JP5728488B2 - 心筋梗塞のリスクファクターおよび予測 - Google Patents

Description

関連出願の引用
本願は、２００９年１１月１３日に出願した米国仮出願第６１／２６１，１５５号に対する優先権およびその利益を主張する。米国仮出願第６１／２６１，１５５号の内容全体は本明細書中に参考として援用される。

背景
心筋梗塞（ＭＩ）は、一般的には心臓発作として知られており、修正可能なリスクファクターと関係しているが、それにも関らず、依然、世界中で死亡および重度の身体障害の第１位の原因である。（非特許文献１）。予防に向けて、現代の米国および欧州の指針は、統合された２工程のアプローチを推奨しており、ここでは、リスク評価（予測）に続いて、必要に応じて、個別化されたリスク軽減（治療）が行われる。リスクが高ければ高いほど、処方される予防的ケアはより積極的なものとなる（非特許文献２；非特許文献３）。

ＭＩの一次予防におけるリスク評価は、最近４０年間では劇的には変化していない。これは依然、１９６０年代のフラミンガムの心臓研究により導入されたリスクファクターの概念に基づく（非特許文献４）。血漿コレステロールおよび血圧のような個々のリスクファクターは、低い独立した予測能力を有している（非特許文献５）ので、これらは、フラミンガムのリスク点数（ＦＲＳ）および欧州のＳＣＯＲＥ（Ｓｙｓｔｅｍａｔｉｃ Ｃｏｒｏｎａｒｙ Ｒｉｓｋ Ｅｖａｌｕａｔｉｏｎ）のような全体的なリスク評価の測定を得るために組み合わせられている（非特許文献２；非特許文献３）。

これらの多変数のリスク予測モデルは、１０年の絶対リスクと相対リスクの概算を提供する。絶対リスクは、薬理学的リスクの軽減の必要性を評価するために主に使用されるが、相対リスクは、別の方法でそれらの高い生涯リスクを軽減するためのライフスタイルの改善のための若い個体を同定することにおいてより有用である。

この２工程の予防的アプローチが妥当であるが、確立されているリスクファクターは、組み合わせられた場合にもなお、限定された予測力しか有さないので、その現在の形態は完全からは程遠く（非特許文献６）、そして無症候性疾患の臨床的ＭＩ事象への進行が、推奨される「最適な」治療が開始されてもなお起こる（非特許文献７）。ほとんどのＭＩ事象は、ＦＲＳ／ＳＣＯＲＥが低リスクおよび中程度のリスクのカテゴリーに分類された個体において（すなわち、誤って分類された個体の間で）起こる。さらに、実質的な残存リスクは、利用可能な最善の内科的治療を行ってもなお持続する（非特許文献７；非特許文献８；非特許文献９）。

したがって、ＭＩ事象について最も高いリスクがある個体の検出と処置の両方を改善する必要がある。

Ｙｕｓｕｆ Ｓ，Ｈａｗｋｅｎ Ｓ，Ｏｕｎｐｕｕ Ｓ，ら、Ｅｆｆｅｃｔ ｏｆ ｐｏｔｅｎｔｉａｌｌｙ ｍｏｄｉｆｉａｂｌｅ ｒｉｓｋ ｆａｃｔｏｒｓ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ＭＩ ｉｎ ５２ ｃｏｕｎｔｒｉｅｓ（ｔｈｅ ＩＮＴＥＲＨＥＡＲＴ ｓｔｕｄｙ）：ｃａｓｅ−ｃｏｎｔｒｏｌ ｓｔｕｄｙ．Ｌａｎｃｅｔ．３６４：９３７−５２（２００４） Ｔｈｉｒｄ Ｒｅｐｏｒｔ ｏｆ ｔｈｅ Ｎａｔｉｏｎａｌ Ｃｈｏｌｅｓｔｅｒｏｌ Ｅｄｕｃａｔｉｏｎ Ｐｒｏｇｒａｍ（ＮＣＥＰ）Ｅｘｐｅｒｔ Ｐａｎｅｌ ｏｎ Ｄｅｔｅｃｔｉｏｎ，Ｅｖａｌｕａｔｉｏｎ，ａｎｄ Ｔｒｅａｔｍｅｎｔ ｏｆ Ｈｉｇｈ Ｂｌｏｏｄ Ｃｈｏｌｅｓｔｅｒｏｌ ｉｎ Ａｄｕｌｔｓ（Ａｄｕｌｔ Ｔｒｅａｔｍｅｎｔ Ｐａｎｅｌ ＩＩＩ）ｆｉｎａｌ ｒｅｐｏｒｔ．Ｃｉｒｃｕｌａｔｉｏｎ １０６：３１４３−４２１（２００２） Ｅｕｒｏｐｅａｎ ｇｕｉｄｅｌｉｎｅｓ ｏｎ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｄｉｓｅａｓｅ ｐｒｅｖｅｎｔｉｏｎ ｉｎ ｃｌｉｎｉｃａｌ ｐｒａｃｔｉｃｅ：ｅｘｅｃｕｔｉｖｅ ｓｕｍｍａｒｙ．Ｅｕｒ．Ｈｅａｒｔ Ｊ．２８：２３７５−４１４（２００７） Ｋａｎｎｅｌ ＷＢ，Ｄａｗｂｅｒ ＴＲ，Ｋａｇａｎ Ａ，Ｒｅｖｏｔｓｋｉｅ Ｎ，Ｓｔｏｋｅｓ Ｊ，３ｒｄ．Ｆａｃｔｏｒｓ ｏｆ ｒｉｓｋ ｉｎ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｃｏｒｏｎａｒｙ ｈｅａｒｔ ｄｉｓｅａｓｅ−−ｓｉｘ ｙｅａｒ ｆｏｌｌｏｗ−ｕｐ ｅｘｐｅｒｉｅｎｃｅ．Ｔｈｅ Ｆｒａｍｉｎｇｈａｍ Ｓｔｕｄｙ．Ａｎｎ．Ｉｎｔｅｒｎ．Ｍｅｄ．５５：３３−５０（１９６１） Ｗａｒｅ ＪＨ．Ｔｈｅ ｌｉｍｉｔａｔｉｏｎｓ ｏｆ ｒｉｓｋ ｆａｃｔｏｒｓ ａｓ ｐｒｏｇｎｏｓｔｉｃ ｔｏｏｌｓ．Ｎ．Ｅｎｇｌ．Ｊ．Ｍｅｄ．３５５：２６１５−７（２００６） Ｗａｌｄ ＮＪ，Ｍｏｒｒｉｓ ＪＫ，Ｒｉｓｈ Ｓ．Ｔｈｅ ｅｆｆｉｃａｃｙ ｏｆ ｃｏｍｂｉｎｉｎｇ ｓｅｖｅｒａｌ ｒｉｓｋ ｆａｃｔｏｒｓ ａｓ ａ ｓｃｒｅｅｎｉｎｇ ｔｅｓｔ．Ｊ．Ｍｅｄ．Ｓｃｒｅｅｎ．１２：１９７−２０１（２００５） Ｋｏｅｎｉｇ Ｗ．Ｔｒｅａｔｉｎｇ ｒｅｓｉｄｕａｌ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｒｉｓｋ：ｗｉｌｌ ｌｉｐｏｐｒｏｔｅｉｎ−ａｓｓｏｃｉａｔｅｄ ｐｈｏｓｐｈｏｌｉｐａｓｅ Ａ２ ｉｎｈｉｂｉｔｉｏｎ ｌｉｖｅ ｕｐ ｔｏ ｉｔｓ ｐｒｏｍｉｓｅ？ Ｊ．Ａｍ．Ｃｏｌｌ．Ｃａｒｄｉｏｌ．５１：１６４２−４（２００８） Ｎａｇｈａｖｉ Ｍ，Ｆａｌｋ Ｅ，Ｈｅｃｈｔ ＨＳら、Ｆｒｏｍ ｖｕｌｎｅｒａｂｌｅ ｐｌａｑｕｅ ｔｏ ｖｕｌｎｅｒａｂｌｅ ｐａｔｉｅｎｔ−−Ｐａｒｔ ＩＩＩ：Ｅｘｅｃｕｔｉｖｅ ｓｕｍｍａｒｙ ｏｆ ｔｈｅ Ｓｃｒｅｅｎｉｎｇ ｆｏｒ Ｈｅａｒｔ Ａｔｔａｃｋ Ｐｒｅｖｅｎｔｉｏｎ ａｎｄ Ｅｄｕｃａｔｉｏｎ（ＳＨＡＰＥ）Ｔａｓｋ Ｆｏｒｃｅ ｒｅｐｏｒｔ．Ａｍ．Ｊ．Ｃａｒｄｉｏｌ．９８：２Ｈ−１５Ｈ（２００６） Ｌａｕｅｒ ＭＳ．Ｐｒｉｍａｒｙ ｐｒｅｖｅｎｔｉｏｎ ｏｆ ａｔｈｅｒｏｓｃｌｅｒｏｔｉｃ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｄｉｓｅａｓｅ：ｔｈｅ ｈｉｇｈ ｐｕｂｌｉｃ ｂｕｒｄｅｎ ｏｆ ｌｏｗ ｉｎｄｉｖｉｄｕａｌ ｒｉｓｋ．ＪＡＭＡ．２９７：１３７６−８（２００７）

個体が将来、ＭＩ、すなわち心臓発作を経験するリスクの予測となる生体マーカーのセットが発見されている。特に、本明細書中で同定された生体マーカーのセットは、個体がＭＩを経験するかどうかを予測することについて、従来の臨床的リスクファクター（例えば、年齢、喫煙状況、およびコレステロール値）と比較して、優れた識別力を提供する。さらに具体的には、本教示の様々な実施形態では、生体マーカーのセットに癌胎児性抗原とβ−２ミクログロブリンが含まれる。特定の実施形態では、生体マーカーのセットにはさらに、Ｎ末端プロＢ型ナトリウム利尿ペプチド、α−１抗トリプシン、およびＣ反応性タンパク質のうちの少なくとも１つが含まれる。加えて、個体がＭＩを経験する可能性を予測するために本明細書中で同定された１つ以上の生体マーカーを測定するためのキットが提供される。

したがって、様々な実施形態において、個体におけるＭＩのリスクを診断するための方法には、一般的に、個体由来の試料中の１セットの生体マーカーのレベルを測定する工程；例えば、生体マーカーの測定したレベルを重みづけすることにより、個体についてリスク点数を計算する工程；および、個体が心筋梗塞を経験する可能性を同定するために、リスク点数を使用する工程が含まれる。試料には血液が含まれ得、個体はヒトであり得る。この方法には、個体の心筋梗塞の可能性に関連する情報を、送信する、表示する、記憶する、または印刷する、あるいはユーザーインターフェースデバイス、コンピューターで読み取り可能な記憶媒体、ローカルコンピューターシステム、またはリモートコンピューターシステムに出力する工程が含まれ得る。本教示の方法の様々な特徴および工程を、そのために特別に設計されたおよび／または構築された適切にプログラムされたコンピューターを用いて行うことができるか、あるいは、本教示の方法の様々な特徴および工程は、そのようなコンピューターに支援され得る。

本教示の方法においては、生体マーカーのレベルを、当該分野で公知の様々な技術により、例えば、免疫測定法、比色分析法、比濁分析、およびフローサイトメトリーのうちの少なくとも１つにより決定することができる。もちろん、使用する特別な技術は、測定しようとする生体マーカーの性質に一部依存する。

本教示の特定の実施形態においては、リスク点数を計算する工程に、測定した生体マーカーのレベルを対数変換して、それぞれの測定した生体マーカーについて変換した値を得ること；変換したそれぞれの生体マーカーの値に生体マーカー定数を掛け算して、それぞれの生体マーカーについて掛け算した値を得ること；および掛け算したそれぞれの生体マーカーの値を合計してリスク点数を得ることが含まれる。リスク点数は、標準値または参照リスク点数と比較することができる。参照リスク点数は標準値または閾値であり得る。

同定された生体マーカー（すなわち、本教示の生体マーカーのセットに含まれる生体マーカー）には、広く、アルカリホスファターゼ、α−１抗トリプシン、α−フェトプロテイン、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、アポリポタンパク質Ｅ、β−２ミクログロブリン、癌胎児性抗原、補体第３成分、クレアチニン、フィブリノーゲン、γ−グルタミルトランスペプチダーゼ、Ｃ反応性タンパク質（高感度Ｃ反応性タンパク質を含む）、鉄、リンパ球数、好中球数、Ｎ末端プロＢ型ナトリウム利尿ペプチド（Ｂ型ナトリウム利尿ペプチドを含む）、トランスフェリン飽和度、および血管内皮増殖因子Ａが含まれる。これらの生体マーカーのうちの２つ以上の任意の組み合わせを、本教示にしたがって使用することができる。例えば、生体マーカーの１つのセットには、これらの生体マーカーのうちの少なくとも２個、少なくとも３個、少なくとも４個、少なくとも５個、少なくとも６個、少なくとも７個、少なくとも８個、少なくとも９個、少なくとも１０個、少なくとも１１個、少なくとも１２個、少なくとも１３個、少なくとも１４個、少なくとも１５個、少なくとも１６個、少なくとも１７個、少なくとも１８個、または少なくとも１９個が含まれ得る。

特定の実施形態では、上記方法は、３つの生体マーカーを含む１セットの生体マーカーを使用する。３つの生体マーカーを含む生体マーカーのセットの例は、癌胎児性抗原、β−２ミクログロブリン、およびα−１抗トリプシン；癌胎児性抗原、β−２ミクログロブリン、およびＣ反応性タンパク質；ならびに、癌胎児性抗原、β−２ミクログロブリン、およびＮ末端プロＢ型ナトリウム利尿ペプチドである。

生体マーカーのセットに３つの生体マーカー：癌胎児性抗原、β−２ミクログロブリン、およびα−１抗トリプシンが含まれる場合は、本教示の方法の様々な実施形態では、それらの３つの生体マーカーに加えて複数の生体マーカーを含む１つのセットが使用される。例えば、特定の実施形態では、Ｎ末端プロＢ型ナトリウム利尿ペプチドをさらに含む、１セットの４つの生体マーカーが使用される。いくつかの実施形態では、アポリポタンパク質Ａ１とアポリポタンパク質Ｂをさらに含む、１セットの５つの生体マーカーが使用される。特定の実施形態では、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、α−フェトプロテインと、トランスフェリンをさらに含む、１セットの７つの生体マーカーが使用される。そして、様々な実施形態では、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、α−フェトプロテイン、トランスフェリンと、血管内皮増殖因子Ａをさらに含む、１セットの８個の生体マーカーが使用される。

生体マーカーのセットに３つの生体マーカー：癌胎児性抗原、β−２ミクログロブリン、およびＣ反応性タンパク質が含まれる場合は、本教示の方法の様々な実施形態では、すぐ上に列挙した３つに加えて、アポリポタンパク質Ａ１、アポリポタンパク質Ｂと、Ｎ末端プロＢ型ナトリウム利尿ペプチドをさらに含む、１セットの６つの生体マーカーが使用される。

特定の実施形態では、７つの生体マーカー（すなわち、α−１抗トリプシン、Ｃ反応性タンパク質、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、クレアチニン、アルカリホスファターゼと、トランスフェリン飽和度）を含む１セットの生体マーカーが使用される。関連して、本教示の方法の様々な実施形態では、すぐ上に列挙した７つに加えて、アポリポタンパク質Ｅ、フィブリノーゲン、γ−グルタミルトランスペプチダーゼ、補体第３成分、好中球数と、リンパ球数をさらに含む、１セットの１３個の生体マーカーが使用される。

別の態様では、個体におけるＭＩのリスクを診断するためのキットが提供される。このキットには、個体由来の試料中の１セットの生体マーカーのレベルを特異的に測定する１セットの試薬と、心筋梗塞のリスクを診断するためにこのキットを使用することについての説明書が含まれ得る。いくつかの実施形態では、複数の試薬によりタンパク質レベルを測定する。

本明細書中に記載する本教示は、添付の図面とともに読まれれば、様々な例示的な実施形態についての以下の説明からより完全に理解されるであろう。以下に記載する図面は説明の目的のためのものにすぎず、いかなる方法でも本教示の範囲を限定するようには意図されないことが理解されるものとする。
特定の実施形態では、例えば以下が提供される：
（項目１）
個体における心筋梗塞のリスクを診断する方法であって：
個体由来の試料中の生体マーカーのセットのレベルを測定する工程であって、ここでは、該生体マーカーのセットは：
（ｉ）癌胎児性抗原およびβ−２ミクログロブリン；ならびに
（ｉｉ）Ｎ末端プロＢ型ナトリウム利尿ペプチド、α−１抗トリプシン、およびＣ反応性タンパク質のうちの少なくとも１つ
を含む、工程；
該測定した生体マーカーのレベルを重みづけすることにより該個体についてリスク点数を計算する工程；ならびに、
該リスク点数を使用して、該個体が心筋梗塞を経験する可能性を同定する工程
を含む、方法。
（項目２）
前記生体マーカーのセットはＮ末端プロＢ型ナトリウム利尿ペプチドを含む、項目１に記載の方法。
（項目３）
前記生体マーカーのセットはα−１抗トリプシンを含む、項目１に記載の方法。
（項目４）
前記生体マーカーのセットはＣ反応性タンパク質を含む、項目１に記載の方法。
（項目５）
前記生体マーカーのセットはＮ末端プロＢ型ナトリウム利尿ペプチドを含む、項目３に記載の方法。
（項目６）
前記生体マーカーのセットはさらに、アポリポタンパク質Ａ１およびアポリポタンパク質Ｂを含む、項目３に記載の方法。
（項目７）
前記生体マーカーのセットはさらに、Ｎ末端プロＢ型ナトリウム利尿ペプチド、アポリポタンパク質Ａ１、およびアポリポタンパク質Ｂを含む、項目４に記載の方法。
（項目８）
前記生体マーカーのセットはさらに、α−フェトプロテインおよびトランスフェリン飽和度を含む、項目６に記載の方法。
（項目９）
前記生体マーカーのセットはさらに、血管内皮増殖因子を含む、項目８に記載の方法。
（項目１０）
前記リスク点数を計算する工程が：
前記生体マーカーの測定したレベルを対数変換して、それぞれの測定した生体マーカーについて変換した値を得ること；
それぞれの生体マーカーについての該変換した値に生体マーカー定数を掛け算して、それぞれの生体マーカーについて掛け算した値を得ること；および
それぞれの生体マーカーについての掛け算した値を足し算してリスク点数を得ること
を含む、項目１〜９のいずれか１項に記載の方法。
（項目１１）
前記個体の心筋梗塞の可能性に関連する情報を、送信する、表示する、記憶する、または印刷する、あるいはユーザーインターフェースデバイス、コンピューターで読み取り可能な記憶媒体、ローカルコンピューターシステム、またはリモートコンピューターシステムに出力する工程を含む、項目１〜１０のいずれか１項に記載の方法。
（項目１２）
前記情報がリスク点数またはその等価物である、項目１１に記載の方法。
（項目１３）
個体が心筋梗塞について増大した可能性を有していると同定された場合に、処置を推奨する、承認する、または投与する工程を含む、項目１〜１２のいずれか１項に記載の方法。
（項目１４）
前記リスク点数が参照リスク点数よりも大きい場合に、心筋梗塞事象を有する増大した可能性を有しているとして前記個体を同定する工程、および前記リスク点数が参照リスク点数未満である場合に、心筋梗塞事象を有する可能性が低下しているとして前記個体を同定する工程を含む、項目１〜１３のいずれか１項に記載の方法。
（項目１５）
前記参照リスク点数が標準値または閾値である、項目１４に記載の方法。
（項目１６）
前記計算する工程が、適切にプログラムされたコンピューターを使用して行われる、項目１〜１５のいずれか１項に記載の方法。
（項目１７）
前記測定された生体マーカーのレベルが、免疫測定法、比色分析法、比濁分析、およびフローサイトメトリーのうちの少なくとも１つにより決定される、項目１〜１６のいずれか１項に記載の方法。
（項目１８）
前記試料が血液を含む、項目１〜１７のいずれか１項に記載の方法。
（項目１９）
前記個体がヒトである、項目１〜１８のいずれか１項に記載の方法。
（項目２０）
前記心筋梗塞のリスクが近い将来のリスクである、項目１〜１９のいずれか１項に記載の方法。
（項目２１）
前記リスク点数が、前記個体の年齢の重みづけしたメトリックを含む、項目１〜２０のいずれか１項に記載の方法。
（項目２２）
前記リスク点数が、前記個体についての１つ以上の臨床的リスクファクターの重みづけしたメトリックを含む、項目１〜２１のいずれか１項に記載の方法であって、ここでは、前記１つ以上の臨床的リスクファクターが、喫煙状況、真性糖尿病、若年性心筋梗塞の家族歴、ボディーマス指数、身体活動性、非空腹時総コレステロール、ＨＤＬコレステロール、ＬＤＬコレステロール、およびトリグリセリドからなる群より選択される、方法。
（項目２３）
個体における心筋梗塞のリスクを診断する方法であって：
個体由来の試料中の生体マーカーのセットのレベルを測定する工程であって、ここでは、該生体マーカーのセットは、α−１抗トリプシン、Ｃ反応性タンパク質、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、クレアチニン、アルカリホスファターゼ、およびトランスフェリン飽和度を含む、工程；
該生体マーカーの測定したレベルを重みづけすることにより該個体についてリスク点数を計算する工程；ならびに、
該リスク点数を使用して、該個体が心筋梗塞を経験する可能性を同定する工程
を含む、方法。
（項目２４）
前記生体マーカーのセットはさらに、アポリポタンパク質Ｅ、フィブリノーゲン、γ−グルタミルトランスペプチダーゼ、補体第３成分、好中球数、およびリンパ球数を含む、項目２３に記載の方法。
（項目２５）
前記トランスフェリン飽和度が、血清中鉄値を、トランスフェリンレベルの２倍の値で割り算することにより計算される、項目２３または項目２４に記載の方法。
（項目２６）
個体における心筋梗塞のリスクを診断するためのキットであって：
個体由来の試料中の生体マーカーのセットのレベルを特異的に測定する試薬セットであって、ここでは、該生体マーカーのセットは：
（ｉ）癌胎児性抗原およびβ−２ミクログロブリン；ならびに
（ｉｉ）Ｎ末端プロＢ型ナトリウム利尿ペプチド、α−１抗トリプシン、および高感度Ｃ反応性タンパク質のうちの少なくとも１つ；
を含む、試薬セット；ならびに、
該個体における心筋梗塞のリスクを診断するために該キットを使用するための説明書
を含む、キット。
（項目２７）
参照リスク点数を含む、項目２６に記載のキット。
（項目２８）
前記参照リスク点数が標準値または閾値である、項目２７に記載のキット。
（項目２９）
前記試薬がタンパク質レベルを測定する、項目２６〜２８のいずれか１項に記載のキット。

図１は、具体例による、推定される生体マーカーのベースラインレベルの五分位値にしたがう４年間の経過観察の間のオッズ比を示している表である。 図１は、具体例による、推定される生体マーカーのベースラインレベルの五分位値にしたがう４年間の経過観察の間のオッズ比を示している表である。 図１は、具体例による、推定される生体マーカーのベースラインレベルの五分位値にしたがう４年間の経過観察の間のオッズ比を示している表である。 図２は、具体例による、何も起きなかった（対照）被験体の間での、選択したリスクファクター間のＳｐｅａｒｍａｎ相関係数を示している表である。 図３は、具体例による、確立されているリスクファクターだけを含むリスクのモデルと、確立されているリスクファクターと１３個の推定される生体マーカーを含むリスクのモデルに基づくＭＩの罹患についての受信者動作特性曲線を示す。 図４は、具体例による、確立されているリスクファクターだけを含むモデルによりそれぞれの被験体についての近い将来のＭＩについて計算した対照−症例確率（ｃａｓｅ−ｃｏｎｔｒｏｌ ｐｒｏｂａｂｉｌｉｔｙ）（左軸）と、確立されているリスクファクターと１３個の推定される生体マーカーを含むモデルによりそれぞれの被験体についての近い将来のＭＩについて計算した対照−症例確率（下の軸）の散布図である。 図５は、具体例による、１３個の推定される生体マーカーである複合マルチマーカースコアのベースライン度数分布と、ＭＩ症例の被験体と対照被験体の間での、Ｃ反応性タンパク質についての類似する度数分布を示す。（ａ）Ｃ反応性タンパク質のベースライン度数分布を示し、そして（ｂ）１３個の生体マーカーを含むマルチマーカースコアのベースライン度数分布を示す。 図６は、具体例による、７５１人の被験体において将来のＭＩを予測するためのモデルリスク分析の実行を示している受信者動作特性曲線である。 図７は、具体例による、７５１人の被験体において将来のＭＩを予測するためのモデルリスク分析の実行を示している受信者動作特性曲線である。 図８は、具体例による、７５１人の被験体において将来のＭＩを予測するためのモデルリスク分析の実行を示している受信者動作特性曲線である。 図９は、具体例による、本教示にしたがって導いたリスク点数と４年以内にＭＩを経験する条件付き確率との間の関係の曲線である。 図１０Ａは、具体例による、７５１人（そのうちの２５２人は血液検査から４年以内にＭＩを経験した）の研究から得た、症例と対照の間でのリスク点数の分布のグラフである。図１０Ｂは、具体例による、７５１人（そのうちの２５２人は血液検査から４年以内にＭＩを経験した）の研究における被験体についての、各被験体のリスク点数値に基づいて予測した４年以内のＭＩの条件付き確率の分布のグラフである。

個体が将来、心筋梗塞（ＭＩ）すなわち心臓発作に罹患するリスクの予測となる生体マーカーのセットが発見された。「生体マーカー」は、個体（例えば、ヒト）の生物学的システムにおけるその定性的もしくは定量的存在、非存在、またはレベルが、そのシステムの生物学的状態の指標となる、任意の生物学的特徴または変数であり得る。したがって、生体マーカーは、個体の健康状態または状況を評価するために有用であり得る。例えば、多数の生体マーカーのレベルを、個体についてのリスク点数を得るための重みづけされた分析またはアルゴリズムを使用して分析することができる。リスク点数は、個体が将来ＭＩ事象に罹患する可能性の指標となり得る。いくつかの実施形態では、リスク点数の大きさを、その個体についてのリスクのレベルと相関させることができる。例えば、リスク点数が高ければ高いほど、将来のＭＩ事象の可能性がより高いことの指標となり得、一方、リスク点数が低ければ低いほど、将来のＭＩ事象の可能性がより低いことの指標となり得る。

実施例で詳細に記載するように、本教示は、健康に見えるが、将来ＭＩを経験するリスクがあり得る個体を同定するために使用することができる。この情報から、リスクがある個体を、将来ＭＩに罹患する可能性を低減するために、事前措置（例えば、運動、食事療法、および／または医療介入の模索）を行うことができる。したがって、本教示は、将来のＭＩをより正確に予測し、そして可能であれば命を救うために使用することができる。加えて、本教示は、個体における疾患の状況または疾患の進行をモニターするためにも使用することができる。

本明細書中に記載する生体マーカーのセットは、単独で有用であり得るか、あるいは、開始、進行、重篤度、病状、攻撃性、悪性度、活動性、能力障害、死亡率、罹患率、疾患の細分類、または１つ以上の生物学的プロセス、病理学的プロセス、疾患もしくはＭＩと関係がある治療的介入に対する反応の他の根底にある特徴を測定するための、他の生体マーカーおよび／または臨床的リスクファクターとの組み合わせにおいて有用であり得る。試料中に存在し、そして単離された形態であり得るか、または試料中で測定され得る実質的に任意の生物学的化合物を、生体マーカーとして使用することができる。生体マーカーのクラスの限定ではない例としては、ポリペプチド、タンパク質、プロテオグリカン、糖タンパク質、リポタンパク質、炭水化物、脂質、核酸、有機または無機化合物、天然高分子、代謝物質、および低分子が挙げられる。生体マーカーにはまた、ヒトの体の物理学的測定値（例えば、血圧および血球数）、ならびに２つ以上の生物学的特徴もしくは変数の比または割合も含まれ得る。いくつかの実施形態では、様々な生物学的カテゴリーに由来する生体マーカーを、リスク点数を得るために選択することができる。様々な生物学的カテゴリーの限定ではない例として、炎症感受性（ｉｎｆｌａｍｍａｔｉｏｎ−ｓｅｎｓｉｔｉｖｅ）血漿タンパク質、アポリポタンパク質、鉄過剰のマーカー、成長因子、および白血球数が挙げられる。

生体マーカーの「レベル」または「量」は、任意の当該分野で公知の方法により決定することができ、これらは、生体マーカーの性質に一部依存するであろう。例えば、生体マーカーのレベルは、免疫測定法、比色分析法、比濁分析、およびフローサイトメトリーのうちの１つ以上により測定することができる。生体マーカーの量が絶対的に決定されることは必ずしも必要ではなく、相対的に決定することができることが理解される。加えて、生体マーカーの量は、生物学的試料中でのその濃度により、その生体マーカーに結合する抗体の濃度により、または生体マーカーの機能的活性（すなわち、結合もしくは酵素活性）により表わすことができる。

本明細書中で使用される場合は、「参照」または「対照」または「標準物」はそれぞれ、健康な個体または対照集団中の生体マーカーの量、あるいは、健康な個体または対照集団中の１つ以上の生体マーカーから導いたリスク点数を意味し得る。生体マーカーの量は、健康な個体の試料から決定することができ、また、対照集団の試料から決定することもできる。

本明細書中で使用される場合は、「試料」は、個体から採取された任意の生物学的試料をいう。これには、血液、血漿、血清、脳脊髄液、胆汁酸、唾液、滑液、胸膜液、心膜液、腹腔液、汗、糞便、鼻腔液、眼内液、細胞内液、間質液、リンパ液、尿、組織、肝細胞、上皮細胞、内皮細胞、腎臓細胞、前立腺細胞、血球、肺細胞、脳細胞、脂肪細胞、腫瘍細胞、および乳腺細胞が含まれる。生物学的試料のタイプの供給源は、異なる被験体；様々な時点での同じ被験体；様々な状態にある（例えば、薬物による処置の前と薬物による処置の後）同じ被験体；異なる性別；異なる種（例えば、ヒトおよびヒト以外の哺乳動物）；ならびに様々な他の順列（ｐｅｒｍｕｔａｔｉｏｎｓ）であり得る。さらに、生物学的試料のタイプは、例えば、様々なワークアッププロトコールを使用して、評価する前に様々に処理され得る。

本教示は、一般的には、個体（例えば、ヒトまたは患者）においてＭＩのリスク（例えば、近い将来のＭＩのリスク）を診断するための方法を提供する。本明細書中で使用される場合は、「近い将来」は、ベースラインからおよそ０年〜およそ６年以内を意味する。ここでは、ベースラインは、個体から分析用の試料が採取された日と定義される。例えば、近い将来には、ベースラインから約１週間、約１カ月、約２カ月、約３カ月、約６カ月、約９カ月、約１年、約２年、約３年、約４年、約５年、または約６年以内が含まれる。本明細書中で使用される場合は、「近い将来のリスク」は、個体が近い将来にＭＩ事象を経験するリスクを意味する。

様々な実施形態において、上記方法には一般的に、個体由来の試料中の複数の生体マーカー（例えば、１セットの生体マーカー）のレベルを測定する工程（または測定したレベルを使用する工程）；例えば、測定した生体マーカーの測定したレベルを重みづけすることにより、個体についてリスク点数を計算する工程；および個体が心筋梗塞を経験する可能性を同定するために、リスク点数を使用する工程（例えば、個体におけるＭＩ事象の可能性を、リスク点数に基づいて同定する工程）が含まれる。いくつかの実施形態では、上記方法には、測定した１つ以上の生体マーカーのレベルに基づいて、適切にプログラムされたコンピューターを使用してリスク点数を計算する工程が含まれる。特定の実施形態においては、上記方法に、個体のＭＩの可能性に関する情報を送信する、表示する、記憶する、または印刷する、あるいはユーザーインターフェースデバイス、コンピューターで読み取り可能な記憶媒体、ローカルコンピューターシステム、またはリモートコンピューターシステムに出力する工程が含まれる。

様々な実施形態においては、上記方法では、１セットの生体マーカーが使用される。セットには、以下が含まれるがこれらに限定されない、：癌胎児性抗原、β−２ミクログロブリン、およびα−１抗トリプシン；癌胎児性抗原、β−２ミクログロブリン、およびＣ反応性タンパク質；ならびに、癌胎児性抗原、β−２ミクログロブリン、およびＮ末端プロＢ型ナトリウム利尿ペプチド；癌胎児性抗原、β−２ミクログロブリン、およびα−１抗トリプシン、およびＮ末端プロＢ型ナトリウム利尿ペプチド；癌胎児性抗原、β−２ミクログロブリン、およびα−１抗トリプシン、アポリポタンパク質Ａ１、およびアポリポタンパク質Ｂ；癌胎児性抗原、β−２ミクログロブリン、α−１抗トリプシン、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、α−フェトプロテイン、およびトランスフェリン；癌胎児性抗原、β−２ミクログロブリン、α−１抗トリプシン、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、α−フェトプロテイン、トランスフェリン、および血管内皮増殖因子Ａ；癌胎児性抗原、β−２ミクログロブリン、Ｃ反応性タンパク質、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、およびＮ末端プロＢ型ナトリウム利尿ペプチド；α−１抗トリプシン、Ｃ反応性タンパク質、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、クレアチニン、アルカリホスファターゼ、およびトランスフェリン飽和度；ならびに、α−１抗トリプシン、Ｃ反応性タンパク質、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、クレアチニン、アルカリホスファターゼ、トランスフェリン飽和度、アポリポタンパク質Ｅ、フィブリノーゲン、γ−グルタミルトランスペプチダーゼ、補体第３成分、好中球数、およびリンパ球数。特定の実施形態では、生体マーカーのセットに、α−１抗トリプシン、鉄、Ｃ反応性タンパク質、クレアチニン、およびフィブリノーゲンより選択される２つ以上の生体マーカーが含まれる。特定の実施形態では、生体マーカーのセットに、α−１抗トリプシン、鉄、Ｃ反応性タンパク質、クレアチニン、およびフィブリノーゲンより選択される、３個以上、４個以上、または５個以上の生体マーカーが含まれる。

生体マーカーのレベルは、生体マーカーの性質に一部依存する、当該分野で公知の様々な技術により決定することができる。例えば、生体マーカーのレベルは、免疫測定法，分光測定法、酵素的測定法、紫外線測定法、反応速度アッセイ、電気化学的測定法、比色分析法、比濁分析、原子吸光分析法、およびフローサイトメトリーのうちの少なくとも１つにより決定することができる。質量分析法、液体クロマトグラフィー（例えば、高速液体クロマトグラフィー（ＨＰＬＣ）、ガスクロマトグラフィー、核磁気共鳴分析法、それらの関連する技術および組み合わせおよびハイブリッド（例えば、タンデム液体クロマトグラフィー−質量分析法（ＬＣ−ＭＳ）機器）のような他の分析技術を、必要に応じて使用することができる。

いくつかの実施形態では、リスク点数を計算する工程に、生体マーカーの測定したレベルを対数変換して、測定したそれぞれの生体マーカーについて変換した値を得ること；変換したそれぞれの生体マーカーの値に生体マーカー定数を掛け算して、それぞれの生体マーカーについて掛け算した値を得ること；および、掛け算したそれぞれの生体マーカーの値を合計してリスク点数を得ることが含まれる。もちろん、当業者に公知の他の手段を、生体マーカーのセットの測定したレベルに基づいてリスクまたは類似するスコアを計算するために使用することができ、このスコアは、個体がＭＩ事象を経験する可能性の予測となり得る。

リスク点数は、標準値または参照リスク点数に対して比較することができる。参照リスク点数は、標準値（例えば、数値）または閾値（例えば、グラフ上の線）であり得る。特定の実施形態では、リスク点数が参照リスク点数より大きい場合に、個体は、ＭＩ（例えば、将来のＭＩ事象）を経験する高い可能性を有し得る。いくつかの実施形態では、リスク点数が参照リスク点数未満である場合には、個体は、ＭＩ（例えば、将来のＭＩ事象）を経験する低い可能性を有し得る。いくつかの実施形態では、個体のリスク点数の大きさ、またはそれが参照リスク点数を上回っている量が、その個体のリスクのレベルの指標となり得るか、またはその個体のリスクのレベルと相関させることができる。例えば、より高いリスク点数が、将来のＭＩ事象のより高い可能性の指標となり得、一方、より低いリスク点数が、将来のＭＩ事象のより低い可能性の指標となり得る。逆に、個体のリスク点数が参照リスク点数を下回る場合は、個体は、将来のＭＩ事象を経験することについて有意なリスクはないかもしれない。

生体マーカーの特定のセットについて、参照リスク点数、標準値、閾値、決定境界、または「カットオフ」スコア（まとめて、「参照リスク点数」）を確立することは当該分野で公知である（Ｓｚｋｌｏ，Ｍｏｙｓｅｓ ａｎｄ Ｎｉｅｔｏ，Ｆ．Ｊａｖｉｅｒ．Ｅｐｉｄｅｍｉｏｌｏｇｙ：ｂｅｙｏｎｄ ｔｈｅ ｂａｓｉｃｓ．第２版，Ｓｕｄｂｕｒｙ，ＭＡ：Ｊｏｎｅｓ ａｎｄ Ｂａｒｔｌｅｔｔ Ｐｕｂｌｉｓｈｅｒｓ（２００７）；Ｓｃｈｌｅｓｓｅｌｍａｎ，Ｊａｍｅｓ Ｊ．Ｃａｓｅ−Ｃｏｎｔｒｏｌ Ｓｔｕｄｉｅｓ．Ｎｅｗ Ｙｏｒｋ：Ｏｘｆｏｒｄ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ（１９８２）；Ａｎｄｅｒｓｏｎ ＫＭ，Ｏｄｅｌｌ ＰＭ，Ｗｉｌｓｏｎ ＰＷ，Ｋａｎｎｅｌ ＷＢ．Ｃａｒｄｉｏｖａｓｃｕｌａｒ ｄｉｓｅａｓｅ ｒｉｓｋ ｐｒｏｆｉｌｅｓ．Ａｍ Ｈｅａｒｔ Ｊ．１２１：２９３−８（１９９１）；Ｅｉｃｈｌｅｒ Ｋ，Ｐｕｈａｎ ＭＡ，Ｓｔｅｕｒｅｒ Ｊ，Ｂａｃｈｍａｎｎ ＬＭ．Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｆｉｒｓｔ ｃｏｒｏｎａｒｙ ｅｖｅｎｔｓ ｗｉｔｈ ｔｈｅ Ｆｒａｍｉｎｇｈａｍ ｓｃｏｒｅ：ａ ｓｙｓｔｅｍａｔｉｃ ｒｅｖｉｅｗ．Ａｍ Ｈｅａｒｔ Ｊ．１５３（５）：７２２−３１，７３１．ｅ１−８（２００７）；Ｈｏｆｆｍａｎｎ Ｕ，Ｍａｓｓａｒｏ ＪＭ，Ｆｏｘ ＣＳ，Ｍａｎｄｅｒｓ Ｅ，Ｏ’Ｄｏｎｎｅｌｌ ＣＪ．Ｄｅｆｉｎｉｎｇ ｎｏｒｍａｌ ｄｉｓｔｒｉｂｕｔｉｏｎｓ ｏｆ ｃｏｒｏｎａｒｙ ａｒｔｅｒｙ ｃａｌｃｉｕｍ ｉｎ ｗｏｍｅｎ ａｎｄ ｍｅｎ ｆｒｏｍ ｔｈｅ Ｆｒａｍｉｎｇｈａｍ Ｈｅａｒｔ Ｓｔｕｄｙ．Ａｍ Ｊ．Ｃａｒｄｉｏｌ．１０２（９）：１１３６−４１，１１４１．ｅ１．（２００８））。

本教示の方法は、将来のＭＩ事象（例えば、近い将来のＭＩ事象）の可能性またはリスクの診断を可能にするだけではなく、本教示の方法には、個体が心筋梗塞の増大した可能性を有していると同定された場合には、処置を推奨すること、承認すること、または投与することも含まれ得る。上記方法のいくつかの実施形態では、個体のＭＩの罹患の可能性と関連する情報を、医療産業にいる人、医療保険供給者、医療供給者に、または医師に送信することができる。

さらに、ＭＩを経験する高い可能性がある個体を同定するために使用した同じ方法論を、他の用途のために採用することができる。例えば、リスク点数を、ＭＩにつながる原因因子を緩和する候補の薬物をスクリーニングするために使用することができる。この場合、候補の薬物での処置は、生体マーカーのレベルおよび／またはリスク点数をモニタリングすることにより、モニターすることができる。さらに、将来のＭＩの可能性を低減させるために有効であることがすでに明らかになっている任意の薬物を用いて、特定の個体がレスポンダーであり得、一部が非レスポンダーであり得るということが起こり得る。したがって、個体のリスク点数は、その薬物が有効であるかどうかを決定するために、処置の間にモニターすることができる。例えば、個体のリスク点数が処置に反応して小さくなる場合は、その個体は、その処置に対して反応し得、したがって、将来に事象を経験することについてのリスクを下げることができる。もちろん、既知のレスポンダー集団および非レスポンダー集団が全く存在しないかもしれず、そのため、個体における任意の将来のＭＩ事象に関する薬物処置の有効性は、経時的にモニターされるべきであり、そして経時的にモニターすることができる。薬物が有効ではない限りは、その使用を中断することができ、代わりに別の薬物を提供することができる。

リスク点数は、他の電子デバイスを含めることができる、適切にプログラムされたコンピューターを使用して本明細書中に記載するように計算することができる。加えて、その適切にプログラムされたコンピューターまたは別の適切にプログラムされたコンピューターにより、個体がＭＩを経験する可能性を決定する目的のために、そのリスク点数を参照リスク点数に対して比較することができる。適切なプログラミングには、例えば、ソフトウェア、ファームウェア、あるいは、コンピューターが、測定された生体マーカーのレベルを処理する、分析する、および／またはリスク点数に変換すること、ならびに、そのリスク点数に基づいてＭＩの可能性を解釈することができる他のプログラムコードが含まれ得る。そのようなプログラミングはコンピューターに含めることができ、また、コンピューターで読み取り可能な媒体（例えば、携帯用のコンピューターで読み取り可能な媒体）上に取り込ませることもできる。もちろん、本教示の他の工程またはプロセス（例えば、生体マーカーのレベルの測定、リスク点数の使用、処置の推奨および／または承認、ならびに、情報の送信、表示、記憶、印刷、および／または出力）を、適切にプログラムされたコンピューターを使用して行うことができ、また、本教示の他の工程またはプロセスは、適切にプログラムされたコンピューターにより支援され得る。

ＭＩのリスク点数および／または可能性が決定された後、個体における将来のＭＩのリスク点数および／または可能性についての情報が、表示され得るか、あるいはユーザーインターフェースデバイス、コンピューターで読み取り可能な記憶媒体、またはローカルコンピューターシステムもしくはリモートコンピューターシステムに出力され得る。そのような情報としては、例えば、１つ以上の生体マーカーの測定したレベル、リスク点数、またはその等価物（例えば、グラフ、図、記号など）、および本明細書中に記載する方法に関連する任意の他のデータを挙げることができる。情報の表示または出力は、その情報を、任意の媒体を使用して（例えば、口頭で、書面で、プリントアウトで、コンピューターで読み取り可能な媒体、コンピューターシステム、もしくは他の電子デバイス（例えば、スマートフォン、携帯情報端末（ＰＤＡ）、ノート型コンピューターなど）に視覚的に表示することにより）ユーザーに伝えることを意味する。情報の出力が、ユーザーあるいはリンクしている外部コンポーネント（単数または複数）（例えば、コンピューターシステムまたはコンピューターメモリ）への出力に限定されず、その代わりに、またはそれに加えて、内部コンポーネント（例えば、任意のコンピューターで読み取り可能な媒体）に出力することもできることは当業者に明らかであろう。

コンピューターで読み取り可能な媒体としては、ハードドライブ、フロッピー（登録商標）ディスク、ＣＤ−ＲＯＭ、ＤＶＤ、およびＤＡＴを挙げることができるが、これらに限定されない。コンピューターで読み取り可能な媒体には、搬送波またはデータ伝送のための他の波形は含まれない。本明細書中に開示し、特許請求する様々な試料の評価および診断方法は、コンピューターにより実行することができるが、これは必ずしもそうである必要はなく、例えば、表示または出力工程は、例えば、口頭でまたは書面で（例えば、手書きで）人に伝えることによっても行われ得ることは、当業者に明らかであろう。

様々な実施形態に従うと、リスク点数、ＭＩの可能性、測定された生体マーカーのレベル、参照リスク点数、およびそれらの等価物のうちの少なくとも１つが、スクリーンまたは有形的表現媒体上に表示され得る。特定の実施形態では、そのような情報は、医療産業にいる人、医療保険供給者、医療供給者に、または医師に送信することができる。

本教示にはまた、本明細書中に記載する診断方法を実行するために有用なキットとシステムが含まれる。本明細書中に記載する方法は、例えば、診断用の研究室（ｄｉａｇｎｏｓｔｉｃ ｌａｂｏｒａｔｏｒｉｅｓ）、サービスプロバイダー、実験室、および個人により実行され得る。このキットは、特に、これらの設定において有用であり得る。

キットには、個体由来の試料中の１つ以上の生体マーカーのレベルを測定するため、測定したレベルを分析するため、および個体にＭＩのリスクがあるかどうかを同定するための試薬と材料が含まれ得る。例えば、いくつかの実施形態では、キットには、個体から試料を得るため、および／または個体由来の試料を含めるための、針、注射器、バイアル、または他の器具が含まれ得る。いくつかの実施形態では、キットには、本明細書中に開示する生体マーカーを検出または定量化するために特異的に使用される、少なくとも１種類の試薬が含まれ得る。すなわち、これらの生体マーカーを検出または定量化するためのキットに含めるのに適している試薬と技術が、当業者により容易に選択され得る。

例えば、生体マーカーがタンパク質である場合は、キットには、例えば、免疫測定法（例えば、化学発光免疫測定法）、比色分析法、または比濁分析を使用してタンパク質を検出するために適している試薬（例えば、抗体）が含まれ得る。生体マーカーが細胞である場合は、キットには、例えば、フローサイトメトリーを使用して細胞を検出するために適している試薬が含まれ得る。生体マーカーが有機化合物もしくは無機化合物、脂質、または低分子である場合は、キットに、例えば、ＨＰＬＣ、酵素的測定法、分光測定法、紫外線測定法、反応速度アッセイ、電気化学的測定法、比色分析法、原子吸光分析法、および質量分析法を使用して、そのような生体マーカーを検出するために適している試薬が含まれ得る。生体マーカーが核酸（例えば、ＲＮＡ）または核酸によりコードされるタンパク質である場合は、キットに、例えば、ＰＣＲ、ハイブリダイゼーション技術、およびマイクロアレイを使用して核酸を検出するために適している試薬が含まれ得る。

測定される生体マーカーに応じて、キットには、以下が含まれ得る：抽出緩衝液または試薬、増幅緩衝液または試薬、反応緩衝液または試薬、ハイブリダイゼーション緩衝液または試薬、免疫検出緩衝液または試薬、標識化緩衝液または試薬、および検出手段。

キットにはまた、対照も含まれ得る。対照は、対照試料、参照試料、内部標準物、または事前に作製した実験によって得られたデータであり得る。対照は、正常な健康な個体、またはＭＩ疾患の状態がわかっている個体に対応し得る。加えて、それぞれの生体マーカーについての対照が提供される場合があり、また、対照が参照リスク点数である場合もある。

キットには、それぞれの個々の試薬について１つ以上の容器が含まれ得る。キットにはさらに、本明細書中に記載する方法を実行する、および／または任意の規定要件にしたがって結果を解釈するための説明書が含まれ得る。加えて、検出した生体マーカーのレベルを分析し、リスク点数を計算し、および／またはＭＩの可能性を決定するためのソフトウェアが、キットに含まれ得る。好ましくは、キットは、商品流通、販売、および／または使用に適している容器の中にパッケージされる。

本明細書中に開示する方法を実行するためのシステムには、上記方法の１つ以上の工程を実行するための適切にプログラムされたコンピューターと一緒に、１セットの生体マーカーのレベルを測定するために使用される分析機器が含まれ得る。例えば、適切にプログラムされたコンピューターは、個体由来の試料中の１セットの生体マーカーのレベルを測定する工程；本明細書中で教示するかまたは当該分野で公知である様々な技術によりリスク点数を計算する工程；個体が心筋梗塞を経験する可能性を同定するためにリスク点数を使用する工程；および、ＭＩの可能性と関係がある情報（例えば、測定した生体マーカーのレベル、リスク点数、ＭＩの可能性、参照リスク点数、およびそれらの等価物）を表示する工程のうちの１つ以上を実行する、あるいは支援することができる。

以下の実施例を、限定ではなく説明のために提供する。

（実施例１）
推定される生体マーカーの同定
（方法）
（研究対象集団）
本研究の目的は、リスク評価後、４年以内にＭＩを発症する個体に注目することにより、最も高いリスクがある個体の検出を改善することであった。そのような近い将来のＭＩについてのリスクファクターと予測変数は、ほとんどの研究が十分な数の近い将来のＭＩ事象を蓄積するには少なすぎることが大きな理由で、これまでは報告されていない。明らかに、炎症を起こし、破裂したアテローム斑の上に重なった血栓症に占められる、近い将来のＭＩ様の事象についてのリスクファクターは、アテローム性動脈硬化症のゆっくりとした発症に占められる長期的事象についてのリスクファクターとは異なり得る。この目的のために、４５，７３５人の男性および女性について行った、大集団に基づく、予期される、ネストした症例対照研究、すなわち、Ｃｏｐｅｎｈａｇｅｎ Ｇｅｎｅｒａｌ Ｐｏｐｕｌａｔｉｏｎ Ｓｔｕｄｙと組み合わせたＣｏｐｅｎｈａｇｅｎ Ｃｉｔｙ Ｈｅａｒｔ Ｓｔｕｄｙを使用した。

参加者は、Ｃｏｐｅｎｈａｇｅｎ Ｃｉｔｙ Ｈｅａｒｔ Ｓｔｕｄｙの２００１年〜２００３年の試験から、そしてＣｏｐｅｎｈａｇｅｎ Ｇｅｎｅｒａｌ Ｐｏｐｕｌａｔｉｏｎ Ｓｔｕｄｙの２００３年〜２００７年の試験からであった。Ｃｏｐｅｎｈａｇｅｎ Ｃｉｔｙ Ｈｅａｒｔ Ｓｔｕｄｙは、１回または数回の試験を受けたデンマーク人の白人男性および女性を含む、１９７６年に開始されたデンマーク人の一般的な集団の心臓血管の集団の予測試験である（Ｎｏｒｄｅｓｔｇａａｒｄ ＢＧ，Ｂｅｎｎ Ｍ，Ｓｃｈｎｏｈｒ Ｐ，Ｔｙｂｊａｅｒｇ−Ｈａｎｓｅｎ Ａ．Ｎｏｎｆａｓｔｉｎｇ ｔｒｉｇｌｙｃｅｒｉｄｅｓ ａｎｄ ｒｉｓｋ ｏｆ ＭＩ，ｉｓｃｈｅｍｉｃ ｈｅａｒｔ ｄｉｓｅａｓｅ，ａｎｄ ｄｅａｔｈ ｉｎ ｍｅｎ ａｎｄ ｗｏｍｅｎ．ＪＡＭＡ．２９８：２９９−３０８（２００７））。２００１年〜２００３年の試験の間に、５９０７人から血液試料を採取した（５０％の参加率）。Ｃｏｐｅｎｈａｇｅｎ Ｇｅｎｅｒａｌ Ｐｏｐｕｌａｔｉｏｎ Ｓｔｕｄｙ（ＣＧＰＳ）は、２００３年に開始され、なおも集められている、デンマーク人の一般的な集団の予測試験である（Ｎｏｒｄｅｓｔｇａａｒｄ ＢＧ，Ｂｅｎｎ Ｍ，Ｓｃｈｎｏｈｒ Ｐ，Ｔｙｂｊａｅｒｇ−Ｈａｎｓｅｎ Ａ．Ｎｏｎｆａｓｔｉｎｇ ｔｒｉｇｌｙｃｅｒｉｄｅｓ ａｎｄ ｒｉｓｋ ｏｆ ＭＩ，ｉｓｃｈｅｍｉｃ ｈｅａｒｔ ｄｉｓｅａｓｅ，ａｎｄ ｄｅａｔｈ ｉｎ ｍｅｎ ａｎｄ ｗｏｍｅｎ．ＪＡＭＡ．２９８：２９９−３０８（２００７）；Ｆｒｉｋｋｅ−Ｓｃｈｍｉｄｔ Ｒ，Ｎｏｒｄｅｓｔｇａａｒｄ ＢＧ，Ｓｔｅｎｅ ＭＣら、Ａｓｓｏｃｉａｔｉｏｎ ｏｆ ｌｏｓｓ−ｏｆ−ｆｕｎｃｔｉｏｎ ｍｕｔａｔｉｏｎｓ ｉｎ ｔｈｅ ＡＢＣＡ１ ｇｅｎｅ ｗｉｔｈ ｈｉｇｈ−ｄｅｎｓｉｔｙ ｌｉｐｏｐｒｏｔｅｉｎ ｃｈｏｌｅｓｔｅｒｏｌ ｌｅｖｅｌｓ ａｎｄ ｒｉｓｋ ｏｆ ｉｓｃｈｅｍｉｃ ｈｅａｒｔ ｄｉｓｅａｓｅ．ＪＡＭＡ．２９９：２５２４−３２（２００８））。目標は、全部で１００，０００人の参加者がＣｏｐｅｎｈａｇｅｎ Ｃｉｔｙ Ｈｅａｒｔ Ｓｔｕｄｙにおいて正確に確認されることである。２００３年〜２００７年の間に、Ｃｏｐｅｎｈａｇｅｎ Ｇｅｎｅｒａｌ Ｐｏｐｕｌａｔｉｏｎ Ｓｔｕｄｙによる３９，８２８人が血液試料を送り返してきた（４５％の参加率）。この複合研究における採血から４年以内に、非致死または致死性のＭＩを有していた２５２人の参加者を同定した。対照は、同じ研究による症例に適合させ、血液試料があり、ＭＩの病歴がなく（しかし、他の心臓血管疾患または血管再生の処置をこれまでに受けていてもよい）、年齢（１年以内）、性別、試験および採血の年度（１年以内）、ならびにＨＭＧ−ＣｏＡレダクターゼ阻害剤の使用（有無）が一致する参加者から、２：１の割合で無作為に選択した。

ＭＩの診断についての情報（Ｗｏｒｌｄ Ｈｅａｌｔｈ Ｏｒｇａｎｉｚａｔｉｏｎ；Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｄｉｓｅａｓｅｓ，第８版：ｃｏｄｅｓ ４１０；第１０版：ｃｏｄｅｓ Ｉ２１−Ｉ２２）を収集し、国のデンマーク人の患者レジストリー（Ｄａｎｉｓｈ Ｐａｔｉｅｎｔ Ｒｅｇｉｓｔｒｙ）に登録さている全ての入院と診断を全てまとめることにより確認した；病院と一般開業医によるカルテを、以下の基準のうちの少なくとも２つの存在が必要であるＭＩの診断を確認するために使用した：特徴的な胸部痛、心筋酵素の増加、およびＭＩの指標である心電図上の変化。５つの症例に限っては、２つどころか１つの対照にしか一致させることができなかった。したがって、全部で２５２の症例と４９９の対照を、分析に利用することができた。

これらの研究は、Ｈｅｒｌｅｖ Ｈｏｓｐｉｔａｌにより、そしてデンマークの倫理委員会により承認された。参加者には書面でのインフォームドコンセントを行った。

（確立されているリスクファクター）
非絶食時総コレステロール、高密度リポタンパク質（ＨＤＬ）コレステロール、およびトリグリセリドを、新鮮血漿について測定した（Ｂｏｅｈｒｉｎｇｅｒ Ｍａｎｎｈｅｉｍ，Ｍａｎｎｈｅｉｍ，Ｇｅｒｍａｎｙ）。低密度リポタンパク質（ＬＤＬ）コレステロールは、トリグリセリドが４ｍｍｏｌ／Ｌ未満であった場合にはＦｒｉｅｄｅｗａｌｄにしたがって計算したが、それより高いトリグリセリドレベルでは直接測定した。喫煙状況は、非喫煙、喫煙歴あり、または喫煙者として定義した。真性糖尿病は、自己申告の疾患であり、インスリンもしくは経口血糖降下薬の使用、および／または１１ｍｍｏｌ／Ｌより高い非絶食時血漿グルコースとした。運動不足は、１週間に４時間未満のレジャー活動と主に座業であった。ボディーマス指数は、身長の二乗（ｍ^２）で割り算した体重（ｋｇ）であった。血圧は、５分間の休息後に、座位で被験体から測定した。若年性ＭＩの家族歴は、５５歳以前の一親等の男性におけるＭＩ、または６５歳以前の一親等の女性におけるＭＩと定義した。

（推定される生体マーカー）
非絶食時新鮮血液試料から、１４個の生体マーカーを、比色分析と比濁分析（Ｋｏｎｅｌａｂ，Ｈｅｌｓｉｎｋｉ，Ｆｉｎｌａｎｄ，Ｄａｄｅ Ｂｅｈｒｉｎｇ，Ｄｅｅｒｆｉｅｌｄ，Ｉｌｌｉｎｏｉｓ．，ＵＳＡ，ＩＬＳ Ｌａｂｏｒａｔｏｒｉｅｓ Ｓｃａｎｄｉｎａｖｉａ，Ａｌｌｅｒｏｄ，Ｄｅｎｍａｒｋ ｏｒ Ｄａｋｏ，Ｇｌｏｓｔｒｕｐ，Ｄｅｎｍａｒｋ）、またはフローサイトメトリー（Ｂａｙｅｒ，Ｇｅｒｍａｎｙ）を使用して、すなわち、高感度Ｃ反応性タンパク質（ＣＲＰ）、フィブリノーゲン、α−１抗トリプシン、補体第３成分（補体第３成分）、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、アポリポタンパク質Ｅ、鉄、トランスフェリン（トランスフェリン飽和度）、クレアチニン、アルカリホスファターゼ、γ−グルタミルトランスペプチダーゼ、リンパ球数、および好中球数を測定した。トランスフェリン飽和度（％）は、血清中鉄値（μｍｏｌ／Ｌ）をトランスフェリンレベル（μｍｏｌ／Ｌ）の２倍の値で割り算することにより計算した。本明細書中で使用される場合は、「高感度Ｃ反応性タンパク質」と「Ｃ反応性タンパク質」（および「ＣＲＰ」）は互換的に使用され、別のように理解されない限りは、同じタンパク質をいう。

７５１人の被験体由来の血液試料を、その後の分析のために凍結させた。これらの凍結させた血漿試料を、続いて、以下のようなさらなるタンパク質の測定と他の生化学的測定のために解凍した。以下のタンパク質を、７５１個の血漿試料のそれぞれにおいて、Ｒｕｌｅｓ Ｂａｓｅｄ Ｍｅｄｉｃｉｎｅ，Ｉｎｃ．（Ａｕｓｔｉｎ，ＴＸ）によるＨｕｍａｎＭＡＰバージョン１．６ Ｌｕｍｉｎｅｘマルチ免疫測定技術（ｍｕｌｔｉｐｌｅｘ ｉｍｍｕｎｏａｓｓｓａｙ ｔｅｃｈｎｏｌｏｇｙ）を使用して測定した：α−フェトプロテイン、β−２ミクログロブリン、癌胎児性抗原、および血管内皮増殖因子Ａ。タンパク質Ｎ末端プロＢ型ナトリウム利尿ペプチド（ＮＴ−プロＢＮＰ）は、ＳｅａｒｃｈＬｉｇｈｔ（登録商標）ＳｅａｒｃｈＬｉｇｈｔ化学発光免疫測定技術（Ｔｈｅｒｍｏ Ｓｃｉｅｎｔｉｆｉｃ，Ｒｏｃｋｆｏｒｄ，ＩＬ）を使用して、７５１個の血漿試料のそれぞれにおいて測定した。本明細書中で使用される場合は、「Ｎ末端プロＢ型ナトリウム利尿ペプチド」と「Ｂ型ナトリウム利尿タンパク質」（および「ＮＴ−プロＢＮＰ」）は互換的に使用され、別の意味で理解されない限りは、同じタンパク質をいう。

（統計分析）
変数を、連続測定についてはＳｔｕｄｅｎｔの独立ｔ検定を使用し、そして割合についてはＦｉｓｈｅｒの直接確率法を使用して、症例と対照被験体間でベースラインで比較した。ベースラインは、それぞれの被験体について採血した日と定義する。複数の変数間の相関関係を、Ｓｐｅａｒｍａｎの相関を使用して計算した。

連続変数のレベルを、対照被験体間でのそれらの分布に基づいて、五分位値にカテゴリー化した。条件付きロジスティック回帰を、ベースライン変数のレベルとＭＩの罹患との間の関係を試験するために使用した。１７個のベースライン生体マーカー変数を評価した：α−１抗トリプシン、アルカリホスファターゼ、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、アポリポタンパク質Ｅ、補体第３成分、クレアチニン、フィブリノーゲン、γ−グルタミルトランスペプチダーゼ、鉄、トランスフェリン、トランスフェリン飽和度、Ｃ反応性タンパク質、リンパ球数、好中球数、リンパ球数に対する好中球数の比、およびアポリポタンパク質Ａ１に対するアポリポタンパク質Ｂの比。

２つの統計モデルを構築した。１つのモデルでは、他のリスクファクターについて調整を行わずに、評価段階にある変数を検討した。第２のモデルは多変数であり、以下の９個の確立されているベースラインリスクファクターについて調整した：総コレステロール（対照被験体に基づく五分位値にある）、ＨＤＬコレステロール（対照被験体に基づく五分位値にある）、トリグリセリド（対照被験体に基づく五分位値にある）、５つの血圧についてのカテゴリー（収縮期血圧／拡張期血圧：１２０／８０ｍｍＨｇ未満、≧１２０／８０ｍｍＨｇかつ＜１３０／８５ｍｍＨｇ、≧１３０／８５ｍｍＨｇかつ＜１４０／９０ｍｍＨｇ、≧１４０／９０ｍｍＨｇかつ＜１６０／１００ｍｍＨｇ、または≧１６０／１００ｍｍＨｇ、あるいは降圧療法の使用）、喫煙状況（非喫煙、喫煙者、喫煙歴あり）、真性糖尿病（有／無）、若年性ＭＩの家族歴（有／無）、ボディーマス指数（連続変数として処理した）、および身体活動性（２分割した：１週間に４時間未満の運動および座業、または１週間に４時間を超える運動および／もしくは非座業）。いずれの生体マーカーも検討しない、上記のようにカテゴリー化した９個の確立されたベースラインリスクファクターだけからなる異なる統計モデルもまた評価した。尤度比検定を使用して、目的の変数を含むロジスティック回帰モデルが、変数を含まないロジスティック回帰モデルよりも優れたフィットを提供するかどうかを決定した。複数のカテゴリーにまたがる線形傾向を試験するために、五分位値内の中央値を連続測定として使用した。

別に、上に列挙した９個の確立されているベースラインリスクファクターと１７個の生体マーカーのうちの１３個を含む、二次分析である条件付きロジスティック回帰モデルを、結果としてのＭＩの罹患とともに評価した。４個の生体マーカーは、他の生体マーカーとの高い相関関係の理由から、この分析には含めなかった：血清鉄とトランスフェリンを捨ててトランスフェリン飽和度を選び、リンパ球数に対する好中球数の比を捨てて、好中球数とリンパ球数を別々に残し、そしてアポリポタンパク質Ａ１に対するアポリポタンパク質Ｂの比を捨てて、アポリポタンパク質Ｂとアポリポタンパク質Ａ１を別々に残した。確立されているリスクファクターを、先に記載したようにカテゴリー化し、この分析についての生体マーカーのレベルを対数変換し、連続変数と見なした。条件付きロジスティック回帰モデルと、それぞれの被験体について計算したＭＩについての関連する確率を使用して、ＭＩの発症についての２つの結果（ｂｉｎａｒｙ ｏｕｔｃｏｍｅ）を用いて受信者動作特性（ＲＯＣ）曲線を構築した。リスクモデルの性能の改善を評価するためのＲＯＣ曲線下面積の補完として、統合識別改善度（ｉｎｔｅｇｒａｔｅｄ ｄｉｓｃｒｉｍｉｎａｔｉｏｎ ｉｍｐｒｏｖｅｍｅｎｔ）、すなわち、ＩＤＩ、統計量、および相対的なＩＤＩ統計量を計算した（ＡＨＡ Ｓｃｉｅｎｔｉｆｉｃ Ｓｔａｔｅｍｅｎｔ．Ｃｒｉｔｅｒｉａ ｆｏｒ ｅｖａｌｕａｔｉｏｎ ｏｆ ｎｏｖｅｌ ｍａｒｋｅｒｓ ｏｆ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｒｉｓｋ．Ｃｉｒｃｕｌａｔｉｏｎ １１９：２４０８−２４１６（２００９）；Ｐｅｎｃｉｎａ ＭＪ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｓｒ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｊｒ，Ｖａｓａｎ ＲＳ．Ｅｖａｌｕａｔｉｎｇ ｔｈｅ ａｄｄｅｄ ｐｒｅｄｉｃｔｉｖｅ ａｂｉｌｉｔｙ ｏｆ ａ ｎｅｗ ｍａｒｋｅｒ：ｆｒｏｍ ａｒｅａ ｕｎｄｅｒ ｔｈｅ ＲＯＣ ｃｕｒｖｅ ｔｏ ｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｂｅｙｏｎｄ．Ｓｔａｔ Ｍｅｄ．Ｊａｎ ３０；２７（２）：１５７−７２（２００８））。ＩＤＩ試験は、リスク予測モデルの性能の測定であり、ＲＯＣ曲線下面積の補足である。相対的ＩＤＩは、事象を発症した個体の予測したリスクの平均と、事象を発症しなかった個体の予測したリスクの平均との間での差の改善と等価である。

加えて、以下のようにして１３個の生体マーカーの対数変換したレベルを含む「マルチマーカースコア」を、構築した：マルチマーカースコア＝（β_１×生体マーカー_１）＋（β_２×生体マーカー_２）＋（β_ｉ×生体マーカー_ｉ）など。式中、β_ｉは、９個の確立されているリスクファクターもまた含む条件付きロジスティック回帰モデルのｉ番目の生体マーカーに関するβ係数の推定値を示す。

目的の１７個の血液に基づく生体マーカー変数のうちのいずれか、または９個の確立されているベースラインリスクファクターのいずれかの測定が欠けている被験体は除外した。したがって、統計分析のための最終的なデータセットは、２３６の症例と４６３の適合する対照を含む、６９９人の被験体から構成されていた。

全てのＰ値は、両側性であった。０．０５未満の確率値を有意と見なした。全ての信頼区間を９５％のレベルで計算した。統計分析は、ＳＡＳソフトウェア、バージョン９．１（ＳＡＳ Ｉｎｓｔｉｔｕｔｅ）とＲソフトウェア、バージョン２．６を使用して行った。

（結果）
Ｆｒａｍｉｎｇｈａｍ Ｈｅａｒｔ Ｓｔｕｄｙ（Ｗｉｌｓｏｎ ＰＷ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ，Ｌｅｖｙ Ｄ，Ｂｅｌａｎｇｅｒ ＡＭ，Ｓｉｌｂｅｒｓｈａｔｚ Ｈ，Ｋａｎｎｅｌ ＷＢ．Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ｈｅａｒｔ ｄｉｓｅａｓｅ ｕｓｉｎｇ ｒｉｓｋ ｆａｃｔｏｒ ｃａｔｅｇｏｒｉｅｓ．Ｃｉｒｃｕｌａｔｉｏｎ ９７：１８３７−４７（１９９８））により公開されている６つの性別特異的リスク方程式を使用して、ベースラインでの研究対象集団全体についての１０年の絶対リスクを計算した。全ての近い将来にＭＩ事象を生じたもののうちのわずか３６％しか、高いリスクとしてカテゴリー化されなかった（表１）。言い換えると、実際に近い将来にＭＩ事象を経験した個体のうちの６４％は、高いリスクがあると同定されなかった。

（リスクファクター）
表１は、長期間の研究において同定された主な心臓血管のリスクファクターのうちのいくつかを含む、研究対象集団についてのベースラインでの特徴を示す。これらの９個の確立されているリスクファクターを含むモデルにおいては、ＨＤＬコレステロール、喫煙状況（喫煙者）と糖尿病の存在が、近い将来のＭＩの罹患と有意な関係にあった（表２）。症例と対照は、本研究においては年齢と性別を一致させた。それゆえ、年齢と性別はモデルには含めない。

確立されているリスクファクターの調整後も、１７個の推定される生体マーカーのうちの５個はなおも、ＭＩの４年リスクと個別に関係していた（最も高い五分位値と最も低い五分位値の比較の統計的有意性、尤度比検定、および複数の五分位値にまたがる傾向の単調性に基づく）：最も高い五分位値と最も低い五分位値を比較するオッズ比は、α_１−抗トリプシンについては２．８５（９５％のＣＩ：１．５１〜５．４１；Ｐ＝０．００１）、Ｃ反応性タンパク質については２．７６（１．３５〜５．２８；ｐ＝０．００５）、クレアチニンについては２．１２（１．１８〜３．８２；ｐ＝０．０１）、フィブリノーゲンについては２．１１（１．１６〜３．８５、Ｐ＝０．０１）、そして鉄については０．３３（０．１７〜０．６６；Ｐ＝０．００２）であった（表３、図１）。２つの他の生体マーカー（アポリポタンパク質Ａ１とトランスフェリン飽和度）は、最も高い五分位値と最も低い五分位値の比較に基づくと統計的に有意であった。

マルチマーカースコアの五分位値と関係があるオッズ比は、未調整のモデルおよび調整済みのモデルのいずれにおいても有意であり、１１．８（９５％のＣＩ：６．００〜２３．３；Ｐ＜０．００１）および８．５６（３．９１〜１８．７；Ｐ＜０．００１）の、最も低い五分位値と比較した最も高い五分位値についての、一変量および多変数の調整済みオッズ比を有していた（表４）。このマルチマーカースコアは、以下の１３個の生体マーカーの線形結合からなる：α−１抗トリプシン、アルカリホスファターゼ、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、アポリポタンパク質Ｅ、補体第３成分、クレアチニン、フィブリノーゲン、γ−グルタミルトランスペプチダーゼ、トランスフェリン飽和度、Ｃ反応性タンパク質、リンパ球数、および好中球数。

Ｃ反応性タンパク質、フィブリノーゲン、およびα_１−抗トリプシンのレベルは、Ｃ反応性タンパク質とボディーマス指数がそうであったように、互いに中程度の相関を示した（図２）。多数の他の確立されているリスクファクターと推定される生体マーカーのレベルもまた関係があった。

マルチマーカースコアは、以下の１３個の生体マーカーの測定値を含む：α−１抗トリプシン、アルカリホスファターゼ、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、アポリポタンパク質Ｅ、補体第３成分、クレアチニン、フィブリノーゲン、γ−グルタミルトランスペプチダーゼ、トランスフェリン飽和度、Ｃ反応性タンパク質、リンパ球数、および好中球数。

（リスクの予測）
図３に関して、図３は、具体例にしたがって、確立されているリスクファクターだけを含むリスクのモデルと、確立されているリスクファクターと１３個の推定される生体マーカーを含むリスクのモデルとに基づく、ＭＩの罹患についての受信者動作特性曲線（ＲＯＣ）を示す。含めた推定される生体マーカーは、α−１抗トリプシン、アルカリホスファターゼ、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、アポリポタンパク質Ｅ、補体第３成分、クレアチニン、フィブリノーゲン、γ−グルタミルトランスペプチダーゼ、トランスフェリン飽和度、Ｃ反応性タンパク質、リンパ球数、および好中球数である。確立されているリスクファクターだけを含み、生体マーカーを含まないＲＯＣ曲線（９５％のＣＩ）下面積は、０．６９（０．６５〜０．７３）であり、確立されているリスクファクターと生体マーカーを含むＲＯＣ曲線下面積は、０．７４（０．７０〜０．７８）である。９個の確立されているリスクファクターに多数の生体マーカーを加えた場合には（図３）、ＲＯＣ曲線下面積は０．６９から０．７４に増大した（表５）；しかし、この増大は、統計的有意性には到達しなかった。対照的に、統合識別改善度の試験により、リスクモデルに生体マーカーを組み込んだ場合には、統計学的に有意な改善が明らかとなり、１３個の生体マーカーを組み込んだ場合には、生体マーカーを含まないモデルと比較して、４．３％の改善に達した（Ｐ＜０．００１）。個々の症例と対照についての改善を図４に説明する。

図４に関して、図４は、具体例にしたがって、確立されているリスクファクターだけを含むモデルから（左軸）、および確立されているリスクファクターと１３個の推定される生体マーカーを含むモデルから（下の軸）、それぞれの被験体について近い将来のＭＩについて計算した症例−対照確率の散布図を示す。確立されているリスクファクターは、総コレステロール、ＨＤＬコレステロール、トリグリセリド、高血圧、喫煙状況、糖尿病、若年性ＭＩの家族歴、ボディーマス指数、および身体活動性である。含めた推定される生体マーカーは、α−１抗トリプシン、アルカリホスファターゼ、アポリポタンパク質Ａ１、アポリポタンパク質Ｂ、アポリポタンパク質Ｅ、補体第３成分、クレアチニン、フィブリノーゲン、γ−グルタミルトランスペプチダーゼ、トランスフェリン飽和度、Ｃ反応性タンパク質、リンパ球数、および好中球数である。それぞれ、０．３および０．７の値である垂直方向の線と水平方向の線は、視覚的なガイドにすぎない。対角線は、単位元の傾きを示す。症例が右側に移動し、対照が左側に移動している、症例と対照の分離は、１３個の推定される生体マーカーを含めることによるリスク評価の改善を示す。

ＭＩを発症した人とＭＩを発症しなかった人における、個々の確立されているリスクファクターと生体マーカーの度数分布には、相当の重複があった。図５ａは、一例としてのＣ反応性タンパク質の度数分布を示す。マルチマーカースコアは、事象が起こった場合と事象が起こらなかった場合の間での度数分布において比較的重複が少ないことを示した（図５ｂ）。さらに具体的に言うと、図５は、具体例にしたがって、ＭＩ症例の被験体と対照被験体の間での、１３個の推定される生体マーカーの複合マルチマーカースコアのベースライン度数分布と、Ｃ反応性タンパク質の類似する度数分布を示す。（ａ）Ｃ反応性タンパク質のベースライン度数分布と（ｂ）１３個の生体マーカー（分析物）を含むマルチマーカースコアのベースライン度数分布を示す。左側のパネルは柱状図を示し、右側のパネルはフィットさせた分布関数を示す。

（考察）
見かけ上は健康である男性および女性における本研究は、ＭＩについての１０年リスクおよび生涯リスクについてのいくつかの確立されているリスクファクターも、ＭＩの近い将来の（４年）リスクと関係があることを示す。加えて、１７個の推定される生体マーカーのうちの５個が、近い将来のＭＩとそれぞれが独立して関係しており、確立されているリスクファクターについての調整後にリスクモデルのフィットが改善されたことが明らかになった。ほとんどの事象は、特に女性の、低いまたは中程度のＦｒａｍｉｎｇｈａｍリスクのカテゴリーに属している人において起こった。

（リスクファクター）
ＭＩの最も一般的な原因は、冠状動脈血栓症を導く不安定プラークの炎症を起こした線維性被膜の破裂である（Ｔｈｉｍ Ｔ，Ｈａｇｅｎｓｅｎ ＭＫ，Ｂｅｎｔｚｏｎ ＪＦ，Ｆａｌｋ Ｅ．Ｆｒｏｍ ｖｕｌｎｅｒａｂｌｅ ｐｌａｑｕｅ ｔｏ ａｔｈｅｒｏｔｈｒｏｍｂｏｓｉｓ．Ｊ．Ｉｎｔｅｒｎ．Ｍｅｄ．２６３：５０６−１６（２００８））。炎症および／または血栓形成促進性の状態についての全身性マーカーが、特に、そのような局所の炎症と関係があるアテローム性血栓症の事象についての予測となるであろうと示唆されている（Ｋｏｅｎｉｇ Ｗ，Ｋｈｕｓｅｙｉｎｏｖａ Ｎ．Ｂｉｏｍａｒｋｅｒ ｓ ｏｆ ａｔｈｅｒｏｓｃｌｅｒｏｔｉｃ ｐｌａｑｕｅ ｉｎｓｔａｂｉｌｉｔｙ ａｎｄ ｒｕｐｔｕｒｅ．Ａｒｔｅｒｉｏｓｃｌｅｒ．Ｔｈｒｏｍｂ．Ｖａｓｃ．Ｂｉｏｌ．２７：１５−２６（２００７））。この仮説を評価するために、いくつかの炎症感受性血漿タンパク質を、推定される生体マーカーパネルに含めた（ＣＲＰ、フィブリノーゲン、α_１−抗トリプシン、および補体第３成分）。これらの一部は、血栓症を促進する可能性もある。これらの炎症と関係がある生体マーカーのうちの３つは、近い将来のＭＩの高いリスクとそれぞれ独立して関係していた。

ＣＲＰと近い将来のＭＩとの関係は、短期間の研究（Ｒｉｄｋｅｒ ＰＭ，Ｃｕｓｈｍａｎ Ｍ，Ｓｔａｍｐｆｅｒ ＭＪ，Ｔｒａｃｙ ＲＰ，Ｈｅｎｎｅｋｅｎｓ ＣＨ．Ｉｎｆｌａｍｍａｔｉｏｎ，ａｓｐｉｒｉｎ，ａｎｄ ｔｈｅ ｒｉｓｋ ｏｆ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｄｉｓｅａｓｅ ｉｎ ａｐｐａｒｅｎｔｌｙ ｈｅａｌｔｈｙ ｍｅｎ．Ｎ．Ｅｎｇｌ．Ｊ．Ｍｅｄ．３３６：９７３−９（１９９７））および長期間の研究（Ｒｉｄｋｅｒ ＰＭ．Ｃ−ｒｅａｃｔｉｖｅ ｐｒｏｔｅｉｎ ａｎｄ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｅｖｅｎｔｓ ａｍｏｎｇ ｔｈｏｓｅ ａｔ ｉｎｔｅｒｍｅｄｉａｔｅ ｒｉｓｋ：ｍｏｖｉｎｇ ａｎ ｉｎｆｌａｍｍａｔｏｒｙ ｈｙｐｏｔｈｅｓｉｓ ｔｏｗａｒｄ ｃｏｎｓｅｎｓｕｓ．Ｊ．Ａｍ．Ｃｏｌｌ．Ｃａｒｄｉｏｌ．４９：２１２９−３８（２００７））の両方においてこれまでに報告された関係と実質的に同じであり、ＣＲＰがマーカーでもアテローム性血栓症の媒介因子でもないことを示している観察と一致している（Ｐｅｐｙｓ ＭＢ．Ｃ−ｒｅａｃｔｉｖｅ ｐｒｏｔｅｉｎ ｉｓ ｎｅｉｔｈｅｒ ａ ｍａｒｋｅｒ ｎｏｒ ａ ｍｅｄｉａｔｏｒ ｏｆ ａｔｈｅｒｏｓｃｌｅｒｏｓｉｓ．Ｎａｔ．Ｃｌｉｎ．Ｐｒａｃｔ．Ｎｅｐｈｒｏｌ．４：２３４−５（２００８））。これまでには、外科手術により切除された症候性頸動脈プラーク中の局所炎症（マクロファージ密度）と血液中のＣＲＰレベルとの間では関係性は見られておらず（Ｇｒｏｎｈｏｌｄｔ ＭＬ，Ｎｏｒｄｅｓｔｇａａｒｄ ＢＧ，Ｂｅｎｔｚｏｎ Ｊら、Ｍａｃｒｏｐｈａｇｅｓ ａｒｅ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ｌｉｐｉｄ−ｒｉｃｈ ｃａｒｏｔｉｄ ａｒｔｅｒｙ ｐｌａｑｕｅｓ，ｅｃｈｏｌｕｃｅｎｃｙ ｏｎ Ｂ−ｍｏｄｅ ｉｍａｇｉｎｇ，ａｎｄ ｅｌｅｖａｔｅｄ ｐｌａｓｍａ ｌｉｐｉｄ ｌｅｖｅｌｓ．Ｊ．Ｖａｓｃ．Ｓｕｒｇ．３５：１３７−４５（２００２））、１つの高いリスク（不安定）または症候性プラークにおける炎症と循環中のＣＲＰとの間での直接の結びつきに異議を唱えている。さらに、メンデルランダム化の原理に基づく大規模な遺伝疫学的研究は、アテローム性血栓症およびＭＩにおけるＣＲＰの因果的役割についてのサポートを提供しなかった（Ｚａｃｈｏ Ｊ，Ｔｙｂｊａｅｒｇ−Ｈａｎｓｅｎ Ａ，Ｊｅｎｓｅｎ ＪＳ，Ｇｒａｎｄｅ Ｐ，Ｓｉｌｌｅｓｅｎ Ｈ，Ｎｏｒｄｅｓｔｇａａｒｄ ＢＧ．Ｇｅｎｅｔｉｃａｌｌｙ ｅｌｅｖａｔｅｄ Ｃ−ｒｅａｃｔｉｖｅ ｐｒｏｔｅｉｎ ａｎｄ ｉｓｃｈｅｍｉｃ ｖａｓｃｕｌａｒ ｄｉｓｅａｓｅ．Ｎ．Ｅｎｇｌ．Ｊ．Ｍｅｄ．３５９：１８９７−９０８（２００８））。それにも関らず、ＣＲＰはなおも、リスク評価、およびＭＩのリスクがある個体の管理において臨床的に有用であり得る（Ｒｉｄｋｅｒ ＰＭ，Ｄａｎｉｅｌｓｏｎ Ｅ，Ｆｏｎｓｅｃａ ＦＡら、Ｒｏｓｕｖａｓｔａｔｉｎ ｔｏ ｐｒｅｖｅｎｔ ｖａｓｃｕｌａｒ ｅｖｅｎｔｓ ｉｎ ｍｅｎ ａｎｄ ｗｏｍｅｎ ｗｉｔｈ ｅｌｅｖａｔｅｄ Ｃ−ｒｅａｃｔｉｖｅ ｐｒｏｔｅｉｎ．Ｎ．Ｅｎｇｌ．Ｊ．Ｍｅｄ．３５９：２１９５−２０７（２００８））。

本研究において評価した他の全身性の炎症感受性タンパク質のうち、フィブリノーゲンは、炎症、血漿粘度、凝固、および血小板凝集におけるその多機能性の役割が原因で、特に注目を集めている（Ｋｏｅｎｉｇ Ｗ．Ｆｉｂｒｉｎ（ｏｇｅｎ）ｉｎ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｄｉｓｅａｓｅ：最新版．Ｔｈｒｏｍｂ．Ｈａｅｍｏｓｔ．８９：６０１−９（２００３））。フィブリノーゲンと近い将来のＭＩとの関係の強さは、長期間の研究においてこれまでに報告された関係の強さと類似していた。しかし、アテローム性血栓症およびＭＩにおけるフィブリノーゲンの考えられる因果的役割は、遺伝疫学研究（メンデルランダム化）においては実証されておらず、依然、仮説である（Ｔｙｂｊａｅｒｇ−Ｈａｎｓｅｎ Ａ，Ａｇｅｒｈｏｌｍ−Ｌａｒｓｅｎ Ｂ，Ｈｕｍｐｈｒｉｅｓ ＳＥ，Ａｂｉｌｄｇａａｒｄ Ｓ，Ｓｃｈｎｏｈｒ Ｐ，Ｎｏｒｄｅｓｔｇａａｒｄ ＢＧ．Ａ ｃｏｍｍｏｎ ｍｕｔａｔｉｏｎ（Ｇ−４５５−−＞Ａ）ｉｎ ｔｈｅ ｂｅｔａ−ｆｉｂｒｉｎｏｇｅｎ ｐｒｏｍｏｔｅｒ ｉｓ ａｎ ｉｎｄｅｐｅｎｄｅｎｔ ｐｒｅｄｉｃｔｏｒ ｏｆ ｐｌａｓｍａ ｆｉｂｒｉｎｏｇｅｎ、ｂｕｔ ｎｏｔ ｏｆ ｉｓｃｈｅｍｉｃ ｈｅａｒｔ ｄｉｓｅａｓｅ．Ａ ｓｔｕｄｙ ｏｆ ９，１２７ ｉｎｄｉｖｉｄｕａｌｓ ｂａｓｅｄ ｏｎ ｔｈｅ Ｃｏｐｅｎｈａｇｅｎ Ｃｉｔｙ Ｈｅａｒｔ Ｓｔｕｄｙ．Ｊ Ｃｌｉｎ Ｉｎｖｅｓｔ．９９：３０３４−９（１９９７））。

長期間の研究においてこれまでに報告されたように（Ｅｎｇｓｔｒｏｅｍ Ｇ，Ｌｉｎｄ Ｐ，Ｈｅｄｂｌａｄ Ｂ，Ｓｔａｖｅｎｏｗ Ｌ，Ｊａｎｚｏｎ Ｌ，Ｌｉｎｄｇａｅｒｄｅ Ｆ．Ｅｆｆｅｃｔｓ ｏｆ ｃｈｏｌｅｓｔｅｒｏｌ ａｎｄ ｉｎｆｌａｍｍａｔｉｏｎ−ｓｅｎｓｉｔｉｖｅ ｐｌａｓｍａ ｐｒｏｔｅｉｎｓ ｏｎ ｉｎｃｉｄｅｎｃｅ ｏｆ ＭＩ ａｎｄ ｓｔｒｏｋｅ ｉｎ ｍｅｎ．Ｃｉｒｃｕｌａｔｉｏｎ １０５：２６３２−７（２００２））、α１−抗トリプシンもまた、極めて近くＭＩの状態に至るリスクと関係があり、その強さは、ＣＲＰおよびフィブリノーゲンの強さに匹敵する。実際、これらの３つの炎症感受性血漿タンパク質は、本研究においては互いにポジティブな相関関係にある。α_１−抗トリプシンは、肝臓ならびに好中球および単球／マクロファージの中で主に合成される、ヒト血漿中の主要なプロテアーゼ阻害剤である。その濃度は、ヒトのアテローム性動脈硬化症の病変において比較的高いことが報告されている（Ｓｍｉｔｈ ＥＢ．Ｍｏｌｅｃｕｌａｒ ｉｎｔｅｒａｃｔｉｏｎｓ ｉｎ ｈｕｍａｎ ａｔｈｅｒｏｓｃｌｅｒｏｔｉｃ ｐｌａｑｕｅｓ．Ａｍ Ｊ．Ｐａｔｈｏｌ．８６：６６５−７４（１９７７））。遺伝的なα_１−抗トリプシン欠損は、ＭＩの低いリスクと関係があるが、これはまた低い血圧とも関係がある（Ｄａｈｌ Ｍ，Ｔｙｂｊａｅｒｇ−Ｈａｎｓｅｎ Ａ，Ｓｉｌｌｅｓｅｎ Ｈ，Ｊｅｎｓｅｎ Ｇ，Ｓｔｅｆｆｅｎｓｅｎ Ｒ，Ｎｏｒｄｅｓｔｇａａｒｄ ＢＧ．Ｂｌｏｏｄ ｐｒｅｓｓｕｒｅ，ｒｉｓｋ ｏｆ ｉｓｃｈｅｍｉｃ ｃｅｒｅｂｒｏｖａｓｃｕｌａｒ ａｎｄ ｉｓｃｈｅｍｉｃ ｈｅａｒｔ ｄｉｓｅａｓｅ，ａｎｄ ｌｏｎｇｅｖｉｔｙ ｉｎ ａｌｐｈａ（１）−ａｎｔｉｔｒｙｐｓｉｎ ｄｅｆｉｃｉｅｎｃｙ：ｔｈｅ Ｃｏｐｅｎｈａｇｅｎ Ｃｉｔｙ Ｈｅａｒｔ Ｓｔｕｄｙ．Ｃｉｒｃｕｌａｔｉｏｎ １０７：７４７−５２（２００３））。後者は、アテローム性血栓症およびＭＩにおけるα_１−抗トリプシンの考えられる因果的役割に関する交絡因子である。

鉄過剰のマーカー（高い血清鉄およびトランスフェリン飽和度）は、近い将来のＭＩの低いリスクと関係がある。長期間の疫学研究による結果は矛盾しているが、全体としては、鉄の状況とＭＩとの間に強い関係が存在することをサポートしていない（Ｄａｎｅｓｈ Ｊ，Ａｐｐｌｅｂｙ Ｐ．Ｃｏｒｏｎａｒｙ ｈｅａｒｔ ｄｉｓｅａｓｅ ａｎｄ ｉｒｏｎ ｓｔａｔｕｓ：ｍｅｔａ−ａｎａｌｙｓｅｓ ｏｆ ｐｒｏｓｐｅｃｔｉｖｅ ｓｔｕｄｉｅｓ．Ｃｉｒｃｕｌａｔｉｏｎ ９９：８５２−４（１９９９））。ヘモクロマトーシス遺伝子中の突然変異により起こる鉄過剰は、ＭＩのリスクに実質的な影響を及ぼすようには見えない（ｖａｎ ｄｅｒ Ａ ＤＬ，Ｒｏｖｅｒｓ ＭＭ，Ｇｒｏｂｂｅｅ ＤＥら、Ｍｕｔａｔｉｏｎｓ ｉｎ ｔｈｅ ＨＦＥ Ｇｅｎｅ ａｎｄ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｄｉｓｅａｓｅ Ｒｉｓｋ：Ａｎ Ｉｎｄｉｖｉｄｕａｌ Ｐａｔｉｅｎｔ Ｄａｔａ Ｍｅｔａ−Ａｎａｌｙｓｉｓ ｏｆ ５３ ８８０ Ｓｕｂｊｅｃｔｓ．Ｃｉｒｃ Ｃａｒｄｉｏｖａｓｃ Ｇｅｎｅｔ．１；４３−５０（２００８））。それにも関らず、低い血清鉄およびトランスフェリン飽和度と、見かけ上は健康な集団における近い将来のＭＩの高いリスクとの間で観察された関係は、さらに調べる価値がある。

慢性腎不全は、ＣＶＤの顕著に増大したリスクと関係がある（Ｓａｒｎａｋ ＭＪ，Ｌｅｖｅｙ ＡＳ，Ｓｃｈｏｏｌｗｅｒｔｈ ＡＣら、Ａｍｅｒｉｃａｎ Ｈｅａｒｔ Ａｓｓｏｃｉａｔｉｏｎ Ｃｏｕｎｃｉｌｓ ｏｎ Ｋｉｄｎｅｙ ｉｎ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｄｉｓｅａｓｅ，Ｈｉｇｈ Ｂｌｏｏｄ Ｐｒｅｓｓｕｒｅ Ｒｅｓｅａｒｃｈ，Ｃｌｉｎｉｃａｌ Ｃａｒｄｉｏｌｏｇｙ，ａｎｄ Ｅｐｉｄｅｍｉｏｌｏｇｙ ａｎｄ Ｐｒｅｖｅｎｔｉｏｎ．Ｋｉｄｎｅｙ ｄｉｓｅａｓｅ ａｓ ａ ｒｉｓｋ ｆａｃｔｏｒ ｆｏｒ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｄｉｓｅａｓｅ：ａ ｓｔａｔｅｍｅｎｔ ｆｒｏｍ ｔｈｅ Ａｍｅｒｉｃａｎ Ｈｅａｒｔ Ａｓｓｏｃｉａｔｉｏｎ Ｃｏｕｎｃｉｌｓ ｏｎ Ｋｉｄｎｅｙ ｉｎ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｄｉｓｅａｓｅ，Ｈｉｇｈ Ｂｌｏｏｄ Ｐｒｅｓｓｕｒｅ Ｒｅｓｅａｒｃｈ，Ｃｌｉｎｉｃａｌ Ｃａｒｄｉｏｌｏｇｙ，ａｎｄ Ｅｐｉｄｅｍｉｏｌｏｇｙ ａｎｄ Ｐｒｅｖｅｎｔｉｏｎ．Ｃｉｒｃｕｌａｔｉｏｎ １０８：２１５４−６９（２００３））が、矛盾している結果が、一般的な集団において、クレアチニンと長期間のＭＩのリスクとの間での関係が公開されている。本発明者らの研究では、血圧と降圧薬の服用を含む確立されているリスクファクターについての調整後、最も高い五分位値にある人は、最も低い五分位値と比較して、近い将来のＭＩについて２倍のリスクがあった。さらに、クレアチニンは、炎症感受性タンパク質（ＣＲＰ、フィブリノーゲン、α_１−抗トリプシン）のいずれとも相関関係がなかった。高い血清クレアチニンレベルとともに見られるＣＶＤの増大したリスクについて考えられる説明は、これまでに議論されている。（同書。）
（リスクの予測）
ＭＩの予防においては、修正可能なリスクファクターの重要性を誇張することはできない。これらは、世界中のアテローム動脈硬化性ＣＶＤのリスクのほとんどを占める（Ｙｕｓｕｆ Ｓ，Ｈａｗｋｅｎ Ｓ，Ｏｕｎｐｕｕ Ｓら、Ｅｆｆｅｃｔ ｏｆ ｐｏｔｅｎｔｉａｌｌｙ ｍｏｄｉｆｉａｂｌｅ ｒｉｓｋ ｆａｃｔｏｒｓ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ＭＩ ｉｎ ５２ ｃｏｕｎｔｒｉｅｓ（ｔｈｅ ＩＮＴＥＲＨＥＡＲＴ ｓｔｕｄｙ）：ｃａｓｅ−ｃｏｎｔｒｏｌ ｓｔｕｄｙ．Ｌａｎｃｅｔ．３６４：９３７−５２（２００４））。しかし、大きな問題は、年齢と性別を除き、確立されているリスクファクターが、リスクについて芳しくない予測変数であることである。１回目の心臓発作または脳卒中になる運命にあるほとんどの人は、それらの確立されているリスクファクターのレベルが通常は高くないために、そのリスクに気づいていない（Ｌａｕｅｒ ＭＳ．Ｐｒｉｍａｒｙ ｐｒｅｖｅｎｔｉｏｎ ｏｆ ａｔｈｅｒｏｓｃｌｅｒｏｔｉｃ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｄｉｓｅａｓｅ：ｔｈｅ ｈｉｇｈ ｐｕｂｌｉｃ ｂｕｒｄｅｎ ｏｆ ｌｏｗ ｉｎｄｉｖｉｄｕａｌ ｒｉｓｋ．ＪＡＭＡ．２９７：１３７６−８（２００７））。逆に、明らかに悪いリスクファクタープロフィールを有している多くの人は、依然、無症候性である。

本研究では、全ての近い将来にＭＩを発症した女性のうちのわずか１３％しか、Ｆｒａｍｉｎｇｈａｍリスク点数によりベースラインで高いリスクとカテゴリー化されなかった。男性においては、近い将来のＭＩを発症したうちの約５０％が、高いリスクのカテゴリーにカテゴリー化された。そのような気が滅入るような図は、多くの場合は直接は報告されないが、これらは、公開されているデータからコンピューターで計算することができ、現実を反映するとみることができる。Ｆｒａｍｉｎｇｈａｍ Ｈｅａｒｔ Ｓｔｕｄｙ（Ｗｉｌｓｏｎ ＰＷＦ，Ｐｅｎｃｉｎａ Ｍ，Ｊａｃｑｕｅｓ Ｐ，Ｓｅｌｈｕｂ Ｊ，Ｄ’Ａｇｏｓｔｉｎｏ Ｒ，Ｏ’Ｄｏｎｎｅｌｌ ＣＪ．Ｃ−ｒｅａｃｔｉｖｅ ｐｒｏｔｅｉｎ ａｎｄ ｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｒｉｓｋ ｉｎ ｔｈｅ Ｆｒａｍｉｎｇｈａｍ Ｈｅａｒｔ Ｓｔｕｄｙ．Ｃｉｒｃ Ｃａｒｄｉｏｖａｓｃ Ｑｕａｌ Ｏｕｔｃｏｍｅｓ．１：９２−７（２００８））、Ｐｈｙｓｉｃｉａｎｓ’ Ｈｅａｌｔｈ Ｓｔｕｄｙ（Ｒｉｄｋｅｒ ＰＭ，Ｐａｙｎｔｅｒ ＮＰ，Ｒｉｆａｉ Ｎ，Ｇａｚｉａｎｏ ＪＭ，Ｃｏｏｋ ＮＲ．Ｃ−ｒｅａｃｔｉｖｅ ｐｒｏｔｅｉｎ ａｎｄ Ｐａｒｅｎｔａｌ Ｈｉｓｔｏｒｙ Ｉｍｐｒｏｖｅ Ｇｌｏｂａｌ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｒｉｓｋ Ｐｒｅｄｉｃｔｉｏｎ．Ｔｈｅ Ｒｅｙｎｏｌｄｓ Ｒｉｓｋ Ｓｃｏｒｅ ｆｏｒ Ｍｅｎ．Ｃｉｒｃｕｌａｔｉｏｎ １１８：２２４３−５１（２００８））、Ｗｏｍｅｎ’Ｈｅａｌｔｈ Ｓｔｕｄｙ（Ｒｉｄｋｅｒ ＰＭ，Ｂｕｒｉｎｇ ＪＥ，Ｒｉｆａｉ Ｎ，Ｃｏｏｋ ＮＲ．Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｖａｌｉｄａｔｉｏｎ ｏｆ ｉｍｐｒｏｖｅｄ ａｌｇｏｒｉｔｈｍｓ ｆｏｒ ｔｈｅ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｇｌｏｂａｌ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｒｉｓｋ ｉｎ ｗｏｍｅｎ：ｔｈｅ Ｒｅｙｎｏｌｄｓ Ｒｉｓｋ Ｓｃｏｒｅ．ＪＡＭＡ．２９７（６）：６１１−９（２００７））、およびＮｏｒｔｈｗｉｃｋ Ｐａｒｋ Ｈｅａｒｔ Ｓｔｕｄｙ（Ｓｈａｈ Ｔ，Ｃａｓａｓ ＪＰ，Ｃｏｏｐｅｒ ＪＡら、Ｃｒｉｔｉｃａｌ ａｐｐｒａｉｓａｌ ｏｆ ＣＲＰ ｍｅａｓｕｒｅｍｅｎｔ ｆｏｒ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ｈｅａｒｔ ｄｉｓｅａｓｅ ｅｖｅｎｔｓ：ｎｅｗ ｄａｔａ ａｎｄ ｓｙｓｔｅｍａｔｉｃ ｒｅｖｉｅｗ ｏｆ ３１ ｐｒｏｓｐｅｃｔｉｖｅ ｃｏｈｏｒｔｓ．Ｉｎｔ Ｊ Ｅｐｉｄｅｍｉｏｌ．３８：２１７−３１（２００９））においては、全ての激しい冠状動脈性の事象のうちの７５％以上が、低いリスクまたは中程度のリスクとして分類された人において起こった。リスク評価は、女性においては特に難しく、あてにならない。

一次予防において確立されているリスクファクターに基づくアプローチを用いると、近い将来に心臓発作または脳卒中の運命にあるほとんどの個体は、誤って分類され、高いリスクがあるとは同定されない（Ｌａｕｅｒ ＭＳ．Ｐｒｉｍａｒｙ ｐｒｅｖｅｎｔｉｏｎ ｏｆ ａｔｈｅｒｏｓｃｌｅｒｏｔｉｃ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｄｉｓｅａｓｅ：ｔｈｅ ｈｉｇｈ ｐｕｂｌｉｃ ｂｕｒｄｅｎ ｏｆ ｌｏｗ ｉｎｄｉｖｉｄｕａｌ ｒｉｓｋ．ＪＡＭＡ．２９７：１３７６−８（２００７））。結果として、彼らは、利用可能な最善の予防的治療を受けられない。アテローム動脈硬化性ＣＶＤには長い潜伏期間があり、これが、その前臨床（無症候性）段階での血管疾患の検出と処置の唯一の機会を提供する。血管造影は、プラーク面積率、プラークの不安定性、および疾患活動性の検出を含む、無症状のアテローム性動脈硬化症の統合的評価を提供する可能性がある。（Ｎａｇｈａｖｉ Ｍ，Ｆａｌｋ Ｅ，Ｈｅｃｈｔ ＨＳら、Ｆｒｏｍ ｖｕｌｎｅｒａｂｌｅ ｐｌａｑｕｅ ｔｏ ｖｕｌｎｅｒａｂｌｅ ｐａｔｉｅｎｔ−−Ｐａｒｔ ＩＩＩ：Ｅｘｅｃｕｔｉｖｅ ｓｕｍｍａｒｙ ｏｆ ｔｈｅ Ｓｃｒｅｅｎｉｎｇ ｆｏｒ Ｈｅａｒｔ Ａｔｔａｃｋ Ｐｒｅｖｅｎｔｉｏｎ ａｎｄ Ｅｄｕｃａｔｉｏｎ（ＳＨＡＰＥ）Ｔａｓｋ Ｆｏｒｃｅ ｒｅｐｏｒｔ．Ａｍ Ｊ Ｃａｒｄｉｏｌ．９８：２Ｈ−１５Ｈ（２００６））。そのような努力は、Ｈｉｇｈ Ｒｉｓｋ Ｐｌａｑｕｅ Ｉｎｉｔｉａｔｉｖｅ（ｈｔｔｐ：／／ｗｗｗ．ｈｒｐｉｎｉｔｉａｔｉｖｅ．ｃｏｍ．Ｔｈｅ Ｈｉｇｈ Ｒｉｓｋ Ｐｌａｑｕｅ Ｉｎｉｔｉａｔｉｖｅ（２００９））を含み、現在も進行中である。近い将来のＭＩの予測のための本研究の目的において、非侵襲的な画像化法および／または組み合わせたいくつかの循環している生体マーカーによる無症状のアテローム性動脈硬化症の検出により、アテローム動脈硬化性ＣＶＤの一次予防におけるリスク評価を改善することができ、よってこれは、近い将来に医療となる可能性がある。

（結論）
５つの生体マーカーのそれぞれが、確立されているリスクファクターからは独立して、増大したＭＩの近い将来（４年）のリスクと関係があった。さらに、組み合わせた１３個の生体マーカーのセットは、近い将来のＭＩの予測リスクにおいて９倍の増大を提供した。したがって、近い将来のＭＩを予測するためのリスクファクターは、おそらく、少なくともこのＣｏｐｅｎｈａｇｅｎの集団においては、長期間のＣＶＤ事象を予測するためのものとは全く異なる。

（実施例２）
研究対象集団、確立されているリスクファクター、および推定される生体マーカーは実施例１に記載したとおりである。確立されているリスクファクターを示す変数は、実施例１に記載したように処理し、推定される生体マーカーを示す変数は連続変数として処理した。

ロジスティック回帰モデルを、ベースライン変数のレベルとＭＩの罹患との間の関係を試験するために使用した。このモデルには、実施例１において同定し、表６に列挙する１３個の生体マーカーを含めた。

人についてＭＩを発症するリスクの指標となるリスク点数を決定するための例示的な方程式は、リスクに対するその相対的な寄与を反映している係数を、それぞれの生体マーカーの測定レベルに掛け算し、そしてそれぞれの掛け算の結果を線形的に足し算して、リスク点数を得ることにより計算される。それぞれの生体マーカーの測定レベルは、係数を掛け算する前に自然対数に変換される（すなわち、底ｅを使用し、ここでは、ｅは、およそ２．７１８２８１８３である）。当業者が理解しているように、観察したリスクに対して計算したリスク確率を較正するために、掛け算の結果のこの和に定数項を足し算することができる。

この例およびモデルについては、実施例１および表６において同定した１３個の生体マーカーを使用した。ロジスティック回帰モデルを使用して、１３個のマーカーのそれぞれに関連する係数を決定した。

表６の生化学的マーカーのそれぞれについての測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数は以下のように決定することができる：
ｂ１^＊ｌｎ（好中球数）＋ｂ２^＊ｌｎ（リンパ球数）＋ｂ３^＊ｌｎ（フィブリノーゲン）＋ｂ４^＊ｌｎ（クレアチニン）＋ｂ５^＊ｌｎ（γ−グルタミルトランスペプチダーゼ）＋ｂ６^＊ｌｎ（アルカリホスファターゼ）＋ｂ７^＊ｌｎ（アポリポタンパク質Ｂ）＋ｂ８^＊ｌｎ（アポリポタンパク質Ａ１）＋ｂ９^＊ｌｎ（アポリポタンパク質Ｅ）＋ｂ１０^＊ｌｎ（α−１抗トリプシン）＋ｂ１１^＊ｌｎ（補体第３成分）＋ｂ１２^＊ｌｎ（高感度Ｃ反応性タンパク質）＋ｂ１２^＊ｌｎ（トランスフェリン飽和度）
式中、ｂ１〜ｂ１３は、表６に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。

図６は、これらの７５１人の被験体において将来のＭＩを予測することにおけるこの分析の性能を示しているＲＯＣ曲線である。図６において見ることができるように、表６に列挙した１３個の生体マーカーを使用したこの分析は、近い将来のＭＩリスクの統計学的に有意な予測変数であり、ＲＯＣ曲線中のフティルティライン（ｆｕｔｉｌｔｙ ｌｉｎｅ）と比較すると、＜０．０５のｐ値を有している。

（実施例３）
研究対象集団、確立されているリスクファクター、および推定される生体マーカーは実施例１に記載したとおりである。確立されているリスクファクターを示す変数は、実施例１に記載したように処理し、推定される生体マーカーを示す変数は連続変数として処理した。

ロジスティック回帰モデルを、ベースライン変数のレベルとＭＩの罹患との間の関係を試験するために使用した。本実施例は、最初に、実施例１において同定した１３個の生体マーカー（上記の実施例２において使用したものと同じ出発セット）を検討した。

逐次的変量減少法（ｂａｃｋｗａｒｄ ｓｔｅｐｗｉｓｅ ｖａｒｉａｂｌｅ ｓｅｌｅｃｔｉｏｎ ｔｅｃｈｎｉｑｕｅ）を、これらの最初の１３個の生体マーカーの中から有益な情報をもたらす生体マーカーのサブセットを選択するために使用した。それぞれの逐次的選択工程で、その係数と関係があるｐ値がｐ＜０．０５であった場合に、その生体マーカーを保持し続けた。この様式で、７個の生体マーカーを最終的なモデルについて保持した。表８はそれらの係数を列挙する：

これらの生体マーカーについての測定単位は、実施例２の表７に示したとおりである。

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（クレアチニン）＋ｂ２^＊ｌｎ（アルカリホスファターゼ）＋ｂ３^＊ｌｎ（アポリポタンパク質Ｂ）＋ｂ４^＊ｌｎ（アポリポタンパク質Ａ１）＋ｂ５^＊ｌｎ（α−１抗トリプシン）＋ｂ６^＊ｌｎ（高感度Ｃ反応性タンパク質）＋ｂ７^＊ｌｎ（トランスフェリン飽和度）
式中、ｂ１〜ｂ７は表８に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。

図７は、これらの７５１人の被験体において将来のＭＩを予測することにおけるこの分析の性能を示しているＲＯＣ曲線である。図７において見ることができるように、表８に列挙した７個の生体マーカーを使用したこの分析は、近い将来のＭＩのリスクの統計学的に有意な予測変数であり、ＲＯＣ曲線中のフティルティラインと比較して、＜０．０５のｐ値を有している。

（実施例４）
研究対象集団、確立されているリスクファクター、および推定される生体マーカーは、実施例１に記載したとおりである。確立されているリスクファクターを示す変数は、実施例１に記載したように処理し、推定される生体マーカーを示す変数は連続変数として処理した。

本実施例では、以下の９個の確立されている臨床的リスクファクターと組み合わせて、実施例３において同定した７個の生体マーカーを検討した：喫煙状況、糖尿病の状況、高血圧、総コレステロール値、ＨＤＬコレステロール値、ボディーマス指数、運動不足の状況、若年性ＭＩの家族歴、およびトリグリセリドレベル。

９個の確立されている臨床的リスクファクターは、実施例１において上記に記載したように決定し、そして／または定義した。

９個の確立されている臨床的リスクファクター変数は、以下のように統計学的に処理した。総コレステロールは５つのレベルに分け（４．８ｍＭ未満、４．８ｍＭ〜５．４ｍＭ、５．４ｍＭ〜６．０ｍＭ、６．０ｍＭ〜６．６ｍＭ、６．６ｍＭを上回る）、ＨＤＬコレステロールは５つのレベルに分け（１．１４ｍＭ未満、１．１４ｍＭ〜１．４０ｍＭ、１．４０ｍＭ〜１．６５ｍＭ、１．６５ｍＭ〜２．００ｍＭ、２．００ｍＭを上回る）、トリグリセリドレベルは連続変数として処理し（ｍＭの測定単位で）、５つの血圧のカテゴリー（収縮期血圧／拡張期血圧：＜１２０／８０ｍｍＨｇ、≧１２０／８０ｍｍＨｇかつ＜１３０／８５ｍｍＨｇ、≧１３０／８５ｍｍＨｇかつ＜１４０／９０ｍｍＨｇ、≧１４０／９０ｍｍＨｇかつ＜１６０／１００ｍｍＨｇ、または≧１６０／１００ｍｍＨｇもしくは降圧療法の使用）、喫煙状況（非喫煙、喫煙者、喫煙歴あり）、真性糖尿病（有／無）、若年性ＭＩの家族歴（有／無）、ボディーマス指数（連続変数として処理した）、ならびに、身体活動性（２分割した：１週間に４時間未満の運動および座業、あるいは１週間に４時間を超える運動および／または非座業）に分けた。

ロジスティック回帰モデルを、ベースライン変数のレベルとＭＩの罹患との間の関係を試験するために使用した。このモデルには、７個の生体マーカーと９個の確立されている臨床的ファクターを含めた。

ロジスティック回帰モデルを使用して、これらの変数のそれぞれと関係がある係数を決定した。

このモデルを使用した個体についてのリスク点数は、リスクに対するその相対的な寄与を反映している係数を、それぞれの変数の測定レベルまたは測定値に掛け算し、それぞれの掛け算の結果を線形的に足し算してリスク発生確率を得ることにより、計算した。上記の表において連続変数として処理した変数（すなわち、ボディーマス指数、トリグリセリドレベル、クレアチニン、アルカリホスファターゼ、アポリポタンパク質Ｂ、アポリポタンパク質Ａ１、α−１抗トリプシン、高感度Ｃ反応性タンパク質、およびトランスフェリン飽和度）の測定レベルは、係数を掛け算する前に自然対数に変換する（すなわち、底ｅを使用し、ここでは、ｅは、およそ２．７１８２８１８３である）。カテゴリー変数については、個々のカテゴリーと関係がある係数に、単位元を掛け算する（例えば、１．５ｍＭのＨＤＬコレステロールは、最終的なリスク点数に対して−０．０６７^＊１寄与することになる）。当業者に理解されているように、定数項は、計算したリスク発生確率を観察したリスクに対して較正するために、掛け算の結果のこの和に加えることができる。

図８は、これらの７５１人の被験体において将来のＭＩを予測することにおけるこの分析の性能を示しているＲＯＣ曲線である。図８において見ることができるように、従来のリスクファクターとともに表８に列挙した７個の生体マーカーを使用した（まとめて表９に列挙した）この分析は、近い将来のＭＩのリスクの統計学的に有意な予測変数であり、ＲＯＣ曲線中のフティルティラインと比較して、＜０．０５のｐ値を有している。

（実施例５）
研究対象集団、確立されているリスクファクター、および推定される生体マーカーは、実施例１に記載したとおりである。血圧（５つのカテゴリーにカテゴリー化した（収縮期血圧／拡張期血圧：１２０／８０ｍｍＨｇ未満、≧１２０／８０ｍｍＨｇかつ＜１３０／８５ｍｍＨｇ、≧１３０／８５ｍｍＨｇかつ＜１４０／９０ｍｍＨｇ、≧１４０／９０ｍｍＨｇかつ＜１６０／１００ｍｍＨｇ、または≧１６０／１００ｍｍＨｇもしくは降圧療法の使用）、喫煙状況（非喫煙、喫煙者、喫煙歴あり）、真性糖尿病（有／無）、若年性ＭＩの家族歴（有／無）、ボディーマス指数（連続変数として処理した）、ならびに身体活動性（２分割した：１週間に４時間未満の運動および座業、または１週間に４時間を超える運動および／もしくは非座業）を除き、確立されているリスクファクターと推定される生体マーカーを示している変数は、連続変数として処理した。

ロジスティック回帰モデルを、ベースライン変数のレベルとＭＩの罹患との間の関係を試験するために使用した。このモデルには、実施例１において同定し、以下の表１０に列挙する８個の生体マーカーを含めた。

ロジスティック回帰モデルを使用して、８個の生体マーカーのそれぞれと関係がある係数を決定した。

表１０のそれぞれの生体マーカーについての測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（アポリポタンパク質Ｂ）＋ｂ２^＊ｌｎ（アポリポタンパク質Ａ１）＋ｂ３^＊ｌｎ（トランスフェリン）＋ｂ４^＊ｌｎ（α−１抗トリプシン）＋ｂ５^＊ｌｎ（α−フェトプロテイン）＋ｂ６^＊ｌｎ（β−２−ミクログロブリン）＋ｂ７^＊ｌｎ（癌胎児性抗原）＋ｂ８^＊ｌｎ（血管内皮増殖因子）
式中、ｂ１〜ｂ８は、表１０に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。

このモデルの性能を以下のように評価した。このモデルによるスコアを個々の個体について計算した。さらに、９個の確立されている臨床的リスクファクター（喫煙状況、糖尿病の状況、高血圧、総コレステロール値、ＨＤＬコレステロール値、ボディーマス指数、運動不足の状況、若年性ＭＩの家族歴、およびトリグリセリドレベル）だけを検討するロジスティック回帰分析によるスコアもまた、コンピューターにより計算した（これらの９個の確立されている臨床的リスクファクターのカテゴリー分類および定義の詳細については、実施例１および３を参照のこと）。続いて、ＲＯＣ曲線下面積（「ＡＵＣ」）を、スコアに基づく８個の生体マーカーを含むモデルについて、そして９個の確立されている臨床的リスクファクターだけを含むモデルについて計算した。加えて、純再分類改善度（「ＮＲＩ」）、統合識別改善度（「ＩＤＩ」）、および相対的統合識別改善度（「相対的ＩＤＩ」）を、９個の確立されている臨床的リスクファクターだけを含むモデルと比較して、このスコアに基づいて８個の生体マーカーを含むモデルについて計算した。結果は以下のとおりである：
８個の生体マーカーのモデルについてのＡＵＣ：０．７３（９５％の信頼区間（ＣＩ）：０．６９〜０．７７）
９個の確立されているリスクファクターのモデルについてのＡＵＣ：０．６８（９５％のＣＩ：０．６３〜０．７２）
２つのモデル間でのＡＵＣの差についてのｐ値：ｐ＝０．０２７
ＮＲＩ＝１５．１％（ｐ＜０．０１）
ＩＤＩ＝６．８％（ｐ＜０．０１）
相対的ＩＤＩ＝４．７％（ｐ＜０．０１）
（ＮＲＩ、ＩＤＩ、および相対的ＩＤＩ、ならびにそれぞれのＰ値は以下に議論されているように計算する：Ｐｅｎｃｉｎａ ＭＪ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｓｒ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｊｒ，Ｖａｓａｎ ＲＳ．Ｅｖａｌｕａｔｉｎｇ ｔｈｅ ａｄｄｅｄ ｐｒｅｄｉｃｔｉｖｅ ａｂｉｌｉｔｙ ｏｆ ａ ｎｅｗ ｍａｒｋｅｒ：ｆｒｏｍ ａｒｅａ ｕｎｄｅｒ ｔｈｅ ＲＯＣ ｃｕｒｖｅ ｔｏ ｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｂｅｙｏｎｄ．Ｓｔａｔ Ｍｅｄ ２００８ Ｊａｎ．３０；２７（２）：１５７−７２）。

このように、表１０に列挙した８個の生体マーカーを使用したこの分析は、従来のリスクファクターよりも優れた、近い将来のＭＩのリスクの予測変数である。

（実施例６）
研究対象集団、確立されているリスクファクター、および推定される生体マーカーは、実施例１に記載したとおりである。確立されているリスクファクターと推定される生体マーカーを示す変数は、血圧（５つのカテゴリーにカテゴリー化した（収縮期血圧／拡張期血圧：１２０／８０ｍｍＨｇ未満、≧１２０／８０ｍｍＨｇかつ＜１３０／８５ｍｍＨｇ、≧１３０／８５ｍｍＨｇかつ＜１４０／９０ｍｍＨｇ、≧１４０／９０ｍｍＨｇかつ＜１６０／１００ｍｍＨｇ、または≧１６０／１００ｍｍＨｇもしくは降圧療法の使用）、喫煙状況（非喫煙、喫煙者、喫煙歴あり）、真性糖尿病（有／無）、若年性ＭＩの家族歴（有／無）、ボディーマス指数（連続変数として処理した）、ならびに身体活動性（２分割した：１週間に４時間未満の運動および座業、または１週間に４時間を超える運動および／もしくは非座業）を除き、連続変数として処理した。

ロジスティック回帰モデルを、ベースライン変数のレベルとＭＩの罹患との間の関係を試験するために使用した。本実施例のモデルには、実施例５のモデルにおいて使用した８個の生体マーカーのうちの７個、すなわち、アポリポタンパク質Ｂ、アポリポタンパク質Ａ１、トランスフェリン、α−１抗トリプシン、α−フェトプロテイン、β−２−ミクログロブリン、および癌胎児性抗原を含める。このモデルから血管内皮増殖因子を排除することによっては、ＭＩのリスクの予測におけるその性能は低下しなかったことが明らかになった。

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（アポリポタンパク質Ｂ）＋ｂ２^＊ｌｎ（アポリポタンパク質Ａ１）＋ｂ３^＊ｌｎ（トランスフェリン）＋ｂ４^＊ｌｎ（α−１抗トリプシン）＋ｂ５^＊ｌｎ（αフェトプロテイン）＋ｂ６^＊ｌｎ（β−２−ミクログロブリン）＋ｂ７^＊ｌｎ（癌胎児性抗原）
式中、ｂ１〜ｂ７は表１２に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。

このモデルによるスコアを、それぞれの個体について計算した。加えて、９個の確立されている臨床的リスクファクター（喫煙状況、糖尿病の状況、高血圧、総コレステロール値、ＨＤＬコレステロール値、ボディーマス指数、運動不足の状況、若年性ＭＩの家族歴、およびトリグリセリドレベル）だけを検討するロジスティック回帰分析から導いたスコアもまたコンピューターにより計算した（これらの９個の確立されている臨床的リスクファクターのカテゴリー化および定義の詳細については、実施例１および３を参照のこと）。続いて、ＲＯＣ曲線下面積（「ＡＵＣ」）を、スコアに基づく７個の生体マーカーを含むモデルについて、そして９個の確立されている臨床的リスクファクターだけを含むモデルについて計算した。加えて、純再分類改善度（「ＮＲＩ」）、統合識別改善度（「ＩＤＩ」）、および相対的統合識別改善度（「相対的ＩＤＩ」）を、９個の確立されている臨床的リスクファクターだけを含むモデルと比較して、スコアに基づく７個の生体マーカーを含むモデルについて計算した。結果は以下のとおりである：
７個の生体マーカーのモデルについてのＡＵＣ：０．７４（９５％の信頼区間（ＣＩ）：０．７１〜０．７８）
９個の確立されているリスクファクターのモデルについてのＡＵＣ：０．６８（９５％のＣＩ：０．６３〜０．７２）
２つのモデル間でのＡＵＣの差についてのｐ値：ｐ＝０．００７
ＮＲＩ＝２０．９％（ｐ＜０．０１）
ＩＤＩ＝８．２％（ｐ＜０．０１）
相対的ＩＤＩ＝５．６％（ｐ＜０．０１）
ＮＲＩ、ＩＤＩ、および相対的ＩＤＩ、ならびにそれぞれのＰ値は、実施例５と同様に計算する。

このように、表１２に列挙した７個の生体マーカーを使用したこの分析は、従来のリスクファクターよりも優れた、近い将来のＭＩのリスクの予測変数である。

（実施例７）
研究対象集団、確立されているリスクファクター、および推定される生体マーカーは、実施例１に記載したとおりである。推定される生体マーカーを示す変数は、連続変数として処理した。

ロジスティック回帰モデルを、ベースライン変数とＭＩの罹患との間の関係を評価するために評価した。本実施例のモデルは、以下の４種類の血漿分析物（すなわち、４個の生体マーカー：α−１抗トリプシン、癌胎児性抗原、β−２−ミクログロブリン、およびＮ末端Ｂ型ナトリウム利尿ペプチド（ＮＴ−プロＢＮＰ））を含む。

（モデル１）
４種類の血漿分析物（すなわち、４個の生体マーカー：α−１抗トリプシン、癌胎児性抗原、β−２−ミクログロブリン、およびＮ末端Ｂ型ナトリウム利尿ペプチド）だけを予測変数として含む非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、４種類の分析物のそれぞれの係数を以下にように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（α−１抗トリプシン）＋ｂ２^＊ｌｎ（癌胎児性抗原）＋ｂ３^＊ｌｎ（β−２−ミクログロブリン）＋ｂ４^＊ｌｎ（ＮＴ−プロＢＮＰ）
式中、ｂ１〜ｂ４は上記表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。加えられる定数項が、それぞれの個体のリスク点数に対して同じ様式で加えられるという条件で、さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験から４年以内のＭＩの高い可能性を示す。図９は、上記の方程式から導いたリスク点数と、４年以内のＭＩの条件付き確率との間での関係を説明する。図９においては、十字記号は、４年以内にはＭＩを経験しなかった個体を示し、円形記号は、４年以内にＭＩを経験した個体を示す。−２．５５の定数切片値（ｃｏｎｓｔａｎｔ ｉｎｔｅｒｃｅｐｔ ｖａｌｕｅ）をそれぞれの個体のリスク点数に加えたことに留意されたい。データは、７５１人の個体（そのうちの２５２人は血液検査の４年以内にＭＩを経験した）の研究により得た。図９による１つの可能性のある閾値は、１以上の値のリスク点数が高いリスクのグループを定義し、一方、−１以下のリスク点数値が低いリスクのグループを定義し、−１〜１の間のリスク点数が中程度のリスクのグループを示す閾値である。当業者は、そのような閾値が、様々な臨床的に関連する要因（例えば、所望される感度、特異性、正および負の予測値、様々な年齢、性別、または民族もしくは人種など）に基づいて異なり得ることを理解するであろう。

図１０Ａは、本研究の被験体についての、症例と対照の間でのリスク点数の分布を説明し、図１０Ｂは、各被験体のリスク点数に基づく、予測した４年以内のＭＩの条件付き確率の分布を説明する。

当業者は、それぞれの分析物と関係がある係数が、例えば、測定技術、研究室の環境条件、および血液検体の収集、保存、および処理手順、ならびに測定単位のような様々な要因により異なり得ることを理解するであろう。それぞれの分析物と関係がある上記係数は、１つの特定の実施形態を示す。

図１０Ａは、近い将来にＭＩを経験した個体について、および本研究において近い将来にＭＩを経験しなかった個体について、上記の方程式にしたがって計算したリスク点数の分布のグラフによる表示である。図１０Ｂは、各被験体のリスク点数値に基づく、予測した４年以内のＭＩの条件付き確率の分布を説明する。

受信者動作特性（ＲＯＣ）曲線下の面積「ＡＵＣ」を、４個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣと、それに付随する９５％の信頼区間（ＣＩ）が０．６７４（９５％のＣＩ：０．６３１〜０．７１５）であることが明らかになった。これが、予測または予後について正確さを示さない０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値（ｐ＜０．０５の有意性のレベルで）とはかなり異なることが明らかになった。よって、表１４に列挙した４個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付けられる。

（モデル２）
４種類の血漿分析物（すなわち、４個の生体マーカー：α−１抗トリプシン、癌胎児性抗原、β−２−ミクログロブリン、およびＮ末端Ｂ型ナトリウム利尿ペプチドと、年齢を予測変数として含む非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、５個の変数のそれぞれの係数を以下のように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（α−１抗トリプシン）＋ｂ２^＊ｌｎ（癌胎児性抗原）＋ｂ３^＊ｌｎ（β−２−ミクログロブリン）＋ｂ４^＊ｌｎ（ＮＴ−プロＢＮＰ）＋ｂ５^＊（年齢）
式中、ｂ１〜ｂ５は上記の表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験後４年以内のＭＩの高い可能性を示す。

受信者動作特性（「ＲＯＣ」）曲線について、「ＡＵＣ」を、４個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣとそれに付随する９５％の信頼区間（ＣＩ）が、０．７０４（９５％のＣＩ：０．６６１〜０．７４５）であることが明らかになった。これが、０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値とはかなり異なることが明らかになった（ｐ＜０．０５）。よって、表１６に列挙した５個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付ける。

（付加した予測値）
血漿分析物の測定から導いたこのスコアの付加により、ＭＩの発症についての付加した予測値が従来のリスクファクターのシンプルな評価を上回るかどうかを決定するために、以下の演習も行った。４種類の血漿分析物の変数ならびに従来のリスクファクターを示す９個のさらなる変数を含むロジスティック回帰モデル（例えば、Ｗｉｌｓｏｎ ＰＷ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ，Ｌｅｖｙ Ｄ，Ｂｅｌａｎｇｅｒ ＡＭ，Ｓｉｌｂｅｒｓｈａｔｚ Ｈ，Ｋａｎｎｅｌ ＷＢ．Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ｈｅａｒｔ ｄｉｓｅａｓｅ ｕｓｉｎｇ ｒｉｓｋ ｆａｃｔｏｒ ｃａｔｅｇｏｒｉｅｓ．Ｃｉｒｃｕｌａｔｉｏｎ ９７：１８３７−４７（１９９８）を参照のこと）を評価した。その後、１３個の変数を含むこのモデルを、従来のリスクファクターを示す９個の変数だけを含むモデルに対して比較し、４種類の血漿生体マーカーを付加した際のリスク予測の改善についての証拠を探した。検討した９個の従来のリスクファクターは、医学界でコンセンサスが得られており、以下のとおりである（全てが、採血時に評価される）：（ｉ）喫煙（非喫煙、喫煙歴あり、または喫煙者）、（ｉｉ）血圧（以下のような５つのカテゴリーにカテゴリー化する：血圧；＜１２０／８０ｍｍＨｇ、≧１２０／８０ｍｍＨｇかつ＜１３０／８５ｍｍＨｇ、≧１３０／８５ｍｍＨｇかつ＜１４０／９０ｍｍＨｇ、≧１４０／９０ｍｍＨｇかつ＜１６０／１００ｍｍＨｇ、および≧１６０／１００ｍｍＨｇまたは降圧療法の使用、ここでは、分子が収縮期血圧であり、分母が拡張期血圧である）、（ｉｉｉ）総コレステロール（未変換の連続変数として処理する）、（ｉｖ）高密度リポタンパク質（ＨＤＬ）コレステロール（未変換の連続変数として処理する）、（ｖ）糖尿病の状況（有／無）、（ｖｉ）年齢（未変換の連続変数として処理する）、（ｖｉｉ）性別、（ｖｉｉｉ）スタチン治療の使用（有／無）、（ｉｘ）採血した年度（２００１年、２００２年、２００３年、２００４年、２００５年、または２００６年）。

続いて、ＲＯＣ曲線下面積（「ＡＵＣ」）を、スコアに基づく４個の生体マーカーと９個の従来のリスクファクター変数を含むモデルについて、そして上記に列挙した９個の確立されている臨床的リスクファクターだけを含む（４個の生体マーカーを含まない）モデルについて計算した。加えて、統合識別改善度（「ＩＤＩ」）を、これらの２つのモデルを比較することにより計算した（ｐｅｒ Ｐｅｎｃｉｎａ ＭＪ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｓｒ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｊｒ，Ｖａｓａｎ ＲＳ．Ｅｖａｌｕａｔｉｎｇ ｔｈｅ ａｄｄｅｄ ｐｒｅｄｉｃｔｉｖｅ ａｂｉｌｉｔｙ ｏｆ ａ ｎｅｗ ｍａｒｋｅｒ：ｆｒｏｍ ａｒｅａ ｕｎｄｅｒ ｔｈｅ ＲＯＣ ｃｕｒｖｅ ｔｏ ｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｂｅｙｏｎｄ．Ｓｔａｔ Ｍｅｄ ２００８ Ｊａｎ．３０；２７（２）：１５７−７２）。結果は以下のとおりである：
４個の生体マーカーのモデル＋９個の従来のリスクファクターについてのＡＵＣ：０．７５４（９５％の信頼区間（ＣＩ）：０．７１４〜０．７９０）
９個の確立されているリスクファクターだけについてのＡＵＣ：０．６８２（９５％のＣＩ：０．６３９〜０．７２２）
２つのモデル間でのＡＵＣの差についてのｐ値：ｐ＜０．００１
ＩＤＩ＝７．９％（９５％のＣＩ：５．７％〜１０．０％）、ｐ＜０．００１。

したがって、４個の生体マーカー（すなわち、α−１抗トリプシン、癌胎児性抗原、β−２−ミクログロブリン、およびＮ末端Ｂ型ナトリウム利尿ペプチド）を従来のリスクファクターに加えることにより、従来のリスクファクターだけよりも優れた、近い将来のＭＩのリスク予測のための生体マーカーのセットが得られる。

（実施例８）
研究対象集団、確立されているリスクファクター、および推定される生体マーカーは、実施例１に記載したとおりである。推定される生体マーカーを示す変数は連続変数として処理する。

ロジスティック回帰モデルを、ベースライン変数とＭＩの罹患との間の関係を評価するために評価した。本実施例のモデルには、以下の３種類の血漿分析物（すなわち、３個の生体マーカー：α−１抗トリプシン、癌胎児性抗原、およびβ−２−ミクログロブリン）を含める。

（モデル１）
３種類の血漿分析物（すなわち、３種類の生体マーカー：α−１抗トリプシン、癌胎児性抗原、およびβ−２−ミクログロブリン）だけを予測変数として含めた非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、３個の分析物のそれぞれの係数を、以下のように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（α−１抗トリプシン）＋ｂ２^＊ｌｎ（癌胎児性抗原）＋ｂ３^＊ｌｎ（β−２−ミクログロブリン）
式中、ｂ１〜ｂ３は上記の表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験後４年以内のＭＩの高い可能性を示す。

受信者動作特性（「ＲＯＣ」）曲線下面積、「ＡＵＣ」を、３個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣとそれに付随する９５％の信頼区間（ＣＩ）が、０．６７（９５％のＣＩ：０．６３〜０．７１）であることが明らかになった。これが、０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値とはかなり異なることが明らかになった（ｐ＜０．０５）。よって、表１８に列挙した３個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付けられる。

（モデル２）
３種類の血漿分析物（すなわち、３個の生体マーカー：α−１抗トリプシン、癌胎児性抗原、β−２−ミクログロブリン）および年齢を予測変数として含む非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、５個の変数のそれぞれの係数を以下のように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（α−１抗トリプシン）＋ｂ２^＊ｌｎ（癌胎児性抗原）＋ｂ３^＊ｌｎ（β−２−ミクログロブリン）＋ｂ４^＊（年齢）
式中、ｂ１〜ｂ４は上記の表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験後４年以内のＭＩの高い可能性を示す。

受信者動作特性（「ＲＯＣ」）曲線下面積、「ＡＵＣ」を、３個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣとそれに付随する９５％の信頼区間（ＣＩ）が、０．７０（９５％のＣＩ：０．６５〜０．７４）であることが明らかになった。これが、０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値とはかなり異なることが明らかになった（ｐ＜０．０５）。よって、表２０に列挙した４個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付けられる。

（付加した予測値）
血漿分析物の測定から導いたこのスコアの付加により、ＭＩの発症についての付加した予測値が従来のリスクファクターのシンプルな評価を上回るかどうかを決定するために、以下の演習も行った。３種類の血漿分析物の変数ならびに従来のリスクファクターを示す９個のさらなる変数を含むロジスティック回帰モデル（例えば、Ｗｉｌｓｏｎ ＰＷ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ，Ｌｅｖｙ Ｄ，Ｂｅｌａｎｇｅｒ ＡＭ，Ｓｉｌｂｅｒｓｈａｔｚ Ｈ，Ｋａｎｎｅｌ ＷＢ．Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ｈｅａｒｔ ｄｉｓｅａｓｅ ｕｓｉｎｇ ｒｉｓｋ ｆａｃｔｏｒ ｃａｔｅｇｏｒｉｅｓ．Ｃｉｒｃｕｌａｔｉｏｎ ９７：１８３７−４７（１９９８）を参照のこと）を評価した。その後、１２個の変数を含むこのモデルを、従来のリスクファクターを示す９個の変数だけを含むモデルに対して比較し、３種類の血漿生体マーカーを付加した際のリスク予測の改善についての証拠を探した。検討した９個の従来のリスクファクターは、医学界でコンセンサスが得られており、以下のとおりである（全てが、採血時に評価される）：（ｉ）喫煙（非喫煙、喫煙歴あり、または喫煙者）、（ｉｉ）血圧（以下のような５つのカテゴリーにカテゴリー化する：血圧；＜１２０／８０ｍｍＨｇ、≧１２０／８０ｍｍＨｇかつ＜１３０／８５ｍｍＨｇ、≧１３０／８５ｍｍＨｇかつ＜１４０／９０ｍｍＨｇ、≧１４０／９０ｍｍＨｇかつ＜１６０／１００ｍｍＨｇ、および≧１６０／１００ｍｍＨｇまたは降圧療法の使用、ここでは、分子が収縮期血圧であり、分母が拡張期血圧である）、（ｉｉｉ）総コレステロール（未変換の連続変数として処理する）、（ｉｖ）高密度リポタンパク質（ＨＤＬ）コレステロール（未変換の連続変数として処理する）、（ｖ）糖尿病の状況（有／無）、（ｖｉ）年齢（未変換の連続変数として処理する）、（ｖｉｉ）性別、（ｖｉｉｉ）スタチン治療の使用（有／無）、（ｉｘ）採血した年度（２００１年、２００２年、２００３年、２００４年、２００５年、または２００６年）。

続いて、ＲＯＣ曲線下面積（「ＡＵＣ」）を、スコアに基づく３個の生体マーカーと９個の従来のリスクファクター変数を含むモデルについて、および上記に列挙した９個の確立されている臨床的リスクファクターだけを含む（３個の生体マーカーを含まない）モデルについて計算した。加えて、統合識別改善度（「ＩＤＩ」）を、これらの２つのモデルを比較することにより計算した（ｐｅｒ Ｐｅｎｃｉｎａ ＭＪ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｓｒ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｊｒ，Ｖａｓａｎ ＲＳ．Ｅｖａｌｕａｔｉｎｇ ｔｈｅ ａｄｄｅｄ ｐｒｅｄｉｃｔｉｖｅ ａｂｉｌｉｔｙ ｏｆ ａ ｎｅｗ ｍａｒｋｅｒ：ｆｒｏｍ ａｒｅａ ｕｎｄｅｒ ｔｈｅ ＲＯＣ ｃｕｒｖｅ ｔｏ ｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｂｅｙｏｎｄ．Ｓｔａｔ Ｍｅｄ ２００８ Ｊａｎ．３０；２７（２）：１５７−７２）。結果は以下のとおりである：
３個の生体マーカーのモデル＋９個の従来のリスクファクターについてのＡＵＣ：０．７５（９５％の信頼区間（ＣＩ）：０．７１〜０．７８）
９個の確立されているリスクファクターだけについてのＡＵＣ：０．６８（９５％のＣＩ：０．６４〜０．７２）
２つのモデル間でのＡＵＣの差についてのｐ値：ｐ＜０．００１
ＩＤＩ＝６．６％（９５％のＣＩ：４．６％〜８．６％）、ｐ＜０．００１。

このように、３個の生体マーカー（すなわち、α−１抗トリプシン、癌胎児性抗原、およびβ−２−ミクログロブリン）を従来のリスクファクターに加えることにより、従来のリスクファクターだけよりも優れた、近い将来のＭＩのリスク予測のための生体マーカーのセットが得られる。

（実施例９）
研究対象集団、確立されているリスクファクター、および推定される生体マーカーは、実施例１に記載したとおりである。推定される生体マーカーを示す変数は連続変数として処理する。

ロジスティック回帰モデルを、ベースライン変数とＭＩの罹患との間の関係を評価するために評価した。本実施例のモデルには、以下の３種類の血漿分析物（すなわち、３個の生体マーカー：Ｃ反応性タンパク質、癌胎児性抗原、およびβ−２−ミクログロブリン）を含める。

（モデル１）
３種類の血漿分析物（すなわち、３個の生体マーカー：Ｃ反応性タンパク質、癌胎児性抗原、およびβ−２−ミクログロブリン）だけを予測変数として含む非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、３種類の分析物のそれぞれの係数を以下のように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（Ｃ反応性タンパク質）＋ｂ２^＊ｌｎ（癌胎児性抗原）＋ｂ３^＊ｌｎ（β−２−ミクログロブリン）
式中、ｂ１〜ｂ３は上記の表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験後４年以内のＭＩの高い可能性を示す。

受信者動作特性（「ＲＯＣ」）曲線下面積、「ＡＵＣ」を、３個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣとそれに付随する９５％の信頼区間（ＣＩ）が、０．６６（９５％のＣＩ：０．６２〜０．７０）であることが明らかになった。これが、０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値とはかなり異なることが明らかになった（ｐ＜０．０５）。よって、表２２に列挙した３個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付けられる。

（モデル２）
３種類の血漿分析物（すなわち、３個の生体マーカー：Ｃ反応性タンパク質、癌胎児性抗原、およびβ−２−ミクログロブリン）と年齢を予測変数として含む非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、５個の変数のそれぞれの係数を以下のように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（Ｃ反応性タンパク質）＋ｂ２^＊ｌｎ（癌胎児性抗原）＋ｂ３^＊ｌｎ（β−２−ミクログロブリン）＋ｂ４^＊（年齢）
式中、ｂ１〜ｂ４は上記の表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験後４年以内のＭＩの高い可能性を示す。

受信者動作特性（「ＲＯＣ」）曲線下面積、「ＡＵＣ」を、３個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣとそれに付随する９５％の信頼区間（ＣＩ）が、０．６９（９５％のＣＩ：０．６５〜０．７２）であることが明らかになった。これが、０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値とはかなり異なることが明らかになった（ｐ＜０．０５）。よって、表２４に列挙した４個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付けられる。

（付加した予測値）
血漿分析物の測定から導いたこのスコアの付加により、ＭＩの発症についての付加した予測値が従来のリスクファクターのシンプルな評価を上回るかどうかを決定するために、以下の演習も行った。３種類の血漿分析物の変数ならびに従来のリスクファクターを示す９個のさらなる変数を含むロジスティック回帰モデル（例えば、Ｗｉｌｓｏｎ ＰＷ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ，Ｌｅｖｙ Ｄ，Ｂｅｌａｎｇｅｒ ＡＭ，Ｓｉｌｂｅｒｓｈａｔｚ Ｈ，Ｋａｎｎｅｌ ＷＢ．Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ｈｅａｒｔ ｄｉｓｅａｓｅ ｕｓｉｎｇ ｒｉｓｋ ｆａｃｔｏｒ ｃａｔｅｇｏｒｉｅｓ．Ｃｉｒｃｕｌａｔｉｏｎ ９７：１８３７−４７（１９９８）を参照のこと）を評価した。その後、１２個の変数を含むこのモデルを、従来のリスクファクターを示す９個の変数だけを含むモデルに対して比較し、３種類の血漿生体マーカーを付加した際のリスク予測の改善についての証拠を探した。検討した９個の従来のリスクファクターは、医学界でコンセンサスが得られており、以下のとおりである（全てが、採血時に評価される）：（ｉ）喫煙（非喫煙、喫煙歴あり、または喫煙者）、（ｉｉ）血圧（以下のような５つのカテゴリーにカテゴリー化する：血圧；＜１２０／８０ｍｍＨｇ、≧１２０／８０ｍｍＨｇかつ＜１３０／８５ｍｍＨｇ、≧１３０／８５ｍｍＨｇかつ＜１４０／９０ｍｍＨｇ、≧１４０／９０ｍｍＨｇかつ＜１６０／１００ｍｍＨｇ、および≧１６０／１００ｍｍＨｇまたは降圧療法の使用、ここでは、分子が収縮期血圧であり、分母が拡張期血圧である）、（ｉｉｉ）総コレステロール（未変換の連続変数として処理する）、（ｉｖ）高密度リポタンパク質（ＨＤＬ）コレステロール（未変換の連続変数として処理する）、（ｖ）糖尿病の状況（有／無）、（ｖｉ）年齢（未変換の連続変数として処理する）、（ｖｉｉ）性別、（ｖｉｉｉ）スタチン治療の使用（有／無）、（ｉｘ）採血した年度（２００１年、２００２年、２００３年、２００４年、２００５年、または２００６年）。

続いて、ＲＯＣ曲線下面積（「ＡＵＣ」）を、スコアに基づく３個の生体マーカーと９個の従来のリスクファクター変数を含むモデルについて、および上記に列挙した９個の確立されている臨床的リスクファクターだけを含む（３個の生体マーカーは含まない）モデルについて計算した。加えて、統合識別改善度（「ＩＤＩ」）を、これらの２つのモデルを比較することにより計算した（ｐｅｒ Ｐｅｎｃｉｎａ ＭＪ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｓｒ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｊｒ，Ｖａｓａｎ ＲＳ．Ｅｖａｌｕａｔｉｎｇ ｔｈｅ ａｄｄｅｄ ｐｒｅｄｉｃｔｉｖｅ ａｂｉｌｉｔｙ ｏｆ ａ ｎｅｗ ｍａｒｋｅｒ：ｆｒｏｍ ａｒｅａ ｕｎｄｅｒ ｔｈｅ ＲＯＣ ｃｕｒｖｅ ｔｏ ｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｂｅｙｏｎｄ．Ｓｔａｔ Ｍｅｄ ２００８ Ｊａｎ．３０；２７（２）：１５７−７２）。結果は以下のとおりである：
３個の生体マーカーのモデル＋９個の従来のリスクファクターについてのＡＵＣ：０．７３（９５％の信頼区間（ＣＩ）：０．６９〜０．７７）
９個の確立されているリスクファクターだけについてのＡＵＣ：０．６８（９５％のＣＩ：０．６４〜０．７２）
２つのモデル間でのＡＵＣの差についてのｐ値：ｐ＜０．００１
ＩＤＩ＝５．０％（９５％のＣＩ：３．３％〜６．８％）、ｐ＜０．００１
このように、３個の生体マーカー（すなわち、Ｃ反応性タンパク質、癌胎児性抗原、およびβ−２−ミクログロブリン）を従来のリスクファクターに加えることにより、従来のリスクファクターだけよりも優れた、近い将来のＭＩのリスク予測のための生体マーカーのセットが得られる。

（実施例１０）
研究対象集団、確立されているリスクファクター、および推定される生体マーカーは、実施例１に記載したとおりである。推定される生体マーカーを示す変数は連続変数として処理する。

ロジスティック回帰モデルを、ベースライン変数と心筋のＭＩの罹患との間の関係を評価するために評価した。本実施例のモデルには、以下の５種類の血漿分析物（すなわち、５個の生体マーカー：α−１抗トリプシン、癌胎児性抗原、β−２−ミクログロブリン、アポリポタンパク質Ｂ、およびアポリポタンパク質Ａ１）を含める。

（モデル１）
５種類の血漿分析物（すなわち、５個の生体マーカー：α−１抗トリプシン、癌胎児性抗原、β−２−ミクログロブリン、アポリポタンパク質Ｂ、およびアポリポタンパク質Ａ１）だけを予測変数として含む非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、５個の分析物のそれぞれの係数を以下のように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（α−１抗トリプシン）＋ｂ２^＊ｌｎ（癌胎児性抗原）＋ｂ３^＊ｌｎ（β−２−ミクログロブリン）＋ｂ４^＊ｌｎ（アポリポタンパク質Ｂ）＋ｂ５^＊ｌｎ（アポリポタンパク質Ａ１）
式中、ｂ１〜ｂ５は上記の表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験後４年以内のＭＩの高い可能性を示す。

受信者動作特性（「ＲＯＣ」）曲線下面積、「ＡＵＣ」を、５個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣとそれに付随する９５％の信頼区間（ＣＩ）が、０．７２（９５％のＣＩ：０．６８〜０．７６）であることが明らかになった。これが、０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値とはかなり異なることが明らかになった（ｐ＜０．０５）。よって、表２６に列挙した５個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付けられる。

（モデル２）
５種類の血漿分析物（すなわち、５個の生体マーカー：Ｃ反応性タンパク質、癌胎児性抗原、およびβ−２−ミクログロブリン）と年齢を予測変数として含む非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、５個の変数のそれぞれの係数を以下のように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（α−１抗トリプシン）＋ｂ２^＊ｌｎ（癌胎児性抗原）＋ｂ３^＊ｌｎ（β−２−ミクログロブリン）＋ｂ４^＊ｌｎ（アポリポタンパク質Ｂ）＋ｂ５^＊ｌｎ（アポリポタンパク質Ａ１）＋ｂ６^＊（年齢）
式中、ｂ１〜ｂ６は上記の表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験後４年以内のＭＩの高い可能性を示す。

受信者動作特性（「ＲＯＣ」）曲線下面積、「ＡＵＣ」を、５個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣとそれに付随する９５％の信頼区間（ＣＩ）が、０．７３（９５％のＣＩ：０．６９〜０．７７）であることが明らかになった。これが、０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値とはかなり異なることが明らかになった（ｐ＜０．０５）。よって、表２８に列挙した６個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付けられる。

（付加した予測値）
血漿分析物の測定から導いたこのスコアの付加により、ＭＩの発症についての付加した予測値が従来のリスクファクターのシンプルな評価を上回るかどうかを決定するために、以下の演習も行った。５種類の血漿分析物の変数ならびに従来のリスクファクターを示す９個のさらなる変数を含むロジスティック回帰モデル（例えば、Ｗｉｌｓｏｎ ＰＷ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ，Ｌｅｖｙ Ｄ，Ｂｅｌａｎｇｅｒ ＡＭ，Ｓｉｌｂｅｒｓｈａｔｚ Ｈ，Ｋａｎｎｅｌ ＷＢ．Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ｈｅａｒｔ ｄｉｓｅａｓｅ ｕｓｉｎｇ ｒｉｓｋ ｆａｃｔｏｒ ｃａｔｅｇｏｒｉｅｓ．Ｃｉｒｃｕｌａｔｉｏｎ ９７：１８３７−４７（１９９８）を参照のこと）を評価した。その後、１２個の変数を含むこのモデルを、従来のリスクファクターを示す９個の変数だけを含むモデルに対して比較し、５種類の血漿生体マーカーを付加した際のリスク予測の改善についての証拠を探した。検討した９個の従来のリスクファクターは、医学界でコンセンサスが得られており、以下のとおりである（全てが、採血時に評価される）：（ｉ）喫煙（非喫煙、喫煙歴あり、または喫煙者）、（ｉｉ）血圧（以下のような５つのカテゴリーにカテゴリー化する：血圧；＜１２０／８０ｍｍＨｇ、≧１２０／８０ｍｍＨｇかつ＜１３０／８５ｍｍＨｇ、≧１３０／８５ｍｍＨｇかつ＜１４０／９０ｍｍＨｇ、≧１４０／９０ｍｍＨｇかつ＜１６０／１００ｍｍＨｇ、および≧１６０／１００ｍｍＨｇまたは降圧療法の使用、ここでは、分子が収縮期血圧であり、分母が拡張期血圧である）、（ｉｉｉ）総コレステロール（未変換の連続変数として処理する）、（ｉｖ）高密度リポタンパク質（ＨＤＬ）コレステロール（未変換の連続変数として処理する）、（ｖ）糖尿病の状況（有／無）、（ｖｉ）年齢（未変換の連続変数として処理する）、（ｖｉｉ）性別、（ｖｉｉｉ）スタチン治療の使用（有／無）、（ｉｘ）採血した年度（２００１年、２００２年、２００３年、２００４年、２００５年、または２００６年）。

続いて、ＲＯＣ曲線下面積（「ＡＵＣ」）を、スコアに基づく５個の生体マーカーと９個の従来のリスクファクター変数を含むモデルについて、および上記に列挙した９個の確立されている臨床的リスクファクターだけを含む（５個の生体マーカーは含まない）モデルについて計算した。加えて、統合識別改善度（「ＩＤＩ」）を、これらの２つのモデルを比較することにより計算した（ｐｅｒ Ｐｅｎｃｉｎａ ＭＪ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｓｒ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｊｒ，Ｖａｓａｎ ＲＳ．Ｅｖａｌｕａｔｉｎｇ ｔｈｅ ａｄｄｅｄ ｐｒｅｄｉｃｔｉｖｅ ａｂｉｌｉｔｙ ｏｆ ａ ｎｅｗ ｍａｒｋｅｒ：ｆｒｏｍ ａｒｅａ ｕｎｄｅｒ ｔｈｅ ＲＯＣ ｃｕｒｖｅ ｔｏ ｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｂｅｙｏｎｄ．Ｓｔａｔ Ｍｅｄ ２００８ Ｊａｎ．３０；２７（２）：１５７−７２）。結果は以下のとおりである：
５個の生体マーカーのモデル＋９個の従来のリスクファクターについてのＡＵＣ：０．７５（９５％の信頼区間（ＣＩ）：０．７１〜０．７８）
９個の確立されているリスクファクターだけについてのＡＵＣ：０．６８（９５％のＣＩ：０．６４〜０．７２）
２つのモデル間でのＡＵＣの差についてのｐ値：ｐ＜０．００１
ＩＤＩ＝７．４％（９５％のＣＩ：５．３％〜９．４％）、ｐ＜０．００１。

このように、５個の生体マーカー（すなわち、α−１抗トリプシン、癌胎児性抗原、β−２−ミクログロブリン、アポリポタンパク質Ｂ、およびアポリポタンパク質Ａ１）を従来のリスクファクターに加えることにより、従来のリスクファクターだけよりも優れた、近い将来のＭＩのリスク予測のための生体マーカーのセットが得られる。

（実施例１１）
研究対象集団、確立されているリスクファクター、および推定される生体マーカーは、実施例１に記載したとおりである。推定される生体マーカーを示す変数は連続変数として処理する。

ロジスティック回帰モデルを、ベースライン変数とＭＩの罹患との間の関係を評価するために評価した。本実施例のモデルには、以下の６種類の血漿分析物（すなわち、６個の生体マーカー：アポリポタンパク質Ｂ、アポリポタンパク質Ａ１、Ｎ末端Ｂ型ナトリウム利尿ペプチド（ＮＴ−プロＢＮＰ）、癌胎児性抗原、β−２−ミクログロブリン、およびＣ反応性タンパク質）を含める。

（モデル１）
６種類の血漿分析物（すなわち、６個の生体マーカー：アポリポタンパク質Ｂ、アポリポタンパク質Ａ１、Ｎ末端Ｂ型ナトリウム利尿ペプチド（ＮＴ−プロＢＮＰ）、癌胎児性抗原、β−２−ミクログロブリン、およびＣ反応性タンパク質）だけを予測変数として含む非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、６種類の分析物のそれぞれの係数を以下のように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（Ｃ反応性タンパク質）＋ｂ２^＊ｌｎ（癌胎児性抗原）＋ｂ３^＊ｌｎ（β−２−ミクログロブリン）＋ｂ４^＊ｌｎ（アポリポタンパク質Ｂ）＋ｂ５^＊ｌｎ（アポリポタンパク質Ａ１）＋ｂ６^＊ｌｎ（ＮＴ−プロＢＮＰ）
式中、ｂ１〜ｂ６は上記の表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験後４年以内のＭＩの高い可能性を示す。

受信者動作特性（「ＲＯＣ」）曲線下面積、「ＡＵＣ」を、６個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣとそれに付随する９５％の信頼区間（ＣＩ）が、０．７１であることが明らかになった（９５％のＣＩ：０．６７〜０．７５）。これが、０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値とはかなり異なることが明らかになった（ｐ＜０．０５）。よって、表３０に列挙した６個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付けられる。

（モデル２）
６種類の血漿分析物（すなわち、６個の生体マーカー：アポリポタンパク質Ｂ、アポリポタンパク質Ａ１、Ｎ末端Ｂ型ナトリウム利尿ペプチド（ＮＴ−プロＢＮＰ）、癌胎児性抗原、β−２−ミクログロブリン、およびＣ反応性タンパク質）と年齢を予測変数として含む非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、６個の変数のそれぞれの係数を以下のように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（Ｃ反応性タンパク質）＋ｂ２^＊ｌｎ（癌胎児性抗原）＋ｂ３^＊ｌｎ（β−２−ミクログロブリン）＋ｂ４^＊ｌｎ（アポリポタンパク質Ｂ）＋ｂ５^＊ｌｎ（アポリポタンパク質Ａ１）＋ｂ６^＊ｌｎ（ＮＴ−プロＢＮＰ）＋ｂ７^＊（年齢）
式中、ｂ１〜ｂ７は上記の表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験後４年以内のＭＩの高い可能性を示す。

受信者動作特性（「ＲＯＣ」）曲線下面積、「ＡＵＣ」を、６個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣとそれに付随する９５％の信頼区間（ＣＩ）が、０．７３（９５％のＣＩ：０．６９〜０．７６）であることが明らかになった。これが、０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値とはかなり異なることが明らかになった（ｐ＜０．０５）。よって、表３２に列挙した７個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付けられる。

（付加した予測値）
血漿分析物の測定から導いたこのスコアの付加により、ＭＩの発症についての付加した予測値が従来のリスクファクターのシンプルな評価を上回るかどうかを決定するために、以下の演習も行った。６種類の血漿分析物の変数ならびに従来のリスクファクターを示す９個のさらなる変数を含むロジスティック回帰モデル（例えば、Ｗｉｌｓｏｎ ＰＷ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ，Ｌｅｖｙ Ｄ，Ｂｅｌａｎｇｅｒ ＡＭ，Ｓｉｌｂｅｒｓｈａｔｚ Ｈ，Ｋａｎｎｅｌ ＷＢ．Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ｈｅａｒｔ ｄｉｓｅａｓｅ ｕｓｉｎｇ ｒｉｓｋ ｆａｃｔｏｒ ｃａｔｅｇｏｒｉｅｓ．Ｃｉｒｃｕｌａｔｉｏｎ ９７：１８３７−４７（１９９８）を参照のこと）を評価した。その後、１２個の変数を含むこのモデルを、従来のリスクファクターを示す９個の変数だけを含むモデルに対して比較し、６種類の血漿生体マーカーを付加した際のリスク予測の改善についての証拠を探した。検討した９個の従来のリスクファクターは、医学界でコンセンサスが得られており、以下のとおりである（全てが、採血時に評価される）：（ｉ）喫煙（非喫煙、喫煙歴あり、または喫煙者）、（ｉｉ）血圧（以下のような６つのカテゴリーにカテゴリー化する）：血圧；＜１２０／８０ｍｍＨｇ、≧１２０／８０ｍｍＨｇかつ＜１３０／８５ｍｍＨｇ、≧１３０／８５ｍｍＨｇかつ＜１４０／９０ｍｍＨｇ、≧１４０／９０ｍｍＨｇかつ＜１６０／１００ｍｍＨｇ、および≧１６０／１００ｍｍＨｇまたは降圧療法の使用、ここでは、分子が収縮期血圧であり、分母が拡張期血圧である）、（ｉｉｉ）総コレステロール（未変換の連続変数として処理する）、（ｉｖ）高密度リポタンパク質（ＨＤＬ）コレステロール（未変換の連続変数として処理する）、（ｖ）糖尿病の状況（有／無）、（ｖｉ）年齢（未変換の連続変数として処理する）、（ｖｉｉ）性別、（ｖｉｉｉ）スタチン治療の使用（有／無）、（ｉｘ）採血した年度（２００１年、２００２年、２００３年、２００４年、２００５年、または２００６年）。

続いて、ＲＯＣ曲線下面積（「ＡＵＣ」）を、スコアに基づく６個の生体マーカーと９個の従来のリスクファクター変数を含むモデルについて、および上記に列挙した９個の確立されている臨床的リスクファクターだけを含む（６個の生体マーカーを含まない）モデルについて計算した。加えて、統合識別改善度（「ＩＤＩ」）を、これらの２つのモデルを比較することにより計算した（ｐｅｒ Ｐｅｎｃｉｎａ ＭＪ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｓｒ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｊｒ，Ｖａｓａｎ ＲＳ．Ｅｖａｌｕａｔｉｎｇ ｔｈｅ ａｄｄｅｄ ｐｒｅｄｉｃｔｉｖｅ ａｂｉｌｉｔｙ ｏｆ ａ ｎｅｗ ｍａｒｋｅｒ：ｆｒｏｍ ａｒｅａ ｕｎｄｅｒ ｔｈｅ ＲＯＣ ｃｕｒｖｅ ｔｏ ｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｂｅｙｏｎｄ．Ｓｔａｔ．Ｍｅｄ．２７（２）：１５７−７２（２００８））。結果は以下のとおりである：
６個の生体マーカーのモデル＋９個の従来のリスクファクターについてのＡＵＣ：０．７５（９５％の信頼区間（ＣＩ）：０．７１〜０．７９）
９個の確立されているリスクファクターだけについてのＡＵＣ：０．６８（９５％のＣＩ：０．６４〜０．７２）
２つのモデル間でのＡＵＣの差についてのｐ値：ｐ＜０．００１
ＩＤＩ＝７．３％（９５％のＣＩ：５．３％〜９．４％）、ｐ＜０．００１
このように、６個の生体マーカー（すなわち、アポリポタンパク質Ｂ、アポリポタンパク質Ａ１、Ｎ末端Ｂ型ナトリウム利尿ペプチド、癌胎児性抗原、β−２−ミクログロブリン、およびＣ反応性タンパク質）を従来のリスクファクターに加えることにより、従来のリスクファクターだけよりも優れた、近い将来のＭＩのリスク予測のための生体マーカーのセットが得られる。

（実施例１２）
研究対象集団、確立されているリスクファクター、および推定される生体マーカーは、実施例１に記載したとおりである。推定される生体マーカーを示す変数は連続変数として処理する。

ロジスティック回帰モデルを、ベースライン変数とＭＩの罹患との間の関係を評価するために評価した。本実施例のモデルには、以下の３種類の血漿分析物（すなわち、３個の生体マーカー：癌胎児性抗原、β−２−ミクログロブリン、およびＮ末端Ｂ型ナトリウム利尿ペプチド（ＮＴ−プロＢＮＰ））を含める。

（モデル１）
３種類の血漿分析物（すなわち、３個の生体マーカー：癌胎児性抗原、β−２−ミクログロブリン、およびＮ末端Ｂ型ナトリウム利尿ペプチド（ＮＴ−プロＢＮＰ））だけを予測変数として含む非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、３種類の分析物のそれぞれの係数を以下のように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（癌胎児性抗原）＋ｂ２^＊ｌｎ（β−２−ミクログロブリン）＋ｂ３^＊ｌｎ（ＮＴ−プロＢＮＰ）
式中、ｂ１〜ｂ３は上記の表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験後４年以内のＭＩの高い可能性を示す。

受信者動作特性（「ＲＯＣ」）曲線下面積、「ＡＵＣ」を、３個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣとそれに付随する９５％の信頼区間（ＣＩ）が、０．６６（９５％のＣＩ：０．６１〜０．７０）であることが明らかになった。これが、０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値とはかなり異なることが明らかになった（ｐ＜０．０５）。よって、表３４に列挙した３個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付けられる。

（モデル２）
３種類の血漿分析物（すなわち、３個の生体マーカー：癌胎児性抗原、β−２−ミクログロブリン、およびＮ末端Ｂ型ナトリウム利尿ペプチド（ＮＴ−プロＢＮＰ））と年齢を予測変数として含む非条件付きロジスティック回帰モデルをフィットさせた。統計ソフトウェア（Ｒソフトウェア、バージョン２．６）を使用して、３個の変数のそれぞれの係数を以下のように推定した：

それぞれの生体マーカーの測定単位は以下のとおりである：

したがって、このモデルを使用して、個体についてのリスク点数を以下のように決定することができる：
ｂ１^＊ｌｎ（癌胎児性抗原）＋ｂ２^＊ｌｎ（β−２−ミクログロブリン）＋ｂ３^＊ｌｎ（ＮＴ−プロＢＮＰ）＋ｂ４^＊（年齢）
式中、ｂ１〜ｂ４は上記の表に列挙した係数であり、ｌｎ（ｘ）は、底ｅを使用して対数変換したｘの値を示す。このモデルによるスコアを、それぞれの個体について計算した。さらなる定数値（「切片項」としても知られている）を、そのような様式で計算したリスク点数に加えることができることが当業者に理解されるであろう。より高いリスク点数は、試験後４年以内のＭＩの高い可能性を示す。

受信者動作特性（「ＲＯＣ」）曲線下面積、「ＡＵＣ」を、３個の生体マーカーから導いた上記リスク点数の方程式に基づいて計算した。ＡＵＣとそれに付随する９５％の信頼区間（ＣＩ）が、０．７０（９５％のＣＩ：０．６６〜０．７４）であることが明らかになった。これが、０．５のｆｕｔｉｌｉｔｙ ＡＵＣ値とはかなり異なることが明らかになった（ｐ＜０．０５）。よって、表３６に列挙した４個の生体マーカーに基づくリスク点数が、近い将来のＭＩのリスクの有意な予測変数であると結論付けられる。

（付加した予測値）
血漿分析物の測定から導いたこのスコアの付加により、ＭＩの発症についての付加した予測値が従来のリスクファクターのシンプルな評価を上回るかどうかを決定するために、以下の演習も行った。３種類の血漿分析物の変数ならびに従来のリスクファクターを示す９個のさらなる変数を含むロジスティック回帰モデル（例えば、Ｗｉｌｓｏｎ ＰＷ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ，Ｌｅｖｙ Ｄ，Ｂｅｌａｎｇｅｒ ＡＭ，Ｓｉｌｂｅｒｓｈａｔｚ Ｈ，Ｋａｎｎｅｌ ＷＢ．Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｃｏｒｏｎａｒｙ ｈｅａｒｔ ｄｉｓｅａｓｅ ｕｓｉｎｇ ｒｉｓｋ ｆａｃｔｏｒ ｃａｔｅｇｏｒｉｅｓ．Ｃｉｒｃｕｌａｔｉｏｎ ９７：１８３７−４７（１９９８）を参照のこと）を評価した。その後、１２個の変数を含むこのモデルを、従来のリスクファクターを示す９個の変数だけを含むモデルに対して比較し、３種類の血漿生体マーカーを付加した際のリスク予測の改善についての証拠を探した。検討した９個の従来のリスクファクターは、医学界でコンセンサスが得られており、以下のとおりである（全てが、採血時に評価される）：（ｉ）喫煙（非喫煙、喫煙歴あり、または喫煙者）、（ｉｉ）血圧（以下のような３つのカテゴリーにカテゴリー化する：血圧；＜１２０／８０ｍｍＨｇ、≧１２０／８０ｍｍＨｇかつ＜１３０／８５ｍｍＨｇ、≧１３０／８５ｍｍＨｇかつ＜１４０／９０ｍｍＨｇ、≧１４０／９０ｍｍＨｇかつ＜１６０／１００ｍｍＨｇ、および≧１６０／１００ｍｍＨｇまたは降圧療法の使用、ここでは、分子が収縮期血圧であり、分母が拡張期血圧である）、（ｉｉｉ）総コレステロール（未変換の連続変数として処理する）、（ｉｖ）高密度リポタンパク質（ＨＤＬ）コレステロール（未変換の連続変数として処理する）、（ｖ）糖尿病の状況（有／無）、（ｖｉ）年齢（未変換の連続変数として処理する）、（ｖｉｉ）性別、（ｖｉｉｉ）スタチン治療の使用（有／無）、（ｉｘ）採血した年度（２００１年、２００２年、２００３年、２００４年、２００５年、または２００６年）。

続いて、ＲＯＣ曲線下面積（「ＡＵＣ」）を、スコアに基づく３個の生体マーカーと９個の従来のリスクファクター変数を含むモデルについて、および上記に列挙した９個の確立されている臨床的リスクファクターだけを含む（３個の生体マーカーは含まない）モデルについて計算した。加えて、統合識別改善度（「ＩＤＩ」）を、これらの２つのモデルを比較することにより計算した（ｐｅｒ Ｐｅｎｃｉｎａ ＭＪ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｓｒ，Ｄ’Ａｇｏｓｔｉｎｏ ＲＢ Ｊｒ，Ｖａｓａｎ ＲＳ．Ｅｖａｌｕａｔｉｎｇ ｔｈｅ ａｄｄｅｄ ｐｒｅｄｉｃｔｉｖｅ ａｂｉｌｉｔｙ ｏｆ ａ ｎｅｗ ｍａｒｋｅｒ：ｆｒｏｍ ａｒｅａ ｕｎｄｅｒ ｔｈｅ ＲＯＣ ｃｕｒｖｅ ｔｏ ｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｂｅｙｏｎｄ．Ｓｔａｔ Ｍｅｄ ２００８ Ｊａｎ．３０；２７（２）：１５７−７２）。結果は以下のとおりである：
３個の生体マーカーのモデル＋９個の従来のリスクファクターについてのＡＵＣ：０．７５（９５％の信頼区間（ＣＩ）：０．７１〜０．７８）
９個の確立されているリスクファクターだけについてのＡＵＣ：０．６８（９５％のＣＩ：０．６４〜０．７２）
２つのモデル間でのＡＵＣの差についてのｐ値：ｐ＜０．００１
ＩＤＩ＝６．７％（９５％のＣＩ：４．７％〜８．６％）、ｐ＜０．００１。

このように、３個の生体マーカー（すなわち、癌胎児性抗原、β−２−ミクログロブリン、およびＮ末端Ｂ型ナトリウム利尿ペプチド）を従来のリスクファクターに加えることにより、従来のリスクファクターだけよりも優れた、近い将来のＭＩのリスク予測のための生体マーカーのセットが得られる。

本出願の見出しおよびセクションの使用が本教示を限定するようには意味されないことが理解されるものとする。各セクションは、本教示の任意の態様、実施形態、または特徴に適用することができる。

本出願を通じて、組成物が特定の成分を有している、含む、または含有していると記載される場合、あるいは、プロセスが、特定の処理工程を有している、含む、または含有していると記載される場合は、本教示の組成物がまた、原則として記載される成分からなるかまたは記載される成分からなること、および本教示のプロセスもまた、原則として記載されるプロセスの工程からなるかまたは記載されるプロセスの工程からなることが意図される。

本出願において、要素もしくは成分が、記載される要素もしくは成分のリストに含まれるおよび／または記載される要素もしくは成分のリストより選択されるといわれる場合には、要素もしくは成分は、記載される要素もしくは成分のうちの任意の１つであり得、また、記載される要素もしくは成分のうちの２つ以上からなる群より選択されてもよいことが理解されるものとする。さらに、本明細書中に記載される組成、器具、もしくは方法の実施形態の要素および／もしくは特徴が、本明細書中で説明されているか暗に意味されているかにはかかわらず、本教示の精神および範囲から逸脱することなく様々な方法において組み合わせることができることが理解されるものとする。

用語「含む（ｉｎｃｌｕｄｅ）」、「含む（ｉｎｃｌｕｄｅｓ）」、「含んでいる（ｉｎｃｌｕｄｉｎｇ）」、「有する（ｈａｖｅ）」、「有する（ｈａｓ）」、または「有している（ｈａｖｉｎｇ）」の使用は、一般的には、別の場所に具体的に記載されていない限りは、開かれており、限定ではないと理解されるものとする。

本明細書中での単数形の使用には、別の場所に具体的に記載されない限りは複数形が含まれる（その逆もまた含まれる）。さらに、単数形「ａ」、「ａｎ」、および「ｔｈｅ」にも、その状況が別の場所に具体的に記載されていない限りは、複数形が含まれる。加えて、量的値の前に用語「約」が使用される場合は、本教示にはまた、別の場所に具体的に記載されていない限りは、特定の量的値自体もまた含まれる。本明細書中で使用される場合は、用語「約」は、他の場所に示されているかまたは推測されない限りは、その名目上の値からの±１０％のばらつきをいう。

複数の工程の順序または特定の行動を実行するための順序が、本教示が依然、実施可能である限りは重要ではないことが理解されるものとする。さらに、２つ以上の工程または行動が同時に行われる場合もある。

値の範囲またはリストが提供されている場合は、その範囲または値のリストの上限と下限の間にある値のそれぞれが個別に考えられ、あたかも、それぞれの値が本明細書中で具体的に列挙されているかのように、本教示に含まれる。加えて、所定の範囲の間にあり、所定の範囲の上限と下限を含む小さい範囲が考えられ、本教示に含まれる。例示的な値または範囲のリストは、所定の範囲の上限と下限の間にあり、上限と下限を含む他の値あるいは範囲を放棄しない。

本明細書中に記載したものについてのバリエーション、改変、および他の具体化を、本発明の精神および基本的な特徴から逸脱することなく、当業者は思い浮かべるであろう。したがって、本教示の範囲は、上記の説明のための記載によっては定義されず、代わりに以下の特許請求の範囲により定義され、特許請求の範囲と同等の意味および範囲に入る全ての変更が、本明細書中に含まれるように意図される。

Claims (26)

1. リスク点数を、個体における心筋梗塞のリスクの指標とする方法であって：
   個体由来の試料中の生体マーカーのセットのレベルを測定する工程であって、ここでは、該生体マーカーのセットは：
   （ｉ）癌胎児性抗原およびβ−２ミクログロブリン；ならびに
   （ｉｉ）Ｎ末端プロＢ型ナトリウム利尿ペプチド、α−１抗トリプシン、およびＣ反応性タンパク質のうちの少なくとも１つ
   を含む、工程；ならびに
   該測定した生体マーカーのレベルを重みづけすることにより該個体についてリスク点数を計算する工程；を含み、ここで、
   該リスク点数は、該個体が心筋梗塞を経験する可能性を示す、方法。
2. 前記生体マーカーのセットはＮ末端プロＢ型ナトリウム利尿ペプチドを含む、請求項１に記載の方法。
3. 前記生体マーカーのセットはα−１抗トリプシンを含む、請求項１に記載の方法。
4. 前記生体マーカーのセットはＣ反応性タンパク質を含む、請求項１に記載の方法。
5. 前記生体マーカーのセットはＮ末端プロＢ型ナトリウム利尿ペプチドを含む、請求項３に記載の方法。
6. 前記生体マーカーのセットはさらに、アポリポタンパク質Ａ１およびアポリポタンパク質Ｂを含む、請求項３に記載の方法。
7. 前記生体マーカーのセットはさらに、Ｎ末端プロＢ型ナトリウム利尿ペプチド、アポリポタンパク質Ａ１、およびアポリポタンパク質Ｂを含む、請求項４に記載の方法。
8. 前記生体マーカーのセットはさらに、α−フェトプロテインおよびトランスフェリン飽和度を含む、請求項６に記載の方法。
9. 前記生体マーカーのセットはさらに、血管内皮増殖因子を含む、請求項８に記載の方法。
10. 前記リスク点数を計算する工程が：
    前記生体マーカーの測定したレベルを対数変換して、それぞれの測定した生体マーカーについて変換した値を得ること；
    それぞれの生体マーカーについての該変換した値に生体マーカー定数を掛け算して、それぞれの生体マーカーについて掛け算した値を得ること；および
    それぞれの生体マーカーについての該掛け算した値を足し算して該リスク点数を得ること
    を含む、請求項１〜９のいずれか１項に記載の方法。
11. 前記個体が心筋梗塞を経験する可能性に関連する情報を、送信する、表示する、記憶する、または印刷する、あるいはユーザーインターフェースデバイス、コンピューターで読み取り可能な記憶媒体、ローカルコンピューターシステム、またはリモートコンピューターシステムに出力する工程を含む、請求項１〜１０のいずれか１項に記載の方法。
12. 前記情報がリスク点数またはその等価物である、請求項１１に記載の方法。
13. 個体の心筋梗塞の増大した可能性が、該個体において処置が推奨されること、該個体において処置が承認されること、または該個体において薬物が投与されるべきであることを示す、請求項１〜１２のいずれか１項に記載の方法。
14. 参照リスク点数よりも大きいリスク点数は、前記個体が、心筋梗塞事象を有する増大した可能性を有していることを示し、および参照リスク点数未満であるリスク点数は、前記個体が、心筋梗塞事象を有する可能性が低下していることを示す、請求項１〜１３のいずれか１項に記載の方法。
15. 前記参照リスク点数が標準値または閾値である、請求項１４に記載の方法。
16. 前記計算する工程が、適切にプログラムされたコンピューターを使用して行われる、請求項１〜１５のいずれか１項に記載の方法。
17. 前記測定された生体マーカーのレベルが、免疫測定法、比色分析法、比濁分析、およびフローサイトメトリーのうちの少なくとも１つにより決定される、請求項１〜１６のいずれか１項に記載の方法。
18. 前記試料が血液を含む、請求項１〜１７のいずれか１項に記載の方法。
19. 前記個体がヒトである、請求項１〜１８のいずれか１項に記載の方法。
20. 前記心筋梗塞のリスクが近い将来のリスクである、請求項１〜１９のいずれか１項に記載の方法。
21. 前記リスク点数が、前記個体の年齢の重みづけしたメトリックを含む、請求項１〜２０のいずれか１項に記載の方法。
22. 前記リスク点数が、前記個体についての１つ以上の臨床的リスクファクターの重みづけしたメトリックを含む、請求項１〜２１のいずれか１項に記載の方法であって、ここでは、前記１つ以上の臨床的リスクファクターが、喫煙状況、真性糖尿病、若年性心筋梗塞の家族歴、ボディーマス指数、身体活動性、非空腹時総コレステロール、ＨＤＬコレステロール、ＬＤＬコレステロール、およびトリグリセリドからなる群より選択される、方法。
23. 個体における心筋梗塞のリスクを診断するためのキットであって：
    個体由来の試料中の生体マーカーのセットのレベルを特異的に測定する試薬セットであって、ここでは、該生体マーカーのセットは：
    （ｉ）癌胎児性抗原およびβ−２ミクログロブリン；ならびに
    （ｉｉ）Ｎ末端プロＢ型ナトリウム利尿ペプチド、α−１抗トリプシン、および高感度Ｃ反応性タンパク質のうちの少なくとも１つ；
    を含む、試薬セット；ならびに、
    該個体における心筋梗塞のリスクを診断するために該キットを使用するための説明書
    を含む、キット。
24. 参照リスク点数を含む、請求項２３に記載のキット。
25. 前記参照リスク点数が標準値または閾値である、請求項２４に記載のキット。
26. 前記試薬がタンパク質レベルを測定する、請求項２３〜２５のいずれか１項に記載のキット。

Images