den Fettstoffwechsel zu regulieren, und überschüssige Fette treten in den Blutstrom ein (Hyperlipidämie). Hyperlipidämie trägt zu Bluthochdruck, Herzerkrankung und Schlaganfall bei. Andere Insulinresistenzkrankheiten beinhalten, sind aber nicht darauf beschränkt, Dyslipidämie (einschließlich diabetischer Dyslipidämie) und voll ausgebrochenen Typ-2-Diabetes, juvenilen Diabetes und Gestationsdiabetes.
  • Zusätzlich zum Diagnostizieren eines Subjekts, das in der Tat an einer Insulinresistenzkrankheit leidet, finden die Verfahren der vorliegenden Erfindung auch beim Bestimmen, ob ein Subjekt ein Risiko aufweist, Typ-2-Diabetes zu entwickeln (d. h. für die Entwicklung von Typ-2-Diabetes prädisponiert ist), Anwendung. Ein Subjekt, das ein Risiko aufweist, Typ-2-Diabetes zu entwickeln, ist eine beliebige Einzelperson, von der angenommen wird, dass sie ein höheres Risiko als die Allgemeinbevölkerung aufweist, Typ-2-Diabetes zu entwickeln.
  • In einem Verfahren der vorliegenden Erfindung kann von dem Patienten oder Subjekt vermutet werden, dass er bzw. es ein Risiko aufweist, Typ-2-Diabetes zu entwickeln, oder kann vermutet werden, dass er bzw. es derzeit an einer Insulinresistenzkrankheit leidet. Alternativ dazu kann sich das Subjekt aus anderen Gründen als der Vermutung, dass es ein Risiko für Typ-2-Diabetes oder eine andere Insulinresistenzkrankheit (wie Screening auf koronare Herzerkrankung) aufweist, einem Lipoproteinprofil-Screening unterziehen. Die Blutprobe kann eine Blutplasmaprobe oder eine Blutserumprobe sein. Die Blutprobe wird mittels NMR-Spektralanalyse analysiert, wie hierin definiert.
  • Vorzugsweise können die Verfahren der dargestellten Erfindung routinemäßig in einem standardmäßigen Gesamtlipoproteinprofil-Analysenprotokoll für eine beliebige Einzelperson, die sich einem Lipoproteinprofil unterzieht, eingebunden werden. Tatsächlich können die Verfahren der dargestellten Erfindung bequem und schnell automatisch auf allen Lipoproteinprofil-Tests ausgeführt werden und dadurch kosteneffizient Risikoinformationen bereitstellen, selbst wenn ein Patient ohne Symptome ist. Es sind neben der Standardcholesterinprobe keine zusätzlichen Blutproben erforderlich und die Einzelperson braucht nicht den relativ zeitaufwändigen Zusatzglukosetests ausgesetzt werden. Solch ein schneller und routinemäßiger Test kann es potentiell ermöglichen, dass höhere Anzahlen von jetzt leicht als ein Risiko aufweisend identifizierbaren Patienten sich einer Arzneimitteltherapie oder Änderungen ihrer Lebenswandel unterziehen, um den Beginn von Insulinresistenzkrankheiten zu verhindern.
  • Beispiele von Lipoprotein-Bestandteilwerten, die bei der Ausübung der vorliegenden Erfindung gemessen werden können, beinhalten, sind aber nicht darauf beschränkt, die Konzentration der Lipoprotein-Bestandteile und -Subklassen in der Blutprobe und die durchschnittliche Teilchengröße der Lipoproteinsubklasse. Die Ausdrücke „Lipoprotein-Bestandteil", „Lipoprotein-Klasse" und „Haupt-Lipoproteinklasse" werden hierin austauschbar verwendet. Es können Werte eines beliebigen bekannten Lipoprotein-Bestandteils (VLDL, HDL, LDL und Chylomikrone) und von Subklassen von ausgewählten Bestandteilen gemessen werden. Lipoproteinsubklassen, die gemessen werden können, sind Chylomikronsubklassen, die sechs Subklassen von Lipoprotein sehr geringer Dichte (VLDL), bei denen es sich um V1, V2, V3, V4, V5 und V6 handelt; IDL; die drei Subklassen von Lipoprotein geringer Dichte (LDL), bei denen es sich um L1, L2 und L3 handelt; und die fünf Subklassen von Cholesterin hoher Dichte (HDL), bei denen es sich um H1, H2, H3, H4 und H5 handelt. In dem Nummernsystem, das zum Identifizieren der einzelnen Lipoproteinsubklassen verwendet wird, zeigt eine kleinere Nummer eine geringere Teilchengröße an. Bei der Ausübung der vorliegenden Erfindung wird der Wert mehrerer der Lipoproteinsubklassen gemessen. Vorzugsweise umfassen die Verfahren der vorliegenden Erfindung die Messung mindestens eines Werts von mindestens drei der Lipoproteinsubklassen.
  • Wie hierin verwendet bedeutet der Ausdruck „NMR-Spektralanalyse" die Verwendung von Techniken der magnetischen Protonen-Kernresonanzspektroskopie (1H-Kernresonanzspektroskopie) zum Messen der Lipoproteinklassen und -subklassen, die im Blutplasma oder Blutserum vorliegen, oder zum Messen der Konzentration bzw. des „Spiegels" von Glukose, die im Blutplasma oder Blutserum vorliegt, wie hierin beschrieben. „Messen" einer Lipoproteinklasse oder -subklasse bezieht sich auf das Bestimmen eines Parameters der Lipoproteinklasse oder -subklasse, wie die Konzentration der Lipoproteinklasse oder -subklasse oder die durchschnittliche Teilchengröße davon. Spezifischer beinhaltet das Verfahren das Erlangen von Protonen-NMR-Daten aus einer Probe von Blutplasma oder -serum, Verarbeiten der erlangten NMR-Daten, um ein chemisches Verschiebungsspektrum zu erstellen, und Dekonvolieren des Spektrums bezüglich der Referenzspektren von Subklassen der Hauptklassen von Lipoprotein, um die Konzentration jedes der Lipoprotein-Bestandteile und die Verteilung von Subklassen der Bestandteile zu ergeben. Das Verfahren beinhaltet außerdem das Erlangen von Protonen-NMR-Daten aus einer Probe von Blutplasma oder -serum, Verarbeiten der erlangten NMR-Daten, um ein chemisches Verschiebungsspektrum zu erstellen, und Dekonvolieren des Spektrums bezüglich des Referenzspektrums von Glukose, um die Konzentration von Glukose in der Blutserum- oder Blutplasmaprobe zu ergeben.
  • In einer bevorzugten Ausführungsform werden die Konzentrationen der Lipoproteinklassen und/oder -subklassen durch Erlangen von Referenzspektren individueller Lipoproteinklassen und/oder -subklassen bestimmt. Die Referenzspektren werden dann gespeichert, wie in einem Computerprogramm, um eine Referenzgrundlage zum Bewerten zusätzlicher Blutproben oder Serumproben zu liefern. Die von NMR-Spektroskopie abgeleiteten Spektren, die mit den individuellen Lipoproteinklassen und -subklassen assoziiert sind, sind im Wesentlichen quer durch die Bevölkerung unveränderlich. Die NMR-Referenzspektren (Linienformen und Amplituden) individueller Lipoprotein-Bestandteile als solche können als ein „Schlüssel" zum „Dekonvolieren" des zusammengesetzten Signals, das mit dem Vollblutplasma (oder Blutserum) einer Einzelperson assoziiert ist, verwendet werden. Auf diese Weise kann eine einzige Referenzreihe als eine Grundlage zum Bestimmen des Lipoproteinprofils von anderen Blutproben (wenn diese bei einer im Wesentlichen konstanten Temperatur und einem im Wesentlichen konstanten magnetischen Feld genommen werden) verwendet werden.
  • Genauer spezifiziert ordnet eine Ausführungsform der vorliegenden Erfindung den Referenzstandards der individuellen Bestandteile einen skalierbaren Koeffizienten zu und nimmt die Summen der skalierbaren (gewichteten) Parameter der individuellen Bestandteile. Es wird eine NMR-Spektroskopieanalayse für ein gewünschtes Blutplasma- oder -serumspezimen (bei derselben magnetischen Feldstärke und denselben Temperaturen genommen, die für die Referenzspektren verwendet wurden) erstellt, um ein tatsächliches (gemessenes), zusammengesetztes Spektrumssignal von Blutplasma zu liefern. Das bevorzugte Verfahren der vorliegenden Erfindung manipuliert dann die skalierbaren Referenzspektren, bis die Summe der skalierbaren Koeffizienten dem Wert des zusammengesetzten Signals im Wesentlichen „angeglichen" ist. Der Wert des skalierbaren Koeffizienten wird anschließend dazu verwendet, die tatsächlichen Konzentrationswerte der Lipoprotein-Bestandteile in der Blutplasmaprobe jener Einzelperson zu bestimmen.
  • Vorteilhafterweise kann die bevorzugte NMR-Spektroskopieanalyse die Konzentrationen der drei Haupt-Lipoproteinklassen (VLDL, LDL und HDL) einer Plasmaprobe als auch eine Vielzahl von Subklasseninformationen (relativ schnell) aus dem 1H-NMR-Spektrum extrahieren. Wie oben beschrieben, identifiziert und verwendet das NMR-Spektroskopieverfahren vorzugsweise vier individuelle Bestandteile (VLDL, LDL, HDL und Proteine) einer Referenzblutprobe zum Dekonvolieren der Linienformen, die mit den Vollblutplasmalipiden assoziiert sind. Tatsächlich kann, wie in der US-Patentschrift 4,933,844 an Otvos erwähnt, die im Wesentlichen in der gesamten Bevölkerung unveränderliche Linienform der NMR-Spektren der individuellen Lipoprotein-Bestandteile als ein „Schlüssel" zum Manipulieren des zusammengesetzten Signals mit einer abgeleiteten mathematischen Analyse verwendet werden. Weitere Einzelheiten der bevorzugten NMR-Spektralanalyse werden in den US-Patentschriften Nr. 4,933,844 und 5,343,389, beide an Otvos, beschrieben.
  • Zusätzlich zum Bestimmen der Parameter der Lipoproteinklassen LDL, HDL und VLDL und der Subklassen davon im Blut kann die NMR-Spektralanalyse der vorliegenden Erfindung außerdem zum Messen der Parameter anderer Bestandteile von Blut, wie der Konzentration von Triglyceriden, Protein und Chylomikronen in der Blutprobe, verwendet werden.
  • In einer zusätzlichen Ausführungsform der Erfindung wird die Konzentration von Glukose in einer Blutprobe der vorliegenden Erfindung unter Verwendung der hierin beschriebenen 1H-NMR-Techniken bestimmt. In einer bevorzugten Ausführungsform der Erfindung wird die Konzentration von Glukose in einer Blutprobe der Erfindung unter Verwendung von NMR-Spektralanalyse gleichzeitig mit der auf NMR basierenden Messung von Lipoproteinwerten in derselben Blutprobe gemessen. Wie hierin verwendet, bedeutet das Wort „gleichzeitig" ausreichend zeitnah, um während eines NMR-„Laufs" oder eines Messereignisses durchgeführt werden zu können (das heißt, „gleichzeitig" kann zeitgleich sein oder es können zwei oder mehr Ereignisse sein, die innerhalb eines kurzen Zeitraums vor- oder nacheinander stattfinden, oder es kann eine NMR-Bewertung sein, die an derselben Probe durchgeführt wird, oder Proben, die vom Patienten in einer einzigen Blutentnahmesitzung genommen wurden, oder Proben, die aus einer einzigen Venenpunktion genommen wurden, sobald Durchgängigkeit hergestellt wurde).
  • Patienten mit mäßig erhöhten Nüchternglukosespiegeln weisen ein erhöhtes Risiko auf, Typ-2-Diabetes zu entwickeln, insbesondere wenn andere Indikationen diabetischer Dyslipidämie vorliegen. Dementsprechend ermöglicht das vorliegende Verfahren die Bestimmung der Konzentration von Glukose in einer Probe von Blutplasma mittels 1H-NMR-Spektralanalyse. Diese wird durch Vergleichen des 1H-NMR-Spektrums der Probe mit dem Spektrum einer Probe mit einer bekannten Glukosekonzentration erzielt. Durch Vergleichen des Unterschieds der Intensitäten der Probenspektren kann die Konzentration von Glukose in dem Spektrum errechnet werden.
  • 1 zeigt das Protonen-NMR-Spektrum von Blutplasma, wobei die zwei Bereiche (Bereich 1 und Bereich 2), die die Signale enthalten, die von Blutglukose erzeugt wurden, angezeigt sind. 2 zeigt eine Ausweitung des Bereichs des Blutplasmaspektrums, in dem die Glukosesignale beobachtet werden, wobei die zwei Bereiche spezifisch als Bereich 1 und Bereich 2 angezeigt sind. Die Peaks im Bereich 1, die im Bereich von 3,64–3,90 ppm liegen, können zur Glukoseanalyse gemäß der vorliegenden Erfindung verwendet werden. Alternativ dazu können die Peaks im Bereich 2, die im Bereich von 3,29–3,54 ppm liegen, für die Glukoseanalyse der vorliegenden Erfindung verwendet werden. Darüber hinaus kann die Kombination der Peaks im Bereich 1 und im Bereich 2 für die quantitative Bestimmung von Glukose gemäß der vorliegenden Erfindung verwendet werden. Die Datenpunkte in dem Referenz- bzw. Standardspektrum und den Patienten- Glukoseprobenspektren werden unter Verwendung eines Linienformangleichungsvorgangs wie hierin beschrieben in eine Linie gebracht, um die „beste Angleichung" zu finden, und die Intensität des Standardspektrums wird skaliert, um es dem Probenspektrum anzupassen. Die Glukosekonzentration des Standards wird mit dem Skalierungsfaktor multipliziert, der zum Anpassen der Probenlinienform verwendet wurde, um die Glukosekonzentration der Blutprobe zu ergeben.
  • Anders ausgedrückt wird in diesem Glukosemessverfahren ein NMR-Referenzdatenspektrum, das Glukose in einer Referenzblutplasma- oder -serumprobe oder einem Referenzblutplasma- oder -serumspezimen entspricht, erlangt und in einem Computerspeicher gespeichert. Ein Referenzkoeffizient wird einem Glukosesignal oder einer Gruppe von Glukosesignalen („Referenz-Glukose-Linienform") in dem Referenzspektrum zugeordnet, dessen Wert auf der Glukosekonzentration jenes Referenzspezimens basiert und mittels einer unabhängigen chemischen Glukosemessung bestimmt wurde. Ein NMR-Spektrum des Blutplasma- oder -serumspezimens eines Patienten wird zu einem späteren Zeitpunkt unter Messbedingungen erlangt, die (im Wesentlichen) mit denen identisch sind, die zum Erhalten des Glukose-Referenzspektrums verwendet wurden, und in einem Computerspeicher gespeichert. Das heißt, beispielsweise, die NMR-Datenspektren werden unter derselben magnetischen Feldstärke und derselben Spezimentemperatur erhalten. Die Referenz-Glukose-Linienform wird mit demselben Glukosesignal oder derselben Gruppe von Signalen in dem Patientenspektrum („Patienten-Glukose-Linienform") verglichen. Dann wird eine Berechnung durchgeführt, die den Skalierungsfaktor bestimmt, der zum Anpassen der Amplitude der Referenz-Glukose-Linienform benötigt wird, um die beste Übereinstimmung mit der Patienten-Glukose-Linienform zu ergeben. Dieser Skalierungsfaktor wird mit dem Referenzkoeffizienten multipliziert, um die Konzentration von Glukose in dem Patientenblutplasma- oder -serumspezimen zu ergeben.
  • Die im Linienformangleichungsvorgang verwendete Mathematik (d. h. Angleichung der kleinsten Quadrate einer unbekannten Funktion bezüglich einer gewichteten Summe bekannter Funktionen) ist wohl bekannt und wird in vielen Fachbüchern zur numerischen Analyse beschrieben, wie F. B. Hildebrand, Introduction to Numerical Analysis, 2. Ausgabe, S. 314–326, 539–567, McGraw-Hill, 1975. Ein Ablaufdiagramm, das ein Computerprogramm darstellt, das zum Berechnen der Konzentration von Glukose in einer Blutserum- oder Blutplasmaprobe eines Patienten verwendet wird, ist in den 3A und 3B ausgeführt. Im Ablaufdiagramm der 3A und 3B sind die Ausdrücke wie folgt definiert.
  • SGlu steht für die Konzentration von Glukose in dem Refererenzstandard. CGlu ist die Konzentration von Glukose in der Patientenprobe. J steht für einen Datenpunkt in dem Patientenspektrum zum Beginnen der Suche nach der besten Angleichung der kleinsten Quadrate (nimmt zu, wenn ICNT zunimmt). NDS steht für die Anzahl von Datenpunkten, die bei der Suche nach der besten Angleichung der kleinsten Quadrate der Reihe nach zu durchqueren sind. ICNT entspricht dem Zähler der sequentiellen Suche, der bei 1 beginnt und bei NDS endet.
  • A(1), A(2), A(3) ... A(NDAT) gibt das Feld an, das NDAT-Datenpunkte aus dem NMR-Spektrum der Patientenblutprobe enthält.
  • ND gibt die Anzahl von Datenpunkten in dem Referenz-Standard-Glukose-NMR-Spektrum an.
  • G(1), G(2), G(3) ... A(ND) gibt das Feld an, das Datenpunkte aus dem Standard-Glukose-NMR-Spektrum enthält.
  • E(1), E(2), E(3) ... A(ND) gibt das Feld an, das Datenpunkte aus dem NMR-Spektrum der Patientenblutprobe in einem ausgewählten NMR-Spektralbereich enthält, der Glukoseresonanzen enthält (d. h. aus dem gleichen Bereich wie der Standard).
  • Der Ausdruck CHIJ stellt die Varianz der kleinsten Quadrate für die beste Angleichung mit dem Probenbereich dar, der mit J-ten Datenpunkt beginnt.
  • Der Ausdruck CJ stellt den errechneten Koeffizienten dar, der die Datenpunkte in dem Standard-Glukose-Feld G( ) multipliziert, um die beste Angleichung mit dem Patientenprobenbereich zu ergeben, der mit J-ten Datenpunkt beginnt.
  • Der Ausdruck CHIMIN stellt die kleinste Varianz der kleinsten Quadrate dar, die in der Spektralsuche gefunden wird (als eine große positive Zahl initiiert, die durch die erste Angleichung in der Suchsequenz ersetzt wird).
  • Der Ausdruck CMIN stellt den errechneten Koeffizienten dar, der die Datenpunkte in dem Standard-Glukose-Feld G( ) multipliziert, um die beste Angleichung in dem Patienten-Spektralbereich zu ergeben, der an dem Datenpunkt beginnt, für den CHIMIN bestimmt wird.
  • Wie in den Ablaufdiagrammen der 3A und 3B zu erkennen ist, besteht der erste Schritt darin, einen Zähler von 1 bis NDS (der Anzahl von Datenpunkten, die zu durchqueren sind, um die beste Angleichung der kleinsten Quadrate zu finden) einzurichten. Die Variable ICNT weist den Schleifenzähler auf. Die Variable J ist der tatsächliche Datenpunkt zum Starten der Angleichung. J steigt mit ICNT an.
  • Der Zähler wird mit NDS verglichen, um zu sehen, ob die Routine fortfahren sollte. Wenn sie fortfahren sollte, wird der Glukosebereich des Analytenspektrums in die Feldvariable E eingelesen.
  • Die Skalierungskonstante CJ wird für diesen Abgleich gemäß den unten ausgeführten Gleichungen errechnet. CHIJ wird für diese Skalierungskonstante errechnet. CHIJ wird mit CHIMIN verglichen, dem bisher berechneten minimalen χ. Wenn CHIJ kleiner als CHIMIN ist, wird CHIMIN auf CHIJ gesetzt und die Skalierungskonstante für das niedrigste Chi wird in CMIN beibehalten.
  • Der Ausgangsdatenpunkt J und der Zähler ICNT werden um Eins erhöht und die Schleife wird wiederholt. Wenn der Test ICNT > NDS wahr ist, wird die Konzentration von Glukose in dem Analyten, CGlu, durch Multiplizieren des Skalierungsfaktors CMIN aus dem besten Abgleich mit der bekannten Konzentration von Glukose in dem Standardspektrum, SGlu, berechnet.
  • Durch Berechnen der Glukosekonzentration werden die Variablen wie folgt bereitgestellt.
  • Ei ist die Intensität des Versuchsspektrums am i-ten Datenpunkt. Gi ist die Intensität des Standard-Glukose- Spektrums am i-ten Datenpunkt. Beim Ausdruck „c" handelt es sich um den Faktor, der die Intensität des Standardspektrums mit der Intensität des Versuchsspektrums in Beziehung setzt.
  • Definiere χ wie folgt: χ = Σ i(Ei – cGi)2 und expandiere das Polynom zu: χ = Σ i(E2i – 2cEiGi + c2G2i ) χ = Σ iE2i – 2cΣ iEiGi + c2Σ iG2i
  • Führe eine Angleichung der kleinsten Quadrate durch:
    Figure 00310001
    –2Σ iEiGi + (Σ iG2i )2c = 0 Σ iEiGi = cΣ iG2i
  • Figure 00320001
  • Das Programm bewegt sich jeweils einen Datenpunkt, um das minimale Chi → den besten Abgleich zu erhalten:
    Figure 00320002
    , n = Anzahl der Datenpunkte.
  • Bei einem beliebigen Ereignis wird, nachdem die gewünschten Lipoprotein-Bestandteilparameter (wie die Konzentration von einer oder mehreren Lipoproteinsubklassen) und die Glukosekonzentration im Blut gemessen wurden, mindestens ein mittels NMR gemessener Wert und vorzugsweise mehr als ein mittels NMR gemessener Wert mit einem oder mehreren vorbestimmten Testkriterien verglichen. Von diesem Vergleich ausgehend kann das Risiko des Patienten, Typ-2-Diabetes zu entwickeln, beurteilt werden.
  • Vorbestimmte Testkriterien können auf geeigneten Werten oder Definitionen von normalen bzw. Standardwerten von Lipoprotein-Bestandteilen, wie auf der Bevölkerung basierenden Normen oder anderen auf der Zielgruppe basierenden Normen, basiert sein. In einer bevorzugten Ausführungsform basieren die Bevölkerungswerte auf wissenschaftlichen Ergebnissen, die von Subjekten bei der Framingham Offspring-Studie erhalten wurden. Siehe Wilson et al., Impact of National Guidelines for Cholesterol Risk Factor Screening. The Framingham Offspring Study, JAMA, 1989; 262: 41–44. Natürlich können sich die derzeit für die Risikobeurteilung definierten, auf NMR basierenden Lipoprotein-Bestandteil- oder -Subklassenwerte mit der Zeit ändern und es können mehr oder alternative Risikokategorien hinzugefügt werden.
  • Des Weiteren können sich die gegenwärtigen Bereiche oder Definitionen, die mit den Risikokategoriewerten eines oder mehrerer der Lipidtestreihen oder Subklassenkategorien assoziiert sind, mit der Zeit ändern und die vorliegende Erfindung soll nicht darauf beschränkt sein.
  • Bei einem beliebigen Ereignis beinhalten bevorzugte vorbestimmte Testkriterien kleine LDL-Größe (Schema B), die das Kennzeichen des „diabetischen Lipoprotein-Phänotyps" ist und im Vergleich zum großen LDL-Merkmal (Schema A) ungefähr ein zweifach höheres Risiko verleiht. Es gibt Indizien, die nahe legen, dass kleine LDL-Teilchen möglicherweise von Natur aus diabetogener sind als großes LDL. Niedrige Spiegel von großem HDL (z. B. < 29 mg/dL, ein Wert, der dem 50. Perzentil der Bevölkerung entspricht) können ein positiver Risikofaktor sein, da nur größere HDL-Subklassen-Teilchen gegen Diabetes zu schützen scheinen – wohingegen kleines HDL sogar diabetogen sein kann. Deshalb kann vielmehr großes HDL als das Gesamt-HDL-Cholesterin ein empfindlicherer Risikofaktor sein. Siehe Freedman et al., Arterioscler. Thromb. Vasc. Biol. 1998; 18: 1046–1053. Analog scheinen erhöhte Spiegel von großen, an Triglycerid reichen VLDL-Teilchen (z. B. > 26 mg/dL, ein Wert, der dem 75. Perzentil der Bevölkerung entspricht), im Wesentlichen unabhängig von Plasmatriglyceriden, mit einem erhöhten Risiko für Diabetes in Zusammenhang zu stehen. Hohe Konzentrationen von großem VLDL in Nüchternplasma können ein Kennzeichen für verzögerte Chylomikron-Clearance sein (postprandiale Lipämie).
  • Wenn zwei von den drei oben dargestellten Risikofaktoren (d. h. Schema von kleinem LDL, niedriger Spiegel von großem HDL und erhöhter Spiegel von großem VLDL) in der Analyse eines Patienten vorliegen, kann der Patient als diabetische Dyslipidämie habend angesehen werden, einer Stoffwechselveranlagung, die als ein Anhäufung der oben ausgeführten Lipoproteinsubklassen-Anomalien definiert ist. Solche Patienten werden als ein erhöhtes Risiko, Typ-2-Diabetes zu entwickeln, aufweisend angesehen.
  • In Bezug auf mittels NMR gemessene Glukosespiegel ist der gemessene Glukosespiegel vorzugsweise ein Nüchternblutglukosespiegel und wird im Allgemeinen in Einheiten von mg/dL ausgedrückt. Ein wünschenswerter Nüchternglukosespiegel ist ein Wert von weniger als etwa 90 mg/dL; ein mäßig erhöhter Spiegel von Blutglukose liegt im Bereich von etwa 90–125 mg/dL; ein erhöhter (d. h. diabetischer oder hyperglykämischer) Spiegel ist ein Glukosespiegel von mehr als etwa 125 mg/dL. Patienten mit selbst mäßig erhöhten Nüchternglukosespiegeln weisen ein erhöhtes Risiko auf, Typ-2-Diabetes zu entwickeln, insbesondere wenn sie auch diabetische Dyslipidämie haben, wie oben definiert.
  • Wie oben bereitgestellt wird in einer Ausführungsform der Erfindung ein Wert für mehrere Lipoproteinsubklassen-Bestandteile für eine Blutprobe bestimmt, um das Risiko des Subjekts, Diabetes zu entwickeln, zu beurteilen. Die gemessenen Werte jedes Lipoproteinsubklassen-Bestandteils können in einem Profil von Lipoproteinsubklassen-Bestandteilwerten für jene Probe zusammengestellt werden. Folglich kann das Profil beispielsweise eine Verteilung von Konzentrationen von Lipoproteinsubklassen für jene Probe darstellen. Darüber hinaus kann auch die Nüchternglukosekonzentration, die in der Blutprobe vorliegt, wie durch die hierin beschriebenen Verfahren bestimmt, in das Profil einbezogen werden. Das Profil von mittels NMR gemessenen Werten kann in einem Bericht grafisch ausgedrückt werden, um den optischen Vergleich einer Verteilung von gemessenen Werten mit einer Verteilung von Standardtestkriterien zu erleichtern. Ein Beispiel eines solchen Berichts ist in Tabelle 1 gezeigt. Tabelle 2 stellt einen zusätzlichen Bericht dar, der während der Durchführung der auf NMR basierenden Lipoproteinanalyse erstellt werden kann. Dem in Tabelle 2 ausgeführte Bericht kann wahlweise während der Aufstellung eines wie in Tabelle 1 gezeigten Berichts erstellt oder aufgestellt werden. TABELLE 1
    Figure 00360001
    Figure 00370001
    • © LipoScience, Inc. 04/99
    TABELLE 2
    Figure 00380001
    Figure 00390001
    • © LipoScience, Inc. 04/99
  • Andere Lebenswandel- und genetische Informationen können ebenfalls erlangt und in die Risikobeurteilungsanalyse integriert werden. Gewicht, Alter und Familien-Diabetes-Vorgeschichte beispielsweise können alle Risikowerte zugeordnet bekommen, die in die auf Blutlipoprotein basierende Analyse (separat oder damit) integriert werden können. Ein Subjekt kann eine Borderline-Bluttest-Risikobeurteilung haben; jedoch durch die erhöhten Risikowerte, die einer oder mehreren familiären, genetischen oder Lebenswandelinformationen zugewiesen wurden, als „ein Risiko aufweisend" (d. h. Diabetes zu entwickeln) identifiziert werden. Diese Informationen können dann das Subjekt für eine Korrekturmaßnahme (Arzneimitteltherapie, Leibesübungen, Gewichtsabnahme oder Änderungen der Ernährung) bestimmen und/oder das Subjekt in einen zeitlich festgelegten Beobachtungsplan setzen. Alternativ dazu kann ein Subjekt mit einer Borderline-Bluttest-Risikobeurteilung als kein Risiko, Typ-2-Diabetes (oder eine andere Insulinresistenzkrankheit) zu entwickeln, aufweisend identifiziert werden, wenn erhöhte Risikowerte, die genetischen oder Lebenswandelinformationen zugewiesen wurden, nicht vorliegen.
  • Fachmänner werden verstehen, dass die hierin beschriebenen Verfahren zum Bewerten der Wirksamkeit eines Behandlungsprogramms für Typ-2-Diabetes oder eine andere Insulinresistenzkrankheit von Nutzen sind. Bei einem solchen Verfahren kann sich das Subjekt einer Behandlung für Typ-2-Diabetes oder Insulinresistenz unterziehen. Alternativ dazu kann das Subjekt eine Einzelperson sein, die eine solche Behandlung noch nicht begonnen hat, sich der Behandlung aber in der Zukunft unterziehen wird. Ein Baseline-Profil von mehreren Lipoproteinsubklassen-Bestandteilen wird durch Analysieren einer Blut- oder Serumprobe eines Patienten mittels NMR- Spektralanalyse erhalten, wie hierin beschrieben. Wenn die Behandlung fortgeschritten ist, wird dann ein zweites Profil der Lipoproteinsubklassen-Parameter, die in dem Baseline-Profil gemessen wurden, mittels NMR-Spektralanalyse erhalten, wie hierin beschrieben. Das zweite Profil wird mit dem Baseline-Profil verglichen. Ein wesentlicher Unterschied zwischen dem zweiten Profil und dem Baseline-Profil (wie durch einen wesentlichen Unterschied zwischen einem oder mehreren Parametern angezeigt) liefert eine Indikation der Wirksamkeit der Behandlung.
  • 4 stellt ein Ablaufdiagramm von erfindungsgemäßen Verfahren, Geräten (Systemen) und Computerprogrammprodukten dar. Es versteht sich, dass jeder Block der Ablaufdiagrammdarstellungen und Kombinationen von Blöcken in den Ablaufdiagrammdarstellungen durch Computerprogrammbefehle implementiert werden können. Diese Computerprogrammbefehle können auf einen Computer oder ein anderes programmierbares Datenverarbeitungsgerät geladen werden, um einen Automaten zu erzeugen, so dass die Befehle, die auf dem Computer oder dem anderen programmierbaren Datenverarbeitungsgerät ausgeführt werden, Mittel zum Implementieren der in dem Ablaufdiagrammblock bzw. den Ablaufdiagrammblöcken spezifizierten Funktionen erstellen. Diese Computerprogrammbefehle können auch in einem computerlesbaren Speicher gespeichert werden, der einen Computer oder ein anderes programmierbares Datenverarbeitungsgerät dahingehend steuern kann, auf eine bestimmte Weise zu funktionieren, so dass die in dem computerlesbaren Speicher gespeicherten Befehle einen Herstellungsgegenstand erzeugen, der Befehlsmittel enthält, die die in dem Ablaufdiagrammblock bzw. den Ablaufdiagrammblöcken spezifizierte Funktion implementiert. Die Computerprogrammbefehle können auch auf einem Computer oder einem anderen programmierbaren Datenverarbeitungsgerät gespeichert werden, um eine Reihe von Arbeitsschritten zu bewirken, die auf dem Computer oder dem anderen programmierbaren Datenverarbeitungsgerät durchgeführt werden sollen, um einen computerimplementierten Vorgang zu erstellen, so dass die Befehle, die auf dem Computer oder dem anderen programmierbaren Datenverarbeitungsgerät ausgeführt werden, Schritte zum Implementieren der in dem Ablaufdiagrammblock bzw. den Ablaufdiagrammblöcken spezifizierten Funktionen bereitstellen.
  • Folglich unterstützen Blöcke der Ablaufdiagrammdarstellungen Kombinationen von Mitteln zum Durchführen der spezifizierten Funktionen und Programmbefehlsmitteln zum Durchführen der spezifizierten Funktionen. Es versteht sich, dass jeder Block der Ablaufdiagrammdarstellungen und Kombinationen von Blöcken in den Ablaufdiagrammdarstellungen mittels auf Spezialhardware basierender Computersysteme, die die spezifizierten Funktionen oder Schritte durchführen, oder Kombinationen von Spezialhardware und Computerbefehlen implementiert werden können.
  • Wie in 4 gezeigt, wird eine Blutplasma- oder Blutserumprobe (Block 600) unter Verwendung von NMR-Spektralanalyse analysiert. Von NMR abgeleitete Lipoproteinwerte werden unter Verwendung der hierin beschriebenen NMR-Techniken erhalten (Block 610). Die NMR-Spektralanalyse wird an einer Blutplasmaprobe durchgeführt und die gemessenen Lipoproteinwerte beinhalten ausgewählte Subklassenwerte. Der von NMR abgeleitete Lipoproteinwert wird mit vorbestimmten Testkriterien verglichen (Block 620), um zu bestimmen, ob der Wert mit einem erhöhten Risiko, Typ-2-Diabetes zu entwickeln, assoziiert ist (Block 630).
  • Vorzugsweise entsprechen die für die Lipoprotein-Ergebnisse (einschließlich der Lipoproteinsubklassenwerte) eingesetzten Testkriterien einem definierten Risikograd (gering bis hoch), Typ-2-Diabetes zu entwickeln. Vorzugweise basieren die vorbestimmten Testkriterien auf wissenschaftlichen Ziel-„Normen" oder auf der Bevölkerung basierenden Normen, die mit höheren oder geringeren Risiken für Typ-2-Diabetes assoziiert sind. Diese Werte können sich mit der Zeit ändern oder können alternativ für Patienten mit erhöhten sekundären Risikofaktoren identifiziert werden.
  • Die Blutplasma- oder Blutserumprobe von Block 600 kann ebenfalls und wahlweise und vorzugsweise zum Erhalten eines von NMR abgeleiteten Glukosewerts (d. h. Konzentration von Glukose in der Probe) verwendet werden (Block 640). Sobald der von NMR abgeleitete Glukosewert erhalten wurde, wird er mit vorbestimmten Testkriterien verglichen (Block 650), um zu bestimmen, ob der Wert mit einem erhöhten Risiko, Typ-2-Diabetes zu entwickeln, assoziiert ist (Block 660). Der von NMR abgeleitete Glukosewert kann gleichzeitig mit dem von NMR abgeleiteten Lipoproteinwert erhalten werden (d. h. die NMR-Spektralanalyse zum Bestimmen sowohl des Glukosewerts als auch des Lipoproteinwerts kann an derselben Blutserum- oder Blutplasmaprobe zeitgleich oder innerhalb eines kurzen Zeitraums des anderen durchgeführt werden).
  • Nach dem Bestimmen, ob der von NMR abgeleitete Glukosewert und der von NMR abgeleitete Lipoprotein-Bestandteilwert ein erhöhtes Risiko für Typ-2-Diabetes anzeigen, kann ein Bericht, der die Ergebnisse der Analyse des von NMR abgeleiteten Glukosewerts und des von NMR abgeleiteten Lipoprotein-Bestandteilwerts darstellt, erstellt werden (Block 670). Dieser Bericht kann z. B. die mittels NMR gemessenen Werte selbst, die Risikobeurteilung selbst oder eine beliebige andere Darstellung von Informationen, die während der Typ-2-Diabetes-Risikobeurteilung bestimmt oder erhalten wurden, enthalten.
  • In den Zeichnungen und der Beschreibung wurden typische bevorzugte Ausführungsformen der Erfindung offenbart und obwohl spezifische Ausdrücke verwendet werden, werden diese lediglich in einem allgemeinen und beschreibenden Sinne und nicht zu Einschränkungszwecken verwendet, wobei der Schutzumfang der Erfindung in den folgenden Ansprüchen ausgeführt ist.

Claims (22)

  1. Verfahren zum Beurteilen des Risikos eines Patienten, Typ-2-Diabetes oder Insulinresistenz zu haben oder zu entwickeln, basierend auf von NMR abgeleiteter, auf Lipoprotein basierender Information, die folgenden Schritte umfassend: Erhalten mindestens eines Protonen-NMR-spektrographischen Signals aus einer Blutplasma- oder -serumprobe eines Patienten, um eine NMR-Spektralanalyse davon durchzuführen; Ableiten eines auf NMR basierenden Lipoproteinmesswerts für mehrere Lipoproteinsubklassen-Bestandteile basierend auf dem Schritt des Erhaltens; Vergleichen der auf NMR basierenden gemessenen Lipoproteinsubklassen-Bestandteilwerte mit einem vorbestimmten Testkriterium, wobei das vorbestimmte Testkriterium einen Lipoproteinsubklassen-Bestandteilwert oder -wertebereich für einen beliebigen oder jeden der mehreren ausgewählten Lipoproteinsubklassen-Bestandteile von Interesse definiert, die einen damit assoziierten ungünstigen oder positiven Risikofaktor aufweisen, um das Vorliegen von diabetischer Dyslipidämie zu bestimmen; und Beurteilen des Risikos eines Patienten, Typ-2-Diabetes und/oder Insulinresistenz zu haben oder zu entwickeln, basierend auf der Bestimmung diabetischer Dyslipidämie des Schritts des Vergleichens.
  2. Verfahren nach Anspruch 1, weiterhin umfassend: gleichzeitiges Erstellen eines auf NMR basierenden Glukosemesswerts für die Blutplasma- oder -serumprobe des Patienten; Vergleichen des auf NMR basierenden Glukosemesswerts mit einem vorbestimmten Testkriterium und Bestimmen des Risikos des Patienten, Typ-2-Diabetes zu haben oder zu entwickeln, basierend auf dem Nachweis erhöhter Glukosespiegel.
  3. Verfahren nach Anspruch 2, wobei der Bereich von 3,29 bis 3, 54 ppm oder von 3, 64 bis 3, 90 ppm der Protonen-NMR-Daten für Glukose für die Glukoseanalyse verwendet wird.
  4. Verfahren nach einem der Ansprüche 1 bis 3, wobei das vorbestimmte Testkriterium des Schritts des Vergleichens Werte beinhaltet, die mit positiven Risikofaktoren assoziiert sind, für ein beliebiges von LDL-Subklassen-Konzentration, LDL-Subklassen-Teilchengröße, LDL-Subklassen-Teilchenkonzentration, Konzentration von kleinem LDL, Konzentration von großem HDL und Konzentration von großem VLDL, Chylomikronen, eine beliebige der sechs Subklassen von VLDL, IDL, eine beliebige der drei Subklassen von LDL und eine beliebige der fünf Subklassen von HDL.
  5. Verfahren nach einem der vorhergehenden Ansprüche, wobei das vorbestimmte Testkriterium für ungünstiges LDL die kleine LDL-Subklasse als erhöht identifiziert.
  6. Verfahren nach einem der vorhergehenden Ansprüche, wobei das vorbestimmte Testkriterium für eine ungünstige Konzentration von großem HDL einen niedrigen Spiegel von großem HDL identifiziert.
  7. Verfahren nach einem der vorhergehenden Ansprüche, wobei das vorbestimmte Testkriterium für eine ungünstige Konzentration von großem VLDL einen erhöhten Spiegel von großem VLDL identifiziert.
  8. Verfahren nach einem der vorhergehenden Ansprüche 2 bis 7, wobei der Patient als ein Risiko, Insulinresistenz oder Typ-2-Diabetes zu haben oder zu entwickeln, aufweisend identifiziert wird, wenn sowohl (a) der auf NMR basierende Glukosemesswert ein erhöhter Blutglukosespiegel ist und (b) das gleichzeitige Vorliegen diabetischer Dyslipidämie bestimmt wird, basierend auf der positiven Identifizierung, dass mindestens zwei der Werte der Subklassen der auf Lipoprotein basierenden Bestandteile gemäß dem vorbestimmten Testkriterium ungünstig sind.
  9. Verfahren zum Bewerten der Wirksamkeit einer Behandlung eines Subjekts, das sich einer Behandlung für Typ-2-Diabetes, basierend auf personalisierter, mittels NMR gemessener Lipoprotein-Information, unterzieht, umfassend: Erhalten eines Baseline-Profils, das gemessene Werte für mehrere Lipoproteinsubklassen-Bestandteile in einer Blutplasma- oder -serumprobe eines Patienten beinhaltet, wobei das Baseline-Profil von eine Protonen-NMR-Spektralanalyse der Blutplasma- oder -serumprobe des Patienten abgeleitet wird, die Konzentrations- und/oder Größenwerte der Lipoproteinsubklassen-Bestandteile misst; Erhalten eines zweiten Profils von mittels Protonen-NMR gemessenen Lipoproteinsubklassen-Bestandteilwerten für eine Blutplasma- oder -serumprobe eines Patienten, nachdem das Subjekt sich einer Behandlung für Typ-2-Diabetes unterzogen hat; und Vergleichen des zweiten Profils mit der Baseline, wobei ein Unterschied zwischen dem zweiten Profil und dem Baseline-Profil des Subjekts einen Hinweis auf die Wirksamkeit der Behandlung für Typ-2-Diabetes des Subjekts liefert.
  10. Verfahren nach Anspruch 9, wobei die Protonen-NMR- Spektralanalyse des Baseline-Profils und des zweiten Profils ausgeführt wird, um einen Glukosemesswert für die Blutplasma- oder -serumprobe des Patienten zu liefern, wobei die Glukosemessung gleichzeitig mit den mittels Protonen-NMR gemessenen Lipoproteinsubklassen-Bestandteilwerten des Subjekts erhalten wird.
  11. Verfahren nach einem der vorhergehenden Ansprüche 2 bis 8 oder Anspruch 10, weiterhin umfassend das Messen der Glukosekonzentration mittels: Erlangen eines Protonen-NMR-Referenzdatenspektrums in einem Bereich von Interesse, der Glukose in einem Referenzblutplasma- oder -serumspezimen entspricht; Bestimmen einer Referenz-Glukose-Linienform in dem Referenzspektrum, basierend auf mindestens einem Signal in dem Referenzspektrum; Zuordnen eines Referenzkoeffizienten zu der Referenz-Glukose-Linienform in dem Referenzspektrum; Erlangen eines Protonen-NMR-Spektrums eines Blutplasma- oder -serumspezimens eines Patienten, das dem Bereich von Interesse in dem Referenzspezimen entspricht; Identifizieren einer Patienten-Glukose-Linienform für das Patientenspezimen in dem Patienten-NMR-Spektrum, basierend auf demselben mindestens einen Signal, das zum Bestimmen der Referenz-Glukose-Linienform in dem Referenzspektrum verwendet wurde; Vergleichen der Referenz-Glukose-Linienform mit der Patienten-Glukose-Linienform; Angleichen der Amplitude der Referenz-Glukose-Linienform an die Patienten-Glukose-Linienform; Errechnen eines Skalierungsfaktors, basierend auf dem Schritt des Angleichens; und Bestimmen der Konzentration von Glukose in dem Patienten blutplasma- oder -serumspezimen in Abhängigkeit von dem Wert des Skalierungsfaktors und des Referenzkoeffizienten.
  12. Verfahren nach Anspruch 11, wobei der Wert des Referenzkoeffizienten auf einer unabhängigen chemischen Messung der Glukosekonzentration des Referenzspezimens basiert.
  13. Verfahren nach Anspruch 11 oder 12, wobei das NMR-Referenzspektrum und das Patientenspektrum bei im Wesentlichen derselben magnetischen Feldstärke und derselben Spezimentemperatur erhalten werden.
  14. Verfahren nach einem der Ansprüche 11 bis 13, wobei das Referenzspektrum von Blutplasma als sich innerhalb eines Bereichs befindend identifiziert wird, der sich von 3,64 bis 3,90 ppm eines Protonen-NMR-Spektrums von Blutplasma erstreckt.
  15. Verfahren nach einem der Ansprüche 11 bis 13, wobei das Referenzspektrum von Blutplasma als sich innerhalb eines Bereichs befindend identifiziert wird, der sich von 3,29 bis 3,54 ppm eines Protonen-NMR-Spektrums von Blutplasma erstreckt.
  16. Verfahren nach einem der Ansprüche 11 bis 13, wobei das Referenzspektrum von Blutplasma als sich innerhalb von zwei Bereichen von Interesse eines Protonen-NMR-Spektrums von Blutplasma befindend identifiziert wird, einem ersten Bereich, der sich von 3,64 bis 3,90 ppm erstreckt, und einem zweiten Bereich, der sich von 3,29 bis 3,54 ppm erstreckt.
  17. Verfahren nach einem der Ansprüche 1 bis 16, weiterhin den folgenden Schritt umfassend: Beurteilen des Risikos des Patienten, koronare Herzerkrankung (KHK) zu haben oder zu entwickeln, basierend auf einem vorbestimmten KHK-Testkriterium, unter Verwendung ausgewählter, von NMR abgeleiteter Lipoproteinsubklassen-Messungen.
  18. Verfahren nach einem der vorhergehenden Ansprüche 1 bis 17, weiterhin das Erstellen eines Patientenberichts umfassend, um den optischen Vergleich einer Verteilung gemessener Werte mit einer Verteilung von Standardtestkriterien zu erleichtern.
  19. Verfahren nach einem der vorhergehenden Ansprüche, weiterhin das Beurteilen des Risikos, Gestations- oder juvenile Diabetes zu entwickeln, umfassend.
  20. Computerprogrammprodukt zum Bestimmen, ob ein Subjekt ein Risiko, Typ-2-Diabetes zu entwickeln, aufweist, das ein computerlesbares Speichermedium mit einem in dem Medium eingebetteten computerlesbaren Programmcodemittel umfasst, wobei das computerlesbare Programmcodemittel Folgendes umfasst: Computercodemittel zum Erstellen eines Protonen-NMR-Spektrums und Messen der Werte, die mit der Konzentration oder Größe mehrere Lipoproteinsubklassen-Bestandteile für eine Blutplasma- oder -serumprobe eines Patienten assoziiert sind; Computercodemittel zum Vergleichen mehrerer mittels NMR gemessener Lipoproteinsubklassen-Bestandteilwerte mit einem vorbestimmten Testkriterium, das als ein ungünstiger Wert oder Wertebereich für ausgewählte Lipoproteinsubklassen- Bestandteile definiert ist, wobei das Computercodemittel zum Bestimmen des Vorliegens von diabetischer Dyslipidämie mindestens einen ungünstigen gemessenen Lipoproteinsubklassen-Bestandteilwert identifiziert; und Computercodemittel zum Beurteilen des Risikos eines Patienten, Typ-2-Diabetes oder Insulinresistenz zu entwickeln, basierend auf der Bestimmung diabetischer Dyslipidämie.
  21. Computerprogrammprodukt nach Anspruch 20, weiterhin umfassend: Computercodemittel zum gleichzeitigen Erstellen einer Protonen-NMR-Spektralanalyse zum Definieren des Glukosespiegels für die Blutplasma- oder -serumprobe des Patienten, wobei das Computercodemittel das Erstellen einer Patienten-Glukose-Linienform, Vergleichen des Glukosespektrums mit einer Referenz-Glukose-Linienform mit einer zugehörigen Amplitude, Angleichen der Amplitude der Referenz-Glukose-Linienform an die Patienten-Glukose-Linienform und Bestimmen der Konzentration von Glukose in dem Patientenblutplasma- oder -serumspezimen umfasst; Computercodemittel zum Vergleichen der gemessenen Glukosekonzentration mit einem vorbestimmten Testkriterium, um zu beurteilen, ob die Glukosemessung erhöht ist; und Computercodemittel zum Beurteilen des Risikos des Patienten, Typ-2-Diabetes zu haben oder zu entwickeln, zumindest teilweise basierend auf der Bestimmung eines erhöhten Glukosespiegels.
  22. Computerprogrammprodukt nach Anspruch 20 oder 21, weiterhin umfassend: Computercodemittel zum Beurteilen des Risikos des Patienten, koronare Herzerkrankung (KHK) zu haben oder zu entwickeln, basierend auf einem vorbestimmten KHK-Testkriterium, unter Verwendung ausgewählter, von NMR abgeleiteter Lipoproteinsubklassen-Messungen.
DE60026287T 1999-04-22 2000-04-19 Nmr-verfahren zur bestimmung des risikos zur entwicklung von diabetes type 2 Expired - Lifetime DE60026287T2 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13061299P 1999-04-22 1999-04-22
US130612P 1999-04-22
PCT/US2000/010463 WO2000065366A1 (en) 1999-04-22 2000-04-19 Nmr-method for determining the risk of developing type 2 diabetes

Publications (2)

Publication Number Publication Date
DE60026287D1 DE60026287D1 (de) 2006-04-27
DE60026287T2 true DE60026287T2 (de) 2006-08-17

Family

ID=22445506

Family Applications (1)

Application Number Title Priority Date Filing Date
DE60026287T Expired - Lifetime DE60026287T2 (de) 1999-04-22 2000-04-19 Nmr-verfahren zur bestimmung des risikos zur entwicklung von diabetes type 2

Country Status (9)

Country Link
US (1) US6518069B1 (de)
EP (1) EP1171778B1 (de)
JP (1) JP4585693B2 (de)
AT (1) ATE319105T1 (de)
AU (1) AU4469300A (de)
CA (1) CA2367820C (de)
DE (1) DE60026287T2 (de)
ES (1) ES2256000T3 (de)
WO (1) WO2000065366A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2259049A1 (de) 2009-06-02 2010-12-08 Großmann, Kay Verfahren und Messvorrichtung zur qualitativen und quantitativen Analyse von Körperflüssigkeiten
DE102014203721A1 (de) * 2014-02-28 2015-09-03 Bruker Biospin Gmbh Verfahren zur Bestimmung der Konzentration einer Substanz in einer Probe

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7395158B2 (en) * 2000-05-30 2008-07-01 Sensys Medical, Inc. Method of screening for disorders of glucose metabolism
US20040236673A1 (en) * 2000-10-17 2004-11-25 Eder Jeff Scott Collaborative risk transfer system
CA2331116A1 (en) 2001-01-15 2002-07-15 Chenomx, Inc. Compound identification and quantitation in liquid mixtures -- method and process using an automated nuclear magnetic resonance measurement system
CA2445431A1 (en) * 2001-04-23 2002-10-31 Metabometrix Limited Methods for the diagnosis and treatment of bone disorders
US20040142496A1 (en) 2001-04-23 2004-07-22 Nicholson Jeremy Kirk Methods for analysis of spectral data and their applications: atherosclerosis/coronary heart disease
US20040142403A1 (en) * 2001-08-13 2004-07-22 Donald Hetzel Method of screening for disorders of glucose metabolism
CA2467420A1 (en) 2001-11-13 2003-05-22 The Regents Of The University Of California Ion mobility analysis of biological particles
WO2003046798A1 (en) 2001-11-21 2003-06-05 Paradigm Genetics, Inc. Methods and systems for analyzing complex biological systems
US6862592B1 (en) * 2001-12-21 2005-03-01 Adobe Systems Incorporated Document processing in a cross-platform environment
EP1329716A1 (de) * 2002-01-16 2003-07-23 Roche Diagnostics GmbH Verfahren zum Austesten biologischer Proben auf Vorliegen von Stoffwechselsyndrom
US7426499B2 (en) * 2004-11-08 2008-09-16 Asset Trust, Inc. Search ranking system
US20080027769A1 (en) * 2002-09-09 2008-01-31 Jeff Scott Eder Knowledge based performance management system
US20070011049A1 (en) * 2005-07-09 2007-01-11 Eder Jeffrey S Intelligent, personalized commerce chain
US7730063B2 (en) * 2002-12-10 2010-06-01 Asset Trust, Inc. Personalized medicine service
US7243030B2 (en) * 2002-10-25 2007-07-10 Liposcience, Inc. Methods, systems and computer programs for deconvolving the spectral contribution of chemical constituents with overlapping signals
DE10315877B4 (de) * 2003-04-08 2005-11-17 Roche Diagnostics Gmbh Krankheitsverlaufkontrolle
US8460243B2 (en) * 2003-06-10 2013-06-11 Abbott Diabetes Care Inc. Glucose measuring module and insulin pump combination
US7722536B2 (en) 2003-07-15 2010-05-25 Abbott Diabetes Care Inc. Glucose measuring device integrated into a holster for a personal area network device
US7197427B2 (en) * 2004-03-31 2007-03-27 Genworth Financial Inc. Method for risk based testing
EP1735631A2 (de) * 2004-04-01 2006-12-27 Liposcience, Inc. Klinische nmr-analysierer und diesbezügliche verfahren, systeme, module und computerprogrammprodukte zur klinischen auswertung von bioproben
US7422224B2 (en) * 2004-04-13 2008-09-09 Kimir Seatpost Adjustable bicycle seat post assembly
CA2858901C (en) 2004-06-04 2024-01-16 Carolyn Anderson Diabetes care host-client architecture and data management system
US7951078B2 (en) * 2005-02-03 2011-05-31 Maren Theresa Scheuner Method and apparatus for determining familial risk of disease
ATE412364T1 (de) 2005-03-15 2008-11-15 Hoffmann La Roche Verfahren und system zur untersuchung des glucosestoffwechsels
ATE493660T1 (de) * 2006-03-24 2011-01-15 Metanomics Gmbh Mittel und verfahren zur prognose oder diagnose von diabetes typ ii
US8498915B2 (en) * 2006-04-02 2013-07-30 Asset Reliance, Inc. Data processing framework for financial services
US8247235B2 (en) 2007-06-08 2012-08-21 Quest Diagnostics Investments Incorporated Lipoprotein analysis by differential charged-particle mobility
US8420088B2 (en) 2008-01-28 2013-04-16 Novartis Ag Methods and compositions using FGF23 fusion polypeptides
TW200936156A (en) 2008-01-28 2009-09-01 Novartis Ag Methods and compositions using Klotho-FGF fusion polypeptides
US9354200B1 (en) 2008-08-07 2016-05-31 Quest Diagnostics Investments Incorporated Detection apparatus for differential-charged particle mobility analyzer
JP5393798B2 (ja) * 2008-10-20 2014-01-22 リポサイエンス,インコーポレイテッド リポタンパク質インスリン抵抗性指数、ならびに同一物を生成するための関連する方法、システムおよびコンピュータプログラム
US9250211B2 (en) 2010-12-30 2016-02-02 Quest Diagnostics Investments Incorporated Magnetic separation of lipoproteins using dextran sulfate
US10136845B2 (en) 2011-02-28 2018-11-27 Abbott Diabetes Care Inc. Devices, systems, and methods associated with analyte monitoring devices and devices incorporating the same
WO2012163361A1 (en) * 2011-05-31 2012-12-06 Aarhus Universitet Method and system for identification of physiological imbalance in an animal
AU2012275478B2 (en) * 2011-06-30 2015-07-23 Liposcience, Inc. Quantitative NMR clinical analyzers with automatic NMR temperature sensitivity compensation that accommodate large ambient operational temperature ranges
WO2013027191A1 (en) 2011-08-25 2013-02-28 Novartis Ag Methods and compositions using fgf23 fusion polypeptides
US9361429B2 (en) * 2012-06-08 2016-06-07 Liposcience, Inc. Multi-parameter diabetes risk evaluations
US9470771B2 (en) 2012-06-08 2016-10-18 Liposcience, Inc. NMR measurements of NMR biomarker GlycA
US9928345B2 (en) 2012-06-08 2018-03-27 Liposciences, Inc. Multiple-marker risk parameters predictive of conversion to diabetes
US9551768B2 (en) 2013-03-15 2017-01-24 East Carolina University NMR method for monitoring changes in the core of lipoprotein particles in metabolism and disease
US20150260631A1 (en) * 2014-03-17 2015-09-17 Health Diagnostic Laboratory, Inc. System and method for assessing quanitites or sizes of lipoprotein particles from lipoprotein particle compositions
WO2016065041A1 (en) 2014-10-21 2016-04-28 True Health Diagnostics, Llc Quantitative molar concentration detection of specific apolipoprotein-containing particles present in bodily fluids by using capillary electrophoresis
US20160109471A1 (en) 2014-10-21 2016-04-21 Health Diagnostic Laboratory, Inc. Lipoprotein particle number from measurements of lipoprotein particle phospholipid concentration in lipoprotein particle membrane bilayer
WO2016069639A1 (en) 2014-10-27 2016-05-06 True Health Diagnostics, Llc Lp(a) subform size identification by capillary isoteachophoresis electrophoresis with laser-induced-fluorescence
KR20170084332A (ko) 2014-12-04 2017-07-19 노파르티스 아게 Klotho 변이체 폴리펩티드를 사용하는 방법 및 조성물
WO2019051226A1 (en) * 2017-09-07 2019-03-14 Liposcience, Inc. METABOLIC VULNERABILITY INDEX ASSESSMENTS WITH MULTIPLE PARAMETERS
US10775458B2 (en) 2018-03-05 2020-09-15 Texas Tech University System Method and system for non-invasive measurement of metabolic health
WO2023239869A1 (en) * 2022-06-09 2023-12-14 Quest Diagnostics Investments Llc Quantification of lipoprotein subfractions by ion mobility

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5869534A (en) * 1992-05-21 1999-02-09 The Picower Institute For Medical Research Glycosylation of lipids and lipid-containing particles, and diagnostic and therapeutic methods and materials derived therefrom
US4933844A (en) * 1988-09-26 1990-06-12 Otvos James D Measurement of blood lipoprotein constituents by analysis of data acquired from an NMR spectrometer
AU7142991A (en) 1989-12-21 1991-07-24 Beth Israel Hospital Association, The Method for predicting atherosclerotic risk
WO1993003450A1 (en) 1991-07-30 1993-02-18 North Carolina State University Method and apparatus for measuring blood lipoprotein levels by nmr spectroscopy
US5585235A (en) * 1993-04-13 1996-12-17 Diagnescent Technologies, Inc. Fluorescent assay and method that corrects for spectral interference
NZ275054A (en) * 1993-11-08 1997-04-24 Peptide Delivery Systems Pty L Diagnosing atherosclerosis or coronary artery disease using labelled composition which mimics essential features of an exogenous lipoprotein
US5685300A (en) * 1994-04-01 1997-11-11 Kuenstner; J. Todd Noninvasive and in-vitro measurement of glucose and cholesterol by nuclear magnetic resonance spectroscopy
US6163154A (en) 1997-12-23 2000-12-19 Magnetic Diagnostics, Inc. Small scale NMR spectroscopic apparatus and method
US6226082B1 (en) 1998-06-25 2001-05-01 Amira Medical Method and apparatus for the quantitative analysis of a liquid sample with surface enhanced spectroscopy

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2259049A1 (de) 2009-06-02 2010-12-08 Großmann, Kay Verfahren und Messvorrichtung zur qualitativen und quantitativen Analyse von Körperflüssigkeiten
DE102009026651A1 (de) 2009-06-02 2011-02-17 Großmann, Kay, Dr. rer. nat. (Chemie) Verfahren und Messvorrichtung zur qualitativen und quantitativen Analyse von Körperflüssigkeiten
DE102014203721A1 (de) * 2014-02-28 2015-09-03 Bruker Biospin Gmbh Verfahren zur Bestimmung der Konzentration einer Substanz in einer Probe
DE102014203721B4 (de) 2014-02-28 2018-12-27 Bruker Biospin Gmbh Verfahren zur Bestimmung der Konzentration einer Substanz in einer Probe

Also Published As

Publication number Publication date
ATE319105T1 (de) 2006-03-15
US6518069B1 (en) 2003-02-11
JP2002543392A (ja) 2002-12-17
EP1171778B1 (de) 2006-03-01
CA2367820A1 (en) 2000-11-02
AU4469300A (en) 2000-11-10
CA2367820C (en) 2009-12-22
JP4585693B2 (ja) 2010-11-24
DE60026287D1 (de) 2006-04-27
WO2000065366A1 (en) 2000-11-02
ES2256000T3 (es) 2006-07-16
WO2000065366A8 (en) 2001-03-29
EP1171778A1 (de) 2002-01-16

Similar Documents

Publication Publication Date Title
DE60026287T2 (de) Nmr-verfahren zur bestimmung des risikos zur entwicklung von diabetes type 2
Chard et al. Brain metabolite changes in cortical grey and normal‐appearing white matter in clinically early relapsing–remitting multiple sclerosis
DE102010038014B4 (de) Verwendung spezifischer Substanzen als Marker zur Bestimmung des Risikos einer Nierenabstoßung
Ion-Mărgineanu et al. Machine learning approach for classifying multiple sclerosis courses by combining clinical data with lesion loads and magnetic resonance metabolic features
DE69821475T2 (de) Verwendung von eindimensionaler kernspinresonanz fur identifizierung von liganden fur ziel-biomolekule
EP2997365B1 (de) Analyseverfahren zur klassifikationsunterstützung
DE102005021401A1 (de) Verfahren und System zur Feststellung und Überwachung von neurodegenerativen Erkrankungen unter Verwendung von Magnetresonanzspektroskopie
DE60028005T2 (de) Verfahren für die qualitätskontrolle und standardisierung von medizinischen pflanzenprodukten
Stout et al. Cognitive assessment strategies in Huntington's disease research
DE60308864T2 (de) Verfahren der Resonanz-Spektroskopie für die Analyse von statistischen Eigenschaften von Proben
DE10315877B4 (de) Krankheitsverlaufkontrolle
Vijayakumari et al. Glutamatergic response to a low load working memory paradigm in the left dorsolateral prefrontal cortex in patients with mild cognitive impairment: a functional magnetic resonance spectroscopy study
EP1522847B1 (de) Analytisches Verfahren zum Bestimmen von kristallographischen Phasen einer Messprobe
DE102004026903A1 (de) Verfahren zur Bestimmung von Lipoproteinen in Körperflüssigkeiten und Messanordnung dafür
DE19923811C1 (de) Verfahren zur Diagnose TSE-induzierter Veränderungen in Geweben mittels Infrarotspektroskopie
Louis et al. Cerebellar metabolic symmetry in essential tremor studied with 1H magnetic resonance spectroscopic imaging: implications for disease pathology
DE69633681T2 (de) Verfahren zur feststellung von reperfusion nach thrombolytischer therapie
DE102013200058B3 (de) Automatisierte Auswertung der Rohdaten eines MR-Spektrums
DE60028374T2 (de) Verfahren und apparatur zum präsentieren von daten von thrombose- und haemostaseassays
DE60008159T2 (de) Trenn- und Analyseverfahren für Lipoproteine, Vorrichtung zur Durchführung desselben, sowie ein die Vorrichtung enthaltendes System
JP2006505789A (ja) 脱髄の検出
EP3772659B1 (de) Partialvolumenanalyse für magnetresonanzfingerprinting
US20060210476A1 (en) Metabonomics homogeneity analysis
Bauer Quantitative Analysis of Brain Edema Using Post Mortem Imaging
EP3413053B1 (de) Kalibration von lupus antikoagulans

Legal Events

Date Code Title Description
8364 No opposition during term of opposition