ES2256000T3 - Procedimiento de rmn para determinar el riesgo de desarrollar diabetes tipo 2. - Google Patents
Procedimiento de rmn para determinar el riesgo de desarrollar diabetes tipo 2.Info
- Publication number
- ES2256000T3 ES2256000T3 ES00926111T ES00926111T ES2256000T3 ES 2256000 T3 ES2256000 T3 ES 2256000T3 ES 00926111 T ES00926111 T ES 00926111T ES 00926111 T ES00926111 T ES 00926111T ES 2256000 T3 ES2256000 T3 ES 2256000T3
- Authority
- ES
- Spain
- Prior art keywords
- glucose
- patient
- nmr
- diabetes
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/66—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/74—Chemical 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/46—NMR spectroscopy
- G01R33/465—NMR spectroscopy applied to biological material, e.g. in vitro testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N24/00—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects
- G01N24/08—Investigating or analyzing materials by the use of nuclear magnetic resonance, electron paramagnetic resonance or other spin effects by using nuclear magnetic resonance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2405/00—Assays, e.g. immunoassays or enzyme assays, involving lipids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/04—Endocrine or metabolic disorders
- G01N2800/042—Disorders of carbohydrate metabolism, e.g. diabetes, glucose metabolism
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/32—Cardiovascular disorders
- G01N2800/324—Coronary artery diseases, e.g. angina pectoris, myocardial infarction
-
- Y—GENERAL 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
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T436/00—Chemistry: analytical and immunological testing
- Y10T436/14—Heterocyclic carbon compound [i.e., O, S, N, Se, Te, as only ring hetero atom]
- Y10T436/142222—Hetero-O [e.g., ascorbic acid, etc.]
- Y10T436/143333—Saccharide [e.g., DNA, etc.]
- Y10T436/144444—Glucose
-
- Y—GENERAL 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
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T436/00—Chemistry: analytical and immunological testing
- Y10T436/24—Nuclear magnetic resonance, electron spin resonance or other spin effects or mass spectrometry
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Hematology (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Urology & Nephrology (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biotechnology (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Microbiology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Food Science & Technology (AREA)
- Cell Biology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Diabetes (AREA)
- Endocrinology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Un procedimiento para evaluar el riesgo de un paciente de tener o desarrollar diabetes tipo 2 o resistencia a la insulina basándose en información basada en lipoproteínas derivada de RMN, que comprende las etapas de: obtención de al menos una señal espectrográfica de RMN protónica de la muestra de suero o plasma sanguíneo de un paciente para realizar un análisis espectral de RMN del mismo; deducción de un valor medido de lipoproteínas basado en RMN para una pluralidad de constituyentes de subclases de lipoproteínas basándose en dicha etapa de obtención; comparación de los valores medidos de constituyentes de subclases de lipoproteínas basados en RMN con criterios de prueba predeterminados, en la que los criterios de prueba predeterminados definen un valor o intervalo de valores de constituyentes de subclases de lipoproteínas, para alguno o todos de la pluralidad de constituyentes seleccionados de subclases de lipoproteínas de interés, teniendo un factor de riesgo desfavorable o positivo asociado con los mismos para determinar la presencia de dislipidemia diabética; y evaluación del riesgo de un paciente de tener o desarrollar al menos uno entre diabetes tipo 2 y resistencia a la insulina basándose en la determinación de dislipidemia diabética de dicha etapa de comparación.
Description
Procedimiento de RMN para determinar el riesgo de
desarrollar diabetes tipo 2.
La presente invención se refiere a procedimientos
y productos de programas informáticos para determinar si los
sujetos están en riesgo de desarrollar diabetes tipo 2 y otros
trastornos de resistencia a la insulina.
La diabetes tipo 2, a veces denominada diabetes
del adulto o diabetes mellitus no insulinodependiente (DMNID),
afecta aproximadamente a 15 millones de personas sólo en los Estados
Unidos. Además, aproximadamente 21 millones de estadounidenses
tienen una tolerancia a la glucosa deteriorada o "diabetes
límite" (caracterizada por altos niveles de azúcar en sangre no
suficientemente elevados para ser considerados diabéticos). Tanto la
diabetes tipo 2 como la diabetes límite están relacionadas con una
resistencia a la insulina, una dolencia en la que el cuerpo no
consigue responder normalmente a la insulina. La resistencia a la
insulina se asocia con otros problemas de salud, incluyendo presión
arterial alta y enfermedad cardíaca. Si no se controla, la
resistencia a la insulina puede realmente desarrollarse en diabetes
tipo 2. La diabetes tipo 2 se asocia con un riesgo entre dos y
cuatro veces mayor de enfermedad cardíaca coronaria, y los pacientes
diabéticos tienen un riesgo aumentado de morbilidad y mortalidad
asociado con enfermedad cardiovascular.
La diabetes tipo 2 se ha diagnosticado
tradicionalmente por la detección de niveles elevados de glucosa
(azúcar) en la sangre (hiperglucemia). Mientras la hiperglucemia es
un fuerte indicador de diabetes, se encuentra en una fase muy
tardía del desarrollo en la cadena de sucesos que lleva de la
resistencia a la insulina a una diabetes plena. En consecuencia,
sería deseable tener un modo de identificar si un sujeto está o no
en riesgo de desarrollar diabetes tipo 2 (es decir, está
predispuesto a la dolencia) antes del desarrollo de los síntomas
clásicos, como hiperglucemia. La detección precoz de indicadores de
la enfermedad (por ejemplo, detección de un aumento en los niveles
de glucosa antes de que los niveles alcancen una elevación
suficientemente alta para que se consideren hiperglucemia) puede
conducir a un tratamiento más eficaz de la enfermedad, cuando no a
la prevención real del inicio de la enfermedad.
El diagnóstico de trastornos cardiovasculares
como enfermedad cardíaca coronaria (ECC) se consigue rutinariamente
mediante la medida y el análisis de los niveles de colesterol en
sangre de sujetos sospechosos de tener dichos trastornos. En dichos
análisis, se mide el colesterol total en suero (CT), así como los
niveles de triglicéridos en plasma (TG). Además, a menudo se miden
los niveles de los principales constituyentes de lipoproteínas o
clases de colesterol. Estos principales constituyentes de
lipoproteínas incluyen lipoproteína de baja densidad (LDL),
lipoproteína de alta densidad (HDL) y lipoproteína de muy baja
densidad (VLDL). Los principales constituyentes de lipoproteínas
pueden subdividirse además en subclases basándose en un mayor
refinamiento de las densidades de partículas. Krauss y col., J.
Lipid Research 23, 97-104 (1982); Atger y col.,
Clinical Chemistry 37, 1149-1152 (1991). Una
subclase de partículas de lipoproteínas comprende partículas que
tienen propiedades físicas comunes, como la densidad. Las subclases
distinguidas según su densidad pueden considerarse como una
subclase de la clase de lipoproteína que contiene partículas de la
densidad de las subclases.
La patente de EE.UU. nº 4.933.844 a Otvos
describe el uso de espectroscopia de resonancia magnética nuclear
protónica (RMN ^{1}H) para analizar el plasma sanguíneo y
determinar la concentración de los principales constituyentes de
lipoproteínas en una muestra de plasma sanguíneo. La patente de
EE.UU. nº 5.343.389 a Otvos describe el uso de espectroscopia RMN
^{1}H para analizar plasma sanguíneo o suero sanguíneo en búsqueda
de concentraciones de subclases de lipoproteínas. Los
procedimientos descritos en estas patentes se basan en el hecho de
que los espectros de RMN ^{1}H de plasma sanguíneo humano contiene
dos máximos prominentes centrados aproximadamente en 1,2 y 0,8 ppm
(con respecto a un estándar de desplazamiento químico). Estos
máximos proceden de protones de metileno (CH_{2}) y metilo
(CH_{3}), respectivamente, de lípidos de plasma. Cada uno de
estos máximos es heterogéneo por naturaleza, consistente en
resonancias solapadas de protones de las diversas clases de lípidos
distintas químicamente presentes en plasma: triglicéridos;
colesterol; ésteres de colesterol; y fosfolípidos. Estos lípidos se
empaquetan conjuntamente en las tres clases principales de
partículas de lipoproteínas descritas anteriormente, que difieren en
densidad y en las proporciones de lípidos que contienen. La
heterogeneidad de estas señales de plasma se refleja en sus formas
lineales complejas, que varían de una persona a otra debido a
variaciones de las concentraciones de plasma de las diferentes
partículas de lipoproteínas, cada de las cuales tiene sus propias
propiedades espectrales de RMN diferentes de forma característica.
Además, las subclases de lipoproteínas de las principales clases o
constituyentes de lipoproteínas exhiben propiedades de RMN
mensurables que son distintas de las de otras subclases. Las
propiedades de RMN de una subclase pueden ser distintas en una
serie de formas, como desplazamiento químico o variaciones en la
forma lineal, que hacen que la subclase sea distinguible de otras
subclases.
En vista de lo anterior, un objeto de la presente
invención es proporcionar un procedimiento más fiable para
determinar si un sujeto está en riesgo de desarrollar diabetes tipo
2.
Otro objeto de la presente invención es
proporcionar un procedimiento más preciso y/o fiable para determinar
si un sujeto está en riesgo de desarrollar resistencia a la
insulina.
Otro objeto de la presente invención es
proporcionar un procedimiento mejorado para determinar si un sujeto
está padeciendo resistencia a la insulina.
Otro objeto más de la presente invención es
proporcionar un procedimiento mejorado para evaluar la eficacia del
tratamiento de un sujeto que padece diabetes tipo 2.
Además, otro objeto de la invención es
proporcionar un procedimiento para determinar concurrentemente la
concentración de glucosa en una muestra de plasma sanguíneo o suero
sanguíneo ("niveles de glucosa en sangre"), y en ser capaz
además de determinar niveles de glucosa en sangre a niveles
sub-hiperglucémicos.
Para reducir al mínimo la necesidad de realizar
numerosas pruebas costosas y duplicadas para determinar el riesgo
de diabetes tipo 2 y trastornos de resistencia a la insulina, otro
objeto más de la invención es proporcionar un procedimiento para
determinar la concentración de glucosa en una muestra de plasma
sanguíneo o suero sanguíneo concurrentemente con la determinación
de otros factores de riesgo basados en lípidos para diabetes tipo 2
o resistencia a la insulina.
Un objeto adicional de la presente invención es
proporcionar un modo económico de analizar selectivamente una
muestra de plasma sanguíneo del sujeto para determinar el riesgo del
sujeto de desarrollar diabetes tipo 2.
Otro objeto más de la presente invención es
proporcionar un producto de programa informático para determinar si
un sujeto está en riesgo de desarrollar diabetes tipo 2.
Este y otros objetos de la presente invención se
proporcionan por un procedimiento para identificar a un paciente
con un riesgo aumentado de desarrollar diabetes tipo 2 mediante el
análisis de las medidas de constituyentes de subclases de
lipoproteínas por RMN del paciente. Además, el riesgo de que el
paciente desarrolle diabetes tipo 2 puede determinarse además
analizando los niveles de glucosa en sangre del paciente con
análisis espectral de RMN. La capacidad de analizar niveles de
glucosa en sangre de un paciente por análisis de RMN proporciona
varias ventajas porque permite realizar una medida de la glucosa en
sangre concurrentemente con medidas de constituyentes de subclases
de lipoproteínas del paciente, evitando así la necesidad de
múltiples episodios de pruebas para determinar el riesgo de
diabetes tipo 2. Además, la sensibilidad de la prueba de glucosa en
sangre basada en RMN en conjunción con una prueba de lipoproteína en
sangre basada en RMN proporciona una detección precoz del riesgo de
desarrollar diabetes tipo 2. Un nivel de glucosa en sangre
moderadamente elevado en ausencia de otros indicadores de riesgo de
desarrollar la enfermedad puede no ser suficiente para alertar a un
proveedor de servicios sanitarios o un paciente de que existe un
riesgo aumentado de desarrollar el trastorno. Sin embargo, un nivel
moderadamente elevado de glucosa en sangre, detectado por los
procedimientos basados en RMN de la presente invención, en
conjunción con la presencia de otros factores de riesgo
identificados por el análisis de lipoproteína en sangre basado en
RMN de la presente invención, permite a un profesional médico
determinar el riesgo de desarrollar trastorno antes del inicio de la
enfermedad plena.
En particular, un primer aspecto de la presente
invención es un procedimiento para evaluar el riesgo de un paciente
de tener o desarrollar diabetes tipo 2 o resistencia a la insulina
basándose en información basada en lipoproteínas obtenida de RMN.
El procedimiento comprende las etapas de obtener al menos una señal
espectrográfica de RMN protónica de una muestra de suero o plasma
sanguíneo de un paciente para realizar un análisis espectral de RMN
del mismo, obteniendo el valor de medida de lipoproteína basado en
RMN para una pluralidad de constituyentes de subclases de
lipoproteínas basándose en dicha etapa de obtención, comparando los
valores de constituyentes de subclases de lipoproteína medidos
basándose en RMN para criterios de prueba predeterminados, en el que
los criterios de prueba predeterminados definen un valor o
intervalo de valores de constituyentes de subclases de
lipoproteínas, para cualquiera o cada uno de la pluralidad de
constituyentes de subclases de lipoproteínas seleccionados de
interés, teniendo un factor de riesgo positivo o desfavorable
asociado con los mismos para determinar la presencia de
dislipidemia diabética y valorar el riesgo de un paciente de tener o
desarrollar al menos una entre diabetes tipo 2 y resistencia a la
insulina basándose en la determinación de dislipidemia diabética de
dicha etapa de
comparación.
comparación.
El paciente puede ser un sujeto que es sospechoso
de estar en riesgo de desarrollar diabetes tipo 2, o puede ser un
sujeto que se somete a un análisis de lipoproteínas por cualquier
otra razón (por ejemplo, como un análisis selectivo estándar de
enfermedad cardiovascular). El sujeto puede estar mostrando síntomas
de diabetes tipo 2, pero puede alternativamente ser asintomático.
Este análisis basado en RMN incluye la determinación de un
constituyente de subclases específicas de lipoproteínas identificado
de manera que tiene un factor de riesgo predictivo
independientemente (aislado de los otros valores de constituyentes)
y la determinación de un riesgo asociado con una combinación de
ciertos de los valores de medida de los constituyentes de subclase.
El procedimiento combinado identifica si los resultados del paciente
proporcionan una correspondencia positiva con factores clave
medidos por RMN. Un factor es la determinación de la presencia de
dislipidemia diabética (es decir, una agrupación de valores de
riesgo basados en constituyentes o subclases de lipoproteínas por
RMN moderadas, límites o positivas). Un factor adicional es la
detección de al menos un nivel moderadamente elevado de nivel de
glucosa medido por RMN. Ventajosamente, este tipo de análisis de
riesgos permite una determinación de niveles de glucosa en sangre
antes de un aumento en los niveles de glucosa en sangre suficiente
como para calificarlo de hiperglucemia (es decir, puede detectarse
un nivel moderadamente elevado de glucosa en sangre que es
potencialmente indicativo de diabetes tipo 2).
En otro aspecto de la presente invención, el
procedimiento comprende además la generación concurrente de un
valor de medida de glucosa basado en RMN para la muestra de suero o
plasma sanguíneo del paciente y comparando el valor de medida de
glucosa basado en RMN con criterios de prueba predeterminados. El
procedimiento comprende también la determinación del riesgo del
paciente de tener o desarrollar diabetes tipo 2 basándose en la
detección de niveles elevados de glucosa. En consecuencia, el
riesgo de un paciente de diabetes tipo 2 puede evaluarse basándose
en la presencia (o ausencia) de dislipidemia diabética, y en la
presencia o ausencia de niveles de glucosa al menos moderadamente
elevados.
En una forma de realización preferida, los
valores medidos de constituyentes de subclases de lipoproteínas
basados en RMN incluyen los valores asociados con el tamaño de LDL,
las partículas LDL, el colesterol HDL grande y los triglicéridos
VLDL grandes.
En este procedimiento, se adquiere un espectro de
datos de referencia de RMN correspondiente a glucosa en una muestra
o espécimen de referencia de suero o plasma sanguíneo y se almacena
en la memoria informática. Se asigna un coeficiente de referencia a
una señal de glucosa o un grupo de señales de glucosa ("forma
lineal de referencia de glucosa") en el espectro de referencia,
cuyo valor se basa en la concentración de glucosa de ese espécimen
de referencia determinado por una medida química independiente de
glucosa. En algún momento posterior se adquiere un espectro de RMN
del espécimen de suero o plasma sanguíneo del paciente en
condiciones de medida (sustancialmente) idénticas a las usadas para
obtener el espectro de referencia de glucosa y guardarlo en memoria
informática. La forma lineal de referencia de glucosa se compara con
la misma señal o grupo de señales de glucosa en el espectro del
paciente ("forma lineal de glucosa del paciente"). A
continuación se realiza un cálculo que determina el factor de
escala necesario para ajustar la amplitud de la forma lineal de
referencia de glucosa para ofrecer la mejor correspondencia con la
forma lineal de glucosa del paciente. Este factor de escala se
multiplica por el coeficiente de referencia para dar la
concentración de glucosa en el espécimen de suero o plasma
sanguíneo del paciente.
Preferentemente, para análisis de glucosa se usa
la región de 3,29 a 3,54 ppm o de 3,64 a 3,90 ppm de los datos de
RMN protónica para glucosa. Preferentemente, los criterios de prueba
predeterminados de dicha etapa de comparación en el procedimiento
de la presente invención incluye valores asociados con factores de
riesgo positivos para cualquier de concentración de subclase LDL,
tamaño de partículas de subclase LDL, concentración de partículas
de subclase LDL, concentración de LDL pequeñas, concentración de HDL
grandes y concentración de VLDL grandes, quilomicrones, cualquiera
de las seis subclases de VLDL, IDL, cualquiera de las tres subclases
de LDL y cualquiera de las cinco subclases de HDL. Preferentemente,
los criterios de prueba predeterminados de LDL desfavorables
identifican la subclase de LDL pequeñas como elevada.
Preferentemente, los criterios de prueba predeterminados de
concentración de HDL grandes desfavorables identifican un bajo nivel
de HDL grandes. Preferentemente, los criterios de prueba
predeterminados de concentración de VLDL grandes desfavorables
identifican un nivel elevado de VLDL grandes.
Un paciente se identifica como en riesgo de tener
o desarrollar resistencia a la insulina o diabetes tipo 2 cuando
(a) el valor de medida de glucosa basado en RMN es un nivel elevado
de glucosa en sangre; y (b) la presencia concurrente de
dislipidemia diabética se determina basándose en la identificación
positiva de que al menos dos de los valores de subclases de
constituyentes basados en lipoproteínas son desfavorables según los
criterios de prueba predeterminados.
Un aspecto adicional de la invención es un
procedimiento de evaluación de la eficacia de tratamiento de un
sujeto sometido a tratamiento de diabetes tipo 2 basándose en
información personalizada de lipoproteínas medida por RMN. El
procedimiento comprende la obtención de un perfil de base que
incluye valores medidos para una pluralidad de constituyentes de
subclases de lipoproteínas en la muestra de suero o plasma sanguíneo
de un paciente. El perfil de base procede de un análisis espectral
de RMN protónica de la muestra de suero o plasma sanguíneo del
paciente que mide los valores de concentración y/o tamaño de los
constituyentes de subclases de lipoproteínas. Un segundo perfil de
valores de constituyentes de subclases de lipoproteínas medidos por
RMN protónica se obtiene después de que el sujeto haya sido sometido
a tratamiento de diabetes tipo 2 y se compara el segundo perfil con
el básico. Una diferencia entre el segundo perfil y el perfil de
base del sujeto proporciona una indicación de la eficacia de
tratamiento de diabetes tipo 2 del sujeto. El perfil de base puede
obtenerse antes de que el sujeto haya iniciado realmente el
tratamiento de resistencia a la insulina, o puede obtenerse después
de haber empezado el tratamiento.
Preferentemente, se lleva a cabo el análisis
espectral de RMN protónica del perfil de base y el segundo perfil
para proporcionar un valor de medida de glucosa para la muestra de
suero o plasma sanguíneo del paciente, en el que la medida de
glucosa se obtiene concurrentemente con los valores de
constituyentes de subclases de lipoproteínas medidos por RMN
protónica del sujeto.
Un aspecto adicional de la presente invención
comprende además la medida de la concentración de glucosa por
adquisición de un espectro de datos de referencia de RMN protónica
en una región de interés correspondiente a glucosa en un espécimen
de suero o plasma sanguíneo de referencia, determinación de una
forma lineal de glucosa de referencia en el espectro de referencia
basándose en al menos una señal en el espectro de referencia,
asignación de un coeficiente de referencia a la forma lineal de
glucosa de referencia en el espectro de referencia, adquisición de
un espectro de RMN protónica de un espécimen de suero o plasma
sanguíneo de un paciente correspondiente a la región de interés en
el espécimen de referencia, identificación de una forma lineal de
glucosa de un paciente para el espécimen del paciente en el
espectro de RMN del paciente basado en la misma señal usada para
determinar la forma lineal de glucosa de referencia en el espectro
de referencia, comparando la forma lineal de glucosa de referencia
con la forma lineal de glucosa del paciente, ajuste de la amplitud
de la forma lineal de referencia de glucosa a la forma lineal de
glucosa del paciente, cálculo de un factor de escala basándose en
dicha etapa de ajuste, y determinación de la concentración de
glucosa en el espécimen de suero o plasma sanguíneo del paciente en
función del valor del factor de escala y el coeficiente de
referencia.
Preferentemente, el valor del coeficiente de
referencia se basa en una medida química independiente de
concentración de glucosa del espécimen de referencia.
Preferentemente, los espectros de RMN de referencia y del paciente
se obtienen sustancialmente a la misma intensidad de campo magnético
y la misma temperatura del espécimen. Preferentemente, el espectro
de referencia de plasma sanguíneo se identifica como incluido en una
región que se extiende de 3,54 a 3,90 ppm de un espectro de RMN
protónica de plasma sanguíneo. Alternativamente, el espectro de
referencia de plasma sanguíneo se identifica como incluido en una
región que se extiende de 3,29 a 3,54 ppm de un espectro de RMN
protónica de plasma sanguíneo. Alternativamente, el espectro de
referencia de plasma sanguíneo se identifica como incluido en dos
regiones de interés de un espectro de RMN protónica de plasma
sanguíneo, extendiéndose una primera región de 3,64 a 3,90 ppm y
extendiéndose una segunda región de 3,2 a 3,54 ppm.
En un aspecto alternativo, el procedimiento de la
presente invención comprende además la etapa de evaluar el riesgo
del paciente de tener o desarrollar enfermedad cardíaca coronaria
(ECC) basándose en criterios de prueba predeterminados de ECC que
usan medidas de subclases de lipoproteínas derivadas de RMN
seleccionadas. Preferentemente, el procedimiento comprende además
la generación de un informe del paciente para facilitar la
comparación visual de una distribución de valores medidos con una
distribución de criterios de prueba estándar.
Preferentemente, el procedimiento de la presente
invención comprende además la evaluación del riesgo de desarrollar
diabetes gestacional o juvenil. Un aspecto más de la presente
invención es un producto de programa informático para la evaluación
personalizada del riesgo basada en RMN para diabetes tipo 2. El
producto de programa informático comprende un soporte de
almacenamiento legible por el ordenador que tiene elementos de
código de programa legible por ordenador integrados en el soporte.
Los elementos de código de programa legible por ordenador
comprenden elementos de código de programa para generar un espectro
de RMN protónica y para medir los valores asociados con la
concentración o el tamaño de una pluralidad de constituyentes de
subclases de lipoproteínas para la muestra de suero o plasma
sanguíneo de un paciente. El producto de programa informático
comprende también elementos de código informático para comparación
de una pluralidad de valores de constituyentes de subclases de
lipoproteínas medidos por RMN con criterios de prueba
predeterminados definidos como un valor o intervalo de valores
desfavorable para constituyentes seleccionados de subclases de
lipoproteínas. Los elementos de código informático identifican al
menos un valor medido desfavorable de constituyentes de subclases de
lipoproteínas para determinar la presencia de dislipidemia
diabética y evalúan el riesgo de un paciente de desarrollar
diabetes tipo 2 o resistencia a la insulina basándose en la
determinación de dislipidemia diabética.
Preferentemente, el producto de programa
informático comprende además elementos de código informático para
generación concurrente de un análisis espectral de RMN protónica
para definir el nivel de glucosa para la muestra de suero o plasma
sanguíneo del paciente. Los elementos de código informático
comprenden la generación de una forma lineal de glucosa de un
paciente, comparando el espectro de glucosa con una forma lineal de
referencia de glucosa que tiene una amplitud asociada, ajustando la
amplitud de la forma lineal de glucosa de referencia a la forma
lineal de glucosa del paciente y determinando la concentración de
glucosa en el espécimen de suero o plasma sanguíneo del paciente.
El producto de programa informático comprende también elementos de
código informático para comparación de la concentración medida de
glucosa con criterios de prueba predeterminados para evaluar si la
medida de glucosa está elevada y elementos de código informático
para evaluar el riesgo del paciente de tener o desarrollar diabetes
tipo 2 basado, al menos en parte, en la determinación de un nivel
de glucosa elevado.
Preferentemente, el producto de programa
informático comprende además elementos de código informático para
evaluar el riesgo del paciente de tener o desarrollar enfermedad
cardíaca coronaria (ECC) basándose en criterios de prueba
predeterminados de ECC usando medidas de subclases de lipoproteínas
obtenidas por RMN seleccionadas.
Preferentemente, los elementos de código
informático legibles por ordenador para proporcionar una parte del
análisis de riesgos se colocan adyacentes a los valores medidos de
lipoproteínas, mostrando la parte del análisis de riesgo
información correspondiente a riesgo alto y bajo de diabetes tipo 2.
El valor medido se potencia visualmente en la parte de análisis de
riesgo para indicar visualmente el nivel de riesgo asociado con el
mismo, proporcionando así una guía de referencia contemporánea para
la interpretación del valor medido. En una forma de realización
preferida, los valores de lipoproteína basados en RMN incluyen los
valores de subclases asociados con tamaño de LDL, partículas LDL,
colesterol HDL grande y triglicéridos VLDL grandes, y el producto
de programa informático comprende además elementos de código de
programa legibles por ordenador para presentar los valores de
medida de lipoproteína de manera que cada uno de los valores de
medida de lipoproteína está sustancialmente alineado.
Preferentemente, para los procedimientos y
productos de programas informáticos descritos en la presente memoria
descriptiva, los valores medidos incluyen: (a) el tamaño de LDL y
las concentraciones de partículas de subclase LDL, colesterol HDL
grande y triglicéridos VLDL grandes; y (b) el nivel medido de
glucosa en sangre.
La presente invención es ventajosa porque el
procedimiento descrito anteriormente puede indicar de modo preciso
y fiable si un sujeto está en riesgo de desarrollar diabetes tipo 2
u otro trastorno de resistencia a la insulina, como síndrome de
resistencia a la insulina. El procedimiento proporciona ventajas con
respecto a los procedimientos de prueba convencionales para
diabetes tipo 2 y otros trastornos de resistencia a la insulina
porque puede proporcionar una indicación de riesgo aumentado de
padecer la enfermedad antes del desarrollo de síntomas de la
enfermedad, como un nivel de glucosa en sangre suficientemente alto
para considerarse hiperglucemia. En el momento en que estos
síntomas pueden detectarse con procedimientos convencionales, el
trastorno de diabetes tipo 2 (u otro trastorno de resistencia a la
insulina) ha progresado ya a una fase avanzada. Los procedimientos
basados en RMN de la presente invención pueden indicar un riesgo
aumentado de desarrollar diabetes tipo 2 antes del desarrollo de la
enfermedad (es decir, antes del desarrollo de los síntomas) porque
(1) los factores de riesgo evaluados mediante análisis de
lipoproteínas basado en RMN proporcionan una indicación precoz de
la enfermedad; y (2) el análisis de glucosa basado en RMN
proporciona la determinación de niveles de glucosa aumentados que
son sub-hiperglucémicos.
La detección de niveles de glucosa
sub-hiperglucémicos en ausencia de otros indicadores
de riesgo de desarrollar diabetes tipo 2 pueden no ser suficientes
para alertar al proveedor de atención sanitaria de un paciente de
que el paciente está en riesgo de desarrollar el trastorno. La
detección de un nivel de glucosa sub-hiperglucémico,
realizada concurrentemente con la detección de otros indicadores de
riesgo, puede sin embargo dar al proveedor de atención sanitaria la
oportunidad de intervenir antes del desarrollo de los síntomas de
diabetes tipo 2 (es decir, niveles hiperglucémicos de glucosa en
sangre). La presente invención facilita así la detección precoz de
riesgo de desarrollar diabetes tipo 2 porque es posible realizar
rutinariamente una prueba basada en RMN de los niveles de glucosa
en sangre concurrentemente con una prueba o análisis selectivo
basado en RMN para pedir extensamente pruebas usadas normalmente
para evaluar los valores de lipoproteína en sangre basados en la
enfermedad cardíaca coronaria (basados en ECC), evitando así el
coste y la incomodidad adicionales de los sucesos de pruebas
múltiples. El análisis selectivo rutinario para personas en riesgo
de desarrollar diabetes tipo 2 puede facilitar ventajosamente una
reducción en el número de individuos que avanzan hacia la
enfermedad plena, proporcionando con ello una intervención precoz y
una prevención potencial de la progresión hacia la fase incurable
de la enfermedad. La detección precoz de la disposición al trastorno
proporcionada por la presente invención permite así el diagnóstico
de sujetos en riesgo para empezar un tratamiento apropiado o los
cambios en el estilo de vida en un momento de tiempo precoz. Esta
detección precoz es ventajosa porque puede reducir la gravedad de
la enfermedad conforme avanza, cuando no impedir realmente el inicio
de la enfermedad. El procedimiento de la presente invención puede
incorporarse también ventajosamente en análisis selectivos estándar
de lipoproteínas para, por ejemplo, enfermedad cardiovascular.
Según se describe en la presente memoria
descriptiva, los aspectos adicionales de la presente invención
incluyen procedimientos para determinar si un sujeto está en riesgo
de desarrollar síndrome de resistencia a la insulina (también
denominado Síndrome X). Otros aspectos de la presente invención
incluyen procedimientos para determinar si un sujeto ya padece
síndrome de resistencia a la insulina u otro trastorno de
resistencia a la insulina. En estos y otros procedimientos de la
invención, se analiza una muestra de sangre por análisis espectral
de forma de línea por RMN según se describe anteriormente. En
particular, se miden valores de lipoproteínas basados en RMN como
los valores de subclases asociados a tamaño de LDL, partículas LDL,
colesterol HDL grande y triglicéridos VLDL grandes, y se comparan
con criterios de prueba predeterminados. El cumplimiento de los
criterios específicos de prueba para las relaciones entre los
parámetros de referencia y los parámetros medidos indica que los
sujetos están en riesgo de desarrollar síndrome de resistencia a la
insulina, o padecen de hecho síndrome de resistencia a la
insulina.
insulina.
Los anteriores y otros objetos y aspectos de la
invención se explican en mayor detalle en la presente memoria
descriptiva.
La Figura 1 es un espectro de RMN de plasma
sanguíneo, con las dos regiones que contienen señales que provienen
de los protones de glucosa en sangre indicado.
La Figura 2 es un espectro de RMN parcial de
plasma sanguíneo que resalta particularmente las dos regiones que
contienen señales producidas por los protones de glucosa en
sangre.
Las Figuras 3A-3B constituyen
conjuntamente un organigrama de un programa informático para
determinar la concentración de glucosa en una muestra de suero
sanguíneo o plasma sanguíneo según la presente invención.
La Figura 4 es un organigrama de un procedimiento
para realizar el procedimiento de la presente invención.
La presente invención se describirá a
continuación en más detalle con referencia a los dibujos anexos, en
los que se muestran formas de realización preferidas de la
invención. Esta invención puede, sin embargo, expresarse en muchas
formas diferentes y no debe entenderse como limitada a las formas de
realización expuestas en la presente memoria descriptiva; en su
lugar, estas formas de realización se proporcionan de manera que la
descripción sea más minuciosa y completa, y expresarán plenamente
el ámbito de la invención para los expertos en la materia.
La presente invención es adecuada para usos
médicos y veterinarios. Los sujetos adecuados incluyen, pero no se
limitan a, sujetos de mamíferos y aves; preferentemente, sujetos de
mamíferos; más preferentemente seres humanos, monos, cerdos, vacas,
perros, caballos, gatos, ovejas, ratones, ratas, cobayas, conejos y
cabras, y son con la máxima preferencia sujetos humanos.
Según se usa en la presente memoria descriptiva,
el término "diabetes tipo 2", también referido indistintamente
como "diabetes mellitus no insulinodependiente (DMNID)", se
refiere al trastorno caracterizado por resistencia celular a
insulina y/o secreción de menos insulina de lo necesario para
mantener los niveles de glucosa en sangre en equilibrio. En cambio,
diabetes tipo 2 se refiere a un trastorno caracterizado por la
destrucción de insulina que produce células beta en el páncreas por
una reacción autoinmune.
Los procedimientos de la presente invención son
útiles en el diagnóstico de trastornos de resistencia a la
insulina. Resistencia a la insulina significa la incapacidad del
cuerpo de responder normalmente a la insulina. La resistencia a la
insulina es a menudo un precursor de diabetes tipo 2. "Síndrome de
resistencia a la insulina" o "Síndrome X" se refiere a un
conjunto de dolencias médicas relacionadas con la resistencia a la
insulina en las que los altos niveles de azúcar en sangre estimulan
la producción de insulina. Cuando un sujeto es incapaz de procesar
normalmente el exceso de insulina, los niveles de insulina aumentan.
Al final, el sujeto tiene altos niveles de azúcar en sangre
(hiperglucemia) y altos niveles de insulina (hiperinsulemia). En
estas condiciones, la insulina pierde su capacidad de controlar el
metabolismo de las grasas, y el exceso de grasas entra en el
torrente sanguíneo (hiperlipidemia). La hiperlipidemia contribuye a
una alta presión arterial, enfermedad cardíaca y accidente
cerebrovascular. Otros trastornos de resistencia a la insulina
incluyen, pero no se limitan a, dislipidemia (incluyendo
dislipidemia diabética) y diabetes tipo 2 plena, diabetes juvenil y
diabetes gestacional.
Además del diagnóstico a un sujeto que padece
realmente un trastorno de resistencia a la insulina, los
procedimientos de la presente invención también encuentran uso en
la determinación de si un sujeto está en riesgo de desarrollar
diabetes tipo 2 (es decir, está predispuesto a desarrollar diabetes
tipo 2). Un sujeto en riesgo de desarrollar diabetes tipo 2 es
cualquier individuo del que se piensa que tiene un riesgo mayor que
el de la población general de desarrollar diabetes tipo 2.
En un procedimiento de la presente invención, el
paciente o sujeto puede ser sospechoso de estar en riesgo de
desarrollar diabetes tipo 2, o puede ser sospechoso de padecer
realmente un trastorno de resistencia a la insulina.
Alternativamente, el sujeto puede someterse a un análisis selectivo
del perfil de lipoproteínas por razones distintas de la sospecha de
un riesgo de diabetes tipo 2 u otro trastorno de resistencia a la
insulina (como análisis selectivo de enfermedad cardíaca coronaria).
La muestra de sangre puede ser una muestra de plasma sanguíneo o
una muestra de suero sanguíneo. La muestra de sangre se analiza por
análisis espectral de RMN, según se define en la presente memoria
descriptiva.
Preferentemente, los procedimientos de la
presente invención pueden incluirse rutinariamente en un protocolo
estándar general de análisis de perfil de lipoproteínas para
cualquier individuo sometido a un perfil de lipoproteínas. De
hecho, los procedimientos de la presente invención pueden funcionar
automáticamente de forma cómoda y rápida en todas las pruebas de
perfil de lipoproteínas y, con ello, proporcionan de forma rentable
económicamente información de riesgos, incluso cuando un paciente
no tiene síntomas. No se requieren muestras de sangre adicionales
más allá de la muestra estándar de colesterol y no es preciso
exponer al individuo a las pruebas de glucosa extendidas,
relativamente largas en el tiempo. Dicha prueba rápida y rutinaria
puede permitir potencialmente números aumentados de pacientes en
riesgo ahora fácilmente identificables para que se sometan a
farmacoterapia o cambios en el estilo de vida para prevenir el
inicio de trastornos de resistencia a la insulina.
Ejemplos de valores constituyentes de
lipoproteínas que pueden medirse en la práctica de la presente
invención incluyen, pero no se limitan a, la concentración de los
constituyentes de lipoproteínas y subclases en la muestra de
sangre, y el tamaño medio de partículas de la subclase de
lipoproteínas. El término "constituyente de lipoproteínas",
"clase de lipoproteínas" y "clase de lipoproteínas
principal" se usan indistintamente en la presente memoria
descriptiva. Pueden medirse valores de cualquier constituyente de
lipoproteínas conocido (VLDL, HDL, LDL, y quilomicrones) y de
subclases de constituyentes seleccionados. Las subclases de
lipoproteínas que pueden medirse son subclases de quilomicrones,
las seis subclases de lipoproteínas de muy de baja densidad (VLDL),
que son V1, V2, V3, V4, V5 y V6; IDL; las tres subclases de
lipoproteínas de baja densidad (LDL), que son L1, L2 y L3; y las
cinco subclases de colesterol de alta densidad (HDL), que son H1,
H2, H3, H4 y H5. En el sistema de numeración usado para identificar
las subclases de lipoproteínas separadas, los números más bajos
indican un tamaño menor de las partículas. En la práctica de la
presente invención se medirá el valor de una pluralidad de las
subclases de lipoproteínas. Preferentemente, los procedimientos de
la presente invención emplean la medida de al menos un valor de al
menos tres de las subclases de lipoproteínas.
Según se usa en la presente memoria descriptiva,
el término "análisis espectral de RMN" implica el uso de
técnicas de espectroscopia de resonancia magnética nuclear protónica
(^{1}H) para medir la clase y subclases de lipoproteínas
presentes en plasma sanguíneo o suero sanguíneo, o para medir la
concentración o "nivel" de glucosa presente en plasma
sanguíneo o suero sanguíneo según se describe en la presente memoria
descriptiva. "Medir" una clase o subclase de lipoproteínas se
refiere a determinar un parámetro de la clase o subclase de
lipoproteínas, como la concentración de la clase o subclase de
lipoproteínas o el tamaño medio de las partículas de la misma. Más
específicamente, el procedimiento incluye la adquisición de datos de
RMN protónica a partir de una muestra de plasma sanguíneo o suero,
procesando los datos de RMN adquiridos para producir un espectro de
desplazamiento químico, y desconvolucionar el espectro en términos
de los espectros de referencia de subclases de las clases de
lipoproteínas principales para dar la concentración de cada uno de
los constituyentes de lipoproteínas y la distribución de subclases
de los constituyentes. El procedimiento incluye también la
adquisición de datos de RMN protónica a partir de una muestra de
plasma sanguíneo o suero, procesando los datos de RMN adquiridos
para producir un espectro de desplazamiento químico, y
desconvolucionar el espectro en términos del espectro de referencia
de glucosa para dar la concentración de glucosa en la muestra de
suero sanguíneo o plasma sanguíneo.
En una forma de realización preferida, se
determinan las concentraciones de las clases y/o subclases de
lipoproteínas mediante la adquisición de espectros de referencia de
clases y/o subclases individuales de lipoproteínas. A continuación
se guardan los espectros de referencia, por ejemplo en un programa
informático, para proporcionar una base de referencia para evaluar
muestras de sangre o muestras de suero adicionales. Los espectros
obtenidos por espectroscopia de RMN asociados con las clases y
subclases individuales de lipoproteínas son sustancialmente
invariantes en toda la población. De este modo, los espectros de
referencia de RMN (formas lineales y amplitudes) de constituyentes
de lipoproteínas individuales pueden usarse como "clave" para
"desconvolucionar" la señal compuesta asociada al plasma
sanguíneo (o suero sanguíneo) completo del individuo. De este modo,
puede usarse un solo conjunto de referencia como base para
determinar el perfil de lipoproteínas de otras muestras de sangre
(cuando se toman a una temperatura y campo magnético sustancialmente
constantes).
Dicho de modo más particular, una forma de
realización de la presente invención asigna un coeficiente escalable
a los estándares de constituyentes de referencia individuales y
toma las sumas de los parámetros de los constituyentes individuales
escalables (ponderados). Se genera un análisis de espectroscopia por
RMN para un espécimen deseado de suero o plasma sanguíneo (tomado
para los mismos valores de intensidad de campo magnético y
temperaturas usados para los espectros de referencia) para
proporcionar una señal de espectros de plasma sanguíneo compuesta
real (medida). El procedimiento preferido de la presente invención
manipula a continuación los espectros de referencia escalables
hasta que la suma de los coeficientes escalables "se ajuste"
sustancialmente al valor de la señal compuesta. A continuación se
usa el valor del coeficiente escalable para determinar los valores
reales de concentración para los constituyentes de lipoproteínas en
la muestra de plasma sanguíneo del individuo.
Ventajosamente, el análisis espectroscopia por
RMN preferido puede extraer (con relativa rapidez) del espectro de
RMN ^{1}H las concentraciones de las tres clases principales de
lipoproteínas (VLDL, LDL y HDL) de una muestra de plasma, así como
una multiplicidad de información de subclases. Según se ha descrito
anteriormente, el procedimiento de espectroscopia por RMN
identifica y usa preferentemente cuatro constituyentes individuales
(VLDL, LDL, HDL y proteínas) de una muestra de sangre de referencia
para desconvolucionar las formas lineales asociadas con los lípidos
del plasma sanguíneo completo. De hecho, como se observa en la
patente de EE.UU. nº 4.933.844 a Otvos, la forma lineal
sustancialmente invariante de los espectros de RMN de los
constituyentes de lipoproteínas individuales en la población pueden
usarse como "clave" para manipular la señal compuesta con un
análisis matemático derivado. Se describen más detalles del análisis
espectral de RMN preferido en las patentes de EE.UU. nº 4.933.844 y
5.343.389, ambas a Otvos.
Además de determinar parámetros de las clases de
lipoproteínas LDL, HDL y VLDL, y las subclases de las mismas en
sangre, el análisis espectral de RMN de la presente invención puede
usarse también para medir los parámetros de otros constituyentes
sanguíneos como la concentración de triglicéridos, proteínas y
quilomicrones en la muestra de sangre.
En una forma de realización de la invención
adicional, la concentración de glucosa en una muestra de sangre de
la presente invención se determina usando las técnicas de RMN
^{1}H descritas en la presente memoria descriptiva. En una forma
de realización preferida de la invención, la concentración de
glucosa en una muestra de sangre de la invención se mide usando
análisis espectral de RMN concurrentemente con la medida basada en
RMN de valores de lipoproteínas en la misma muestra de sangre. Según
se usa en la presente memoria descriptiva, la palabra
"concurrentemente" significa suficientemente cerca en el tiempo
para ser capaz de ejecutarse durante una "tanda" o suceso de
medida de RMN (es decir, "concurrentemente" puede ser
simultáneamente, o puede ser que en un período de tiempo breve
pueden producirse dos o más sucesos antes de o después de uno de
otro, o puede ser una evaluación de RMN realizada en la misma
muestra, o muestras tomadas del paciente en una sola sesión de
extracción de sangre, o muestras tomadas de una única venopunción
una vez establecida la patencia).
Los pacientes con niveles de glucosa basal
moderadamente elevados tienen un riesgo aumentado de desarrollar
diabetes tipo 2, en particular si están presentes otros indicios de
dislipidemia diabética. En consecuencia, el presente procedimiento
permite la determinación de la concentración de glucosa en una
muestra de plasma sanguíneo mediante análisis espectral por RMN
^{1}H. Esto se realiza comparando el espectro de RMN ^{1}H de
la muestra con el espectro de una muestra con una concentración de
glucosa conocida. Comparando la diferencia de intensidades de los
espectros de la muestra, puede calcularse la concentración de
glucosa en el espectro.
La Figura 1 muestra el espectro de RMN protónica
de plasma sanguíneo, con las dos regiones (región 1 y región 2)
conteniendo las señales producidas por glucosa indicadas. La Figura
2 muestra una ampliación de la región del espectro de plasma
sanguíneo en la que se observan las señales de glucosa, estando las
dos regiones indicadas específicamente como región 1 y región 2.
Los máximos en la región 1 del intervalo de
3,64-3,90 ppm pueden usarse para análisis de
glucosa según la presente invención. Alternativamente, los máximos
en la región 2 en el intervalo de 3,29-3,54 ppm
pueden usarse para el análisis de glucosa de la presente invención.
Además, la combinación de los máximos en la región 1 y la región 2
puede usarse para la determinación cuantitativa de glucosa según la
presente invención. Los puntos de datos en el espectro de referencia
o estándar y los espectros de glucosa del paciente se alinean
usando un procedimiento de ajuste de forma lineal según se describe
en la presente memoria descriptiva para encontrar el "mejor
ajuste", y se cambia de escala la intensidad del espectro
estándar para hacerlo corresponder con el espectro de muestra. La
concentración de glucosa del estándar se multiplica por el factor
de escala usado para hacer corresponder la forma lineal de la
muestra para dar la concentración de glucosa de la muestra de
sangre.
Dicho de forma diferente, en este procedimiento
de medida de glucosa, se adquiere un espectro de datos de
referencia de RMN correspondiente a glucosa en una muestra o
espécimen de plasma sanguíneo o suero de referencia y se guarda en
memoria informática. Se asigna un coeficiente de referencia a una
señal de glucosa o grupo de señales de glucosa ("forma lineal de
referencia de glucosa") en el espectro de referencia, cuyo valor
se basa en la concentración de glucosa de ese espécimen de
referencia determinada por una medida química independiente de
glucosa. Se adquiere un espectro de RMN de un espécimen de suero o
plasma sanguíneo de un paciente un tiempo después en condiciones de
medida (sustancialmente) idénticas a las usadas para obtener el
espectro de referencia de glucosa y se guarda en memoria
informática. Es decir, por ejemplo, los espectros de datos de RMN se
obtienen con la misma intensidad de campo magnético y temperatura
del espécimen. La forma lineal de referencia de glucosa se compara
con la misma señal de glucosa o grupo de señales en el espectro del
paciente ("forma lineal de glucosa del paciente"). A
continuación se realiza un cálculo que determina el factor de escala
necesario para ajustar la amplitud de la forma lineal de referencia
de glucosa para dar la mejor correspondencia con la forma lineal de
glucosa del paciente. Este factor de escala se multiplica por el
coeficiente de referencia para dar la concentración de glucosa en
el espécimen de suero o plasma sanguíneo del paciente.
La matemática usada en el procedimiento de ajuste
de la forma lineal (es decir, ajuste por mínimos cuadrados de una
función desconocida en términos de una suma ponderada de funciones
conocidas) son bien conocidas y se describen en muchos libros de
texto de análisis numérico, como F.B. Hildebrand, Introduction to
Numerical Analysis, 2ª edición, pág. 314-326,
539-567, McGraw-Hill, 1975. En las
Figuras 3A y 3B se expone un organigrama que ilustra un programa
informático usado para calcular la concentración de glucosa en una
muestra de suero sanguíneo o plasma sanguíneo de un paciente. En el
organigrama de las Figuras 3A y 3B, los términos se definen del
modo siguiente.
Sglu significa la concentración de glucosa en el
estándar de referencia. Cglu es la concentración de glucosa en la
muestra del paciente. J significa punto de datos en el espectro del
paciente para iniciar la búsqueda del mejor ajuste por mínimos
cuadrados (aumenta cuando aumenta ICNT). NDS significa el número de
puntos de datos que hay que atravesar secuencialmente en búsqueda
del mejor ajuste por mínimos cuadrados. ICNT corresponde al
contador de búsqueda secuencial, que empieza en 1 y termina en
NDS.
A(1), A(2), A(3)....
A(NDAT) indica la matriz que contiene los puntos de datos
NDAT a partir del espectro de RMN de la muestra de sangre del
paciente.
ND indica el número de puntos de datos en el
espectro de RMN de glucosa estándar de referencia.
G(1), G(2), G(3)....
A(ND) indica la matriz que contiene puntos de datos del
espectro de RMN de glucosa estándar.
E(1), E(2), E(3)....
A(ND) indica la matriz que contiene puntos de datos del
espectro de RMN de la muestra de sangre del paciente en una región
espectral de RMN seleccionada que contiene resonancias de glucosa
(es decir, de la misma región que el estándar).
El término CHIJ representa la varianza de mínimos
cuadrados para el mejor ajuste con la región de muestra que empieza
en el punto de datos J-ésimo.
El término CJ representa el coeficiente calculado
que se multiplica por los puntos de datos de la matriz de glucosa
estándar G( ) para dar el mejor ajuste con la región de muestra del
paciente que empieza con el punto de datos J-ésimo.
El término CHIMIN representa la menor varianza de
mínimos cuadrados encontrada en la búsqueda espectral (inicializados
como un número positivo grande para ser sustituidos por el primer
ajuste en la secuencia de búsqueda).
El término CMIN representa el coeficiente
calculado que se multiplica por los puntos de datos en la matriz de
glucosa estándar G( ) para dar el mejor ajuste en la región
espectral del paciente que empieza en el punto de datos para el que
se determina CHIMIN.
Como se observa en los organigramas de las
Figuras 3A y 3B, la primera etapa se ajusta para configurar un
contador de 1 a NDS (el número de puntos de datos que hay que
atravesar para encontrar el mejor ajuste por mínimos cuadrados). La
variable ICNT guarda el contador en bucle. La variable J es el punto
de datos real para iniciar el ajuste. J se incrementa con ICNT.
Se compara el contador con NDS para ver si la
rutina debe continuar. Si debe continuar, se lee la región de
glucosa del espectro del analito en la variable de matriz E.
Se calcula la constante de escala CJ para esta
alineación según las ecuaciones que se exponen a continuación. Se
calcula CHIJ para esta constante de escala. Se compara CHIJ con
CHIMIN, el valor c mínimo calculado hasta ahora. Si CHIJ es menor
que CHIMIN, entonces se ajusta CHIMIN a CHIT y se conserva la
constante de escala para el menor valor de chi en CMIN.
Se incrementan en uno el punto de datos de
partida J y el contador ICNT y se repite el bucle. Cuando la prueba
ICNT > NDS es verdadera, se calcula la concentración de glucosa
en el analito, Cglu, multiplicando el factor de escala CMIN de la
mejor alineación por la concentración de glucosa conocida en el
espectro estándar, Sglu.
En el cálculo de la concentración de glucosa, las
variables se proporcionan del modo siguiente.
E_{i} es la intensidad del espectro
experimental en el punto de datos i-ésimo. G_{i} es la intensidad
del espectro estándar de glucosa en el punto de datos i-ésimo. El
término "c" es el factor que relaciona la intensidad del
espectro estándar con la intensidad del espectro experimental.
Se define \chi del modo siguiente:
\chi=\sum\limits_{i}(E_{i}-cG_{i})^{2}
y se amplía el polinomio
a:
\chi=\sum\limits_{i}(E_{i}^{2}-2cE_{i}G_{i}+c^{2}G_{i}^{2})
\chi=\sum\limits_{i}E_{i}^{2}-2c\sum\limits_{i}E_{i}G_{i}+c^{2}\sum\limits_{i}G_{i}^{2}
\vskip1.000000\baselineskip
Se realiza un ajuste por mínimos cuadrados:
\frac{\partial\chi}{\partial
c}=0
\frac{\sum\limits_{i}E_{i}^{2}}{\partial
c}-(2\sum\limits_{i}E_{i}G_{i})\frac{\partial c}{\partial
c}+(\sum\limits_{i}G_{i}^{2})\frac{\partial c^{2}}{\partial
c}=0
\hskip5cm\downarrow
\hskip2.35cm\downarrow
\hskip5cm\frac{\sum\limits_{i}E_{i}^{2}}{\partial c}=0
\hskip1cm\frac{\partial c}{\partial c}=1
\vskip1.000000\baselineskip
\hskip5cm-2\sum\limits_{i}E_{i}G_{i}+(\sum\limits_{i}G_{i}^{2})2c=0
\vskip1.000000\baselineskip
\hskip5cm\sum\limits_{i} E_{i}G_{i}=c\sum\limits_{i}G_{i}^{2}
\vskip1.000000\baselineskip
\hskip5cmc=\frac{\sum\limits_{i}E_{i}G_{i}}{\sum\limits_{i}G_{i}^{2}}
\vskip1.000000\baselineskip
El programa avanza un punto de datos cada vez
para obtener el valor mínimo de chi \rightarrow mejor
alineación
\sigma=\frac{1}{n} \
\chi^{1/2}
siendo n = número de puntos de
datos.
\newpage
En cualquier caso, después de medir los
parámetros de constituyentes de lipoproteínas deseados (como la
concentración de una o más subclases de lipoproteínas) y la
concentración de glucosa en sangre, se compara al menos un valor
medido de RMN, y preferentemente más de un valor medido de RMN, con
uno o más criterios de prueba predeterminados. A partir de esta
comparación puede evaluarse el riesgo del paciente de desarrollar
diabetes
tipo 2.
tipo 2.
Los criterios de prueba predeterminados pueden
basarse en valores adecuados o definiciones de valores normales o
estándar de constituyentes de lipoproteínas, como normas basadas en
la población u otras normas basadas en objetivos. En una forma de
realización preferida, los valores de población se basan en
resultados científicos obtenidos de sujetos en el Framingham
Offspring Study. Ver Wilson y col., Impact of National Guidelines
for Cholesterol Risk Factor Screening. The Framingham Offspring
Study, JAMA, 1989; 262:41-44. Naturalmente, los
valores de subclases o constituyentes de lipoproteínas basados en
RMN definidos actualmente para la evaluación de riesgo pueden
cambiar con el tiempo y pueden añadirse categorías de riesgo
adicionales o alternativas. Además, los intervalos o definiciones
reales asociados con los valores de categorías de riesgo de uno o
más de los paneles de lípidos o categorías de subclase pueden
cambiar con el tiempo y la presente invención no pretende ser
limitativa de los
mismos.
mismos.
En cualquier caso, los criterios de prueba
predeterminados preferidos incluyen pequeño tamaño de LDL (Patrón
B), que es un signo característico del "fenotipo de lipoproteínas
diabéticas" y confiere aproximadamente un riesgo dos veces
superior en comparación con el rasgo de LDL grandes (Patrón A).
Existen evidencias que sugieren que las partículas LDL pequeñas
pueden ser intrínsecamente más diabetogénicas que las LDL grandes.
Los niveles bajos de HDL grandes (por ejemplo, < 29 mg/dl, un
valor correspondiente al percentil 50 de la población) puede ser un
factor de riesgo positivo, ya que sólo las partículas de subclase de
HDL grandes parecen proteger contra la diabetes, mientras que las
HDL pequeñas pueden ser incluso diabetogénicas. Por tanto, las HDL
grandes, más que el colesterol HDL total, pueden ser un factor de
riesgo más sensible. Ver Freedman y col., Arterioscler. Thromb.
Vasc. Biol. 1998; 18:1046-53. Análogamente, los
niveles elevados de partículas VLDL ricas en triglicéridos grandes
(por ejemplo, > 26 mg/dl, un valor correspondiente al percentil
75 de la población) parecen asociarse a un riesgo aumentado de
diabetes sustancialmente independiente de triglicéridos en plasma.
Las concentraciones altas de VLDL grandes en plasma basal pueden
ser un marcador de depuración retardada de quilomicrones (lipemia
posprandial).
Si en el análisis de un paciente están presentes
dos de los tres factores de riesgo presentados anteriormente (es
decir, patrón de LDL pequeñas, bajo nivel de LDL grandes y nivel
elevado de VLDL grandes), puede considerarse que el paciente tiene
dislipidemia diabética, una predisposición metabólica definida como
la agrupación de las anomalías de subclases de lipoproteínas
expuesta anteriormente. Se considera que dichos pacientes están en
un riesgo aumentado de desarrollar diabetes tipo 2.
En cuanto a los niveles de glucosa medidos por
RMN, el nivel de glucosa medido es preferentemente un nivel basal
de glucosa en sangre, y se expresa generalmente en unidades de
mg/dl. Un nivel basal de glucosa deseable es un valor de menos de
90 mg/dl aproximadamente; un nivel moderadamente elevado de glucosa
en sangre está en el intervalo de 90 a 125 mg/dl aproximadamente;
un nivel elevado (es decir, diabético o hiperglucémico) es un nivel
de glucosa superior a 125 mg/dl aproximadamente. Los pacientes
incluso con niveles basales de glucosa moderadamente elevados están
en riesgo aumentado de desarrollar diabetes tipo 2, en particular
cuando tienen también dislipidemia diabética según se define
anteriormente.
Según se proporciona anteriormente, en una forma
de realización de la invención, un valor para una pluralidad de
constituyentes de subclases de lipoproteínas se determina para una
muestra de sangre con el fin de evaluar el riesgo de desarrollar
diabetes del sujeto. Los valores medidos de cada constituyente de
subclases de lipoproteínas pueden compilarse en un perfil de
valores de constituyentes de subclases de lipoproteínas para esa
muestra. Así, el perfil puede, por ejemplo, ilustrar una
distribución de concentraciones de subclases de lipoproteínas para
esa muestra. Además, la concentración basal de glucosa presente en
la muestra de sangre, según se determina por los procedimientos
descritos en la presente memoria descriptiva, puede incluirse
también en el perfil. El perfil de valores medidos por RMN puede
expresarse gráficamente en un informe para facilitar la comparación
visual de una distribución de valores medidos con una distribución
de criterios de prueba estándar. Se muestra un ejemplo de dicho
informe en la Tabla 1. La Tabla 2 ilustra un informe adicional que
puede generarse durante el rendimiento del análisis de
lipoproteínas basado en RMN. El informe expuesto en la Tabla 2 puede
generarse opcionalmente o prepararse durante la preparación de un
informe según se muestra en la Tabla 1.
Puede adquirirse y factorizarse también otra
información genética y de estilo de vida en el análisis de
evaluación de riesgo. Por ejemplo, pueden asignarse valores de
riesgo al peso, edad e historia familiar de diabetes que pueden
factorizarse (por separado o juntos) en el análisis basado en
lipoproteínas en sangre. Un sujeto puede tener una valoración
límite de riesgo en la prueba de sangre, pero puede identificarse
como "en riesgo" (es decir, de desarrollar diabetes tipo 2)
por los valores aumentados de riesgo atribuidos a una o más de estas
informaciones familiares, genéticas o de estilo de vida. Esta
información puede identificar así al sujeto para una acción
correctora (farmacoterapia, ejercicio, pérdida de peso o cambios en
la dieta) y/o situar al sujeto en un plan de monitorización en
intervalos regulares. Alternativamente, un sujeto con una valoración
límite de riesgo en la prueba de sangre puede identificarse como no
en riesgo de desarrollar diabetes tipo 2 (u otro trastorno de
resistencia a la insulina) si no hay valores aumentados de riesgo
atribuidos a información genética o de estilo de vida.
Los expertos en la materia comprenderán que los
procedimientos descritos en la presente memoria descriptiva son
útiles para evaluar la eficacia de un programa de tratamiento para
diabetes tipo 2 u otro trastorno de resistencia a la insulina. En
dicho procedimiento, el sujeto puede someterse a tratamiento de
diabetes tipo 2 o resistencia a la insulina. Alternativamente, el
sujeto puede ser un individuo que todavía no ha iniciado dicho
tratamiento, pero que se someterá al tratamiento en el futuro. Se
obtiene un perfil de base de una pluralidad de constituyentes de
subclases de lipoproteínas analizando una muestra de sangre o suero
del paciente mediante análisis espectral de RMN según se describe
en la presente memoria descriptiva. Después de que haya avanzado el
tratamiento, se obtiene un segundo perfil de los parámetros de
subclases de lipoproteínas que se midieron en el perfil de base
mediante análisis espectral de RMN, según se describe en la presente
memoria descriptiva. Se compara el segundo perfil con el perfil de
base. Una diferencia significativa entre el segundo perfil y el
perfil de base (según se indica por una diferencia significativa
entre uno o más parámetros medidos) proporciona una indicación de
la eficacia del tratamiento.
La Figura 4 ilustra un organigrama de
procedimientos, dispositivos (sistemas) y productos de programas
informáticos según la invención. Se entenderá que cada bloque de la
ilustración del organigrama, y las combinaciones de bloques de las
ilustraciones del organigrama, pueden implementarse mediante
instrucciones del programa informático. Estas instrucciones del
programa informático pueden cargarse en un ordenador u otro
dispositivo programable de procesamiento de datos para producir una
máquina, de manera que las instrucciones que ejecuta en el ordenador
u otro dispositivo programable de procesamiento de datos crean
medios para implementar las funciones especificadas en el bloque o
bloques del organigrama. Estas instrucciones de programa informático
pueden almacenarse también en una memoria legible porque puede
dirigir un ordenador u otro dispositivo programable de procesamiento
de datos para que funcione de una manera determinada, de forma que
las instrucciones almacenadas en la memoria legible por ordenador
produzcan un artículo de fabricación que incluya medios que
implementen la función especificada en el bloque o bloques del
organigrama. Las instrucciones de programa informático pueden
cargarse también en un ordenador u otro dispositivo programable de
procesamiento de datos para provocar una serie de etapas operativas
que se llevarán a cabo en el ordenador u otro dispositivo
programable para producir un procedimiento implementado por
ordenador tal que las instrucciones que se ejecutan en el ordenador
u otro dispositivo programable proporcionan etapas para implementar
las funciones especificadas en el bloque o bloques del
organigrama.
En consecuencia, los bloques de las ilustraciones
del organigrama dan soporte a las combinaciones de medios para
realizar las funciones especificadas y elementos de instrucciones de
programas para realizar las funciones especificadas. Se comprenderá
también que cada bloque de las ilustraciones del organigrama, y las
combinaciones de bloques de las ilustraciones del organigrama,
pueden implementarse mediante sistemas informáticos de tipo
hardware de fines específicos que realizarán las funciones o etapas
especificadas, o combinaciones de hardware de fines específicos e
instrucciones informáticas.
Según se muestra en la Figura 4, se analiza una
muestra de plasma sanguíneo o suero sanguíneo (Bloque 600) usando
análisis espectral de RMN. Se obtienen valores de lipoproteína
derivados de RMN (Bloque 610) usando las técnicas de RMN descritas
en la presente memoria descriptiva. Se realiza el análisis espectral
de RMN en una muestra de plasma sanguíneo y los valores medidos de
lipoproteínas incluyen valores de subclases seleccionados. Se
compara el valor de lipoproteínas derivado de RMN con criterios de
prueba predeterminados (Bloque 620) para determinar si el valor se
asocia con un riesgo aumentado de desarrollar diabetes tipo 2
(Bloque 630). Preferentemente, los criterios de prueba empleados
para los resultados de lipoproteínas (incluyendo los valores de
subclases de lipoproteínas) corresponden a un nivel de riesgo
definido (bajo a alto) de desarrollar diabetes tipo 2.
Preferentemente, los criterios de prueba predeterminados se basan en
"normas" objeto científicas o en normas basadas en la
población asociadas con riesgos mayores o menores de diabetes tipo
2. Estos valores pueden cambiar con el tiempo o pueden
identificarse alternativamente para pacientes con factores de riesgo
secundarios aumentados.
También puede usarse, de forma opcional y
preferente, la muestra de plasma sanguíneo o suero sanguíneo del
Bloque 600 para obtener un valor de glucosa derivado de RMN (es
decir, concentración de glucosa en la muestra) (Bloque 640). Una
vez obtenido, el valor de glucosa derivado de RMN se compara con
criterios de prueba predeterminados (Bloque 650) para determinar si
el valor se asocia con un riesgo aumentado de desarrollar diabetes
tipo 2 (Bloque 660). El valor de glucosa derivado de RMN puede
obtenerse concurrentemente con el valor de lipoproteínas derivado
de RMN (es decir, el análisis espectral de RMN para determinar tanto
el valor de glucosa como los valores de lipoproteínas puede
realizarse en la misma muestra de suero sanguíneo o plasma sanguíneo
al mismo tiempo o dentro de un período de tiempo corto entre
ambos).
Después de determinar si los valores de glucosa
derivados de RMN y de constituyentes de lipoproteínas derivados de
RMN son indicativos de un riesgo aumentado de diabetes tipo 2, puede
generarse un informe que presenta los resultados del análisis de
los valores de glucosa derivados de RMN y de constituyentes de
lipoproteínas derivados de RMN (Bloque 670). Este informe puede
contener, por ejemplo, los valores medidos de RMN en sí, la
evaluación de riesgo en sí o cualquier otra presentación de
información determinada u obtenida durante la evaluación de riesgo
de la diabetes tipo 2.
En los dibujos y memoria descriptiva, se han
desvelado formas de realización típicas preferidas de la invención
y, aunque se emplean términos específicos, se usan solamente en un
sentido genérico y descriptivo y no con fines limitativos,
exponiéndose el alcance de la invención en las siguientes
reivindicaciones.
Claims (22)
1. Un procedimiento para evaluar el riesgo de un
paciente de tener o desarrollar diabetes tipo 2 o resistencia a la
insulina basándose en información basada en lipoproteínas derivada
de RMN, que comprende las etapas de:
obtención de al menos una señal espectrográfica
de RMN protónica de la muestra de suero o plasma sanguíneo de un
paciente para realizar un análisis espectral de RMN del mismo;
deducción de un valor medido de lipoproteínas
basado en RMN para una pluralidad de constituyentes de subclases de
lipoproteínas basándose en dicha etapa de obtención;
comparación de los valores medidos de
constituyentes de subclases de lipoproteínas basados en RMN con
criterios de prueba predeterminados, en la que los criterios de
prueba predeterminados definen un valor o intervalo de valores de
constituyentes de subclases de lipoproteínas, para alguno o todos de
la pluralidad de constituyentes seleccionados de subclases de
lipoproteínas de interés, teniendo un factor de riesgo desfavorable
o positivo asociado con los mismos para determinar la presencia de
dislipidemia diabética; y
evaluación del riesgo de un paciente de tener o
desarrollar al menos uno entre diabetes tipo 2 y resistencia a la
insulina basándose en la determinación de dislipidemia diabética de
dicha etapa de comparación.
2. Un procedimiento según la reivindicación 1,
que comprende además:
generación concurrente de un valor de medida de
glucosa basado en RMN para la muestra de suero o plasma sanguíneo
del paciente;
comparación del valor de medida de glucosa basado
en RMN con criterios de prueba predeterminados; y
determinación del riesgo del paciente de tener o
desarrollar diabetes tipo 2 basándose en la detección de niveles
elevados de glucosa.
3. Un procedimiento según la reivindicación 2 en
el que la región de 3,29 a 3,54 ppm o de 3,64 a 3,90 ppm de los
datos de RMN protónica para glucosa se usa para análisis de
glucosa.
4. Un procedimiento según cualquiera de las
reivindicaciones 1 a 3, en el que los criterios de prueba
predeterminados de dicha etapa de comparación incluyen valores
asociados con factores de riesgo positivos para cualquier
concentración de subclase LDL, tamaño de partículas de subclase
LDL, concentración de partículas de subclase LDL, concentración de
LDL pequeñas, concentración de HDL grandes y concentración de VLDL
grandes, quilomicrones, cualquiera de las seis subclases de VLDL,
IDL, cualquiera de las tres subclases de LDL y cualquiera de las
cinco subclases de HDL.
5. Un procedimiento según cualquiera de las
reivindicaciones precedentes, en el que los criterios de prueba
predeterminados desfavorables de LDL identifican a la subclase de
LDL pequeñas como elevada.
6. Un procedimiento según cualquiera de las
reivindicaciones precedentes, en el que los criterios de prueba
predeterminados desfavorables de concentración de HDL grandes
identifican un bajo nivel de HDL grandes.
7. Un procedimiento según cualquiera de las
reivindicaciones precedentes en el que los criterios de prueba
predeterminados desfavorables de concentración de VLDL grandes
identifican un nivel elevado de VLDL grandes.
8. Un procedimiento según cualquiera de las
reivindicaciones 2 a 7 precedentes, en el que el paciente se
identifica como en riesgo de tener o desarrollar resistencia a la
insulina o diabetes tipo 2 cuando (a) el valor de medida de glucosa
basado en RMN es un nivel elevado de glucosa en sangre; y (b) se
determina la presencia concurrente de dislipidemia diabética
basándose en la identificación positiva de que al menos dos de los
valores de subclases de constituyentes basados en lipoproteínas son
desfavorables según los criterios de prueba predeterminados.
9. Un procedimiento para evaluar la eficacia de
tratamiento de un sujeto sometido a tratamiento de diabetes tipo 2
basado en información personalizada de lipoproteína medida por RMN,
que comprende:
obtención de un perfil de base que incluye
valores medidos para una pluralidad de constituyentes de subclases
de lipoproteínas en una muestra de sangre, plasma o suero de un
paciente, en el que el perfil de base procede de un análisis
espectral de RMN protónica de la muestra de suero o plasma sanguíneo
del paciente que mide valores de constituyentes de subclases de
lipoproteínas de concentración y/o tamaño;
obtención de un segundo perfil de valores medidos
por RMN protónica de constituyentes de subclases de lipoproteínas
para la muestra de suero o plasma sanguíneo de un paciente después
de que el sujeto se haya sometido a tratamiento de diabetes tipo 2;
y
comparación del segundo perfil con la base, en el
que una diferencia entre el segundo perfil y el perfil de base del
sujeto proporciona una indicación de la eficacia del tratamiento de
diabetes tipo 2 del sujeto,
10. El procedimiento según la reivindicación 9,
en el que se lleva a cabo un análisis espectral de RMN protónica
del perfil de base y del segundo perfil para proporcionar un valor
de medida de glucosa para la muestra de suero o plasma sanguíneo
del paciente, en el que la medida de glucosa se obtiene
concurrentemente con los valores medidos por RMN protónica de
constituyentes de subclases de lipoproteínas del sujeto.
11. Un procedimiento según cualquiera de las
reivindicaciones precedentes 2 a 8 ó 10, que comprende además la
medida de la concentración de glucosa por:
adquisición de un espectro de datos de referencia
de RMN protónica en una región de interés correspondiente a glucosa
en un espécimen de referencia de suero o plasma sanguíneo;
determinación de una forma lineal de glucosa de
referencia en el espectro de referencia basándose en al menos una
señal del espectro de referencia;
asignación de un coeficiente de referencia a la
forma lineal de referencia de glucosa en el espectro de
referencia;
adquisición de un espectro de RMN protónica de un
espécimen de suero o plasma sanguíneo del paciente correspondiente
a la región de interés en el espécimen de referencia;
identificación de una forma lineal de glucosa del
paciente para el espécimen del paciente en el espectro de RMN del
paciente basándose en la misma señal usada para determinar la forma
lineal de glucosa de referencia en el espectro de referencia;
comparación de la forma lineal de referencia de
glucosa con la forma lineal de glucosa del paciente;
ajuste de la amplitud de la forma lineal de
referencia de glucosa con la forma lineal de glucosa del
paciente;
cálculo de un factor de escala basado en dicha
etapa de ajuste; y
determinación de la concentración de glucosa en
el espécimen de suero o plasma sanguíneo del paciente en función
del valor del factor de escala y el coeficiente de referencia.
12. Un procedimiento según la reivindicación 11,
en el que el valor del coeficiente de referencia se basa en una
medida química independiente de concentración de glucosa del
espécimen de referencia.
13. Un procedimiento según la reivindicación 11 o
la reivindicación 12, en el que los espectros del paciente y de
referencia de RMN se obtienen a sustancialmente la misma intensidad
de campo magnético y la misma temperatura del espécimen.
14. Un procedimiento según cualquiera de las
reivindicaciones 11 a 13, en el que el espectro de referencia de
plasma sanguíneo se identifica como incluido en una región que se
extiende de 3,64 a 3,90 ppm de un espectro de RMN protónica de
plasma sanguíneo.
15. Un procedimiento según cualquiera de las
reivindicaciones 11 a 13, en el que el espectro de referencia de
plasma sanguíneo se identifica como incluido en una región que se
extiende de 3,29 a 3,54 ppm de un espectro de RMN protónica de
plasma sanguíneo.
16. Un procedimiento según cualquiera de las
reivindicaciones 11 a 13, en el que el espectro de referencia de
plasma sanguíneo se identifica como incluido en dos regiones de
interés de un espectro de RMN protónica de plasma sanguíneo,
extendiéndose una primera región de 3,64 a 3,90 ppm y extendiéndose
una segunda región de 3,29 a
3,54 ppm.
3,54 ppm.
17. Un procedimiento según cualquiera de las
reivindicaciones 1 a 16 que comprende además la etapa de:
evaluación del riesgo del paciente de tener o
desarrollar enfermedad cardíaca coronaria (ECC) basándose en
criterios de prueba predeterminados de ECC usando medidas de
subclases de lipoproteínas derivadas de RMN.
18. Un procedimiento según cualquiera de las
reivindicaciones precedentes 1 a 17 que comprende además la
generación de un informe del paciente para facilitar la comparación
visual de una distribución de valores medidos con una distribución
de criterios de prueba estándar.
19. Un procedimiento según cualquiera de las
reivindicaciones precedentes que comprende además la evaluación del
riesgo de desarrollar diabetes gestacional o juvenil.
\newpage
20. Un producto de programa informático para
determinar si un sujeto está en riesgo de desarrollar diabetes tipo
2, que comprende un soporte de almacenamiento legible por ordenador
que tiene elementos de código de programa legibles por ordenador
integrados en el soporte, comprendiendo los elementos de programa
legibles por ordenador:
elementos de código informático para generar un
espectro de RMN protónica y medir los valores asociados con la
concentración o el tamaño de una pluralidad de constituyentes de
subclases de lipoproteínas para la muestra de suero o plasma
sanguíneo de un paciente;
elementos de código informático para comparar una
pluralidad de valores medidos por RMN de constituyentes de
subclases de lipoproteínas con criterios de prueba predeterminados
definidos como un valor o intervalo de valores desfavorable para
constituyentes seleccionados de subclases de lipoproteínas, en el
que los elementos de código informático identifican al menos un
valor medido desfavorable de constituyentes de subclases de
lipoproteínas para determinar la presencia de dislipidemia
diabética; y
elementos de código informático para evaluar el
riesgo de un paciente de desarrollar diabetes tipo 2 o resistencia
a la insulina basándose en la determinación de dislipidemia
diabética.
21. El producto de programa informático de la
reivindicación 20, que comprende además:
elementos de código informático para generar
concurrentemente un análisis espectral de RMN protónica para
definir el nivel de glucosa para la muestra de suero o plasma
sanguíneo del paciente, en el que los elementos de código
informático comprenden la generación de una forma lineal de glucosa
del paciente, comparando el espectro de glucosa con una forma
lineal de glucosa de referencia que tiene una amplitud asociada,
ajustando la amplitud de la forma lineal de referencia de glucosa
con la forma lineal de glucosa del paciente y determinando la
concentración de glucosa en el espécimen de suero o plasma sanguíneo
del paciente;
elementos de código informático para comparar la
concentración medida de glucosa con criterios de prueba
predeterminados para evaluar si la medida de glucosa es elevada;
y
elementos de código informático para evaluar el
riesgo del paciente de tener o desarrollar diabetes tipo 2 basado,
al menos en parte, en la determinación de un nivel de glucosa
elevado.
22. El producto de programa informático según la
reivindicación 20 ó 21, que comprende además:
elementos de código informático para evaluar el
riesgo del paciente de tener o desarrollar enfermedad cardíaca
coronaria (ECC) basándose en criterios de prueba predeterminados de
ECC usando medidas seleccionadas de subclases de lipoproteínas
derivadas de RMN.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13061299P | 1999-04-22 | 1999-04-22 | |
US130612P | 1999-04-22 |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2256000T3 true ES2256000T3 (es) | 2006-07-16 |
Family
ID=22445506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES00926111T Expired - Lifetime ES2256000T3 (es) | 1999-04-22 | 2000-04-19 | Procedimiento de rmn para determinar el riesgo de desarrollar diabetes tipo 2. |
Country Status (9)
Country | Link |
---|---|
US (1) | US6518069B1 (es) |
EP (1) | EP1171778B1 (es) |
JP (1) | JP4585693B2 (es) |
AT (1) | ATE319105T1 (es) |
AU (1) | AU4469300A (es) |
CA (1) | CA2367820C (es) |
DE (1) | DE60026287T2 (es) |
ES (1) | ES2256000T3 (es) |
WO (1) | WO2000065366A1 (es) |
Families Citing this family (50)
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 |
US7901873B2 (en) | 2001-04-23 | 2011-03-08 | Tcp Innovations Limited | Methods for the diagnosis and treatment of bone disorders |
WO2002086478A2 (en) * | 2001-04-23 | 2002-10-31 | Metabometrix Limited | Methods for analysis of spectral data and their applications |
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 |
US6873914B2 (en) | 2001-11-21 | 2005-03-29 | Icoria, 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 (en) * | 2002-01-16 | 2003-07-23 | Roche Diagnostics GmbH | Method for screening biological samples for presence of the metabolic syndrome |
US20080027769A1 (en) * | 2002-09-09 | 2008-01-31 | Jeff Scott Eder | Knowledge based performance management system |
US7730063B2 (en) * | 2002-12-10 | 2010-06-01 | Asset Trust, Inc. | Personalized medicine service |
US20070011049A1 (en) * | 2005-07-09 | 2007-01-11 | Eder Jeffrey S | Intelligent, personalized commerce chain |
US7426499B2 (en) * | 2004-11-08 | 2008-09-16 | Asset Trust, Inc. | Search ranking system |
WO2004040407A2 (en) * | 2002-10-25 | 2004-05-13 | 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 |
JP5248854B2 (ja) * | 2004-04-01 | 2013-07-31 | リポサイエンス,インコーポレイテッド | 臨床nmr体外診断解析器の作動方法及び臨床nmr体外診断解析器 |
US7422224B2 (en) * | 2004-04-13 | 2008-09-09 | Kimir Seatpost | Adjustable bicycle seat post assembly |
US20060010098A1 (en) | 2004-06-04 | 2006-01-12 | Goodnow Timothy T | 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 |
DK1702559T3 (da) | 2005-03-15 | 2009-01-19 | Hoffmann La Roche | Fremgangmsåde og system til at analysere glucosemetabolisme |
JP5199994B2 (ja) * | 2006-03-24 | 2013-05-15 | メタノミクス ゲーエムベーハー | 糖尿病の予測手段および予測方法 |
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 |
TW200936156A (en) | 2008-01-28 | 2009-09-01 | Novartis Ag | Methods and compositions using Klotho-FGF fusion polypeptides |
US8420088B2 (en) | 2008-01-28 | 2013-04-16 | Novartis Ag | Methods and compositions using FGF23 fusion polypeptides |
US9354200B1 (en) | 2008-08-07 | 2016-05-31 | Quest Diagnostics Investments Incorporated | Detection apparatus for differential-charged particle mobility analyzer |
CA2741034C (en) | 2008-10-20 | 2021-06-22 | Liposcience, Inc. | Lipoprotein insulin resistance indexes and related methods, systems and computer programs for generating same |
DE102009026651A1 (de) | 2009-06-02 | 2011-02-17 | Großmann, Kay, Dr. rer. nat. (Chemie) | Verfahren und Messvorrichtung zur qualitativen und quantitativen Analyse von Körperflüssigkeiten |
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 |
CA2840207C (en) | 2011-06-30 | 2021-06-22 | 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 |
US9928345B2 (en) | 2012-06-08 | 2018-03-27 | Liposciences, Inc. | Multiple-marker risk parameters predictive of conversion to diabetes |
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 |
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 |
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 |
DE102014203721B4 (de) * | 2014-02-28 | 2018-12-27 | Bruker Biospin Gmbh | Verfahren zur Bestimmung der Konzentration einer Substanz in einer Probe |
EP3210028A1 (en) | 2014-10-21 | 2017-08-30 | True Health IP LLC | Lipoprotein particle number from measurements of lipoprotein particle phospholipid concentration in lipoprotein particle membrane bilayer |
EP3210029A1 (en) | 2014-10-21 | 2017-08-30 | True Health IP LLC | Quantitative molar concentration detection of specific apolipoprotein-containing particles present in bodily fluids by using capillary electrophoresis |
US10330690B2 (en) | 2014-10-27 | 2019-06-25 | Helena Laboratories Corporation | Lp(a) subform size identification by capillary isotachophoresis electrophoresis with laser-induced-fluorescence |
CN107810201A (zh) | 2014-12-04 | 2018-03-16 | 诺华股份有限公司 | 使用klotho变体多肽的方法和组合物 |
JP7341987B2 (ja) * | 2017-09-07 | 2023-09-11 | リポサイエンス,インコーポレイテッド | マルチパラメータ代謝脆弱性指数評価 |
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)
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 |
JPH06505089A (ja) | 1989-12-21 | 1994-06-09 | ザ ベス イスラエル ホスピタル アソシエイション | アテローム性動脈硬化症のリスク予知法 |
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 |
WO1995013096A1 (en) * | 1993-11-08 | 1995-05-18 | Peptide Delivery Systems Pty. Ltd. | Labelled diagnostic compositions and methods of their use |
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 |
-
2000
- 2000-04-19 EP EP00926111A patent/EP1171778B1/en not_active Expired - Lifetime
- 2000-04-19 WO PCT/US2000/010463 patent/WO2000065366A1/en active IP Right Grant
- 2000-04-19 AT AT00926111T patent/ATE319105T1/de not_active IP Right Cessation
- 2000-04-19 DE DE60026287T patent/DE60026287T2/de not_active Expired - Lifetime
- 2000-04-19 AU AU44693/00A patent/AU4469300A/en not_active Abandoned
- 2000-04-19 ES ES00926111T patent/ES2256000T3/es not_active Expired - Lifetime
- 2000-04-19 US US09/550,359 patent/US6518069B1/en not_active Expired - Lifetime
- 2000-04-19 JP JP2000614054A patent/JP4585693B2/ja not_active Expired - Fee Related
- 2000-04-19 CA CA002367820A patent/CA2367820C/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP4585693B2 (ja) | 2010-11-24 |
EP1171778A1 (en) | 2002-01-16 |
CA2367820C (en) | 2009-12-22 |
EP1171778B1 (en) | 2006-03-01 |
DE60026287T2 (de) | 2006-08-17 |
AU4469300A (en) | 2000-11-10 |
CA2367820A1 (en) | 2000-11-02 |
WO2000065366A1 (en) | 2000-11-02 |
DE60026287D1 (de) | 2006-04-27 |
ATE319105T1 (de) | 2006-03-15 |
JP2002543392A (ja) | 2002-12-17 |
WO2000065366A8 (en) | 2001-03-29 |
US6518069B1 (en) | 2003-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2256000T3 (es) | Procedimiento de rmn para determinar el riesgo de desarrollar diabetes tipo 2. | |
Kuchnia et al. | Phase angle and impedance ratio: reference cut‐points from the United States National Health and nutrition examination survey 1999–2004 from bioimpedance spectroscopy data | |
Berry et al. | Relationships between tissue microstructure and the diffusion tensor in simulated skeletal muscle | |
Rubbieri et al. | Techniques for the diagnosis of sarcopenia | |
Amirkalali et al. | Evaluation of the mini nutritional assessment in the elderly, Tehran, Iran | |
van den Boomen et al. | Native T1 reference values for nonischemic cardiomyopathies and populations with increased cardiovascular risk: A systematic review and meta‐analysis | |
US6617167B2 (en) | Method of determining presence and concentration of lipoprotein X in blood plasma and serum | |
Golshan et al. | Spirometric reference values in a large Middle Eastern population | |
CN104823055B (zh) | 支链氨基酸的nmr定量 | |
KR20110086074A (ko) | 지질단백질 인슐린 저항성 지표 및 이와 관련된 방법, 시스템 및 이를 생성하기 위한 컴퓨터 프로그램 | |
Fuzari et al. | Diagnostic accuracy of magnetic resonance imaging in post-traumatic brachial plexus injuries: A systematic review | |
Whitaker et al. | Comparison of two generations of ActiGraph accelerometers: the CARDIA study | |
US20190293653A1 (en) | Urine metabolite marker for childhood cancer | |
Wong et al. | Spatial profiling of the corticospinal tract in amyotrophic lateral sclerosis using diffusion tensor imaging | |
Dittmar et al. | Validation of different bioimpedance analyzers for predicting cell mass against whole‐body counting of potassium (40K) as a reference method | |
Ponsoni et al. | Prevalence of sarcopenia in Parkinson's disease: a systematic review and meta-analysis | |
Sardinha et al. | Development and validation of bioelectrical impedance prediction equations estimating regional lean soft tissue mass in middle-aged adults | |
Goykhman et al. | Reproducibility of myocardial perfusion reserve-variations in measurements from post processing using commercially available software | |
WO2016103390A1 (ja) | インスリン分泌能分析装置、当該装置を備えるインスリン分泌能分析システム及びインスリン分泌能分析方法 | |
Nesteruk et al. | Radiological evaluation of strategic structures in patients with mild cognitive impairment and early Alzheimer’s disease | |
Salinas et al. | An evaluation of hemoglobin A1c test ordering patterns in a primary care setting | |
PT98433B (pt) | Processo para o diagnostico da presenca de cancro em seres humanos usando um ensaio de ressonancia magnetica nuclear | |
Chentanez et al. | Accuracy of the three-window sampling method in morphometric analysis of human sural nerve | |
Oishi et al. | Dataset of relationship between longitudinal change in cognitive performance and functional connectivity in cognitively normal older individuals | |
Perreault et al. | Determining body composition in adults |