JP2019512082A - 早産のリスクを予測するためのツール - Google Patents

Abstract

本発明は、被験者における早産（ＰＴＢ）のリスクを予測し、ＰＴＢのリスクが高い被験者に治療介入を施すための方法および物質の組成に関する。本発明は、被験者におけるＰＴＢリスクを評価する、簡便で、非侵襲的、かつ正確な手段を提供し、処置が必要な被験者を処置し、かかるリスクを低減するために適切な治療介入を選択する手段をさらに提供する。診断ツールは、母集団にわたってＰＴＢのリスクを正確に予測するために使用できるバイオマーカーおよび他の因子の新規パネルを含み、上昇したリスクは、様々な根底にある生理学的経路およびプロセスに起因する。別の態様では、本発明の範囲は、ＰＴＢリスク因子の多重測定により、ＰＴＢリスクの迅速で、正確で、安価な予測において有用な測定キットを含む。【選択図】図２Ａ

Description

相互関連出願：本出願は、２０１６年２月５日に出願された「Ｍｅｔｈｏｄｓ ｏｆ Ａｓｓｅｓｓｉｎｇ Ｐｒｅｔｅｒｍ Ｂｉｒｔｈ Ｒｉｓｋ」というタイトルの米国仮出願第６２／２９１，７１９号に対する優先権の利益を主張し、その内容が参照により本明細書に組み込まれる。

連邦政府による資金提供を受けた研究開発の記載：本発明は、米国立衛生研究所によって与えられた認可番号ＨＬ１０１７４８、Ｒ０１ ＨＤ０５７１９２、およびＲ０１ ＨＤ０５２９５３の下で政府支援を受けて行われた。米国政府は、本発明において一定の権利を有する。

早産（ＰＴＢ：ｐｒｅｔｅｒｍ ｂｉｒｔｈ）は、妊娠期間の３７週より前に起こる出生である。ＰＴＢは、出産予定日より早い前期破水、早期分娩、および医学的誘発または医学的誘発に起因した帝王切開を含む。ＰＴＢおよびその関連合併症は、５歳未満の子供における死因の第１位であり、生存者に生涯にわたる身体障害および健康上の課題を引き起こし得る。

相当な努力にもかかわらず、現在まで、早産のリスクを予測するための妊娠中期ツールはほとんどない。ＰｒｅＴＲＭ（商標）検査（Ｓｅｒａ Ｐｒｏｇｎｏｓｔｉｃｓ、米国ユタ州ソルトレイクシティ）は、質量分析ベースのリスク評価を提供する。この検査は、免疫測定法などの、もっと安価な定量化プラットフォームではなく、質量分析法に依拠する。それに応じて、安価で、その上信頼できるＰＴＢリスク評価に対する当技術分野における必要性が残っている。

さらに、ＰＴＢの根底にある原因は理解されていない。それに応じて、ＰＴＢリスクの根底にある生理的プロセスおよび経路を明らかにする検査に対する当技術分野における必要性がある。

成績が良くて信頼できる予測モデルを特定することは、リスクのある女性に、より厳密な経過観察、監視、および必要に応じて、治療介入のための機会を提供するであろう。

本発明の様々な実施形態は、被験者におけるＰＴＢリスクを予測するための方法および物質の組成に関する。本明細書で説明する発明は、被験者におけるＰＴＢリスクを評価する、簡便で、非侵襲的、かつ正確な手段を備えた技術を提供し、かかるリスクを低減するために適切な治療介入を選択する手段をさらに提供する。

ある実施形態では、本発明は、ＰＴＢのリスクを予測するための診断ツールを提供する。一態様では、診断ツールは、被験者におけるＰＴＢのリスクを評価するための予測モデルを構築するために使用できるバイオマーカーおよび他の因子の新規パネルを含む。

他の態様では、本発明の方法は、被験者におけるＰＴＢのリスクを判断するための新規の予測アルゴリズムおよび他の統計的分析の適用を包含する。

別の態様では、本発明の方法は、ＰＴＢのリスクがある被験者を処置する方法を包含する。一実施態様では、ＰＴＢのリスクがある被験者に対する適切な処置の選択は、バイオマーカーおよび母体因子プロファイルに基づく。

別の態様では、本発明の範囲は、ＰＴＢのリスクを軽減するための治療処置を評価するか、または被験者に施された処置の有効性をモニタリングする方法を包含する。

別の態様では、本発明の範囲は、安価で容易に実装された免疫測定法キット、ならびに本明細書で説明する方法の成績を支援できるソフトウェア、装置、および他の製品組立体などの、本発明の方法の適用において有用な検定キットを包含する。

患者のプールにおいてＰＴＢリスクを正確に評価するためのモデル１ＰＴＢ予測アルゴリズムの能力を示しているＲＯＣプロットを示す。 ２人の被験者に対する、パネルＡリスク指標に基づくバイオマーカーおよび母体因子プロファイルを示す。プロファイルは、同様のＰＴＢリスクがある２人の被験者が、異なる根底にある原因を示す、多岐のバイオマーカープロファイルをどのように有し得るかを示す。

本発明の様々な実施形態は、被験者におけるＰＴＢのリスクを予測するための方法および物質の組成に関する。本発明の方法は、一部、ある指標とＰＴＢリスクとの間の予測関係の新規の導出に基づく。とりわけ、本発明は、多数の根底にある原因にわたるＰＴＢリスクの正確な評価のためのツールを提供し、指標の新規の組合せを使用した一般母集団におけるＰＴＢリスクを評価するための包括的で統合された手段を提供する。

本発明の一般的な方法は、次のとおりである：
ａ）複数のリスク指標が被験者において評価される；
ｂ）リスク指標評価が、被験者におけるＰＴＢのリスクを予測する予測モデルに入力される；および
ｃ）上昇したＰＴＢリスクが評価される場合、ＰＴＢ治療介入を被験者に施す。

「リスク指標」は、本明細書では、被験者におけるＰＴＢリスクを予測する因子である。リスク指標は、様々なバイオマーカーを含み得、バイオマーカーの有無は、増加または減少したＰＴＢリスクを示す。リスク因子は、既往歴、健康状態などの、母体特性も含み得る。

「被験者」は、本明細書では、任意の種の妊娠雌性を指す。本明細書で開示する発明は、一般に、ヒトの女性におけるＰＴＢの予測および処置に関し、本明細書で提供する説明は、便宜のため、ヒトの被験者に言及する。しかし、本発明の範囲は他の種、例えば、獣医学の対象および試験動物、の妊娠動物にまで及ぶことが理解されよう。

本明細書では、ＰＴＢは、正常な分娩の妊娠期間前の早産である、早産（ｐｒｅｍａｔｕｒｅ ｂｉｒｔｈ）としても知られている、早産を指す。例えば、ヒトの被験者において、早産は、３７週未満で起こった出生を指し、出産予定日より早い前期破水、早期分娩、および医学的誘発または医学的誘発に起因した帝王切開を含む。

バイオマーカー
リスク指標に関して、いくつかの症例では、リスク指標は、脂質、タンパク質、および核酸を含む、被験者内に存在する生物由来物質である、バイオマーカーを含む。選択されたバイオマーカーは、様々なカテゴリから引き出され得、カテゴリは異なる代謝プロセスおよび経路と関連付けられている。一実施態様では、リスク指標は、次のカテゴリ：胎盤機能；脂質状態；ホルモン状態；および免疫活性、から引き出される。

胎盤機能に関して、これは、被験者における胎盤機能の程度または質を判断する任意の指標によって評価され得る。胎盤機能の１つの指標は、αフェトプロテイン（ＡＦＰ）である。被験者内のＡＦＰレベルは、血清、羊水、または他の試料の分析によって決定され得る。正常値を上回って上昇したＡＦＰレベルは、低下した胎盤機能と関連付けられる。胎盤機能の別の指標は、ヒト絨毛性ゴナドトロピン（ｈＣＧ）である。ｈＣＧは、妊娠の初期段階中に、黄体を維持するのに役立つ。低ｈＣＧは、早産のリスクに関係する。ＨＣＧは、血液、尿、または他の試料中で測定され得る。

脂質状態に関して、様々なバイオマーカーが使用され得る。脂質状態バイオマーカーは、総コレステロール；低密度リポタンパク質（ＬＤＬ）；高密度リポタンパク質（ＨＤＬ）；トリグリセリド；およびトリグリセリド対ＨＤＬの比率を含む。

ホルモン状態に関して、被験者におけるホルモンレベルに関連した様々なバイオマーカーが使用され得る。例えば、プロゲステロン状態がホルモン状態の指標として使用され得る。低プロゲステロンは、ＰＴＢの上昇したリスクと関連付けられる。

免疫活性に関連して、いくつかの指標が使用され得る。本発明の実施において利用される様々な免疫バイオマーカーは、インターロイキン、インターフェロン、ケモカインリガンド、ＴＮＦ−αスーパーファミリーメンバー、および増殖因子を含む。

一実施態様では、免疫活性は、あるインターロイキンバイオマーカーの測定によって評価され、これらのインターロイキンは、様々な免疫または炎症経路に関係付けられている。例えば、インターロイキンバイオマーカーは、インターロイキン１α（ＩＬ−１α）ファミリーメンバー；インターロイキン１受容体１（ＩＬ１Ｒ１）；インターロイキン１受容体アンタゴニスト（ＩＬ−１ＲＡ）；糖タンパク質１３０（ｇｐ１３０、ＩＬ６ＳＴ、ＩＬ６−βまたはＣＤ１３０としても知られている）；インターロイキン４受容体（ＩＬ４Ｒ）；インターロイキン６（ＩＬ−６）；インターロイキン７（ＩＬ−７）；インターロイキン１０（ＩＬ−１０）、ヒトサイトカイン合成阻害因子（ＣＳＩＦ）としても知られている；インターロイキン１３（ＩＬ−１３）；およびインターロイキン１５（ＩＬ−１５）；および白血病抑制因子（ＬＩＦ）を含む。

一実施態様では、免疫活性は、あるインターフェロンの測定によって評価される。インターフェロンバイオマーカーは、バイオマーカーインターフェロンＡ（ＩＮＦＡ）および／またはインターフェロンＢ（ＩＮＦＢ）を含み得る。

一実施態様では、免疫活性は、あるケモカインリガンドバイオマーカーの測定によって評価される。一般に、ケモカインリガンドの発現増加は、被験者における免疫または炎症経路活性の増加を示す。本発明のケモカインリガンドバイオマーカーは、マクロファージ炎症性タンパク質−１β（ＭＩＰ−１β）、ＣＣＬ４としても知られている；単球走化性タンパク質３（ＭＣＰ３）、ケモカインリガンド７（ＣＣＬ７）としても知られている；上皮好中球活性化ペプチド（ＥＮＡ−７８）、ケモカインリガンド５（ＣＸＣＬ５）としても知られている；インターロイキン８（ＩＬ８）、ケモカイン（Ｃ−Ｘ−Ｃモチーフ）リガンド８としても知られている；γインターフェロンによって誘発されたモノカイン（ＭＩＧ）、ケモカイン（Ｃ−Ｘ−Ｃモチーフ）リガンド９（ＣＸＣＬ９）としても知られている；インターフェロンγ誘発タンパク質１０（ＩＰ−１０）、Ｃ−Ｘ−Ｃモチーフケモカイン１０（ＣＸＣＬ１０）としても知られている；マクロファージコロニー刺激因子（ＭＣＳＦ）；マクロファージ炎症性タンパク質１−α（ＭＩＰＩＡ）、ケモカイン（Ｃ−Ｃモチーフ）リガンド３（ＣＣＬ３）としても知られている；エオタキシンファミリーメンバー（ＥＯＴＡＸＩＮ）：およびランテス（ＲＡＮＴＥＳ）、ケモカイン（Ｃ−Ｃモチーフ）リガンド５（ＣＣＬ５）としても知られている；を含む。

一実施態様では、免疫状態は、ある腫瘍壊死因子α（ＴＮＦα）関連バイオマーカーの測定によって評価される。一般に、ＴＮＦα受容体スーパーファミリーメンバーのメンバーの発現増加は、被験者における免疫または炎症経路活性の増加を示す。本発明のＴＮＦαスーパーファミリーメンバーバイオマーカーは、腫瘍壊死因子受容体１（ＴＮＦＲ１）、腫瘍壊死因子受容体スーパーファミリーメンバー１Ａ（ＴＮＦＲＳＦ１Ａ）およびＣＤ１２０ａとしても知られている；ＣＤ４０リガンド（ＣＤ４０Ｌ）、ＣＤ１５４としても知られている；ＴＮＦ関連アポトーシス誘導リガンド（ＴＲＡＩＬ）；ならびにＦａｓリガンド（ＦａｓＬまたはＣＤ９５Ｌ）を含む。

一実施態様では、免疫状態は、ある増殖因子およびそれらの受容体を含むバイオマーカーを測定することによって評価される。本発明の増殖因子バイオマーカーは、血小板由来増殖因子サブユニットＢホモ二量体（ＰＤＧＦ−ＢＢ）；神経成長因子（ＮＧＦ）；血管内皮増殖因子（ＶＥＧＦ）；血管内皮増殖因子受容体１（ＶＥＧＦＲ１）；血管内皮増殖因子受容体２（ＶＥＧＦＲ２）、キナーゼ挿入ドメイン受容体（ＫＤＲ）としても知られている；および血管内皮増殖因子受容体３（ＶＥＧＦＲ３）、関連チロシンキナーゼ４としても知られている；および肝細胞増殖因子（ＨＧＦ）を含む。

追加のバイオマーカーは、妊娠関連血漿タンパク質Ａ（ＰＡＰＰ−Ａ）；インヒビン（ＩＮＨ）；細胞間接着分子１（ＩＣＡＭ−１）；およびＣ反応性タンパク質（ＣＲＰ）を含む。

本発明の範囲は、本明細書で開示するバイオマーカーの同等物にまで及ぶことが理解されよう。バイオマーカー同等物は、その濃度が開示するバイオマーカーのそれと高度に相関している測定可能な種であり、そのため、その値が選択されたバイオマーカーの濃度に対する代理として機能できる。バイオマーカー同等物は、選択されたバイオマーカーの活性化因子、選択されたバイオマーカーの種誘発ダウンストリーム（ｓｐｅｃｉｅｓ ｉｎｄｕｃｅｄ ｄｏｗｎｓｔｒｅａｍ）、および選択されたバイオマーカーの分解生成物、抱合体、または代謝物を含む。

母体因子
本発明の方法は、母体因子のＰＴＢリスク指標としての使用をさらに含み得る。母体因子は、本明細書では、母体被験者の任意の特質を含み得る。例えば、母体因子は、年齢、人種または民族性、収入状態などの、被験者の様々な人口統計学的特性を包含し得る。１つの母体因子は、「支援状態」であり、政府の医療支援プログラム（例えば、メディケア）の利用を意味する。母体因子は、被験者と関連付けられた健康状態因子をさらに包含し得る。一実施形態では、体重または肥満度指数は、ＰＴＢリスクの指標として、例えば、被験者が３０を超える肥満度指数を有するかどうか、使用され得る。同様に、高血圧、糖尿病、貧血、または他の条件の有無および／または重症度が、ＰＴＢリスク指標因子として使用され得る。母体因子は、妊娠段階、例えば、妊娠期間などの、妊娠因子をさらに包含し得る。別の母体因子は、出産数、女性が以前に成育可能な妊娠期間まで妊娠していた回数である。

モデル生成
一態様では、本発明は、個々の被験者におけるＰＴＢのリスクをその被験者のリスク指標に基づいて評価するための予測モデルを生成する方法を提供する。本モデルは、一般的なプロセスによって次のように生成される：第１に、リスク指標のパネルが選択される。次に、妊娠中にＰＴＢを経験した女性の第１のプール、および妊娠中にＰＴＢを経験しなかった女性の第２のプールに対するリスク指標値が次いで分析されて、リスク指標値とＰＴＢを経験する確率との間の数学的関係を導出する。

モデルは、ある母集団内の複数の女性からのリスク指標値（例えば、母体データおよびバイオマーカー測定値）を含む履歴データセットから導出され得、女性の１つのサブセットはＰＴＢを経験し、別のサブセットは経験しなかった。

複数の因子を指定された結果の確率と相関させるための様々な数学的アプローチが存在する。本発明の予測モデルは、例えば：ロジスティック回帰分析、線形判別分析、部分最小二乗判別分析、多重線形回帰分析、多変量非線形回帰、逆方向段階的回帰、閾値に基づく方法、ツリーベース法、ピアソンの相関係数、サポートベクターマシン、一般化加法モデル、教師ありおよび教師なし学習モデル、クラスター分析、ならびに当技術分野で周知の他の統計モデル生成法などの、統計的方法を使用して生成され得る。履歴データのサブセットが、当技術分野で周知のように、モデルを生成、訓練、または有効にするために利用され得る。

モデル入力は、リスク指標パネルを含む。リスク指標パネルは、早産リスクを予測するリスク指標のセットである。一実施形態では、リスク指標パネルは、本明細書で開示するリスク指標の任意の２つ以上を含む。一実施形態では、パネルは、次のカテゴリの各々から１つ以上のリスクを含む：胎盤機能、脂質状態、ホルモン状態、および免疫活性。様々な実施形態では、定義されたパネルから引き出された指標の「サブセット」に対する言及は、例えば、定義されたパネルから引き出された２、３、４、５、６、７、８、９、１０、またはそれ以上の指標に対して行われる。

一実施形態では、パネルはパネルＡであり、ＡＦＰ、ｈＣＧ、ＬＤＬ、プロゲステロン、ＩＬ−１Ａ、ＩＬ−１ＲＡ、ＧＰ１３０、ＩＬ−７、ＩＬ−１０、Ｉｌ−１５、ＩＦＮＡ、ＩＦＮＢ、ＭＩＰ１Ｂ、ＭＣＰ３、ＥＮＡ７８、ＩＬ−８、ＭＩＧ、ＩＰ−１０、ＣＤ４０Ｌ、ＴＮＦＲ１、ＴＲＡＩＬ、ｓＦＡＳＬ、ＰＤＧＦＢＢ、ＮＧＦ、ＶＥＧＦ、ＶＥＧＦＲ２、支援状態、肥満度指数、高血圧状態、および糖尿病状態を含む。一実施形態では、パネルは、パネルＡのリスク指標のサブセットを含む。

一実施形態では、パネルはパネルＢであり、出産数、糖尿病状態、高血圧状態、ＰＡＰＰ−Ａ、ＡＦＰ、ＴＲＡＩＬ、ＩＬ−４、ＩＬ−５、ＩＦＮＡ、ＬＩＦ、ＮＧＦ、ＶＥＧＦ、ＶＥＧＦＲ１、ＩＰ−１０、ＭＩＰ１Ａ、ＲＡＮＴＥＳ、およびＣＲＰを含む。一実施形態では、パネルは、パネルＢのリスク指標のサブセットを含む。

一実施形態では、パネルはパネルＣであり、第１の三半期のリスク指標ＰＡＰＰ−Ａ、ｈＣＧ、ＡＦＰ、ＨＤＬ、トリグリセリド、トリグリセリド：ＨＤＬ、ＩＬ−６、ＣＤ４０Ｌ、ＴＲＡＩＬ、ＩＬ−１３、ＬＩＦ、ＭＣＳＦ、ＶＥＧＦＲ１、ＶＥＧＦＲ３、ＥＯＴＡＸＩＮ、ＭＣＰ−３、およびＭＩＧを含む。一実施形態では、パネルは、パネルＣのリスク指標のサブセットを含む。

一実施形態では、パネルはパネルＤであり、高血圧状態、糖尿病状態、貧血状態、支援状態、プロゲステロン、ＡＦＰ、ｈＣＧ、ＩＮＨ、コレステロール、ＬＤＬ、ＴＮＦＲ１、ＨＧＦ、ＩＬ１Ｒ１、ＩＬ４Ｒ、ＶＥＧＦＲ２、ＥＯＴＡＸＩＮ、ＭＩＧ、ＭＩＰ１Ａ、およびＩＣＡＭ１のリスク指標を含む。一実施形態では、パネルは、パネルＤのリスク指標のサブセットを含む。

一実施形態では、本発明は、パネルＡ、パネルＢ、パネルＣおよびパネルＤから成る群から選択されたパネルのリスク指標を使用して、被験者におけるＰＴＢリスクを評価するための予測モデルを生成する方法を含む。一実施形態では、本発明は、パネルＡ、パネルＢ、パネルＣおよびパネルＤから組み合わされた全ての指標を包含する群のサブセットを含む任意の２つ以上の指標を含むパネルを使用して、被験者におけるＰＴＢリスクを評価するための予測モデルを生成する方法を含む。

モデル入力は、様々な形、例えば、連続変数、例えば、被験者の血清における特定のバイオマーカーの濃度、で表現され得る。入力は、中央蛍光強度値を含み得る。モデル入力は、正規化変数を含み得る。例えば、被験者のバイオマーカーレベルは、関連母集団の中央値の倍数として表現され得る。モデル入力は、カテゴリ、離散、および重層化（ｓｔｒａｔｉｆｉｅｄ）値も含み得る。例えば、既存の糖尿病の有無は、離散のｙｅｓまたはｎｏ値を含む。いくつかの実施形態では、離散変数は、数値、例えば、ｎｏ＝０およびｙｅｓ＝１、を割り当てられ得る。別の例では、バイオマーカーレベルは、基準値（例えば、平均母集団値またはＰＴＢのリスクが上昇していない被験者において観察された値）との比較により、増加したか、または増加していないと見なされ得る。同様に、バイオマーカー値は層（例えば、低、正常、または高）に割り当てることができる。

生成されたモデルは、１つ以上の式を含み、その中に、個々の被験者のリスク指標値が入力されて、その被験者のＰＴＢのリスクを予測する出力を生成し得る。モデル出力は、確率スコア、オッズスコア、リスクカテゴリ値（例えば、「低リスク」、「中程度のリスク」および「高リスク」など）を含み得、かかるカテゴリは、ＰＴＢの統計的確率に基づいている。予測モデルの出力は、スコアであり得、それは、ＰＴＢリスクカテゴリを定義する１つ以上の統計的カットオフ値と比較できる。

いくつかの実施形態では、生成されたモデルは、リスク指標のサブセットを入力パネルから選択し、選択された保持カットオフに基づいて、十分な予測値を有していなかったものを除外する。

ＰＴＢリスク評価および治療介入
本明細書で提供する予測ツールは、様々な方法で使用され得る。第１の態様では、本発明は、次のステップ：
選択されたパネル内の各リスク指標に対する被験者のリスク指標値を取得すること；
取得したリスク指標値を、リスク指標の選択されたパネルに基づいて、予測モデルに入力すること；および
予測モデルを使用して被験者に対するＰＴＢリスク評価を計算すること
を含む、被験者に対するＰＴＢリスクを評価する方法を含む。

一態様では、本方法は、被験者がＰＴＢのリスクが増加していると分かった場合、治療介入を被験者に施すステップをさらに含む。一実施形態では、治療介入の選択は、被験者の指標プロファイルによって導かれる。

第１のステップは、リスク指標値の取得、すなわち、パネル内の各リスク指標に対する医療データおよびバイオマーカー測定値を取得することである。このステップは、１つ以上の別個の操作において一人以上の開業医によって実行できる。母体因子に関して、因子は、被験者に問診すること、医療記録を見直すこと、または、被験者の検査を行うこと、例えば、体重および身長を取得して肥満度指数を計算するか、もしくは血圧を測定して高血圧状態を判断すること、によって導出できる。欠測値は、当技術分野で周知の統計手法を使用して吸収され得る。

バイオマーカー評価のために、選択されたパネルの様々なバイオマーカーが、被験者から得られた適切な生体試料中で定量化され得る。試料は、血液、血漿、血清、尿、唾液、間質液、組織診、および被験者から取り出されたか、または他の方法で引き出された他の試料タイプを含む。好都合なことに、本発明のバイオマーカーは、血清中で評価できる。妊婦管理診察中に、例えば、妊娠期間の１５〜２０週中に実施された妊婦管理の診察で、定期的に引き出された血液試料が、試料源として役立ち得る。

試料中のバイオマーカーの定量化は、当技術分野で周知の任意の手段によって実行され得る。様々な実施形態では、バイオマーカーは、免疫測定法によって定量化される。例示的な免疫測定法は、酵素連結された免疫吸着剤アッセイ（ＥＬＩＳＡ）を含む。ＥＬＩＳＡアッセイは、例えば、サンドイッチ測定法および競合アッセイを含む。当技術分野で周知の他の技術は、ＥＭＩＴ法、放射免疫測定法、酵素免疫測定法、蛍光免疫測定法、ウエスタンブロット法、免疫沈降法および粒子免疫測定法を含む。

質量分析法は、試料中のバイオマーカーの有無および／または濃度を分析するために利用され得る。例えば、ＭＡＬＤＩまたはＳＥＬＤＩ質量分析法が、当技術分野で周知のように、採用できる。他の分析手法は、選択的反応モニタリング、逆相液体クロマトグラフィー、サイズ透過（ゲル濾過）、イオン交換、アフィニティー、ＨＰＬＣおよび当技術分野で周知の他の液体クロマトグラフィーまたは液体クロマトグラフィー−質量分析法ベースの技術を含む。定量的ローサイトメトリーも使用され得る。

一実施態様では、選択されたパネルのバイオマーカーの一部、大部分、または全部が、単一の統合された測定法（ａｓｓａｙ）で評価される。

パネルの各リスク指標に対して獲得された値は次いで、予測モデルに入力される。モデルの予測計算（および前節に記載したモデル生成ステップ）は、任意の適切なデジタルコンピュータによって実行され得る。適切なデジタルコンピュータは、Ｕｎｉｘ、Ｗｉｎｄｏｗｓ（商標）またはＬｉｎｕｘ（商標）ベースのオペレーティングシステムなどの、任意の標準または専用オペレーティングシステムを使用する、携帯機器、ラップトップおよびデスクトップコンピュータ、クラウドコンピューティングシステムなど、を含み得る。コンピュータは、ソフトウェア、すなわち、メモリドライブまたはディスクなどの持続性有形的コンピュータ可読媒体上にコード化された命令を含み、かかる命令は、モデル生成または予測スコアリングの計算を指示する。

医療関係者によって取得されたリスク指標値は、コンピュータに直接入力され得るか、または、例えば、インターネットを経由して、遠隔に入力され得る。装置で行われたバイオマーカー測定は、コンピュータによってアクセスされるか、またはコンピュータにアップロードされ得る。医療履歴指標が医療記録データベースから取得されるか、またはアップロードされ得る。

全ての必要な値が入力されると、予測モデルは次いで、被験者のＰＴＢリスクを示す予測スコアを計算する。このスコアは、コンピュータから取得され得るか、コンピュータから送信され得るか、コンピュータによって表示され得るか、またはコンピュータによって他の方法で出力され得る。例えば、スコアは、印刷され得るか、またはメッセージの形で医療関係者の装置に送信され得る。

一実施形態では、本方法は、例えば、パネルＡ、パネルＢ、パネルＣ、およびパネルＤから成る群から選択された、定義されたパネルからの指標の全部またはサブセットを含む指標のパネルを分析する予測モデルを利用した、被験者におけるＰＴＢリスクの評価を含む。例えば、パネルは、パネルＡ、パネルＢ、パネルＣ、およびパネルＤから成る群から選択された、単一の定義されたパネル内のマーカーの全部を含み得る。代替として、パネルは、定義されたパネルパネルＡ、パネルＢ、パネルＣ、およびパネルＤから成る群から選択された、定義されたパネルのリスク指標のサブセット、例えば、選択されたパネル内の指標の＞５０％、＞６０％、＞７０％、＞８０％、＞８５％、＞９０％、または＞９５％、を含み得る。パネルＡ、パネルＢ、パネルＣ、およびパネルＤから成る群の２、３、または４つのパネルから１つ以上のマーカーが選択される、ハイブリッドパネルが利用され得ることも理解されよう。予測モデル内で分析されたマーカーのパネルは、本明細書で定義したパネル内で解明されていない追加のマーカーも含み得ることも理解されよう。

一実施形態では、本方法は、次の各々：胎盤機能状態、脂質状態、ホルモン状態、および免疫状態、からの１つ以上のマーカーを含む、指標パネルを分析する予測モデルを利用した、被験者におけるＰＴＢリスクの評価を含む。一実施形態では、パネルは、収入状態、身体状態、高血圧状態、および糖尿病状態をさらに含む。例えば、パネルは、１つの子宮頸部機能指標、１つ以上のホルモン状態指標、１つ以上の脂質状態指標、および２、３、４、５、６、またはそれ以上の免疫状態の指標を含み得る。一実施形態では、４、５、またはそれ以上の免疫状態の指標は、インターロイキン、インターフェロン、ケモカインリガンド、ＴＮＦαスーパーファミリーメンバー、および増殖因子の各々から少なくとも１つの指標を含む。

本明細書で提供するのは、被験者に対してＰＴＢリスク予測を生成するために使用できる例示的なモデルである。モデル１は、例１で説明する通りに生成された、パネルＡのリスク指標を使用して、妊娠中の被験者における早産のリスクを予測できるロバストモデルである。モデル１は、出産予定日より早い前期破水および早期分娩の両方を経験している被験者におけるＰＴＢのリスクを正確に予測する。例えば、モデル１のＲＯＣ分析は、様々なデータセットにわたり８１％の曲線下面積スコアを達成した（図２）。

パネルＡの各変数、および変数間の重要な相互作用に対するモデル１係数が表１に提示されている。一実施形態では、本発明の方法は、モデル１を使用した、被験者におけるＰＴＢリスクの評価を含む。一実施形態では、係数の１つ以上は、少なくとも５％、１０％、または１５％、またはそれ以上だけ、上方または下方に調整される。

表１．モデル１回帰係数
モデル１は、中央値の倍数として表現されたＡＦＰ、ｈＣＧ、およびＬＤＬ測定値を利用する。離散母体指標は、次のように数値を割り当てられる：医療支援を使用している被験者＝１、医療支援を使用していない被験者＝０；ＢＭＩ＞３０の被験者＝１、ＢＭＩ＜３０の被験者＝０；既存の高血圧＝１、既存の高血圧なし＝０；および既存の糖尿病＝１、既存の糖尿病なし＝０。他の全ての変数は、胎盤マーカー、脂質、およびプロゲステロンに対するｐｇ／ｍｌとしてのバイオマーカー血清濃度測定値、ならびにサイトカイン、ケモカインおよび受容体に対する中央蛍光強度（ＭＦＩ）値として表現される。

モデル１は、予測スコアを、全てのバイオマーカー入力が濃度の対数である式１に基づく確率の形で出力する：

ＰＴＢ確率スコア＝−８．１２８３＋（１．４４６９＊ｌｏｇ ＡＦＰ ＭｏＭ）＋（−０．３９９１＊ｌｏｇ ｈＣＧ ＭｏＭ）＋（−０．７１０４＊ｌｏｇ ＬＤＬ ＭｏＭ）＋（４．８９８１＊ｌｏｇプロゲステロン）＋（−１．１８３４＊ｌｏｇ Ｉｌ−１Ａ）＋（０．６２０７＊ｌｏｇ ＩＬ−１ＲＡ）＋（−１．１９９０＊ｌｏｇ ＧＰ１３０）＋（−１．６２１２＊ｌｏｇ ＩＬ−７）＋（１．００５５＊ｌｏｇ ＩＬ−１０）＋（１．９５６３＊ｌｏｇ ＩＬ−１５）＋（０．１６３１＊ｌｏｇ ＩＮＦＡ）＋（−０．４１２１＊ｌｏｇ ＩＮＦＢ）＋（−０．０７６７＊ｌｏｇ ＭＩＰ１Ｂ）＋（−１．６２３７＊ｌｏｇ ＭＣＰ３）＋（０．４７６１＊ｌｏｇ ＥＮＡ７８）＋（０．２４０８＊ｌｏｇ ＩＬ−８）＋（０．８２１７＊ｌｏｇ ＭＩＧ）＋（１．５６５８＊ｌｏｇ ＩＰ−１０）＋（０．８３３９＊ｌｏｇ ＴＮＦＲ１）＋（−５．０６１３＊ｌｏｇ ＣＤ４０Ｌ）＋（９．０２２８＊ｌｏｇ ＴＲＡＩＬ）＋（−０．５４９３＊ｌｏｇ ｓＦＡＳＬ）＋（１．０３０９＊ｌｏｇ ＰＤＧＦＢＢ）＋（−１７．９２５５＊ｌｏｇ ＶＥＧＦ）＋（１．０３８５＊ｌｏｇ ＶＥＧＦＲ２）＋（３．７４８１＊支援）＋（０．５２８９＊ＢＭＩ）＋（−１２．５０９１＊高血圧）＋（１．８８５９＊糖尿病）＋（１．８５０５＊ｌｏｇ ＴＮＦＲ１＊ｌｏｇプロゲステロン）＋（（１．３１７４＊ｌｏｇ ＣＤ４０Ｌ＊ｌｏｇプロゲステロン）＋（−５．１７７８＊ｌｏｇ ＶＥＧＦ＊ｌｏｇプロゲステロン）＋（−０．７３６４＊ｌｏｇ ＴＲＡＩＬ＊支援）＋（−１．４０７０＊ｌｏｇ ＩＬ−８＊高血圧）＋（５．２６６９＊ｌｏｇ ＶＥＧＦ＊高血圧）であり、予測スコアは、ＰＴＢの確率を表す（例えば、０〜’１の間の値または０％〜１００％の間の値）。

本明細書では、モデル２も提供される。一実施形態では、本発明の方法は、式２で具現化されるように、モデル２を使用した、被験者におけるＰＴＢリスクの評価を含む。

式２：ＰＴＢ確率スコア＝−６．７６０１＋０．９９４９（ｌｏｇ ＡＦＰ ＭｏＭ）−０．３５８３（ｌｏｇ ｈＣＧ ＭｏＭ）＋０．２１６５（ｌｏｇ ＩＮＨ ＭｏＭ）−０．５０８４（ｌｏｇ ＴＮＦＲ１）＋０．７７９３（ｌｏｇプロゲステロン）−０．７１０１（ｌｏｇコレステロール）＋０．９７１１（ｌｏｇ ＬＤＬ ＭｏＭ）−０．２３６９（ｌｏｇ ＨＧＦ）＋０．３４２５（ｌｏｇ ＩＬ１Ｒ１）−０．２８０２（ｌｏｇ ＩＬ４Ｒ）＋０．０８２２（ｌｏｇ ＶＥＧＦＲ２）＋０．５０４８（ｌｏｇ ＥＯＴＡＸＩＮ）＋０．１２３２（ｌｏｇ ＭＩＧ）−０．２９１４（ｌｏｇ ＭＩＰ１Ａ）＋０．５０７７（ｌｏｇ ＩＣＡＭ１）＋１．３８４２（高血圧値）＋０．８３５８（糖尿病値）＋０．５７１９（支援値）＋０．５４２６（貧血値）
式中、ＡＦＰ、ｈＣＧ、ＩＮＨ値は中央値の倍数として表され、被験者が何らかの高血圧である場合、高血圧値＝１で、被験者が高血圧ではない場合、高血圧値＝０であり；被験者が何らかの糖尿病である場合、糖尿病値＝１で、被験者が糖尿病ではない場合、糖尿病値＝０であり；被験者が何らかの貧血である場合、貧血値＝１で、被験者が貧血ではない場合、貧血値＝０であり；また、被験者が何らかの公的保険給付を受けている場合、支援値＝１で、被験者が公的保険給付を受けていない場合、支援値＝０である。他の全ての変数は、胎盤マーカー、脂質、およびプロゲステロンに対するｐｇ／ｍｌとしてのバイオマーカー血清濃度測定値、ならびにサイトカイン、ケモカインおよび受容体に対する中央蛍光強度（ＭＦＩ）値として表現される。

被験者は次いで、選択されたカットオフ値に基づいて、ＰＴＢのリスクが上昇しているか、またはリスクが上昇していなと判断される。ＰＴＢに対する一般的な母集団リスクは約１０％である。その結果、１０％以上の評価されたリスクは、ＰＴＢのリスクが上昇していると見なされ得る。例えば、被験者のＰＴＢに対するリスクスコアが５０〜１００％の間のカットオフ値を超えている、例えば、カットオフが＞５５％、＞６０％、＞７０％、＞７５％、＞８５％、＞９０％、＞９５％、またはそれ以上の場合、被験者は、ＰＴＢのリスクが上昇していると見なされ得る。ＰＴＢリスクの判断は、コンピュータプログラムによって行われ得、それは、被験者の状態がＰＴＢのリスクが高いことを出力するか、または別の方法でアクセス可能にする。代替として、判断は、スコアを観察している医療関係者によって行われ得る。

一実施形態では、本発明の方法は、ＰＴＢのリスクが上昇している被験者に対して治療介入を施す追加のステップをもつ、前述した評価プロセスを含む。治療介入は、本明細書では、被験者のＰＴＢリスクを軽減するか、またはＰＴＢの場合に胎児への害を軽減する、被験者において、または被験者によって実行される任意の動作または処置を意味する。一実施形態では、治療介入は、被験者のモニタリングの増加、例えば、定期的な間隔（例えば、毎週）での胎児の健康のモニタリングまたは子宮頸部のモニタリングである。一実施形態では、治療介入は、例えば、休息を増やす、活動制限、食事制限などを含む、ライフスタイルの変化を含む。一実施形態では、治療介入は、締結（子宮頸部を締めるための縫合）の適用または子宮頸部ペッサリーの設置である。他の治療介入は、例えば、抗炎症薬の投与、抗生物質の投与、感染症のスクリーニング、およびプロゲステロンの投与を含む。

好都合に、本発明のリスク評価方法は、根底にある原因の範囲から生じるＰＴＢリスクを検出することが可能である。ホルモン、脂質、免疫、および重要な母体因子を含むリスク指標パネルの使用により、検査は、リスクの根底にある原因に対して処置を指示する手段を提供する。一態様では、本発明は、ＰＴＢのリスクがある女性において推定上の根底にある原因を特定する方法を包含する。一実施形態において、バイオマーカープロファイルが作成される。バイオマーカープロファイルは、被験者のバイオマーカー測定値を、中央値などの、母集団標準と比較して、彼女のバイオマーカー測定値と、正常または中央値、例えば、ＰＴＢを経験しなかった女性で以前に観察された値、との間の相違の程度を示す。プロファイルは、母体因子データをさらに含み得る。プロファイルは、グラフ形状で、例えば、チャートまたは図として、提示され得る。

２つの例示的なバイオマーカープロファイルが図２に示されている。ここでは、二人の被験者（「患者Ａ」および「患者Ｂ」）のＰＴＢ評価が、モデル１を使用して将来を見越して実行された。被験者の各々は、ＰＴＢの確率が約９２％であることが分かった。その結果として、両方の被験者はＰＴＢを経験した。しかし、各患者のバイオマーカーおよび母体プロファイルは非常に異なっており、異なる根底にある因子が各被験者のＰＴＢに対する原因であったことを示唆している。

一実施形態では、本発明の範囲は、被験者が、ＰＴＢのリスクが高いと判断される場合、治療介入を被験者に施す方法を包含し、治療介入は、被験者のバイオマーカーパネルの分析により、任意選択として、被験者および母体指標パネルの分析と共に、選択される。例示的な処置は、正常よりも低いプロゲステロンを有していて、ＰＴＢのリスクが高い被験者にプロゲステロンを投与することである。別の例示的な処置は、例えば、ＰＴＢのリスクが高くて、免疫または炎症経路に関連した１つ以上のバイオマーカーのレベルが異常な被験者に、抗炎症性化合物を投与することである。一実施形態では、被験者のプロファイルにおいて異常なレベルの１つ以上のサイトカインバイオマーカーが観察される場合、治療介入は、感染症のモニタリングである。

本発明の方法は、介入処置の有効性をモニターするための手段も提供する。例えば、被験者のプールが、本発明の方法によってＰＴＢのリスクが高いと特定され得る。このプール内の女性は、推定処置（ｐｕｔａｔｉｖｅ ｔｒｅａｔｍｅｎｔ）を施され得る。処置されたプール内の妊娠成績が次いで、同様の、処置されていないプール内のものと比較でき、推定処置の有効性を定量化する。同様に、本発明の方法は、処置の有効性をモニターするための手段を提供する。一実施形態では、処置を受けている被験者のＰＴＢリスクが、妊娠中を通して様々な時点において評価される。被験者のＰＴＢリスクが処置に応じて減少する場合、その処置は有効であると見なされる。

測定キット
本明細書で提供するのは、ＰＴＢリスクを予測するリスク指標のセットである。その結果、これらの発見は、単一の試料において複数のＰＴＢリスク指標を同時に測定するための統合測定法の設計を可能にする。本明細書で提供するのは、試料中のＰＴＢバイオマーカープロファイルの迅速で、安価で、簡便な評価を容易にするために使用できる新規の測定キットである。本明細書では、「測定キット（ａｓｓａｙ ｋｉｔ）」は、一試料中の２つ以上のＰＴＢバイオマーカーを定量化するために使用できる製品の集約された集合を指す。

測定キットは、キットによって検出される各バイオマーカーに固有の複数の検出／定量化ツールを含む。本明細書で開示するバイオマーカーの多くは、タンパク質を含み、それは、免疫測定法または同様の技術によって検出され得る。検出／定量化ツールは、各々が試料中の特定のバイオマーカーを選択的に捕捉するように指示された、複数のタイプの捕捉リガンドを含み得る。検出／定量化ツールは、各々が、例えば、標的種の定量化のための酵素、蛍光、または化学発光標識を含む、試料中の特定のバイオマーカーを選択的に標識化するように指示された、複数のタイプの標識リガンドを含み得る。例えば、捕捉および／または標識リガンドは、選択されたバイオマーカーに特異的に結合する、抗体、ａｆｆｉｂｏｄｙ、アプタマー、または他の部分を含み得る。測定キットは、例えば、酵素、蛍光、または化学発光標識および関連する試薬を含む、標識化された二次抗体をさらに含み得る。

一実施形態では、測定キットは、定量的な多重測定の物理的要素、例えば、当技術分野で周知のような、直接測定、間接測定、サンドイッチ測定、または、競合アッセイ、例えば、ＥＬＩＳＡアッセイを含み、測定要素は、複数のＰＴＢリスクバイオマーカーの検出を可能にする。例示的な多重測定プラットフォームは、Ｙａｎｇによる「Ｍｉｃｒｏｆｌｕｉｄｉｃ ｃｈｉｐｓ ｆｏｒ ｒａｐｉｄ ｍｕｌｔｉｐｌｅｘ ＥＬＩＳＡ」というタイトルの米国特許第８，０７５，８５４号；Ｈｏによる「Ｑｕａｎｔｉｔａｔｉｖｅ ｍｉｃｒｏｆｌｕｉｄｉｃ ｂｉｏｃｈｉｐ ａｎｄ ｍｅｔｈｏｄ ｏｆ ｕｓｅ」というタイトルの米国特許公開第ＵＳ２００２０１２７７４０号、およびＧｉｅｓｔｅｒによる「Ｍｕｌｔｉｐｌｅｘ ｅｎｚｙｍｅ−ｌｉｎｋｅｄ ｉｍｍｕｎｏｓｏｒｂｅｎｔ ａｓｓａｙ ｆｏｒ ｄｅｔｅｃｔｉｎｇ ｍｕｌｔｉｐｌｅ ａｎａｌｙｔｅｓ」というタイトルの米国特許公開第２００４０２４１７７６号に記載のものを含む。

一実施形態では、測定キットは、捕捉リガンドの１つ以上の個々にアドレス可能なパッチが存在する固体支持体を含み、各パッチの捕捉リガンドは特定のＰＴＢバイオマーカーを対象とする。別の実施形態では、吸収性または吸着する材料の個々にアドレス可能なパッチが存在し、その上に試料の個々の一定分量が固定化され得る。固体支持体は、例えば、チップ、マイクロタイタープレートのウェル、ビーズまたは樹脂を含み得る。キットのチップまたはプレートは、当技術分野で周知のように、自動計測のために構成されたチップを含み得る。

一実施形態では、本発明の測定キットは、固体支持体上に存在する捕捉リガンドを含むＳＥＬＤＩプローブであり、それは、選択されたバイオマーカーを試料から捕捉し、それらを、質量分光分析のために脱着処理に応じて放出できる。

一実施形態では、本発明の測定キットは、試料中のバイオマーカー種との濃度依存反応に基づいて定量化可能な信号を作成する試薬または酵素を含む。例えば、脂質パネル分析は、コレステロール酸化酵素などの酵素を採用し得る。

測定キットは、測定すべきバイオマーカーの標準試料、洗浄液、緩衝液、試薬、印刷された使用説明書、および容器などの要素をさらに含み得る。

一実施形態では、本発明の測定キットは、本明細書で開示する２つ以上のＰＴＢリスクバイオマーカーの定量化を対象とする。一実施形態では、本発明の測定キットは、パネルＡ：ＡＦＰ、ｈＣＧ、ＬＤＬ、プロゲステロン、ＩＬ−１Ａ、ＩＬ−１ＲＡ、ＧＰ１３０、ＩＬ−７、ＩＬ−１０、Ｉｌ−１５、ＩＦＮＡ、ＩＦＮＢ、ＭＩＰ１Ｂ、ＭＣＰ３、ＥＮＡ７８、ＩＬ−８、ＭＩＧ、ＩＰ−１０、ＣＤ４０Ｌ、ＴＮＦＲ１、ＴＲＡＩＬ、ｓＦＡＳＬ、ＰＤＧＦＢＢ、ＮＧＦ、ＶＥＧＦ、およびＶＥＧＦＲ２、からの２つ以上のバイオマーカーの定量化を対象とする。一実施形態では、本発明の測定キットは、パネルＢ：ＰＡＰＰ−Ａ、ＡＦＰ、ＴＲＡＩＬ、ＩＬ−４、ＩＬ−５、ＩＦＮＡ、ＬＩＦ、ＮＧＦ、ＶＥＧＦ、ＶＥＧＦＲ１、ＩＰ−１０、ＭＩＰ１Ａ、ＲＡＮＴＥＳ、およびＣＲＰ、からの２つ以上のバイオマーカーの定量化を対象とする。一実施形態では、本発明の測定キットは、パネルＣ：プロゲステロン、ＰＡＰＰ−Ａ、ｈＣＧ、ＡＦＰ、ＨＤＬ、トリグリセリド、トリグリセリド：ＨＤＬ、ＩＬ−６、ＣＤ４０Ｌ、ＴＲＡＩＬ、ＩＬ−１３、ＬＩＦ、ＭＣＳＦ、ＶＥＧＦＲ１、ＶＥＧＦＲ３、ＥＯＴＡＸＩＮ、ＭＣＰ−３、およびＭＩＧ、からの２つ以上のバイオマーカーの定量化を対象とする。一実施形態では、本発明の測定キットは、パネルＤ：ＡＦＰ、ｈＣＧ、ＩＮＨ、コレステロール、ＬＤＬ、ＴＮＦＲ１、ＨＧＦ、ＩＬ１Ｒ１、ＩＬ４Ｒ、ＶＥＧＦＲ２、ＥＯＴＡＸＩＮ、ＭＩＧ、ＭＩＰ１Ａ、およびＩＣＡＭ１、からの２つ以上のバイオマーカーの定量化を対象とする。

例
例１．モデル１およびパネルＡの生成
モデル１を、双方向相互作用を考慮して、多変量逆方向段階的ロジスティック回帰を使用して生成した。胎盤機能に関連した４つのマーカーを将来を見越して検査して、保存された１５〜２０妊娠週の血清試料中の６９の脂質、ホルモン、および免疫関連マーカーを、自然ＰＴＢの２００人（１００人が＜３４週、１００人が３４〜３６週）の女性、および２００人の妊娠末期対照（ｔｅｒｍ ｃｏｎｔｒｏｌ）における日常的な出生前診断の一部として収集した。

重要な情報を失わないために、曲線下面積（ＡＵＣ）統計値を、ｐ＜０．２０で入力を設定し、除去後ＡＵＣ低下が＜０．０１であった追加の因子を除外して、モデル選択のために使用した。モデル適合度を、ホスマー・レメショウ適合度検定を使用して検査した。再製可能性を評価するために（ｎ＝５００再現）、復元ブートストラップ（ｂｏｏｔｓｔｒａｐｐｉｎｇ ｗｉｔｈ ｒｅｐｌａｃｅｍｅｎｔ）を使用した。

結果：モデル生成ステップは、パネルＡのリスク指標がＰＴＢを予測することを明らかにした。結果として生じるモデル１は、ＰＴＢに進んだ女性の＞８０％を特定することが可能である（ＡＵＣ＝０．８１１０、図１に示すように、ブートストラップ試料において０．８１２４）。成績は＜３４および３４〜３６週のＰＴＢサブセットならびに出産予定日より早い前期破水および早期分娩のサブセットにおいて同様であった。ホスマー・レメショウ検定は、モデル適合度に対して良好なデータを示した（ｐ＝０．６１９０）。アルゴリズム駆動プロファイルは、類似の確率スコアが生じた場合、影響の経路にわたって個人特有のパターンを示した［図２に示すように］。

結論：母体特性は、胎盤、脂質、ホルモン、および免疫系機能に関連した血清マーカーと共に、１５〜２０週におけるＰＴＢを信頼できる正確さで予測することが可能である。

例２．パネルＢの導出
将来を見越して測定された利用可能な第１および第２の三半期血清マーカーを有する単胎妊娠のサブセットを選択した。この調査のため、２００の症例を、より厳密な分析および潜在的な検体を引き出すためにランダムに選択した。ＰＴＢという結果になった１７３の妊娠（７４のＰＰＲＯＭ、９９の早期分娩）を選択した。対照は、３０以上の肥満度指数（ＢＭＩ）について症例と対照が頻繁に一致している満期出産から１：１の比率でランダムに選択した。

分析された母体指標は、人種／民族性、出産年齢、出産数、既存の糖尿病、妊娠糖尿病、既存の高血圧、妊娠高血圧、報告された喫煙、政府の低所得者向け健康支援への参加、および以前のＰＴＢを含んでいた。

検査したバイオマーカーは、第１および第２の三半期の日常的な出生前診断の一部として将来を見越して検査したものおよび検診後に保存された血清について検査したマーカーを含んでいた。将来を見越して測定した第１の三半期検体測定は、１０週０日〜１３週６日の妊娠期間の間に収集した血液試料から得られて、妊娠関連血漿タンパク質Ａ（ＰＡＰＰ−Ａ）およびヒト絨毛性ゴナドトロピン（ｈＣＧ）を含んでいた。第２の三半期検体は、第２の三半期中の１５週０日〜２０週０日の妊娠期間の間に収集した血液試料から得られて、αフェトプロテイン（ＡＦＰ）、ｈＣＧ、非抱合型エストリオール（ｕＥ３）、およびインヒビン（ＩＮＨ）を含んでいた。検体レベルは、自動化装置で測定した。結果を、中央値の倍数（ＭｏＭ）値を調整するために使用した患者情報と共に、状態データベースに直接入力した。全ての検体ＭｏＭを、週単位での妊娠期間、母体体重（血液量に対する代理として）、自己報告された人種／民族性、喫煙状態、および既存の糖尿病で調整した。

新規のマーカー検査は、第２の三半期スクリーニング（１５週０日〜２０週０日の妊娠期間の間に収集された）で使用された残余血清を使用した。検体を検査のために解凍した。検査した新規のマーカーは、サイトカイン、ケモカイン、可溶性接着分子、ヒト可溶性受容体、アディポネクチン、脂質およびＣ反応性タンパク質を含んでいた。ＭＦＩのｐｇ／ｍＬへの対数変換に内在する誤差を回避するために、分析は、各症例および対照に対して同じプレート上で検査した２つの一定分量の測定に基づいたＭＦＩ平均に依存した。全ての測定間係数（ＣＶ）は、全てのマーカーにわたって＜１５％であり、全ての測定内ＣＶは＜１０％であった。

脂質（総コレステロール（ＴＣ）、低密度リポタンパク質（ＬＤＬ）、高密度リポタンパク質（ＨＤＬ）、およびトリグリセリド（ＴＧ））およびＣＲＰを、標準的技法を使用して測定した。ＴＣ、ＬＤＬ、およびＨＤＬを、引出し時の週によるレベルの差に起因して、引出し時における妊娠週に対するＭｏＭに変換した。他の新規のマーカー測定は、かかる変換を必要としなかった。

結果として生じるモデルの何らかの実証試験を依然として可能にしながら、症例と対照との間の差を検出するための能力を最大限にするために、症例および対照を、９０％モデル構築セット（１５６症例および１５６対照）と１０％モデル実証セット（１７症例および１７対照）にランダムに分割した。ロジスティック回帰（オッズ比（ＯＲ）および関連した９５％信頼区間（ＣＩ））を、母体の人口統計学的および産科的因子ならびに将来を見越して測定した新規のバイオマーカーに関するモデル構築セットにおいて、早期ＰＴＢ（＜３２週）という結果になった妊娠を妊娠末期対照と比較するために使用した。全ての血清測定を対数変換した。他の因子を調整した後、モデルセット内でｐ＜０．０５に留まるための基準をもつ最終モデル構築に対して、逆方向段階的回帰を使用した。モデル入力に関して制約を課すのではなく、各段階に対して最も高いｐ値によって可変性を除去して、全ての因子を初期モデルに含めた。曲線下面積（ＡＵＣ）統計値およびそれらの９５％信頼区間（ＣＩ）を使用するモデル構築およびモデル実証セットにおいて成績を評価し、全体的成績ならびに人種／民族性グループ分け、出産年齢、出産数、既存の糖尿病、妊娠糖尿病、既存の高血圧、妊娠高血圧、以前のＰＴＢ、および政府の分娩支援による成績を評価した。受信者動作曲線（ＲＯＣ）導出確率を使用して成績をさらに評価し、実証セットにおける所与の妊娠に対する予測因子の値を特性および血清バイオマーカーに基づくモデル構築サブセットからのＲＯＣに対してプロットした。感度および特異性統計値ならびにそれらの９５％信頼区間を≧９０、≧８０、≧７０、≧６０および≧５０の確率に対して計算した。

９０％ランダムサブセットから導出された早期ＰＴＢに対する最終ロジスティックモデルは、パネルＢのＰＴＢ指標を含んでいた。３つの母体指標（出産数、妊娠糖尿病、既存の高血圧）および１４のバイオマーカー（第１の三半期ＰＡＰＰ−Ａ、第２の三半期ＡＦＰ、腫瘍壊死因子（ＴＮＦ）関連アポトーシス誘導リガンド（ＴＲＡＩＬ）、インターロイキン４（ＩＬ−４）、ＩＬ−５、インターフェロンα（ＩＦＮ−α）、白血病抑制因子（ＬＩＦ）、神経成長因子（ＮＧＦ）、ＶＥＧＦ、ＶＥＧＦＲ１、インターフェロン誘導タンパク質１０（ＩＰ−１０）、マクロファージ炎症性タンパク質１−α（ＭＩＰＩＡ）、ランテス（ＲＡＮＴＥＳ）、およびＣ反応性タンパク質（ＣＲＰ）。特に注目すべきは、既存の高血圧のある女性に対してＰＴＢに対するリスクの１０倍以上の増加が観察されたが、モデルにおける他の特性およびマーカー（ＯＲ １０．７、９５％ＣＩ ２．４−４８．７）の調整後は観察されず、ＡＦＰ、ＩＬ−４、ＶＥＧＦ、ＩＰ−１０およびＲＡＮＴＥＳにおける対数単位の増加に対してＰＴＢに対するリスクが１０倍も高かった。実質的に対数単位あたり低下するリスクもＴＲＡＩＬ、ＩＬ−５、ＬＩＦおよび ＮＧＦに対して観察された（ＯＲ＜０．１）。

組み合わせて考えると、出産数、妊娠糖尿病、既存の高血圧ならびに１４の第１および第２の三半期マーカーは、対照から症例を７９．４％の精度（ＡＵＣ ０．７９４、９５％ＣＩ ０．７４６−０．８４３）で選別することができた。成績は、白人、ラテンアメリカ系、またはアジア系の人種／民族性の女性（ＡＵＣ ０．７７２〜０．８１２）、１８〜３４または≧３４歳の女性（ＡＵＣ ０．７８１（９５％ＣＩ ０．７２３−０．８４０）および０．７７９（９５％ＣＩ ０．７０８−０．８５０））ならびに妊娠糖尿病がある女性および、ない女性（０．７７７（９５％ＣＩ ０．７２２−０．８３２）および０．８７９（９５％ＣＩ ０．７７７−０．９８０））において同様である。本モデルは、Ｍｅｄｉ−Ｃａｌを通して支援を受けていなかった女性において、受けていた女性に比べて幾分成績が良く、ＡＵＣは０．８０７（９５％ＣＩ ０．７４１−０．８７３））および０．６８９（９５％ＣＩ ０．６０４−０．７７４）であった。９０％サブセットからのモデル導出ＲＯＣ曲線およびその結果として生じた確率は、モデル構築およびモデル実証サブセットにおいてＰＴＢを高度に予測した。例えば、全ての妊娠は、構築および実証サブセットの両方においてＰＴＢという結果となる９０以上のＰＴＢ確率であると判断された。この切点（ｃｕｔ ｐｏｉｎｔ）における感度は、モデル構築セットにおいて１３．５％であり（９５％ＣＩ ８．５−１９．８）、実証サブセットにおいて１７．７％であった（９５％ＣＩ ４．０−４３．５）。もっと低い切点、例えば、６０以上、を使用すると、もっと良い感度（構築セットにおいて５６．４％（９５％ＣＩ ４８．３−６４．３）および実証セットにおいて４１．２％（９５％ＣＩ １８．５−６７．０）となった。

例３．パネルＣの導出
ここでは、ＰＴＢリスク指標のさらなる解明を実行した。

被験者：分娩予定日が２００９年および２０１０年で異数性がない３４６の単胎妊娠（ｎ＝１７３症例（早期自然ＰＴＢ＜３２週）およびｎ＝１７３対照）。

バイオマーカー測定：胎盤機能に関連した６つのマーカーを、将来を見越して検査した。７５の脂質および免疫関連マーカーを、保存した第２の三半期（１５〜２０週）試料に関して検査した。

モデル生成：症例および対照を３：１の割合で訓練セットおよび検査セットに分割した。訓練セット内のマーカーを特定するために線形判別分析（ＬＤＡ）を使用し、それは症例を対照から選別するのに著しく寄与した。ＬＤＡ導出モデルの成績を、訓練および検査サブセットの両方で検査した。

結果および結論：パネルＣの１７のマーカーを最終ＬＤＡモデルに含めた（考慮した８１からの１７）。訓練セット内での検出は８１．７％（曲線下面積（ＡＵＣ）０．８１７４（９５％信頼区間（ＣＩ）０．７６６３−０．８６８６））で、検査セット内では７２．６８％（ＡＵＣ ０．７２６８、９５％ＣＩ ０．６２１０−０．８３２５）であった。訓練セットおよび検査セットにおける決まった擬陽性率でのモデル検出率は、相互に約１０％の範囲内に入る傾向があった（例えば、５％ＦＰＲで、訓練セット内での検出は３６．４３％であり、他方、検査セット内での検出は２５．００％であった）。ＬＤＡモデルは、高血圧または糖尿病がある女性および、ない女性において早期自然ＰＴＢを予測した。

発見は、胎盤、脂質、および免疫関連マーカーが、相まって、早期自然ＰＴＢに対するリスクが増加した妊娠を確実に特定し得、そのため、複数の経路にわたってマーカーに影響する予測モデルは、リスクグループ（例えば、高血圧または糖尿病のあるグループ、およびないグループ）にわたって頑強であり得ることを示す。

例４．モデル２およびパネルＤの導出
目的：この調査では、目的は、胎盤機能、脂質、ホルモン機能、および免疫系に関連した第２の三半期血清マーカーが早期ＰＴＢに対するリスクを評価するために使用できるかどうか評価することであった。

調査設計：第１および第２の三半期スクリーニングを行った４００の単胎妊娠（１００の早期ＰＴＢ症例（＜３４完了週妊娠期間）および３００の妊娠末期対照（３７〜４２週妊娠期間））を含めた。胎盤機能に関連した４つのマーカーを、将来を見越して検査して、７６の脂質、炎症／免疫、およびホルモン関連マーカーを、保存した１５〜２０週試料について検査した。部分最小二乗判別分析（ＰＬＳ−ＤＡ）および関連変数重要度投影プロット（ＶＩＰ）で、個々のマーカーの群分離に対する寄与を評価した。受信者動作曲線（ＲＯＣ）および曲線下面積（ＡＵＣ）統計値を使用して、ＰＬＳ−ＤＡ導出血清専用モデルならびに統合血清および特性モデル成績を評価した。ＲＯＣ導出確率を使用してリスクのレベルを割り当てた。

結果：プロゲステロン、胎盤機能に関連した３つのマーカー（ＡＦＰ中央値の倍数（ＭｏＭ）、ｈＣＧ ＭｏＭ、ＩＮＨ ＭｏＭ）、脂質機能に関連した２つのマーカー（コレステロールＭｏＭおよびＬＤＬ ＭｏＭ）、ならびに炎症および免疫機能に関連した９つのマーカー（ＴＮＦＲ１、ＨＧＦ、ＩＬ１Ｒ１、ＩＬ４Ｒ、ＶＥＧＦＲ２、ＥＯＴＡＸＩＮ、ＭＩＧ、ＭＩＰ１Ａ、ＩＣＡＭ１）を含む、パネルＤの１５の血清マーカーを、最終ＰＬＳ−ＤＡ導出予測モデルに含めた。結果として生じたモデルがモデル２である。母体高血圧、糖尿病、貧血、および支援状態に関する情報と併用すれば、血清マーカーモデル２は、症例と対照を７５．９％の精度で選別することができた（９５％信頼区間（ＣＩ）０．７０１−０．８１７）。早期ＰＴＢの女性の６０パーセント以上が、モデル投影に基づくＲＯＣ導出確率（感度＝６１．０（９５％ＣＩ ５０．７−７０．６）、感度＝８１．０（９５％ＣＩ ７６．５−８５．６））に基づいて、早期ＰＴＢの少なくとも１０に３の可能性があると特定された。

結論：母体特性および胎盤、脂質、ホルモン、および免疫系機能に関連した妊娠中期血清マーカーが、早期ＰＴＢに対するリスクを正確に評価するために使用できる。

本明細書に記載した全ての特許、特許出願、および公開は、あたかも各独立特許出願、または公開が参照によって組み込まれると明確かつ個別に示されたかのように、同じ程度まで、参照により本明細書に組み込まれる。開示する実施形態は、制限ではなく、説明を目的として提示される。本発明はその説明された実施形態を参照して説明されているが、全体として、本発明の精神および範囲から逸脱することなく、本発明の構造および要素に対する変更を行うことができることが当業者によって理解されるであろう。

Claims (25)

1. 被験者におけるＰＴＢのリスクを評価するための予測モデルを生成する方法であって、
   リスク指標のパネルの選択と、
   リスク指標値とＰＴＢを経験する確率との間の数学的関係を導出するための、妊娠中にＰＴＢを経験した女性の第１のプールに対する前記リスク指標値および妊娠中にＰＴＢを経験しなかった女性の第２のプールに対する前記リスク指標値への統計的分析の適用と
   を含む、方法。
2. 指標の前記選択されたパネルは、胎盤機能、脂質状態、ホルモン状態、および免疫活性のカテゴリの各々から１つ以上の指標を含む、
   請求項１に記載の方法。
3. リスク指標の前記選択されたパネルは、ＡＦＰ、ｈＣＧ、ＬＤＬ、プロゲステロン、ＩＬ−１Ａ、ＩＬ−１ＲＡ、ＧＰ１３０、ＩＬ−７、ＩＬ−１０、Ｉｌ−１５、ＩＦＮＡ、ＩＦＮＢ、ＭＩＰ１Ｂ、ＭＣＰ３、ＥＮＡ７８、ＩＬ−８、ＭＩＧ、ＩＰ−１０、ＣＤ４０Ｌ、ＴＮＦＲ１、ＴＲＡＩＬ、ｓＦＡＳＬ、ＰＤＧＦＢＢ、ＮＧＦ、ＶＥＧＦ、ＶＥＧＦＲ２、支援状態、肥満度指数、高血圧状態、および糖尿病状態から成る群から選択された２つ以上のリスク指標を含む、
   請求項１に記載の方法。
4. リスク指標の前記選択されたパネルは、出産数、糖尿病状態、高血圧状態、ＰＡＰＰ−Ａ、ＡＦＰ、ＴＲＡＩＬ、ＩＬ−４、ＩＬ−５、ＩＦＮＡ、ＬＩＦ、ＮＧＦ、ＶＥＧＦ、ＶＥＧＦＲ１、ＩＰ−１０、ＭＩＰ１Ａ、ＲＡＮＴＥＳ、およびＣＲＰから成る群から選択された２つ以上のリスク指標を含む、
   請求項１に記載の方法。
5. リスク指標の前記選択されたパネルは、高血圧状態、糖尿病状態、貧血状態、支援状態、プロゲステロン、ＰＡＰＰ−Ａ、ｈＣＧ、ＡＦＰ、ＨＤＬ、トリグリセリド、トリグリセリド：ＨＤＬ、ＩＬ−６、ＣＤ４０Ｌ、ＴＲＡＩＬ、ＩＬ−１３、ＬＩＦ、ＭＣＳＦ、ＶＥＧＦＲ１、ＶＥＧＦＲ３、ＥＯＴＡＸＩＮ、ＭＣＰ−３、およびＭＩＧから成る群から選択された２つ以上のリスク指標を含む、
   請求項１に記載の方法。
6. リスク指標の前記選択されたパネルは、ＡＦＰ、ｈＣＧ、ＩＮＨ、コレステロール、ＬＤＬ、ＴＮＦＲ１、ＨＧＦ、ＩＬ１Ｒ１、ＩＬ４Ｒ、ＶＥＧＦＲ２、ＥＯＴＡＸＩＮ、ＭＩＧ、ＭＩＰ１Ａ、およびＩＣＡＭ１から成る群から選択された２つ以上のリスク指標を含む、
   請求項１に記載の方法。
7. 前記統計的分析は、ロジスティック回帰分析、線形判別分析、部分最小二乗判別分析、多重線形回帰分析、多変量非線形回帰、逆方向段階的回帰、閾値に基づく方法、ツリーベース法、ピアソンの相関係数、サポートベクターマシン、一般化加法モデル、教師ありおよび教師なし学習モデル、ならびにクラスター分析から成る群から選択される、
   請求項１に記載の方法。
8. 被験者に対するＰＴＢリスクを評価する方法であって、次のステップ：
   選択されたパネル内の各リスク指標に対して前記被験者のリスク指標値を取得することと、
   前記取得されたリスク指標値を、リスク指標の前記選択されたパネルに基づく予測モデルに入力することと、
   前記予測モデルを使用して、前記被験者に対するＰＴＢリスク評価を計算することと
   を含む、方法。
9. 指標の前記選択されたパネルは、胎盤機能、脂質状態、ホルモン状態、および免疫活性のカテゴリの各々から１つ以上の指標を含む、
   請求項８に記載の方法。
10. リスク指標の前記選択されたパネルは、ＡＦＰ、ｈＣＧ、ＬＤＬ、プロゲステロン、ＩＬ−１Ａ、ＩＬ−１ＲＡ、ＧＰ１３０、ＩＬ−７、ＩＬ−１０、Ｉｌ−１５、ＩＦＮＡ、ＩＦＮＢ、ＭＩＰ１Ｂ、ＭＣＰ３、ＥＮＡ７８、ＩＬ−８、ＭＩＧ、ＩＰ−１０、ＣＤ４０Ｌ、ＴＮＦＲ１、ＴＲＡＩＬ、ｓＦＡＳＬ、ＰＤＧＦＢＢ、ＮＧＦ、ＶＥＧＦ、ＶＥＧＦＲ２、支援状態、肥満度指数、高血圧状態、および糖尿病状態から成る群から選択された２つ以上のリスク指標を含む、
    請求項８に記載の方法。
11. リスク指標の前記選択されたパネルは、出産数、糖尿病状態、高血圧状態、ＰＡＰＰ−Ａ、ＡＦＰ、ＴＲＡＩＬ、ＩＬ−４、ＩＬ−５、ＩＦＮＡ、ＬＩＦ、ＮＧＦ、ＶＥＧＦ、ＶＥＧＦＲ１、ＩＰ−１０、ＭＩＰ１Ａ、ＲＡＮＴＥＳ、およびＣＲＰから成る群から選択された２つ以上のリスク指標を含む、
    請求項８に記載の方法。
12. リスク指標の前記選択されたパネルは、高血圧状態、糖尿病状態、貧血状態、支援状態、プロゲステロン、ＰＡＰＰ−Ａ、ｈＣＧ、ＡＦＰ、ＨＤＬ、トリグリセリド、トリグリセリド：ＨＤＬ、ＩＬ−６、ＣＤ４０Ｌ、ＴＲＡＩＬ、ＩＬ−１３、ＬＩＦ、ＭＣＳＦ、ＶＥＧＦＲ１、ＶＥＧＦＲ３、ＥＯＴＡＸＩＮ、ＭＣＰ−３、およびＭＩＧから成る群から選択された２つ以上のリスク指標を含む、
    請求項８に記載の方法。
13. リスク指標の前記選択されたパネルは、ＡＦＰ、ｈＣＧ、ＩＮＨ、コレステロール、ＬＤＬ、ＴＮＦＲ１、ＨＧＦ、ＩＬ１Ｒ１、ＩＬ４Ｒ、ＶＥＧＦＲ２、ＥＯＴＡＸＩＮ、ＭＩＧ、ＭＩＰ１Ａ、およびＩＣＡＭ１から成る群から選択された２つ以上のリスク指標を含む、
    請求項８に記載の方法。
14. 前記予測モデルは、式：
    ＰＴＢ確率スコア＝−８．１２８３＋（１．４４６９＊ｌｏｇ ＡＦＰ ＭｏＭ）＋（−０．３９９１＊ｌｏｇ ｈＣＧ ＭｏＭ）＋（−０．７１０４＊ｌｏｇ ＬＤＬ ＭｏＭ）＋（４．８９８１＊ｌｏｇプロゲステロン）＋（−１．１８３４＊ｌｏｇ Ｉｌ−１Ａ）＋（０．６２０７＊ｌｏｇ ＩＬ−１ＲＡ）＋（−１．１９９０＊ｌｏｇ ＧＰ１３０）＋（−１．６２１２＊ｌｏｇ ＩＬ−７）＋（１．００５５＊ｌｏｇ ＩＬ−１０）＋（１．９５６３＊ｌｏｇ ＩＬ−１５）＋（０．１６３１＊ｌｏｇ ＩＮＦＡ）＋（−０．４１２１＊ｌｏｇ ＩＮＦＢ）＋（−０．０７６７＊ｌｏｇ ＭＩＰ１Ｂ）＋（−１．６２３７＊ｌｏｇ ＭＣＰ３）＋（０．４７６１＊ｌｏｇ ＥＮＡ７８）＋（０．２４０８＊ｌｏｇ ＩＬ−８）＋（０．８２１７＊ｌｏｇ ＭＩＧ）＋（１．５６５８＊ｌｏｇ ＩＰ−１０）＋（０．８３３９＊ｌｏｇ ＴＮＦＲ１）＋（−５．０６１３＊ｌｏｇ ＣＤ４０Ｌ）＋（９．０２２８＊ｌｏｇ ＴＲＡＩＬ）＋（−０．５４９３＊ｌｏｇ ｓＦＡＳＬ）＋（１．０３０９＊ｌｏｇ ＰＤＧＦＢＢ）＋（−１７．９２５５＊ｌｏｇ ＶＥＧＦ）＋（１．０３８５＊ｌｏｇ ＶＥＧＦＲ２）＋（３．７４８１＊支援）＋（０．５２８９＊ＢＭＩ）＋（−１２．５０９１＊高血圧）＋（１．８８５９＊糖尿病）＋（１．８５０５＊ｌｏｇ ＴＮＦＲ１＊ｌｏｇプロゲステロン）＋（（１．３１７４＊ｌｏｇ ＣＤ４０Ｌ＊ｌｏｇプロゲステロン）＋（−５．１７７８＊ｌｏｇ ＶＥＧＦ＊ｌｏｇプロゲステロン）＋（−０．７３６４＊ｌｏｇ ＴＲＡＩＬ＊支援）＋（−１．４０７０＊ＩＬ−８＊高血圧）＋（５．２６６９＊ｌｏｇ ＶＥＧＦ＊高血圧）
    を含み、
    式中、医療支援を使用している被験者＝１、医療支援を使用していない被験者＝０；ＢＭＩ＞３０の被験者＝１、ＢＭＩ＜３０の被験者＝０；既存の高血圧＝１、既存の高血圧なし＝０；および既存の糖尿病＝１、既存の糖尿病なし＝０、ＭｏＭ＝中央値の倍数であり、かつバイオマーカー血清濃度測定値は、胎盤マーカー、脂質、およびプロゲステロンに対してｐｇ／ｍｌ、ならびにサイトカイン、ケモカインおよび受容体に対して中央蛍光強度（ＭＦＩ）値である、
    請求項１０に記載の方法。
15. 前記予測モデルは、式：
    ＰＴＢ確率スコア＝−６．７６０１＋０．９９４９（ｌｏｇ ＡＦＰ ＭｏＭ）−０．３５８３（ｌｏｇ ｈＣＧ ＭｏＭ）＋０．２１６５（ｌｏｇ ＩＮＨ ＭｏＭ）−０．５０８４（ｌｏｇ ＴＮＦＲ１）＋０．７７９３（ｌｏｇプロゲステロン）−０．７１０１（ｌｏｇコレステロール）＋０．９７１１（ｌｏｇ ＬＤＬ ＭｏＭ）−０．２３６９（ｌｏｇ ＨＧＦ）＋０．３４２５（ｌｏｇ ＩＬ１Ｒ１）−０．２８０２（ｌｏｇ ＩＬ４Ｒ）＋０．０８２２（ｌｏｇ ＶＥＧＦＲ２）＋０．５０４８（ｌｏｇ ＥＯＴＡＸＩＮ）＋０．１２３２（ｌｏｇ ＭＩＧ）−０．２９１４（ｌｏｇ ＭＩＰ１Ａ）＋０．５０７７（ｌｏｇ ＩＣＡＭ１）＋１．３８４２（高血圧値）＋０．８３５８（糖尿病値）＋０．５７１９（支援値）＋０．５４２６（貧血値）
    を含み、
    式中、ＭｏＭは中央値の倍数を示し、被験者が何らかの高血圧である場合、高血圧状態＝１で、被験者が高血圧ではない場合、高血圧状態＝０であり；被験者が何らかの糖尿病である場合、糖尿病値＝１で、被験者が糖尿病ではない場合、糖尿病値＝０であり；被験者が何らかの貧血である場合、貧血値＝１で、被験者が貧血ではない場合、貧血値＝０であり；被験者が何らかの公的保険給付を受けている場合、支援値＝１で、被験者が公的保険給付を受けていない場合、支援値＝０であり、バイオマーカー値は、胎盤マーカー、脂質、およびプロゲステロンに対してｐｇ／ｍｌ、ならびにサイトカイン、ケモカインおよび受容体に対して中央蛍光強度（ＭＦＩ）値である、
    請求項１３に記載の方法。
16. 前記被験者のＰＴＢのリスクが上昇している場合、前記被験者に治療介入を施す、
    追加のステップをさらに含む、請求項１３に記載の方法。
17. 上昇は、１０％を超えるとＰＴＢリスクがあるとして定義される、
    請求項１６に記載の方法。
18. 上昇は、７０％を超えるとＰＴＢリスクがあるとして定義される、
    請求項１７に記載の方法。
19. 前記治療介入は、モニタリングの増加、ライフスタイルの制限、プロゲステロンの投与、感染症のモニタリング、抗生物質の投与、抗炎症薬の投与、締結の設置、および子宮頸部ペッサリーの設置から成る群から選択される、
    請求項１８に記載の方法。
20. 試料中の早産リスクバイオマーカーを評価するためのキットであって、
    ＡＦＰ、ｈＣＧ、ＬＤＬ、プロゲステロン、ＩＬ−１Ａ、ＩＬ−１ＲＡ、ＧＰ１３０、ＩＬ−７、ＩＬ−１０、Ｉｌ−１５、ＩＦＮＡ、ＩＦＮＢ、ＭＩＰ１Ｂ、ＭＣＰ３、ＥＮＡ７８、ＩＬ−８、ＭＩＧ、ＩＰ−１０、ＣＤ４０Ｌ、ＴＮＦＲ１、ＴＲＡＩＬ、ｓＦＡＳＬ、ＰＤＧＦＢＢ、ＮＧＦ、ＶＥＧＦ、およびＶＥＧＦＲ２から成る群から選択された２つ以上のバイオマーカーを検出可能な要素を含む、キット。
21. 試料中の早産リスクバイオマーカーを評価するためのキットであって、
    ＰＡＰＰ−Ａ、ＡＦＰ、ＴＲＡＩＬ、ＩＬ−４、ＩＬ−５、ＩＦＮＡ、ＬＩＦ、ＮＧＦ、ＶＥＧＦ、ＶＥＧＦＲ１、ＩＰ−１０、ＭＩＰ１Ａ、ＲＡＮＴＥＳ、およびＣＲＰから成る群から選択された２つ以上のバイオマーカーを検出可能な要素を含む、キット。
22. 試料中の早産リスクバイオマーカーを評価するためのキットであって、
    プロゲステロン、ＰＡＰＰ−Ａ、ｈＣＧ、ＡＦＰ、ＨＤＬ、トリグリセリド、トリグリセリド：ＨＤＬ、ＩＬ−６、ＣＤ４０Ｌ、ＴＲＡＩＬ、ＩＬ−１３、ＬＩＦ、ＭＣＳＦ、ＶＥＧＦＲ１、ＶＥＧＦＲ３、ＥＯＴＡＸＩＮ、ＭＣＰ−３、およびＭＩＧから成る群から選択された２つ以上のバイオマーカーを検出可能な要素を含む、キット。
23. 試料中の早産リスクバイオマーカーを評価するためのキットであって、
    ＡＦＰ、ｈＣＧ、ＩＮＨ、コレステロール、ＬＤＬ、ＴＮＦＲ１、ＨＧＦ、ＩＬ１Ｒ１、ＩＬ４Ｒ、ＶＥＧＦＲ２、ＥＯＴＡＸＩＮ、ＭＩＧ、ＭＩＰ１Ａ、およびＩＣＡＭ１から成る群から選択された２つ以上のバイオマーカーを検出可能な要素を含む、キット。
24. 前記キットが免疫測定法要素を含む、
    請求項２０〜請求項２３のいずれかに記載のキット。
25. 前記免疫測定法要素が定量的ＥＬＩＳＡアッセイを含む、
    請求項２４に記載のキット。

Images