JP6814732B2 - 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 - Google Patents

Description

本発明は、一般に、インビトロ生体試料の分析に関する。

関連出願
本出願は、２０１４年９月１１日に出願された米国仮特許出願第６２／０４９，１４１号に対する優先権を主張する。米国仮特許出願第６２／０４９，１４１号の開示は、参照によりその全体が本明細書に組み込まれる。

リポタンパク質は、トリグリセリド、コレステロール、リン脂質、スフィンゴ脂質、およびタンパク質の様々なタイプおよび量を含む血漿、血清、全血、およびリンパ中に見出される多種多様な粒子を含む。これらの様々な粒子は、他の点では疎水性の脂質分子の血液中での可溶化を可能にし、腸、肝臓、筋肉組織および脂肪組織間の脂肪分解、脂質生成および脂質輸送に関連する様々な機能を果たす。炎症は、多くの異なる疾患状態に関連し得る。例えば、フォーゲルマン（Ｆｏｇｅｌｍａｎ）、良質コレステロールが悪くなった時（Ｗｈｅｎ Ｇｏｏｄ Ｃｈｏｌｅｓｔｅｒｏｌ Ｇｏｅｓ Ｂａｄ）、ネイチャーメディシン（Ｎａｔｕｒｅ Ｍｅｄｉｃｉｎｅ）（２００４）１０（９）：９０２−９０３、ヒマビンジュＧ（Ｈｉｍａ Ｂｉｎｄｕ Ｇ）ら、友人は敵になる（Ｆｒｉｅｎｄ Ｔｕｒｎｓ Ｆｏｅ）：急性期応答における抗炎症性ＨＤＬの炎症性ＨＤＬへの変換（Ｔｒａｎｓｆｏｒｍａｔｉｏｎ ｏｆ Ａｎｔｉ−Ｉｎｆｌａｍｍａｔｏｒｙ ＨＤＬ ｔｏ Ｐｒｏｉｎｆｌａｍｍａｔｏｒｙ ＨＤＬ ｄｕｒｉｎｇ Ａｃｕｔｅ−Ｐｈａｓｅ Ｒｅｓｐｏｎｓｅ）、コレステロール（Ｃｈｏｌｅｓｔｅｒｏｌ）（２０１１）２０１１：記事ＩＤ ２７４６２９（７ページ）に記載されており、その内容は参照により本明細書に完全に記載されているものとする。糖タンパク質の炭水化物成分は、タンパク質選別、免疫および受容体認識、炎症および他の細胞プロセスにおいて生物学的機能を果たし得る。炎症はＨＤＬ機能を調節すると考えられている。

従来、ＬＤＬコレステロール（ＬＤＬ−Ｃ）またはＨＤＬコレステロール（ＬＤＬコレステロール）として示される患者のＬＤＬおよびＨＤＬ粒子のコレステロール含有量の測定に基づいて、冠状動脈性心疾患（ＣＨＤ）および／または心血管疾患（ＣＶＤ）の患者の全体的なリスクが評価されている。これらの２つのリスク因子は、患者のリスクを評価するためによく使用され、「悪い」コレステロール（ＬＤＬ−Ｃ）を減らすか、「良い」コレステロール（ＨＤＬ−Ｃ）を増やすように治療の決定を下すことがある。

一方、進行したリポタンパク質試験パネルは、典型的には、全高密度リポタンパク質粒子（ＨＤＬ−Ｐ）測定値（例えば、ＨＤＬ−Ｐ数）および全低密度リポタンパク質粒子（ＬＤＬ−Ｐ）測定値（例えば、ＬＤＬ−Ｐ番号）を有する。粒子数は、ｎｍｏｌ／Ｌのような濃度単位の濃度を表す。総ＨＤＬ−Ｐ数は、ＨＤＬ−Ｐサブクラスのサブグループのそれぞれの濃度値の合計、例えば、小、中および大であり得る。

ＬＤＬ−Ｐは、ＬＤＬ−Ｃと比較して、ＣＨＤおよびＣＶＤのＬＤＬ関連リスクのより良い指標である、および／または治療決定を導くと考えられている。しかし、ＨＤＬの様々な機能、および患者のＨＤＬに関連するＣＶＤおよび／またはＣＨＤリスクを最良に評価する方法については依然として未解決の問題がある。例えば、シェールら（Ｋｈｅｒ ａｔ ｅｌ）、コレステロール流出能力、高密度リポタンパク質機能、およびアテローム性動脈硬化症（Ｃｈｏｌｅｓｔｅｒｏｌ Ｅｆｆｌｕｘ Ｃａｐａｃｉｔｙ， Ｈｉｇｈ− Ｄｅｎｓｉｔｙ Ｌｉｐｏｐｒｏｔｅｉｎ Ｆｕｎｃｔｉｏｎ， ａｎｄ Ａｔｈｅｒｓｃｌｅｒｏｓｉｓ）、ニューイングランドジャーナルオブメディシン（Ｎ Ｅｎｇｌ． Ｊ． Ｍｅｄ．） （２０１１）３６４：１２７−１３５； ナワブ（Ｎａｖａｂ）ら、ＨＤＬおよび心臓血管疾患（ＨＤＬ ａｎｄ ｃａｒｄｉｏｖａｓｃｕｌａｒ ｄｉｓｅａｓｅ）：アテローム発生およびアテローム保護メカニズム（ａｔｈｅｒｏｇｅｎｉｃ ａｎｄ ａｔｈｅｒｏｐｒｏｔｅｃｔｉｖｅ ｍｅｃｈａｎｉｓｍｓ）、ネイチャーレビュー心臓病学（Ｎａｔ． Ｒｅｖ． Ｃａｒｄｉｏｌ）、８、２２２−２３２（２０１１）；フォーゲルマン Ａ（Ｆｏｇｅｌｍａｎ Ａ）、良質コレステロールが悪くなった時（Ｗｈｅｎ Ｇｏｏｄ Ｃｈｏｌｅｓｔｅｒｏｌ Ｇｏｅｓ Ｂａｄ）、ネイチャーメディシン（Ｎａｔｕｒｅ Ｍｅｄｉｃｉｎｅ）（２００４）１０（９）：９０２−９０３に記載されており、その内容は本明細書中に完全に記載されているように参照により本明細書に組み込まれる。

ＨＤＬが、アテローム性動脈硬化症または心疾患を発症する危険性に関して、保護的または非保護的であり得るメカニズムは、複雑で多因子である。ファーマー（Ｆａｒｍｅｒ）ら、熱硬化症からの保護における高密度リポタンパク質の役割の進化する概念（Ｅｖｏｌｖｉｎｇ Ｃｏｎｃｅｐｔｓ ｏｆ ｔｈｅ Ｒｏｌｅ ｏｆ Ｈｉｇｈ−Ｄｅｎｓｉｔｙ Ｌｉｐｏｐｒｏｔｅｉｎ ｉｎ Ｐｒｏｔｅｃｔｉｏｎ ｆｒｏｍ Ａｔｈｅｒｓｃｌｅｒｏｓｉｓ）、近年アテローム硬化症報告（Ｃｕｒｒ Ａｔｈｅｒｏｓｃｌｅｒ Ｒｅｐ）（２０１１）１３：１０７−１１４、およびヒマビンジュ Ｇ（Ｈｉｍａ Ｂｉｎｄｕ Ｇ）ら、友人は敵になる（Ｆｒｉｅｎｄ Ｔｕｒｎｓ Ｆｏｅ）：急性期反応における抗炎症性ＨＤＬの炎症性ＨＤＬへの変換（Ｔｒａｎｓｆｏｒｍａｔｉｏｎ ｏｆ Ａｎｔｉ−Ｉｎｆｌａｍｍａｔｏｒｙ ＨＤＬ ｔｏ Ｐｒｏｉｎｆｌａｍｍａｔｏｒｙ ＨＤＬ ｄｕｒｉｎｇ Ａｃｕｔｅ−Ｐｈａｓｅ Ｒｅｓｐｏｎｓｅ）、コレステロール（Ｃｈｏｌｅｓｔｅｒｏｌ）（２０１１）２０１１：記事ＩＤ ２７４６２９、７ページ、その内容は参照により本明細書に完全に記載されているものとする。

フレーミングハムの研究では、年齢、性別、血圧、喫煙習慣、コレステロール値など、多くの要因を考慮した比較的長いリスクモデルが提案されました。フレーミングハムの子孫研究で実施された研究では、研究対象者の規範的および危険度の高い集団値も定義された。ウィルソン（Ｗｉｌｓｏｎ）ら、コレステロールリスクファクタースクリーニングのための全国ガイドラインの影響（Ｉｍｐａｃｔ ｏｆ Ｎａｔｉｏｎａｌ Ｇｕｉｄｅｌｉｎｅｓ ｆｏｒ Ｃｈｏｌｅｓｔｅｒｏｌ Ｒｉｓｋ Ｆａｃｔｏｒ Ｓｃｒｅｅｎｉｎｇ． Ｔｈｅ Ｆｒａｍｉｎｇｈａｍ Ｏｆｆｓｐｒｉｎｇ Ｓｔｕｄｙ）、米国医師会雑誌（ＪＡＭＡ）、１９８９； ２６２：４１〜４４を参照のこと。

人の心臓血管リスクをよりよく予測または評価し、および／またはＨＤＬ治療標的に用いることができるリスクパラメータを提供する評価が必要とされている。

本発明は、背景技術の課題を解決するためのものである。

本明細書中に記載される本発明は、対象からのバイオサンプル中のＨＤＬ粒子および少なくとも１種の炎症性バイオマーカの測定値を取得する取得工程、前記測定値に基づいて、少なくとも１つの個々のＨＤＬ粒子サイズサブクラスおよび前記少なくとも１つの炎症性バイオマーカの濃度を決定する決定工程と、少なくとも１つのＨＤＬ粒子のサブクラスおよび少なくとも１つの炎症性バイオマーカの濃度を少なくとも用いて、被験体のリスクパラメータ（ＨｘＩ）_ＣＶＤをプログラム的に計算する計算工程を含む、心臓血管疾患または事象のリスクパラメータの決定方法を含む。

いくつかの実施形態において、前記測定値は、インビトロ血漿または血清患者サンプルのＮＭＲシグナルを得て、ＨＤＬ粒子サブクラスおよび／または炎症性バイオマーカのＮＭＲ由来濃度測定値を決定することによって得られる。

いくつかの実施形態において、ＨＤＬ粒子は、直径に基づいて８つの異なるサブクラスまたは亜集団で分析される。他の実施形態において、ＨＤＬ粒子は、２０以上の異なるサブクラスまたは他のサブグループにおいて分析される。

いくつかの実施形態では、少なくとも１つの個々のＨＤＬ粒子サイズサブクラスは、以下の少なくとも１つを含む。（ｉ）直径が７．０〜７．６ｎｍの範囲のｃＨ１、または（ｉｉ）１１．５〜１３．５ｎｍの範囲の直径を有するｃＨ８。

いくつかの実施形態では、（ＨｘＩ）_ＣＶＤは、（ＨｘＩ）_ＣＶＤ＝ｃ_１（ｃＨ１）＋ｃ_２（ＩＮＦＬＡＭ）＋ｃ_３（ＩＮＴＥＲ_Ｈ１）、または（ＨｘＩ）_ＣＶＤ＝ｃ_４（ｃＨ８）＋ｃ_５（ＩＮＦＬＡＭ）＋ｃ_６（ＩＮＴＥＲ_Ｈ８）である。ここで、ＩＮＦＬＡＭは、少なくとも１つの炎症性バイオマーカの濃度であり、ＩＮＴＥＲ_Ｈ１＝ＩＮＦＬＡＭ＊ｃＨ１、ＩＮＴＥＲ_Ｈ８＝ＩＮＦＬＡＭ＊ｃＨ８であり、「ｃ_１−ｃ_６」は、関連するリスクパラメータの試験集団におけるＣＶＤ事象の数学的モデルからの係数を表す。

いくつかの実施形態では、（ＨｘＩ）_ＣＶＤが性別特異的である。いくつかの実施形態では、７．０〜７．６ｎｍの範囲の平均直径を有し、（ＨｘＩ）_ＣＶＤを生成するための炎症性バイオマーカとしてのＧｌｙｃＡを用いたＨＤＬ−ＰサブクラスｃＨ１の濃度の利用により、男性特異的ＨＤＬ炎症性マルチマーカを提供する。他の実施形態では、１１．５〜１３．５ｎｍの範囲の平均直径を有し、（ＨｘＩ）_ＣＶＤを生成するための炎症性バイオマーカとしてのＧｌｙｃＡを用いたＨＤＬ−ＰサブクラスｃＨ８の濃度の利用により、女性特異的ＨＤＬ炎症性マルチマーカを提供する。

いくつかの実施形態では、方法は、計算された（ＨｘＩ）_ＣＶＤを医療専門家及び／又は患者報告書に電子的に提供することをさらに含む。いくつかの実施形態では、方法は、計算された（ＨｘＩ）_ＣＶＤに少なくとも部分的に基づいて、前記被験体に対する治療を処方、推奨、または決定することをさらに含む。いくつかの実施形態では、方法は、対象の食事、運動、喫煙、または他の行動の改変をさらに含む。

いくつかの実施形態は、本明細書に記載の方法を使用して人のＣＶＤリスクを評価するシステム、コンピュータ可読媒体、回路、ＮＭＲ分光計またはＮＭＲ分析器、オンライン半自動リスク計算器、およびプロセッサを含む。すなわち、システム、コンピュータ可読媒体、回路、ＮＭＲアナライザ、半自動リスク計算機、またはプロセッサは、インビトロ血漿または血清患者サンプルからの定義されたパラメータの測定値を取得および利用し、少なくとも１つのＨＤＬおよび少なくとも１つの炎症性バイオマーカ相互作用パラメータを含む定義されたマルチコンポーネントリスク進行モデルを使用する。

例えば、いくつかの実施形態は、被験体からのバイオサンプル中のＨＤＬ粒子および少なくとも１つの炎症性バイオマーカの測定値を取得するための測定値取得手段であり、前記測定値に基づいて、少なくとも１つの個々のＨＤＬ粒子サイズサブクラスおよび少なくとも１つの炎症性バイオマーカの濃度を決定するための濃度決定手段、及び、少なくとも１つのＨＤＬ粒子のサブクラスおよび少なくとも１つの炎症性バイオマーカの濃度を少なくとも用いて、対象のリスクパラメータ（（ＨｘＩ）_ＣＶＤ）をプログラム的に計算するための計算手段を備える、システムを備えて構成される。

いくつかの実施形態では、当該システムは、（ＨｘＩ）_ＣＶＤリスクパラメータを計算する、および／または（ＨｘＩ）_ＣＶＤリスクパラメータをモニタするように構成され、（ａ）ＨＤＬ−Ｐ値を上昇または低下させるか、または（ｂ）炎症を低下させるか、または（ａ）および（ｂ）の両方を行う治療標的として使用することができる。いくつかの実施形態では、当該システムは、高密度リポタンパク質粒子（ＨＤＬ−Ｐ）の所定の亜集団の濃度を掛けたＧｌｙｃＡの測定値を計算するように構成されている。いくつかの実施形態において、少なくとも１つの相互作用パラメータは、関連するリスクパラメータについての研究集団におけるＣＶＤ事象の性別特異性を示すＨＤＬ−Ｐサブクラスの濃度を掛けたＧｌｙｃＡである。

いくつかの実施形態では、測定値取得手段は、ＮＭＲ分析器を含む。いくつかの実施形態は、本明細書に記載の方法に従って心血管疾患または事象のリスクパラメータを決定するための非一時的コンピュータ可読媒体を含む。いくつかの実施形態は、本明細書に記載の方法を用いて被験者のＣＶＤリスクを評価する半自動リスク計算機を含む。

本発明のさらなる特徴、利点および詳細は、以下の好ましい実施形態の図面および詳細な説明を読むことにより当業者に理解されよう。そのような説明は本発明の単なる例示である。具体的には記載されていないが、一実施形態に関して説明された特徴は、一実施形態に関して説明された特徴は、他の実施形態と組み合わされることが可能である。すなわち、それに関して具体的に記載されていないが、一実施形態に関して説明された本発明の態様は、異なる実施形態に組み込まれてもよいことに留意されたい。すなわち、任意の実施形態のすべての実施形態および／または特徴は、任意の方法および／または組み合わせにより合わせることができる。また、本発明の方法の各実施形態は、本発明のシステムおよびコンピュータプログラム製品に組み込むことができ、逆もまた同様である。本発明の上記および他の態様は、以下に記載される明細書において詳細に説明される。

本開示に照らして当業者には理解されるように、本発明の実施形態は、方法、システム、装置および／またはコンピュータプログラム製品またはそれらの組み合わせを含み得る。

女性（三角形注釈された線）および男性（ダイヤモンド注釈された線）の被験者についての多肥性アテローム性動脈硬化症（ＭＥＳＡ）におけるＨＤＬ−Ｐ亜集団の平均濃度（μｍｏｌ／Ｌ）のグラフである。粒子サイズは、例示的な小、中および大ＨＤＬ−Ｐサブクラスとしてグループ化される直径、あるいはＨ１−Ｈ８としてグループ化される直径ごとに増分１〜２６で示される。 ６つの異なるロジスティック回帰モデル（すべてのモデルは、ＭＥＳＡ（ｎ＝２７４／５５３４）における事象ＣＶＤ事象の基本ロジスティック回帰モデルと同じパラメータを有し、年齢、性別、人種、喫煙、ＳＢＰ、高血圧投薬、ＢＭＩ、糖尿病、ＢＭＩおよびトリグリセリドに合わせて調整されている）のそれぞれについてのモデルの尤度比（ＬＲ）χ^２統計量によって示されるＣＶＤリスクアソシエーションを示すグラフであり、本発明の実施の形態に関するモデルに含まれる（ＨｘＩ）_ＣＶＤリスクパラメータを有するχ^２の増加を示している。 本発明の実施形態に基づくＭＥＳＡ研究集団（ｎ＝５５４２）における（ＨｘＩ）_ＣＶＤ値（無単位）の分布のグラフである。 本発明のいくつかの実施形態に関する、個々のマーカと組み合わせて（ＨｘＩ）_ＣＶＤリスクをもたらすことができる炎症性バイオマーカＧｌｙｃＡを有するＨＤＬ構成要素をそれぞれが含む２つの相互作用パラメータ（ＨＬＰ＊ＧｌｙｃＡ）および（ＨＭＳＰ＊ＧｌｙｃＡ）を示すリスクパラメータのチャートである。 （ＨｘＩ）_ＣＶＤが少なくとも確立された主要なＣＶＤリスク因子（５年間の追跡調査の間におけるＭＥＳＡ参加者（ｎ＝５５３４）のＣＶＤ事象のロジスティック回帰モデル（ｎ＝２７４）からの）と同じくらい強く、ＣＶＤリスクと関連していることを示すＣＶＤリスクパラメータのチャートである。 本発明の実施形態における、年齢、性別／ジェンダー、人種、喫煙、ＢＭＩ、糖尿病、ＳＢＰ、高血圧薬物使用、およびＬＤＬ−Ｐに応じて調整される、ＭＥＳＡにおけるＣＶＤ事象（ｎ＝２７４／５５３４）のＣｏｘ比例ハザード分析を（ＨｘＩ）_ＣＶＤ四分位（図４に示す（ＨｘＩ）_ＣＶＤによって四分円に分割された被験者）で分割した４つのサブグループの５年間の追跡調査中の無再発生存期間を示すグラフである。 図７Ａおよび７Ｂは、ＬＤＬ−Ｐの低レベルおよび高レベルについての（ＨｘＩ）_ＣＶＤの四分位法によるＭＥＳＡにおける無再発生存期間を示すグラフであり、それぞれ、性別／ジェンダー、人種、喫煙、ＢＭＩ、糖尿病、ＳＢＰ、高血圧投薬の使用、およびトリグリセリドに応じて調整されたＭＥＳＡ（ｎ＝２７４／５５３４）における偶発的ＣＶＤ事象のＣｏｘ比例ハザード解析から再び導出される。本発明の実施形態によれば、低および高ＬＤＬ−Ｐ値はそれぞれ中央値（１２６５ｎｍｏｌ／Ｌ）以下および以上である。 年齢、性別／ジェンダー、人種、喫煙、ＢＭＩ、糖尿病、ＳＢＰ、高血圧薬物使用、およびトリグリセリドに応じて調整される、ＭＥＳＡ（ｎ＝２７４／５５３４）における事象ＣＶＤ事象のＣｏｘ比例ハザード分析から、低レベルおよび高レベルのＬＤＬ−Ｐに対するＬＤＬ−Ｐおよび（ＨｘＩ）_ＣＶＤサブグループによるＭＥＳＡにおける無再発生存期間のグラフである。本発明の実施形態によれば、低および高ＬＤＬ−Ｐ値はそれぞれ中央値（１２６５ｎｍｏｌ／Ｌ）以下および以上である。 本発明の実施形態における、１つのＨＤＬパラメータおよび１つの炎症パラメータ（ＨＭＳＰ＊ＧｌｙｃＡ）、並びに小型および中程度のＨＤＬ−Ｐサブクラス（すなわち、ＨＭＳＰ）のみを含む、相互作用パラメータ（Ｈｘｌ）を使用する場合のＣＶＤ事象の予測確率を計算するために使用されるロジスティック回帰モデルパラメータおよび値を示すチャートである。 炎症性バイオマーカのレベルの増加（図に示すように、ＧｌｙｃＡ）（ＳＢＰ＝１４０ｍｍＨｇ、ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、トリグリセリド＝１５０ｍｇ／ｄＬであり、高血圧治療薬を服用している６０歳の非喫煙非糖尿病白人女性のロジスティック回帰からの５年間の追跡調査（ｎ＝２７４／５５３４）中のＭＥＳＡにおけるＣＶＤ事象の予測確率の百分率（ＣＶＤ ＰＰ％））の関数としての、小および中ＨＤＬ−Ｐサブクラス（ＨＭＳＰ）の総和の低、中および高値に関連するＣＶＤリスクを示すグラフである。この例では、低、中および高は、それぞれ２３．６、２７．６および３２．３μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。 本発明の実施形態における、１つのＨＤＬおよび１つの炎症マーカ（ＨＬＰ＊ＧｌｙｃＡ）、炎症マーカ（ＧｌｙｃＡ）、および大きなＨＤＬ−Ｐサブクラス（すなわちＨＬＰ）のみを含む相互作用パラメータを使用する場合のＣＶＤ事象の予測確率を計算するために使用されるロジスティック回帰モデルパラメータおよび値を示すチャートである。 炎症性バイオマーカＧｌｙｃＡ（ＳＢＰ＝１４０ｍｍＨｇ、ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、トリグリセリド＝１５０ｍｇ／ｄＬであり、高血圧治療薬を服用している６０歳の非喫煙非糖尿病白人女性のロジスティック回帰からの５年間の追跡調査（ｎ＝２７４／５５３４）中のＭＥＳＡにおけるＣＶＤ事象の予測確率）のレベルの増加の関数としての、大ＨＤＬ−Ｐサブクラス（ＨＬＰ）の合計の低、中および高値に関連するＣＶＤリスクを示すグラフである。この例では、低、中および高は、それぞれ、本発明の実施形態による３．０、５．１、および８．５μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。 健康な被験者（ｎ＝５５３２）において、２６の亜集団ではなく、８つの亜集団（Ｈ１−Ｈ８のサイズ）にグループ分けされたＨＤＬ−Ｐの平均濃度（μｍｏｌ／Ｌ）のグラフである。 本発明のいくつかの実施形態における、（Ｈ８ｘＩ）_ＣＶＤリスクパラメータを提供することができる炎症性バイオマーカ（ＧｌｙｃＡ）または（ＧｌｙｃＡ＊Ｈ８）を有する相互作用パラメータ、ＨＤＬ構成要素８（ｃＨ８またはＨ８）を示すリスクパラメータのチャートである。 本発明のいくつかの実施形態における、（Ｈ１ｘＩ）_ＣＶＤリスクパラメータを提供することができる炎症性バイオマーカ（ＧｌｙｃＡ）または（ＧｌｙｃＡ＊Ｈｌ）を有する相互作用パラメータ、ＨＤＬ構成要素１（ｃＨ１またはＨ１）を示すリスクパラメータのチャートである。 本発明のいくつかの実施形態における、図１４および図１５に示す相互作用パラメータ（Ｈ８ｘＩ）_ＣＶＤおよび（Ｈ１ｘＩ）_ＣＶＤならびに残りのＨＤＬ構成要素（Ｈ２−７）を含むマルチマーカを例示するリスクパラメータのチャートであり、（ＨｘＩ）_ＣＶＤリスクマルチマーカ。 本発明の実施形態に基づくＭＥＳＡ研究集団（ｎ＝５６８２）における（Ｈ８ｘＩ）_ＣＶＤ、（Ｈ１ｘＩ）_ＣＶＤ、および（ＨｘＩ）_ＣＶＤ値（無単位）のグラフ的分布を示す。 本発明の実施形態によるモデルに含まれる（Ｈ８ｘＩ）_ＣＶＤ、（Ｈ１ｘＩ）_ＣＶＤ、および（ＨｘＩ）_ＣＶＤリスクパラメータの増加したχ^２を示す、１１の異なるロジスティック回帰モデル（すべてのモデルは、年齢、性別、人種、喫煙、高血圧、ＢＭＩ、糖尿病、ＢＭＩ、およびＶＬＤＬ−Ｐのために調整されたＭＥＳＡ（ｎ＝４５８／５６６０）における偶発的ＣＶＤ事象の基本ロジスティック回帰モデルと同じパラメータを有する）のそれぞれについて、ＣＶＤリスク関連（モデルの尤度比χ^２統計（ＬＲχ^２）によって示される）を示すチャートである。 炎症性バイオマーカ（ＧｌｙｃＡに示す）（ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、ＶＬＤＬ−Ｐ＝１３０ｍｇ／ｄＬ、６０歳の非喫煙非糖尿病高血圧白人女性のロジスティック回帰からの９年間の追跡調査（ｎ＝４５８／５６６０）中のＭＥＳＡにおけるＣＶＤ事象の予測確率）のレベルの増加の関数としての、ＨＤＬ−Ｐサブクラス１（「Ｈ１」）の低、中位および高値に関連するＣＶＤリスクを示すグラフである。本発明の実施形態によれば、低、中位および高Ｈ１値は、それぞれ、４．１、５．７、および７．２μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。 炎症性バイオマーカ（ＧｌｙｃＡに示す）（ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、ＶＬＤＬ−Ｐ＝１３０ｍｇ／ｄＬ、６０歳の非喫煙非糖尿病高血圧白人女性のロジスティック回帰からの９年間の追跡調査（ｎ＝４５８／５６６０）中のＭＥＳＡにおけるＣＶＤ事象の予測確率）のレベルの増加の関数としてのＨＤＬ−Ｐサブクラス８（「Ｈ８」）の低、中位および高値に関連するＣＶＤリスクを示すグラフである。本発明の実施形態によれば、低、中位および高Ｈ１値は、それぞれ０．１０、０．２７および０．５９μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。 本発明のいくつかの実施形態による、ＨＤＬ構成成分８（Ｈ８）および炎症性バイオマーカＧｌｙｃＡを含む、女性特異的相互作用パラメータ、女性のための（Ｈｘｌ）^ＷＣＶＤマルチマーカを示すリスクパラメータのチャートである。 本発明のいくつかの実施形態による、ＨＤＬ構成成分１（Ｈ１）および炎症性バイオマーカＧｌｙｃＡを含む男性特異的相互作用パラメータ、男性のための（ＨｘＩ）^ＭＣＶＤマルチマーカを示すリスクパラメータのチャートである。 本発明の実施の形態に基づく、男性のＭＥＳＡ研究集団（ｎ＝２７５９）における（ＨｘＩ）^Ｍ値（単位なし）の分布のグラフと、女性のＭＥＳＡ研究集団（ｎ＝２９０１）における（Ｈｘｌ）^Ｗ値の分布の第２のグラフを示す。 炎症性バイオマーカ（ＧｌｙｃＡに示す）（ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、ＶＬＤＬ−Ｐ＝１３０ｍｇ／ｄＬ、６０歳の非喫煙非糖尿病高血圧白人男性のロジスティック回帰からの９年間の追跡調査（ｎ＝２８７／２７５９）中のＭＥＳＡ男性におけるＣＶＤ事象の予測確率）のレベルの増加の関数としての、男性のＨＤＬ−Ｐサブクラス１（「Ｈ１」）の低、中位および高値に関連するＣＶＤリスクを示すグラフであり、ＨＤＬ−Ｐ＝１９．４μｍｏｌ／Ｌであった。本発明の実施形態によれば、低、中位および高Ｈ１値は、それぞれ４．７、６．１および７．５μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。 炎症性バイオマーカ（ＧｌｙｃＡに示す）（ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、ＶＬＤＬ−Ｐ＝１３０ｍｇ／ｄＬ、６０歳の非喫煙非糖尿病高血圧白人男性のロジスティック回帰からの９年間の追跡調査（ｎ＝１７１／２９０１）中のＭＥＳＡ女性におけるＣＶＤ事象の予測確率）のレベルの増加の関数としての、女性のＨＤＬ−Ｐサブクラス８（「Ｈ８」）の低、中位および高値に関連するＣＶＤリスクを示すグラフであり、ＨＤＬ−Ｐ＝２２．０μｍｏｌ／Ｌであった。本発明の実施形態によれば、低、中位および高Ｈ８値は、それぞれ０．１２、０．３２、および０．７７μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。 本発明の実施形態における、モデル７および８を含む（Ｈｘｌ）^Ｗリスクパラメータを有するχ^２の増加を示す、８つの異なるロジスティック回帰モデル（全てのモデルは、年齢、性別、人種、喫煙、高血圧、ＢＭＩ、糖尿病、およびＶＬＤＬ−Ｐのために調整されたＭＥＳＡ（ｎ＝１６９／２８６８）における女性の偶発的ＣＶＤの基本ロジスティック回帰モデルと同じパラメータを有する）のそれぞれについての、（Ｈｘｌ）^Ｗマルチマーカの女性における偶発的ＣＶＤの予測への寄与を示すチャート（モデルの尤度比（ＬＲ）χ^２統計量によって示される）である。 本発明の実施形態における、モデル７および８を含む（Ｈｘｌ）^Ｍリスクパラメータを有するχ^２の増加を示す、８つの異なるロジスティック回帰モデル（全てのモデルは、年齢、性別、人種、喫煙、高血圧、ＢＭＩ、糖尿病、およびＶＬＤＬ−Ｐのために調整されたＭＥＳＡ（ｎ＝２８２／２７２２）における男性の偶発的ＣＶＤの基本ロジスティック回帰モデルと同じパラメータを有する）のそれぞれについての、（Ｈｘｌ）^Ｍマルチマーカの男性における偶発的ＣＶＤの予測への寄与を示すチャート（モデルの尤度比（ＬＲ）χ^２統計量によって示される）である。 伝統的な危険因子と比較した、（Ｈｘｌ）^Ｗおよび（ＨｘＩ）^Ｍ性別特異的マルチマーカのＣＶＤリスク予測への寄与を示すチャートである。 図２９Ａおよび２９Ｂは、本発明の実施形態による個人または臨床医によるインターネット上での使用のために電子的に提供され得る例示的なリスク計算機である。 本発明の実施形態に従って使用する（ＨｘＩ）_ＣＶＤリスクパラメータモジュールおよび／または回路を使用して患者のＣＶＤリスクを分析するためのシステムの概略図である。 本発明の実施形態によるＮＭＲ分光装置の概略図である。 本発明の実施形態によるデータ処理システムの概略図である。 本発明の実施形態によるＣＶＤリスクを評価するために使用され得る例示的な動作のフローチャートである。 本発明の実施形態による（ＨｘＩ）_ＣＶＤを含むＣＶＤリスク評価を含む患者報告の例である。 本発明の実施形態による、患者のリスク状態、状態の変化、および／または療法の臨床効果を評価するための変化を監視するために使用することができ、または臨床試験に使用することさえでき、または計画された治療法に対する反論に使用される（ＨｘＩ）_ＣＶＤ値対時間のグラフの予言的例である。

本発明の前述および他の目的および態様は、以下に記載される明細書において詳細に説明される。

本発明は、本発明の実施形態が示されている添付の図面を参照して、以下により完全に説明される。しかし、本発明は、多くの異なる形態で実施することができ、本明細書に記載の実施形態に限定されるものと解釈すべきではない。むしろ、これらの実施形態は、本開示が十分かつ完全であり、本発明の範囲を当業者に充分に伝えるように提供される。

同様の参照番号は同様の要素を参照する。図面において、特定の線、層、構成要素、要素または特徴の厚さは、明瞭化のために誇張されている場合がある。破線は、特に明記されていない限り、オプションの機能または操作を示す。

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ためのものであり、本発明を限定するものではない。本明細書で使用されるように、単数形「ａ」、「ａｎ」および「ｔｈｅ」は、文脈がそうでないことを明確に示さない限り、複数形も含むことが意図される。本明細書で使用される場合、用語「含む（ｃｏｍｐｒｉｓｅｓ）」および／または「含む（ｃｏｍｐｒｉｓｉｎｇ）」は、記載された特徴、整数、ステップ、操作、要素および／または構成要素の存在を特定するが、ステップ、動作、要素、コンポーネント、および／またはそれらのグループのうちの１つまたは複数の追加、追加、または追加を含むことができる。本明細書で使用される場合、「および／または」という用語は、１つまたは複数の関連するリストされたアイテムの任意のおよびすべての組み合わせを含む。本明細書で使用されるように、「ＸとＹとの間」および「約ＸとＹとの間」などの語句は、ＸおよびＹを含むと解釈されるべきである。本明細書中で使用される場合、「約ＸとＹの間」などの語句は、「約Ｘと約Ｙとの間」を意味する。本明細書で使用する「約ＸからＹまで」などの語句は、「約Ｘから約Ｙまで」を意味する。

他に定義されない限り、本明細書で使用される全ての用語（技術用語および科学用語を含む）は、本発明が属する技術分野の当業者によって一般的に理解されるのと同じ意味を有する。一般的に使用される辞書に定義されているような用語は、明細書および関連技術の文脈における意味と一致する意味を有すると解釈されるべきであり、明示的に定義されている場合を除いて、理想化された又は過度に形式的な意味で解釈されるべきではない。簡潔さおよび／または明瞭さのために、周知の機能または構造を詳細に説明はしない。

第１、第２などの用語は、様々な要素、構成要素、領域、層および／またはセクションを記述するために本明細書で使用されるが、これらの要素、構成要素、領域、層および／またはセクションは、これらの用語によって限定されてはならない。これらの用語は、１つの要素、構成要素、領域、層またはセクションを他の領域、層またはセクションと区別するためにのみ使用される。したがって、以下に説明する第１の要素、構成要素、領域、層またはセクションは、本発明の教示から逸脱することなく、第２の要素、構成要素、領域、層またはセクションと呼ぶことができる。動作（またはステップ）のシーケンスは、特に断らない限り、請求項または図に示される順序に限定されない。

「プログラム的に」という用語は、コンピュータプログラムおよび／またはソフトウェア、プロセッサ、またはＡＳＩＣ指示操作を用いて実行されることを意味する。「電子」という用語およびその派生語は、精神的ステップではなく電気回路および／またはモジュールを有するデバイスを使用して実行される自動または半自動操作を指し、典型的にはプログラムによって実行される操作を指す。「自動化された」および「自動の」という用語は、手作業または入力なしで操作を実行できることを意味します。用語「半自動化された」は、オペレータまたはユーザに何らかの入力または活性化を許可することを指すが、計算および信号の取得ならびに濃度または数値出力の計算は、手動入力を必要とせずに、典型的にはプログラム的に電子的に行われる。

用語「約」は、特定の値または数の±１０％（平均（ｍｅａｎ）または平均（ａｖｅｒａｇｅ））を意味する。

用語「患者」は、広く使用され、試験または分析のためのバイオサンプルを提供する個体または動物の被験体を指す。

用語「バイオサンプル」は、ヒトまたは動物のインビトロ血液、血漿または血清サンプルを指す。あるいは、それは生きている被験体からの他のタイプのサンプルを指してもよい。本発明の実施形態は、ヒト血漿または血清試料を評価するのに特に適している。血漿または血清サンプルは、絶食または非絶食であり得る。

「人口規範」および「標準」という用語は、大規模な研究、またはフラミンガム子孫研究やアテローム性動脈硬化症の多民族研究（ＭＥＳＡ）などの研究、または一般的な人口を表すのに十分多い数のサンプルを有する研究によって定義された値を指す。しかしながら、本発明は、現在定義されている正常およびリスクのある集団の値またはレベルが経時的に変化し得るので、ＭＥＳＡまたはフラミンガムにおける集団値に限定されない。したがって、この文献の例として提供される参照範囲または統計的係数数は、異なる研究集団に基づいて当業者に周知であるように変化し得る。「心臓血管疾患」という用語は、一般に、心臓発作、胸痛（狭心症）、脳卒中、または死亡につながる狭窄または閉塞血管を伴う状態を指す。

「数学モデル」および「モデル」という用語は同じ意味で使用され、「ＣＶＤ」リスクとともに使用される場合、将来（通常２〜１０年以内）の、被験者のＣＶＤリスクを評価するため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、ロジスティックモデル、比例ハザード（Ｃｏｘ）モデル、混合モデルまたは階層的線形モデルの１つまたは複数を含むモデルを含む任意の適切なモデルであってもよいし、これらを含んでもよいが、これらに限定されない。リスクモデルは、尤度比（ＬＲ）χ^２値またはｃ統計値（ＡＵＣ値とも呼ばれる）などのモデル識別統計に基づいて評価することができる。モデルの全体的な予測に対するモデルの所与の変数の相対的な寄与は、典型的にＷａｌｄχ^２値および／またはｐ値（十分に代表的な研究集団を有する後者）によって推定される。

本明細書で使用される「相互作用パラメータ」という用語は、２つの変数間の相互作用を表す用語を指し、ここで、第３の変数、例えば、ＣＶＤ事象に関するＨＤＬ亜集団と炎症性バイオマーカとの間の相互作用、または（ＨｘＩ）_ＣＶＤに関して、一方は他方を調節する。この用語は、相互作用する変数の組み合わせ（例えば、乗算された積または比率）を含むことができる。

本明細書で使用される「マルチマーカ」という用語は、２つ又はそれ以上のバイオマーカパラメータの組み合わせ（例えば、乗算された積または比率）を含む用語を示す。

Ａ．ＮＭＲによるＨＤＬ粒子亜集団および炎症マーカの検出
ＨＤＬの役割は複雑であり、ＨＤＬコレステロール（ＨＤＬ−Ｃ）は比較的粗製のバイオマーカであると考えられている。一般に認められているように、従来の脂質パネルによって提供されるＨＤＬ−コレステロールおよび／またはＬＤＬ−コレステロールレベルは、ＣＨＤまたはＣＶＤのリスクの上昇の有無にかかわらず、集団を十分に区別することができない。

本発明の実施形態は、１つまたは複数のＨＤＬおよび炎症性バイオマーカ相互作用パラメータを計算することを含む、対象の心臓血管（ＣＶＤ）リスクのリスク評価を提供する。

血液および／または血漿において、ＨＤＬは、一般に、密度または電気泳動移動度などの物理的特性またはＨＤＬの主要タンパク質であるアポリポタンパク質Ａ−１（Ａｐｏ Ａ−１）の測定値に基づいて、多くの方法で分類されている。

本発明の実施形態は、図１の例に示すように、脂質および代謝変数との相関によって評価されるように、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リポタンパク質粒子を分類する。

バイオサンプルは、リポタンパク質粒子の２０以上の別個の亜集団（サイズ）、典型的には約３０から８０（またはそれ以上）の間の異なるサイズの亜集団の測定を評価することができる。これらの個別のサブ集団は、定義されたサブクラスにグループ化できる。定義されたサブクラスは、ＶＬＤＬおよびＨＤＬについてはそれぞれ３つ、ＬＤＬについては２つまたは３つを含む複数の異なるサブクラスを含むことができる（後者の場合、３つのうちの１つは、大きなＬＤＬと小さなＶＬＤＬの間のサイズ範囲のＩＤＬとして識別される）。異なるサブクラスは、典型的には、異なる数のサブ集団またはサブクラスグループ内の異なる粒径の成分を含む。大きなＨＤＬサブクラスには、中程度または小さなＨＤＬサブクラスよりも個別のサブ集団測定値を含めることができる。中程度のＨＤＬサブクラスは、大きなＨＤＬサブクラスまたは小さなＨＤＬサブクラスのいずれよりも少ないサブ母集団コンポーネントまたは測定値を含むことができる。各ＨＤＬサブクラスグループは、５つ以上の個別サブ集団測定値を含むことができる。ＶＬＤＬ、ＬＤＬおよびＨＤＬサブクラスには９つの異なるサブクラス（小、中、大）があるが、他のグループも使用できる。

いくつかの実施形態では、図１に示すように、リポタンパク質測定値は、ＨＤＬ−Ｐについて２６のサイズの亜集団を含むことができる。あるいは、リポタンパク質の測定値は、図１に示され、本明細書において部分Ｃにさらに記載されている、ＨＤＬ−Ｐの８つのサイズの亜集団を含むことができる。しかし、他のグループ分け、グループ分けのためのサイズ範囲、および／または個別の小集団測定の数を使用してもよい。図１に示す実施形態では、ＨＤＬ−Ｐの異なる亜集団は、最小サイズのＨＤＬ亜集団を表す「１」および最大サイズのＨＤＬ亜集団である「２６」を有する１〜２６の数によって定義することができ、または、ＨＤＬ−Ｐの異なる亜集団は、最小サイズのＨＤＬ亜集団を表す「Ｈ１」および最大サイズのＨＤＬ亜集団である「Ｈ８」を用いて、Ｈ１−Ｈ８からの数によって定義することができる。図１は、ＭＥＳＡの男性被検体および女性被検体におけるＨＤＬ−Ｐサブクラスの平均濃度を示す。以下で詳細に説明するように、いくつかの実施形態では、ＨＤＬ粒子は、２６個ではなく８個の亜集団またはサブクラスとして定義される。サブクラスＨ１〜Ｈ８の使用は、以下のパートＣでさらに説明される。あるいは、ＨＤＬ粒子は、サイズ（または他の特徴または特性）によって異なるようにグループ分けされてもよい。

いくつかの実施形態では、ＨＤＬリポタンパク質粒子の成分（亜集団またはサブクラス）の総数は約２６であり、小ＨＤＬ成分は１〜８、中ＨＤＬ成分は９〜１５、および大ＨＤＬ成分は１６〜２６である。しかし、１つのグループの上端は、隣接するグループの下端に含まれてもよく、その逆も可能である。また、特定のグループ内の１つまたは複数のサブクラスを計算のために省略することができる。たとえば、大規模なＨＤＬ−Ｐグループから２６を省略したり、小規模または中規模のＨＤＬ−Ｐグループから８を省略したりできる。それぞれのＨＤＬ−Ｐサブクラス濃度は、典型的には、そのＨＤＬ−サブクラスのそれぞれのサブ集団の粒子濃度の合計であり、例えば、小さなＨＤＬ−Ｐはサブクラス１〜８の大部分または全てを含み得、中程度のＨＤＬ−Ｐは９から１５の大部分または全てを含み得、大きなＨＤＬ−Ｐは１６−２６の大部分またはすべてを含み得る。

図１は、２６の異なる亜集団またはサブクラス、または８つの異なる亜集団またはサブクラスにグループ分けされたＨＤＬ−Ｐの分布を示す。２６の異なる亜集団または成分（１−２６）の推定直径を表１に示す。

表１、ＮＭＲ分析によって測定した２６のＨＤＬサブクラスの推定直径

異なるサイズのＨＤＬサブクラスは、それらの分光学的に異なる脂質メチル基ＮＭＲシグナルの振幅から定量することができる。ジェラヤジャ（Ｊｅｙａｒａｊａｈ）ら、核磁気共鳴分光法によるリポタンパク質粒子分析、臨床検査医学（Ｃｌｉｎ Ｌａｂ Ｍｅｄ）（２００６）２６：８４７−８７０に記載されており、その内容は本明細書中に完全に記載されているように参照により本明細書に組み込まれる。ＮＭＲ分光法は、ＶＬＤＬ、ＬＤＬおよびＨＤＬ粒子サブクラスとして、インビトロ血漿または血清サンプルから超低密度リポタンパク質（ＶＬＤＬ）、低密度リポタンパク質（ＬＤＬ）および高密度リポタンパク質（ＨＤＬ）を同時に測定するために使用されている。本明細書中に完全に記載されているように、参照により本明細書にその内容が組み込まれる米国特許第４，９３３，８４４号および第６，６１７，１６７号を参照されたい。一般に述べられているように、血漿および／または血清サンプル中のリポタンパク質を評価するために、ＮＭＲスペクトルの化学シフト領域内の複数のＮＭＲ分光法誘導シグナルの振幅は、複合メチルシグナルエンベロープまたはスペクトルのデコンボリューションサブクラス濃度を得る。

少なくとも１つの炎症性バイオマーカは、急性および慢性刺激に応答して上昇または低下する急性期タンパク質を含み得る。例えば、カベイ（Ｇａｂａｙ）ら、急性期タンパク質および炎症に対する他の全身応答、ニューイングランドジャーナル（Ｎ Ｅｎｇｌ Ｊ Ｍｅｄ）（１９９９）３４０：４４８−４５４；ゴルニク（Ｇｏｒｎｉｋ）ら、炎症性疾患における血清タンパク質のグリコシル化、病気マーカ（Ｄｉｓｅａｓｅ Ｍａｒｋｅｒｓ）（２００８）２５：２６７−２７８を参照されたく、その内容は、本明細書中に完全に記載されているように参照により本明細書に組み込まれる。炎症性バイオマーカは、例えば、ＧｌｙｃＡ、ＣＲＰ（Ｃ−反応性タンパク質）、高感受性（ｈｓ）−ＣＲＰ、ＩＬ−６、フィブリノーゲン、白血球数などを含み得る。使用され得るさらなる潜在的炎症性バイオマーカには、以下に記載の炎症性バイオマーカの１つ以上が含まれる。例えば、マイヤーズ（Ｍｙｅｒｓ）ら、国立生化学研究所臨床検査医学プラクティスガイドライン：心血管疾患の一次予防のための新興バイオマーカ、クリニカルケミストリー（Ｃｌｉｎ Ｃｈｅｍ）（２００９）５５：２、ｐｐ．３７８−３８４に記載されており、その内容は参照により本明細書に完全に援用される。しかし、他の炎症性バイオマーカを使用し、任意の適切な手段によって測定してもよい。

炎症のマーカ
サイトカイン／炎症
血清アミロイドＡ
沈降速度
インターロイキン−６
インターロイキン−８
インターロイキン−１８
腫瘍壊死性α受容体１および２
腫瘍壊死α粘度
ｈｓＣＲＰ
白血球／血小板／内皮
細胞間接着分子−１（ＩＣＡＭ−１）
血管細胞接着分子−１（ＶＣＡＭ−１）
Ｐ−セレクチン
Ｅ−セレクチン
ミエロペルオキシダーゼ（ＭＰＯ）
リポタンパク質関連ホスホリパーゼＡ２（Ｌｐ−ＰＬＡ２）
単球走化性タンパク質−１
ＣＤ４０リガンド
白血球数
凝固／線維素溶解
第ＶＩＩＩ因子
フォン・ビルブラント因子
プラスミノーゲンアクチベーター阻害剤−１
組織プラスミノーゲン活性化因子
Ｄダイマー
フィブリノーゲン

用語「ＧｌｙｃＡ」は、Ｎ−アセチルグルコサミンおよび／またはＮ−アセチルガラクトサミン部分を含有する急性期反応性糖タンパク質の炭水化物部分からの複合ＮＭＲシグナルの測定値に由来する炎症性バイオマーカを指し、より詳細には、２−ＮＡｃＧｌｃおよび２−ＮＡｃＧａｌメチル基のプロトンに由来する。ＧｌｙｃＡは、主に１−酸性糖タンパク質、ハプトグロビン、１−抗トリプシン、抗キモトリプシンおよびトランスフェリンに起因すると考えられている。オトボスＪＤ（Ｏｔｖｏｓ ＪＤ）ら、ＧｌｙｃＡ：全身性炎症の複合核磁気共鳴バイオマーカ、クリニカルケミストリー（Ｃｌｉｎ Ｃｈｅｍ）（２０１５）６１（５）：７１４−２３を参照されたく、その内容は、本明細書中に完全に記載されているように参照により本明細書に組み込まれる。ＧｌｙｃＡシグナルは、約４７℃（＋／−０．５℃）での血漿ＮＭＲスペクトルにおいて約２．００ｐｐｍに中心がある。ピークの位置は分光器の場とは無関係であるが、バイオサンプルの分析温度に応じて変化する可能性があり、尿のバイオサンプルでは検出されない。したがって、試験試料の温度が変化すると、ＧｌｙｃＡピーク領域が変化する可能性がある。ＧｌｙｃＡ ＮＭＲシグナルは、臨床的に関連するシグナル寄与のみを含むように、規定されたピーク領域にＮＭＲシグナルのサブセットを含み得、以下でさらに議論されるように、この領域におけるシグナルへのタンパク質寄与を排除し得る。ＧｌｙｃＡの記載およびその計算方法については、米国特許出願公開第２０１３／０３２８５６１号を参照されたく、その内容は、本明細書中に完全に記載されているように、参照により本明細書に組み込まれる。

リポタンパク質粒子および炎症バイオマーカのＮＭＲ測定はＮＭＲ分析に特に適していると考えられているが、これらのパラメータを測定するために他の技術を用いてもよいことも考えられ、現在または将来において、本発明の実施形態は、この測定方法に限定されない。

また、デコンボリューションＮＭＲ法に関して主に記載されているが、本明細書に記載のデコンボリューションプロトコルの代わりに、異なるデコンボリューションプロトコルまたは他のＮＭＲベースのプロトコルを含む他のＮＭＲ法も使用することができる。例えば、ケイス（Ｋａｅｓｓ）ら、「リポタンパク質サブトラクションプロファイル：定量的形質遺伝子座の遺伝および同定」、ジャーナルオブリキッドリサーチ（Ｊ Ｌｉｐｉｄ Ｒｅｓ）、Ｖｏｌ．４９、ｐｐ．７１５−７２３（２００８）；およびスンナ（Ｓｕｎａ）ら、血漿リポタンパクサブクラスの１Ｈ ＮＭＲ代謝：自己組織化マップによる代謝クラスタリングの解明、ＮＭＲ生物医学ジャーナル（ＮＭＲ Ｂｉｏｍｅｄ）、２００７；２０：６５８−６７２。非ＮＭＲ法の例には、例えば、浮遊および超遠心分離が含まれ、リポタンパク質粒子を評価するための密度に基づく分離技術が用いられる。イオン移動度分析は、リポタンパク質サブクラスを測定するための別の技術である。異なる炎症性バイオマーカは、例えば、ＮＭＲを必要としない適切な分析技術を用いて測定することができる。

Ｂ．ＨＤＬ−炎症性バイオマーカ相互作用パラメータによるＣＶＤ予測の改善。
ＨＤＬ−Ｐ単独では必ずしも抗アテローム発生性ではない。したがって、上記のように、ＨＤＬおよび炎症リスクパラメータ（ＨｘＩ）_ＣＶＤは、共に、ＨＤＬ−Ｐ測定のみを使用して容易に同定できない被験体のリスクを層別化することができる可能性がある。

本明細書に記載の新しい相互作用パラメータには、少なくとも１つのＨＤＬバイオマーカおよび少なくとも１つの炎症バイオマーカが含まれる。このような相互作用パラメータは、ＣＶＤリスクの改善された評価のために使用され得る。

ＣＶＤリスクを評価するため、および／または創薬、臨床試験、患者に個別化された最も適切な療法を選択すること、治療に対する反応をモニタリングすることなどに、臨床検査のための新しいＨＤＬおよび炎症バイオマーカリスクパラメータ（（ＨｘＩ）_ＣＶＤ）は使用可能である。

（ＨｘＩ）_ＣＶＤリスクパラメータは、定義されたバイオマーカ炎症マーカにより乗算された少なくとも１つのＨＤＬサブクラスパラメータを含むことができる。

（ＨｘＩ）_ＣＶＤリスクパラメータは、相互作用パラメータとして、ＧｌｙｃＡの測定値に高密度リポタンパク質粒子（ＨＤＬ−Ｐ）の所定の亜集団の濃度を乗じたものを含むことができる。（ＨｘＩ）_ＣＶＤ危険性パラメータは、追加的または代替的に、ＧｌｙｃＡの相互作用パラメータにＨＤＬ−Ｐの第２の（異なる）規定亜集団の濃度を乗じたものを含むことができる。

例えば、リスクパラメータは、以下の式によって計算することができる。
（ＨｘＩ）ＣＶＤ＝ｃ_１（ｃＨ１）＋ｃ_２（ＩＮＦＬＡＭ）＋ｃ_３（ＩＮＴＥＲ_Ｈ１）；または
（ＨｘＩ）ＣＶＤ＝ｃ_４（ｃＨ８）＋ｃ_５（ＩＮＦＬＡＭ）＋ｃ_６（ＩＮＴＥＲ_Ｈ８）
ＩＮＦＬＡＭは、少なくとも１つの炎症性バイオマーカの濃度であり、ＩＮＦＬＡＭ_Ｈ１＝ＩＮＦＬＡＭ＊ｃＨ１、ＩＮＴＥＲ_Ｈ８＝ＩＮＦＬＡＭ＊ｃＨ８であり、「ｃ_１−ｃ_６」は、関連するリスクパラメータについての研究集団におけるＣＶＤ事象の数学的モデルからのそれぞれの定義された係数を表す。

驚くべきことに、本発明者らは、少なくとも１つのＨＤＬおよび炎症相互作用パラメータを含む新たな「複合」ＨＤＬおよび炎症リスクパラメータ（「（ＨｘＩ）_ＣＶＤ」）の使用がＣＶＤリスク予測モデルを統計的に改善できると共に、患者にとって異なるＣＶＤリスクの階層化するために、および／またはＣＶＤリスクを低減または変化させるための療法の有効性および／または非有効性をより正確に反映し得る治療ツールの提供するために有用であり得ることを見出した。「相互作用パラメータ」という用語は、積および／または比率として組み合わされた（乗算された）少なくとも２つの異なる定義されたパラメータを指す。相互作用は、１つの変数が第２の変数とＣＶＤなどの結果との関係に影響を及ぼすため、「効果変更」とも呼ばれる。少なくとも１つのＨＤＬおよび少なくとも１つの炎症相互作用パラメータは、積および／または比として数学的に組み合わされた、規定されたＨＤＬ−Ｐパラメータおよび少なくとも１つの定義された炎症バイオマーカパラメータを含み得る。（ＨｘＩ）_ＣＶＤに関する「複合材料」という用語は、複数の異なる定義されたパラメータが、少なくとも１つのＨＤＬおよび炎症相互作用パラメータに数学的に結合（加算または減算）されることを意味する。

相互作用パラメータの例には、１つ以上の炎症性バイオマーカの濃度測定値を乗じたＨＤＬ−Ｐ亜集団の濃度が含まれるが、これに限定されない。さらに、または代替的に、例示的なパラメータは、１つまたは複数の炎症性バイオマーカ（典型的には、２つ以上の炎症性バイオマーカが使用される場合に合計される）の濃度を掛けた２つ以上のＨＤＬ−Ｐサブクラス濃度の合計を含むことができる。または、個々のＨＤＬ−Ｐサブクラス濃度を用いて相互作用パラメータを生成することができる。２つ以上のＨＤＬ−Ｐおよび炎症相互作用パラメータが使用される場合、それぞれについて同じ炎症性バイオマーカを使用することができ、または異なる炎症バイオマーカを各相互作用パラメータに使用することができる。

いくつかの実施形態では、（ＨｘＩ）_ＣＶＤリスクパラメータは、同じ炎症性バイオマーカを使用する少なくとも２つの（いくつかの実施形態では、たった２つの）相互作用パラメータを含む。炎症性バイオマーカは、単一のバイオマーカであってもよいが、複数であってもよく、その場合、（ＨｘＩ）_ＣＶＤリスクパラメータに使用するために異なるバイオマーカ濃度を合計してもよい。いくつかの実施形態において、（ＨｘＩ）_ＣＶＤリスクパラメータは、２つのＨＤＬ−Ｐおよび炎症性相互作用パラメータを含み、各相互作用パラメータは、同じ炎症性バイオマーカを含み得る。

一例として、（ＨｘＩ）_ＣＶＤは、典型的には、少なくとも１つのＨＤＬサブクラスおよび少なくとも１つの炎症マーカ、例えば（Ｈ１ｘＧｌｙｃＡ）または（Ｈ８ｘＧｌｙｃＡ）を含む。複数のパラメータを合計してもよい（または、たとえば、モデル係数が負の場合、負の相関を示す場合は減算してもよい）。

したがって、（ＨｘＩ）_ＣＶＤは、本明細書の下のＣ部に記載されているように、「Ｈ１」または「Ｈ８」などのＨＤＬ−Ｐの特定のサブクラスを含むことができる。（ＨｘＩ）_ＣＶＤリスクパラメータはまた、（例えば、ＮＭＲによって測定された場合に）無単位であっても、または濃度単位で提供されてもよい少なくとも１つの炎症性バイオマーカの（濃度）測定値を含んでもよい（集中係数がＮＭＲ測定に適用される場合、または異なる測定技術が使用される場合）。

（ＨｘＩ）_ＣＶＤは、典型的には、研究集団からのＣＶＤリスクの数学的モデルからのそれぞれの定義された係数によって調整される他の離散ＨＤＬ−Ｐサブクラス成分も含むことができる。（ＨｘＩ）_ＣＶＤは、例えばＨ１、Ｈ８、ＨＬＰおよび／またはＨＭＳＰの１つまたは複数を含むことができる。

図２は、ＭＥＳＡ（ｎ＝２７４／５５３４）における事象ＣＶＤ事象の「基本」ロジスティック回帰モデルにどの変数が追加されたかによって異なる、異なる予測モデルに対するモデルχ^２値を示しており、年齢、ジェンダー／性別、ＳＢＰ、高血圧薬の使用、喫煙、糖尿病、ＢＭＩおよびトリグリセリドを含む。ＬＤＬ−Ｐおよび（ＨｘＩ）_ＣＶＤの両方を使用する場合のモデルχ^２の増加は、ＬＤＬ−ＣおよびＨＤＬ−Ｃを使用する「標準的」または従来のリスク評価より２２ポイント高い。ＡＵＣ値もこの改善を示している（ＡＵＣ＝０．７７６対０．７６８）。ＬＤＬ−Ｐ、ＨＤＬ−Ｐおよび炎症性バイオマーカ（ＧｌｙｃＡ）のパラメータを別々に検討した場合よりも、（ＨｘＩ）_ＣＶＤによる増加が良好であることがわかる（図２）。

図３は、ＭＥＳＡ参加者（ｎ＝５５４２）における（ＨｘＩ）_ＣＶＤの分布を示し、約−４．８５と約−０．７１８の間のベル形分布を示し、平均は約−３．２５６であり、標準偏差は約０．３２２である。特に、分布は正常であるか、または歪まず、マーカ分布がコレステロールまたは他のＣＶＤバイオマーカのようにほぼ正常であることを示している。

図４は、本発明のいくつかの特定の実施形態による５つのＮＭＲ由来ＨＤＬおよび炎症パラメータが組み合わせられて（ＨｘＩ）_ＣＶＤを生成する例を示すチャートである。これらは、ＨＬＰ（直径約１０．０−１３．５ｎｍのＨＤＬ−Ｐ）およびＨＭＳＰ（約７．４−９．７ｎｍの直径のＨＤＬ−Ｐ）、ＧｌｙｃＡ、および相互作用項ＨＬＰ＊ＧｌｙｃＡおよびＨＭＳＰ＊ＧｌｙｃＡを含む。組み合わされた場合、統計的関連性は、示されたようにこれらのパラメータの個別使用と比較して改善する。

構成要素のそれぞれについての複合計算のための異なる係数（“ｃ”」）または重み付けは、ロジスティック回帰モデルによって定義することができる（しかし、上記の他の研究集団と同様に他の数学モデルも使用することができる）。方程式１〜３は、数字の下付き文字で同じ係数文字を使用するものとして、以下に示す各係数を用いた例である。したがって、「ｃ」係数は、各パラメータについて異なる値を表すことができる。以下に、２つの相互作用パラメータ（ＴＮＴＥＲＡおよびＴＮＴＥＲＢ）を使用する３つの例示的な式を示しており、これらはいくつかの実施形態に従って新しいリスクパラメータを計算するために使用することができる。第２の式は、ＴＮＴＥＲＡがＧｌｙｃＡ＊ＨＬＰであり、ＩＮＴＥＲＢがＧｌｙｃＡ＊ＨＭＳＰであることを２つの相互作用パラメータとして示す。したがって、第１の方程式は、特に他の炎症バイオマーカ（式（１）および式（３）に用語「ＩＮＦＬＡＭＢ」として示されている）を使用して、他の相互作用パラメータを使用できることを認めるより一般的な形式で提示される。第３の式は第１の式であるが、係数のそれぞれの負または正の符号を用いて係数を記載し、モデルからの数「ｃ」が正の数として方程式に挿入される（関連付けられた負の符号が既にこのバージョンの方程式に挿入されている）。第２の式はまた、それぞれの係数の符号（負または正）の極性も提供する。式２および式３は、本発明の実施形態による注目パラメータの負の相関および正の相関を示すために、この形式で提供される。
（ＨｘＩ）_ＣＶＤ＝ｃ_１ＨＬＰ＋（ｃ_２ＨＭＳＰ）＋（ｃ_３ＩＮＦＬＡＭＢ）＋（ｃ_４ｌＮＴＥＲＡ）＋ｃ_５ＩＮＴＥＲＢ 式（１）
（ＨｘＩ）_ＣＶＤ＝ｃ１ＨＬＰ＋（−ｃ_２ＨＭＳＰ）＋（−ｃ_３ＧｌｙｃＡ）＋（−ｃ_４ＨＬＰｘＧｌｙｃＡ）＋ｃ_５ＨＭＳＰｘＧｌｙｃＡ 式（２）
（ＨｘＩ）_ＣＶＤ＝ｃ_１ＨＬＰ＋（−ｃ_２ＨＭＳＰ）＋（−ｃ_３ｌＮＦＬＡＭＢ）＋（−ｃ_４ＩＮＴＥＲＡ）＋ｃ_５ＩＮＴＥＲＢ 式（３）

図５に示す例では、注目のＭＥＳＡ研究集団および例示的な炎症バイオマーカＧｌｙｃＡを用いて、係数を以下の表２に示す。しかしながら、他の炎症性バイオマーカおよび他のＨＤＬ相互作用パラメータを使用し、および／または単一のＨＤＬおよび炎症バイオマーカ相互作用パラメータのみを使用することができ、議論された例示的な係数および式は単なる例示である。

図５は、変数のパラメータ推定値を列挙したチャートであり、５年間の追跡調査中のＭＥＳＡ参加者（ｎ＝５５３４）におけるＣＶＤ事象（ｎ＝２７４）のロジスティック回帰リスク予測モデルにおいて、図４に示される（ＨｘＩ）_ＣＶＤを含む。（ＨｘＩ）_ＣＶＤは、ヴァルドカイ二乗（χ^２）統計値によって、確立されたＣＶＤリスク因子（例えば、年齢、性別、ＳＢＰ、喫煙および糖尿病）と少なくとも同程度にＣＶＤリスクと関連することが示される。

図６は、ＭＥＳＡにおける４つのサブグループの５年間の追跡調査中の無再発生存期間を示すグラフである。本発明の実施形態において、被験者は、ＭＥＳＡ（ｎ＝２７４／５５３４）における事象ＣＶＤ事象のＣｏｘ比例ハザード分析から、図４に示された（ＨｘＩ）_ＣＶＤによって四分円（「Ｑ」）に分類されており、年齢、性別／ジェンダー、人種、喫煙、ＢＭＩ、糖尿病、ＳＢＰ、高血圧薬物使用、およびＬＤＬ−Ｐのために調整される。最も高い四分位数（Ｑ４）の（ＨｘＩ）_ＣＶＤを有する患者は、３つのより低い四分位数の患者と比較して、かなり増加したリスクを有する。

図７Ａおよび７Ｂは、低および高レベルのＬＤＬ−Ｐに対する（ＨｘＩ）_ＣＶＤの四分位（「Ｑ」）によるＭＥＳＡにおける無再発生存期間を示すグラフであり、それぞれ性別／ジェンダー、人種、喫煙、ＢＭＩ、糖尿病、ＳＢＰ、高血圧投薬の使用、およびトリグリセリドのために調整されたＭＥＳＡ（ｎ＝２７４／５５３４）における事象ＣＶＤ事象のＣｏｘ比例ハザード解析から再び導出されている。本発明の実施形態によれば、低および高ＬＤＬ−Ｐ値はそれぞれ中央値（１２６５ｎｍｏｌ／Ｌ）以下および以上である。低ＬＤＬ−Ｐおよび高（ＨｘＩ）_ＣＶＤ（Ｑ４）を有する患者は、低ＬＤＬ−ＰおよびＱ１−Ｑ３（ＨｘＩ）_ＣＶＤを有する患者と比較して、有意に増加したリスクを有する。高ＬＤＬ−Ｐは、（ＨｘＩ）_ＣＶＤのすべての値について増加したリスクを示すが、Ｑ１（ＨｘＩ）_ＣＶＤおよび高ＬＤＬ−Ｐは相対リスクがより低い。

図８は、年齢、性別／ジェンダー、人種、喫煙、ＢＭＩ、糖尿病、ＳＢＰ、高血圧薬物使用、およびトリグリセリドに応じて調整される、ＭＥＳＡ（ｎ＝２７４／５５３４）における事象ＣＶＤ事象のＣｏｘ比例ハザード分析から、低レベルおよび高レベルのＬＤＬ−Ｐに対するＬＤＬ−Ｐおよび（ＨｘＩ）_ＣＶＤサブグループによるＭＥＳＡにおける無再発生存期間のグラフである。本発明の実施形態によれば、低および高ＬＤＬ−Ｐ値はそれぞれ中央値（１２６５ｎｍｏｌ／Ｌ）以下および以上である。このグラフは、低ＬＤＬ−Ｐおよび高ＬＤＬ−Ｐのより直接的な比較によって図７Ａおよび７Ｂに示される情報を提示し、中間（ＨｘＩ）_ＣＶＤ値（Ｑ２およびＱ３）を組み合わせるので、従って、（ＨｘＩ）_ＣＶＤの３つの範囲、Ｑ１、Ｑ４およびＱ２＋Ｑ３を示す。

図９は、本発明の実施形態における、１つのＨＤＬおよび炎症相互作用パラメータ（ＨＭＳＰ＊ＧｌｙｃＡ）および中および小型のＨＤＬ−Ｐサブクラス（パラメータとしての小さなサブクラスおよび中位のサブクラスの濃度）のみを使用した場合のＣＶＤ事象の予測確率を計算するために使用されるロジスティック回帰モデルパラメータおよび関連する統計学的関連値（および係数）を示すチャートである。

図１０は、炎症性バイオマーカのレベルの増加（図に示すように、ＧｌｙｃＡ）（ＳＢＰ＝１４０ｍｍＨｇ、ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、トリグリセリド＝１５０ｍｇ／ｄＬであり、高血圧治療薬を服用している６０歳の非喫煙非糖尿病白人女性のロジスティック回帰からの５年間の追跡調査（ｎ＝２７４／５５３４）中のＭＥＳＡにおけるＣＶＤ事象の予測確率の百分率（ＣＶＤ ＰＰ％））の関数としての、小および中ＨＤＬ−Ｐサブクラス（ＨＭＳＰ）の総和の低、中および高値に関連するＣＶＤリスクを示すグラフである。この例では、低、中および高は、それぞれ２３．６、２７．６および３２．３μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。示されているように、ＨＭＳＰの高い値は、炎症バイオマーカのより低い濃度範囲で低い値および中間値と比較してより低いＣＶＤパーセント確率から、約４２５μｍｏｌ／Ｌで同じリスクに移行し、実際に約ＨＭＳＰの低濃度および中濃度に対して４２５μｍｏｌ／Ｌであった。

図１１は、本発明の実施形態における、１つのＨＤＬおよび１つの炎症マーカ（ＨＬＰ＊ＧｌｙｃＡ）、炎症マーカ（ＧｌｙｃＡ）、および大きなＨＤＬ−Ｐサブクラス（すなわちＨＬＰ）のみを含む相互作用パラメータを使用する場合のＣＶＤ事象の予測確率を計算するために使用されるロジスティック回帰モデルパラメータおよび値を示すチャートである。

図１２は、炎症性バイオマーカ（ＧｌｙｃＡで示される）（ＳＢＰ＝１４０ｍｍＨｇ、ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、トリグリセリド＝１５０ｍｇ／ｄＬであり、高血圧治療薬を服用している６０歳の非喫煙非糖尿病白人女性のロジスティック回帰からの５年間の追跡調査（ｎ＝２７４／５５３４）中のＭＥＳＡにおけるＣＶＤ事象の予測確率）のレベルの増加に対する大型ＨＤＬ−Ｐサブクラス（「ＨＬＰ」、図１に示すサブクラス１６〜２６に対応する）の合計の低、中および高値を示すグラフである。この例では、低、中および高は、それぞれ、本発明の実施形態による３．０、５．１、および８．５μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。示されているように、高いＨＬＰ値は、示された炎症性バイオマーカの範囲にわたって実質的に一定の割合の確率に対応し、一方、低い値および中間の値は、炎症性バイオマーカの濃度が約３００μｍｏｌ／Ｌを超えて増加するにつれ、リスクの増加を示している。

ＣＶＤリスクを評価するための数学的モデルは、例えば、性別、年齢、収縮期血圧、喫煙および高血圧症薬の有無などの他の臨床統計的に関連するパラメータを含むことができる。場合により、人種、２型糖尿病、ＢＭＩおよびトリグリセリドまたは他のパラメータも含まれてもよい。

同量でＨＤＬ−Ｃを増加させる異なる療法は、比例的にＨＤＬサブクラスを増加させないことがあることが知られている。例えば、いくつかの薬物は、主に小さなＨＤＬ粒子（フィブラートクラスのものなど）の数を増やすことによってＨＤＬ−Ｃを増加させる。他のものは主に大型のＨＤＬ−Ｐを増加させる。ＨＤＬ粒子のサブクラス濃度は、異なる治療法によって示差的に変化し、潜在的により大きいまたはより小さい臨床的利益を示し、治療効果を評価するための上昇プロトコルを提供し得る。例えば、ラシシＮ、ブレナンＤ、カステインＪＪ、ニッセンＳＥ、ニコルズＳ、２０１１欧州アテローム性動脈硬化症学会の発表会などを参照されたい。（ＨｘＩ）_ＣＶＤリスクパラメータは、単独で、または他のパラメータと組み合わせて、特に経時的に、または投与された薬物の変化に応答して、療法および／または臨床的利益を評価するために使用され得ることが企図される。

（ＨｘＩ）_ＣＶＤリスクパラメータは、ＣＶＤおよび／またはＣＨＤを低減することを目的とする薬物の潜在的な性能についての治療、臨床試験などに関するより信頼性の高いデータを提供し得る。すなわち、薬物がＨＤＬ−Ｃを増加させることができるかどうかを単に決定するのではなく、薬物が、特定の（ＨｘＩ）_ＣＶＤリスクパラメータを低下させるかどうかを評価することが望ましい場合があり、潜在的にＬＤＬ−Ｐへの変化、例えば高濃度から低濃度への変化も伴う。

したがって、本明細書に示されるように、ＨＤＬ−炎症相互作用パラメータを含む（ＨｘＩ）_ＣＶＤリスクパラメータは、実行可能な情報を提供することができる。すなわち、（ＨｘＩ）_ＣＶＤリスクパラメータは、被験者が、計算された（ＨｘＩ）_ＣＶＤに少なくとも部分的に基づいて、自分の食事、運動、喫煙または他の行動を変更し得るように、被験者またはその医療提供者に報告書として提供されてもよい。代替的または追加的に、医療提供者は、計算された（Ｈｘｌ）ＣＶＤに少なくとも部分的に基づいて、被験者の治療若しくは療法、または治療若しくは療法の変更を、処方、推奨、または決定することができる。したがって、（ＨｘＩ）_ＣＶＤリスクパラメータまたはマルチマーカは、被験体またはその医療提供者が、治療、治療、または行動変更の結果として（ＨｘＩ）_ＣＶＤリスクパラメータまたはマルチマーカが増加または減少したかどうかを決定できるように、経時的に監視（すなわち、１つまたは複数のその後の生体試料を採取することによって）されてもよい。

Ｃ．より少ないＨＤＬ−Ｐサブクラスの分析によるＣＶＤ予測の改善
より多くの数のリポタンパク質サブクラスの分析は、全体的により高い測定精度の不正確さを生じる可能性があるので、代替の実施形態は、この不正確さを低減するために、より少ない数のＨＤＬサブクラスを利用する。例えば、デコンボリューションモデルは、図１に示すように、上記のように２６種類のサブクラスではなく、粒子サイズによって８つの異なるサブクラスに分けられたＨＤＬ粒子を分析するように調整してもよい。サブクラスの数が減少すると、精度が向上する可能性があります。例えば、特定の実施形態では、Ｈ１は約７．０〜７．６ｎｍの直径範囲を表し、Ｈ８は約１．５〜１３．５ｎｍの直径範囲を表すことができる。

図１３に示す実施形態では、ＨＤＬ−Ｐの異なる亜集団は、Ｈ１−Ｈ８からの数によって同定することができ、「Ｈ１」は最小サイズのＨＤＬ亜集団（直径平均７．４ｎｍ）を表し、「Ｈ８」は最大サイズのＨＤＬ亜集団（直径平均１２．０ｎｍ）である。図１３は、オランダ人の健康なコホート（ｎ＝５５３２）におけるＨＤＬ−Ｐの８つの異なる亜集団の濃度の分布を示す。各サブクラスの前の小さな「ｃ」（すなわち、ｃＨ１−ｃＨ８）は、ここに示される平均粒子濃度が、リポタンパク質分析方法間の実質的な相違を説明するために較正されるという事実を指し、これはハッチンズ（Ｈｕｔｃｈｉｎｓ）、クリニカルケミストリー（Ｃｌｉｎ．Ｃｈｅｍ．）、（２０１４）６０：１３９３−４０１に記載されており、その内容は参照により本明細書に完全に記載されているように本明細書に組み込まれる。ＮＭＲベースのリポタンパク質濃度測定の開発が乳児期にあった場合、ＮＭＲ由来の濃度を較正する他の測定方法は利用できなかった。その結果、過去に報告されたＮＭＲ由来のＨＤＬ−Ｐ濃度は、実際の絶対濃度より約５０％高い可能性が高い。従って、本較正は、リポタンパク質測定方法論間の調和化への一歩である。

８種類のＨＤＬ亜集団または成分（Ｈ１〜Ｈ８）の推定直径を表３に示し、図１の２６のサブクラス分析からの近似対応サブクラスを示した。各用語の前の小さな「ｃ」（例えば、「ｃＨ１」）は、本明細書に記載されているように、関連リスクパラメータについての研究集団におけるＣＶＤ事象の数学的モデルからの係数を表す。

驚くべきことに、ＨＤＬ粒子を表３に示す８つのサブクラスで分析すると、最大径（Ｈ８）および最小直径（Ｈ１）のサブクラスを用いてＨＤＬおよび炎症リスクパラメータ（ＨｘＩ）_ＣＶＤを生成することにより、以前は炎症状態のＨＤＬ情報を用いて区別できなかった被験者のリスク階層化を改善することができた。表に報告される平均粒子直径は近似値であり、各サブクラスの直径範囲により正確に表すことができる（例えば、Ｈ１は約７．０〜７．６ｎｍであり、Ｈ８は約１１．５〜１３．５ｎｍであり得る）。

表３：ＮＭＲ分析によって測定した８つのＨＤＬサブクラスの推定直径

本発明のいくつかの特定の実施形態によれば、図１４は、表３においてＨ８と命名された最大ＨＤＬ−ＰサブクラスのＮＭＲ由来ＨＤＬパラメータがＮＭＲ由来炎症パラメータＧｌｙｃＡと組み合わされて（Ｈ８ｘＩ）_ＣＶＤマルチマーカを生成する例を示すチャートである。このデータは、９年間の追跡調査の間の、ＭＥＳＡ参加者（ｎ＝５６６０）における偶発的ＣＶＤ事象のロジスティック回帰モデルに基づいている。この式は、すべての値が確実に正であることを保証するために、（Ｈ８ｘＩ）_ＣＶＤマルチマーカに５を数値で加えることを含む。

図１５は、本発明のいくつかの特定の実施形態において、表３においてＨ１で示される最小のＨＤＬ−ＰサブクラスのＮＭＲ由来ＨＤＬパラメータが、ＮＭＲ由来のＧｌｙｃＡ炎症パラメータと組み合わされて（Ｈ１ｘＩ）_ＣＶＤマルチマーカを生成する例を示すチャートである。このデータは、ＭＥＳＡ参加者の事故ＣＶＤイベントのロジスティック回帰モデルに基づいている。

図１６は、本発明のいくつかの特定の実施形態において、３つのＮＭＲ由来のＨＤＬおよび炎症パラメータを組み合わせて、複合（ＨｘＩ）_ＣＶＤマルチマーカを生成する例を示すチャートである。これらは、チャートの下の方程式に示すように、（Ｈ１＊ＧｌｙｃＡ）および（Ｈ８＊ＧｌｙｃＡ）マルチマーカならびにＨ２−７を組み合わせたものを含む。これらを組み合わせると、統計的関連性はこれらのパラメータを個別に使用する場合よりも向上する。

図１７は、ＭＥＳＡ参加者（ｎ＝５６８２）における計算されたマルチマーカパラメータの分布を示し、それぞれにほぼベル形の分布を示している。パネルＡは（Ｈ８ｘＩ）_ＣＶＤを示し、パネルＢは（Ｈ１ｘＩ）_ＣＶＤを示し、パネルＣは（ＨｘＩ）_ＣＶＤを示、ここで（Ｈｘｌ）は図１６に示すように計算される。特に、分布は著しく歪曲されず、通常、コレステロールおよび他のＣＶＤバイオマーカのように分布している。

図１８は、ＭＥＳＡ（ｎ＝４５８／５６６０）における事象ＣＶＤ事象の「基本」ロジスティック回帰モデルにどの変数を加えるかによって異なる１１の異なる予測モデルのそれぞれのモデルχ^２値を示しており、年齢、性別、人種、高血圧、喫煙、糖尿病、ＢＭＩおよびＶＬＤＬ−Ｐが含まれる。ＬＤＬ−Ｐおよび（ＨｘＩ）_ＣＶＤ（例えば、モデル１１）またはＬＤＬ−Ｐ、（Ｈ８ｘＩ）_ＣＶＤ、（Ｈ１ｘＩ）_ＣＶＤおよびＨ２−７（例えばモデル１０の場合）を使用する場合のモデルχ^２の増加は、「標準」又は従来のリスク評価より約３６ポイント高い。これは、モデル１０および１１の改善された予測（すなわち、改善されたリスク評価）に対応する。

図１０および１２によって示唆されるように、ＨＤＬ−Ｐの任意の特定のサブクラスの高レベルを有する効果は、少なくとも部分的に、共存する炎症状態に依存し得る。すなわち、炎症はＨＤＬ機能を調節し得る。

図１９は、ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、ＶＬＤＬ−Ｐ＝１３０ｍｇ／ｄＬ、６０歳の非喫煙非糖尿病高血圧白人女性の、ロジスティック回帰から９年間の追跡調査（ｎ＝４５８／５６６０）の間のＭＥＳＡにおけるＣＶＤ事象の予測確率に基づく、炎症性バイオマーカ（図に示すように、ＧｌｙｃＡ）のレベルの増加に対する小径ＨＤＬ−Ｐサブクラス（「Ｈ１」）の低、中位、および高値の意義を示す。本発明の実施形態によれば、低、中位および高Ｈ１値は、それぞれ、４．１、５．７、および７．２μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。示されるように、Ｈ１の高い値は、炎症性バイオマーカのより低い濃度範囲での低い値および中央値と比較して、より低いＣＶＤパーセント確率から約３５０μｍｏｌ／ＬＧｌｙｃＡの同じリスクへ移行する。高レベルのＨ１は、低および中濃度のＨ１と比較して、約３５０μｍｏｌ／Ｌを超えるＧｌｙｃＡのＣＶＤリスクの増加と関連している。言い換えれば、高いＨ１値は、炎症が低い（＜〜３５０μｍｏｌ／Ｌ）場合には「良好」（保護）であり、全身性炎症レベルが高い場合（＞３５０μｍｏｌ／Ｌ）には「悪い」（アテローム形成性）になる。

図２０は、ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、ＶＬＤＬ−Ｐ＝１３０ｍｇ／ｄＬ、６０歳の非喫煙非糖尿病高血圧白人女性の、ロジスティック回帰から９年間の追跡調査（ｎ＝４５８／５６６０）の間のＭＥＳＡにおけるＣＶＤ事象の予測確率に基づく、炎症性バイオマーカ（図に示すように、ＧｌｙｃＡ）のレベルの増加に対する小径ＨＤＬ−Ｐサブクラス（「Ｈ８」）の低、中位、および高値の意義を示す。本発明の実施形態によれば、低、中位および高Ｈ１値は、それぞれ０．１０、０．２７および０．５９μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。示されているように、Ｈ８の低い値は、炎症バイオマーカのより低い濃度範囲で中央値および高いＨ８値に対してわずかに低いＣＶＤパーセント確率から、約３００μｍｏｌ／Ｌ ＧｌｙｃＡまたはそれ以上の同じリスクへ移行する。従って、低レベルのＨ８は、中央値および高濃度のＨ８と比較して、約３００μｍｏｌ／Ｌを超えるＧｌｙｃＡのＣＶＤリスクの増加と関連する。

Ｄ．ジェンダー特有のマルチマーカによるＣＶＤ予測の改善
女性は一般に男性よりＣＶＤリスクが低い。この現象は、ＨＤＬコレステロールの違いによっては十分に説明されていない。非常に驚くべきことに、大小のＨＤＬサブクラスであるＨ１およびＨ８とのＧｌｙｃＡ相互作用を性別で分析したところ、ＣＶＤリスクとの関係は性別が非常に高いようである。すなわち、Ｈ１およびＧｌｙｃＡによって評価される炎症とのその相互作用は、男性におけるＣＶＤ事象の予測因子であり、Ｈ８およびそのＧｌｙｃＡ相互作用は、女性のＣＶＤ事象に特異的である。したがって、Ｈ１（男性の場合）およびＨ８（女性の場合）に少なくとも部分的に基づくジェンダー特異的マルチマーカの開発が適切かもしれない。ＣＶＤリスクの性差を考慮したテストまたはテストシステムが特に望ましい。

図２１は、本発明のいくつかの特定の実施の形態に係る、女性ＭＥＳＡ参加者（ｎ＝２９０１）における偶発的ＣＶＤ事象（ｎ＝１７１）について（Ｈｘｌ）^Ｗを生成するためのＨ８、ＧｌｙｃＡ、Ｈ８＊ＧｌｙｃＡ相互作用パラメータの組み合わせを図示するチャートである。これらを組み合わせると、統計的関連性はこれらのパラメータを個別に使用する場合よりも向上する。ＧｌｙｃＡ＊Ｈ８相互作用パラメータは、ヴァルドカイ二乗（χ^２）統計量によって示され、例えば、糖尿病、ＢＭＩ、ＬＤＬ−Ｐ、ＶＬＤＬ−Ｐ、およびＨＤＬ−Ｐなどのいくつかの他のＣＶＤリスク因子と少なくとも同じくらい強く、女性のＣＶＤリスクと関連することを示す。

図２２は、本発明のいくつかの特定の実施の形態に係る、男性ＭＥＳＡ参加者（ｎ＝２７５９）における偶発的ＣＶＤ事象（ｎ＝２８７）について（Ｈｘｌ）^Ｍを生成するためのＨ８、ＧｌｙｃＡ、Ｈ８＊ＧｌｙｃＡ相互作用パラメータの組み合わせを図示するチャートである。ＧｌｙｃＡ＊Ｈ１相互作用パラメータは、ヴァルドカイ二乗（χ^２）統計量によって示され、例えば、糖尿病、ＢＭＩ、ＬＤＬ−Ｐ、ＶＬＤＬ−Ｐ、およびＨＤＬ−Ｐなどのいくつかの他のＣＶＤリスク因子と少なくとも同じくらい強く、男性のＣＶＤリスクと関連することを示す。

図２３は、ＭＥＳＡ参加者（男性、ｎ＝２７７０、および女性、ｎ＝２９１３）における性別特異的マルチマーカの分布を示し、それぞれのベル型分布を示している。パネルＡは（Ｈｘｌ）^Ｍの分布を示し、パネルＢは（Ｈｘｌ）^Ｗの分布を示す。男性のマルチマーカは、平均約１．７４０８および標準偏差約０．２６５９の約０．７５６４〜約３．５４３０の範囲のベル形分布を示す。女性のマルチマーカは、約３．９４９３〜約１２．３４２１の範囲のベル型分布を示し、平均は約６．０６９３であり、標準偏差は約０．３１３１である。特に、コレステロールまたは他のＣＶＤバイオマーカのように、分布は正常またはほぼ正常である。

図２４は、ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、ＶＬＤＬ−Ｐ＝１３０ｍｇ／ｄＬ、６０歳の非喫煙非糖尿病高血圧白人男性の、９年間の追跡調査（ｎ＝４５８／５６６０）の間のＭＥＳＡ男性におけるＣＶＤ事象の予測確率に基づく、炎症性バイオマーカＧｌｙｃＡのレベルの増加に対するＨ１の低、中位、および高値の意義を示す。確率は、Ｈ１＊ＧｌｙｃＡ相互作用項を含む男性特異的マルチマーカ（ＨｘＩ）^ＭのＭＥＳＡ男性におけるＣＶＤ事象のロジスティック回帰モデルからの係数に基づく。本発明の実施形態によれば、低、中位および高Ｈ１値は、それぞれ４．７、６．１および７．５μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。示されているように、Ｈ１の高い値は、炎症性バイオマーカのより低い濃度範囲での低いおよび中央値のＨ１値と比較してより低いＣＶＤパーセント確率から、約３５０μｍｏｌ／Ｌで同じリスクへの遷移になる。高レベルのＨ１は、低および中濃度のＨ１と比較して、約３５０μｍｏｌ／Ｌを超えるＧｌｙｃＡのＣＶＤリスクの劇的な増加と関連する。従って、Ｈ１値（レベル）の意味は、炎症状態に依存する。高レベルのＨ１を有する炎症の増加は、よりアテローム発生性である。

図２５は、ＢＭＩ＝２９ｋｇ／ｍ^２、ＬＤＬ−Ｐ＝１５００ｎ／ｍｏｌ／Ｌ、ＶＬＤＬ−Ｐ＝１３０ｍｇ／ｄＬ、６０歳の非喫煙非糖尿病高血圧白人女性の、９年間の追跡調査（ｎ＝１７１／２９０１）の間のＭＥＳＡ男性におけるＣＶＤ事象の予測確率に基づく、炎症性バイオマーカＧｌｙｃＡのレベルの増加に対するＨ８の低、中位、および高値の意義を示す。確率は、Ｈ８＊ＧｌｙｃＡ相互作用の項を含む女性特異的マルチマーカ（Ｈｘｌ）^ＷのＭＥＳＡ女性におけるＣＶＤ事象のロジスティック回帰モデルからの係数に基づく。本発明の実施形態によれば、低、中位および高Ｈ８値は、それぞれ０．１２、０．３２および０．７７μｍｏｌ／Ｌ（２０分の１、５０分の１および８０分の１）である。示されているように、Ｈ８の低い値は、炎症バイオマーカの低い濃度範囲では中央値および高いＨ８値と比較して低いＣＶＤパーセント確率で移行し、約３００μｍｏｌ／Ｌ以上では同じリスクへの移行になる。Ｈ８の低レベルは、Ｈ８の中央値および高濃度と比較して、約３００μｍｏｌ／Ｌを超えるＧｌｙｃＡの顕著に増加したＣＶＤリスクと関連する。従って、Ｈ８値（レベル）の重要性も炎症状態に依存する。低レベルのＨ８を有する炎症の増加は、よりアテローム発生性である。グラフの曲線によって示されるように、Ｈ８が低い人のリスクは、Ｈ８が高いことと比較して、ＧｌｙｃＡレベルに対して過敏である（すなわち、ＧｌｙｃＡの関数としてのリスクカーブの傾きは、低Ｈ８に対してはるかに大きい）。

図２６は、ＭＥＳＡ女性（ｎ＝１６９／２８６８）における事象ＣＶＤ事象の「基本」ロジスティック回帰モデルにどの変数を加えるかによって異なる８つの異なる予測モデルのモデルχ^２値を示しており、年齢、性別、レース、高血圧、喫煙、糖尿病、ＢＭＩおよびＶＬＤＬ−Ｐが含まれる。モデル７で（Ｈｘｌ）^Ｗを使用した場合のモデルχ^２の増加は、ＬＤＬ−ＣおよびＨＤＬ−Ｃ（モデル２）を用いた「標準的」または従来のリスク評価より約１３ポイント高い。これは、例えば、モデル７における女性の改善された予測（すなわち、改善されたリスク評価）に対応する。

図２７は、ＭＥＳＡ男性（ｎ＝２８２／２７２２）における事象ＣＶＤ事象の「基本」ロジスティック回帰モデルにどの変数を追加したかによって異なる８つの異なる予測モデルのモデルχ^２値を示しており、年齢、性別、レース、高血圧、喫煙、糖尿病、ＢＭＩおよびＶＬＤＬ−Ｐが含まれる。モデル７で（ＨｘＩ）^Ｍを使用した場合のモデルχ^２の増加は、ＬＤＬ−ＣおよびＨＤＬ−Ｃ（モデル２）を使用する「標準」または従来のリスク評価より約１６ポイント高い。これは、例えば、モデル７の男性の改善された予測（すなわち、改善されたリスク評価）に対応する。

図２８は、伝統的なリスク要因と比較した、女性および男性におけるＣＶＤリスク予測に対するマルチマーカ（Ｈｘｌ）^Ｗおよび（ＨｘＩ）^Ｍの寄与を示す。データは、それぞれ、ＭＥＳＡ女性（１６９事象／２８６８被験者）および男性（２８２事象／２７２２被験者）における偶発的ＣＶＤ事象の比例ハザード回帰モデルから計算される。χ^２値が高いほど、ＣＶＤリスク予測に対する所与のパラメータの寄与が大きいことを示す。女性の場合、ジェンダー特有のマルチマーカは、予測パラメータとして年齢に次ぐ第２位である。男性の場合、年齢および高血圧のみがより予測的である。両方の性別について、それぞれの性別特異的マルチマーカは、喫煙、糖尿病、またはＢＭＩよりも強力な寄与因子である。

したがって、Ｈ１は、２６のＨＤＬサブクラスを有するデコンボリューションモデルにおいて観察されるＨＭＳＰｘＧｌｙｃＡ相互作用の原因である可能性があり、Ｈ８は、観察されるＨＬＰｘＧｌｙｃＡ相互作用の原因である可能性が高い。「ジェンダーレス」（Ｈｘｌ）_ＣＶＤマルチマーカは、その１つは男性（Ｈ８）のリスクとは無関係で、もう１つは女性（Ｈ１）とは無関係である２成分マルチマーカ（Ｈ１及びＨ８）を含めることによって弱くなった。性別に特異的なリスク予測パラメータを適用することにより、（Ｈｘｌ）^Ｗおよび（ＨｘＩ）^Ｍなどの性別特異的マルチマーカを使用して、女性および男性のより良いリスク予測を達成することができる。

Ｅ．システム
本発明の実施形態は、少なくとも１つのＨＤＬおよび炎症バイオマーカ相互作用パラメータを含む定義された多成分リスク予測モデルを使用して、インビトロ血漿または血清患者サンプルから収集された定義されたパラメータの測定値を使用して、ヒトのＣＶＤリスクを評価する方法、回路、ＮＭＲ分光計またはＮＭＲ分析器、非一時的コンピュータ可読媒体、オンライン半自動リスク計算器、およびプロセッサである。

図２９Ａおよび図２９Ｂは、本発明の実施形態が、インターネットを介してアクセス可能であり、コンピュータ、スマートフォン、電子手帳のディスプレイ１００ｄ上に提示されるオンラインリスク計算機１００（臨床家またはインターネット上の患者／人々にアクセス可能）を提供することを図示している。リスク計算機１００は、測定値によって自動的に入力されるフィールドを含み、及び／または（ＨｘＩ）_ＣＶＤ、収縮期血圧（“ＢＰ”）、性別および年齢などの関連するパラメータをユーザが入力することを可能にするフィールドを有し、フレーミングハムと米国心臓病学会が現在提供しているリスク計算機に似ている。リスク計算機１００は、ＣＶＤリスク出力１００Ｒを提供することができる。

ここで図３０を参照すると、ＣＶＤリスク分析は、例えば、ＨＤＬ−Ｐおよび／またはＬＤＬ−Ｐの（サブクラス）の測定のための少なくとも１つの炎症バイオマーカおよび／またはリポタンパク質の臨床測定値を生成するためにバイオサンプルを評価する臨床検査室１２０と通信するシステム１０を使用して実行され得ることが企図される。システム１０は、（ＨｘＩ）_ＣＶＤリスクパラメータを計算するＣＶＤ分析回路２０を含むことができる。分析モジュールまたは回路２０は、１つまたは複数のサーバ１５０に全体的または部分的に存在することができる。モジュールまたは回路２０は、それぞれのラボ１２０でプロセッサ１２０ｐ上に搭載することができ、または、ラボでプロセッサから離れて、サーバ１５０を介してアクセスすることができる。プロセッサ１２０ｐは、典型的にＨＩＰＡＡ要件に準拠するサーバまたは他の電子通信デバイス上に保持することができる。プロセッサ１２０ｐは、実験室（例えば、ＬＩＳシステム）において、電子カルテシステムまたは任意の電子通信プロトコルの一部を形成することができる。

いくつかの実施形態では、ラボラトリー１２０は、（ＨｘＩ）_ＣＶＤリスクパラメータの測定値のすべてまたは一部を生成するように構成されたＮＭＲアナライザ２２を含む。分析モジュールまたは回路２０は、全体的に若しくは部分的にＮＭＲ分析器２２上に、部分的に若しくは全体的にプロセッサ１２０ｐ若しくは分析器２２に、全体的に若しくは部分的にサーバ１５０に、又は分析器２２に配置され、又は、分析器２２、様々なプロセッサおよび／またはサーバの間で分散されてもよい。ＮＭＲ分析器２２は、実験室１２０に対して局所的または遠隔的であり得るプロセッサ１２０ｐと通信することができる。プロセッサ１２０ｐは、バイオサンプル分析から得られたＮＭＲ信号またはスペクトルのデコンボリューションを行うことができる。回路２０は、ＣＶＤリスクおよび／または（ＨｘＩ）_ＣＶＤリスクパラメータを計算するために使用される入力の測定のための様々なソースからの入力を収集することができる。例えば、炎症マーカ測定値は、研究所内の１つの実験室または機械によって提供されてもよく、また、リポタンパク測定値は、別の実験室または同じ実験室の装置によって提供されてもよく、また、測定値は、（ＨｘＩ）_ＣＶＤリスクパラメータの計算のために回路２０に送信することができる。回路２０は、患者レポート１９０を生成するように構成することもできる（図３４，３５）。図３５は、より良い治療決定を可能にし得る患者レポート（図３５）の経時的な（ＨｘＩ）_ＣＶＤリスクパラメータのグラフ１９０ｇをレポート１９０が含むことができることを示す。

サーバ１５０は、コンピュータネットワークを介してオンデマンドで計算資源を提供すること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。伝統的なコンピューティングモデルでは、データとソフトウェアの両方が通常、ユーザのコンピュータに完全に含まれており、クラウドコンピューティングでは、ユーザのコンピュータは、わずかなソフトウェアまたはデータ（おそらくオペレーティングシステムおよび／またはウェブブラウザ）を含んでいてもよく、外部コンピュータのネットワーク上で発生するプロセスの表示端末としての役割を果たすこともできる。クラウドコンピューティングサービス（または複数のクラウドリソースの集約）は、一般に「クラウド」と呼ばれることがある。クラウドストレージには、１つ以上の専用サーバでホストされるのではなく、複数の仮想サーバにデータが格納される、ネットワーク化されたコンピュータデータストレージのモデルが含まれる。データ転送は、暗号化することができ、また、ＨＩＰＡＡなどの業界標準または規制基準に準拠するために適切なファイアウォールを使用してインターネット経由で行うことができる。「ＨＩＰＡＡ」という用語は、健康保険の携帯性および説明責任法によって定義された米国の法律を指す。患者データは、受託番号または識別子、性別、年齢および試験データを含むことができる。

分析の結果は、インターネットなどのコンピュータネットワーク、電子メール、その他を介して、臨床医のサイト５０、健康保険代理店５２または薬局５１または他のユーザ５３に送信することができる。結果は分析サイトから直接送信することも、間接的に送信することもできる。結果を印刷して従来の郵便で送ることができます。この情報は、薬局および／または医療保険会社、あるいは有害事象のリスクが増大する可能性のある処方薬または薬物使用を監視する患者にも送信することができる。結果は、「家庭」コンピュータ、またはスマートフォンまたはノートパッドなどの広範囲のコンピューティングデバイスに、電子メールを介して患者に送信することができる。結果は、レポート全体の電子メール添付ファイルやテキストメッセージアラートなどの結果になる。ユーザは、オンラインリスク計算機にアクセスすることによって、インターネットポータルを使用して情報にアクセスできる。

ここで図３１を参照すると、バイオサンプルの線形を取得して計算するためのＮＭＲ分析器２２Ａを備えたシステム２０７が示されている。例示的なＮＭＲ分析器２２Ａの更なる詳細は、米国特許第８，０１３，６０２号に記載されており、その内容は、本明細書に完全に記載されているように、参照により本明細書に組み込まれる。

システム２０７は、サンプルのＮＭＲ測定を行うＮＭＲ分光計２２と、典型的にはフローＮＭＲを可能にするインタラクティブなサンプルハンドラであるサンプルハンドラ２０Ｈとを含むが、容器も分光計のボア内にサンプルを保持するために使用することができる。一実施形態において、分光計２２は、ＮＭＲ測定がプロトン信号について４００ＭＨｚで行われるように構成されており、他の実施形態では、測定は、３６０ＭＨｚまたは他の適切な周波数で実行されてもよい。所望の動作磁界強度に対応する他の周波数、典型的には約２００ＭＨｚ〜９００ＭＨｚの間で使用することもできる。典型的には、サンプル温度を４７±０．５℃に維持するための温度コントローラと同様に、プロトンフロープローブが設置される。分光計２２は、デジタルコンピュータ２１４また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行うことができるべきである。また、別のプロセッサまたはコンピュータ２１３へのデータリンク２１２と、ハードメモリ記憶装置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とを含むこともできる。プロセッサまたはコンピュータ２１３はＮＭＲスペクトルをデコンボリューションすることができる。

デジタルコンピュータ２１１はまた、パルス制御およびインタフェース回路２１６を介して分光計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／アナログ変換器および低速デバイスＩ／Ｏポートを含むことができる。これらの要素は、デジタルコンピュータ２１１によって指示された持続時間、周波数および大きさのＲＦ励起パルスを生成するＲＦ送信器２１７と、パルスを増幅し、サンプルセル２２０を取り囲むＲＦ送信コイル２１９に結合する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って生成されたＮＭＲ信号は、コイル２２２によって受信され、ＲＦ受信器２２３に印加される。増幅されフィルタリングされたＮＭＲ信号は２２４で復調され、得られた直交信号はインタフェース回路２１６に印加され、デジタル回路２１１を介してデジタル化され入力される。リポタンパク質測定値、炎症性バイオマーカ測定値および（ＨｘＩ）_ＣＶＤ分析回路２０またはモジュール３５０（図３２）は、デジタルコンピュータ２１１に関連する１つまたは複数のプロセッサ、および／またはインターネット２２７などの世界的なネットワークを介してアクセス可能なオンサイトまたはリモートのいずれかである２次コンピュータ２１３または他のコンピュータの中に設置される。

測定セル２２０内のサンプルからＮＭＲデータが取得された後、コンピュータ２１１による処理は、所望に応じて記憶装置２１５に記憶され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、その記憶装置２２５または１つまたは複数のサーバに関連するデータベースに格納するためにコンピュータ２１３に読み出される。パーソナル、ラップトップ、デスクトップ、ワークステーション、電子ノートパッド、スマートフォンまたは他のコンピュータであってもよいコンピュータ２１３は、そのメモリに記憶されたプログラムの指示の下で、本発明の教示に従って化学シフトスペクトルを処理し、プリンタ２２６に出力されるか、電子的に格納され、所望の電子メールアドレスまたはＵＲＬに中継されるレポートを生成することができる。当業者であれば、コンピュータ表示画面、ノートパッド、スマートフォンなどの他の出力装置を結果の表示に使用することもできることを認識するであろう。

コンピュータ２１３およびその別個の記憶装置２２５によって実行される機能もまた、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むことができることは、当業者には明らかである。そのような場合、プリンタ２２６は、デジタルコンピュータ２１１に直接接続されてもよい。当業者によく知られているように、他のインタフェースおよび出力装置を使用することもできる。

本発明の特定の実施形態は、インビトロバイオサンプルのＣＶＤのスクリーニングおよび／またはリスク評価において特に有用であり得る（ＨｘＩ）_ＣＶＤリスクパラメータ番号を生成または使用する方法、システムおよび／またはコンピュータプログラム製品を提供することに関する。

当業者によって理解されるように、本発明は、装置、方法、データまたは信号処理システム、またはコンピュータプログラム製品として具体化されてもよい。したがって、本発明は、完全にソフトウェアの実施形態、またはソフトウェアとハードウェアの態様を組み合わせた実施形態の形態を取ることができる。さらに、本発明の特定の実施形態は、媒体に組み込まれたコンピュータ使用可能プログラムコード手段を有するコンピュータ使用可能記憶媒体上のコンピュータプログラム製品の形態を取ることができる。ハードディスク、ＣＤ−ＲＯＭ、光記憶装置、または磁気記憶装置を含む、任意の適切なコンピュータ可読媒体を利用することができる。

コンピュータ使用可能またはコンピュータ可読媒体は、電子、磁気、光学、電磁気、赤外線、または半導体システム、装置、デバイス、または伝搬媒体であってもよいが、これらに限定されない。コンピュータ可読媒体のより具体的な例（非限定的なリスト）には、１つ以上のワイヤ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）、読み出し専用メモリ）、消去可能プログラマブル読み出し専用メモリ（ＥＰＲＯＭまたはフラッシュメモリ）、光ファイバ、および携帯型コンパクトディスク読み出し専用メモリ（ＣＤ−ＲＯＭ）を含む。コンピュータ使用可能またはコンピュータ可読媒体は、紙または他の適切な媒体であってもよく、プログラムが電子的にキャプチャされ、例えば紙または他の媒体の光学走査を介してプログラムが印刷され、次いで必要に応じてコンパイルされ、解釈され、あるいは適切な方法で処理され、次いでコンピュータメモリに記憶されてもよい。

本発明の動作を実行するためのコンピュータプログラムコードは、Ｊａｖａ（登録商標）７、Ｓｍａｌｌｔａｌｋ、Ｐｙｔｈｏｎ、Ｌａｂｖｉｅｗ、Ｃ＋＋、またはＶｉｓｕａｌＢａｓｉｃなどのオブジェクト指向プログラミング言語で記述することができる。しかし、本発明の動作を実行するため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またはアセンブリ言語などの従来の手続き型プログラミング言語でも書き込むことができる。プログラムコードは、部分的にはユーザのコンピュータ上、一部はユーザのコンピュータ上、スタンドアロンのソフトウェアパッケージとして、一部はユーザコンピュータ上、一部はリモートコンピュータ上、または完全にリモートコンピュータ上で実行されてもよい。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）またはワイドエリアネットワーク（ＷＡＮ）を介してユーザのコンピュータに接続されてもよく、または外部コンピュータ（例えば、インターネットを介してインターネットサービスプロバイダ）。

本明細書の特定の図のフローチャートおよびブロック図は、本発明による解析モデルおよび評価システムおよび／またはプログラムの可能な実施形態のアーキテクチャ、機能性、および動作を示す。これに関して、フローチャートまたはブロック図の各ブロックは、指定された論理機能を実施するための１つまたは複数の実行可能命令を含む、モジュール、セグメント、操作、またはコードの一部を表す。また、いくつかの代替の実施形態では、ブロックに記されている機能は、図に示された順序から外れることがあることにも留意すべきである。例えば、連続して示された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、またはブロックは時には、関連する機能に応じて逆の順序で実行されてもよい。

図３２は、本発明の実施形態によるシステム、方法、およ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と通信する。プロセッサ３１０は、市販されているかカスタムのマイクロプロセッサであってもよい。メモリ３１４は、データ処理システム３０５の機能を実装するために使用されるソフトウェアおよ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、以下のタイプのデバイスを含むことができるが、これに限定されない：キャッシュ、ＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、ＳＲＡＭ、およびＤＲＡＭ。

図３２に示すように、メモリ３１４は、データ処理システム３０５、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、入出力（Ｉ／Ｏ）デバイスドライバ３５８と、（ＨｘＩ）_ＣＶＤリスクパラメータ計算モジュール３５０、およびデータ３５６で使用されるソフトウェアおよびデータのいくつかのカテゴリを含むことができる。モジュール３５０は、定義されたＨＤＬ亜集団の濃度を合計し、１つ以上のＨＤＬ−Ｐパラメータに対する炎症性バイオマーカ濃度を数学的に倍数化し、統計係数を適用し、複合（ＨｘＩ）_ＣＶＤリスクパラメータを計算することができる。

データ３５６は、データまたは信号取得システム３２０から得られる信号（構成スペクトルおよび／または複合スペクトル線形）データ３６２を含むことができる。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Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ ＣｏｒｐｏｒａｔｉｏｎＯＳ／２、ＡＩＸまたはＯＳ／３９０、ワシントン州レドモンドのＭｉｃｒｏｓｏｆｔ ＣｏｒｐｏｒａｔｉｏｎのＷｉｎｄｏｗｓＣＥ、ＷｉｎｄｏｗｓＮＴ、Ｗｉｎｄｏｗｓ９５、Ｗｉｎｄｏｗｓ９８、Ｗｉｎｄｏｗｓ２０００またはＷｉｎｄｏｗｓＸＰ、Ｐａｌｍ，Ｉｎｃ．のＰａｌｍＯＳ、Ａｐｐｌｅ ＣｏｍｐｕｔｅｒのＭａｃＯＳ、ＵＮＩＸ（登録商標）、ＦｒｅｅＢＳＤ、Ｌｉｎｕｘ（登録商標）、独自のオペレーティングシステム、または組み込みデータ処理システムなどの専用オペレーティングシステムなどがある。

Ｉ／Ｏデバイスドライバ３５８は、通常、アプリケーションプログラム３５４によってオペレーティングシステム３５２を介してアクセスされ、Ｉ／Ｏデータポート、データストレージ３５６、および特定のメモリ３１４のコンポーネントおよび／またはイメージ取得システム３２０などのデバイスと通信するソフトウェアルーチンを含む。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の様々な機能を実装するプログラムの例示であり、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、およびメモリ３１４に存在し得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および動的データを表す。

本発明は、例えば、図３２のアプリケーションプログラムであるモジュール３５０を参照して説明されているが、当業者には理解されるように、本発明の教示から依然として恩恵を受けながら、他の構成を利用することもできる。例えば、モジュール３５０は、オペレーティングシステム３５２、Ｉ／Ｏデバイスドライバ３５８、またはデータ処理システム３０５の他のそのような論理分割に組み込むこともできる。したがって、本発明は、図３２の構成に限定されるものと解釈すべきではなく、本明細書に記載された動作を実行することができる任意の構成を包含するものとする。

特定の実施形態では、モジュール３５０は、ＬＤＬ−Ｐの測定値および（ＨｘＩ）_ＣＶＤリスクパラメータを提供するためのコンピュータプログラムコードを含み、これは、経時的に測定された一連の測定値であって、治療介入が望ましいかどうかを示すために、および／または治療の有効性を追跡するために使用される測定値を含む。（ＨｘＩ）_ＣＶＤリスクパラメータは、保護ＨＤＬ−Ｐの増加および炎症の低下などの少なくとも２つの異なる治療決定に使用して、ＣＶＤリスクを低減することができると考えられる。

図３３は、（ＨｘＩ）_ＣＶＤリスクパラメータ番号を決定するための本発明の実施形態を実施するために使用され得る例示的な動作のフローチャートである。ＨＤＬ−Ｐの２６個の亜集団を用いた分析例では、中および小型のＨＤＬ−Ｐサブクラスの濃度測定値を得て、合計し、および／または大きなＨＤＬ−Ｐサブクラスの濃度を得ることができる。少なくとも１つの炎症バイオマーカ（ＩＮＦＬＡＭＢ）の濃度を得ることができる。少なくとも１つのＨＤＬおよび炎症性相互作用パラメータを計算することができる（ＩＮＴＥＲＡまたはＩＮＴＥＲＢ）。（ＨｘＩ）_ＣＶＤリスクパラメータは、少なくとも１つのＨＤＬおよび炎症性相互作用パラメータ（ブロック５００）を使用して生成することができる。いくつかの実施形態では、ＨＤＬ−Ｐ濃度測定のために、血漿または血清試料中のＨＤＬ−Ｐサブクラスの少なくとも２０の亜集団の測定値を得ることができる（ブロック５０５）。いくつかの実施形態では、ＨＤＬ−Ｐサブクラスの亜集団濃度Ｈ１〜Ｈ２６が得られ、（ＨｘＩ）_ＣＶＤリスクパラメータ計算は、得られたＨＤＬ−Ｐおよび炎症性バイオマーカ濃度測定値を使用して、ｃＨＭＳＰ＊ＧｌｙｃＡ＋ＨＬＰ＊ＧｌｙｃＡを任意に含むことができる２つの相互作用パラメータを使用して実行される（ブロック５０８）。図３３は、２６個のサブ集団を有する例を示しているが、システムは、ＨＤＬ−Ｐまたは他のサブ分類の８つのサブ集団に容易に適合させることができる。関連する亜集団濃度を合計して、関心のあるサブグループについて合計濃度を生成することができる（ブロック５１０）。

図３４は、ＬＤＬ−Ｐ、ＶＬＤＬおよび（ＨｘＩ）_ＣＶＤリスクパラメータなどの様々なリポタンパク質パラメータを含むことができる例示的な患者試験報告１９０の概略図である。保護ＨＤＬ−Ｐ番号には、母集団基準、典型的な範囲、および／またはリスクの程度に相関するリスク評価データを提示することができる。

図３５は、（ＨｘＩ）_ＣＶＤリスクパラメータのグラフ１９０ｇが、いくつかの実施形態による年齢、医学的介入または療法に起因する経時的な患者代謝ＨＤＬ機能の変化を示すために提供され得ることを示す。このパラメータを追跡することは、患者のためのＣＨＤの治療の有効性および／またはより良いリスク予測子のより良い臨床指標を提供することができる。

図３５に示すように、患者を経時的にモニタするために（ＨｘＩ）_ＣＶＤリスクパラメータを使用し、薬物または他の療法の既知の開始または使用を相関させて、ＨＤＬ機能が変化しているかどうか、および／またはそのような療法を用いてＣＶＤリスクが増減しているかどうかを評価した。

将来の薬物または既知の薬物の使用は、（ＨｘＩ）_ＣＶＤリスクパラメータを用いて定義された患者において定義、スクリーニングまたは試験することができる。

したがって、いくつかの実施形態では、本発明は、心臓血管疾患または事象のリスクパラメータを決定するためのシステムは、被験体からのバイオサンプル中のＨＤＬ粒子および少なくとも１つの炎症性バイオマーカの測定値を取得するための測定値取得手段、前記測定値に基づいて、少なくとも１つの個々のＨＤＬ粒子サイズサブクラスおよび少なくとも１つの炎症性バイオマーカの濃度を決定するための濃度決定手段、及び少なくとも１つのＨＤＬ粒子のサブクラスおよび少なくとも１つの炎症性バイオマーカの濃度を少なくとも用いて、対象のリスクパラメータ（（ＨｘＩ）_ＣＶＤ）をプログラム的に計算するための計算手段を含む。

いくつかの実施形態では、測定を得るための構成要素は、ＮＭＲ分析器を含む。いくつかの実施形態では、システムは、少なくとも８つのＨＤＬ−Ｐサブクラスを有する定義されたデコンボリューションモデルを使用して、被験体の血漿サンプルのフィッティング領域の複合ＮＭＲスペクトルをデコンボリューションする構成要素をさらに含む。いくつかの実施形態では、濃度決定手段および／または計算手段は、少なくとも１つのプロセッサを含む。

いくつかの実施形態において、決定手段が、ＨＤＬ−ＰサブクラスｃＨ１〜ｃＨ８の濃度を決定するように構成されている。決定手段は、（ｉ）７．０〜７．６ｎｍの範囲の直径を有するｃＨ１；または（ｉｉ）１１．５〜１３．５ｎｍの範囲の直径を有するｃＨ８、の少なくとも１つの濃度を決定するように構成されている。

いくつかの実施形態において、システムは、（ａ）ＨＤＬ−Ｐ値を上昇または低下させるか、または（ｂ）炎症を低下させるか、または（ａ）および（ｂ）の両方を行う治療標的として、ＨｘＩ）_ＣＶＤリスクパラメータを計算し、および／または（ＨｘＩ）_ＣＶＤリスクパラメータをモニタするように構成される。いくつかの実施形態では、システムは、高密度リポタンパク質粒子（ＨＤＬ−Ｐ）の所定の亜集団の濃度を掛けたＧｌｙｃＡの測定値を計算するように構成されている。

いくつかの実施形態において、システムは、測定値取得手段及び濃度決定手段は、
インビトロ血漿または血清サンプルの少なくとも１つのＮＭＲスペクトルを取得するためのＮＭＲ分光計、及び前記ＮＭＲ分光器と通信するプロセッサを備えて構成され、前記プロセッサが、（ｉ）血漿または血清試料中の高密度リポタンパク質粒子（ＨＤＬ−Ｐ）サブクラスの少なくとも８つの亜集団の濃度測定値を取得し、（ｉｉ）取得されたＨＤＬ−Ｐ濃度測定の定義されたサブセット、および少なくとも１つの定義されたＨＤＬ−Ｐサブクラスの濃度と少なくとも１つの炎症性バイオマーカの濃度との産物を含む少なくとも１つの相互作用パラメータを用いて（ＨｘＩ）_ＣＶＤリスクパラメータを

いくつかの実施形態では、炎症性バイオマーカがＧｌｙｃＡを含み、前記少なくとも１つの相互作用パラメータが、ＧｌｙｃＡ濃度に少なくとも１つのＨＤＬ−Ｐサブクラス濃度を乗じたものによって定義される１つの相互作用パラメータを含み、前記少なくとも１つのＨＤＬ−Ｐサブクラスは、関連リスクパラメータについての研究集団におけるＣＶＤ事象の性別特異性を実証する。

本発明の実施形態は、１つまたは複数の相互作用パラメータを使用して心血管疾患を有するかまたは発症する患者のリスクを評価するために使用することができる。本発明の実施形態は、治療標的としての全体的なリスクとは無関係にモニタリングされ得る新しいバイオマーカ、（ＨｘＩ）_ＣＶＤリスクパラメータを提供する。いくつかの実施形態では、リスクは、複数の定義されたリスクモデルパラメータを使用して、２〜１０年の時間枠および／または５〜１０年の時間枠である。しかしながら、リスクモデルは、他の時間枠に基づくことができる。

したがって、いくつかの実施形態では、本発明は、被験体からのバイオサンプルにおけるＨＤＬ粒子および少なくとも１つの炎症性バイオマーカの測定値を取得する取得ステップと、前記測定値に基づいて、少なくとも１つの個々のＨＤＬ粒子サイズサブクラスおよび前記少なくとも１つの炎症性バイオマーカの濃度を決定する決定ステップと、ＨＤＬ粒子の少なくとも１つのサブクラスおよび少なくとも１つの炎症性バイオマーカの濃度を少なくとも用いて、被験体のリスクパラメータ（ＨｘＩ）_ＣＶＤをプログラム的に計算する計算ステップと、を含む。

他の実施形態では、本発明は、少なくとも１つのＨＤＬおよび少なくとも１つの炎症性バイオマーカ相互作用パラメータを含む規定された多成分リスク進行モデルを使用する、インビトロ血漿または血清患者サンプルからの規定されたパラメータの測定値を使用して、ヒトのＣＶＤリスクを評価する方法、回路、ＮＭＲ分光計またはＮＭＲ分析器、オンラインの半自動リスク計算機およびプロセッサを含む。

上記は本発明の例示であり、本発明を限定するものと解釈されるべきではない。本発明のいくつかの例示的な実施形態について説明したが、当業者は、本発明の新規な教示およ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するであろう。したがって、そのような変更のすべては、特許請求の範囲に規定される本発明の範囲内に含まれることが意図される。特許請求の範囲において、使用される場合、手段プラス機能句は、列挙された機能を実行するものとして本明細書に記載された構造をカバーすることを意図している。したがって、前述は本発明の例示であり、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、ならびに他の実施形態が、添付の特許請求の範囲の範囲内である。本発明は、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）
付記１の方法は、心臓血管疾患またはイベントのリスクパラメータを決定する方法であって、被験体からのバイオサンプルにおけるＨＤＬ粒子および少なくとも１つの炎症性バイオマーカの測定値を取得する取得ステップと、前記測定値に基づいて、少なくとも１つの個々のＨＤＬ粒子サイズサブクラスおよび前記少なくとも１つの炎症性バイオマーカの濃度を決定する決定ステップと、ＨＤＬ粒子の少なくとも１つのサブクラスおよび少なくとも１つの炎症性バイオマーカの濃度を少なくとも用いて、被験体のリスクパラメータ（ＨｘＩ） _ＣＶＤ をプログラム的に計算する計算ステップと、を含む。
付記２の方法は、付記１に記載の方法において、（ＨｘＩ） _ＣＶＤ リスクパラメータ番号に少なくとも部分的に基づいてＣＶＤを有するおよび／またはＣＶＤを発症する被検体のリスクを決定することをさらに含む。
付記３の方法は、付記１に記載の方法において、前記バイオサンプルがインビトロ血漿または血清サンプルである。
付記４の方法は、付記１に記載の方法において、ＨＤＬ粒子サイズサブクラスｃＨ１〜ｃＨ８について濃度が決定される。
付記５の方法は、付記１に記載の方法において、前記決定ステップおよび／または前記計算ステップが、少なくとも１つのプロセッサを使用して実行される。
付記６の方法は、前記少なくとも１つの個々のＨＤＬ粒子サイズサブクラスが、以下の少なくとも１つを含む、付記１に記載の方法：（ｉ）７．０〜７．６ｎｍの範囲の直径を有するｃＨ１；（ｉｉ）１１．５〜１３．５ｎｍの範囲の直径を有するｃＨ８。
付記７の方法は、（ＨｘＩ） _ＣＶＤ が、次のものである、付記６に記載の方法：（ＨｘＩ） _ＣＶＤ ＝ｃ _１ （ｃＨ１）＋ｃ _２ （ＩＮＦＬＡＭ）＋ｃ _３ （ＩＮＴＥＲ _Ｈ１ ）；または（ＨｘＩ） _ＣＶＤ ＝ｃ _４ （ｃＨ８）＋ｃ _５ （ＩＮＦＬＡＭ）＋ｃ _６ （ＩＮＴＥＲ _Ｈ８ ）ここで、ＩＮＦＬＡＭは、少なくとも１つの炎症性バイオマーカの濃度であり、ＩＮＴＥＲ _Ｈ１ ＝ＩＮＦＬＡＭ＊ｃＨ１、ＩＮＴＥＲ _Ｈ８ ＝ＩＮＦＬＡＭ＊ｃＨ８であり、「ｃ _１ −ｃ _６ 」は、関連するリスクパラメータの試験集団におけるＣＶＤ事象の数学的モデルからの係数を表す。
付記８の方法は、付記７に記載の方法において、（ＨｘＩ） _ＣＶＤ が性別特異的である。
付記９の方法は、付記８に記載の方法において、７．０〜７．６ｎｍの範囲の平均直径を有し、（ＨｘＩ） _ＣＶＤ を生成するための炎症性バイオマーカとしてのＧｌｙｃＡを用いたＨＤＬ−ＰサブクラスｃＨ１の濃度の利用により、男性特異的ＨＤＬ炎症性マルチマーカを提供する。
付記１０の方法は、付記８に記載の方法において、１１．５〜１３．５ｎｍの範囲の平均直径を有し、（ＨｘＩ） _ＣＶＤ を生成するための炎症性バイオマーカとしてのＧｌｙｃＡを用いたＨＤＬ−ＰサブクラスｃＨ８の濃度の利用により、女性特異的ＨＤＬ炎症性マルチマーカを提供する。
付記１１の方法は、付記１に記載の方法において、計算された（ＨｘＩ） _ＣＶＤ を医療専門家及び／又は患者報告書に電子的に提供することをさらに含む。
付記１２の方法は、付記１１に記載の方法において、前記計算された（ＨｘＩ） _ＣＶＤ に少なくとも部分的に基づいて、前記被験体に対する治療を処方、推奨、または決定することをさらに含む。
付記１３の方法は、付記１に記載の方法において、前記取得ステップは、ＨＤＬ粒子サブクラスおよび／または炎症性バイオマーカのＮＭＲ由来濃度測定値を決定するために、バイオサンプルからＮＭＲシグナルを得ることを含む。
付記１４の方法は、付記１に記載の方法において、前記決定ステップは、少なくとも８つのＨＤＬ−Ｐサブクラスを有する規定されたデコンボリューションモデルを使用して、被験体の血漿サンプルのフィッティング領域の複合ＮＭＲスペクトルをデコンボリューションすることをさらに含む。
付記１５の方法は、付記１に記載の方法において、前記炎症性バイオマーカがＧｌｙｃＡを含み、前記少なくとも１つの相互作用パラメータが、ＧｌｙｃＡ濃度に少なくとも１つのＨＤＬ−Ｐサブクラス濃度を乗じたものによって定義される１つの相互作用パラメータを含み、前記少なくとも１つのＨＤＬ−Ｐサブクラスは、関連リスクパラメータについての研究集団におけるＣＶＤ事象の性別特異性を実証する。
付記１６のシステムは、心臓血管疾患またはイベントのリスクパラメータを決定するためのシステムであって、被験体からのバイオサンプル中のＨＤＬ粒子および少なくとも１つの炎症性バイオマーカの測定値を取得するための測定値取得手段、前記測定値に基づいて、少なくとも１つの個々のＨＤＬ粒子サイズサブクラスおよび少なくとも１つの炎症性バイオマーカの濃度を決定するための濃度決定手段、及び少なくとも１つのＨＤＬ粒子のサブクラスおよび少なくとも１つの炎症性バイオマーカの濃度を少なくとも用いて、対象のリスクパラメータ（（ＨｘＩ） _ＣＶＤ ）をプログラム的に計算するための計算手段、を備える。
付記１７のシステムは、付記１６に記載のシステムにおいて、前記測定値取得手段がＮＭＲ分析器を含む。
付記１８のシステムは、付記１６に記載のシステムにおいて、少なくとも８つのＨＤＬ−Ｐサブクラスを有する定義されたデコンボリューションモデルを使用して、被験体の血漿サンプルのフィッティング領域の複合ＮＭＲスペクトルをデコンボリューションする構成要素をさらに含む。
付記１９のシステムは、付記１６に記載のシステムにおいて、前記濃度決定手段および／または計算手段は、少なくとも１つのプロセッサを含む。
付記２０のシステムは、付記１６に記載のシステムにおいて、前記決定手段が、ＨＤＬ−ＰサブクラスｃＨ１〜ｃＨ８の濃度を決定するように構成されている。
付記２１のシステムは、前記決定手段は、以下の少なくとも１つの濃度を決定するように構成されている、付記１６に記載のシステム：（ｉ）７．０〜７．６ｎｍの範囲の直径を有するｃＨ１；（ｉｉ）１１．５〜１３．５ｎｍの範囲の直径を有するｃＨ８。
付記２２のシステムは、付記１６に記載のシステムにおいて、（ＨｘＩ） _ＣＶＤ リスクパラメータを計算する、および／または（ＨｘＩ） _ＣＶＤ リスクパラメータをモニタするように構成され、（ａ）ＨＤＬ−Ｐ値を上昇または低下させるか、または（ｂ）炎症を低下させるか、または（ａ）および（ｂ）の両方を行う治療標的として使用することができる。
付記２３のシステムは、付記１６に記載のシステムにおいて、高密度リポタンパク質粒子（ＨＤＬ−Ｐ）の所定の亜集団の濃度を掛けたＧｌｙｃＡの測定値を計算するように構成されている。
付記２４のシステムは、付記１６に記載のシステムにおいて、測定値取得手段及び濃度決定手段は、インビトロ血漿または血清サンプルの少なくとも１つのＮＭＲスペクトルを取得するためのＮＭＲ分光計、及び前記ＮＭＲ分光器と通信するプロセッサを備えて構成され、前記プロセッサが、（ｉ）血漿または血清試料中の高密度リポタンパク質粒子（ＨＤＬ−Ｐ）サブクラスの少なくとも８つの亜集団の濃度測定値を取得し、（ｉｉ）（ＨｘＩ） _ＣＶＤ リスクパラメータを以下を用いて計算するように構成される：取得されたＨＤＬ−Ｐ濃度測定の定義されたサブセット、および少なくとも１つの定義されたＨＤＬ−Ｐサブクラスの濃度と少なくとも１つの炎症性バイオマーカの濃度との産物を含む少なくとも１つの相互作用パラメータ。
付記２５のシステムは、付記１６に記載のシステムにおいて、前記炎症性バイオマーカがＧｌｙｃＡを含み、前記少なくとも１つの相互作用パラメータが、ＧｌｙｃＡ濃度に少なくとも１つのＨＤＬ−Ｐサブクラス濃度を乗じたものによって定義される１つの相互作用パラメータを含み、前記少なくとも１つのＨＤＬ−Ｐサブクラスは、関連リスクパラメータについての研究集団におけるＣＶＤ事象の性別特異性を実証する。
付記２６のコンピュータプログラム製品は、付記１に記載の方法に従って、心血管疾患または事象のリスクパラメータを決定するためのコンピュータプログラム製品。
付記２７のコンピュータプログラム製品は、心血管疾患または事象のリスクパラメータを決定するためのコンピュータプログラム製品であって、当該コンピュータプラグラム製品は、前記媒体に埋め込まれたコンピュータ可読プログラムコードを有する非一時的なコンピュータ可読記憶媒体を備えて構成され、前記コンピュータ可読プログラムコードは、血漿または血清サンプル中のＨＤＬ−Ｐの少なくとも８つのサブクラスおよび少なくとも１つの炎症性バイオマーカについての濃度測定値を得るコンピュータ可読プログラムコードと、少なくとも１つの相互作用パラメータを含むリスクパラメータ（（ＨｘＩ） _ＣＶＤ ）を計算するコンピュータ可読プログラムコードを備えて構成される。
付記２８のコンピュータプログラム製品は、付記２７に記載のコンピュータプログラム製品において、前記非一時的なコンピュータ可読記憶媒体は、被験体の血漿サンプルのフィッティング領域の複合ＮＭＲスペクトルをデコンボリューションするためのコンピュータ可読プログラムコードをさらに備え、前記コンピュータ可読プログラムコードは、少なくとも８つのＨＤＬ−Ｐサブクラスを有する定義されたデコンボリューションモデルを使用する複合ＮＭＲスペクトルをデコンボリューションする。
付記２９のコンピュータプログラム製品は、付記２７に記載のコンピュータプログラム製品において、前記非一時的なコンピュータ可読記憶媒体は、ＨＤＬ粒子サイズサブクラスｃＨ１〜ｃＨ８の濃度を決定するコンピュータ可読プログラムコードをさらに含む。
付記３０のコンピュータプログラム製品は、前記非一時的なコンピュータ可読記憶媒体は、以下の個々のＨＤＬ粒子サイズの少なくとも１つの濃度を決定するためのコンピュータ可読プログラムコードをさらに含む、付記２７に記載のコンピュータプログラム製品。（ｉ）７．０〜７．６ｎｍの範囲の直径を有するｃＨ１；（ｉｉ）１１．５〜１３．５ｎｍの範囲の直径を有するｃＨ８。
付記３１のコンピュータプログラム製品は、前記非一時的コンピュータ可読記憶媒体は、以下の式の１つに従って（ＨｘＩ） _ＣＶＤ を計算するためのコンピュータ可読プログラムコードをさらに含む、付記２７に記載のコンピュータプログラム製品。（ＨｘＩ） _ＣＶＤ ＝ｃ _１ （ｃＨ１）＋ｃ _２ （ＩＮＦＬＡＭ）＋ｃ _３ （ＩＮＴＥＲ _Ｈ１ ）；または（ＨｘＩ） _ＣＶＤ ＝ｃ _４ （ｃＨ８）＋ｃ _５ （ＩＮＦＬＡＭ）＋ｃ _６ （ＩＮＴＥＲ _Ｈ８ ）ここで、ＩＮＦＬＡＭは、少なくとも１つの炎症性バイオマーカの濃度であり、ＩＮＴＥＲ _Ｈ１ ＝ＩＮＦＬＡＭ＊ｃＨ１、ＩＮＴＥＲ _Ｈ８ ＝ＩＮＦＬＡＭ＊ｃＨ８であり、「ｃ _１ −ｃ _６ 」は、関連するリスクパラメータの試験集団におけるＣＶＤ事象の数学的モデルからの係数を表す。
付記３２のコンピュータプログラム製品は、付記２７に記載のコンピュータプログラム製品において、前記非一時的なコンピュータ可読記憶媒体は、７．０〜７．６ｎｍの範囲内の平均直径を有するＨＤＬ−ＰサブクラスｃＨ１の濃度を決定するためのコンピュータ可読プログラムコードをさらに含み、（ＨｘＩ） _ＣＶＤ を生成する炎症性バイオマーカとしてのＧｌｙｃＡと組み合わせて、男性特異的ＨＤＬ炎症性マルチマーカを提供する。
付記３３のコンピュータプログラム製品は、付記２７に記載のコンピュータプログラム製品において、前記非一時的なコンピュータ可読記憶媒体は、１１．５〜１３．５ｎｍの範囲の平均直径を有するＨＤＬ−ＰサブクラスｃＨ８の濃度を決定するためのコンピュータ可読プログラムコードをさらに含み、（ＨｘＩ） _ＣＶＤ を生成するための炎症性バイオマーカとしてのＧｌｙｃＡと組み合わせて、雌特異的ＨＤＬ炎症性マルチマーカを提供する。
付記３４のコンピュータプログラム製品は、付記２７に記載のコンピュータプログラム製品において、前記非一時的コンピュータ可読記憶媒体は、計算された（ＨｘＩ） _ＣＶＤ を医療専門家および／または患者報告書に電子的に提供するためのコンピュータ可読プログラムコードをさらに含む。
付記３５のコンピュータプログラム製品は、付記２７に記載のコンピュータプログラム製品において、前記非一時的コンピュータ可読記憶媒体は、前記計算された（ＨｘＩ） _ＣＶＤ に少なくとも部分的に基づいて前記被験体の治療を処方または推奨するためのコンピュータ可読プログラムコードをさらに含む。
付記３６のコンピュータプログラム製品は、付記２７に記載のコンピュータプログラム製品において、前記非一時的コンピュータ可読記憶媒体は、前記生体試料から得られたＮＭＲ測定値を使用して、ＨＤＬ粒子サブクラスおよび／または炎症性バイオマーカのＮＭＲ由来濃度を決定するためのコンピュータ可読プログラムコードをさらに含む。
付記３７のコンピュータプログラム製品は、付記２７に記載のコンピュータプログラム製品において、前記非一時的なコンピュータ可読記憶媒体は、前記炎症性バイオマーカＧｌｙｃＡの濃度を決定し、少なくとも１つのＨＤＬ−Ｐサブクラス濃度とＧｌｙｃＡ濃度との乗算によって決定される少なくとも１つの相互作用パラメータをプログラムで計算するためのコンピュータ可読プログラムコードをさらに含み、少なくとも１つのＨＤＬ−Ｐサブクラスは、関連リスクパラメータについての研究集団におけるＣＶＤ事象の性別特異性を示す。

Claims (32)

1. 心臓血管疾患またはイベントのリスクパラメータを決定する方法であって、
   ＨＤＬ粒子および炎症性バイオマーカＧｌｙｃＡの測定値を取得するために、被験体からのバイオサンプルに対して核磁気共鳴を実行する実行ステップと、
   前記測定値に基づいて、少なくとも１つの個々のＨＤＬ粒子サイズサブクラスおよびＧｌｙｃＡにおけるＮＭＲ由来の濃度を決定する決定ステップと、
   ＨＤＬ粒子の少なくとも１つのサブクラスおよびＧｌｙｃＡの前記濃度を少なくとも用いて、被験体のリスクパラメータ（ＨｘＩ）_ＣＶＤをプログラム的に計算する計算ステップと、
   （ＨｘＩ）_ＣＶＤリスクパラメータに少なくとも部分的に基づいてＣＶＤを有するおよび／またはＣＶＤを発症する被験体のリスクを決定するステップと、をさらに含み、
   （ＨｘＩ）_ＣＶＤは、前記少なくとも１つのＨＤＬ粒子サイズサブクラスの濃度、炎症性バイオマーカＧｌｙｃＡの濃度、及び、前記少なくとも１つのＨＤＬ粒子サイズサブクラスの濃度に炎症性バイオマーカＧｌｙｃＡの濃度を乗じたものによって定義される相互作用パラメータによって定義される、
   方法。
2. 前記バイオサンプルがインビトロ血漿または血清サンプルである、請求項１に記載の方法。
3. ＨＤＬ粒子サイズサブクラスｃＨ１〜ｃＨ８について濃度が決定され、前記ＨＤＬ粒子サイズのサブクラスｃＨ１〜ｃＨ８は、約７．４ｎｍ〜約１２．０ｎｍの間の推定されたサブクラス直径を構成する、請求項１に記載の方法。
4. 前記決定ステップおよび／または前記計算ステップが、少なくとも１つのプロセッサを使用して実行される、請求項１に記載の方法。
5. 前記少なくとも１つの個々のＨＤＬ粒子サイズサブクラスが、以下の少なくとも１つを含む、請求項１に記載の方法：
   （ｉ）７．０〜７．６ｎｍの範囲の直径を有するｃＨ１；
   （ｉｉ）１１．５〜１３．５ｎｍの範囲の直径を有するｃＨ８。
6. （ＨｘＩ）_ＣＶＤが、次のものである、請求項５に記載の方法：
   （ＨｘＩ）_ＣＶＤ＝ｃ_１（ｃＨ１）＋ｃ_２（ＩＮＦＬＡＭ）＋ｃ_３（ＩＮＴＥＲ_Ｈ１）；または
   （ＨｘＩ）_ＣＶＤ＝ｃ_４（ｃＨ８）＋ｃ_５（ＩＮＦＬＡＭ）＋ｃ_６（ＩＮＴＥＲ_Ｈ８）
   ここで、ＩＮＦＬＡＭは、少なくとも１つの炎症性バイオマーカの濃度であり、ＩＮＴＥＲ_Ｈ１＝ＩＮＦＬＡＭ＊ｃＨ１、ＩＮＴＥＲ_Ｈ８＝ＩＮＦＬＡＭ＊ｃＨ８であり、「ｃ_１−ｃ_６」は、関連するリスクパラメータの試験集団におけるＣＶＤ事象の数学的モデルからの係数を表す。
7. （ＨｘＩ）_ＣＶＤが性別特異的である、
   請求項６に記載の方法。
8. ７．０〜７．６ｎｍの範囲の平均直径を有するＨＤＬ粒子サイズサブクラスｃＨ１の濃度の利用により、男性特異的ＨＤＬ炎症性マルチマーカを提供する、
   請求項５に記載の方法。
9. １１．５〜１３．５ｎｍの範囲の平均直径を有するＨＤＬ粒子サイズサブクラスｃＨ８の濃度の利用により、女性特異的ＨＤＬ炎症性マルチマーカを提供する、
   請求項５に記載の方法。
10. 計算された（ＨｘＩ）_ＣＶＤを医療専門家及び／又は患者報告書に電子的に提供することをさらに含む、
    請求項１に記載の方法。
11. 前記核磁気共鳴を実行する前記実行ステップは、ＨＤＬ粒子サイズサブクラスおよび／または炎症性バイオマーカのＮＭＲ由来濃度測定値を決定するために、バイオサンプルからＮＭＲシグナルを得ることを含む、
    請求項１に記載の方法。
12. 前記決定ステップは、少なくとも８つのＨＤＬ粒子サイズサブクラスを有する規定されたデコンボリューションモデルを使用して、被験体の血漿サンプルのフィッティング領域の複合ＮＭＲスペクトルをデコンボリューションすることをさらに含む、
    請求項１に記載の方法。
13. 前記少なくとも１つのＨＤＬ粒子サイズサブクラスは、関連リスクパラメータについての研究集団におけるＣＶＤ事象の性別特異性を実証する、
    請求項１に記載の方法。
14. 心臓血管疾患またはイベントのリスクパラメータを決定するためのシステムであって、
    被験体からのバイオサンプル中のＨＤＬ粒子および炎症性バイオマーカＧｌｙｃＡの測定値を取得するためのＮＭＲ分光計、
    前記測定値に基づいて、少なくとも１つの個々のＨＤＬ粒子サイズサブクラスおよび炎症性バイオマーカＧｌｙｃＡの濃度を決定するための濃度決定手段、及び
    少なくとも１つのＨＤＬ粒子のサブクラスおよび炎症性バイオマーカＧｌｙｃＡの前記濃度を少なくとも用いて、対象のリスクパラメータ（（ＨｘＩ）_ＣＶＤ）をプログラム的に計算するための計算手段、を備え、
    （ＨｘＩ）_ＣＶＤは、前記少なくとも１つのＨＤＬ粒子サイズサブクラスの濃度、炎症性バイオマーカＧｌｙｃＡの濃度、及び、前記少なくとも１つのＨＤＬ粒子サイズサブクラスの濃度に炎症性バイオマーカＧｌｙｃＡの濃度を乗じたものによって定義される相互作用パラメータによって定義される、
    システム。
15. 少なくとも８つのＨＤＬ粒子サイズサブクラスを有する定義されたデコンボリューションモデルを使用して、被験体の血漿サンプルのフィッティング領域の複合ＮＭＲスペクトルをデコンボリューションする構成要素をさらに含む、
    請求項１４に記載のシステム。
16. 前記濃度決定手段および／または計算手段は、少なくとも１つのプロセッサを含む、
    請求項１４に記載のシステム。
17. 前記決定手段が、ＨＤＬ粒子サイズサブクラスｃＨ１〜ｃＨ８の濃度を決定するように構成されており、前記ＨＤＬ粒子サイズサブクラスｃＨ１〜ｃＨ８は、約７．４ｎｍ〜約１２．０ｎｍの間の推定されたサブクラス直径を構成する、
    請求項１４に記載のシステム。
18. 前記決定手段は、以下の少なくとも１つの濃度を決定するように構成されている、請求項１４に記載のシステム：
    （ｉ）７．０〜７．６ｎｍの範囲の直径を有するｃＨ１；
    （ｉｉ）１１．５〜１３．５ｎｍの範囲の直径を有するｃＨ８。
19. （ＨｘＩ）_ＣＶＤリスクパラメータを計算する、および／または（ＨｘＩ）_ＣＶＤリスクパラメータをモニタするように構成され、（ａ）ＨＤＬ粒子値を上昇または低下させるか、または（ｂ）炎症を低下させるか、または（ａ）および（ｂ）の両方を行う治療標的として使用することができる、
    請求項１４に記載のシステム。
20. 測定値を取得するためのＮＭＲ分光計及び濃度決定手段は、
    インビトロ血漿または血清サンプルの少なくとも１つのＮＭＲスペクトルを取得する手段、及び
    前記ＮＭＲ分光計と通信するプロセッサを備えて構成され、前記プロセッサが、
    （ｉ）血漿または血清試料中の高密度リポタンパク質粒子（ＨＤＬ粒子）サブクラスの少なくとも８つの亜集団の濃度測定値を取得し、
    （ｉｉ）（ＨｘＩ）_ＣＶＤリスクパラメータを以下を用いて計算するように構成される：
    取得されたＨＤＬ粒子濃度測定の定義されたサブセット、および
    少なくとも１つの定義されたＨＤＬ粒子サイズサブクラスの濃度と炎症性バイオマーカＧｌｙｃＡの濃度との産物を含む少なくとも１つの相互作用パラメータ、
    請求項１４に記載のシステム。
21. 前記少なくとも１つのＨＤＬ粒子サイズサブクラスは、関連リスクパラメータについての研究集団におけるＣＶＤ事象の性別特異性を実証する、
    請求項１４に記載のシステム。
22. 心血管疾患または事象のリスクパラメータを決定するためのコンピュータプログラム製品であって、当該コンピュータプログラム製品は、
    自己に埋め込まれたコンピュータ可読プログラムコードを有する非一時的なコンピュータ可読記憶媒体を備えて構成され、前記コンピュータ可読プログラムコードは、
    血漿または血清サンプル中のＨＤＬ粒子の少なくとも８つのサブクラスおよび炎症性バイオマーカＧｌｙｃＡについての濃度測定値を得るコンピュータ可読プログラムコードと、
    リスクパラメータ（（ＨｘＩ）_ＣＶＤ）を計算するコンピュータ可読プログラムコードを備えて構成され、
    （ＨｘＩ）_ＣＶＤは、前記少なくとも１つのＨＤＬ粒子サイズサブクラスの濃度、炎症性バイオマーカＧｌｙｃＡの濃度、及び、前記少なくとも１つのＨＤＬ粒子サイズサブクラスの濃度に炎症性バイオマーカＧｌｙｃＡの濃度を乗じたものによって定義される相互作用パラメータによって定義される。
23. 前記非一時的なコンピュータ可読記憶媒体は、被験体の血漿サンプルのフィッティング領域の複合ＮＭＲスペクトルをデコンボリューションするためのコンピュータ可読プログラムコードをさらに備え、前記コンピュータ可読プログラムコードは、少なくとも８つのＨＤＬ粒子サイズサブクラスを有する定義されたデコンボリューションモデルを使用する複合ＮＭＲスペクトルをデコンボリューションする、
    請求項２２に記載のコンピュータプログラム製品。
24. 前記非一時的なコンピュータ可読記憶媒体は、ＨＤＬ粒子サイズサブクラスｃＨ１〜ｃＨ８の濃度を決定するコンピュータ可読プログラムコードをさらに含み、前記ＨＤＬ粒子サイズのサブクラスｃＨ１〜ｃＨ８は、約７．４ｎｍ〜約１２．０ｎｍの間の推定されたサブクラス直径を構成する、請求項２２に記載のコンピュータプログラム製品。
25. 前記非一時的なコンピュータ可読記憶媒体は、以下の個々のＨＤＬ粒子サイズの少なくとも１つの濃度を決定するためのコンピュータ可読プログラムコードをさらに含む、請求項２２に記載のコンピュータプログラム製品。
    （ｉ）７．０〜７．６ｎｍの範囲の直径を有するｃＨ１；
    （ｉｉ）１１．５〜１３．５ｎｍの範囲の直径を有するｃＨ８。
26. 前記非一時的コンピュータ可読記憶媒体は、以下の式の１つに従って（ＨｘＩ）_ＣＶＤを計算するためのコンピュータ可読プログラムコードをさらに含む、請求項２５に記載のコンピュータプログラム製品。
    （ＨｘＩ）_ＣＶＤ＝ｃ_１（ｃＨ１）＋ｃ_２（ＩＮＦＬＡＭ）＋ｃ_３（ＩＮＴＥＲ_Ｈ１）；または
    （ＨｘＩ）_ＣＶＤ＝ｃ_４（ｃＨ８）＋ｃ_５（ＩＮＦＬＡＭ）＋ｃ_６（ＩＮＴＥＲ_Ｈ８）
    ここで、ＩＮＦＬＡＭは、ＧｌｙｃＡの濃度であり、ＩＮＴＥＲ_Ｈ１＝ＩＮＦＬＡＭ＊ｃＨ１、ＩＮＴＥＲ_Ｈ８＝ＩＮＦＬＡＭ＊ｃＨ８であり、「ｃ_１−ｃ_６」は、関連するリスクパラメータの試験集団におけるＣＶＤ事象の数学的モデルからの係数を表す。
27. 前記非一時的なコンピュータ可読記憶媒体は、７．０〜７．６ｎｍの範囲内の平均直径を有するＨＤＬ粒子サイズサブクラスｃＨ１の濃度を決定するためのコンピュータ可読プログラムコードをさらに含み、男性特異的ＨＤＬ炎症性マルチマーカを提供する、
    請求項２５に記載のコンピュータプログラム製品。
28. 前記非一時的なコンピュータ可読記憶媒体は、１１．５〜１３．５ｎｍの範囲の平均直径を有するＨＤＬ粒子サイズサブクラスｃＨ８の濃度を決定するためのコンピュータ可読プログラムコードをさらに含み、雌特異的ＨＤＬ炎症性マルチマーカを提供する、
    請求項２５に記載のコンピュータプログラム製品。
29. 前記非一時的コンピュータ可読記憶媒体は、計算された（ＨｘＩ）_ＣＶＤを医療専門家および／または患者報告書に電子的に提供するためのコンピュータ可読プログラムコードをさらに含む、
    請求項２２に記載のコンピュータプログラム製品。
30. 前記非一時的コンピュータ可読記憶媒体は、前記計算された（ＨｘＩ）_ＣＶＤに少なくとも部分的に基づいて被験体の治療を処方または推奨するためのコンピュータ可読プログラムコードをさらに含む、
    請求項２２に記載のコンピュータプログラム製品。
31. 前記非一時的コンピュータ可読記憶媒体は、生体試料から得られたＮＭＲ測定値を使用して、ＨＤＬ粒子サイズサブクラスおよび／または炎症性バイオマーカＧｌｙｃＡのＮＭＲ由来の濃度を決定するためのコンピュータ可読プログラムコードをさらに含む、
    請求項２２に記載のコンピュータプログラム製品。
32. 前記非一時的なコンピュータ可読記憶媒体は、前記炎症性バイオマーカＧｌｙｃＡの濃度を決定し、少なくとも１つのＨＤＬ粒子サイズサブクラス濃度とＧｌｙｃＡ濃度との乗算によって決定される少なくとも１つの相互作用パラメータをプログラムで計算するためのコンピュータ可読プログラムコードをさらに含み、少なくとも１つのＨＤＬ粒子サイズサブクラスは、関連リスクパラメータについての研究集団におけるＣＶＤ事象の性別特異性を示す、
    請求項２２に記載のコンピュータプログラム製品。

Images