JP2023159417A - マルチパラメータ代謝脆弱性指数評価 - Google Patents
マルチパラメータ代謝脆弱性指数評価 Download PDFInfo
- Publication number
- JP2023159417A JP2023159417A JP2023139487A JP2023139487A JP2023159417A JP 2023159417 A JP2023159417 A JP 2023159417A JP 2023139487 A JP2023139487 A JP 2023139487A JP 2023139487 A JP2023139487 A JP 2023139487A JP 2023159417 A JP2023159417 A JP 2023159417A
- Authority
- JP
- Japan
- Prior art keywords
- hdlp
- mvx
- value
- mmx
- subclass
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000002503 metabolic effect Effects 0.000 title claims abstract description 105
- 238000011156 evaluation Methods 0.000 title description 7
- 238000000034 method Methods 0.000 claims abstract description 199
- 150000005693 branched-chain amino acids Chemical class 0.000 claims abstract description 108
- 238000005259 measurement Methods 0.000 claims abstract description 106
- 150000002576 ketones Chemical class 0.000 claims abstract description 86
- KRKNYBCHXYNGOX-UHFFFAOYSA-K Citrate Chemical compound [O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O KRKNYBCHXYNGOX-UHFFFAOYSA-K 0.000 claims abstract description 64
- 102000004506 Blood Proteins Human genes 0.000 claims abstract description 43
- 108010017384 Blood Proteins Proteins 0.000 claims abstract description 43
- 230000002028 premature Effects 0.000 claims abstract description 28
- 239000000523 sample Substances 0.000 claims description 86
- 108010010234 HDL Lipoproteins Proteins 0.000 claims description 65
- 102000015779 HDL Lipoproteins Human genes 0.000 claims description 65
- 208000015380 nutritional deficiency disease Diseases 0.000 claims description 65
- 208000002720 Malnutrition Diseases 0.000 claims description 64
- 230000001071 malnutrition Effects 0.000 claims description 64
- 235000000824 malnutrition Nutrition 0.000 claims description 64
- 239000002245 particle Substances 0.000 claims description 64
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 claims description 43
- 238000000655 nuclear magnetic resonance spectrum Methods 0.000 claims description 40
- 102000004169 proteins and genes Human genes 0.000 claims description 38
- 108090000623 proteins and genes Proteins 0.000 claims description 38
- 230000002757 inflammatory effect Effects 0.000 claims description 31
- 210000002966 serum Anatomy 0.000 claims description 25
- 210000002381 plasma Anatomy 0.000 claims description 17
- WHBMMWSBFZVSSR-UHFFFAOYSA-N 3-hydroxybutyric acid Chemical compound CC(O)CC(O)=O WHBMMWSBFZVSSR-UHFFFAOYSA-N 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 15
- AGPKZVBTJJNPAG-WHFBIAKZSA-N L-isoleucine Chemical compound CC[C@H](C)[C@H](N)C(O)=O AGPKZVBTJJNPAG-WHFBIAKZSA-N 0.000 claims description 14
- ROHFNLRQFUQHCH-YFKPBYRVSA-N L-leucine Chemical compound CC(C)C[C@H](N)C(O)=O ROHFNLRQFUQHCH-YFKPBYRVSA-N 0.000 claims description 14
- KZSNJWFQEVHDMF-BYPYZUCNSA-N L-valine Chemical compound CC(C)[C@H](N)C(O)=O KZSNJWFQEVHDMF-BYPYZUCNSA-N 0.000 claims description 14
- ROHFNLRQFUQHCH-UHFFFAOYSA-N Leucine Natural products CC(C)CC(N)C(O)=O ROHFNLRQFUQHCH-UHFFFAOYSA-N 0.000 claims description 14
- KZSNJWFQEVHDMF-UHFFFAOYSA-N Valine Natural products CC(C)C(N)C(O)=O KZSNJWFQEVHDMF-UHFFFAOYSA-N 0.000 claims description 14
- WDJHALXBUFZDSR-UHFFFAOYSA-M acetoacetate Chemical compound CC(=O)CC([O-])=O WDJHALXBUFZDSR-UHFFFAOYSA-M 0.000 claims description 14
- 229960000310 isoleucine Drugs 0.000 claims description 14
- AGPKZVBTJJNPAG-UHFFFAOYSA-N isoleucine Natural products CCC(C)C(N)C(O)=O AGPKZVBTJJNPAG-UHFFFAOYSA-N 0.000 claims description 14
- 239000004474 valine Substances 0.000 claims description 14
- 230000007211 cardiovascular event Effects 0.000 claims description 10
- KRKNYBCHXYNGOX-UHFFFAOYSA-N citric acid Chemical compound OC(=O)CC(O)(C(O)=O)CC(O)=O KRKNYBCHXYNGOX-UHFFFAOYSA-N 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 150000003839 salts Chemical class 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 abstract description 11
- 239000000090 biomarker Substances 0.000 abstract description 9
- 230000036541 health Effects 0.000 abstract description 5
- 238000005481 NMR spectroscopy Methods 0.000 description 110
- 208000024172 Cardiovascular disease Diseases 0.000 description 52
- 102000004895 Lipoproteins Human genes 0.000 description 30
- 108090001030 Lipoproteins Proteins 0.000 description 30
- 238000004458 analytical method Methods 0.000 description 26
- 239000012472 biological sample Substances 0.000 description 25
- 108010007622 LDL Lipoproteins Proteins 0.000 description 16
- 102000007330 LDL Lipoproteins Human genes 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 16
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 15
- 229940079593 drug Drugs 0.000 description 13
- 239000003814 drug Substances 0.000 description 13
- 238000012502 risk assessment Methods 0.000 description 13
- 239000002131 composite material Substances 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 238000000338 in vitro Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000003595 spectral effect Effects 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000007477 logistic regression Methods 0.000 description 9
- 239000000126 substance Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 7
- 206010061218 Inflammation Diseases 0.000 description 6
- 108010062497 VLDL Lipoproteins Proteins 0.000 description 6
- 235000012000 cholesterol Nutrition 0.000 description 6
- 230000002526 effect on cardiovascular system Effects 0.000 description 6
- 230000004054 inflammatory process Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 101100228149 Drosophila melanogaster Trl gene Proteins 0.000 description 5
- 101100370408 Helicobacter pylori (strain ATCC 700392 / 26695) trl gene Proteins 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 239000002207 metabolite Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 206010007559 Cardiac failure congestive Diseases 0.000 description 4
- 206010019280 Heart failures Diseases 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 208000020832 chronic kidney disease Diseases 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 235000014113 dietary fatty acids Nutrition 0.000 description 4
- 229930195729 fatty acid Natural products 0.000 description 4
- 239000000194 fatty acid Substances 0.000 description 4
- 150000002632 lipids Chemical class 0.000 description 4
- 238000013517 stratification Methods 0.000 description 4
- 102100030840 AT-rich interactive domain-containing protein 4B Human genes 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- 108010023302 HDL Cholesterol Proteins 0.000 description 3
- 101000792935 Homo sapiens AT-rich interactive domain-containing protein 4B Proteins 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 3
- 108010028554 LDL Cholesterol Proteins 0.000 description 3
- 238000008214 LDL Cholesterol Methods 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000005055 memory storage Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013610 patient sample Substances 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000000391 smoking effect Effects 0.000 description 3
- 238000012421 spiking Methods 0.000 description 3
- 238000005160 1H NMR spectroscopy Methods 0.000 description 2
- SHWNNYZBHZIQQV-UHFFFAOYSA-J EDTA monocalcium diisodium salt Chemical group [Na+].[Na+].[Ca+2].[O-]C(=O)CN(CC([O-])=O)CCN(CC([O-])=O)CC([O-])=O SHWNNYZBHZIQQV-UHFFFAOYSA-J 0.000 description 2
- 102000003886 Glycoproteins Human genes 0.000 description 2
- 108090000288 Glycoproteins Proteins 0.000 description 2
- 229940121710 HMGCoA reductase inhibitor Drugs 0.000 description 2
- 108010046315 IDL Lipoproteins Proteins 0.000 description 2
- OVRNDRQMDRJTHS-FMDGEEDCSA-N N-acetyl-beta-D-glucosamine Chemical compound CC(=O)N[C@H]1[C@H](O)O[C@H](CO)[C@@H](O)[C@@H]1O OVRNDRQMDRJTHS-FMDGEEDCSA-N 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 102000007562 Serum Albumin Human genes 0.000 description 2
- 108010071390 Serum Albumin Proteins 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 150000001720 carbohydrates Chemical group 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000002651 drug therapy Methods 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 2
- 238000002483 medication Methods 0.000 description 2
- 235000020925 non fasting Nutrition 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 102000011767 Acute-Phase Proteins Human genes 0.000 description 1
- 108010062271 Acute-Phase Proteins Proteins 0.000 description 1
- 101150102415 Apob gene Proteins 0.000 description 1
- 108010071619 Apolipoproteins Proteins 0.000 description 1
- 102000007592 Apolipoproteins Human genes 0.000 description 1
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 206010007558 Cardiac failure chronic Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- OVRNDRQMDRJTHS-CBQIKETKSA-N N-Acetyl-D-Galactosamine Chemical group CC(=O)N[C@H]1[C@@H](O)O[C@H](CO)[C@H](O)[C@@H]1O OVRNDRQMDRJTHS-CBQIKETKSA-N 0.000 description 1
- OVRNDRQMDRJTHS-UHFFFAOYSA-N N-acelyl-D-glucosamine Natural products CC(=O)NC1C(O)OC(CO)C(O)C1O OVRNDRQMDRJTHS-UHFFFAOYSA-N 0.000 description 1
- MBLBDJOUHNCFQT-LXGUWJNJSA-N N-acetylglucosamine Natural products CC(=O)N[C@@H](C=O)[C@@H](O)[C@H](O)[C@H](O)CO MBLBDJOUHNCFQT-LXGUWJNJSA-N 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003110 anti-inflammatory effect Effects 0.000 description 1
- 230000003579 anti-obesity Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000008827 biological function Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000005189 cardiac health Effects 0.000 description 1
- 230000033077 cellular process Effects 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003085 diluting agent Substances 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 238000001962 electrophoresis Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000002440 hepatic effect Effects 0.000 description 1
- 230000002209 hydrophobic effect Effects 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 239000004310 lactic acid Substances 0.000 description 1
- 235000014655 lactic acid Nutrition 0.000 description 1
- 230000004132 lipogenesis Effects 0.000 description 1
- 230000004130 lipolysis Effects 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000002705 metabolomic analysis Methods 0.000 description 1
- 230000001431 metabolomic effect Effects 0.000 description 1
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 229950006780 n-acetylglucosamine Drugs 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 239000000101 novel biomarker Substances 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 238000011903 nutritional therapy Methods 0.000 description 1
- 230000007310 pathophysiology Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 150000003904 phospholipids Chemical class 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009862 primary prevention Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 239000000092 prognostic biomarker Substances 0.000 description 1
- 238000000425 proton nuclear magnetic resonance spectrum Methods 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 230000009863 secondary prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 150000003384 small molecules Chemical class 0.000 description 1
- 150000003408 sphingolipids Chemical class 0.000 description 1
- 210000003802 sputum Anatomy 0.000 description 1
- 208000024794 sputum Diseases 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
- 238000000108 ultra-filtration Methods 0.000 description 1
- 238000005199 ultracentrifugation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/92—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving lipids, e.g. cholesterol, lipoproteins, or their receptors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Hematology (AREA)
- Immunology (AREA)
- Urology & Nephrology (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- High Energy & Nuclear Physics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Microbiology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Cell Biology (AREA)
- Food Science & Technology (AREA)
- Endocrinology (AREA)
- Biotechnology (AREA)
- Medicinal Chemistry (AREA)
- Radiology & Medical Imaging (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
Abstract
【課題】何らかの原因からの早死の人のリスクをよりよく予測又は評価することができる因子で構成されるリスク計算器が必要である。【解決手段】少なくとも１つの定義されたリスクの数学モデルを使用して、被験者の代謝脆弱性指数（ＭＶＸ）スコアを判定する為の方法及びシステムが開示される。本方法は、様々な健康リスクを区別する為に様々な生体指標を評価することを含む。一実施形態では、本方法は、生体指標を評価して、早期全原因死亡率の相対リスクを判定することを含む。モデルは、被験者の少なくとも１つの生体サンプル中のＧｌｙｃＡ、Ｓ－ＨＤＬＰ、分岐鎖アミノ酸（ＢＣＡＡ）、ケトン体、総血清タンパク質、及びクエン酸塩のＮＭＲ由来測定値を含んでいてもよい。【選択図】図１
Description
関連出願の相互参照
本特許出願は、ＰＶＸを測定する方法とシステム（METHODS AND SYSTEMS FOR MEASURING PVX）と題する２０１７年９月７日に出願された米国仮特許出願第６２／５５５，４２１号と、マルチパラメータ代謝脆弱性指数評価（MULTI-PARAMETER METABOLIC VULNERABILITY INDEX EVALUATIONS）と題する２０１８年１月１９日に出願された米国仮特許出願第６２／６１９，４９７号の利益を主張するものである。上記出願の全内容は、全てのテキスト、表及び図面を含めて、参照により本明細書に組み込まれる。
本特許出願は、ＰＶＸを測定する方法とシステム（METHODS AND SYSTEMS FOR MEASURING PVX）と題する２０１７年９月７日に出願された米国仮特許出願第６２／５５５，４２１号と、マルチパラメータ代謝脆弱性指数評価（MULTI-PARAMETER METABOLIC VULNERABILITY INDEX EVALUATIONS）と題する２０１８年１月１９日に出願された米国仮特許出願第６２／６１９，４９７号の利益を主張するものである。上記出願の全内容は、全てのテキスト、表及び図面を含めて、参照により本明細書に組み込まれる。
本開示は、概ねインビトロの生体サンプルの分析に関する。本開示は、インビトロの生体サンプルのＮＭＲ分析に特に適していると考えられる。
心血管疾患（ＣＶＤ）関連死は、「従来型の」ＣＶＤ危険因子への長期曝露の最も重篤な転帰であると考えられる。フラミンガム子孫研究において広範に研究され、文書化されているこれらの危険因子には、年齢、性別、血圧、喫煙習慣及びコレステロール値が含まれる。非特許文献１を参照されたい。これらの因子は、ＣＶＤ関連事象に罹患するリスクがある標準集団及び集団を差別化する為に長い間使用されてきた。
通常は、冠動脈心疾患（ＣＨＤ）及び／又はＣＶＤの患者全体のリスクは、患者のＬＤＬ及びＨＤＬ粒子の数ではなく、ＬＤＬコレステロール（ＬＤＬ－Ｃ）及びＨＤＬコレステロール（ＨＤＬ－Ｃ）として示される、これら粒子のコレステロール含有量の測定値に基づいて最初に評価される。治療の決定は、「悪玉」コレステロール（ＬＤＬ－Ｃ）を減らし、及び／又は「善玉」コレステロール（ＨＤＬ－Ｃ）を増加させることを目的として行われることが多く、二次的な焦点は、修正可能なフラミンガム危険因子を最適化することである。
これらのフラミンガム因子に基づくリスク計算は、概ね、ＣＶＤ関連事象の発生率を予測してもよい。しかしながら、これらのリスク計算器は、非致命的及び致命的ＣＶＤ事象の両方から構成される複合的なＣＶＤの転帰を予測する為に開発されたものである。更に、臨床試験では、通常は、研究の評価項目として複合的なＣＶＤの転帰を使用する。最近の臨床試験の分析は、複合的なＣＶＤ評価項目の致命的及び非致命的要素に対する不均一な薬剤効果を示した。例えば、幾つかの試験におけるＬＤＬ低下薬は、複合的なＣＶＤ評価項目及び当該評価項目の非致命的事象要素の発生率を減少させたが、同じ薬剤でも、組み合わせた評価項目の致命的ＣＶＤ事象要素又は全原因死亡率を減少させることができなかった。逆に、幾つかの糖尿病薬は、非致命的ＣＶＤ事象ではなく、ＣＶＤによる死亡及び全原因死亡率を減少させるだけで、複合的なＣＶＤ評価項目を減少させた。これらの研究の結果は、潜在的に問題となり得る複合的なＣＶＤの転帰によって、致命的及び非致命的ＣＶＤ事象の決定基が異なる場合もあることを示している。
従来のＣＶＤリスク計算器は、様々な疾患状態の複雑な病態生理学を考慮に入れることはできず、幾つかの従来型ＣＶＤ危険因子は、しばしば、栄養不良、慢性的に病気の患者における生存と逆説的に関連付けられる。例えば、慢性心臓及び腎臓疾患を有する患者では、肥満度指数、血清コレステロールレベル、及び血圧がより高い患者は、生存率が増加する。非特許文献２を参照されたい。これは、疾病状態とは無関係に、患者の罹患率及び死亡率のリスクを判定する為に、フラミンガム危険因子に対する臨床の信頼性に対する疑問を投げかけている。
臨床医は、現在、患者の予後を予測する為の複合的な転帰に基づくリスク計算器から得た従来型のＣＶＤ危険因子に依存するという事実を考慮すると、非致命的事象を罹患するリスクとは対照的に、何らかの原因からの早死の人のリスクをよりよく予測又は評価することができる因子で構成されるリスク計算器が依然として必要である。
ウィルソン（Wilson）他による、「コレステロールの危険因子スクリーニングに関する国家ガイドラインの影響、フラミンガム子孫研究」（Impact of National Guidelines for Cholesterol Risk Factor Screening, The Framingham Offspring Study）ジャーナル・オブ・ジ・アメリカン・メディカル・アソシエーション（JAMA）１９８９年、２６２、pp. 41-44
カランター－ザデー（Kalanttar Zadeh）他による、「慢性心不全患者における従来の心血管危険因子の逆疫学」（Reverse Epidemiology of Conventional Cardiovascular Risk Factors in Patients with Chronic Heart Failure）アメリカ心臓病学会（Journal of the American College of Cardiology）２００４年、４２、pp.１４３９－４４
本開示の実施形態は、定義された多要素リスク評価モデルを使用して、インビトロ血漿又は血清患者サンプルのＮＭＲスペクトルを評価することにより、人の早期全原因死亡率の相対リスクを評価、及び／又は死亡リスク層化を提供して、患者の代謝脆弱性指数（ＭＶＸ）スコアを判定する方法及びシステムを含む。
ＭＶＸスコアは、小さいＨＤＬ粒子（Ｓ―ＨＤＬＰ）のような高密度リポタンパク質（ＨＤＬ）のサブクラス、炎症指標ＧｌｙｃＡ、１つ以上の分岐鎖アミノ酸（バリン、ロイシン及び／又はイソロイシン）、１つ以上のケトン体（ベータヒドロキシブチレート、アセトアセテート及び／又はアセトン）、及び任意でクエン酸塩（Ｃｉｔｒａｔｅ）及び／又は血清タンパク質（Ｐｒｏｔｅｉｎ）の量を含む、複数のＮＭＲ由来測定値を使用して計算してもよい。一実施形態では、ＨＤＬＰサブクラスは、小さいＨＤＬ粒子（Ｓ―ＨＤＬＰ）である。
本開示の実施形態は、人の早死のリスクに関連付けられた指標のレベルを判定する方法を含む。本方法は、人からサンプルを取ることと、ＧｌｙｃＡ、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）のサブクラス、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）、少なくとも１つのケトン体を測定することを含んでいてもよい。一実施形態では、高密度リポタンパク質粒子は、小さいＨＤＬ粒子（Ｓ―ＨＤＬＰ）である。幾つかの実施形態では、これらの測定値を使用してＭＶＸスコアを生成する。幾つかの実施形態では、前記ＭＶＸスコアは、次のモデルを使用することによって判定される。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、前記ＭＶＸ値は、次のモデルを使用することによって判定される。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、前記ＭＶＸ値は、次のモデルを使用することによって判定される。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
尚、本開示を通して、Ａ及びβ１－βｎに対する経験的値は、使用するモデルによって変化し得る。例えば、ＭＶＸについての上記最初の式（即ち、β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）という項を含まない式）におけるβ１は、概ね、上記二番目の式（即ち、その生成物の項を含む式）におけるβ１とはそれぞれ異なる値である。
幾つかの実施形態では、前記方法は、ＧｌｙｃＡに加えて、クエン酸塩及びタンパク質の少なくとも１つ、少なくとも１つのＨＤＬＰサブクラス、少なくとも１つのＢＣＡＡ、及び少なくとも１つのケトン体を測定することを含む。幾つかの実施形態では、クエン酸塩（Ｃｉｔｒａｔｅ）と血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを含む前記測定は、ＣＶＤ関連の死亡のリスクが高いと思われる被験者について行われる。幾つかの実施形態では、前記ＭＶＸ値は、次のモデルを使用して判定される。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
幾つかの実施形態では、前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される。幾つかの実施形態では、少なくともＧｌｙｃＡ及び前記少なくとも１つのＨＤＬＰサブクラスの前記測定値を使用して、炎症指数（ＩＮＦＸ）値を生成する。幾つかの実施形態では、前記ＩＮＦＸ値は、次のモデルを使用して判定される。
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
幾つかの実施形態では、少なくとも１つのＢＣＡＡ及び少なくとも１つのケトン体の前記測定値を使用して、代謝栄養失調指数（ＭＭＸ）値を生成する。幾つかの実施形態では、前記ＭＭＸ値は、次のモデルを使用して判定される。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１で表記することができ、本明細書で詳細に議論するように、低リスクであると信じられる（例えば、周知の心血管（ＣＶ）事象を有していない）集団／被験者に使用される計算であってもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１で表記することができ、本明細書で詳細に議論するように、低リスクであると信じられる（例えば、周知の心血管（ＣＶ）事象を有していない）集団／被験者に使用される計算であってもよい。
他の実施形態では、少なくとも１つのＢＣＡＡ、少なくとも１つのケトン体、クエン酸塩、及びタンパク質の測定値を用いて、代替のＭＭＸ値を生成する。例えば、幾つかの実施形態では、前記ＭＭＸ値は、次のモデルを使用して判定してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
又は、前記ＭＭＸ値は、次のモデルを使用して判定してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、以下のように記載してもよい。ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、但し、ＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
又は、前記ＭＭＸ値は、次のモデルを使用して判定してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、以下のように記載してもよい。ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、但し、ＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である。
クエン酸塩及びタンパク質の測定値を含むＭＭＸ値を生成する為に使用される測定値は、概ねＣＶＤ関連死（例えば、心血管事象又は内在するＣＶＤを示唆する症状を有する被験者）に関して高リスクであると思われる被験者及び／又は集団において行われる。
従って、幾つかの実施形態では、前記代謝脆弱性指数は、次のように記載してもよい。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
正常（即ち、低）リスク患者集団（例えば、周知のＣＶ事象を有していなかった人々）に適用する為に、代謝脆弱性指数は、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１として記載できる（但し、βｉ及びβｍは、使用されるモデルによっては固有値を有している場合もある）。逆に、高リスク患者集団（例えば、周知のＣＶ事象を有していた人々）に適用する為に、代謝脆弱性指数は、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸとして記載できる。但し、βｉ及びβｍは、使用するモデルと、ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２によっては固有値を有している場合もある。幾つかの場合において、βｍは、低リスクモデル及び高リスクモデルの両方で同じである（例えば、図１６参照）。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
正常（即ち、低）リスク患者集団（例えば、周知のＣＶ事象を有していなかった人々）に適用する為に、代謝脆弱性指数は、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１として記載できる（但し、βｉ及びβｍは、使用されるモデルによっては固有値を有している場合もある）。逆に、高リスク患者集団（例えば、周知のＣＶ事象を有していた人々）に適用する為に、代謝脆弱性指数は、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸとして記載できる。但し、βｉ及びβｍは、使用するモデルと、ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２によっては固有値を有している場合もある。幾つかの場合において、βｍは、低リスクモデル及び高リスクモデルの両方で同じである（例えば、図１６参照）。
例えば、幾つかの場合において、ＭＶＸスコアは、致命的なＣＶ事象又は他の原因による死亡に対する被験者の全体的な健康状態及びリスクを観察する方法として、高リスクの被験者又は集団において観察してもよい。又は、ＭＶＸスコアは、試薬の有効性を観察する方法として、高リスク集団で実施されている新薬の臨床試験で観察してもよい。低リスクの被験者の場合、臨床医は、一般的な健康及び健全を評価する為の手段としてＭＶＸ１値を観察することを選択してもよい。特定の実施形態では、心臓の健康を促進する生活様式への変化に関するガイドとしてＭＶＸ１値を使用してもよい。更に他の実施形態は、システムを対象とする。このシステムは、インビトロの生体サンプルの少なくとも１つのＮＭＲスペクトルを取得する為のＮＭＲ分光計と、ＮＭＲ分光計と通信する少なくとも１つのプロセッサとを含む。少なくとも１つのプロセッサは、少なくとも１つのＮＭＲスペクトルを用いて夫々の生体サンプルに対し、少なくとも１つのＨＤＬサブクラス要素測定値、少なくとも１つの分岐鎖アミノ酸測定値、少なくとも１つのケトン体測定値、ＧｌｙｃＡ測定値、及び任意で、被験者のインビトロの生体サンプルの少なくとも１つから得られるクエン酸塩測定値及び／又はタンパク質測定値を検討することができる、早死のリスクの少なくとも１つの定義された数学モデルに基づいて、代謝脆弱性指数のスコアを判定するように構成してもよい。一実施形態では、ＨＤＬＰサブクラスは、小さいＨＤＬＰ（Ｓ―ＨＤＬＰ）である。幾つかの実施形態では、前記プロセッサは、次の式を使用して、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及び前記少なくとも１つの前記ＨＤＬＰサブクラスの前記測定値に基づいてＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、前記プロセッサは、次のモデルを使用して前記ＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
幾つかの実施形態では、前記プロセッサは、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むＭＶＸスコアを計算するように構成してもよい。従って、幾つかの実施形態では、前記プロセッサは、次のモデルに基づいてＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
これらの実施形態では、プロセッサは、次のモデルを使用してＩＮＦＸ値を計算するように構成してもよい。
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＭＸ値を計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１と表記することができる。幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
別の実施形態では、プロセッサは、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、以下のように記載してもよい。
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、但し、ＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、前記プロセッサは、次のモデルを使用して前記ＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
幾つかの実施形態では、前記プロセッサは、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むＭＶＸスコアを計算するように構成してもよい。従って、幾つかの実施形態では、前記プロセッサは、次のモデルに基づいてＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
これらの実施形態では、プロセッサは、次のモデルを使用してＩＮＦＸ値を計算するように構成してもよい。
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＭＸ値を計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１と表記することができる。幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
別の実施形態では、プロセッサは、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、以下のように記載してもよい。
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、但し、ＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である。
更に他の実施形態は、ＮＭＲシステムを対象とする。このシステムは、ＮＭＲ分光計と、分光計と通信するフロープローブと、及び分光計と通信する少なくとも１つのプロセッサとを含む。少なくとも１つのプロセッサは、（ｉ）フロープローブ中の血中血漿又は血清試料のＧｌｙｃＡに関連付けられたＮＭＲスペクトルの定義されたＧｌｙｃＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉ）フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたケトン体適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉｉ）フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたＢＣＡＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｖ）ＨＤＬＰサブクラスパラメータの少なくとも１つのＮＭＲ信号とを取得するように構成してもよい。プロセッサは、更に、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及びＨＤＬＰサブクラスパラメータの測定値を計算するように構成してもよい。このシステムは、更に、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、ＨＤＬＰサブクラスパラメータの少なくとも１つ、及び任意で血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）の計算された測定値を使用する全原因死亡率のリスクの定義された数学モデルを使用してＭＶＸスコアを計算するように構成してもよい。一実施形態では、ＨＤＬＰサブクラスは、小さいＨＤＬＰ（Ｓ―ＨＤＬＰ）である。幾つかの実施形態では、システムは、更に、次の式を使用して、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及びＨＤＬＰサブクラスの少なくとも１つの測定値に基づいてＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、システムは、更に、次のモデルを使用してＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、システムは、更に、次のモデルを使用してＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
幾つかの実施形態では、システムは、更に、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むＭＶＸスコアを計算するように構成してもよい。従って、幾つかの実施形態では、システムは、更に、次のモデルに基づいてＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
これらの実施形態では、システムは、更に、次のモデルを使用してＩＮＦＸ値を計算するように構成してもよい。
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
幾つかの実施形態では、システムは、更に、次のモデルを使用してＭＭＸ値を計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１と表記することができる。幾つかの実施形態では、システムは、更に、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
別の実施形態では、システムは、更に、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、以下のように記載してもよい。
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、但し、ＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、システムは、更に、次のモデルを使用してＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、システムは、更に、次のモデルを使用してＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
幾つかの実施形態では、システムは、更に、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むＭＶＸスコアを計算するように構成してもよい。従って、幾つかの実施形態では、システムは、更に、次のモデルに基づいてＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
これらの実施形態では、システムは、更に、次のモデルを使用してＩＮＦＸ値を計算するように構成してもよい。
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
幾つかの実施形態では、システムは、更に、次のモデルを使用してＭＭＸ値を計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１と表記することができる。幾つかの実施形態では、システムは、更に、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
別の実施形態では、システムは、更に、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、以下のように記載してもよい。
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、但し、ＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である。
本開示の更なる局面は、患者を観察して、治療を評価するか、又は患者が早死のリスクがあるかどうかを判定する方法に関する。本方法は、少なくとも１つの選択されたＨＤＬＰサブクラス、少なくとも１つの分岐鎖アミノ酸、少なくとも１つのケトン体、及びＧｌｙｃＡ及び任意の少なくとも１つのタンパク質又はクエン酸塩のＮＭＲ由来測定値を含む複数の要素を含む、本明細書に開示される少なくとも１つの定義されたＭＶＸ数学モデルをプログラム的に提供することを含んでいてもよい。この方法は、更に、ＮＭＲ由来測定値を含むスペクトルをプログラム的に解析することを含んでもよい。本方法はまた、少なくとも１つの定義されたモデル及び対応する患者サンプル測定値を使用して夫々の患者のＭＶＸスコアをプログラム的に計算することと、（ｉ）ＭＶＸスコアが、全原因死亡のリスク増加に関連付けられた集団ノルムの定義されたレベルを上回るかどうか、及び／又は、（ｉｉ）代謝脆弱性指数が、治療に応答して経時的に増加又は減少するかどうかのうちの少なくとも１つを評価することとを含んでいてもよい。幾つかの実施形態では、ＭＶＸスコアは、次の式を使用して、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及び少なくとも１つのＨＤＬＰサブクラスの測定値に基づいて計算してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、ＭＶＸスコアは、次のモデルを使用することによって計算してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、ＭＶＸスコアは、次のモデルを使用することによって計算してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
幾つかの実施形態では、前記ＭＶＸスコアの計算は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含む。従って、幾つかの実施形態では、ＭＶＸスコアの計算は、次のモデルに基づいてもよい。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
これらの実施形態では、ＩＮＦＸ値の計算は、次のモデルを使用してもよい。
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
幾つかの実施形態では、ＭＭＸ値の計算は、次のモデルを使用してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１と表記することができる。幾つかの実施形態では、ＭＭＸスコアの計算は、次のモデルであり得る。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
別の実施形態では、ＭＭＸスコアの計算は、次のモデルを使用してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、次のように記載してもよい。
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、但し、ＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、ＭＶＸスコアは、次のモデルを使用することによって計算してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、ＭＶＸスコアは、次のモデルを使用することによって計算してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
幾つかの実施形態では、前記ＭＶＸスコアの計算は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含む。従って、幾つかの実施形態では、ＭＶＸスコアの計算は、次のモデルに基づいてもよい。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
これらの実施形態では、ＩＮＦＸ値の計算は、次のモデルを使用してもよい。
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
幾つかの実施形態では、ＭＭＸ値の計算は、次のモデルを使用してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１と表記することができる。幾つかの実施形態では、ＭＭＸスコアの計算は、次のモデルであり得る。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
別の実施形態では、ＭＭＸスコアの計算は、次のモデルを使用してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、次のように記載してもよい。
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、但し、ＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である。
本開示の更なる特徴、利点及び詳細は、以下の好ましい実施形態の図面及び詳細な説明を読むことにより当業者に理解されよう。また、そのような説明は本開示の単なる例示に過ぎない。一実施形態に関して記載された特徴は、その他の実施形態と共に組み込まれることができるが、これに限定されない。即ち、一実施形態に対して説明した本開示の局面は、特に記載はしないが、別の実施形態に組み込んでもよいことは理解できよう。即ち、全ての実施形態及び／又は任意の実施形態の特徴は、任意の方法及び／又は組合せで組み合わせることができる。本開示の上記及び他の目的及び／又は態様について、以下に述べる明細書において詳細に説明する。
本開示を考慮すれば当業者には理解されるように、本開示の実施形態は、方法、システム、装置及び／又はコンピュータプログラム製品又はそれらの組合せを含んでいてもよい。
本開示の上記及び他の目的及び態様について、以下に述べる明細書において詳細に説明する。
ここで、本開示の実施形態を示す添付図面を参照して、本開示を以下でより詳しく説明する。しかしながら、本開示は、多くの異なる形態で実施することができ、本明細書で説明する実施形態に限定されるものとして解釈されるべきではなく、むしろ、これらの実施形態は、本開示が一貫して、かつ完全なものとなるように提供されるものであり、当業者には本開示の範囲を十分に伝え得るものである。
全体を通して同様の参照番号は同様の要素を示すものである。図面では、明確に示す為に、一部の線の太さ、層、構成要素、要素、又は特徴が強調されている場合もある。破線は、特に指定されない限り、任意の特徴又は動作を示す。
Ａ．定義及び用語
本明細書で使用する用語は、特定の実施形態のみを説明する目的で使用するものであり、本開示を限定することを意図したものではない。本明細書では、文脈が明らかに示されない限り、単数だけでなく複数も含まれることを意図している。更に、本明細書で使用される用語「含む」及び／又は「含んでいる」は、述べられた特徴、整数、工程、動作、要素、及び／又は構成要素の存在を述べるものであるが、１つ以上の他の特徴、整数、工程、動作、要素、構成要素、及び／又はそのグループの存在又は追加を排除するものではないことが理解されるであろう。本明細書で使用される、用語「及び／又は」は、列挙された関連項目の１つ以上の任意及び全ての組合せを含むものである。本明細書で使用される「ＸとＹとの間」及び「約ＸとＹとの間」のような語句は、ＸとＹを含むものであることを理解するものとする。本明細書で使用される「約ＸとＹとの間」のような語句は、「約Ｘと約Ｙの間」を意味する。本明細書で使用される「約ＸからＹまで」のような語句は、「約Ｘから約Ｙまで」を意味する。
本明細書で使用する用語は、特定の実施形態のみを説明する目的で使用するものであり、本開示を限定することを意図したものではない。本明細書では、文脈が明らかに示されない限り、単数だけでなく複数も含まれることを意図している。更に、本明細書で使用される用語「含む」及び／又は「含んでいる」は、述べられた特徴、整数、工程、動作、要素、及び／又は構成要素の存在を述べるものであるが、１つ以上の他の特徴、整数、工程、動作、要素、構成要素、及び／又はそのグループの存在又は追加を排除するものではないことが理解されるであろう。本明細書で使用される、用語「及び／又は」は、列挙された関連項目の１つ以上の任意及び全ての組合せを含むものである。本明細書で使用される「ＸとＹとの間」及び「約ＸとＹとの間」のような語句は、ＸとＹを含むものであることを理解するものとする。本明細書で使用される「約ＸとＹとの間」のような語句は、「約Ｘと約Ｙの間」を意味する。本明細書で使用される「約ＸからＹまで」のような語句は、「約Ｘから約Ｙまで」を意味する。
特に定義しない限り、ここで使用される全ての用語（技術的又は科学的用語を含む）は、一般に本開示が属する技術分野の当業者によって理解されるものと同じ意味を有するものである。一般に使用される辞書で定義されるような用語は、明細書の文脈及び関連技術における意味と一致する意味を有すると理解すべきであり、本明細書に明確に定義されていない限り、理想化された、又は過度に正式な意味で解釈されるべきではないことが更に理解されるであろう。周知の機能又は構造は、簡潔及び／又は明瞭の為に記載しない場合もある。
本明細書で様々な要素、構成要素、領域、層、及び／又は区分を説明するときに「第１」「第２」などを称することがあるが、これらの要素、構成要素、領域、層、及び／又は区分は、これらの用語によって限定されるものではないことは理解できよう。これらの用語は、１つの要素、構成要素、領域、層又は区分を、別の領域、層又は区分から区別する為に使用されるだけである。従って、以下に論ずる第１の要素、構成要素、領域、層又は区分は、本開示の教示から逸脱することなく、第２の要素、構成要素、領域、層又は区分と呼ぶことができる。動作（又は工程）の順番は、特に指定がない限り、請求項又は図面に示された順番に限定するものではない。
用語「プログラム的に」は、コンピュータプログラム及び／又はソフトウェア、プロセッサ、又はＡＳＩＣに向けられた動作を利用して行われることを意味する。用語「電子」及びその派生語は、精神的工程を介するのではなく、電気回路及び／又はモジュールを有する装置を使用して実行される自動化された、又は半自動化された動作を指し、通常は、プログラム的に実行される動作を指す。用語「自動化された」及び「自動化の」は、作業を最小限にするか又は手作業や手入力なく、動作を行うことができることを意味する。用語「半自動化された」は、オペレータが幾つかの入力又は起動ができるようにすることを指すが、計算及び信号取得並びにイオン化された成分の濃度の計算は、手動入力を必要とすることなく、電子的に、通常はプログラム的に行われる。
用語「約」は、指定された値又は数の＋／－１０％（中央値又は平均）を指す。
用語「患者」は広い意味で使用し、試験又は分析の為の生体サンプルを提供する個体を指す。
用語「ＧｌｙｃＡ」は、Ｎ－アセチルグルコサミン及び／又はＮ－アセチルガラクトサミン部分を含む急性相反応物糖タンパク質の炭水化物部分からの、より詳細には、２つのＮＡｃＧｌｃ及び２つのＮＡｃＧａｌメチル基のプロトン由来の複合的なＮＭＲ信号の測定から導き出される生体指標を指す。ＧｌｙｃＡ信号は、約４７℃（＋／－０．５℃）で血漿ＮＭＲスペクトルにおいて約２．００ｐｐｍを中心とする。ピーク位置は分光計場とは無関係であるが、生体サンプルの分析温度に依存して変化可能であり、尿生体サンプル中には見出されない。従って、試験サンプルの温度が変化する場合、ＧｌｙｃＡピーク領域も変化する場合がある。ＧｌｙｃＡ ＮＭＲ信号は、臨床的に関連する信号寄与部のみを含むように、定義されたピーク領域でのＮＭＲ信号のサブセットを含んでいてもよく、そして以下に更に議論されるように、この領域における信号へのタンパク質寄与部を排除してもよい。完全に引用されるがごとく、参照によりその全体が本明細書に組み込まれた米国特許第９，３６１，４２９号、同第９，４７０，７７１号、及び同第９，７９２，４１０号の内容を参照されたい。
本明細書で使用される場合、化学シフト位置（ｐｐｍ）は、内部又は外部で参照されるＮＭＲスペクトルを指す。一実施形態では、その位置は、２．５１９ｐｐｍでＣａＥＤＴＡ信号の内部で参照されてもよい。従って、本明細書において論じられる、及び／又は特許請求する顕著なピーク位置は、当業者に周知であるように、化学シフトがどのように生成されるか、又は参照されるかに依存して変化する場合がある。従って、明確に示すために、記載する及び／又は特許請求されるピーク位置の一部は、当業者に周知であるように、他の対応する化学シフトにおいて等価な異なるピーク位置を有する。
用語「生体サンプル」は、ヒト又は動物のインビトロの血液、血漿、血清、ＣＳＦ、唾液、洗浄液、痰、又は組織サンプルを指す。本開示の実施形態は、特にＧｌｙｃＡ（例えば、尿中には見出されない）についてヒト血漿又は血清生体サンプルを評価するのに特に適している。血漿又は血清サンプルは、空腹時又は非空腹時であってもよい。
用語「集団ノルム」及び「標準」は、フラミンガム子孫研究又はアテローム性動脈硬化の多民族研究（ＭＥＳＡ）に登録されているような平均リスク患者、又はカテーテル遺伝学（ＣＡＴＨＧＥＮ）心臓カテーテル法バイオレポジトリに登録されているような高リスク患者の大きな研究（複数を含む）、又は、一般集団又は標的患者集団を代表する十分なサンプルを有する他の研究によって定義される値を指す。本明細書において、用語、低リスク（又は正常リスク）は、周知の心血管事象を有していない個体を意味する。このような集団は、一次予防集団としても知られている。例えば、ＭＥＳＡは低リスク集団である。本明細書中において、用語「高リスク」は、周知の心血管事象を有していた個体を示す。このような集団は、二次的予防集団としても知られている。例えば、ＣＡＴＨＧＥＮは、高リスク集団である。しかしながら、本開示は、現在定義されている正常又は低リスク及び高リスク集団値又はレベルが経時変化することがあるので、ＭＥＳＡ又はＣＡＴＨＧＥＮにおける集団値に限定されるものではない。従って、リスクセグメント（例えば、四分位数又は五分位数）における定義された集団からの値に関連付けられた基準範囲を提供し、使用して、臨床疾患状態を有する上昇又は減少したレベル及び／又はリスクを評価してもよい。
用語「臨床疾患状態」は広範に使用され、医学的介入、治療、治療の調節、或いは特定の治療（例えば、医薬品）の排除及び／又は観察するのが適していることを示す、危険な医学的状態を含む。臨床疾患の可能性を特定することにより、臨床医は、それに応じて症状の発症を治療、遅延する又は発病の阻止をすることができるようになる。
本明細書中において、用語「ＮＭＲスペクトル分析」は、プロトン（１Ｈ）核磁気共鳴分光法を使用して、生体サンプル、例えば、血漿又は血清中に存在する夫々のパラメータを測定することができるデータを取得することを意味する。「測定する」及びその派生語は、レベル又は濃度を判定し、及び／又は特定のリポタンパク質サブクラスに対しては、その平均粒子サイズを測定することを指す。用語「ＮＭＲ由来」は、関連付けられた測定値が、ＮＭＲ分光計におけるインビトロの生体サンプルの１つ以上のスキャン由来のＮＭＲ信号／スペクトルを使用して計算されることを意味する。
用語「ダウンフィールド」は、（基準と比較してｐｐｍスケールが高い）特定のピーク／位置／点の左側に関するＮＭＲスペクトル上の領域／位置を指す。逆に、用語「アップフィールド」は、特定のピーク／位置／点の右側に関するＮＭＲスペクトル上の領域／位置を指す。
用語「数学モデル」及び「モデル」は、置き換え可能に使用され、「ＭＶＸ」、「代謝脆弱性指数」、又は「リスク」と共に使用される場合、通常は１乃至１２年以内の、被験者の将来的な早死のリスクを評価する為に使用されるリスクの統計的モデルを指す。リスクモデルは、ロジスティック回帰モデル、コックス比例ハザード回帰モデル、混合モデル、又は階層線形モデルの１つ以上を含むが、これらに限定されない任意の適したモデルであってもよく、又は含まれてもよい。リスクモデルは、定義された時間枠内で、通常は１乃至１２年以内に、早死の確率に基づいてリスクの尺度を提供することができる。リスクモデルは、従来のリスク要素に基づいて臨床事象を有する僅か乃至中程度の機会に関連付けられた「中間リスク」を有する患者に対してリスク層化を行うのに特に適している。ＭＶＸリスクモデルは、標準的なχ２及び／又はｐ値（後者は十分に代表的な試験集団を伴う）により測定されるような、早死の相対リスクを層化することができる。
用語「相互作用パラメータ」は、（乗算された）積及び／又は比として組み合わせた少なくとも２つの異なる定義されたパラメータを指す。相互作用パラメータの例としては、（Ｓ－ＨＤＬＰ）（ＧｌｙｃＡ）及び（タンパク質）（クエン酸塩）が挙げられるが、これらに限定されない。
用語「マルチ指標」は、多要素生体指標を指す。
用語「リポタンパク質成分」は、リポタンパク質の１つ以上のサブクラス（サブタイプ）のサイズ及び／又は濃度を含むリポタンパク質粒子に関連付けられた数学リスクモデル中の成分を指す。リポタンパク質成分は、リポタンパク質粒子のサブクラス、濃度、サイズ、比率及び／又はリポタンパク質パラメータの（積算した）数学的結果、及び／又は定義されたリポタンパク質パラメータの、又は他のパラメータ、例えばＧｌｙｃＡと組み合わせたリポタンパク質サブクラス測定値の何れを含んでいてもよい。
用語「ＨＤＬＰ」は、定義されたＨＤＬサブクラスの粒子濃度を合計する高密度リポタンパク質粒子数測定値（例えば、ＨＤＬＰ数）を指す。総ＨＤＬＰは、約７ｎｍ（平均）乃至約１４ｎｍ（平均）、通常は７．４乃至１３．５ｎｍの間のサイズ範囲で、全てのＨＤＬサブクラス（サイズに基づいて、大、中、小などの異なるサイズのカテゴリに分類することができる）の濃度（μｍｏｌ／Ｌ）を合計する合計の高密度リポタンパク質粒子測定値を用いて生成してもよい。幾つかの実施形態では、ＨＤＬは、多数の個別サイズの構成要素、例えば、Ｈ１に関連付けられた最小のＨＤＬＰサイズからＨ７に関連付けられた最大のＨＤＬＰサイズの範囲にわたる異なるサイズの７つの亜集団（Ｈ１乃至Ｈ７）など、として特定してもよい。幾つかの実施形態では、ＨＤＬ粒子の定義されたサブクラスは、小さいＨＤＬ粒子（Ｓ－ＨＤＬＰ）を含む。幾つかの実施形態では、Ｓ－ＨＤＬＰは、約７．３ｎｍ（平均）乃至約９．０ｎｍ（平均）の直径を有するＨＤＬ粒子サブクラスを含んでいてもよい。
本明細書で使用される「未処理生体サンプル」とは、質量分析法の為のサンプル調製とは異なり、得られた後に生体サンプルを物理的又は化学的に変化させる処理に供されることはない（しかし、緩衝液及び希釈剤を使用することができる）生体サンプルを指す。従って、一度生体サンプルが得られると、生体サンプル由来の成分は、変化又は除去されることはない。例えば、一度血清生体サンプルが得られると、血清は、血清から成分を除去する処理に供されることはない。幾つかの実施形態では、未処理の生体サンプルは、濾過及び／又は限外濾過プロセスに供されない。
Ｂ．被験者のＭＶＸを判定する方法
本明細書では、被験者の代謝脆弱性指数（ＭＶＸ）を判定する為の方法及びシステムが開示される。これらの方法は、定義された生体指標の多変量モデルを利用して、患者の早死の機会を予測することを含む。方法は、被験者からサンプルを得る工程と、ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、及び少なくとも１つのケトン体を測定する工程と、測定値に基づいて被験者の代謝脆弱性指数値を算出する工程とを含む。一実施形態では、ＨＤＬＰは、小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である。幾つかの実施形態では、ＭＶＸスコアは、次の式を使用して、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及び少なくとも１つのＨＤＬＰサブクラスの測定値に基づいて計算してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、ＭＶＸスコアは、次のモデルを使用することによって計算してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
これらの実施形態では、ＭＶＸ値は、心血管事象に対するリスクが低いと思われる被験者に対して判定してもよい。
本明細書では、被験者の代謝脆弱性指数（ＭＶＸ）を判定する為の方法及びシステムが開示される。これらの方法は、定義された生体指標の多変量モデルを利用して、患者の早死の機会を予測することを含む。方法は、被験者からサンプルを得る工程と、ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、及び少なくとも１つのケトン体を測定する工程と、測定値に基づいて被験者の代謝脆弱性指数値を算出する工程とを含む。一実施形態では、ＨＤＬＰは、小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である。幾つかの実施形態では、ＭＶＸスコアは、次の式を使用して、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及び少なくとも１つのＨＤＬＰサブクラスの測定値に基づいて計算してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、ＭＶＸスコアは、次のモデルを使用することによって計算してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
これらの実施形態では、ＭＶＸ値は、心血管事象に対するリスクが低いと思われる被験者に対して判定してもよい。
幾つかの実施形態では、ＭＶＸ値は、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）の測定値を含んでいてもよい。幾つかの実施形態では、ＭＶＸ値は、次のモデルを使用して判定してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
これらの実施形態では、ＭＶＸ値は、心血管事象に対するリスクが高いと思われる被験者に対して判定してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
これらの実施形態では、ＭＶＸ値は、心血管事象に対するリスクが高いと思われる被験者に対して判定してもよい。
別の実施形態では、ＭＶＸ値は、本明細書でより詳細に開示するように、炎症指数（ＩＮＦＸ）及び／又は代謝栄養失調指数（ＭＭＸ）を含んでいてもよい。従って、幾つかの実施形態では、ＭＶＸスコアの計算は、次のモデルに基づいてもよい。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
これらの実施形態では、ＩＮＦＸ値の計算は、次のモデルを使用してもよい。
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
幾つかの実施形態では、ＭＭＸ値の計算は、次のモデルを使用してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１と表記することができ、心血管疾患関連事象に関して低リスクであると思われる被験者に対して使用してもよい。幾つかの実施形態では、ＭＭＸスコアの計算は、次のモデルであり得る。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
別の実施形態では、ＭＭＸスコアの計算は、次のモデルを使用してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、次のように記載してもよい。
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、ここでＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
これらの実施形態では、ＭＶＸスコアは、心血管疾患関連事象に対するリスクが高いと思われる被験者に対して判定してもよい。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
これらの実施形態では、ＩＮＦＸ値の計算は、次のモデルを使用してもよい。
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
幾つかの実施形態では、ＭＭＸ値の計算は、次のモデルを使用してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１と表記することができ、心血管疾患関連事象に関して低リスクであると思われる被験者に対して使用してもよい。幾つかの実施形態では、ＭＭＸスコアの計算は、次のモデルであり得る。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
別の実施形態では、ＭＭＸスコアの計算は、次のモデルを使用してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、次のように記載してもよい。
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、ここでＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
これらの実施形態では、ＭＶＸスコアは、心血管疾患関連事象に対するリスクが高いと思われる被験者に対して判定してもよい。
幾つかの実施形態では、ＢＣＡＡは、ロイシン、イソロイシン、又はバリンの少なくとも１つでよい。幾つかの実施形態では、ケトン体は、アセトン、アセトアセテート、又はベータヒドロキシブチレートの少なくとも１つでよい。幾つかの実施形態では、測定は、ＮＭＲによって実施される。
代謝脆弱性指数は、短期間（１年）乃至長期（１２年）の早死リスク評価を提供することができる。これらのリスク評価は、従来の危険因子から分離されたＭＶＸ値を生成することができる。
図１は、被験者のＭＶＸ値を判定する方法の一実施形態の概略図を示す。本方法は、被験者から得られた血漿又は血清サンプルの核磁気共鳴（ＮＭＲ）スペクトルを取得する最初の工程を含んでいてもよい。次に、サンプルに対して計算された線形状を生成してもよく、この線形状は、サンプル中に潜在的に存在するリポタンパク質及び代謝産物成分の導き出された濃度に基づいている（夫々の導き出された濃度は、その成分についての参照スペクトル及び計算された基準係数の関数である）。この方法は、サンプルのＮＭＲスペクトルに基づいて被験者のＭＶＸ値を判定することと結論付けることができる。この方法により、施術者が、日常的かつ簡易的なスクリーニングの間、被験者における早死リスクを特定すること、及び早死に関連付けられた状態の診断及び治療を開始すること、又は被験者が有害となり得る薬剤を受けることを予防することができるようになる。
図２は、治療に対する患者の応答を判定する為にＭＶＸの使用法についての一実施例を示す概略図である。多変量モデルを使用して、臨床試験開始時または臨床試験中、治療（複数も含む）中、に患者を評価して、薬剤開発、及び／又は抗炎症、抗肥満、又は他の薬剤若しくは栄養学的治療候補を特定又は観察することができる。
幾つかの実施形態では、測定値は、インビトロ血漿又は血清患者サンプルのＮＭＲ信号を得て、ＨＤＬ粒子サブクラス、ＧｌｙｃＡ及び／又は例えば、ケトン体及びＢＣＡＡなどの複数の代謝栄養失調生体指標のＮＭＲ由来濃度測定値を判定することによって得られる。
本開示の実施形態は、定義された予測生体指標のマルチパラメータ（多変量）モデルを用いて、患者の早期全原因死亡率のリスク評価を提供する。
多変量リスク評価モデルは、限定されないが、Ｓ－ＨＤＬＰ、少なくとも１つのケトン体、少なくとも１つの定義された分岐鎖アミノ酸、及びＧｌｙｃＡなどの、少なくとも１つの定義されたＨＤＬＰ要素を含むことができる。更に、リスク評価モデルは、クエン酸塩及び血清タンパク質の１つ以上を含むことができる。
多変量モデルは、ＧｌｙｃＡ、分岐鎖アミノ酸、クエン酸塩、ケトン体、総タンパク質、及び同じＮＭＲスペクトルに由来するＨＤＬＰ要素（例えば、サブクラス）のＮＭＲ測定値のうちの少なくとも１つを含んでいてもよい。
リスクの定義された数学モデルの少なくとも１つのＨＤＬＰ要素は、定義されたＨＤＬＰ亜集団の濃度を乗じたＧｌｙｃＡの測定値の第１の相互作用パラメータを含んでいてもよい。ＨＤＬ粒子の定義された亜集団は、小さいＨＤＬ粒子（Ｓ－ＨＤＬＰ）を含んでいてもよい。幾つかの実施形態では、Ｓ－ＨＤＬＰは、約７．３ｎｍ（平均）乃至約９．０ｎｍ（平均）の直径を有するＨＤＬ粒子サブクラスを含んでいてもよい。
本開示の実施形態は、低リスク及び高リスクカテゴリの両方における患者に対する早死リスクを層化することができる新規な生体指標を提供する。
本開示の実施形態は、類似の従来型危険因子を有する患者のリスクを層化するのに特に適していると思われる。概説すると、ＭＶＸスコアを使用して、早死に対する相対リスクを層化することができると考えられる。ＭＶＸスコアは、これらの臨床因子とは独立して、同じ年齢、性別、血圧及びＢＭＩを有する患者の早死リスクを層化することができる。
本開示の実施形態は、複数のリスクモデルパラメータを使用して、１乃至１２年の時間枠内の患者の早死のリスクを評価することができる。
上述したように、本開示の実施形態は、表１に示すように、炎症（例えば、ＩＮＦＸ）及び代謝栄養失調（例えば、ＭＭＸ）に関連付けられた生体指標を含むことができる。幾つかの実施形態では、ＭＶＸスコアは、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義してもよい。本開示の幾つかの実施形態では、被験者の早死の相対リスクに関連付けられた指標のレベルを判定する方法は、被験者からサンプルを得ることと、ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、ＧｌｙｃＡと少なくとも１つのＨＤＬＰサブクラスの測定値を使用して、炎症指数（ＩＮＦＸ）値を生成することと、少なくとも１つのＢＣＡＡと、少なくとも１つのケトン体と、任意で、タンパク質及びクエン酸塩の測定値を使用して、少なくとも１つの代謝栄養失調指数（ＭＭＸ）値を生成することと、ＩＮＦＸ値及びＭＭＸ値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することとを含んでいてもよい。
炎症は、限定されないが、ＣＶＤを含む多くの異なる疾患状態と関連付けることができる。炎症はＨＤＬ機能性を調節することもあると考えられる。例えば、フォーゲルマン（Fogelman）「善玉コレステロールが悪玉コレステロールになる時」（When Good Cholesterol Go Bad）ネイチャー メディシン（Nature Medicine）２００４年を参照されたい。糖タンパク質の炭水化物成分は、タンパク質選別、免疫及び受容体認識、炎症及び他の細胞プロセスにおいて生物学的機能を果たすことができる。
本明細書に開示されるように、ＭＶＸモデルは、少なくとも２つの炎症指標、例えばＧｌｙｃＡ及びＳ－ＨＤＬＰと、少なくとも２つの代謝栄養失調生体指標、例えば少なくとも１つのケトン体及び少なくとも１つのＢＣＡＡとを含むことができる。幾つかの実施形態では、ＭＶＸモデルは、少なくとも１つの相互作用パラメータを含む。
ＭＶＸ数学モデルは、性別、年齢、ＢＭＩなどの他の臨床パラメータを検討することができ、高血圧薬などの場合も、ＭＶＸ数学モデルは、任意の臨床パラメータとは無関係にＭＶＸ値を生成することができる。
上述したように、本開示の実施形態を使用して、１つ以上の定義されたリスクの数学モデルを使用して少なくとも１つのＭＶＸスコアを生成することができる。これらのモデルは、異なる定義された生体指標の測定値、又は薬学的、医学的、栄養学的、運動的又は他の介入から利益を得ることができる、早死のリスクがある患者のインビトロの生体サンプルから得たパラメータを利用してもよい。
ＭＶＸ評価は、従来型フラミンガム又は他のリスク評価から分離することができ、スクリーニングツールとして比較的容易に使用することができ、従来の試験よりも早い時期にリスクのある個体を特定できるようにしてもよい。
例えば、図３は、本開示の実施形態によるＭＶＸスコアにより層化されたＣＡＴＨＧＥＮに登録された高リスク心臓カテーテル患者の９つのサブグループについて、５年間の累積死亡率を示すグラフである。合計で、６９７１人の参加者のうち１２６３人は、５年の追跡調査の間に死亡した。図３に示すように、ＭＶＸスコアが高ければ高いほど、早死するリスクは高くなった。例えば、高いＭＶＸスコア＞７０（赤色線）を有する個体は、低いＭＶＸスコア＜３５（暗緑色線）を有するものよりも早死の率が１０倍以上高かった。図３の９つのサブグループの各々の平均年齢及び性別組成によって示されるように、ＭＶＸスコアに関連付けられた死亡率の大きな差は、年齢及び性別とはほぼ無関係である。
幾つかの実施形態では、ＭＶＸを使用して、図３に見られるような、例えば、ＣＡＴＨＧＥＮ研究におけるような高リスク集団における死亡リスクを層化することができると考えられる。
本明細書に開示されるように、ＭＶＸ値は、少なくとも、ＧｌｙｃＡ、Ｓ－ＨＤＬＰ、少なくとも１つの分岐鎖アミノ酸、及び少なくとも１つのケトン体の測定値を含む複数のパラメータを使用して計算される。パラメータはまた、クエン酸塩及びタンパク質並びに様々な相互作用パラメータの測定値を含んでいてもよい。図４は、ＣＡＴＨＧＥＮ試験集団における死亡率に関するコックス比例ハザード予測モデルにおける従来型危険因子及びＭＶＸ関連パラメータの予測力（χ２）と統計的有意性（ｐ値）を示す表である。この表において、「ＢＣＡＡ」は３つの分岐鎖アミノ酸（バリン、ロイシン、イソロイシン）の濃度を合計したものであり、「ケトン体」は３つのケトン体（β－ヒドロキシブチレート、アセトアセテート、アセトン）の濃度を合計したものである。図４に示す６つのＭＶＸパラメータ（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ及びｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ用の相互作用パラメータを含む）を用いて、一般式、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎ ＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）を使用して、図３の死亡リスク層化に使用したＭＶＸスコアを計算した。ＭＶＸ値はまた、炎症指数（ＩＮＦＸ）パラメータによって推定できる推定炎症部位と、代謝栄養失調指数（ＭＭＸ）パラメータによって推定できる推定栄養不良部位との２つの構成部位に分解してもよい。図５は、これらのパラメータの予測力及び統計的有意性と、ＣＡＴＨＧＥＮ研究における５年追跡調査期間中の死亡率についてのコックス予測モデルのＭＶＸを表した２つの表を示す。左側のモデルは、ＩＮＦＸパラメータ及びＭＭＸパラメータを含み、右側のモデルはＭＶＸパラメータを含む。
幾つかの実施形態では、ＭＶＸを使用して、短期及び長期に亘る早期全原因死亡率リスクを予測することができる。図６は、コックス予測モデルにおいて、ＭＶＸを含むパラメータの予測力及び統計的有意性を示す２つの表を示しており、ＣＡＴＨＧＥＮ試験集団における１年間という短期間の追跡調査中（左表）と、それより長い平均７年間の追跡調査中（右表）の死亡率を示す。
幾つかの実施形態では、ＭＶＸは、従来のリスク評価パラメータとは独立して計算される。図７は、ＣＡＴＨＧＥＮ試験集団における３つの追跡調査期間の間の死亡率について、ＭＶＸ単独（上段）又はＭＶＸプラス９つの追加共変量パラメータ（年齢、人種、性別、喫煙、高血圧、糖尿病、ＢＭＩ、トリグリセライドリッチリポタンパク質粒子及び低密度リポタンパク質粒子）を含むコックス予測モデルの尤度比カイ二乗統計量によって提供される予測力を示す表である。
幾つかの実施形態では、ＭＶＸを使用して、図８に見られるように、低リスク集団の間で死亡リスクを層化することができると考えられる。図８の左表は、本開示の実施形態による、低リスクＭＶＸスコア（例えば、ＭＶＸ１）の五分位数で層化されたＭＥＳＡ研究において、女性参加者に対し、１２年に亘る追跡調査の累積死亡率を示すグラフである。１２年の追跡調査期間に３５８１人の女性のＭＥＳＡ参加者のうち４１２人が死亡した。図８の右表は、本開示の実施形態による、ＭＶＸ１スコアの五分位数で層化されたＭＥＳＡ研究において、男性参加者に対し、１２年に亘る追跡調査の累積死亡率を示すグラフである。１２年の追跡調査の間に３１９８人の男性のＭＥＳＡ参加者のうち５５４人が死亡した。
幾つかの実施形態では、ＭＶＸを使用して、死亡の「原因」であると考えられる疾病状態（複数も含む）と関係なく、早死の相対リスクを予測できると考えられる。図９は、ＭＶＸ（例えば、ＭＶＸ１）の予測力及び統計的有意性と、４つの異なるＣＶＤに対する他のパラメータと、多項ロジスティック回帰モデルで評価されたＭＥＳＡ（低リスク）の参加者の死亡率転帰を示す表である。４つの転帰のうちの３つは、一般に、「ＣＶＤ」の複合的な転帰と呼ばれる：左列：追跡調査中に死亡することがない非致命的ＣＶＤ事象（ｎ＝４３２）；左から２番目の列：非致命的ＣＶＤ事象ではあるが後に追跡調査中に死亡する（ｎ＝１２８）；左から３番目の列：致命的ＣＶＤ事象（ｎ＝２２５）を含む。右列で評価された転帰は、早期又は同時ＣＶＤなしの場合の死亡率である（ｎ＝６１０）。結果は、ＭＶＸが死亡を含む３つの転帰が高く予想される（ｐ＜０．０００１）ことを示しているが、死を伴わない又は後に死に至らない場合（ｐ＝０．５０）はＣＶＤを予測するものではないことを示す。従って、ＭＶＸによる複合的なＣＶＤの転帰の致命的及び非致命的要素部分の予測は実質的に異なり、非致命的及び致命的ＣＶＤの病因は、信じられている以上に異種であり、かつ致命的及び非致命的ＣＶＤを単一の転帰に組み合わせる理論に疑問を呈している。
また、図１０乃至図１２の結果が示すように、ＣＶＤ以外の他の疾患により引き起こされる、またはそれが一因となると考えられる死亡率も、ＭＶＸによって予測される。図１０は、ＭＶＸ（例えば、ＭＶＸ１）の予測力及び統計的有意性と、鬱血性心不全（ＣＨＦ）の転帰の組合せに対する他のパラメータと、多項ロジスティック回帰モデルで評価されたＭＥＳＡ（低リスク）の参加者の死亡率を示す表である。図１１は、ＭＶＸの予測力及び統計的有意性と、癌の転帰の組合せに対する他のパラメータと、多項ロジスティック回帰モデルで評価されたＭＥＳＡの参加者の死亡率を示す表である。図１２は、ＭＶＸの予測力及び統計的有意性と、慢性腎臓疾患（ＣＫＤ）の転帰の組合せに対する他のパラメータと、多項ロジスティック回帰モデルで評価されたＭＥＳＡの参加者の死亡率を示す表である。
幾つかの実施形態では、ＭＶＸモデルにおける因子として性別を含めてもよい。幾つかの実施形態では、ＭＶＸモデルにおける因子として年齢を含めてもよい。他の実施形態では、ＭＶＸモデルは、例えば、生体サンプルに直結しないそのような補助データのデータ破損に基づいて偽陰性又は偽陽性を生成することがないように、性別か年齢の検討を排除してもよい。
幾つかの実施形態では、ＭＶＸスコアは、サンプルと電子的に相関するデータに基づいて、又は、臨床医若しくはインテークラボでの入力、例えば、ＮＭＲ分析器での生体サンプルに関連付けられたラベル上にデータを記載できる、空腹時「Ｆ」又は非空腹時「ＮＦ」または、スタチン「Ｓ」又は非スタチン「ＮＳ」などの患者の特性評価に基づいて臨床医に提供される。或いは、患者特性評価データは、コンピュータデータベース（遠隔又はサーバ又は他の定義された経路を介して）に保持することができ、臨床医又はインテークラボによって電子相関ファイルに入力され、ＮＭＲ分析器と通信するインテークラボがアクセス又は管理可能な患者識別子、サンプルタイプ、試験タイプなどを含むことができる。患者特性評価データは、適したＭＶＸモデルを特定の患者に使用できるようにすることもできる。
代謝脆弱性指数は、臨床試験及び／又は薬剤療法の被験者を観察する為、薬剤矛盾を特定する為、及び／又は、患者独自のものとなり得る特定の薬剤や患者の生活様式等と関連付けられたリスク状態（正又は負）の変化を観察する為に使用することができると考えられる。
リポタンパク質
リポタンパク質には、様々なタイプ及び量のトリグリセライド、コレステロール、リン脂質、スフィンゴ脂質及びタンパク質を含む、血漿、血清、全血及びリンパ液中に見出される多種多様の粒子が含まれる。これらの様々な粒子は、血液中の疎水性脂質分子を可溶化し、そして胃腸、肝臓、筋肉組織及び脂肪組織間の脂肪分解、脂質生成、及び脂質輸送に関連付けられた様々な機能を果たす。血液及び／又は血漿中では、リポタンパク質は、概ね、密度又は電気泳動のような物理的性質、又はアポリポタンパク質含有量、例えば、ａｐｏＢ又はａｐｏＡ－１、ＬＤＬ及びＨＤＬそれぞれにおける主要なタンパク質に基づいて、多くの方法で分類されてきた。
リポタンパク質には、様々なタイプ及び量のトリグリセライド、コレステロール、リン脂質、スフィンゴ脂質及びタンパク質を含む、血漿、血清、全血及びリンパ液中に見出される多種多様の粒子が含まれる。これらの様々な粒子は、血液中の疎水性脂質分子を可溶化し、そして胃腸、肝臓、筋肉組織及び脂肪組織間の脂肪分解、脂質生成、及び脂質輸送に関連付けられた様々な機能を果たす。血液及び／又は血漿中では、リポタンパク質は、概ね、密度又は電気泳動のような物理的性質、又はアポリポタンパク質含有量、例えば、ａｐｏＢ又はａｐｏＡ－１、ＬＤＬ及びＨＤＬそれぞれにおける主要なタンパク質に基づいて、多くの方法で分類されてきた。
核磁気共鳴で判定された粒子サイズに基づく分類により、サイズ又はサイズ範囲に基づいて別個のリポタンパク質粒子が区別される。例えば、ＮＭＲ測定値は、高密度リポタンパク質（ＨＤＬ）の少なくとも７つのサブタイプ、低密度リポタンパク質（ＬＤＬ）の少なくとも３つのサブタイプ、及び、ＴＲＬ（トリグリセライドリッチリポタンパク質）とも称される超低密度リポタンパク質（ＶＬＤＬ）の少なくとも５つのサブタイプを含む、少なくとも１５つの別個のリポタンパク質粒子サブタイプを特定することができる。
現在の分析方法論により、ＶＬＤＬ、ＬＤＬ及びＨＤＬの亜集団の濃度がわかるＮＭＲ測定値から、夫々の群の大小の亜集団の群の測定値を生成することができるようになる。例えば、早期全原因死亡率とのリスク関連性を最適化する為に、以下に更に論じるような、ＨＤＬ亜集団の異なるサイズのグループ分けを利用してもよい。
本明細書で示されるＮＭＲ由来推定リポタンパク質サイズは、通常は平均測定値を指すが、他の大きさの境界が使用されてもよい。
好ましい実施形態では、ＭＶＸリスク評価モデルパラメータは、ＨＤＬ、ＬＤＬ、ＶＬＤＬ／ＴＲＬを含むタンパク質及びリポタンパク質の解析成分を特徴付ける定義された解析モデルを使用して、リポタンパク質の共通ＮＭＲスペクトル及び特にＨＤＬに関連付けられた、解析信号のＮＭＲ由来測定値を含んでいてもよい。このタイプの分析は、２分未満、通常は約２０秒から９０秒の迅速な取得時間と、それに対応する、モデル要素の測定値を生成できる迅速なプログラム計算、更には、１つ以上の定義されたリスクモデルを使用した１つ以上のＭＶＸリスクスコアのプログラム計算が可能である。
更に、リポタンパク質粒子のＮＭＲ測定は、本明細書中に記載される分析に特に適していると考えられる一方で、現在、そして将来的に他の技術を使用してこれらのパラメータを測定することも可能であり、本開示の実施形態はこの測定方法論に限定されないと考えられる。ＮＭＲを使用する異なるプロトコルは、本明細書中に記載される解析プロトコルの代わりに、（例えば、異なる解析プロトコルを含む）使用され得るとも考えられる。例えば、キース（Kaess）等による「リポタンパク質亜分画プロファイル：遺伝率と量的形質遺伝子座の識別」（The Lipoprotein subfraction profile: heritability and identification of quantitative trait loci, ジャーナル・オブ・リピッドリサーチ（J Lipid Res.）第４９巻、ｐｐ．７１５乃至７２３（２００８年）、及びスーナ（Suna）等による「プラズマリポタンパク質サブクラスの１Ｈ－ＮＭＲ代謝：自己組織化マップによる代謝クラスター化の解明」（1H NMR metabolomics of plasma lipoprotein subclasses: elucidation of metabolic clustering by self-organizing maps)、ＮＭＲイン・バイオメディシン（NMR Biomed．）２００７年、第２０巻、ｐｐ．６５８乃至６７２を参照されたい。リポタンパク質粒子及びイオン移動度分析を評価する為の密度ベースの分離技術を使用する浮選及び超遠心分離は、リポタンパク質サブクラス粒子濃度を測定する為の代替技術である。
リポタンパク質サブクラスのグループ分けは、例えば、本開示の幾つかの特定の実施形態に従って、ＨＤＬ又はＬＤＬ粒子数を判定する為に合計してもよい。尚、顕著な「小、大、中」のサイズ範囲は、変更でき、又は、その上限値又は下端値を広げる又は狭くするように再定義することができるか、或いは顕著な範囲内における一定の範囲を除外することもできる。上記の粒径は、通常は平均測定値を指すが、他の区分を使用してもよい。
本開示の実施形態は、リポタンパク質粒子を、脂質及び代謝変数とのそれらの相関によって評価される機能／代謝関連性に基づいて、サイズ範囲によってグループ化されたサブクラスに分類する。従って、上述したように、評価によってリポタンパク質粒子の１５の別個の亜集団（サイズ）を測定することができる。これらの別個の亜集団は、ＶＬＤＬ／ＴＲＬ及びＨＤＬ及びＬＤＬに関して定義したサブクラスにグループ化することができる。中密度リポタンパク質（ＩＤＬ）は、ＶＬＤＬ／ＴＲＬ又はＬＤＬと組み合わせることも、又は大きいＬＤＬと小さいＶＬＤＬとの間のサイズ範囲で別個のカテゴリとして組み合わせることもできる。例えば、ＨＤＬサブクラス粒子は、通常は、（平均して）約７ｎｍ乃至約１５ｎｍ、より一般的には、約７．３ｎｍ乃至約１４ｎｍ（例えば、７．４ｎｍ乃至１３．５ｎｍ）の範囲である。総ＨＤＬ濃度は、そのＨＤＬサブクラスの夫々の亜集団の粒子濃度の総和である。ＨＤＬＰの異なる亜集団は、１乃至７の数によって特定することができ、「Ｈ１」は最小サイズのＨＤＬ亜集団を表し、「Ｈ７」は最大サイズのＨＤＬ亜集団である。幾つかの実施形態では、ＨＤＬ粒子の定義されたサブクラスは、小さいＨＤＬ粒子（Ｓ－ＨＤＬＰ）を含む。幾つかの実施形態では、Ｓ－ＨＤＬＰは、約７．３ｎｍ（平均）乃至約９．０ｎｍ（平均）の直径を有するＨＤＬ粒子サブクラスを含んでいてもよい。
ＢＣＡＡ
ＢＣＡＡ
幾つかの実施形態では、ＭＶＸモデルは、参照により本明細書に組み込まれる米国特許第９，３６１，４２９号及び米国特許出願第２０１５０１４９０９５号に記載されているように、少なくとも１つのＢＣＡＡの測定値を含む。ＭＶＸモデルは、（本明細書に記載されるように）イソロイシン、ロイシン及びバリンの１つ以上を含む１つ以上のＢＣＡＡを含んでいてもよい。幾つかの実施形態では、３個のＢＣＡＡ（バリン、ロイシン及びイソロイシン）の組のうちの１つ以上を、ＮＭＲによって定量化してもよい。
ケトン体
幾つかの実施形態では、ＭＶＸモデルは、生体サンプルＮＭＲスペクトルのＮＭＲ分析を介して得ることができる少なくとも１つのケトン体（β－ヒドロキシブチレート、アセトアセテート、アセトン）の測定値を含む。３つのケトン体の夫々のＮＭＲ定量化は、ケトン体ＮＭＲ信号が現れる３つのスペクトル領域に特化した別個の解析モデルから導き出されるそれらのＮＭＲ信号振幅に基づいている。多数のリポタンパク質亜種や特定、未特定の小分子代謝物由来の信号との広範に亘る重複により、ケトン体信号の単純な積分ではなく、解析分析が必要である。導き出されたβ－ヒドロキシブチレート、アセトアセテート及びアセトン信号の振幅は、周知の濃度の、ストックしてあるケトン体溶液で血清をスパイクすることによって判定される変換因子を使用して、μｍｏｌ／Ｌの濃度単位に変換してもよい。
幾つかの実施形態では、ＭＶＸモデルは、生体サンプルＮＭＲスペクトルのＮＭＲ分析を介して得ることができる少なくとも１つのケトン体（β－ヒドロキシブチレート、アセトアセテート、アセトン）の測定値を含む。３つのケトン体の夫々のＮＭＲ定量化は、ケトン体ＮＭＲ信号が現れる３つのスペクトル領域に特化した別個の解析モデルから導き出されるそれらのＮＭＲ信号振幅に基づいている。多数のリポタンパク質亜種や特定、未特定の小分子代謝物由来の信号との広範に亘る重複により、ケトン体信号の単純な積分ではなく、解析分析が必要である。導き出されたβ－ヒドロキシブチレート、アセトアセテート及びアセトン信号の振幅は、周知の濃度の、ストックしてあるケトン体溶液で血清をスパイクすることによって判定される変換因子を使用して、μｍｏｌ／Ｌの濃度単位に変換してもよい。
一実施形態では、約１．１６及び１．１５ｐｐｍに現れる二重項のβ－ヒドロキシブチレートメチル信号は、１．０７ｐｐｍから１．３３ｐｐｍまでのスペクトル領域を包含する線形解析モデルを使用して定量化される。この領域は、多数のＴＲＬ、ＬＤＬ、及びＨＤＬリポタンパク質亜種の脂質脂肪酸メチレンプロトン由来の重複干渉ＮＭＲ信号、血清タンパク質信号、エタノール由来の三重項信号（１．１３、１．１５及び１．１７ｐｐｍ）、乳酸由来の二重項信号（１．２９及び１．３１ｐｐｍ）、ヒト血清試料中でまれにしか出現しない未特定代謝産物由来の二重項信号（１．１０及び１．１１ｐｐｍ）を含む。一実施形態では、解析モデルは、β－ヒドロキシブチレート及び血清中の様々な干渉物質由来のＮＭＲ信号の振幅を正確に把握する為に、８３スペクトル成分のライブラリを含む。
一実施形態では、約２．２４ｐｐｍで現れる一重項のアセトアセテートメチル信号は、２．２２ｐｐｍから２．３９ｐｐｍまでのスペクトル領域を包含する線形解析モデルを使用して定量化される。この領域は、多数のＴＲＬ、ＬＤＬ及びＨＤＬリポタンパク質亜種の脂質脂肪酸メチレンプロトン由来の重複干渉ＮＭＲ信号、血清タンパク質信号、β－ヒドロキシブチレート由来の八重項信号（２．２５乃至２．３９ｐｐｍ）、及び２．２２、２．３０及び２．３５乃至２．４１ｐｐｍに出現する３つの未特定代謝産物由来の信号を含む。一実施形態では、解析モデルは、アセトアセテート及び血清中の様々な干渉物質由来のＮＭＲ信号の振幅を正確に把握する為に、８２スペクトル成分のライブラリを含む。
一実施形態では、約２．１９ｐｐｍで現れる一重項のアセトンメチル信号は、２．１４ｐｐｍから２．２２ｐｐｍまでのスペクトル領域を包含する線形解析モデルを使用して定量化される。この領域は、数多くのＴＲＬ、ＬＤＬ及びＨＤＬリポタンパク質亜種の脂質脂肪酸メチレンプロトン由来の重複干渉ＮＭＲ信号、血清タンパク質信号、及び２．２２ｐｐｍの未特定代謝産物由来の一重項信号を含む。一実施形態では、解析モデルは、アセトン及び血清中の様々な干渉物質由来のＮＭＲ信号の振幅を正確に把握する為の、７０スペクトル成分のライブラリを含む。
ＧｌｙｃＡ
定義された線形ＧｌｙｃＡ数学的解析モデルは、参照によりその全体が本明細書に組み込まれる米国特許第９，４７０，７７１号に記載されているように、ＧｌｙｃＡを測定するために使用することができる。ＧｌｙｃＡ測定値は、ＮＭＲスペクトルにおける定義されたピーク位置におけるピーク領域下の面積を計算することにより、ＮＭＲによって評価されるようなユニットレスパラメータとしてもよい。何れの場合でも、周知の集団（例えば、ＭＥＳＡ）に関するＧｌｙｃＡの測定を使って、特定のサブグループ、例えば、第３及び第４の四分位数、又は上位３乃至５個の五分位数等の値を含む定義された範囲の上半分内の値を有するもののレベル又はリスクを定義することができる。
定義された線形ＧｌｙｃＡ数学的解析モデルは、参照によりその全体が本明細書に組み込まれる米国特許第９，４７０，７７１号に記載されているように、ＧｌｙｃＡを測定するために使用することができる。ＧｌｙｃＡ測定値は、ＮＭＲスペクトルにおける定義されたピーク位置におけるピーク領域下の面積を計算することにより、ＮＭＲによって評価されるようなユニットレスパラメータとしてもよい。何れの場合でも、周知の集団（例えば、ＭＥＳＡ）に関するＧｌｙｃＡの測定を使って、特定のサブグループ、例えば、第３及び第４の四分位数、又は上位３乃至５個の五分位数等の値を含む定義された範囲の上半分内の値を有するもののレベル又はリスクを定義することができる。
クエン酸塩
幾つかの実施形態では、ＭＶＸモデルは、生体サンプルＮＭＲスペクトルのＮＭＲ分析を介して得ることができるクエン酸塩の測定値を含む。クエン酸塩のＮＭＲ定量化は、直線ベース線及び可変オフセットを仮定する解析モデルから導き出される約２．６４、２．６０及び２．４８ｐｐｍに現れるメチレンプロトンカルテットの４つの部材のうち３つのＮＭＲ信号振幅に基づくものである。クエン酸塩信号カルテットの第４のメンバーは、約２．５２ｐｐｍで現れ、内部化学シフト基準として機能するＣａＥＤＴＡ由来の一重項信号と重複する。導き出されたクエン酸塩信号の振幅は、周知の濃度の、ストックされたクエン酸塩溶液を用いて血清をスパイクすることによって判定される変換因子を使用して、μｍｏｌ／Ｌ単位の濃度に変換することができる。
幾つかの実施形態では、ＭＶＸモデルは、生体サンプルＮＭＲスペクトルのＮＭＲ分析を介して得ることができるクエン酸塩の測定値を含む。クエン酸塩のＮＭＲ定量化は、直線ベース線及び可変オフセットを仮定する解析モデルから導き出される約２．６４、２．６０及び２．４８ｐｐｍに現れるメチレンプロトンカルテットの４つの部材のうち３つのＮＭＲ信号振幅に基づくものである。クエン酸塩信号カルテットの第４のメンバーは、約２．５２ｐｐｍで現れ、内部化学シフト基準として機能するＣａＥＤＴＡ由来の一重項信号と重複する。導き出されたクエン酸塩信号の振幅は、周知の濃度の、ストックされたクエン酸塩溶液を用いて血清をスパイクすることによって判定される変換因子を使用して、μｍｏｌ／Ｌ単位の濃度に変換することができる。
血清タンパク質
幾つかの実施形態では、ＭＶＸモデルは、生体サンプルＮＭＲスペクトルのＮＭＲ分析を介して得られる血清タンパク質の測定値を含む。或いは、血清タンパク質又は血清アルブミン測定値は、使用される場合、従来の方法で得ることができる。血清タンパク質のＮＭＲ定量化は、０．７１ｐｐｍから１．０３ｐｐｍまでのスペクトル領域を包含する線形解析モデルから導き出される非リポタンパク質タンパク質由来の広いＮＭＲ信号の振幅に基づいている。この領域は、多数のＴＲＬ、ＬＤＬ及びＨＤＬリポタンパク質亜種の脂質脂肪酸メチルプロトン由来の重複干渉ＮＭＲ信号、並びに分岐鎖アミノ酸バリン、ロイシン及びイソロイシン由来のものを含む。一実施形態では、解析モデルは、血清タンパク質及び血清中の様々な干渉物質物由来のＮＭＲ信号の振幅を正確に把握する為に、６６スペクトル成分のライブラリを含む。導き出された血清タンパク質信号の振幅は、任意の信号振幅単位で報告できる、又は周知の濃度のストック血清アルブミン溶液を用いて血清をスパイクすることによって判定される変換因子を使用して、モル濃度単位に変換できる。
幾つかの実施形態では、ＭＶＸモデルは、生体サンプルＮＭＲスペクトルのＮＭＲ分析を介して得られる血清タンパク質の測定値を含む。或いは、血清タンパク質又は血清アルブミン測定値は、使用される場合、従来の方法で得ることができる。血清タンパク質のＮＭＲ定量化は、０．７１ｐｐｍから１．０３ｐｐｍまでのスペクトル領域を包含する線形解析モデルから導き出される非リポタンパク質タンパク質由来の広いＮＭＲ信号の振幅に基づいている。この領域は、多数のＴＲＬ、ＬＤＬ及びＨＤＬリポタンパク質亜種の脂質脂肪酸メチルプロトン由来の重複干渉ＮＭＲ信号、並びに分岐鎖アミノ酸バリン、ロイシン及びイソロイシン由来のものを含む。一実施形態では、解析モデルは、血清タンパク質及び血清中の様々な干渉物質物由来のＮＭＲ信号の振幅を正確に把握する為に、６６スペクトル成分のライブラリを含む。導き出された血清タンパク質信号の振幅は、任意の信号振幅単位で報告できる、又は周知の濃度のストック血清アルブミン溶液を用いて血清をスパイクすることによって判定される変換因子を使用して、モル濃度単位に変換できる。
Ｃ．ＭＶＸを測定する為のシステム
本開示の幾つかの実施形態を参照すると、本明細書中に記載される各方法を実行することができるシステムを備える。幾つかの実施形態では、システムは、以下を含んでいてもよい。ＧｌｙｃＡに対する少なくとも１つの信号と、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスに対する少なくとも１つの信号と、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）に対する少なくとも１つの信号と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対する少なくとも１つの信号とを備えるＮＭＲスペクトル（複数も含む）を取得するように構成されたＮＭＲ分光計と、前記ＧｌｙｃＡ、前記少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラス、前記少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）、及び前記少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定する為のプロセッサを備え、プロセッサは、メモリを含むか、又はメモリと通信する。システムは、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対して少なくとも１つの信号を含むＮＭＲスペクトル（複数も含む）を取得するように構成されたＮＭＲ分光計と、血清タンパク質（Ｐｒｏｔｅｉｎ）及びクエン酸塩（Ｃｉｔｒａｔｅ）に対して測定した少なくとも１つの信号に基づいて代謝脆弱性指数（ＭＶＸ）値を判定する為のプロセッサとを更に含んでいてもよい。
本開示の幾つかの実施形態を参照すると、本明細書中に記載される各方法を実行することができるシステムを備える。幾つかの実施形態では、システムは、以下を含んでいてもよい。ＧｌｙｃＡに対する少なくとも１つの信号と、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスに対する少なくとも１つの信号と、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）に対する少なくとも１つの信号と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対する少なくとも１つの信号とを備えるＮＭＲスペクトル（複数も含む）を取得するように構成されたＮＭＲ分光計と、前記ＧｌｙｃＡ、前記少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラス、前記少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）、及び前記少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定する為のプロセッサを備え、プロセッサは、メモリを含むか、又はメモリと通信する。システムは、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対して少なくとも１つの信号を含むＮＭＲスペクトル（複数も含む）を取得するように構成されたＮＭＲ分光計と、血清タンパク質（Ｐｒｏｔｅｉｎ）及びクエン酸塩（Ｃｉｔｒａｔｅ）に対して測定した少なくとも１つの信号に基づいて代謝脆弱性指数（ＭＶＸ）値を判定する為のプロセッサとを更に含んでいてもよい。
本開示の幾つかの実施形態を参照すると、本明細書中に記載される各方法を実行することができるＮＭＲシステムを備える。幾つかの実施形態では、ＮＭＲシステムは、ＮＭＲ分光計と、前記分光計と通信するフロープローブと、（ｉ）フロープローブ中の血中血漿又は血清試料のＧｌｙｃＡに関連付けられたＮＭＲスペクトルの定義されたＧｌｙｃＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉ）フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたケトン体適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉｉ）フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたＢＣＡＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｖ）少なくとも１つのＨＤＬＰサブクラスと、任意で、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対する少なくとも１つのＮＭＲ信号と、を取得するように構成された前記分光計と通信するプロセッサを含んでいてもよい。幾つかの実施形態では、プロセッサは、更に、本明細書に開示される本発明の実施形態の何れかに従って分光計によって取得する測定値に基づいてＭＶＸスコアを計算するように構成される。
本明細書中の幾つかの図面のフローチャート及びブロック図は、本発明による分析モデル及び評価システム及び／又はプログラムの可能な実装のアーキテクチャ、機能性、及び動作を示す。この点に関して、フローチャート又はブロック図の各ブロックは、指定された論理機能を実装する為の１つ以上の実行可能な指示を含む、モジュール、セグメント、動作又はコードの一部を表す。尚、幾つかの代替実装形態では、ブロック内に記された機能は、図中に示された順序から外れて発生することもある。例えば、連続して示される２つのブロックは、実際には、実質的に同時に実行されてもよく、又は、関連する機能性によって、ブロックは、時には逆の順序で実行されてもよい。
ここで図１３を参照すると、全てではないにしてもほとんどの測定は、例えば、その内容が、本明細書中に完全に記載されるように、参照により本明細書に組み込まれる米国特許第８，０１３，６０２号に対して記載されているように、ＮＭＲ臨床分析器２２と通信するか、又は少なくとも部分的に内蔵したシステム１０で、又はそれを使用して実施することができると考えられる。分析器２２は、分光計及びサンプルハンドラシステムを含む。
システム１０は、例えば、ＧｌｙｃＡ、ＢＣＡＡ、ケトン体、また、限定されないが、Ｓ―ＨＤＬＰ及び／又はクエン酸塩及び／又はタンパク質）のようなＨＤＬＰ亜集団を含み得るＭＶＸ値を判定するのに適したデータを収集する為のプロセッサ（例えば、代謝脆弱性指数モジュール）３５０を含んでいてもよい。幾つかの実施形態では、前記プロセッサは、次の式を使用して、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及び前記少なくとも１つのＨＤＬＰサブクラスの前記測定値に基づいてＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、前記プロセッサは、次のモデルを使用して前記ＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
幾つかの実施形態では、前記プロセッサは、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むＭＶＸスコアを計算するように構成してもよい。従って、幾つかの実施形態では、前記プロセッサは、次のモデルに基づいてＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
これらの実施形態では、プロセッサは、次のモデルを使用してＩＮＦＸ値を計算するように構成してもよい。
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＭＸ値を計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１と表記することができる。幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
別の実施形態では、プロセッサは、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、以下のように記載してもよい。
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、但し、ＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、前記プロセッサは、次のモデルを使用して前記ＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
幾つかの実施形態では、前記プロセッサは、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むＭＶＸスコアを計算するように構成してもよい。従って、幾つかの実施形態では、前記プロセッサは、次のモデルに基づいてＭＶＸスコアを計算するように構成してもよい。
ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ
これらの実施形態では、プロセッサは、次のモデルを使用してＩＮＦＸ値を計算するように構成してもよい。
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＭＸ値を計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
このモデルは、ＭＭＸ１と表記することができる。幾つかの実施形態では、前記プロセッサは、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ
別の実施形態では、プロセッサは、次のモデルを使用してＭＭＸを計算するように構成してもよい。
ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
このような実施形態では、ＭＭＸは、以下のように記載してもよい。
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２、但し、ＭＭＸ１は上記の通りであり、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である。
システムは、分析器２２に搭載され得る少なくとも１つのプロセッサ、又は分析器２２から少なくとも部分的に遠隔の少なくとも１つのプロセッサを含む分析回路２０を含んでいてもよい。後者の場合、プロセッサ／分析回路２０は、全体的に又は部分的にサーバ上に置くことができる。サーバは、コンピュータネットワークを介したオンデマンドの演算可能なリソースの提供を含むクラウドコンピューティングを使用して提供することができる。リソースは、様々なインフラストラクチャサービス（例えばコンピュータ、記憶装置など）、並びにアプリケーション、データベース、ファイルサービス、電子メールなどとして具体化してもよい。演算の従来型モデルでは、データ及びソフトウェアは共に、通常は、ユーザのコンピュータに完全に包含されており、クラウドコンピューティングにおいては、ユーザのコンピュータは、ほとんどソフトウェア又はデータ（おそらくオペレーティングシステム及び／又はウェブブラウザ）を備えていなくてもよく、外部コンピュータのネットワーク上で行われるプロセスに対し、ディスプレイ端末の機能以上のものはほとんど必要ない。クラウドコンピューティングサービス（又は複数のクラウドリソースの集合）は、一般に、「クラウド」と呼ばれることがある。クラウド記憶装置は、１つ以上の専用サーバ上でホストされるのではなく、データが複数の仮想サーバ上に記憶されるネットワーク化されたコンピュータデータ記憶装置のモデルを含んでいてもよい。データ転送は、ＨＩＰＡＡなどの工業又は規制基準に準拠する為に、任意の適したファイアウォールを使用して、暗号化してインターネットを介して行うことができる。用語「ＨＩＰＡＡ」は、「医療保険の相互運用性と説明責任に関する法律」（Health Insurance Portability and Accountability Act）によって定義される米国法を指す。患者データは、アクセス番号又は識別子、性別、年齢及び試験データを含むことができる。
ＭＶＸ判定の結果は、インターネット２２７などのコンピュータネットワークを介して、電子メールなどによって、患者、臨床医サイト５０、健康保険代理店又は薬局５１に送信してもよい。結果は、分析サイトから直接送信することも間接的に送ることもできる。結果は、印刷され、従来の郵便を介して送ってもよい。この情報はまた、薬局及び／又は医療保険会社、或いは患者にさえも送信して、有害事象のリスクが増大し得る処方又は薬剤使用を観察する、或いは、矛盾する医薬品の処方を防止する為の医学的警告を配布することができる。結果は、「ホーム」コンピュータへ、又はスマートフォン又はノートパッドなどの周囲で広く使われるコンピューターデバイスへと、患者に電子メールを送信することができる。結果は、例えば、総括的な報告書の電子メール添付でも、テキストメッセージ警告などでもよい。
例えば、臨床医サイト、患者及び／又は試験若しくはラボサイトなど、異なるユーザに関連付けられた１つ以上の電子デバイスは、夫々の電子デバイスのディスプレイと通信する電子分析回路にアクセスするように構成してもよい。分析回路は、サーバ上でホストすることができ、インターネットポータル又はダウンロード可能なＡＰＰ又は他のコンピュータプログラムを様々なデバイスに対して提供することができる。この回路は、ユーザ、例えば、臨床医が、（ｉ）患者の従来の危険因子値、（ｉｉ）患者の従来の危険因子値、及び個人脆弱性指数スコア、又は（ｉｉｉ）個人脆弱性指数スコア、のうちの１つ以上を入力することを可能にするように構成してもよい。この回路は、サインイン時の患者識別子又は他のパスワードに基づいて、異なるデータフィールドを自動的に追加することができ、或いは、ユーザが、夫々の患者に対するＭＶＸスコアと従来のファクタ測定値の両方を入力できるようにすることができる。分析回路は、経時的にＭＶＸスコアの変化を追跡し、臨床医、患者又は他のユーザに送信可能な電子報告書を生成するように構成することができる。分析回路は、再試験、追跡試験等の勧めに関する通知を送信することもできる。例えば、ＭＶＸリスクスコアが、例えば中間リスクカテゴリにおいて上昇した、或いは低リスク値を超えた場合、この回路は、臨床医に、更なる試験の実施が適切であることを通知することができ、或いは、どの試験が適切であるか、又は追跡ＭＶＸ試験の為の観察間隔を増加した方が望ましいかなどを医師と相談するよう患者に通知を送ることもできる。分析回路は、リスク評価経路又は分析を生成して、同じ従来型危険因子値を有する患者にとって将来の早期全原因死亡リスクを層化する写実的な情報を提供してもよい。電子分析回路は、クラウド内のサーバに搭載されてもよく、別様にインターネットを介してアクセス可能であってもよく、又は当業者には理解されるように、異なるクライアントアーキテクチャと関連付けられてもよい。従って、臨床医、患者又は他のユーザは、リスク評価に関するカスタマイズされた報告書を生成することができる、或いは、リスク層化情報を得ることができる。
図１４は、ＮＭＲを使用したＭＶＸの測定の例を示す。本開示の幾つかの実施形態は、本明細書中に記載される各方法を実行することができるＮＭＲシステムを備える。幾つかの実施形態では、ＮＭＲシステムは、ＮＭＲ分光計と、分光計と通信するフロープローブと、（ｉ）フロープローブ中の血中血漿又は血清試料のＧｌｙｃＡに関連付けられたＮＭＲスペクトルの定義されたＧｌｙｃＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉ）フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたケトン体適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉｉ）フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたＢＣＡＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｖ）少なくとも１つのＨＤＬＰサブクラスと、任意で、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対する少なくとも１つのＮＭＲ信号と、を取得するように構成された前記分光計と通信するプロセッサを含んでいてもよい。幾つかの実施形態では、プロセッサは、更に、本明細書に開示される本発明の実施形態の何れかに従って分光計によって取得する測定値に基づいてＭＶＸスコアを計算するように構成される。
図１４を参照すると、選択されたサンプルの線形状を取得し計算する為のシステム２０７が示されている。システム２０７は、サンプルのＮＭＲ測定を行う為のＮＭＲ分光計２２を含む。一実施形態では、分光計２２は、プロトン信号についてのＮＭＲ測定が４００ＭＨｚで行われるように構成され、他の実施形態では、測定は、２００ＭＨｚ乃至約９００ＭＨｚの間、若しくは他の適した周波数で実施してもよい。所望の操作可能な磁界強度に対応する他の周波数を使用してもよい。通常は、プロトンフロープローブが設置されると共に、温度コントローラが設置されてサンプル温度を４７＋／－０．５℃に維持する。分光計２２は、デジタルコンピュータ２１１又は他の信号処理ユニットによって制御される。コンピュータ２１１は、高速フーリエ変換を実行可能であるべきである。また、他のプロセッサ又はコンピュータ２１３へのデータリンク２１２と、ハードメモリ記憶ユニット２１５に接続することができる直接メモリアクセスチャネル２１４とを含んでいてもよい。
デジタルコンピュータ２１１はまた、パルス制御及びインターフェース回路２１６を介して分光計２２の動作要素に接続する、１組のアナログ－デジタル変換器、デジタル－アナログ変換器及び低速装置Ｉ／Ｏポートを含んでいてもよい。これらの要素は、デジタルコンピュータ２１１に搭載されるか又は通信可能な少なくとも１つのデジタル信号プロセッサが指示する持続時間、周波数及び大きさのＲＦ励起パルスを生成するＲＦ送信機２１７と、パルスを増幅し、サンプルセル２２０及び／又はフロープローブ２２０を取り囲むＲＥ送信コイル２１９にそれを接続するＲＦ電力増幅器２１８と、を含む。超伝導磁石２２１によって生成された９．４テスラ分極磁場の存在下で励起されたサンプルにより生成されたＮＭＲ信号は、コイル２２２によって受信され、ＲＦ受信機２２３に印加される。増幅され、フィルタされたＮＭＲ信号は、２２４において復調され、得られた直交信号は、インターフェース回路２１６に印加され、そこでデジタル化され、デジタルコンピュータ２１１を介して入力される。図１３及び図１４のプロセッサ及び／又は分析器回路２０、及び／又は図１３及び図１５のマルチパラメータＭＶＸリスクモジュール３５０は、デジタルコンピュータ２１１及び／又は２次コンピュータ２１３又はインターネット２２７などのワールドワイドネットワークを介してアクセス可能な施設内又は遠隔であり得る他のコンピュータに関連付けられた１つ以上のプロセッサ内に配置することができる。
測定セル２２０内のサンプルからＮＭＲデータを取得した後、コンピュータ２１１による処理は、必要に応じて記憶装置２１５に記憶することができる別のファイルを生成する。この第２のファイルは、化学シフトスペクトルのデジタル表現であり、その後、コンピュータ２１３に読み出されてその記憶装置２２５又は１つ以上のサーバに関連付けられたデータベースに記憶される。コンピュータ２１３は、そのメモリに記憶した、又はコンピュータ２１３がアクセス可能なプログラムの指示下で、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーションコンピュータ、電子ノートパッド、電子タブレット、スマートフォン又は少なくとも１つのプロセッサ若しくは他のコンピュータを備えた他のデバイスなどであってよく、コンピュータ２１３は、本発明の教示に従って化学シフトスペクトルを処理して、プリンタ２２６へ出力、又は所望の電子メールアドレス又はＵＲＩへ電子的に記憶又は中継され得る報告書を生成する。当業者は、コンピュータディスプレイ画面、電子ノートパッド、スマートフォンなどの他の出力デバイスも、結果の表示に採用できることを認識するであろう。
コンピュータ２１３及びその別個の記憶装置２２５によって実行される機能は、分光計のデジタルコンピュータ２１１によって実行される機能に組み込まれてもよいことは、当業者には明らかであろう。このような場合、プリンタ２２６は、デジタルコンピュータ２１１に直接接続されていてもよい。当業者にはよく知られているように、他のインターフェース及び出力デバイスも使用してもよい。
本発明の特定の実施形態は、臨床疾患状態の自動スクリーニング試験及び／又はインビトロの生体サンプルをスクリーニングする為のリスク査定評価において特に有用であり得るＭＶＸ評価を使用する方法、システム及び／又はコンピュータプログラム製品を提供することを目的とする。
本開示の実施形態は、本明細書で概して「回路」又は「モジュール」と呼ばれる、ソフトウェア全体の実施形態又はソフトウェア及びハードウェアの態様を組み合わせた実施形態の形態をとることができる。
当業者には理解されるように、本開示は、装置、方法、データ若しくは信号処理システム、又はコンピュータプログラム製品として具現化してもよい。従って、本開示は、ソフトウェア全体の実施形態又はソフトウェア及びハードウェアの態様を組み合わせた実施形態の形態をとることができる。更に、本開示の幾つかの実施形態は、媒体内に具現化されたコンピュータ利用可能なプログラムコード手段を有するコンピュータ利用可能な記憶媒体上のコンピュータプログラム製品の形態をとることができる。ハードディスク、ＣＤ－ＲＯＭ、光記憶装置、又は磁気記憶装置を含む、任意の適したコンピュータ可読媒体を利用してもよい。
コンピュータ利用可能又はコンピュータ可読媒体は、限定されるものではないが、電子、磁気、光学、電磁、赤外線、又は半導体システム、装置、デバイス、又は伝搬媒体であってもよい。コンピュータ可読媒体のより具体的な例（非網羅的なリスト）は、１本以上の線を有する電気的接続、ポータブルコンピュータディスケット、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、光ファイバ、及びポータブルコンパクトディスクリードオンリーメモリ（ＣＤ－ＲＯＭ）を含む。尚、コンピュータ利用可能媒体又はコンピュータ可読媒体は、例えば紙又は他の媒体の光学的走査を介してプログラムを電子的に取り込み、その後、必要であれば、適した方法でコンパイルされ、解釈され、又は処理されて、更にコンピュータメモリに記憶することができるように、プログラムが印刷された紙又は別の適した媒体であってもよい。
本開示の動作を実行する為のコンピュータプログラムコードは、Ｊａｖａ７、Ｓｍａｌｌｔａｌｋ、Ｐｙｔｈｏｎ、Ｌａｂｖｉｅｗ、Ｃ＋＋、又はＶｉｓｕａｌＢａｓｉｃのようなオブジェクト指向プログラミング言語で書かれてもよい。しかしながら、本開示の動作を行う為のコンピュータプログラムコードは、「Ｃ」プログラミング言語、更にはアセンブリ言語のような従来の手続き型プログラミング言語で記述することもできる。プログラムコードは、全てユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、又、スタンドアロンのソフトウェアパッケージとして、そして、部分的にユーザのコンピュータ上で、部分的にリモートコンピュータ上で、又は全てリモートコンピュータ上で実行してもよい。後者のシナリオでは、リモートコンピュータは、ローカルエリアネットワーク（ＬＡＮ）又はワイドエリアネットワーク（ＷＡＮ）又はセキュアエリアネットワーク（ＳＡＮ）を介してユーザコンピュータに接続されてもよく、或いは、接続は、外部コンピュータ（例えば、インターネットサービスプロバイダを使用するインターネットを介して）に行われてもよい。
図１５は、本発明の実施形態によるシステム、方法及びコンピュータプログラム製品を示すデータ処理システム３０５の例示的な実施形態のブロック図である。プロセッサ３１０は、アドレス／データバス３４８を介してメモリ３１４を備えるか、又はメモリ３１４と通信してもよい。プロセッサ３１０は、任意の市販のマイクロプロセッサでも、又はカスタムのマイクロプロセッサでもよい。メモリ３１４は、データ処理システム３０５の機能性を実現する為に使用されるソフトウェア及びデータを含むメモリデバイスの全体的な階層を表す。メモリ３１４は、限定はされないが、キャッシュ、ＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、ＳＲＡＭ、及びＤＲＡＭなどのタイプのデバイスを含むことができる。
図１５に示すように、メモリ３１４は、データ処理システム３０５で使用される幾つかのカテゴリのソフトウェア及びデータ、すなわちオペレーティングシステム３５２、アプリケーションプログラム３５４、入力／出力（Ｉ／Ｏ）デバイスドライバ３５８、ＭＶＸ評価モジュール３５０、及びデータ３５６を含んでいてもよい。ＭＶＸ評価モジュール３５０は、ＮＭＲ信号を解析して、夫々の生体サンプルのプロトンＮＭＲスペクトルにおける定義されたＮＭＲ信号ピーク領域を明らかにし、本明細書に開示される様々なアプローチを使用してＭＶＸ値を計算することができる。
データ３５６は、データ又は信号取得システム２２５（例えば、ＮＭＲ分光計２２及び／又は分析器２２）から得ることができる信号（構成及び／又は複合スペクトル線形状）データ３６２を含んでいてもよい。当業者には理解されるように、オペレーティングシステム３５２は、ニューヨーク州、アーモンクのアイビーエム（International Business Machines Corporation）社製ＯＳ／２、ＡＩＸ、又はＯＳ／３９０、ワシントン州、レドモンドのマイクロソフトコーポレーション（Microsoft Corporation）製ＷｉｎｄｏｗｓＣＥ、ＷｉｎｄｏｗｓＮＴ、Ｗｉｎｄｏｗｓ９５、Ｗｉｎｄｏｗｓ９８、Ｗｉｎｄｏｗｓ２０００、ＷｉｎｄｏｗｓＸＰ、Ｗｉｎｄｏｗｓ１０、パーム社（Palm, Inc.) 製パームＯＳ、アップル社（Apple Inc.）製ＭａｃＯＳ、ＵＮＩＸ（登録商標）、ＦｒｅｅＢＳＤ、又はＬｉｎｕｘ（登録商標）等のデータ処理システムと共に使用するのに適した任意のオペレーションシステム、独自のオペレーティングシステム、又は例えば、埋め込み式データ処理システムの為の専用オペレーティングシステムでよい。
Ｉ／Ｏデバイスドライバ３５８は、通常は、アプリケーションプログラム３５４がオペレーティングシステム３５２を介してアクセスするソフトウェアルーチンを含み、Ｉ／Ｏデータポート（複数可）、データ記憶装置３５６、及び特定のメモリ３１４構成要素及び／画像取得システム２２５などのデバイスと通信する。アプリケーションプログラム３５４は、データ処理システム３０５の様々な特徴を実現するプログラムの例であり、本発明の実施形態による動作をサポートする少なくとも１つのアプリケーションを含むことができる。最後に、データ３５６は、アプリケーションプログラム３５４、オペレーティングシステム３５２、Ｉ／Ｏデバイスドライバ３５８、及びメモリ３１４内に常駐することができる他のソフトウェアプログラムによって使用される静的及び動的データを表す。
本発明は、例えば、図１５のアプリケーションプログラムであるモジュール３５０を参照して示されているが、当業者には理解できるように、本発明の教示から利益を得ながら他の構成も利用できる。従って、本発明は、本明細書で説明される動作を実行することができる任意の構成を含むことを意図する、図１５の構成に限定されるように解釈されるべきではない。
特定の実施形態では、モジュール３５０は、臨床疾患状態又はリスクを評価する為、及び／又は治療介入が望まれるかどうか、及び／又は治療の有効性、あるいは、意図しない治療結果さえも示す為の指標として使用することができるＭＶＸ測定を提供する為のコンピュータプログラムコードを含む。
本開示の更なる実施形態について、以下の非限定的な実施例によって説明する。
実施例
実施例１
代謝脆弱性指数（ＭＶＸ）数学モデルは、６９３６人の参加者のＣＡＴＨＧＥＮ試験集団から収集されたデータを使用して開発された。年齢、人種、性別、喫煙状態、高血圧状態、糖尿病状態、ＢＭＩ、トリグリセライドリッチリポタンパク質粒子（ＴＲＬＰ）、及びＬＤＬ粒子（ＬＤＬＰ）を含む従来の臨床パラメータを、各患者について記録した。更に、ＧｌｙｃＡ、Ｓ－ＨＤＬＰ、ＢＣＡＡ、ケトン体、クエン酸塩、及びタンパク質の測定値を、各研究参加者からの血漿サンプルの単一核磁気共鳴（ＮＭＲ）スペクトルから導き出した。死亡率についてのコックス比例ハザード予測モデルを使用して、図４及び５に見られるような、各パラメータの予測力（χ２）及び統計的有意性（ｐ値）を生成した。この場合、全ての列挙したパラメータを、予測モデルにおいて使用し、各パラメータの予測力を生成したが、モデルのＭＶＸはそれだけで、図７に見られるように、非常に強い、統計的に有意性の高い死亡率リスク予測因子である。
実施例１
代謝脆弱性指数（ＭＶＸ）数学モデルは、６９３６人の参加者のＣＡＴＨＧＥＮ試験集団から収集されたデータを使用して開発された。年齢、人種、性別、喫煙状態、高血圧状態、糖尿病状態、ＢＭＩ、トリグリセライドリッチリポタンパク質粒子（ＴＲＬＰ）、及びＬＤＬ粒子（ＬＤＬＰ）を含む従来の臨床パラメータを、各患者について記録した。更に、ＧｌｙｃＡ、Ｓ－ＨＤＬＰ、ＢＣＡＡ、ケトン体、クエン酸塩、及びタンパク質の測定値を、各研究参加者からの血漿サンプルの単一核磁気共鳴（ＮＭＲ）スペクトルから導き出した。死亡率についてのコックス比例ハザード予測モデルを使用して、図４及び５に見られるような、各パラメータの予測力（χ２）及び統計的有意性（ｐ値）を生成した。この場合、全ての列挙したパラメータを、予測モデルにおいて使用し、各パラメータの予測力を生成したが、モデルのＭＶＸはそれだけで、図７に見られるように、非常に強い、統計的に有意性の高い死亡率リスク予測因子である。
死亡率についてのコックス比例ハザード予測モデルから生成されたＭＶＸ数学モデルを用いて、ＣＡＴＨＧＥＮ研究における各参加者についてＭＶＸスコア（１－１００）値を作成した。次に、これらのＭＶＸスコアを用いて集団を９つのサブグループに細分化し、図３に見られるように、５年間の追跡調査期間にわたる各サブグループの累積死亡発生率が、ＭＶＸスコアの増加に正比例して増加したことを示している。
図１６は、図３に示されるような数値スコアを開発する為に、ＩＮＦＸ、ＭＭＸ１、ＭＭＸ２及びＭＭＸの様々なモデルをどのように使用できるかの例を示す。正常（即ち、高リスクではない）集団への適用については、ＭＶＸ１＝（ＩＮＦＸ＊０．８４３１０）＋（ＭＭＸ１＊１．０）、但し、ＭＭＸ１＝１０＋（ｌｎＢＣＡＡ＊－１．１００５６）＋（ｌｎＫｅｔｏｎｅＢｏｄｙ＊０．２３７３）である。一方、高リスク集団の場合、ＭＭＸの寄与部は、ＭＭＸ１及びＭＭＸ２を含む（図１６）。使用される実際の係数（例えば、ＭＭＸ１、β４＝－１．１００５６及びβ５＝０．２３７３に対して）は、使用される集団及び／又は実施される分析に依存して変化し得る。
実施形態
Ａ１．被験者の早死の相対リスクに関連付けられた指標のレベルを判定する方法は、
被験者からサンプルを得ることと、
ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）とを測定することを含む。
Ａ２．前記ＧｌｙｃＡと、前記少なくとも１つのＨＤＬＰサブクラスと、前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体の測定値を使用して、代謝脆弱性指数（ＭＶＸ）値を生成するＡ１の方法。
Ａ３．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）であるＡ１－Ａ２の方法。
Ａ４．前記ＭＶＸ値が、
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
のモデルを使用して判定されるＡ２乃至Ａ３の方法。
Ａ５．前記ＭＶＸ値が、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
のモデルを使用して判定されるＡ２乃至Ａ３の方法。
Ａ６．前記ＭＶＸ値は、心血管事象に関して低リスクであると思われる被験者に対して判定されるＡ５の方法。
Ａ７．クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することを更に含むＡ１乃至Ａ２の方法。
Ａ８．クエン酸塩及び血清タンパク質の少なくとも１つの測定が、ＣＶＤ関連死に関して高リスクであると思われる被験者において行われるＡ７の方法。
Ａ９．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定されるＡ７乃至Ａ８の方法。
Ａ１０．前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される前記実施形態の何れか１つの方法。
Ａ１１．ＧｌｙｃＡ及び前記少なくとも１つのＨＤＬＰサブクラスの前記測定値を使用して、炎症指数（ＩＮＦＸ）値を生成するＡ１０の方法。
Ａ１２．ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
のモデルを用いて、ＩＮＦＸ値を判定するＡ１０乃至Ａ１１の方法。
Ａ１３．前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体、並びに任意でタンパク質及びクエン酸塩の測定値を使用して代謝栄養失調指数（ＭＭＸ）値を生成するＡ１０の方法。
Ａ１４．前記代謝栄養失調指数（ＭＭＸ）値がＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
と定義されるＡ１０及びＡ１３の方法。
Ａ１５．前記代謝栄養失調指数（ＭＭＸ）が第１の代謝栄養失調指数ＭＭＸ１値と、第２の代謝栄養失調指数ＭＭＸ２値とを含むＡ１０、Ａ１３及びＡ１４の何れか１つの方法。
Ａ１６．ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２であるＡ１５の方法。
Ａ１７．ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙであるＡ１５乃至Ａ１６の方法。
Ａ１８．ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）であるＡ１５乃至Ａ１６の方法。
Ａ１９．前記ＭＶＸ値がＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用して判定されるＡ１５乃至Ａ１７の何れか１つの方法。
Ａ２０．ＭＶＸ１は、ＣＶＤ関連事象に関して低リスクであると思われる被験者について判定されるＡ１９の方法。
Ａ２１．前記ＭＶＸ値が、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸであり、ここでＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用して判定されるＡ１５の方法。
Ａ２２．ＭＶＸは、ＣＶＤ関連事象に関して高リスクであると思われる被験者について判定されるＡ２１の方法。
Ａ２３．前記ＢＣＡＡがロイシン、イソロイシン、又はバリンのうちの少なくとも１つである前記実施形態の何れか１つの方法。
Ａ２４．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートのうちの少なくとも１つである前記実施形態の何れか１つの方法。
Ａ２５．前記測定は、ＮＭＲによって行われる前記実施形態の何れか１つの方法。
Ｂ１．被験者の早死の相対リスクに関連付けられた指標のレベルを判定する方法は、
前記被験者からサンプルを得ることと、
ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
ＧｌｙｃＡと前記少なくとも１つのＨＤＬＰサブクラスの測定値を用いて、炎症指数（ＩＮＦＸ）値を生成することと、
前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体と、任意で、タンパク質及びクエン酸塩の前記測定値を使用して、少なくとも１つの代謝栄養失調指数（ＭＭＸ）値を生成することと、
ＩＮＦＸ値及びＭＭＸ値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することとを含んでいてもよい。
Ｂ２．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）であるＢ１の方法。
Ｂ３．前記ＩＮＦＸ値は、ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）のモデルを用いて決定されるＢ１乃至Ｂ２の方法。
Ｂ４．前記代謝栄養失調指数（ＭＭＸ）値は、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）と定義されるＢ１乃至Ｂ２の方法。
Ｂ５．前記代謝栄養失調指数（ＭＭＸ）が第１の代謝栄養失調指数ＭＭＸ１値と、第２の代謝栄養失調指数ＭＭＸ２値とを含む実施形態Ｂ１乃至Ｂ４の何れか１つの方法。
Ｂ６．ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２であるＢ５の方法。
Ｂ７．ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙであるＢ５乃至Ｂ６の方法。
Ｂ８．ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）であるＢ５乃至Ｂ６の方法。
Ｂ９．前記ＭＶＸ値が、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用して判定されるＢ５乃至Ｂ７の方法。
Ｂ１０．ＭＶＸ１がＣＶＤ関連事象に関して低リスクであると思われる被験者について判定されるＢ９の方法。
Ｂ１１．前記ＭＶＸ値がＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸであり、ここでＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用して判定されるＢ５乃至Ｂ８の何れかの方法。
Ｂ１２．ＭＶＸがＣＶＤ関連事象に関して高リスクであると思われる被験者について判定されるＢ１１の方法。
Ｂ１３．前記ＢＣＡＡがロイシン、イソロイシン、又はバリンのうちの少なくとも１つであるＢ１乃至Ｂ１２の何れか１つの方法。
Ｂ１４．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートのうちの少なくとも１つであるＢ１乃至Ｂ１３の何れか１つの方法。
Ｂ１５．前記測定は、ＮＭＲによって行われるＢ１乃至Ｂ１４の何れか１つの方法。
Ｃ１．前述の実施形態の何れか１つを実行するシステム。
Ｄ１．ＧｌｙｃＡに対する少なくとも１つの信号と、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスに対する少なくとも１つの信号と、少なくとも１つの分枝鎖アミノ酸（ＢＣＡＡ）に対する少なくとも１つの信号と、及び少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対する少なくとも１つの信号とを備えるＮＭＲスペクトル（複数も含む）を取得するように構成されたＮＭＲ分光計と、
前記ＧｌｙｃＡ、前記少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラス、前記少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）、及び前記少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定する為のプロセッサを備え、プロセッサは、メモリを含むか、又はメモリと通信するシステム。
Ｄ２．更に、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対する少なくとも１つの信号を含むＮＭＲスペクトル（単数または複数）を取得するように構成されたＮＭＲ分光計と、血清タンパク質（Ｐｒｏｔｅｉｎ）及びクエン酸塩（Ｃｉｔｒａｔｅ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定するプロセッサとを備えたＤ１のシステム。
Ｄ３．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）であるＤ１乃至Ｄ２のシステム。
Ｄ４．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
の式を使用して、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及び少なくとも１つのＨＤＬＰサブクラスの測定値に基づいてＭＶＸスコアを計算するように構成されたＤ１又はＤ３の何れか１つのシステム。
Ｄ５．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用してＭＶＸスコアを計算するように構成されるＤ１又はＤ３の何れか１つのシステム。
Ｄ６．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用してＭＶＸ値を計算するように構成されるＤ１乃至Ｄ３の何れか１つのシステム。
Ｄ７．前記プロセッサは、更に、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むＭＶＸ値を計算するように構成されるＤ１乃至Ｄ６の何れか１つのシステム。
Ｄ８．前記プロセッサは、更に、ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）のモデルを使用してＩＮＦＸ値を計算するように構成されるＤ７のシステム。
Ｄ９．前記プロセッサは、更に、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用してＭＭＸ値を計算するように構成されるＤ７のシステム。
Ｄ１０．前記プロセッサは、更に、第１の代謝栄養失調指数ＭＭＸ１値及び第２の代謝栄養失調指数ＭＭＸ２値を含む代謝栄養失調指数（ＭＭＸ）を計算するように構成されるＤ７乃至Ｄ９の何れか１つのシステム。
Ｄ１１．前記プロセッサは、更に、ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用してＭＭＸ値を計算するように構成されるＤ１０のシステム。
Ｄ１２．前記プロセッサは、更に、ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用してＭＭＸ１値を計算するように構成されるＤ１０乃至Ｄ１１のシステム。
Ｄ１３．前記プロセッサは、更に、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
のモデルを使用してＭＭＸ２値を計算するように構成されるＤ１０乃至Ｄ１１のシステム。
Ｄ１４．前記プロセッサは、更に、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１
のモデルを使用してＭＶＸ値を計算するように構成されるＤ１０乃至Ｄ１２の何れか１つのシステム。
Ｄ１５．前記プロセッサは、更に、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ、但しＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２
であるモデルを使用してＭＶＸ値を計算するように構成されるＤ１０又はＤ１１乃至Ｄ１３の何れか１つのシステム。
Ｄ１６．前記ＢＣＡＡがロイシン、イソロイシン又はバリンの少なくとも１つであるＤ１乃至Ｄ１５の何れか１つのシステム。
Ｄ１７．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートの少なくとも１つであるＤ１乃至Ｄ１６の何れか１項のシステム。
Ｅ１．ＮＭＲ分光計と、
前記分光計と連通するフロープローブと、
（ｉ）フロープローブ中の血中血漿又は血清試料のＧｌｙｃＡに関連付けられたＮＭＲスペクトルの定義されたＧｌｙｃＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉ）フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたケトン体適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉｉ）フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたＢＣＡＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｖ）前記フロープローブ中の試料と関連付けられたＮＭＲスペクトルの少なくとも１つのＨＤＬＰサブクラス適合領域に対する少なくとも１つのＮＭＲ信号と、任意で、フロープローブ中の試料に関連付けられたＮＭＲスペクトルの血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）適合領域（複数も含む）の少なくとも１つのＮＭＲ信号とを得られるように構成された前記分光計と通信するプロセッサと、
を備えたＮＭＲシステム。
Ｅ２．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である、Ｅ１のシステム。
Ｅ３．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙの式を使用して、ＧｌｙｃＡと、少なくとも１つのケトン体と、少なくとも１つの分岐鎖アミノ酸と、前記少なくとも１つの前記ＨＤＬＰサブクラスの前記測定値に基づいてＭＶＸスコアを計算するように構成されるＥ１乃至Ｅ２のシステム。
Ｅ４．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用してＭＶＸスコアを計算するように構成されるＥ１乃至Ｅ２のシステム。
Ｅ５．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）の
モデルを使用してＭＶＸ値を計算するように構成されるＥ１乃至Ｅ４の何れか１つのシステム。
Ｅ６．前記プロセッサは、更に、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ値）を含むＭＶＸ値を計算するように構成されるＥ１乃至Ｅ５の何れか１つのシステム。
Ｅ７．前記プロセッサは、更に、ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）のモデルを使用してＩＮＦＸ値を計算するように構成されるＥ６のシステム。
Ｅ８．前記プロセッサが、更に、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用してＭＭＸ値を計算するように構成されるＥ６のシステム。
Ｅ９．前記プロセッサは、更に、第１の代謝栄養失調指数ＭＭＸ１値及び第２の代謝栄養失調指数ＭＭＸ２値を含む代謝栄養失調指数（ＭＭＸ）を計算するように構成されるＥ６乃至Ｅ７の何れか１つのシステム。
Ｅ１０．前記プロセッサが、更に、ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２
のモデルを使用してＭＭＸ値を計算するように構成されるＥ９のシステム。
Ｅ１１．前記プロセッサが、更に、ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用してＭＭＸ１値を計算するように構成されるＥ９乃至Ｅ１０のシステム。
Ｅ１２．前記プロセッサは、更に、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用してＭＭＸ２値を計算するように構成されるＥ９乃至Ｅ１０のシステム。
Ｅ１３．前記プロセッサは、更に、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用してＭＶＸ値を計算するように構成されるＥ９乃至Ｅ１１の何れか１つのシステム。
Ｅ１４．前記プロセッサは、更に、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ、但しＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用してＭＶＸ値を計算するように構成されるＥ１０乃至Ｅ１３の何れか１つのシステム。
Ｅ１５．前記ＢＣＡＡがロイシン、イソロイシン、又はバリンの少なくとも１つであるＥ１乃至Ｅ１４の何れか１つのシステム。
Ｅ１６．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートの少なくとも１つである、Ｅ１乃至Ｅ１５の何れか１つのシステム。
Ｆ１．患者を観察する方法であって、
前記被験者からサンプルを得ることと、
サンプル中のＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び／又は血清タンパク質（Ｐｒｏｔｅｉｎ）のうちの少なくとも１つを測定することと、
前記測定値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、
少なくとも前記ＭＶＸ値が、全原因死亡のリスク増加に関連付けられた集団ノルムの定義されたレベルを上回るかどうかを評価することと、を含む方法。
Ｆ２．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）であるＦ１の方法。
Ｆ３．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定されるＦ１乃至Ｆ２の方法。
Ｆ４．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定されるＦ１乃至Ｆ２の方法。
Ｆ５．心血管事象に関して低リスクであると思われる被験者において前記ＭＶＸ値が判定されるＦ１乃至Ｆ４の方法。
Ｆ６．クエン酸塩及び血清タンパク質の少なくとも１つの測定が、ＣＶＤ関連死に関して高リスクであると思われる被験者において行われるＦ１の方法。
Ｆ７．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定されるＦ１乃至Ｆ２の方法。
Ｆ８．前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義されるＦ１乃至Ｆ７の方法。
Ｆ９．ＧｌｙｃＡ及び前記少なくとも１つのＨＤＬＰサブクラスの前記測定値を使用して、炎症指数（ＩＮＦＸ）値を生成するＦ８の方法。
Ｆ１０．ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）のモデルを使用して、ＩＮＦＸ値を判定するＦ８乃至Ｆ９の方法。
Ｆ１１．前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体、並びに任意でタンパク質及びクエン酸塩の測定値を使用して、代謝栄養失調指数（ＭＭＸ）値を生成するＦ８の方法。
Ｆ１２．代謝栄養失調指数（ＭＭＸ）値が、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）と定義されるＦ８又はＦ１１の何れか１つの方法。
Ｆ１３．前記代謝栄養失調指数（ＭＭＸ）が、第１の代謝栄養失調指数ＭＭＸ１値と、第２の代謝栄養失調指数ＭＭＸ２値とを含むＦ８又はＦ１１の何れか１つの方法。
Ｆ１４．ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２であるＦ１３の方法。
Ｆ１５．ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙであるＦ１３又はＦ１４の何れか１つの方法。
Ｆ１６．ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である、Ｆ１４のＦ１３の何れか１つの方法。
Ｆ１７．前記ＭＶＸ値は、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用して判定されるＦ１３乃至Ｆ１５の何れか１つの方法。
Ｆ１８．ＭＶＸ１は、ＣＶＤ関連事象について低リスクであると思われる被験者について判定されるＦ１７の方法。
Ｆ１９．前記ＭＶＸ値は、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ、但し、ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用して判定されるＦ１３の方法。
Ｆ２０．ＭＶＸは、ＣＶＤ関連事象について高リスクであると思われる被験者について判定されるＦ１９の方法。
Ｆ２１．前記ＢＣＡＡがロイシン、イソロイシン、又はバリンの少なくとも１つであるＦ１乃至Ｆ２０の何れか１つの方法。
Ｆ２２．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートのうちの少なくとも１つであるＦ１乃至Ｆ２１の何れか１つの方法。
Ｆ２３．前記測定は、ＮＭＲによって行われるＦ１乃至Ｆ２１の何れか１つの方法。
Ｇ１．患者を観察する方法であって、
（ａ）被験者からサンプルを取得することと、
（ｂ）前記サンプル中のＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
（ｃ）前記測定値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、
（ｄ）後の時点で工程（ａ）乃至（ｃ）を繰り返すことと、
（ｅ）少なくとも前記ＭＶＸ値が経時的に増加又は減少したかどうかを評価することと、を含む方法。
Ｇ２．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）であるＧ１の方法。
Ｇ３．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定されるＧ１乃至Ｇ２の方法。
Ｇ４．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定されるＧ１乃至Ｇ２の方法。
Ｇ５．心血管事象に関して低リスクであると思われる被験者において前記ＭＶＸ値が判定される、Ｇ１乃至Ｇ４の何れか１つの方法。
Ｇ６．クエン酸塩及び血清タンパク質の少なくとも１つの測定が、ＣＶＤ関連死に関して高リスクであると思われる被験者において行われるＧ１乃至Ｇ２の方法。
Ｇ７．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定されるＧ１、Ｇ２、又はＧ６の何れか１つの方法。
Ｇ８．前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義されるＧ１乃至Ｇ７の何れか１つの方法。
Ｇ９．ＧｌｙｃＡ及び前記少なくとも１つのＨＤＬＰサブクラスの前記測定値を使用して、炎症指数（ＩＮＦＸ）値を生成するＧ８の方法。
Ｇ１０．ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
のモデルを使用して、ＩＮＦＸ値を判定するＧ８乃至Ｇ９の方法。
Ｇ１１．前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体、並びに任意でタンパク質及びクエン酸塩の測定値を使用して、代謝栄養失調指数（ＭＭＸ）値を生成するＧ８の方法。
Ｇ１２．代謝栄養失調指数（ＭＭＸ）値が、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
と定義されるＧ８又はＧ１１の何れか１つの方法。
Ｇ１３．前記代謝栄養失調指数（ＭＭＸ）が、第１の代謝栄養失調指数ＭＭＸ１値と、第２の代謝栄養失調指数ＭＭＸ２値とを含むＧ８、Ｇ１１、又はＧ１２の何れか１つの方法。
Ｇ１４．ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２であるＧ１３の方法。
Ｇ１５．ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙであるＧ１３の方法。
Ｇ１６．ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）であるＧ１３の方法。
Ｇ１７．前記ＭＶＸ値は、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用して判定されるＧ１５の方法。
Ｇ１８．ＭＶＸ１は、ＣＶＤ関連事象について低リスクであると思われる被験者について判定されるＧ１７の方法。
Ｇ１９．前記ＭＶＸ値は、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ、但しＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用して判定されるＧ１３の方法。
Ｇ２０．ＭＶＸは、ＣＶＤ関連事象について高リスクであると思われる被験者について判定されるＧ１９の方法。
Ｇ２１．前記ＢＣＡＡがロイシン、イソロイシン、又はバリンの少なくとも１つであるＧ１乃至Ｇ２０の何れか１つの方法。
Ｇ２２．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートのうちの少なくとも１つであるＧ１乃至Ｇ２１の何れか１つの方法。
Ｇ２３．前記測定は、ＮＭＲによって行われるＧ１の方法。
Ａ１．被験者の早死の相対リスクに関連付けられた指標のレベルを判定する方法は、
被験者からサンプルを得ることと、
ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）とを測定することを含む。
Ａ２．前記ＧｌｙｃＡと、前記少なくとも１つのＨＤＬＰサブクラスと、前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体の測定値を使用して、代謝脆弱性指数（ＭＶＸ）値を生成するＡ１の方法。
Ａ３．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）であるＡ１－Ａ２の方法。
Ａ４．前記ＭＶＸ値が、
ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
のモデルを使用して判定されるＡ２乃至Ａ３の方法。
Ａ５．前記ＭＶＸ値が、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
のモデルを使用して判定されるＡ２乃至Ａ３の方法。
Ａ６．前記ＭＶＸ値は、心血管事象に関して低リスクであると思われる被験者に対して判定されるＡ５の方法。
Ａ７．クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することを更に含むＡ１乃至Ａ２の方法。
Ａ８．クエン酸塩及び血清タンパク質の少なくとも１つの測定が、ＣＶＤ関連死に関して高リスクであると思われる被験者において行われるＡ７の方法。
Ａ９．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定されるＡ７乃至Ａ８の方法。
Ａ１０．前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される前記実施形態の何れか１つの方法。
Ａ１１．ＧｌｙｃＡ及び前記少なくとも１つのＨＤＬＰサブクラスの前記測定値を使用して、炎症指数（ＩＮＦＸ）値を生成するＡ１０の方法。
Ａ１２．ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
のモデルを用いて、ＩＮＦＸ値を判定するＡ１０乃至Ａ１１の方法。
Ａ１３．前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体、並びに任意でタンパク質及びクエン酸塩の測定値を使用して代謝栄養失調指数（ＭＭＸ）値を生成するＡ１０の方法。
Ａ１４．前記代謝栄養失調指数（ＭＭＸ）値がＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
と定義されるＡ１０及びＡ１３の方法。
Ａ１５．前記代謝栄養失調指数（ＭＭＸ）が第１の代謝栄養失調指数ＭＭＸ１値と、第２の代謝栄養失調指数ＭＭＸ２値とを含むＡ１０、Ａ１３及びＡ１４の何れか１つの方法。
Ａ１６．ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２であるＡ１５の方法。
Ａ１７．ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙであるＡ１５乃至Ａ１６の方法。
Ａ１８．ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）であるＡ１５乃至Ａ１６の方法。
Ａ１９．前記ＭＶＸ値がＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用して判定されるＡ１５乃至Ａ１７の何れか１つの方法。
Ａ２０．ＭＶＸ１は、ＣＶＤ関連事象に関して低リスクであると思われる被験者について判定されるＡ１９の方法。
Ａ２１．前記ＭＶＸ値が、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸであり、ここでＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用して判定されるＡ１５の方法。
Ａ２２．ＭＶＸは、ＣＶＤ関連事象に関して高リスクであると思われる被験者について判定されるＡ２１の方法。
Ａ２３．前記ＢＣＡＡがロイシン、イソロイシン、又はバリンのうちの少なくとも１つである前記実施形態の何れか１つの方法。
Ａ２４．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートのうちの少なくとも１つである前記実施形態の何れか１つの方法。
Ａ２５．前記測定は、ＮＭＲによって行われる前記実施形態の何れか１つの方法。
Ｂ１．被験者の早死の相対リスクに関連付けられた指標のレベルを判定する方法は、
前記被験者からサンプルを得ることと、
ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
ＧｌｙｃＡと前記少なくとも１つのＨＤＬＰサブクラスの測定値を用いて、炎症指数（ＩＮＦＸ）値を生成することと、
前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体と、任意で、タンパク質及びクエン酸塩の前記測定値を使用して、少なくとも１つの代謝栄養失調指数（ＭＭＸ）値を生成することと、
ＩＮＦＸ値及びＭＭＸ値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することとを含んでいてもよい。
Ｂ２．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）であるＢ１の方法。
Ｂ３．前記ＩＮＦＸ値は、ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）のモデルを用いて決定されるＢ１乃至Ｂ２の方法。
Ｂ４．前記代謝栄養失調指数（ＭＭＸ）値は、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）と定義されるＢ１乃至Ｂ２の方法。
Ｂ５．前記代謝栄養失調指数（ＭＭＸ）が第１の代謝栄養失調指数ＭＭＸ１値と、第２の代謝栄養失調指数ＭＭＸ２値とを含む実施形態Ｂ１乃至Ｂ４の何れか１つの方法。
Ｂ６．ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２であるＢ５の方法。
Ｂ７．ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙであるＢ５乃至Ｂ６の方法。
Ｂ８．ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）であるＢ５乃至Ｂ６の方法。
Ｂ９．前記ＭＶＸ値が、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用して判定されるＢ５乃至Ｂ７の方法。
Ｂ１０．ＭＶＸ１がＣＶＤ関連事象に関して低リスクであると思われる被験者について判定されるＢ９の方法。
Ｂ１１．前記ＭＶＸ値がＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸであり、ここでＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用して判定されるＢ５乃至Ｂ８の何れかの方法。
Ｂ１２．ＭＶＸがＣＶＤ関連事象に関して高リスクであると思われる被験者について判定されるＢ１１の方法。
Ｂ１３．前記ＢＣＡＡがロイシン、イソロイシン、又はバリンのうちの少なくとも１つであるＢ１乃至Ｂ１２の何れか１つの方法。
Ｂ１４．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートのうちの少なくとも１つであるＢ１乃至Ｂ１３の何れか１つの方法。
Ｂ１５．前記測定は、ＮＭＲによって行われるＢ１乃至Ｂ１４の何れか１つの方法。
Ｃ１．前述の実施形態の何れか１つを実行するシステム。
Ｄ１．ＧｌｙｃＡに対する少なくとも１つの信号と、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスに対する少なくとも１つの信号と、少なくとも１つの分枝鎖アミノ酸（ＢＣＡＡ）に対する少なくとも１つの信号と、及び少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対する少なくとも１つの信号とを備えるＮＭＲスペクトル（複数も含む）を取得するように構成されたＮＭＲ分光計と、
前記ＧｌｙｃＡ、前記少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラス、前記少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）、及び前記少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定する為のプロセッサを備え、プロセッサは、メモリを含むか、又はメモリと通信するシステム。
Ｄ２．更に、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対する少なくとも１つの信号を含むＮＭＲスペクトル（単数または複数）を取得するように構成されたＮＭＲ分光計と、血清タンパク質（Ｐｒｏｔｅｉｎ）及びクエン酸塩（Ｃｉｔｒａｔｅ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定するプロセッサとを備えたＤ１のシステム。
Ｄ３．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）であるＤ１乃至Ｄ２のシステム。
Ｄ４．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
の式を使用して、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及び少なくとも１つのＨＤＬＰサブクラスの測定値に基づいてＭＶＸスコアを計算するように構成されたＤ１又はＤ３の何れか１つのシステム。
Ｄ５．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用してＭＶＸスコアを計算するように構成されるＤ１又はＤ３の何れか１つのシステム。
Ｄ６．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用してＭＶＸ値を計算するように構成されるＤ１乃至Ｄ３の何れか１つのシステム。
Ｄ７．前記プロセッサは、更に、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むＭＶＸ値を計算するように構成されるＤ１乃至Ｄ６の何れか１つのシステム。
Ｄ８．前記プロセッサは、更に、ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）のモデルを使用してＩＮＦＸ値を計算するように構成されるＤ７のシステム。
Ｄ９．前記プロセッサは、更に、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用してＭＭＸ値を計算するように構成されるＤ７のシステム。
Ｄ１０．前記プロセッサは、更に、第１の代謝栄養失調指数ＭＭＸ１値及び第２の代謝栄養失調指数ＭＭＸ２値を含む代謝栄養失調指数（ＭＭＸ）を計算するように構成されるＤ７乃至Ｄ９の何れか１つのシステム。
Ｄ１１．前記プロセッサは、更に、ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用してＭＭＸ値を計算するように構成されるＤ１０のシステム。
Ｄ１２．前記プロセッサは、更に、ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用してＭＭＸ１値を計算するように構成されるＤ１０乃至Ｄ１１のシステム。
Ｄ１３．前記プロセッサは、更に、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
のモデルを使用してＭＭＸ２値を計算するように構成されるＤ１０乃至Ｄ１１のシステム。
Ｄ１４．前記プロセッサは、更に、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１
のモデルを使用してＭＶＸ値を計算するように構成されるＤ１０乃至Ｄ１２の何れか１つのシステム。
Ｄ１５．前記プロセッサは、更に、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ、但しＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２
であるモデルを使用してＭＶＸ値を計算するように構成されるＤ１０又はＤ１１乃至Ｄ１３の何れか１つのシステム。
Ｄ１６．前記ＢＣＡＡがロイシン、イソロイシン又はバリンの少なくとも１つであるＤ１乃至Ｄ１５の何れか１つのシステム。
Ｄ１７．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートの少なくとも１つであるＤ１乃至Ｄ１６の何れか１項のシステム。
Ｅ１．ＮＭＲ分光計と、
前記分光計と連通するフロープローブと、
（ｉ）フロープローブ中の血中血漿又は血清試料のＧｌｙｃＡに関連付けられたＮＭＲスペクトルの定義されたＧｌｙｃＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉ）フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたケトン体適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉｉ）フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたＢＣＡＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｖ）前記フロープローブ中の試料と関連付けられたＮＭＲスペクトルの少なくとも１つのＨＤＬＰサブクラス適合領域に対する少なくとも１つのＮＭＲ信号と、任意で、フロープローブ中の試料に関連付けられたＮＭＲスペクトルの血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）適合領域（複数も含む）の少なくとも１つのＮＭＲ信号とを得られるように構成された前記分光計と通信するプロセッサと、
を備えたＮＭＲシステム。
Ｅ２．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である、Ｅ１のシステム。
Ｅ３．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙの式を使用して、ＧｌｙｃＡと、少なくとも１つのケトン体と、少なくとも１つの分岐鎖アミノ酸と、前記少なくとも１つの前記ＨＤＬＰサブクラスの前記測定値に基づいてＭＶＸスコアを計算するように構成されるＥ１乃至Ｅ２のシステム。
Ｅ４．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用してＭＶＸスコアを計算するように構成されるＥ１乃至Ｅ２のシステム。
Ｅ５．前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）の
モデルを使用してＭＶＸ値を計算するように構成されるＥ１乃至Ｅ４の何れか１つのシステム。
Ｅ６．前記プロセッサは、更に、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ値）を含むＭＶＸ値を計算するように構成されるＥ１乃至Ｅ５の何れか１つのシステム。
Ｅ７．前記プロセッサは、更に、ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）のモデルを使用してＩＮＦＸ値を計算するように構成されるＥ６のシステム。
Ｅ８．前記プロセッサが、更に、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用してＭＭＸ値を計算するように構成されるＥ６のシステム。
Ｅ９．前記プロセッサは、更に、第１の代謝栄養失調指数ＭＭＸ１値及び第２の代謝栄養失調指数ＭＭＸ２値を含む代謝栄養失調指数（ＭＭＸ）を計算するように構成されるＥ６乃至Ｅ７の何れか１つのシステム。
Ｅ１０．前記プロセッサが、更に、ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２
のモデルを使用してＭＭＸ値を計算するように構成されるＥ９のシステム。
Ｅ１１．前記プロセッサが、更に、ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用してＭＭＸ１値を計算するように構成されるＥ９乃至Ｅ１０のシステム。
Ｅ１２．前記プロセッサは、更に、ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用してＭＭＸ２値を計算するように構成されるＥ９乃至Ｅ１０のシステム。
Ｅ１３．前記プロセッサは、更に、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用してＭＶＸ値を計算するように構成されるＥ９乃至Ｅ１１の何れか１つのシステム。
Ｅ１４．前記プロセッサは、更に、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ、但しＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用してＭＶＸ値を計算するように構成されるＥ１０乃至Ｅ１３の何れか１つのシステム。
Ｅ１５．前記ＢＣＡＡがロイシン、イソロイシン、又はバリンの少なくとも１つであるＥ１乃至Ｅ１４の何れか１つのシステム。
Ｅ１６．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートの少なくとも１つである、Ｅ１乃至Ｅ１５の何れか１つのシステム。
Ｆ１．患者を観察する方法であって、
前記被験者からサンプルを得ることと、
サンプル中のＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び／又は血清タンパク質（Ｐｒｏｔｅｉｎ）のうちの少なくとも１つを測定することと、
前記測定値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、
少なくとも前記ＭＶＸ値が、全原因死亡のリスク増加に関連付けられた集団ノルムの定義されたレベルを上回るかどうかを評価することと、を含む方法。
Ｆ２．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）であるＦ１の方法。
Ｆ３．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定されるＦ１乃至Ｆ２の方法。
Ｆ４．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定されるＦ１乃至Ｆ２の方法。
Ｆ５．心血管事象に関して低リスクであると思われる被験者において前記ＭＶＸ値が判定されるＦ１乃至Ｆ４の方法。
Ｆ６．クエン酸塩及び血清タンパク質の少なくとも１つの測定が、ＣＶＤ関連死に関して高リスクであると思われる被験者において行われるＦ１の方法。
Ｆ７．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定されるＦ１乃至Ｆ２の方法。
Ｆ８．前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義されるＦ１乃至Ｆ７の方法。
Ｆ９．ＧｌｙｃＡ及び前記少なくとも１つのＨＤＬＰサブクラスの前記測定値を使用して、炎症指数（ＩＮＦＸ）値を生成するＦ８の方法。
Ｆ１０．ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）のモデルを使用して、ＩＮＦＸ値を判定するＦ８乃至Ｆ９の方法。
Ｆ１１．前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体、並びに任意でタンパク質及びクエン酸塩の測定値を使用して、代謝栄養失調指数（ＭＭＸ）値を生成するＦ８の方法。
Ｆ１２．代謝栄養失調指数（ＭＭＸ）値が、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）と定義されるＦ８又はＦ１１の何れか１つの方法。
Ｆ１３．前記代謝栄養失調指数（ＭＭＸ）が、第１の代謝栄養失調指数ＭＭＸ１値と、第２の代謝栄養失調指数ＭＭＸ２値とを含むＦ８又はＦ１１の何れか１つの方法。
Ｆ１４．ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２であるＦ１３の方法。
Ｆ１５．ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙであるＦ１３又はＦ１４の何れか１つの方法。
Ｆ１６．ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である、Ｆ１４のＦ１３の何れか１つの方法。
Ｆ１７．前記ＭＶＸ値は、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用して判定されるＦ１３乃至Ｆ１５の何れか１つの方法。
Ｆ１８．ＭＶＸ１は、ＣＶＤ関連事象について低リスクであると思われる被験者について判定されるＦ１７の方法。
Ｆ１９．前記ＭＶＸ値は、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ、但し、ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用して判定されるＦ１３の方法。
Ｆ２０．ＭＶＸは、ＣＶＤ関連事象について高リスクであると思われる被験者について判定されるＦ１９の方法。
Ｆ２１．前記ＢＣＡＡがロイシン、イソロイシン、又はバリンの少なくとも１つであるＦ１乃至Ｆ２０の何れか１つの方法。
Ｆ２２．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートのうちの少なくとも１つであるＦ１乃至Ｆ２１の何れか１つの方法。
Ｆ２３．前記測定は、ＮＭＲによって行われるＦ１乃至Ｆ２１の何れか１つの方法。
Ｇ１．患者を観察する方法であって、
（ａ）被験者からサンプルを取得することと、
（ｂ）前記サンプル中のＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
（ｃ）前記測定値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、
（ｄ）後の時点で工程（ａ）乃至（ｃ）を繰り返すことと、
（ｅ）少なくとも前記ＭＶＸ値が経時的に増加又は減少したかどうかを評価することと、を含む方法。
Ｇ２．前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）であるＧ１の方法。
Ｇ３．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定されるＧ１乃至Ｇ２の方法。
Ｇ４．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定されるＧ１乃至Ｇ２の方法。
Ｇ５．心血管事象に関して低リスクであると思われる被験者において前記ＭＶＸ値が判定される、Ｇ１乃至Ｇ４の何れか１つの方法。
Ｇ６．クエン酸塩及び血清タンパク質の少なくとも１つの測定が、ＣＶＤ関連死に関して高リスクであると思われる被験者において行われるＧ１乃至Ｇ２の方法。
Ｇ７．前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定されるＧ１、Ｇ２、又はＧ６の何れか１つの方法。
Ｇ８．前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義されるＧ１乃至Ｇ７の何れか１つの方法。
Ｇ９．ＧｌｙｃＡ及び前記少なくとも１つのＨＤＬＰサブクラスの前記測定値を使用して、炎症指数（ＩＮＦＸ）値を生成するＧ８の方法。
Ｇ１０．ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
のモデルを使用して、ＩＮＦＸ値を判定するＧ８乃至Ｇ９の方法。
Ｇ１１．前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体、並びに任意でタンパク質及びクエン酸塩の測定値を使用して、代謝栄養失調指数（ＭＭＸ）値を生成するＧ８の方法。
Ｇ１２．代謝栄養失調指数（ＭＭＸ）値が、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
と定義されるＧ８又はＧ１１の何れか１つの方法。
Ｇ１３．前記代謝栄養失調指数（ＭＭＸ）が、第１の代謝栄養失調指数ＭＭＸ１値と、第２の代謝栄養失調指数ＭＭＸ２値とを含むＧ８、Ｇ１１、又はＧ１２の何れか１つの方法。
Ｇ１４．ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２であるＧ１３の方法。
Ｇ１５．ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙであるＧ１３の方法。
Ｇ１６．ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）であるＧ１３の方法。
Ｇ１７．前記ＭＶＸ値は、ＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用して判定されるＧ１５の方法。
Ｇ１８．ＭＶＸ１は、ＣＶＤ関連事象について低リスクであると思われる被験者について判定されるＧ１７の方法。
Ｇ１９．前記ＭＶＸ値は、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ、但しＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用して判定されるＧ１３の方法。
Ｇ２０．ＭＶＸは、ＣＶＤ関連事象について高リスクであると思われる被験者について判定されるＧ１９の方法。
Ｇ２１．前記ＢＣＡＡがロイシン、イソロイシン、又はバリンの少なくとも１つであるＧ１乃至Ｇ２０の何れか１つの方法。
Ｇ２２．前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートのうちの少なくとも１つであるＧ１乃至Ｇ２１の何れか１つの方法。
Ｇ２３．前記測定は、ＮＭＲによって行われるＧ１の方法。
以上は、本開示を例示するものであり、本発明を限定するものとして解釈されるべきではない。本開示の幾つかの例示的な実施形態について説明したが、当業者であれば、本開示の新規な教示及び利点から実質的に逸脱することなく、例示的な実施形態において多くの変更が可能であることを容易に理解できるであろう。従って、そのような変更の全ては、特許請求の範囲に定義される本開示の範囲内に含まれるよう意図される。特許請求の範囲において、ミーンズプラスファンクション（Means-plus-Function）項が使用される場合は、構造的等価物だけでなく、同等の構造物に対しても列挙した機能を行うものとして本明細書に記載された構造物を包含することを意図する。従って、前述は本開示の例示であり、開示された特定の実施形態に限定されるものと解釈されるべきではなく、開示された実施形態に対する変更、並びに他の実施形態が、添付の特許請求の範囲の範囲内に含まれることを意図するものである。本開示は、添付の特許請求の範囲によって定義され、その中に含まれる特許請求の範囲の等価物によって定義される。
２０ プロセッサ／分析回路
２２ ＮＭＲ分析器
２１１ デジタルコンピュータ／プロセッサ
２１３ コンピュータ／プロセッサ
２１５ メモリ記憶装置
２１６ パルス制御＆インターフェース回路
２１７ ＲＦ送信機
２１８ ＲＦ電力増幅器
２２１ 磁石
２２３ ＲＦレシーバ
２２４ 復調器
２２５ メモリ記憶装置
２２５ ＮＭＲデータ又は信号取得システム
２２６ プリンタ
２２７ インターネット
３１０ プロセッサ
３１４ メモリ
３５０ ＭＶＸ評価モジュール
３５２ オペレーティングシステム
３５４ アプリケーションプログラム
３５６ データ
３５８ Ｉ／Ｏデバイスドライバ
３６２ 信号データ
３７０ 臨床疾患状態モジュール
３７５ リスク予測モジュール
３７８ 全原因死亡リスク評価モジュール
２２ ＮＭＲ分析器
２１１ デジタルコンピュータ／プロセッサ
２１３ コンピュータ／プロセッサ
２１５ メモリ記憶装置
２１６ パルス制御＆インターフェース回路
２１７ ＲＦ送信機
２１８ ＲＦ電力増幅器
２２１ 磁石
２２３ ＲＦレシーバ
２２４ 復調器
２２５ メモリ記憶装置
２２５ ＮＭＲデータ又は信号取得システム
２２６ プリンタ
２２７ インターネット
３１０ プロセッサ
３１４ メモリ
３５０ ＭＶＸ評価モジュール
３５２ オペレーティングシステム
３５４ アプリケーションプログラム
３５６ データ
３５８ Ｉ／Ｏデバイスドライバ
３６２ 信号データ
３７０ 臨床疾患状態モジュール
３７５ リスク予測モジュール
３７８ 全原因死亡リスク評価モジュール
以上は、本開示を例示するものであり、本発明を限定するものとして解釈されるべきではない。本開示の幾つかの例示的な実施形態について説明したが、当業者であれば、本開示の新規な教示及び利点から実質的に逸脱することなく、例示的な実施形態において多くの変更が可能であることを容易に理解できるであろう。従って、そのような変更の全ては、特許請求の範囲に定義される本開示の範囲内に含まれるよう意図される。特許請求の範囲において、ミーンズプラスファンクション（Means-plus-Function）項が使用される場合は、構造的等価物だけでなく、同等の構造物に対しても列挙した機能を行うものとして本明細書に記載された構造物を包含することを意図する。従って、前述は本開示の例示であり、開示された特定の実施形態に限定されるものと解釈されるべきではなく、開示された実施形態に対する変更、並びに他の実施形態が、添付の特許請求の範囲の範囲内に含まれることを意図するものである。本開示は、添付の特許請求の範囲によって定義され、その中に含まれる特許請求の範囲の等価物によって定義される。
〔付記１〕
被験者の早死の相対リスクに関連付けられた指標のレベルを判定する方法であって、
被験者からサンプルを得ることと、
ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）とを測定することを含む方法。
〔付記２〕
前記ＧｌｙｃＡと、前記少なくとも１つのＨＤＬＰサブクラスと、前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体の測定値を使用して、代謝脆弱性指数（ＭＶＸ）値を生成する付記１に記載の方法。
〔付記３〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記１又は２の何れか一項に記載の方法。
〔付記４〕
前記ＭＶＸ値が、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定される付記２又は３の何れか一項に記載の方法。
〔付記５〕
前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定される付記２又は３の何れか一項に記載の方法。
〔付記６〕
心血管事象に関して低リスクであると思われる被験者において前記ＭＶＸ値が判定される付記５に記載の方法。
〔付記７〕
更に、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することを含む付記１、２、又は３に記載の方法。
〔付記８〕
クエン酸塩及び血清タンパク質の少なくとも１つの前記測定が、ＣＶＤ関連死に関して高リスクであると思われる被験者において行われる付記７に記載の方法。
〔付記９〕
前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定される付記７又は８の何れか１つに記載の方法。
〔付記１０〕
前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される付記１乃至９の何れか１項に記載の方法。
〔付記１１〕
ＧｌｙｃＡ及び前記少なくとも１つのＨＤＬＰサブクラスの前記測定値を使用して、炎症指数（ＩＮＦＸ）値を生成する付記１０に記載の方法。
〔付記１２〕
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
のモデルを使用して、前記ＩＮＦＸ値を判定する付記１０又は１１の何れかに記載の方法。
〔付記１３〕
前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体、並びに任意でタンパク質及びクエン酸塩の測定値を使用して、代謝栄養失調指数（ＭＭＸ）値を生成する付記１０に記載の方法。
〔付記１４〕
前記代謝栄養失調指数（ＭＭＸ）値が、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
と定義される付記１０又は１３の何れか一項に記載の方法。
〔付記１５〕
前記代謝栄養失調指数（ＭＭＸ）が第１の代謝栄養失調指数ＭＭＸ１値と、第２の代謝栄養失調指数ＭＭＸ２値とを含む付記１０、１３、又は１４の何れか一項に記載の方法。
〔付記１６〕
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２である付記１５に記載の方法。
〔付記１７〕
ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙである付記１５又は１６の何れか一項に記載の方法。
〔付記１８〕
ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である付記１５又は１６の何れか一項に記載の方法。
〔付記１９〕
前記ＭＶＸ値がＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用して判定される付記１５乃至１７の何れか一項に記載の方法。
〔付記２０〕
ＭＶＸ１は、ＣＶＤ関連事象について低リスクであると思われる被験者について判定される付記１９に記載の方法。
〔付記２１〕
前記ＭＶＸ値が、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ、但しＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用して判定される付記１５に記載の方法。
〔付記２２〕
ＭＶＸは、ＣＶＤ関連事象について高リスクであると思われる被験者について判定される付記２１に記載の方法。
〔付記２３〕
前記ＢＣＡＡがロイシン、イソロイシン、又はバリンの少なくとも１つである付記１乃至２２の何れか一項に記載の方法。
〔付記２４〕
前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートのうちの少なくとも１つである付記１乃至２３の何れか一項に記載の方法。
〔付記２５〕
前記測定は、ＮＭＲによって実施される付記１乃至２４の何れか一項に記載の方法。
〔付記２６〕
被験者の早死の相対リスクに関連付けられた指標のレベルを判定する方法は、
前記被験者からサンプルを得ることと、
ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
ＧｌｙｃＡと前記少なくとも１つのＨＤＬＰサブクラスの測定値を用いて、炎症指数（ＩＮＦＸ）値を生成することと、
前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体と、任意で、タンパク質及びクエン酸塩の前記測定値を使用して、少なくとも１つの代謝栄養失調指数（ＭＭＸ）値を生成することと、
ＩＮＦＸ値及びＭＭＸ値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、を含む方法。
〔付記２７〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記２６に記載の方法。
〔付記２８〕
前記測定は、ＮＭＲによって行われる付記２６又は２７の何れか一項に記載の方法。
〔付記２９〕
付記１乃至２８の何れか一項を行うシステム。
〔付記３０〕
ＧｌｙｃＡに対する少なくとも１つの信号と、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスに対する少なくとも１つの信号と、少なくとも１つの分枝鎖アミノ酸（ＢＣＡＡ）に対する少なくとも１つの信号と、及び少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対する少なくとも１つの信号とを備えるＮＭＲスペクトル（複数も含む）を取得するように構成されたＮＭＲ分光計と、
前記ＧｌｙｃＡ、前記少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラス、前記少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）、及び前記少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定するプロセッサと、を備え、
プロセッサは、メモリを含むか、又はメモリと通信するシステム。
〔付記３１〕
更に、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対する少なくとも１つの信号を含むＮＭＲスペクトル及び／又は複数のスペクトルを取得するように構成されたＮＭＲ分光計と、
前記血清タンパク質（Ｐｒｏｔｅｉｎ）及び前記クエン酸塩（Ｃｉｔｒａｔｅ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定するプロセッサと、を備えた付記３０に記載のシステム。
〔付記３２〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記３０又は３１の何れか一項に記載のシステム。
〔付記３３〕
前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙの式を使用して、ＧｌｙｃＡと、少なくとも１つのケトン体と、少なくとも１つの分岐鎖アミノ酸と、前記少なくとも１つのＨＤＬＰサブクラスの前記測定値に基づいてＭＶＸスコアを計算するように構成された付記３０乃至３２の何れか一項に記載のシステム。
〔付記３４〕
前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定される付記３０乃至３２の何れか１つに記載のシステム。
〔付記３５〕
前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される付記３０乃至３２の何れか１項に記載の方法。
〔付記３６〕
ＮＭＲ分光計と、
前記分光計と連通するフロープローブと、
（ｉ）前記フロープローブ中の血中血漿又は血清試料のＧｌｙｃＡに関連付けられたＮＭＲスペクトルの定義されたＧｌｙｃＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉ）前記フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたケトン体適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉｉ）前記フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたＢＣＡＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｖ）少なくとも１つのＨＤＬＰサブクラスと、任意で、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対する少なくとも１つのＮＭＲ信号と、を取得するように構成された前記分光計と通信するプロセッサと、
を含むＮＭＲシステム。
〔付記３７〕
前記プロセッサは、更に、前記ＧｌｙｃＡと、前記少なくとも１つのケトン体と、前記少なくとも１つの分岐鎖アミノ酸と、前記ＨＤＬＰサブクラスのそれぞれの量を計算するように構成された付記３６に記載の方法。
〔付記３８〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記３６又は３７の何れかに記載のシステム。
〔付記３９〕
前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
の式を使用して、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及び前記ＨＤＬＰサブクラスの少なくとも１つの前記測定値に基づいてＭＶＸスコアを計算するように構成された付記３６乃至３８の何れかに記載のシステム。
〔付記４０〕
前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定される付記３６乃至３８の何れかに記載のシステム。
〔付記４１〕
前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される付記４０記載の方法。
〔付記４２〕
患者を観察する方法であって、
前記被験者からサンプルを得ることと、
前記サンプル中のＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
前記測定値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、
少なくとも前記ＭＶＸ値が、全原因死亡のリスク増加に関連付けられた集団ノルムの定義されたレベルを上回るかどうかを評価することと、を含む方法。
〔付記４３〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記４２に記載の方法。
〔付記４４〕
前記測定は、ＮＭＲによって実施される付記４２乃至４３の何れか一項に記載の方法。
〔付記４５〕
患者を観察する方法であって、
（ａ）被験者からサンプルを取得することと、
（ｂ）前記サンプル中のＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
（ｃ）前記測定値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、
（ｄ）後の時点で工程（ａ）乃至（ｃ）を繰り返すことと、
（ｅ）少なくとも前記ＭＶＸ値が経時的に増加又は減少したかどうかを評価することと、を含む方法。
〔付記４６〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記４５に記載の方法。
〔付記４７〕
前記測定は、ＮＭＲによって行われる付記４５又は４６の何れか一項に記載の方法。
〔付記１〕
被験者の早死の相対リスクに関連付けられた指標のレベルを判定する方法であって、
被験者からサンプルを得ることと、
ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）とを測定することを含む方法。
〔付記２〕
前記ＧｌｙｃＡと、前記少なくとも１つのＨＤＬＰサブクラスと、前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体の測定値を使用して、代謝脆弱性指数（ＭＶＸ）値を生成する付記１に記載の方法。
〔付記３〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記１又は２の何れか一項に記載の方法。
〔付記４〕
前記ＭＶＸ値が、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定される付記２又は３の何れか一項に記載の方法。
〔付記５〕
前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定される付記２又は３の何れか一項に記載の方法。
〔付記６〕
心血管事象に関して低リスクであると思われる被験者において前記ＭＶＸ値が判定される付記５に記載の方法。
〔付記７〕
更に、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することを含む付記１、２、又は３に記載の方法。
〔付記８〕
クエン酸塩及び血清タンパク質の少なくとも１つの前記測定が、ＣＶＤ関連死に関して高リスクであると思われる被験者において行われる付記７に記載の方法。
〔付記９〕
前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定される付記７又は８の何れか１つに記載の方法。
〔付記１０〕
前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される付記１乃至９の何れか１項に記載の方法。
〔付記１１〕
ＧｌｙｃＡ及び前記少なくとも１つのＨＤＬＰサブクラスの前記測定値を使用して、炎症指数（ＩＮＦＸ）値を生成する付記１０に記載の方法。
〔付記１２〕
ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
のモデルを使用して、前記ＩＮＦＸ値を判定する付記１０又は１１の何れかに記載の方法。
〔付記１３〕
前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体、並びに任意でタンパク質及びクエン酸塩の測定値を使用して、代謝栄養失調指数（ＭＭＸ）値を生成する付記１０に記載の方法。
〔付記１４〕
前記代謝栄養失調指数（ＭＭＸ）値が、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
と定義される付記１０又は１３の何れか一項に記載の方法。
〔付記１５〕
前記代謝栄養失調指数（ＭＭＸ）が第１の代謝栄養失調指数ＭＭＸ１値と、第２の代謝栄養失調指数ＭＭＸ２値とを含む付記１０、１３、又は１４の何れか一項に記載の方法。
〔付記１６〕
ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２である付記１５に記載の方法。
〔付記１７〕
ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙである付記１５又は１６の何れか一項に記載の方法。
〔付記１８〕
ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である付記１５又は１６の何れか一項に記載の方法。
〔付記１９〕
前記ＭＶＸ値がＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用して判定される付記１５乃至１７の何れか一項に記載の方法。
〔付記２０〕
ＭＶＸ１は、ＣＶＤ関連事象について低リスクであると思われる被験者について判定される付記１９に記載の方法。
〔付記２１〕
前記ＭＶＸ値が、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ、但しＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用して判定される付記１５に記載の方法。
〔付記２２〕
ＭＶＸは、ＣＶＤ関連事象について高リスクであると思われる被験者について判定される付記２１に記載の方法。
〔付記２３〕
前記ＢＣＡＡがロイシン、イソロイシン、又はバリンの少なくとも１つである付記１乃至２２の何れか一項に記載の方法。
〔付記２４〕
前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートのうちの少なくとも１つである付記１乃至２３の何れか一項に記載の方法。
〔付記２５〕
前記測定は、ＮＭＲによって実施される付記１乃至２４の何れか一項に記載の方法。
〔付記２６〕
被験者の早死の相対リスクに関連付けられた指標のレベルを判定する方法は、
前記被験者からサンプルを得ることと、
ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
ＧｌｙｃＡと前記少なくとも１つのＨＤＬＰサブクラスの測定値を用いて、炎症指数（ＩＮＦＸ）値を生成することと、
前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体と、任意で、タンパク質及びクエン酸塩の前記測定値を使用して、少なくとも１つの代謝栄養失調指数（ＭＭＸ）値を生成することと、
ＩＮＦＸ値及びＭＭＸ値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、を含む方法。
〔付記２７〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記２６に記載の方法。
〔付記２８〕
前記測定は、ＮＭＲによって行われる付記２６又は２７の何れか一項に記載の方法。
〔付記２９〕
付記１乃至２８の何れか一項を行うシステム。
〔付記３０〕
ＧｌｙｃＡに対する少なくとも１つの信号と、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスに対する少なくとも１つの信号と、少なくとも１つの分枝鎖アミノ酸（ＢＣＡＡ）に対する少なくとも１つの信号と、及び少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対する少なくとも１つの信号とを備えるＮＭＲスペクトル（複数も含む）を取得するように構成されたＮＭＲ分光計と、
前記ＧｌｙｃＡ、前記少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラス、前記少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）、及び前記少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定するプロセッサと、を備え、
プロセッサは、メモリを含むか、又はメモリと通信するシステム。
〔付記３１〕
更に、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対する少なくとも１つの信号を含むＮＭＲスペクトル及び／又は複数のスペクトルを取得するように構成されたＮＭＲ分光計と、
前記血清タンパク質（Ｐｒｏｔｅｉｎ）及び前記クエン酸塩（Ｃｉｔｒａｔｅ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定するプロセッサと、を備えた付記３０に記載のシステム。
〔付記３２〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記３０又は３１の何れか一項に記載のシステム。
〔付記３３〕
前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙの式を使用して、ＧｌｙｃＡと、少なくとも１つのケトン体と、少なくとも１つの分岐鎖アミノ酸と、前記少なくとも１つのＨＤＬＰサブクラスの前記測定値に基づいてＭＶＸスコアを計算するように構成された付記３０乃至３２の何れか一項に記載のシステム。
〔付記３４〕
前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定される付記３０乃至３２の何れか１つに記載のシステム。
〔付記３５〕
前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される付記３０乃至３２の何れか１項に記載の方法。
〔付記３６〕
ＮＭＲ分光計と、
前記分光計と連通するフロープローブと、
（ｉ）前記フロープローブ中の血中血漿又は血清試料のＧｌｙｃＡに関連付けられたＮＭＲスペクトルの定義されたＧｌｙｃＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉ）前記フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたケトン体適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉｉ）前記フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたＢＣＡＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｖ）少なくとも１つのＨＤＬＰサブクラスと、任意で、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対する少なくとも１つのＮＭＲ信号と、を取得するように構成された前記分光計と通信するプロセッサと、
を含むＮＭＲシステム。
〔付記３７〕
前記プロセッサは、更に、前記ＧｌｙｃＡと、前記少なくとも１つのケトン体と、前記少なくとも１つの分岐鎖アミノ酸と、前記ＨＤＬＰサブクラスのそれぞれの量を計算するように構成された付記３６に記載の方法。
〔付記３８〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記３６又は３７の何れかに記載のシステム。
〔付記３９〕
前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
の式を使用して、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及び前記ＨＤＬＰサブクラスの少なくとも１つの前記測定値に基づいてＭＶＸスコアを計算するように構成された付記３６乃至３８の何れかに記載のシステム。
〔付記４０〕
前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定される付記３６乃至３８の何れかに記載のシステム。
〔付記４１〕
前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される付記４０記載の方法。
〔付記４２〕
患者を観察する方法であって、
前記被験者からサンプルを得ることと、
前記サンプル中のＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
前記測定値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、
少なくとも前記ＭＶＸ値が、全原因死亡のリスク増加に関連付けられた集団ノルムの定義されたレベルを上回るかどうかを評価することと、を含む方法。
〔付記４３〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記４２に記載の方法。
〔付記４４〕
前記測定は、ＮＭＲによって実施される付記４２乃至４３の何れか一項に記載の方法。
〔付記４５〕
患者を観察する方法であって、
（ａ）被験者からサンプルを取得することと、
（ｂ）前記サンプル中のＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
（ｃ）前記測定値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、
（ｄ）後の時点で工程（ａ）乃至（ｃ）を繰り返すことと、
（ｅ）少なくとも前記ＭＶＸ値が経時的に増加又は減少したかどうかを評価することと、を含む方法。
〔付記４６〕
前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である付記４５に記載の方法。
〔付記４７〕
前記測定は、ＮＭＲによって行われる付記４５又は４６の何れか一項に記載の方法。
Claims (47)
- 被験者の早死の相対リスクに関連付けられた指標のレベルを判定する方法であって、
被験者からサンプルを得ることと、
ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）とを測定することを含む方法。 - 前記ＧｌｙｃＡと、前記少なくとも１つのＨＤＬＰサブクラスと、前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体の測定値を使用して、代謝脆弱性指数（ＭＶＸ）値を生成する請求項１に記載の方法。
- 前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である請求項１又は２の何れか一項に記載の方法。
- 前記ＭＶＸ値が、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定される請求項２又は３の何れか一項に記載の方法。
- 前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙのモデルを使用して判定される請求項２又は３の何れか一項に記載の方法。
- 心血管事象に関して低リスクであると思われる被験者において前記ＭＶＸ値が判定される請求項５に記載の方法。
- 更に、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することを含む請求項１、２、又は３に記載の方法。
- クエン酸塩及び血清タンパク質の少なくとも１つの前記測定が、ＣＶＤ関連死に関して高リスクであると思われる被験者において行われる請求項７に記載の方法。
- 前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定される請求項７又は８の何れか１つに記載の方法。
- 前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される請求項１乃至９の何れか１項に記載の方法。
- ＧｌｙｃＡ及び前記少なくとも１つのＨＤＬＰサブクラスの前記測定値を使用して、炎症指数（ＩＮＦＸ）値を生成する請求項１０に記載の方法。
- ＩＮＦＸ＝β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）
のモデルを使用して、前記ＩＮＦＸ値を判定する請求項１０又は１１の何れかに記載の方法。 - 前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体、並びに任意でタンパク質及びクエン酸塩の測定値を使用して、代謝栄養失調指数（ＭＭＸ）値を生成する請求項１０に記載の方法。
- 前記代謝栄養失調指数（ＭＭＸ）値が、ＭＭＸ＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）
と定義される請求項１０又は１３の何れか一項に記載の方法。 - 前記代謝栄養失調指数（ＭＭＸ）が第１の代謝栄養失調指数ＭＭＸ１値と、第２の代謝栄養失調指数ＭＭＸ２値とを含む請求項１０、１３、又は１４の何れか一項に記載の方法。
- ＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２である請求項１５に記載の方法。
- ＭＭＸ１＝β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙである請求項１５又は１６の何れか一項に記載の方法。
- ＭＭＸ２＝β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）である請求項１５又は１６の何れか一項に記載の方法。
- 前記ＭＶＸ値がＭＶＸ１＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ１のモデルを使用して判定される請求項１５乃至１７の何れか一項に記載の方法。
- ＭＶＸ１は、ＣＶＤ関連事象について低リスクであると思われる被験者について判定される請求項１９に記載の方法。
- 前記ＭＶＸ値が、ＭＶＸ＝βｉ＊ＩＮＦＸ＋βｍ＊ＭＭＸ、但しＭＭＸ＝β９＊ＭＭＸ１＋β１０＊ＭＭＸ２のモデルを使用して判定される請求項１５に記載の方法。
- ＭＶＸは、ＣＶＤ関連事象について高リスクであると思われる被験者について判定される請求項２１に記載の方法。
- 前記ＢＣＡＡがロイシン、イソロイシン、又はバリンの少なくとも１つである請求項１乃至２２の何れか一項に記載の方法。
- 前記ケトン体がアセトン、アセトアセテート、又はベータ－ヒドロキシブチレートのうちの少なくとも１つである請求項１乃至２３の何れか一項に記載の方法。
- 前記測定は、ＮＭＲによって実施される請求項１乃至２４の何れか一項に記載の方法。
- 被験者の早死の相対リスクに関連付けられた指標のレベルを判定する方法は、
前記被験者からサンプルを得ることと、
ＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
ＧｌｙｃＡと前記少なくとも１つのＨＤＬＰサブクラスの測定値を用いて、炎症指数（ＩＮＦＸ）値を生成することと、
前記少なくとも１つのＢＣＡＡと、前記少なくとも１つのケトン体と、任意で、タンパク質及びクエン酸塩の前記測定値を使用して、少なくとも１つの代謝栄養失調指数（ＭＭＸ）値を生成することと、
ＩＮＦＸ値及びＭＭＸ値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、を含む方法。 - 前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である請求項２６に記載の方法。
- 前記測定は、ＮＭＲによって行われる請求項２６又は２７の何れか一項に記載の方法。
- 請求項１乃至２８の何れか一項を行うシステム。
- ＧｌｙｃＡに対する少なくとも１つの信号と、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスに対する少なくとも１つの信号と、少なくとも１つの分枝鎖アミノ酸（ＢＣＡＡ）に対する少なくとも１つの信号と、及び少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対する少なくとも１つの信号とを備えるＮＭＲスペクトル（複数も含む）を取得するように構成されたＮＭＲ分光計と、
前記ＧｌｙｃＡ、前記少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラス、前記少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）、及び前記少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定するプロセッサと、を備え、
プロセッサは、メモリを含むか、又はメモリと通信するシステム。 - 更に、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対する少なくとも１つの信号を含むＮＭＲスペクトル及び／又は複数のスペクトルを取得するように構成されたＮＭＲ分光計と、
前記血清タンパク質（Ｐｒｏｔｅｉｎ）及び前記クエン酸塩（Ｃｉｔｒａｔｅ）に対して測定した少なくとも１つの信号に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定するプロセッサと、を備えた請求項３０に記載のシステム。 - 前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である請求項３０又は３１の何れか一項に記載のシステム。
- 前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙの式を使用して、ＧｌｙｃＡと、少なくとも１つのケトン体と、少なくとも１つの分岐鎖アミノ酸と、前記少なくとも１つのＨＤＬＰサブクラスの前記測定値に基づいてＭＶＸスコアを計算するように構成された請求項３０乃至３２の何れか一項に記載のシステム。
- 前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定される請求項３０乃至３２の何れか１つに記載のシステム。
- 前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される請求項３０乃至３２の何れか１項に記載の方法。
- ＮＭＲ分光計と、
前記分光計と連通するフロープローブと、
（ｉ）前記フロープローブ中の血中血漿又は血清試料のＧｌｙｃＡに関連付けられたＮＭＲスペクトルの定義されたＧｌｙｃＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉ）前記フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたケトン体適合領域の少なくとも１つのＮＭＲ信号と、（ｉｉｉ）前記フロープローブ内の試料に関連付けられたＮＭＲスペクトルの定義されたＢＣＡＡ適合領域の少なくとも１つのＮＭＲ信号と、（ｉｖ）少なくとも１つのＨＤＬＰサブクラスと、任意で、血清タンパク質（Ｐｒｏｔｅｉｎ）及び／又はクエン酸塩（Ｃｉｔｒａｔｅ）に対する少なくとも１つのＮＭＲ信号と、を取得するように構成された前記分光計と通信するプロセッサと、
を含むＮＭＲシステム。 - 前記プロセッサは、更に、前記ＧｌｙｃＡと、前記少なくとも１つのケトン体と、前記少なくとも１つの分岐鎖アミノ酸と、前記ＨＤＬＰサブクラスのそれぞれの量を計算するように構成された請求項３６に記載の方法。
- 前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である請求項３６又は３７の何れかに記載のシステム。
- 前記プロセッサは、更に、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ
の式を使用して、ＧｌｙｃＡ、少なくとも１つのケトン体、少なくとも１つの分岐鎖アミノ酸、及び前記ＨＤＬＰサブクラスの少なくとも１つの前記測定値に基づいてＭＶＸスコアを計算するように構成された請求項３６乃至３８の何れかに記載のシステム。 - 前記ＭＶＸ値は、ＭＶＸ＝Ａ＋β１＊ｌｎＧｌｙｃＡ＋β２＊ｌｎＳ－ＨＤＬＰ＋β３＊（ｌｎＧｌｙｃＡ＊ｌｎＳ－ＨＤＬＰ）＋β４＊ｌｎＢＣＡＡ＋β５＊ｌｎＫｅｔｏｎｅＢｏｄｙ＋β６＊ｌｎＣｉｔｒａｔｅ＋β７＊ｌｎＰｒｏｔｅｉｎ＋β８＊（ｌｎＣｉｔｒａｔｅ＊ｌｎＰｒｏｔｅｉｎ）のモデルを使用して判定される請求項３６乃至３８の何れかに記載のシステム。
- 前記ＭＶＸ値は、炎症指数（ＩＮＦＸ）値及び代謝栄養失調指数（ＭＭＸ）値を含むものとして定義される請求項４０記載の方法。
- 患者を観察する方法であって、
前記被験者からサンプルを得ることと、
前記サンプル中のＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
前記測定値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、
少なくとも前記ＭＶＸ値が、全原因死亡のリスク増加に関連付けられた集団ノルムの定義されたレベルを上回るかどうかを評価することと、を含む方法。 - 前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である請求項４２に記載の方法。
- 前記測定は、ＮＭＲによって実施される請求項４２乃至４３の何れか一項に記載の方法。
- 患者を観察する方法であって、
（ａ）被験者からサンプルを取得することと、
（ｂ）前記サンプル中のＧｌｙｃＡと、少なくとも１つの高密度リポタンパク質粒子（ＨＤＬＰ）サブクラスと、少なくとも１つの分岐鎖アミノ酸（ＢＣＡＡ）と、少なくとも１つのケトン体（ＫｅｔｏｎｅＢｏｄｙ）と、任意で、クエン酸塩（Ｃｉｔｒａｔｅ）及び血清タンパク質（Ｐｒｏｔｅｉｎ）の少なくとも１つを測定することと、
（ｃ）前記測定値に基づいて、代謝脆弱性指数（ＭＶＸ）値を判定することと、
（ｄ）後の時点で工程（ａ）乃至（ｃ）を繰り返すことと、
（ｅ）少なくとも前記ＭＶＸ値が経時的に増加又は減少したかどうかを評価することと、を含む方法。 - 前記ＨＤＬＰサブクラスが小さいＨＤＬＰ（Ｓ－ＨＤＬＰ）である請求項４５に記載の方法。
- 前記測定は、ＮＭＲによって行われる請求項４５又は４６の何れか一項に記載の方法。
Applications Claiming Priority (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762555421P | 2017-09-07 | 2017-09-07 | |
| US62/555,421 | 2017-09-07 | ||
| US201862619497P | 2018-01-19 | 2018-01-19 | |
| US62/619,497 | 2018-01-19 | ||
| PCT/US2018/049951 WO2019051226A1 (en) | 2017-09-07 | 2018-09-07 | METABOLIC VULNERABILITY INDEX ASSESSMENTS WITH MULTIPLE PARAMETERS |
| JP2020514607A JP7341987B2 (ja) | 2017-09-07 | 2018-09-07 | マルチパラメータ代謝脆弱性指数評価 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020514607A Division JP7341987B2 (ja) | 2017-09-07 | 2018-09-07 | マルチパラメータ代謝脆弱性指数評価 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023159417A true JP2023159417A (ja) | 2023-10-31 |
Family
ID=63686119
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020514607A Active JP7341987B2 (ja) | 2017-09-07 | 2018-09-07 | マルチパラメータ代謝脆弱性指数評価 |
| JP2023139487A Pending JP2023159417A (ja) | 2017-09-07 | 2023-08-30 | マルチパラメータ代謝脆弱性指数評価 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020514607A Active JP7341987B2 (ja) | 2017-09-07 | 2018-09-07 | マルチパラメータ代謝脆弱性指数評価 |
Country Status (6)
| Country | Link |
|---|---|
| US (2) | US11156621B2 (ja) |
| EP (1) | EP3652743A1 (ja) |
| JP (2) | JP7341987B2 (ja) |
| CN (1) | CN111448458A (ja) |
| CA (1) | CA3073827C (ja) |
| WO (1) | WO2019051226A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20240044826A1 (en) | 2022-08-05 | 2024-02-08 | Liposcience, Inc. | Metabolic vulnerability analyzed by nmr |
Family Cites Families (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO1993003450A1 (en) * | 1991-07-30 | 1993-02-18 | North Carolina State University | Method and apparatus for measuring blood lipoprotein levels by nmr spectroscopy |
| JPH08160038A (ja) * | 1994-12-01 | 1996-06-21 | Hideo Ueda | ケトン体の分別定量方法及び装置 |
| US6284219B1 (en) * | 1998-06-30 | 2001-09-04 | Phenome Sciences Inc. | In vivo determination of metabolic function for use in therapy management |
| WO2000051054A1 (en) * | 1999-02-26 | 2000-08-31 | Lipomed, Inc. | Methods, systems, and computer program products for analyzing and presenting risk assessment results based on nmr lipoprotein analysis of blood |
| US6653140B2 (en) * | 1999-02-26 | 2003-11-25 | Liposcience, Inc. | Methods for providing personalized lipoprotein-based risk assessments |
| WO2000065366A1 (en) * | 1999-04-22 | 2000-11-02 | Lipomed, Inc. | Nmr-method for determining the risk of developing type 2 diabetes |
| US20040048253A1 (en) * | 2001-02-21 | 2004-03-11 | Panzer Scott R. | Molecules for diagnostics and therapeutics |
| AU2004286629A1 (en) * | 2003-10-23 | 2005-05-12 | Liposcience, Inc. | Methods, systems and computer programs for assessing CHD risk using mathematical models that consider in vivo concentration gradients of LDL particle subclasses of discrete size |
| US20050202406A1 (en) * | 2003-11-25 | 2005-09-15 | The Regents Of The University Of California | Method for high-throughput screening of compounds and combinations of compounds for discovery and quantification of actions, particularly unanticipated therapeutic or toxic actions, in biological systems |
| TW200538738A (en) * | 2004-02-20 | 2005-12-01 | Univ California | Molecular flux rates through critical pathways measured by stable isotope labeling in vivo, as biomarkers of drug action and disease activity |
| EP2189802B1 (en) * | 2004-04-01 | 2014-05-14 | Liposcience, Inc. | NMR clinical analyzers and related methods, systems, modules and computer program products for clinical evaluation biosamples |
| WO2007133593A2 (en) * | 2006-05-10 | 2007-11-22 | Liposcience, Inc. | Methods, systems and computer programs for assessing chd risk using weighted hdl particle number measurements |
| EP2030025A2 (en) * | 2006-06-07 | 2009-03-04 | Tethys Bioscience, Inc. | Markers associated with arteriovascular events and methods of use thereof |
| WO2008033575A2 (en) * | 2006-09-15 | 2008-03-20 | Metabolon, Inc. | Methods of identifying biochemical pathways |
| CA2687107A1 (en) * | 2007-05-08 | 2008-11-13 | Northern Innovations And Formulations Corp. | Branched-chain amino acid composition for improving skeletal muscle protein metabolism |
| US20160041153A1 (en) * | 2008-11-12 | 2016-02-11 | Kirk Brown | Biomarker compositions and markers |
| CN102695428A (zh) * | 2010-01-06 | 2012-09-26 | 雀巢产品技术援助有限公司 | 用于模拟热量限制的膳食方案 |
| JP2013526852A (ja) * | 2010-04-06 | 2013-06-27 | カリス ライフ サイエンシズ ルクセンブルク ホールディングス | 疾患に対する循環バイオマーカー |
| DK2812452T3 (da) * | 2012-02-09 | 2020-06-29 | Population Bio Inc | Fremgangsmåder og sammensætninger til screening og behandling af udviklingsforstyrrelser |
| US9483612B2 (en) * | 2012-04-27 | 2016-11-01 | Liposcience, Inc. | CHD risk stratification evaluations for subjects with high levels of large HDL-P |
| 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 |
| EP2971127B1 (en) * | 2013-03-14 | 2018-02-28 | University Of Ottawa | Methods for the diagnosis and treatment of inflammatory bowel disease |
| EP2927692B1 (en) * | 2014-04-04 | 2017-09-27 | Winfried März | Multiple biomarker approach for prediction of mortality in dialysis patients |
| US9486169B1 (en) * | 2014-04-18 | 2016-11-08 | Invoy Technologies, Llc | Ketone measurement system and related method with accuracy and reporting enhancement features |
| WO2016040859A1 (en) | 2014-09-11 | 2016-03-17 | Liposcience Inc. | Cardiovascular risk evaluations using a risk parameter that includes an hdl and inflammatory biomarker interaction parameter |
-
2018
- 2018-09-07 EP EP18779138.9A patent/EP3652743A1/en active Pending
- 2018-09-07 US US16/124,886 patent/US11156621B2/en active Active
- 2018-09-07 JP JP2020514607A patent/JP7341987B2/ja active Active
- 2018-09-07 CA CA3073827A patent/CA3073827C/en active Active
- 2018-09-07 CN CN201880072130.2A patent/CN111448458A/zh active Pending
- 2018-09-07 WO PCT/US2018/049951 patent/WO2019051226A1/en unknown
-
2021
- 2021-10-22 US US17/508,309 patent/US20220043013A1/en active Pending
-
2023
- 2023-08-30 JP JP2023139487A patent/JP2023159417A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP3652743A1 (en) | 2020-05-20 |
| CN111448458A (zh) | 2020-07-24 |
| WO2019051226A1 (en) | 2019-03-14 |
| US11156621B2 (en) | 2021-10-26 |
| US20190072572A1 (en) | 2019-03-07 |
| JP2020533588A (ja) | 2020-11-19 |
| CA3073827A1 (en) | 2019-03-14 |
| US20220043013A1 (en) | 2022-02-10 |
| CA3073827C (en) | 2023-10-17 |
| JP7341987B2 (ja) | 2023-09-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7439009B2 (ja) | Ｈｄｌおよび炎症性バイオマーカインタラクションパラメータを含むリスクパラメータを用いた心血管リスク評価 | |
| WO2013184483A1 (en) | Nmr measurements of glyca | |
| EP2859337A1 (en) | Multi-parameter diabetes risk evaluations | |
| US11990243B2 (en) | Multiple-marker risk parameters predictive of conversion to diabetes | |
| US11703501B2 (en) | CHD risk stratification evaluations for subjects with high levels of large HDL-P | |
| JP2020144137A (ja) | 糖尿病への転化を予測する多重マーカリスクパラメータ | |
| JP2023159417A (ja) | マルチパラメータ代謝脆弱性指数評価 | |
| US20240044826A1 (en) | Metabolic vulnerability analyzed by nmr |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230830 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230927 |