SE532103C2 - Metod för att bestämma hälsostatus från analyter i vätskeprover - Google Patents

Metod för att bestämma hälsostatus från analyter i vätskeprover

Info

Publication number
SE532103C2
SE532103C2 SE0602683A SE0602683A SE532103C2 SE 532103 C2 SE532103 C2 SE 532103C2 SE 0602683 A SE0602683 A SE 0602683A SE 0602683 A SE0602683 A SE 0602683A SE 532103 C2 SE532103 C2 SE 532103C2
Authority
SE
Sweden
Prior art keywords
response
time
responses
slope
change
Prior art date
Application number
SE0602683A
Other languages
English (en)
Other versions
SE0602683L (sv
Inventor
Knut Johansen
Original Assignee
Knut Johansen
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Knut Johansen filed Critical Knut Johansen
Priority to SE0602683A priority Critical patent/SE532103C2/sv
Priority to PCT/SE2007/050981 priority patent/WO2008073046A1/en
Priority to EP07852252.1A priority patent/EP2126563B1/en
Publication of SE0602683L publication Critical patent/SE0602683L/sv
Priority to US12/456,037 priority patent/US9335330B2/en
Publication of SE532103C2 publication Critical patent/SE532103C2/sv

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00Detection or diagnosis of diseases
    • G01N2800/32Cardiovascular disorders
    • G01N2800/324Coronary artery diseases, e.g. angina pectoris, myocardial infarction

Description

25 30 532 'H33 potentialen nära hjärtat på skilda punkter som funktion av tiden för sex punkter, benämnda V1 till V6 runt bröstet, nära hjärtat. Potentialen som ändras med tiden härstammar från depolarisationsvågor inuti hjärtat, vilka härstammar från sinusknutan. Det finns tre typiska pulser, benämnda P från förrnakssammandragriing, QRS från ventrikelsammandragning, och T från repolarisering. Vid AMI och andra hj ärtsjukdomar där det finns ett ischemiskt (brist på blodcirkulation) tillstånd finns det förändringar i EKG-mönster. Emellertid âr förändringarna mycket svåra att tolka. I många fall är det även för en mycket tränad specialist omöjligt att fastställa AMI. Typiska EKG- kärmetecken för en tidig AMI är i huvudsak ökande nivå för ST- segmentet gällande V1- till V5-anslutningarna, sekundärt en minskning av arnplitud och breddning av Q-vägen från V1 till VIS-anslutningarna, och ibland en negativ T-väg från V2- till Vö-anslutningarna. EKG- förändringar är små och svåra att tolka i den tidiga fasen av AMI [Jern, 1990] Andra hj ärtsjukdomar kan uppvisa skilda mönster, t ex hjärtsvikt kan uppvisa ett lägre ST-segment. Ett lägre ST-segment kan vara ett tecken på syrebrist i hjärtat.
Hjärtmarkörer Klinisk diagnos av kranskärlssyndrom har på senare tid karakteriserats med hjärtmarkörer. En av de första pålitliga markörema för AMI var CKMB, vilket på senare tid har byts ut mot troponin I och T. Det finns många andra molekyler som är mer eller mindre specifika som hjärtmarkörer, såsom myoglobin och laktathyrogenas (LHD). Myoglobin är en tidig markör på så sätt att den leder till ett toppvärde i blodet efter typiskt åtta timmar efter smärtdebut (tid för tilltäppning). Myoglobin är emellertid förekommande i skelettmuskulatur och är därför inte specifik för hj ärtskada, vilket leder till dålig specificitet för AMI. CKMB är mer specifik gällande hjärtskada, men år långsammare och leder till ett typiskt toppvärde efter typiskt 24 timmar. Troponin I och C är mer specifika, men uppvisar liknande tid till toppvärde. Det traditionella lO 15 20 25 30 sättet att diagnostisera AMI har varit att kontrollera nivån för hjärtmarkörerna vid olika tider, typiskt vid ankomst, och efter 6 och 12 timmar. Olycklígtvis har diagnosen satts när tidsfönstret för behandling är borta. Sedan länge har personer mätt skillnader i hjärtenzymer, och Bernsten med flera har använt lutningen för CK-MB, Clin. Chem. 1983,- 29(3), p 590-592. Collingson med flera har visat hur lutningsmätningar kan användas för retrospeküva diagnoser: Clin. Chem. 1983, 29(3), p590-592, Ann. Clin. Biochem. 1988, 25, p376-382, J. Clin. Pathol. 1989, 42, pl 126-31, Ann. Clin. Biochem. 1992, 29, p34-47, Ann. Clin.
Biochem. 1991, 28, p103~104, J. Clin. Pathol. 1994, 47, p995-998.
Dessa metoder verkar försvinna, på grund av många skäl, t ex att samplingstiden har varit för läng och brist på användbar utrustning. De glesa värdena betyder att förändringar i lutningen (dvs kurvaturen) inte blir tillgänglig. Logaritiniska värden har använts i lutningsberäkriingania, vilket betyder att lutningsvärden är beroende av samplingstíd. Vidare, så leder det till svårigheter att sätta begränsningsvärden.
Nämnda markörer har använts för att prediktera storleken på nekros, där den totala utsöndrade mängden (area under kurva) eller maximala koncentrationen används. Det finns studier där koncentrationen CK-MB i blod efter en AMI anpassas till en matematisk kurva, R Vollmer med flera, Am. J. Clin. Pathol. 1993, 100, p293-298. En använd formel (Christenson med flera) är y=a*exp[(-0.5*[lnt-b)/c)2] (korrekt formel är antagligen y=a*exp[-0.5*(ln(t/ b) / c)2], där a, b, c år parametrar, och t är tiden. Parametem a är arnplituden, b bör vara tiden till toppvärdet, och c är en parameter som definierar bredden. Sådana funktioner har använts för att utvärdera terapier, speciellt trombolys, och prediktera kliniskt resultat hânförande till kranskärlstillstånd, i några fall genom att använda lutningen på kurvan vid den fallande delen, Christenson med flera, US pat US 6,662, 1 14. Formeln ovan har en begränsning genom att låta de stigande och fallande delarna vara 100% beroende av varandra.
Utvärdering av fler än en hjärtrnarkör har utvärderats genom att använda artificiella neurala nätverk, patent WO97/ 48327 . 10 15 20 25 30 Ett vanligt problem med föregående tekniker är behovet av blodplasma eller serum. Detta betyder att provet är behandlat, vilket kan leda till olika uppföranden, och definitivt betyder det att originalkoncentrationen för analyterna har förändrats. Vidare är det troligt att det uppkommer en variation i analytkoncentration på grund av svårigheten att utföra behandlingarna exakt lika från gång till gång.
Föregående metoder för att mäta hjärtmarkörer har varit retrospektiva, på så sätt att responsnivåer och lutningsnivåer har använts för att se vad som hände (när skadan är permanent). Den används inte prospektivt.
Med prospektiv metod, definierar vi den som en metod där signalerna för diagnos kontinuerligt presenteras så länge som mätningarna pågår, och rått diagnos och beslut av behandling kan kontinuerligt göras så länge hälsostatus utvecklas.
MRI och CT Det finns andra tekniker för att detektera hjärtinfarkt, såsom magnetkarnera (MRI) och datortomografi (CT). Dessa tekniker kräver stora och dyra apparater och speciellt tränade operatörer, vilket gör dem olämpliga att använda som en vanlig diagnostisk metod.
Sammanfattning av uppfinningen På grund av den dåliga noggrannheten hos t ex EKG-resultat, har det i området för bättre metoder funnits ett behov för framställande av snabbare resultat, och därigenom möjliggöra diagnos vid ett tidigare skede än vad som är möjligt för närvarande.
Syftet med föreliggande uppfinning år följaktligen att tillhandahålla en ny metod för att tillhandahålla tillförlitliga indikationer av hälsostatus för patient i tidiga skeden av ett misstänkt akut medicinskt tillstånd, såsom hjärtinfarkt (AMI), slaganfall, blodförgiftning, operation etc. 10 15 20 25 30 532 'H33 Den föreslagna uppfinningen innefattar snabba seriella mätningar av vätskeprover från däggdjur med precisa tidmarkeringar, och om nödvändigt, filtrering av insignaler, och extraherande av information om kurvforrnen, såsom responsnivåer, och/ eller lutning och / eller kurvatur som hjälp till prospektiv och/ eller retrospektiv bestämning av hälsostatus, genom att använda en eller flera responskâllor, såsom olika markör-molekyler.
Metoden för föreliggande uppfinning genererar information i två steg, först: rådata från en eller fler responskällor, t ex hjärtmarkörer analyserade från blodprov, där dessa responser behandlas matematiskt för att extrahera information som ger mer adekvata signaler än själva responsnivåerna. Exempel på dessa signaler är lutningsvärden och kurvaturvärden. Ett annat särdrag är att använda dessa signaler och slå ihop dem, t ex responser, lutningar och kurvaturer från en eller flera analyter för att bilda en eller flera signifikanta hâlsosignaler, vilka är användbara som hjälp för en läkare för att tillhandahålla rått behandling.
På grund av att uppfinningen gcr information om hälsostatus, kan den föreslagna metoden användas för klassificering av sjukdomar så väl som riktlinjer under terapeutisk behandling.
Detta syfte uppnås med metoden som är utmärkande för krav 1. Speciellt genom att använda uppfinningen som innefattar detektion av trenden i koncentration för en eller fler analyter, i t ex blod, urin eller andra kroppsvätskor, så är det möjligt att ställa en tidig diagnos. Diagnosen kan för detta fall vara utförd genom själva trendanalysen, och även genom prediktion av senare responser, genom användandet av upptagna data. Genom att använda sig av flera analyter kan prediktionen bli ännu bättre. För detta fall kan olika multivariabla tekniker användas, såsom artificiella neurala nârverk (ANN) eller principalkomponentanalys (PCA), för att nämna nägra få. lO 15 20 25 30 533 'H33 En fördel med trendanalys enligt uppfinningen är möjligheten att uppväga olika baslínjer, vilka kan variera mellan individer, eller vid olika tidpunkter för en individ. Därigenom uppnås en minskning av både falskt negativa (en sjuk person förklaras frisk) och falskt positiva (en frisk person förklaras sjuk) resultat. Detta betyder att både klinisk sensitivitet och specificitet förbättras.
Användandet av filtrering [utjämning av data) ökar precisionen för responser och leder till tillförlitligare trendanalyser.
Vidare omfattning av tillämpningen av förevarande uppfinning blir uppenbar från den detaljerade beskrivningen som följer och de tillhörande ritningarna, vilka finns endast som möjlig illustration, och således inte att anses vara begränsande för den förevarande uppfinningen, och som följer: Kort beskrivning av ritningarna Fig. la visar schematiskt hur flera analyter, a, b, c, d, etc monitoreras vid olika tidpunkter, t.
Fig. lb visar hur koncentrationen, y, för de olika analytema a, b, c, etc skapar olika kurvor med avseende pâ tiden, t.
Fig. 2 illustrerar ett typiskt uppträdande för en koncentration av analyten troponoin-I under AMI.
Fig. 3a-c exempel på filtrering av responssignaler, a) ett FIR-filter, och b) ett IIR-ñlter, c) användandet av medianfilter.
Fig. 4a-d illustrerar utsignal från respons-, lutning- och kurvatur-vården från olika analyter genom att använda viktad summa. 10 15 20 25 30 Detaljerad beskrivning av föredragna utfóringsformer Metoden enligt den hänförda uppfinningen utnyttjar fördelen med förändringar i responssignalen från en eller flera prov från kroppsvätskor, vilka har tagits vid olika tidpunkter från patienter som misstänks lida av ett medicinskt tillstånd. Således kan responsen som används hänföra sig till en ensam analyt eller från flera analyter. Det elementära konceptet med uppfinningen är att bestämma förändringar i responssignal genom att beräkna första ordningens eller/ och högre ordningens derivator och/ eller för att utföra kurvanpassning, där lutningar, kurvaturer och koefficienter kan bestämmas.
Genom att beräkna lutningen, kommer inflytandet av varje baslinje (dvs offset) att försvinna och en känsligare och mer specifik signal kommer att uppnås för medicinska tillstånd som förändras med tiden.
Det ñnns en efterfrågan efter tidig diagnos av AMI som är beskrivet i tidigare avsnitt. En nyckelparameter är storleken på infarkten. Det finns en allmän åsikt att den maximala troponin-koncentrationen är proportionell mot infarktens storlek. Olyckligtvis, när detta värde fastställs, är det för sent att behandla. Man kan tänka sig att hela utsöndringen av markören (area under kurva) är en bättre prediktion, men det har visat sig att den inte är lika noggrann, men ändå finns det en god korrelation. På grund av att kurvforrnen för en markör är likartade mellan patienter, kommer en maximal lutning vid den stigande delen att ha en hög korrelation med det maximala värdet, dvs den maximala lutningen kommer att vara en bra uppskattning av infarktens storlek. På grund av att maximal lutning kommer att uppträda tidigt, är den väl lämpad för beslut om terapi. Även tidigare kommer kurvan att höja sig från baslinjen, vilket leder till en initial kurvatur, t ex andra ordningens tídsderivata för koncentration. Detta maximala kurvaturvärde kommer att vara mycket högt korrelerad till den maximala lutningen och den maximala koncentrationen, vilket betyder att den kan användas som en mycket tidig signal för AMI. Kurvaturen kan också användas för att peka lO 15 20 25 30 E32 193 ut var lutningen är stabil, t ex vid maximal lutning, där kurvaturen år låg eller noll.
Genom att använda fler än en analyt kan en bättre diagnos utföras genom att t ex använda PCA och / eller ANN.
Utvärdering ”Falsk negativ” betyder att en sjuk person förklaras frisk.
”Falsk positiv” betyder att en frisk person förklaras sjuk.
”Speciñcitet” = sant negativa/ (sant negativa + falskt positiva), dvs specificiteten är ett relativt tal som ger information som indikerar hur bra metoden/ instrumentet hanterar att korrekt förklara en patient frisk bland alla friska patienter.
”Sensitivitet” = sant positiva/ (sant positiva + falskt negativa), dvs sensitiviteten är ett relativt tal som säger dig hur bra metoden/ instrumentet hanterar att korrekt förklara en patient sjuk bland alla sjuka patienter.
”Beslutsnivå” betyder en nivå för analytkoncentration eller aktivitet (eller tidsderivatan av analytkoncentration, eller någon annan parameter) vilken väljs som en tröskel för att bestämma huruvida en patient är frisk eller sjuk, eller vilken typ av behandling som behövs, för att nämna några få exempel.
Det ses enkelt att genom att minska beslutsnivån kommer sensitiviteten att öka, och specificíteten att minska, dvs friska personer kommer att behandlas, vilket kan vara förenat med avsevärda och allvarliga risker för patienten. Pâ samma sätt kommer en ökning av beslutsnivån att minska sensitiviteten och öka specificiteten, dvs sjuka människor kommer inte att behandlas, vilket självklart också kan vara mycket farligt.
Beslutsnivån måste därför väljas med omsorg, ofta vald som två. gånger referensvârdet för friska personer.
Inte bara år de medicinska frågorna beroende av specificitet och sensitivitet, men de påverkar även ekonomiska frågor. l0 15 20 25 30 532 'H13 Sensitivitets och specificitetstalen är inte bara beroende av beslutsnivån, utan också av kvaliteten på utförda mätningar (dvs noggrannhet och precision), och även av vald metod. Precision definieras som spridningen i resultatet från ett mätsvar (prov) med ett fast värde, dvs precision ger ingen information hur sann avläsningen är. Noggrannhet är definierad som hur nära en mätning är jämfört med det sanna värdet. Ofta är det mycket svårare att uppnå hög noggrannhet än en hög precision.
Om man beaktar trender, dvs derivator, kommer baslinjer att undertryckas och noggrannhetstal att vara mindre viktigt, vilket betyder att den föreslagna metoden kräver mindre noggrannhet, vilket betyder att enklare och billigare instrument och hantering kan användas.
Ett tal som kan vara av intresse att beskriva är den diagnostiska noggrannheten för en metod, vilken tar hänsyn till både sensitivitet och speciiicitet, vilket kan definieras som: Diagnostisk noggrannhet = (sant negativ + sant positiv)/ alla patienter Dvs effektiviteten visar hur effektivt beslutsgränsen sätts och / eller precision/ noggrannhet för metoden och utrustningen. Diagnostisk noggrannhet ska inte förväxlas med noggrannhet för metoden eller apparaten.
Emellertid, det viktigaste särdraget med trendanalys är högre signiñkans för hälsotillstånd vilka förändras snabbt, t ex AMI, slaganfall, infektioner, blodförgiftning, hemostas under operation etc.
Trendanalys kräver att precisionen för läsningar är acceptabla. Den övergripande precisionen för trendanalys är inte bara beroende av precisionen för provkoncentration eller aktivitet, utan också av (relativ) tídsbestämning. Automatisk bestämning av samplingstid är därför 10 15 20 25 30 532 183 10 önskvärt. Tiden mellan två prov behöver inte nödvändigtvis vara lika långa.
Metoden använder företrädesvis många prov, av många skäl: möjligheten att detektera snabba förändringar i responserna, ger snabba signaler till kliniken, och gör det möjligt att filtrera effektivt för att uppnå bättre precision. Det föreslagna tidsförloppet för prov görs företrädesvis med mer eller mindre automatiserad provtagning. För att minska variation i lutning, kurvatur och/ eller funktionsparametrar från kurvanpassning, är det nödvändigt att använda korrekta provtagningstider.
Tidsmarkeringarria bör vara så korrekta som möjligt, vilket praktiskt skulle vara i regionen av 1 sekund. Emellertid, betyder detta inte att prov ska tas på l sekund, utan provtagningsmönstret mellan konsekutiva prov bör vara inom 1 sekund. Om prov tas var 10:e minut, leder en 1 sekunders variation till ett relativt fel på l / 600, mindre än 02%. En 10 sekunders variation skulle leda till 1.7 % variation, vilket skulle inverka på signalkvaliteten. För snabba eller akuta syndrom, t ex under operation, kan l minuters provtagningsintervall vara önskvärt. För AMI är antagligen 10-30 minuter provtagningsintervall tillräckligt och diagnos kan göras inom 2 timmar, vilket är fönstret för behandling. lO minuters provtagningsintervall under 2 timmar leder till 12 responsvården för varje analyt, vilket är tillräckligt för att utföra effektiv filtrering och kurvanalys.
Vid retrospektiv diagnos är det vanligt att registrera toppvärdet för troponiner, vilket vanligtvis uppträder inom 24 till 48 timmar, och en sparsam provtagning behövs, t ex några timmar.
Automatisk provtagningsanalys innebär att många prov kan analyseras med korta tidsintervall. Provtagníngsresponser är företrädesvis, men inte nödvändigtvis, filtrerade för att uppnå minskade oönskade variationer i responssignaler. Tidskonstanter för filter väljs så att de inte förvränger den långsiktiga originalformen på responssignalen. Användbar filtrering är medelvärdesbildning, viktad medelvärdesbildning, median filter, finita impulsfilter (FIRJilter), och infinita impulsfilter (IIR-filter) för att nämna några få.. Filtren kan användas i kombination med varandra, t ex ett lO l5 20 25 30 53.? 'H33 11 medianfilter år mycket effektivt för att reducera avvikande värden, och kan användas med andra filter. Användandet av många provtagningspunkter med korta tídsintervall förbättrar sígnalkvaliteten.
Som tumregel så blir precisionen bättre som kvadratroten av antalet provtagningar som används vid ñltreringen. Filtrering utförs företrädesvis som rullande medelvärden, vilket betyder att ingen tidsinformatíon förloras.
Användandet av obehandlade prov såsom helblod eliminerar provtagningsvariationer som finns vid skapandet av blodplasma och serum. Vidare, en föredragen utföringsforrn av uppfinningen använder blod direkt, vilket eliminerar behovet av antikoagulantia såsom citratbuffer, vilket också introducerar en variation av analytinnehållet i provet.
En utföringsform av uppfinningen är när en analyt (molekyl) analyseras vid olika tider. Utsignalen från dessa analyser är analytkoncentration vid olika tider, A[tn) = An, där A år analytkoncentratíon och tn är diskreta tider vilka hänför sig till när varje prov har tagits, och n är ett index.
Förändringen i A definieras med en derivata, S: d S(t) = - AU) d: (1) Vilket för det diskreta fallet kan approximeras med t ex: S" : Ana-I _ An fm _' fr. (2) Ett annat sätt att beräkna derivatan är att anpassa An till en funktion, och sedan använda de anpassade parametrarna för att beräkna derivatan. För detta fall kommer både funktionen och derivatan att vara definierade mellan datapunkter, och inte bara vid diskreta punkter. Den använda funktionen kan vara ett polynom, t ex av andra ordningen: 10 15 20 25 30 532 'H33 12 Afi) = Cl + b ' (I-ío) + c ' (t-ÉOP Derivatan är då: S(t) = b + Zcfl-ío) Den valda funktionen kan innehålla exponentialfunktioner, t ex: A(t) = a + bül - eä jíl - ešïfješš! (3) Det år viktigt att den valda funktionen liknar den fysikaliska responsen för provresponsema.
Olika funktioner kan användas för olika analytprov. Vidare, en automatisk procedur kan användas för att välja bland olika funktioner.
Det betyder att en samling av olika funktioner kan användas för olika patienter och situationer, där den bästa funktionen väljs automatiskt med mjukvara. Selektion kan t ex vara baserad på statistisk teori som T- testen, eller på informationsteori som Akaide's Information Criteria (AIC), eller en korrigerad AIC (AlCc). F~test kan användas på nåstlade funktioner, dvs där en funktion är en undergrupp av den andra. AIC kan användas pä godtyckliga funktioner, och är en föredragen utföringsforrn.
Det är också möjligt att använda högre ordningens derívator, dvs beräkningen av responskälleändring utförs genom att skapa högre ordningens derivator.
Istället för att använda diskreta punkter för att beräkna derivator, kan kurvanpassning användas, dvs mätdata, dvs responserna anpassas till en eller flera matematiska modeller. För att ytterliggare förbättra metoden kan iterativ kurvanpassning användas. Speciellt den så kallade 10 15 20 25 30 532 'H33 13 Levenberg-Marquart-metoden används för iteration. En annan metod är en simplex-metod.
Många olika matematiska funktioner kan användas för kurvanpassning, där valet är beroende av det medicinska tillståndet och uppförandet av markörerna. Användbara modeller, även om uppfinningen inte är begränsad till detta, är ett polynom, en linjär ekvation, ett polynom av andra ordningen, ett polynom av tredje ordningen, en eller fler exponentialfunktioner. Lämpligtvis har modellen minst två exponentialfunktioner, eller till och med fler. Den fördragna matematiska modellen innehåller minst tre exponentíalfunktioner. Det är lämpligt att minst en av nämnda exponentialfiinktioner ökar med tiden. För andra utföringsformer minskar minst en av exponentialfunktionerna med tiden.
Ytterligare utföríngsforrner innefattar minst två av nämnda exponentialfunktioner, vilka ökar med tiden. Det är också möjligt att låta minst en av nämnda exponentialfunktioner att öka och minst en av nämnda exponentialfunktioner minska med tiden.
För ytterliggare en utföríngsform inkluderar den matematiska modellen minst en funktion av typen K*[1-exp(-t/T1)]*[exp(-t/T2)], där K är en konstant och Tl och T2 år karakteristiska tidskonstanter erhållna som parametrar från kurvanpassningsprocedurer.
En annan möjlig funktion är av formen K*[l-exp(-t/T0)]*[1-exp(-t/Tl)]*[exp(-t/T2)], där K är en konstant och Tl, T2, T3 är karakteristiska tidskonstanter.
Företrädesvis så år en beslutsnivå baserad på nivån för en eller flera av responsen / responserna och/ eller den/ de beräknade derivatan/ derivatorna från nämnda responser. Lämpligen är beslutsnivån baserad på nivån för nämnda beräknade andra ordningens derivata/ derivator från nämnda responser. Alternativt, nämnda beslutsnívå år baserad på nämnda respons och /eller på nämnda 10 15 20 25 30 14 beräknade lutning och/ eller kurvaturer eller funktioner, t ex första och / eller andra ordningens derivata/derivator från nämnda responser.
För fallet där mer än en analyt undersöks, används två eller fler av analytresponskällorna för att bestämma fler lutriingar eller derivator och / eller kurvatur för nämnda funktioner, t ex andra ordningens derivator.
Betraktande av en analyt, så kan två eller fler av nämnda sensorresponser, separerade i tid, användas för att prediktera den matematiska funktionen för en värdemängd, före, mellan, och / eller efter nämnda responspunkter. Lämpligen, så är berörd prediktion en bestämning av parametrar för ett polynom. Prediktionen kan också vara bestämningen av parametrar för en eller fler exponentialfunktioner. För en utföringsforrn så är prediktionen en blandning av polynom och exponentialfunktioner.
Den berörda responsen är lämpligen analytkoncentration eller aktivitet.
Medicinsk status För att kunna bestämma allvarlighetsgraden gällande hälsostatusen för ett däggdjur, så klumpas responser, lutningar och kurvaturer tillsammans i ett viktat summeríngssätt, genererande minst en utsígnal.
Denna utsignal kan analyseras med två eller flertröskelvården för att erhålla olika status, t ex mild sjukdom eller allvarlig sjukdom.
Den vâgda utsignalen begränsar inte användandet av individuella respons-, lutning- och kurvatilr-värden från individuella analyter.
Ett exempel: Under ett visst tröskelvärde kan en patient anses vara frisk.
Mellan detta tröskelvärde och ett annat tröskelvärde, så. är vidare utredning eller försiktighet nödvändigt. Över den andra tröskeln sä är en snar behandling nödvändig. 10 15 20 25 30 532 'H13 15 För att kunna bestämma ett eller flera av tröskelvärdena, så är sensorresponserna och/ eller derivatavärden från två eller flera prov använda tillsammans, t ex genererande en viktad summa.
Det kan vara bekvämt att använda booleska utsignaler, och för detta ändamål järnförs derívatavärden med respektive tröskelvärde och booleska utsignaler skapas (derivatavârden under och över tröskel). Den booleska utsignalen från en sådan järnförelse kan lämpligen kombineras i ett booleskt nätverk. Ett sådant booleskt nätverk kan bestå av booleska funktioner som OR, AND, XOR (exklusivt eller), NOR och NAND operatorer, vilka bestämmer en eller flera av utsignalerna, vilka kan representera positiv, negativ, svagt positivt svagt negativ hälsostatus.
Företrädesvis är responsvärden och / eller derivatavärden matematiskt kombinerade för att skapa en fler-riiväers utsignal. Dessa tröskelvärden eller vikter kan vara tidsberoende, och tidsberoendet är korrelerat till andra kliniska indikationer, t ex smärtdebut. För AMI är kurvaturen typiskt vägd högt i början, sedan är lutningen viktat högt, och slutligen är absolutresponsen viktat högt.
I en utföringsform fór metoden enligt uppfinningen, så är värdet för utsignalen baserat på principalkomponentanalys (PCA).
I en annan utföríngsforrn är värdet på utsignalen baserat på neurala nätverk (ANN).
Flera funktioner kan användas i metoden enligt uppfinningen och minst en väljs för varje nämnd provanalyt. Valet utförs lämpligtvis med ett F- test. Vidare kan valet utföras med Akaikds Information Criteria (AIC) eller med den korrigerade Akaike's Information Critera (AICc).
En av många fördelar med att använda lutningen istället för själva responsen är att storleken på skadan blir känd direkt, medan storleken 10 15 20 25 30 532. *H33 16 av skadan för absolutresponser ges vid maximal nivå, vilket år för sent för en adekvat behandling.
Uppfinningen kommer nu att vidare bli illustrerad på sätt med icke- begränsande exempel för olika medicinska tillstånd där uppfinningen är tillämpbar.
EXEMPEL Exempel 1 (AMI) En av de mest förekommande och allvarliga mänskliga sjukdomarna är hj ärt-cirkulation-sjukdomar, som hjärtsvikt (kranskärlsinsufficiens), instabil angina pektoris (UAP) och hjärtinfarkt (AMI). Där de två förstnämnda sjukdomarna behandlas vanligtvis med långtidsmedicinering, AMI är ett akut syndrom och måste behandlas omedelbart för att undvika permanent hj ärtskada (nekros). Därför finns det ett behov att skilja mellan de olika hjärtsjukdomarna, såväl som andra orsaker till bröstsmärta.
Det finns många indikationer på AMI: patienten känner ofta en smärta och tryck över bröstet under minst 15 minuter, och ofta smärta strålande ut i vänster arm. En känsla av obehag och illamående är ofta vanlig. Det verkar vara olika mönster mellan manliga och kvinnliga patienter, där de kvinnliga patienterna verkar uppleva mindre smärta.
Emellertid, så kan inte de nämnda symptomen ensamma utgöra basen för en diagnos av AMI. Det finns många andra situationer som kan orsaka liknande symptom, såsom muskelskada [revbensbrott och Tieze's syndrom), magåkommor (strupinilaxnmatiori, gallstens sjukdom), lungsjukdomar (lunginflammation, lungsäcksinflammation), och psykosomatiska värktillstånd, förutom hjärtsvikt och UAP.
I överensstämmelse med uppfinningen tas blodprov från en patient som misstänks lida av AMI, och provet analyseras omedelbart med hänsyn till ett valt antal av relevanta markörer. Mätningar tas sekventiellt vid olika 10 15 20 25 30 532 'H33 17 tidpunkter, och pä basis av trendanalysen i enlighet med uppfinningen, dvs beräkning av derivator, kan patientens hälsostatus utvärderas vid ett mycket tidigt skede efter t ex det en hjärtattack har inträffat.
Det finns ett antal lämpliga biokemiska markörer för AMI. Den första specifika markören som användes var ett isoenzym, CK-MB (Creatin Kinase-Muscle Brain). Nuförtiden används ofta proteinet troponin-I på grund av dess specificitet för AMI. Emellertid, både (IK-MB och troponin-I läcker sakta ut i blodomloppet, med en maximal koncentration ungefär 24 timmar efter smärtdebut. Olyckligtvis uppträder permanent skada på hjärtat efter sex timmar efter smärtdebut, vilket betyder att nuvarande använda metoder för att mäta dessa analyter är inte optimala för att besluta lämplig behandling.
En tidigt utlösande markör såsom myoglobin (även om den inte är väldigt specifik] kan analyseras simultant med en specifik markör såsom troponin för att öka sensitivitet och speciñcitet.
Den föreslagna metoden t ex användandet av lutning och / eller kurvaturutredning, är också mycket användbar för att kontrollera utfallet av trombolytisk terapi. Om blodpropp löses upp och återilöde återetableras, så förväntas en snabb förändring i analytkoncentration, vilket leder till snabb respons för lutnings och kurvatursignalen. Baserat på dessa resultat sä erhålls bättre beslutsinforrnation för vidare behandling.
För fallet AMI är det av yttersta vikt att öppna blockeringen av det tilltäppta blodkärlet för att undvika permanent skada (nekros). Det förefaller vara så att den bästa metoden för behandling av AMI är att utföra PCI (Percutan Coronary Intervention), vilket betyder att kärlet expanderas med en ballong. Ballongen förs ofta in i blodkärlen i hjärtat genom att dra en styrträd eller kateter genom blodkärlet från t ex lårbensartären i benet. 10 15 20 25 30 532 *H13 18 Trombolytíka Om det är ett problem att nå ett blockerat kärl eller att det av andra skål inte är möjligt att utföra PCI, så år trombolytisk behandling nödvändig, t ex med sireptokinas, tpA (tissue plasminogen activator), APSAC, urokinas, r-PA, TNK-TFA stafylokinas. De populäraste substanserna år streptokinas och tpA. Streptokinas binder till plasminogen och påskyndar konverteringen från plasminogen till enzymet plasmin.
Plasmin delar upp fibrín och proppen löses upp. tpA år en naturlig substans i kroppen, producerad i endotelcellema och makrofager.
Aktiveringen kan förhindras med PAI (plasminogen activation inhibitior).
En icke-uttömmande uppräkning av användbara markörer följer: Olika markörer används för olika situationer: initial diagnos, möjliga kontraindikationer såsom förhindring av trombolys, utfall av terapi, fóljdskador på grund av behandling.
Hjärtmarkörer Troponin-I (Tnl), Troponin-T (TnT), Troponin-C (TnC), isoenzym Creatin Kinase-Muscle Brain (CK-MB), Myoglobin, laktathydrokinas (LHD) isoenzym, Myosin Light Chain (MLC), N-terrninal pro~B-typ natriuetic peptid (NT-proBNP), pro-B-typ natríuretic peptid (proBNP), Fatty Acid Binding Protein (FABP), glykogenfosforylas isoenzym BB (GPBB), högkänslig C-reaktivt protein (CRP), urinärt albumin, interleukin-ö (IL-ö), ischernskt modifierat albumin (IMA), aspartat transaminas (AST), hydrobutyrat dehydrogenas (HBD), minskning av järn koncentration, enzymatisk urinärt kreatin.
Markörer som testar för ntöjlíg förhindring av behandling Antikropp för streptoldnas, plasminogen, Activation Inhibitor (PAI-1) och (Pai-Z), 10 15 20 25 30 532 'H33 19 Markörer som testar för propplösande möjligheter Tissue Plasminogen Activator (tPA), urine Plasmin Aktivator (uPA), vitronektin eller S-protein, antitrombin III, Markörer för detektion av slaganfall: bestämning av hjäminfarkt eller hjämblödning S- 100 protein.
Detalierad beskrivninpLav figurerna I Fig. Ia visas hur flera analyter a, b, c, d, etc monitoreras vid skilda tider, t. Analyterna a, b, c, etc behöver inte vara placerade i separata kärl, men är vanligtvis tagna i ett prov (hår separerade på grund av överskådlighet). När proven analyseras, så genereras av koncentrationen, y, från de olika analyterna a, b, c, etc, olika kurvor med avseende på tiden, t, som visas i Fig. 1 b.
Fig. 2 visar en specifik markör, troponin-l, under ett AMI-tillstånd, A är koncentrationen (godtycklíga enheter), S är lutningen för A (godtyckliga enheter), och t är tiden i timmar. Tilltåppning av blodkärl sker vid tiden t = 0. AMI skall behandlas så snart som möjligt, ty, efter sex timmar år cellskadan permanent. Det kan visas att A, koncentrationen är någorlunda osäker på. grund av en baslinje som skiljer sig från noll (kanske från ett troponin-läckage från kranskärlsirisufficiens), och ett långsamt ökande värde. Den maximala amplituden för A är ett mått på hur stor skadan Emellertid, så har lutningen, S, en noll-baslinje och en mycket snabbare signalrespons, vilket gör den användbar för detektering av AMI. Den maximala lutningen år också ett mått på skadans storlek.
Fig. 3a visar ett digitalt filter av typen finit impuls respons typ (FIR- filter). Ett PIR-filter är bara beroende av en sekvens av insignaler, här benâmnda i1(t), där i står för insignal, nedsânkta texten 1 till p (endast l visad) för responskålla 1 till p, och parametern inuti parentesen är ett tidsindex. Lådor med olika tidsindex representerar tidsfördröjningar, dvs 10 15 20 25 30 532 103 20 olika prov har använts. Trianglar representerar skalfaktorer med den aktuella koefficíeriten inuti triangeln. Lådan med 2 tecken benämner summation. Utsignalen är benämnd på samma sätt som insignalen.
Fig. 3b illustrerar ett infinit impuls respons filter (IIR-filter), vilket använder utsignaler på ett återkopplingssätt.
Fig. 3c illustrerar hur olika ñlter kan kombineras. Först finns ett medianfilter. Ett medianfilter rangordnar en grupp vården och väljer det mittersta värdet (för fallet med jänina värden, är medianvärdet medelvärdet av de två mittersta värdena). Denna procedur eliminerar effektivt avvikande vården helt (värden som av någon anledning ligger långt från det korrekta värdet, på grund av brus eller fel) (så länge det inte finns en majoritet av avvikande vården i gruppen). Ett avvikande värde kommer att påverka utsignalen, även om signalen filtreras med vanliga filter såsom rullande medelvärde, PIR-filter och IIR-filter (rullande medelvärde är ett specialfall av ett PIR-filter). Det är därför en stor fördel att använda ett medianfilter före all annan Signalbehandling.
Medianfiltret benämns MF i figurerna. De vanliga filtren benämns DF (digitalt filter). Fig. 3c visar digital filtrering av signaler från p olika responskällor, t ex p olika analyter. Både ñlterparametrar och längder kan vara tídsberoende, t ex en kraftigare filtrering kan utföras efter en viss tid eller utgående från insignaler eller matematisk behandling av insignalen såsom lutning och kurvaturdetektion.
Både medianfilter och de vanliga filtren implementeras lämpligen i datorprogramvara.
Fig. 4a illustrerar ett fall där signalerna från olika responskällor, benåmnda i, behandlas av lådorna med dr/ dt och d2r/ dt? för att skapa respektive lutnings och kurvaturvärden från responskällorna.
Responsen, lutningen och kurvaturen skalas med koefñcientema i trianglarna, för normalisering och enklare läsbarhet. Detta år en föredragen utföringsform för fallet för att visa parametrar som är 10 15 20 25 30 532 'H33 21 oberoende av applikation och använder inte kunskapen från tidigare analyserade fall.
Fig. 4b visar samrna konfiguration som i Fig. 4a, men signalerna respons, lutning och kurvatur samlas som en viktad summa för varje responskälla, t ex analyt. Vikten kan vara negativ för en responskälla, t ex för att detektera när en analyt minskar och en analyt ökar.
Fig. 4c visar samma konfiguration som Fig. 4b, men vikterna är tidsberoende. Tidsberoendet kan vara definierat från smärtdebut eller från trombolytisk terapi gällande AMI, eller någon annan relevant tidpunkt. Ett schema kan vara att initialt vikta kurvaturen högt, och sedan vikta lutningen högt, och sist vikta responsen högt och de andra lågt, och framhäva den viktiga kliniska relevansen av de skilda signalerna vid olika tidpunkter. Ett exempel, i början av AMI är responsen låg, men kurvaturen är hög och lutningen ökar snabbt. Fastän responsen är låg så föreligger ett allvarligt tillstånd. Efter någon tid är både kurvaturen och lutningen låg, men responsen är hög. Genom att använda tidsberoende vikter kan en enskild signal användas för att kvantiñera storleken eller allvarlighetsgraden av AMI, vilket gör beslutsfattande lättare för läkare.
Fig. 4d visar samma konfiguration som Fig. 4c, men signalerna från skilda responskällor, t ex analyter är samlade till minst en viktad summa. Koefficienterna behöver inte nödvändigtvis ändras över tid.
Tidsberoende av koefficienter och parametrar kan användas vid alla filtreringsskeden, t ex ett medianfilter kan ändra antalet använda tídsampel, t ex beroende av tiden från bröstsmärta, tidbas för blodprov etc. 532 103 22 Exempel 2 (Slagaxifall) Under ett slaganfall år det mycket viktigt att skilja från hjårnirifarkt (propp) eller hjärnblödrxing (blödning). S-100 protein används som markör vid utförandet av metoden som beskrivs av uppfinningen, och en korrekt diagnos uppnås, vilket leder till en adekvat behandling av en patient. Under trombolytisk terapi vid andra indikationer än slagarifall, âr det också viktigt att följa blodstatusen för att undvika hjärnblödning.

Claims (28)

10 15 20 25 30 532 'H33 23 KRAV:
1. En metod för att bestämma hälsostatus för ett däggdjur, innefattande: mätning av responsen från minst en responskälla, närvarande i prov från kroppsvätskor repetitivt tagna från nämnda däggdjur, där flera, minst tre, av nämnda responser från samma responskälla mäts vid olika tidpunkter; beräknande av förändringshastigheten över tid och / eller förändringshastigheten för nämnda förändringshastighet från responserna från nämnda responskälla/responskällor; användning av resultatet från nämnda beräkning för ett prospektivt och / eller retrospektivt bestämmande av hälsostatus.
2. Metoden enligt krav 1, där nämnda förändringshastighet baseras på precisa provtagningstider, där variationen mellan faktisk provtagningstid och provtagningstiden som används i beräkningarna företrädesvis är, men inte begränsade till, mindre än 1 minut, mer önskvärt mindre än 10 sekunder, mest önskvärt mindre än 1 sekund, och korta tidintervall mellan provtagningar, mest önskvärt, men inte begränsat till, mellan 10 och 30 minuter, och företrädesvis mindre än en timme i den initiala fasen.
3. Metoden enligt något av krav 1-2, där nämnda responser är filtrerade (utjämnade) med t ex medelvärdesbildande filter, medianfilter, finita impulsñlter, eller infinita impulsfilter.
4. Metoden enligt något av krav 1-3, där nämnda filter tidigt utnyttjar ett medianfilter, företrädesvis först, i signalbehandlingskaskaden.
5. Metoden enligt något av krav 1-4, där filterkoefficienter och / eller parametrar och/ eller filterlängd ändras över tid. 10 15 20 25 30 532 *H13 24
6. Metoden enligt något av krav 1-5, där nämnda beräkning av responskälleförändring utförs genom lutnings eller derivataberäkning.
7. Metoden enligt något av krav 1-6, där nämnda beräkning av responskälleförändring utförs med kurvatur eller högre ordningens derivator.
8. Metoden enligt något av krav 1-7, där nämnda respons anpassas till en eller flera matematiska modeller.
9. Metoden enligt något av krav 1-8, där nämnda matematiska modell är ett polynom.
10. Metoden enligt något av krav 1-9, där nämnda matematiska modell innefattar två eller fler exponentialfunktioner.
11. 1 1. Metoden enligt något av krav 1-10, där minst en av nämnda exponentialfunktioner ökar med tiden, och minst en av nämnda exponentialfiinktioner minskar med tiden.
12. Metoden enligt något av krav 1-1 1 , där nämnda matematiska modell inkluderar minst en funktion av typen konst*[1-exp(-t/T1]]*[exp(-t/T2)] eller typen konst*[1-exp(-t/T0)]*[l-exp(-t/T1)}*[exp(-t/T2)], där t är tid och TO, T1 och T2 är tidkonstanter.
13. Metoden enligt något av krav 1-12, där flera funktioner används och minst en väljs för varje nämnt analytprov.
14. Metoden enligt något av krav 1-13, där nämnda funktionsval utförs med ett F-test eller med Akaike's Information Criteria (AIG) eller med den korrigerade Akaike's Information Criteria (AlCc).
15. Metoden enligt något av krav 1-14, där nämnda respons är analytkoncentration. lO 15 20 25 30 532 1133 25
16. Metoden enligt något av krav 1- 14, där nämnda respons är aktivitet.
17. Metoden enligt något av krav 1-16, där nämnda responskälla är ett blodprov.
18. Metoden enligt något av kraven 1-17, där nämnda blodprov är helblod.
19. Metoden enligt något av kraven 1-18, där nämnda prov är obehandlade.
20. Metoden enligt något av kraven 1-19, där nämnda responskållaüesponskållor) är en eller flera igenkånningsrnolekyler vilka är markörer för akut hjärtinfarkt (AMI), innefattande typiskt en eller flera av följande hjårtmarkörer; Troponin-I (Tnl), Troponin-T (TnT), Troponin-C (TnC), isoenzym Creatin Kinase-Muscle Brain (CK~MB), myoglobin, laktathydrogenas (LHD) isoenzym, Myosin Light Chain (MLC), N-terminal pro-B-type natriuretic peptide (NT-proBNP), pro-B-type natríuretic peptide (proBNP), Fatty Acid Binding Protein (FABP), glykogenfosforylas isoenzym BB (GPBB), högkänslig C-reaktiv protein (CRP), urinärt albumin, interleukin-ö (IL-ö), ischemiskt modifierat alburnin (lMA), aspartat transminas (AST), hydrobutyratdehydrogenas (HBD), tapp i järnkoncentration, enzymatisk urinärt kreatin.
21. Metoden enligt något av kraven 1-20, där nämnda responskällaüesponskållor) är en eller flera igenkänningsmolekyler som är markörer för hjärnskada såsom hjärnblödning eller hjärninfarkt, innefattande typiskt en eller fler av följande hjârnmarkörer: S-100 protein
22. Metoden enligt något av krav 1-21, där en beslutsnivå år baserad på nivån för en eller flera av den/ de beräknade derivatan/ derivatorna från nämnda responser. 10 15 20 25 30 532 'IÜB 26
23. Metoden enligt något av krav 1-22, där flera beslutsnivåer baseras på nivåerna för en eller flera av responsen /responserna och / eller 'den beräknade derivatan/ derivatorna från nämnda responser.
24. Metoden enligt något av krav 1-23, där nämnda beslutsgräns(er) baseras på nivån för nämnda beräknade andra ordningens derivata/derivator från nämnda responser.
25. Metoden enligt något av krav 1-24, där nämnda beslutsnivåer baseras på nämnda responser och / eller på nämnda beräknade lutning och / eller kurvatur eller funktioner, t ex första och/ eller andra ordningens derivata/ derivator från nämnda responser.
26. Metoden enligt något av krav 1-25, där nämnd respons, lutning och kurvatur för en eller flera responskällor, viktas och summeras, varvid minst en utsignal genereras.
27. Metoden enligt något av krav 1-26, där nämnda vikter för nämnda summa/ summor ändras över tid.
28. Metoden enligt något av krav 1-27, där nämnda ändring av vikt över tid relateras till smärtdebut för patient, eller av terapi, eller någon annan relevant tidpunkt.
SE0602683A 2006-12-12 2006-12-12 Metod för att bestämma hälsostatus från analyter i vätskeprover SE532103C2 (sv)

Priority Applications (4)

Application Number Priority Date Filing Date Title
SE0602683A SE532103C2 (sv) 2006-12-12 2006-12-12 Metod för att bestämma hälsostatus från analyter i vätskeprover
PCT/SE2007/050981 WO2008073046A1 (en) 2006-12-12 2007-12-12 Method for determining health status by analyzing analytes
EP07852252.1A EP2126563B1 (en) 2006-12-12 2007-12-12 Method for determining health status by analyzing analytes
US12/456,037 US9335330B2 (en) 2006-12-12 2009-06-10 Method for determining health status by analyzing analytes

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE0602683A SE532103C2 (sv) 2006-12-12 2006-12-12 Metod för att bestämma hälsostatus från analyter i vätskeprover

Publications (2)

Publication Number Publication Date
SE0602683L SE0602683L (sv) 2008-06-13
SE532103C2 true SE532103C2 (sv) 2009-10-27

Family

ID=39511972

Family Applications (1)

Application Number Title Priority Date Filing Date
SE0602683A SE532103C2 (sv) 2006-12-12 2006-12-12 Metod för att bestämma hälsostatus från analyter i vätskeprover

Country Status (4)

Country Link
US (1) US9335330B2 (sv)
EP (1) EP2126563B1 (sv)
SE (1) SE532103C2 (sv)
WO (1) WO2008073046A1 (sv)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010042126A1 (en) * 2008-10-11 2010-04-15 Nanosphere, Inc. Methods and assays to assess cardiac risk and ischemia
CA2941554A1 (en) 2013-03-14 2014-10-02 Otraces Inc. A method for improving disease diagnosis using measured analytes
WO2016123163A2 (en) 2015-01-27 2016-08-04 Kardiatonos, Inc. Biomarkers of vascular disease
WO2017091736A1 (en) * 2015-11-23 2017-06-01 Mayo Foundation For Medical Education And Research Processing physiological electrical data for analyte assessments
US11694802B2 (en) * 2016-01-22 2023-07-04 Otraces Inc. Systems and methods for improving diseases diagnosis
EP4310502A3 (en) 2016-03-31 2024-03-27 Abbott Laboratories Decision tree based systems and methods for estimating the risk of acute coronary syndrome

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5382515A (en) * 1987-07-21 1995-01-17 International Immunoassay Laboratories, Inc. Creative kinase-MB immunoassay for myocardial infarction and reagents
AU6775996A (en) * 1995-08-17 1997-03-12 Duke University Method of assessing reperfusion after thrombolytic therapy
US5690103A (en) 1996-06-20 1997-11-25 Groth; Torgny Lars Detection/exclusion of acute myocardial infarction using neural network analysis of measurements of biochemical markers
US6099469A (en) * 1998-06-02 2000-08-08 Armstrong; E. Glenn Reflex algorithm for early and cost effective diagnosis of myocardial infractions suitable for automated diagnostic platforms
US6662114B1 (en) 1999-08-23 2003-12-09 Duke University Methods for evaluating therapies and predicting clinical outcome related to coronary conditions
US6368284B1 (en) * 1999-11-16 2002-04-09 Cardiac Intelligence Corporation Automated collection and analysis patient care system and method for diagnosing and monitoring myocardial ischemia and outcomes thereof
EP1392150B1 (en) * 2001-05-04 2006-12-27 Ischemia Technologies, Inc. Improvements to diagnosis of acute myocardial infarction and other clinical conditions
JP2005522669A (ja) 2001-08-20 2005-07-28 バイオサイト インコーポレイテッド 卒中および脳損傷の診断マーカーおよびその使用方法
AU2003302340B8 (en) 2002-12-24 2008-09-11 Biosite Incorporated Markers for differential diagnosis and methods of use thereof
GB0509305D0 (en) * 2005-05-06 2005-06-15 Randox Lab Ltd Method

Also Published As

Publication number Publication date
WO2008073046A1 (en) 2008-06-19
EP2126563B1 (en) 2020-08-12
US9335330B2 (en) 2016-05-10
EP2126563A1 (en) 2009-12-02
SE0602683L (sv) 2008-06-13
US20090263827A1 (en) 2009-10-22
EP2126563A4 (en) 2010-01-20

Similar Documents

Publication Publication Date Title
CN106339593B (zh) 基于医疗数据建模的川崎病分类预测方法
ES2230976B1 (es) Provision de soporte de decisiones para el infarto agudo de miocardio.
KR102008196B1 (ko) 심전도 데이터를 이용한 혈중 칼륨농도 예측모델 생성장치 및 그 방법
SE532103C2 (sv) Metod för att bestämma hälsostatus från analyter i vätskeprover
US11062792B2 (en) Discovering genomes to use in machine learning techniques
CN112263253B (zh) 基于深度学习与心电信号的抑郁症识别系统、介质及设备
CN112466402A (zh) 一种使用血液标志物预测年龄的方法
US20210010083A1 (en) Temporal pediatric sepsis biomarker risk model
CN111370120B (zh) 一种基于心音信号的心脏舒张功能障碍的检测方法
CN111175480A (zh) 一种血液生化指标计算性别和年龄的方法
RU2632509C1 (ru) Способ диагностики неинфекционных заболеваний на основе статистических методов обработки данных
CN116580847B (zh) 一种脓毒性休克预后预测方法及系统
CN115602319B (zh) 一种无创肝纤维化评估装置
CN115910360A (zh) 一种烟雾病风险预测模型构建方法
Gosse et al. Evolution of ambulatory measurement of blood pressure and parameters of arterial stiffness over a 1-year period in patients with systemic sclerosis: ERAMS study
Suneetha et al. Fine tuning bert based approach for cardiovascular disease diagnosis
RU2742429C1 (ru) Способ экспресс-оценки изменений легочной ткани при COVID-19 без применения компьютерной томографии органов грудной клетки
RU2709507C1 (ru) Способ диагностики стадии фиброза печени у пациентов с хроническим вирусным гепатитом с
Pilih et al. Data analysis of patients with severe head injury
Narayan A machine learning model for acute kidney injury prediction with novel kidney biomarkers
JP2020051911A (ja) 心不全マーカー
RU2818815C1 (ru) Способ прогнозирования развития артериальных и венозных тромбозов у новорожденных детей
JP2001276004A (ja) 胃電図によるストレス評価方法
Huntley Topics in Clinical Epidemiology
CN117373647A (zh) 肝病患者侵袭性操作出血风险的预测模型的构建方法和预测系统