TW201217788A - Method for determining risk of diabetes - Google Patents

Description

201217788 六、發明說明： 【先前技術】 糖尿病為特徵在於喪失血糖含量調節能力的嚴重疾病。 美國糖尿病協會（American Diabetes Association)在 Ααόβία Care, 32 (增刊 l): S62-S67 (2009)及

Care, 33 (增刊i): S62_S69 (2〇1〇)中提出糖尿病之診斷及分 類。世界衛生組織（World Health Organization(WHO))估計 全世界有超過18億人口患有糖尿病。此數目到2〇3〇年可 食b會增加一倍多。2〇〇5年，據估計有11〇萬人口死於糖尿 病’此估計數很可能為糖尿病所致死亡之不完全統計，因 為糖尿病導致可列為死亡原因之其他疾病，諸如心臟病及 腎病。 需要鑑別個體患糖尿病風險的新方法。 【發明内容】 本發明提供一種計算糖尿病風險分數的方法。在一實施 例中，該方法包含：a)量測自人類患者所獲得之血液樣本 中複數種生物標記之含量，其中該複數種生物標記包含以 下生物標記中的至少5種：葡萄糖、脂聯素、CRp、 IL2RA、鐵蛋白、胰島素及HbAlc ; b)使用該等含量及視 情況選用之患者年齡及/或性別來計算患者的數值分數或 將患者分類。可使用公式！或（當藉由對人類參考群體進行 史皮爾曼（Spearman)或卡方分析來判斷時）提供結果與使用 公式I所得結果類似或相同的替代性公式來執行該方法。 公式I : 151895.doc 201217788 D = X + 0.062* 年齡-0.63 6* 性別 + i.62i* 葡萄糖-3.370* ADIPOQ+0.600*CRP+0.699*FTHl + 1.3 5 0*IL2RA+0.49l* 姨 島素+0.259*HBA1C 其中： X為具有任何正負號之任何數字，包括〇，且可具有 0、1、2或2個以上小數位數，且在某些實施例中可為 -23.114 ； 0.062*年齡為以歲數表示之患者年齡乘以〇 〇62 ; 0.636*性別為患者性別（其中女性=〇且男性=1)乘以 0.636 ； 1.621 *葡萄糖為以mg/dL表示之患者血糖含量之平方根 乘以1.621 ; 3_3 70*八〇11>〇(5為以(1§/1111^表示之患者血液脂聯素含量之 1 〇 g / 乘以 3 · 3 7 0 ; 0_600*CRP為以mg/L表示之患者血液crp含量之i〇g7〇乘 以 0_600 ; 0.699*FTH1為以ng/mL表示之患者血液鐵蛋白含量之 log/c乘以 0.699 ; 1.3 50*IL2RA為以u/mL表示之患者血液IL2RA含量之 log/o乘以 1.350 ; 0.491*胰島素為以μΙυ/ιηί表禾之患者血液胰島素含量之 logw乘以 0_491 ;且 0.259*HBA1C為作為全血中總血紅素之百分比量測的患 者血液Hbl Ac含量乘以〇 259。 151895.doc -4 - 201217788 在某些實施例中’該方法可包括：a)量測自人類個體所 獲得之血液樣本中複數種生物標記之含量，其中該複數種 生物標記包含以下生物標記中的至少5種：葡萄糖、脂聯 素、CRP、IL2RA、鐵蛋白、胰島素及HbAlc ;及b)使用 該等含量及視情況選用之個體年齡及/或性別來計算該個 體的糖尿病風險分數，#中該計算係藉由選自由以下組成 之群的方法來執行： 0第一方法，其中量測所有該等生物標記之含量且使用 與公式I相同之第一公式、使用該等含量來計算該等個 體的糖尿病風險分數；及 11)第一方法，其包含使用第二公式、使用該等至少5種 生物標記之所測含量及使用視情況選用之年齡及/或性 別來計算個體的糖尿病風險分數； 其中，當將第一方法之第一公式及第二方法之第二公式 應用於人類參考群體之所測生物標記含量及視情況選用之 年齡及/或性別以分別產生第一及第二風險概況時，第二 風險概況具有與該第一風險概況之相關性值完全大於或包 括〇.5的史皮爾曼等級相關係數平方（Spearman rank correlation coefflcient S£}uared)(R2)之 95〇/。信賴區間。 在另一實施例中，提供將患糖尿病病狀之風險分類的方 法。此方法可包含：a)量測人類個體之血液樣本中複數種 生物標記之含量，其中該複數種生物標記包含以下生物標 °己中的至少5種：葡萄糖、脂聯素、CRP、IL2RA、鐵蛋 白、胰島素及HbAlc，及視情況選用之個體年齡及/或性 151895.doc 201217788 別；及b)將該個體分類歸入複數個互斥有序風險類別之 ―，其中歸入有序風險類別係藉由選自由以下組成之群的 方法判斷： i)第-方法’其包含使用公式！、使用該等含量來計算個 體之糖尿病風險分數；及基於所計算之糖尿病風險分數將 該個體分類歸入複數個互斥有序風險類別之一，該等互斥 有序風險類別各自係由_定範圍之糖尿病風險分數界定以 對個體提供分類風險評估；及 Π 一方法，其包含使用至少5種生物標記之所測含量 及視情況選用之年齡及/或性別、根據風險概況將個體分 類歸入複數個互斥有序風險類別之―，以對個體提供分類 風險評估，其巾當將藉由第—方法（第—糖尿病風險分類 法）計算之人類參考群體的複數個分類風險評估與藉由第 二方法(第二糖尿病風險分類法)計算之人類參考群體的複 數個分類風險評估相比較時，使用卡方檢驗㈣_Squared test)仔知’第二糖尿病風險分類法與第—糖尿病風險分類 法之相關性達95%信賴度，且選擇界定複數個有序風險類 別之糖尿病風險分數範圍，以使第—糖尿病風險分類法與 第二糖尿病風險分類法的錢險_中人類參考群體個體 的數目相同。 亦提供包含執行上述演算法之指令的電腦可讀媒體以及 含有其之套組。 以上概述不希望限定本發 (諸如實施方式）中描述其他 明之每個態樣’且在其他部分 態樣。整個文件意欲作為統一 151895.doc 201217788 揭示内容敍述，且應瞭解本發明涵蓋本文所述特徵之所有 組合’即使在本文件之同一句子或段落或章節中未發現該 等特徵組合在一起。 除上文所述之外，作為另-態樣，本發明還包括以任何 方式比上文特別提及之變化的範疇窄之本發明所有實施 例。關於作為-個類屬描述之本發明之態樣，所有個別種 類皆個別地考慮為本發明之各別態樣^關於作為—個範圍 描述之態樣，所有子範圍及個別值皆已特別涵蓋。 【實施方式】 本發明之上下文中，術語「生物標記」涵蓋（但不限於） 自個體獲得的諸如體液（例如血液）之生物樣本中任何可量 測之分析物，例如蛋白質、核酸、代謝物，包括脂質代謝 物。生物標記亦可包括突變蛋白、突變核酸、剪接變體及 經修飾蛋白，例如糖基化或磷酸化蛋白。生物標記之實例 為脂聯素（ADIPOQ)、C_反應蛋白（CRp);葡萄糖 (GLUC0SE);楚胺酸丙嗣酸轉胺酶（GPT或ALT);糖基化 血紅素（HBA1C);熱休克70 kDa蛋白1B(HSPA1B);胰島素 樣生長因子結合蛋白1(IGFBP1);胰島素樣生長因子結合 蛋白2(IGFBP2”胰島素（INS、INSULIN-M、胰島素原及 SCp)、痩素（LEP)及三酸甘油酯（trig)。可藉由量測gpt 蛋白含量或量測作為丙胺酸胺基轉移酶（ALT)之酶活性來 分析生物標記GPT。可使用此項技術中已知之習知方法量 測GPT酶活性（ALT活性）。此等標記為個別已知的；關於 個別標記之描述，參見US 2007/0218519及US 2007/0259377， 151895.doc 201217788 其以全文引用的方式併入本文中。 術語「臨床參數」或rCP」涵蓋個體健康狀態或其他特 性的所有非樣本或非分析物生物標記，諸如（但不限於）年 齡（AGE)、種族或種族性（RACE)、性別（SEX)、舒張壓 (DBP)及收縮壓（SBP)、家族史（FHX，包括丨個親代的FHχl 及2個親代的FHx2)、身高（HT)、體重（WT)、腰圍及臀 圍、腰臀比（WHr)、身體質量指數（BMI)、過往妊娠性糖尿 病（GDM)及安靜時心率。 本發明之上下文中，術語「糖尿病」涵蓋自體免疫性及 特發性第1型糖尿病，及第2型糖尿病（本文稱作「糖尿 病」或「T2DM」）。世界衛生組織定義糖尿病之空腹血漿 葡萄糖濃度診斷值為7·〇 mm〇1/1(126 mg/dl)及以上（全血6 i mmoWl或11 〇 mg/dl) ’或2小時葡萄糖含量大於或等於丨j」 mmol/L(大於或等於2〇〇 mg/d£p亦可根據量大於 6%(例如^6.5%)來診斷糖尿病。提示或指示糖尿病高風險 之其他值包括大於或等於14〇/9〇 mm Hg之高動脈壓；高血 漿二酸甘油酯（大於或等於丨7 mm〇l/L ; 15〇 mg/dL)及/或 低HDL膽固醇（對於男性為<0.9 mmol/L，35 mg/dL ;對於 女性為<1.0 mmol/L，39 mg/dL);中心型肥胖（男性：腰臀 比>〇.9〇 ;女性：腰臀比>0.85)及/或身體質量指數超過3〇 kg/m2 ;微量白蛋白尿，其中尿白蛋白排出率大於或等於 20 pg/min或白蛋白：肌酐比率大於或等於3〇 mg/g。 在妊娠期間或在流行病學研究中，當測試血糖含量不明 確時，主要使用口服葡萄糖耐量測試（OGTT)來診斷糖尿 15l895.doc 201217788 病（Definition，Diagnosis and Classification of Diabetes Mellitus and its Complications，Part 1，世界衛生組織 (World Health Organization)，1999)。OGTT應在至少 3天無 限制飲食（每天大於150 g碳水化合物）及常見身體活動之後 在早晨施行。應在測試之前的晚上食用含合理（3〇_5〇 “碳 水化合物的腾食。測試之前應隔夜空腹8 -14小時，此期間 可飲水。在一些實施例中’測試之前隔夜空腹至少丨〇小 時。收集空腹血液樣本之後，個體應在5分鐘期間飲用75 g無水葡萄糖或82.5 g水合葡萄糖於250-300 ml水中之溶 液。對於兒童’測試負荷應為每公斤體重丨75 g葡萄糖直 至總共75 g葡萄糖。自飲用開始對測試計時。必須在測試 負荷之後2小時收集血液樣本。在此期間除非糖尿病因其 他風險因素而強化，否則在未選擇之一般群體中，該等時 期之轉變率通常估計為每年5-6%，或小於ι%。 術語「妊娠性糠尿病」係指在妊娠期間的葡萄糖不耐。 此病狀導致在妊娠期間開始或首先診斷出的高血糖。 本發月之上下文中，「糖尿病病狀」包含第i型及第Η型 糖尿病，及糖尿病前期（本文中定義卜此項技術中亦已知 糖尿病相關病狀包括糖尿病及糖尿病前期病狀（本文中定 義）。 广語「公式」、「演算法」、及「模型」可互換用於接 受-或多個連續或分類輸入（本文稱為「參數」） 出值的任何數學方程式、演算、分析或程式化過程、或^ 計技術，該輸出值有時稱為「指數」、「指 15I895.doc 201217788 別」或「風險類別」。「公式」之非限制性實例包括總 和、比率及回歸運算子，諸如係數或指數、生物標記值轉 換及標準化（包括（但不限於）基於諸如性別、年齡或種族性 之6»床參數的彼等標準化方案）、決策樹、規則及準則、 統計分類模型、及針對歷史人口所培養之神經網路。尤其 可對生物標記使用線性及非線性方程及統計分類分析以判 斷個體樣品中所偵測之生物標記含量與個體糖尿病風險之 間的關係。在成組（panel)及組合構造中，特別關注結構及 協同統什分類演算法及利用模式識別特徵建構風險指數的 方法，包括已確立之技術，諸如交又相關、主成分分析 (PCA)、因素軸旋轉、邏輯回歸（L〇gReg)、線性判別分析 (LDA)、特徵基因線性判別分析（Eigengene Linear Discriminant Analysis，ELDA)、支持向量機（SVM)、隨機 森林（RF)、遞迴分割樹（RpART)，以及其他相關決策樹分 類技術，縮小重心（SC)、StepAIC、Kth-最近相鄰（Kth-Nearest Neighbor)、加強（Boosting)、決策樹、神經網路、 貝氏網路（Bayesian Networks)、支持向量機、及隱式馬爾 可夫模型（Hidden Markov Model)、線性回歸或分類演算 法、非線性回歸或分類演算法、變異數分析（ANOVA)、階 層式分析或叢集演算法；使用決策樹之階層式演算法；基 於核之機器演算法，諸如核部分最小二乘方演算法、核匹 配追蹤演算法、核費雪判別分析演算法（kernel Fisher,s discriminate analysis algorithm)、或核主成分分析演算 法。許多此等技術可與其他選擇技術組合使用，諸如前向 151895.doc -10- 201217788 選擇、後向選擇、或逐步選擇、具有指定大小之所有可能 組的完全列舉、遺傳演算法，或其自身可包括屬於其特有 技術的生物標記選擇方法。此等技術可與資訊準則聯人， 諸如艾飢克資訊準則（Akaike’s Information Critedon AIC) 或貝斯資訊準則(Bayes Inf0rmati0n Criteri〇n，Bic)，以便 量化其他生物標記與模型改良之間的取捨，且有助於最小 化過度擬合。結果預測模型可在其他研究中加以驗證，或 使用諸如留一法（Leave-One-Out，[〇〇)及10倍交叉驗證法 (10-Fold CV)之技術在其最初訓練之研究中交又驗證戋 與已知預測性風險因素相關聯。「DRS公式」為用於根據 輸入值（包含如本文所述之生物標記測試結果）計算糖尿病 風險分數所開發之公式。DRS公式可用來計算糖尿病風險 分數。 「量測」意謂評估臨床或個體來源樣本内指定物質存 在、不存在、數量或量（其可為絕對量或相對量），包括定 性或定量推導該等物質之濃度，或者評估個體臨床參數的 值或分類。 「陰性預測值」或「NPV」係藉由TN/(TN+FN)或所有 陰性測試結果之真陰性分率來計算。其亦固有地受欲測試 之群體的疾病發病率及測試前概率影響。參見例如 〇，Marcaigh AS，Jacobson RM，「Estimating The predictive

Value Of A Diagnostic Test, How To Prevent Misleading 〇r Confusing Results，」clin ped 1993, 32(8): 485 49i，其討 論例如臨床診斷測試之測試的特異性、靈敏度及陽性與陰 151895.doc 11 201217788 性預測值。通常，對於使用連續診斷測試量測之二元疾病 病況分類方法，靈敏度及特異性係藉由接受者操作特性 (Receiver Operating Characteristics(ROC))曲線、根據Pepe 等人「Limitations of the Odds Ratio in Gauging the

Performance of a Diagnostic, Prognostic, or Screening Marker，」 Am. J. Epidemiol 2004，159 (9): 882-890來概 述，及藉由曲線下面積（Area Under the Curve (AUC))或c-統計（允許僅用單值在測試（或分析）分割點之整個範圍内表 示測試、分析或方法的靈敏度及特異性的指標）來概述。 亦參見例如 Shultz， 「Clinical Interpretation Of Laboratory Procedures，」第 14 章，Teitz，Fundamentals of Clinical Chemistry，Burtis and Ashwood (編），第 4版 1996，W.B. Saunders Company，第 192-199 頁；及 Zweig等人，「ROC Curve Analysis: An Example Showing The Relationships Among Serum Lipid And Apolipoprotein Concentrations In Identifying Subjects With Coronory Artery Disease,」 Clin. Chem.，1992，38(8): 1425-1428。使用概似函數、勝 算比、資訊理論、預測值、校準（包括適合度）及再分類量 測之另一方法係根據Cook， 「Use and Misuse of the Receiver Operating Characteristic Curve in Risk Prediction,」 Circulation 2007，1 15: 928-935概述。由測試所定義之個體 群組内之危險率及絕對及相對風險率為臨床精度及效用之 另一量度。在此最後一種情形中，經常使用多種方法來定 義異常或疾病值，包括參考極限、判別極限及風險臨限 151895.doc 12 201217788 值’根據 Vasan， 「Biomarkers of Cardiovascular Disease: Molecular Basis and Practical Considerations，」Circulation 2006，1 13: 2335-2362。 分析精度係指量測方法自身之可重複性及可預測性，且 可用以下概述：諸如變異係數之量測值，及用不同時間、 使用者、設備及/或試劑對相同樣本或對照品進行的一致 性及校準測試中。在評估新生物標記時的此等及其他考慮 因素亦概述於 Vasan，Circulation 2006，113: 2335-2362 中。 「正常葡萄糖含量（Normal glucose level)」可與術語 「正常血糖濃度（norm〇glycemic)」及「正常」互換使用， 且參考美國糖尿病協會所公開之定義’一般為空腹靜脈血 漿葡萄糖濃度小於11〇 mg/dL ^儘管此量為任意的，但已 在經證明為正常葡萄糖耐受性的個體中觀測到該等值，不 過有些人可能具有如藉由口服葡萄糖耐量測試（〇gtt)所 量測之IGT。將高於正常血糖濃度之葡萄糖含量視為糖尿 病前期病狀。 「效能」為與診斷或預後測試之總體適用性及品質有關 之術語，尤其包括臨床及分析精度、其他分析及過程特 徵，諸如使用特徵（例如穩定性、易於使用性）、健康經濟 價值及測試組分之相對成本。任何此等因素皆可為優越效 能的來源且由此使測試有效。 「陽性預測值」或r PPV」係藉由Tp/(Tp+Fp)或所有陽 性檢驗結果之真陽性分率來計算。其亦固有地受欲測試之 群體的疾病發病率及測試前概率影響。 151895.doc -13· 201217788 在本發明之上下文中，「糖尿病前期」指示在無任何處 方治療性介入(飲食、運動、醫藥或其他)之情況下轉變成 糖尿病之疾病轉變率高於正常預期之個體或群體的生理狀 態。糖尿病前期亦可指將會或預期會在既定時期（例如5、 7或10年）或時間範圍内依高於未選擇之普通群體之比率轉 變成第2型糖尿病的彼等個體（subject或或個體 群體。其亦可用風險之四分位數之間相對於正常值的相對 風險說明或用不同生物標記與指數分數（包括本文所描述 者）之間的概似比說明。 在未經選擇之個體群體中，糖尿病前期與所有具有「糖 尿病前期病狀」者重疊，但未必為後者之完全超集合或 3於後者之子集中，因為許多將在既定時間範圍内轉變成 糖尿病之人目前顯然健康，且無明顯糖尿病前期病狀，且 卉多人具有糖尿病前期病狀但在既定時間範圍内不會轉 變；該等情況為診斷缺口且需要藉由本發明來補足。 本發明之上下文中，「糖尿病病狀」包含第I型及第II型 糖尿病，及糖尿病前期（本文中定義卜此項技術中亦已知 糖尿病相關病狀包括糖尿病及糖尿病前期病狀（本文t定 義）。 「糖尿病前期病狀」係指正常葡萄糖穩定狀態及代謝與 月.··’員糖尿病t可見之病況之間中間狀態的代謝狀態。糖尿 病前期病狀包括（但不限於）代謝症候群（「症候群X」）、葡 萄糖耐焚性異常（IGT)及異常空腹糖血症（IFG)。IGT係指 /臭或OGTT後葡萄糖調節異常，而係指在空腹狀態下 151895.doc 201217788 量測之異常。美國糖尿病協會定義IFG之值為空腹血漿葡 萄糖濃度為 4.4 mmol/L(l〇〇 mg/dL)或 4.4 mmol/L 以上，但 小於7.0 mmol/L(126 mg/dL)。根據國家膽固醇教育計劃 (National Cholesterol Education Program(NCEP))準則，代 謝症候群定義為具有以下之至少三項：血壓大於或等於 130/85 mm Hg;空腹血漿葡萄糖大於或等於6i 腰圍>102 cm(男性）或>88 cm(女性）；三酸甘油酯大於或等 於 1 ·7 mmol/L ,及 HDL 膽固醇 <1 .〇 mm〇i/L(男性）或 1 3 mmol/L(女性）。許多具有糖尿病前期病狀之個體不會轉變 成 T2DM。 在本發明之上下文中，「風險J係關於在特定時期内事 ^發生概率（如在轉變成明顯糖尿病時），且可意謂個體 ’”邑對」風險或「相對」風險 '絕對風險可參考相關時期 量測後之實際觀察或參考相關時期之後自歷史群組得到之 指數值來㈣。相對驗係指健线對風險與低風險群 組之絕對風險或平均群體風險的比率，其可依據評估臨床 風險因素之方式而改變。對無轉變亦常使用勝算比，即指 定測試結果中陽性事件與陰性事件之比例（勝算為根據公 式p/(l-p)，其中p為事件概率且為未發生事件之概 率)。本發明上下文中可評估之另—連續量測包括糖尿病 轉變之時間及治療性糖尿病轉變風險降低率。 本發明之上下文中「風險評估」涵蓋估計可能發生事件 或疾病病況之概率、勝算或概似性，事件發生或自一種疾 病病況轉變成另一種疾病病況（亦即自血糖濃度正常狀態 151895.doc -】5· 201217788 轉變成糖尿病前期病狀或糖尿病前期，或自糖尿病前期病 狀轉變成糖尿病前期或糖尿病）之比率。風險評價亦可勺 含在關於先前量測之群體的絕對或相對方面預測未來葡萄 糖、HBAlc分數或其他糖尿病指數。可使用本發明方法對 第2型糖尿病轉變風險進行連續或分類量測。在分類方案 中，本發明可用來判別正常及糖尿病前期個體群組。在其 他實施例中，可使用本發明來判別糖尿病前期與糖尿病， 或糖尿病與正常情況。該不同用途可能需要個體組中不同 生物標記組合、數學演算绛及/或截止點，但對於預定用 途經受相同的上述精度量測。 本發明上下文中「樣本」為自個體分離之生物樣本，且 可包括例如且不限制：全血、血清、血漿、血細胞、内皮 細胞、組織活體檢查、淋巴液、腹水液、間質液（亦稱為 「細胞外液」且涵蓋細胞之間之空間中所見之液體，尤其 包括齒齦裂隙液）、骨髓、腦脊髓液（CSF)、唾液、黏液、 痰液、汗液、尿液、或任何其他分泌液、排泄液或其他體 液。「血液樣本」係指全血或其任何部分，包括血細胞、 金清及血漿。 「靈敏度」係藉由TP/(TP+FN)或疾病個體之真陽性分率 計算。 「特異性」係藉由TN/(TN+FP)或非疾病或正常個體之 真陰性分率計算。 「統计顯著性」意謂變化大於可預期單獨由機會所發生 之情况（其可為「假陽性」）。可藉由此項技術中已知之任 151895.doc 201217788 何方法來測定統計顯著性。通常使用之顯著性量測值包括 P值，其表示獲得至少與指定資料點一樣極端之結果的概 率，假定資料點為單獨機會的結果。在p值為0.05或0.05以 下時，結果通常視為高度顯著。 史皮爾曼等級相關係數係使用已知統計程序，例如使用 以下公式計算得： Ρ~λ 其中相應值等級足與y,.之間的差異，且η=各資 料組中值的數目（對於兩組而言相同）。史皮爾曼相關係數 為標準統計方法且描述於C. Spearman (「The proof and measurement of association between two things」 Amer. J. Psychol.，15 (1904)第 72-101 頁）及 Corder (「Nonparametric Statistics for Non-Statisticians: A Step-by-Step Approach」， Wiley，2009)中。 卡方分析係使用已知統計程序，諸如以下文獻中所述任 何程序進行：Abramowitz等人（「第26章」，Handbook of Mathematical Functions with Formulas, Graphs, and Mathematical Tables, New York: Dover, 1965 ISBN 0-486-61272-4) 、NIST(Engineering Statistics Handbook-Chi-

Square Distribution 2006)、Johnson 等人（Continuous Univariate Distributions (第二版，第 1 卷，第 18 章）.John Willey and Sons. 1994 ISBN 0-471-58495-9)、Mood 等人 (Introduction to the Theory of Statistics 1974 第三版，第 151895.doc 17 201217788 241-246 頁，McGraw-Hill. ISBN 0-07-042864-6)。 本發明上下文中之「個體」或「患者」為哺乳動物。哺 乳動物可為人類、非人類靈長類、小鼠、大鼠、狗、描、 馬或母牛，但不限於此等實例。可使用除人類以外之哺乳 動物作為代表糖尿病、糖尿病前期或糖尿病前期病狀之動 物模型的個體。個體可為雄性或雌性。個體可為先前診斷 或鑑別為患有糖尿病、糖尿病前期或糖尿病前期病狀，且 視情況已經歷或正經歷針對糖尿病、糖尿病前期或糖尿病 前期病狀進行治療性介入的個體。或者，個體亦可為先前 並未診斷為患有糖尿病、糖尿病前期或糖尿病前期病狀的 個體。舉例而言’個體可為展示糖尿病、糖尿病前期或糖 尿病前期病狀之一或多種風險因素的個體，或不展示糖尿 病風險因素的個體，或無糖尿病、糖尿病前期或糖尿病前 期病狀之症狀的個體。個體亦可為已診斷、診斷或罹患糖 尿病、糖尿病前期或糖尿病前期病狀，或處於患糖尿病、 糖尿病前期或糖尿病前期病狀之風險中的個體。 「傳統實驗室風險因素」或「TLRF」對應於自個體樣 本分離或源自個體樣本之生物標記，且其普遍地在臨床實 驗室中評估並用於傳統全面風險評估演算法中，諸如斯特 恩（Stern)、夫拉明罕（Framingham)、芬蘭糖尿病風險分數 (Finland Diabetes Risk Score)、ARIC糖尿病及阿基米德

(Archimedes)中。通常利用個體血液樣本測試的傳統實驗 室風險因素包括（但不限於）總膽固醇（CH〇l)、LDL (LDL/LDLC)、HDL(HDL/HDLC)、VLDL(VLDLC)、三酸 151895.doc • 18- 201217788 甘油酯（TRIG)、葡萄糖（包括（但不限於）空腹血漿葡萄糖 (Glucose)及口服葡萄糖耐量測試（〇GTT))及HBAlc(HBAlC) 含量。 在柱娠期間或在流行病學研究中，當測試血糖含量不明 確時主要使用口服葡萄糖耐量測試（〇GTT)來診斷糖尿病 或糖尿病則期病狀（Definition, Diagnosis and Classification of Diabetes Mellitus and its Complications, Part 1，世界衛 生組織，1999)。OGTT應在至少3天無限制飲食（每天大於 150 g碳水化合物）及常見身體活動之後在早晨施行。應在 測試之前的晚上食用含合理（3〇_5〇 g)碳水化合物的膳食。 測試之前應隔夜空腹8-14小時，在此期間可飲水。在收集 空腹血液樣本之後，個體應在5分鐘期間飲入75 g無水葡 萄糖或82.5 g水合葡萄糖於25〇_3〇〇 ml水中之溶液。對於 兒童，測試負荷應為每公斤體重175 g葡萄糖直至總共75 g葡萄糖。測試計時係自飲用開始。必須在測試負荷之後2 小時收集血液樣本。如先前指示，當在WH〇截止點時使用 經7.5年轉變成糖尿病，已指示葡萄糖耐受性異常QGT)之 診斷僅具有50%敏感性，其中假陽性率>10%。此問題對於 式之Bs床效用為顯著問題，因為除非因其他風險因素而 • 強化，否則即使在該時期具有相對較高風險之種族群體亦 /、有轉灰成糖尿病的10%轉變率；在未經選擇之一般群 體中，該等時期期間之轉變率典型地據估計為每年5·6%， 或小於1 %。 般而言，本文描述之方法提供之糖尿病風險分數與藉 151895.doc 19- 201217788 由使用公式i而獲得之分數極相似或相同，其中分數之間 之相似性係使用史皮爾曼檢驗或卡方檢驗針對人類參考群 體而評估，如下文詳細描述。 公式I如下： D=X+0.062*年齡·〇.636*性別+1.621* 葡萄糖·3 37〇*ADip〇Q+ 0.600*CRP+0.699*FTH1 + 1.350*IL2RA+0.491*胰島素+0·259*

HBA1C 其中： X為具有任何正負號之任何數字，包括〇，且可具有 0、1、2或2個以上小數位數，且在某些實施例中可為 -23.114 ； 0.062*年齡為以歲數表示之患者年齡乘以〇 〇62 ; 0.636*性別為患者性別（其中女性=〇且男性=1)乘以 0.636 ； 1.621 *葡萄糖為以mg/dL表示之患者血糖含量之平方根 乘以1.621 ; 3.3 70*八〇1卩〇(^為以4§/1]11：表示之患者血液脂聯素含量之 log7〇乘以 3.370 ; 0.600*CRP為以mg/L表示之患者企液CRP含量之1〇§;〇乘 以 0.600 ; 0.699*FTH1為以ng/mL表示之患者血液鐵蛋白含量之 log/ο乘以 0.699 ; 1.3 50*IL2RA為以U/mL表示之患者血液IL2RA含量之 1 〇 g / ο 乘以 1.3 5 0 ; 151895.doc -20- 201217788 0.491*膜島素為以μΐυ/mL表示之患者血液騰島素含量之 log/o乘以 0.491 ;且 OJSVHBAIC為作為全血中總血紅素之百分比量測的患 者血液HblAc含量乘以0.259。 一般而s ’執行公式I產生線性預測量/p，其與樣本之組 成員資格（例如案例或對照組）有關，假定屬於一組轉變者 之50%先驗概率的為案例組。可使用以下方程式在〇1〇量 表上將此/p轉變成個別個體之適宜分數（D]RS): DRS=10* elp/(\+elp) 此分數與特定先驗概率下（假定特定概率為5〇%)轉變之 絕對風險有關《將用於構建演算法之先驗概率變換為反映 群體中「案例」之實際百分比之概率（基於該群體之流行 病學資料）藉由改變截距項a(如下所示）而使線性模型有效 移位： a，=a+1n(p1/p〇) 其中a’為新截距，a為假定5〇%先前截距，A為案例之先 驗概率且P()為對照組之先驗概率。剩餘係數保持相同且計 异新線性預測量lp'。由此，如下計算Risk :

Risk=e/p7(l+e/p，)

Risk為個體變為案例（轉變者）之概率。舉例而言，25% 之風險指示具有相似DRS之人群中25 %將在5年内轉變為糖 尿病。 在某些貫施例中，該方法可包括：a)量測自人類個體獲 知之血液樣本中複數種生物標記之含量，其中該複數種生 151895.doc -21- 201217788 物標S己包含以下生物辦4 Λ α 卜生物钛6己中的至少5種：葡萄糖、脂聯 P IL2RA、鐵蛋白、胰島素及HbAlc ;及b}使用 該等含量及視情㈣用之個體年齡及/或性別來計算該個 體的糖尿病風險分數，纟中該計算係藉由選自由以下组成 之群的方法來執行： )第方法，其中量測所有該等生物標記之含量且使用 與公式I相同之第—公式、使用該等含量來計算該等個 體的糖尿病風險分數；及 π)第二方法，其中使用第二公式、使用該等至少5種生 物標記之所測含量及視情況選用之年齡及/或性別來計 算個體的糖尿病風險分數； 其中’ t將第一方法之第一公式及第^方法之第二公式 應用於人類參考群體之所測生物標記含量及視情況選用之 年齡及/或性別以分別產生第一及第二風險概況時，第二 風險概況具有與該第一風險概況之相關性值完全大於或包 括0.5的史皮爾曼等級相關係數平方（R2)之95%信賴區間。 在一實施例中，為判斷第一方法是否提供與第二方法類 似之結果，可選擇人類參考群體且可對該群體之個體執行 兩次分析。一般而言，若糖尿病風險分數係以數值表示 (例如作為連續變數）’各個體將具有兩個分數，則例如可 將各方法之分數對整個群體分級且使用如下所述之史皮爾 曼檢驗來比較。若將患者分類歸入複數個風險類別之—， 則例如，該等患者可如下分類：使界定第二複數個有序風 險類別之風險分數範圍相對於彼此互斥且涵蓋第二糖尿病 151895.doc -22· 201217788 風險分數之整個範圍；b.第二複數個有序風險類別數等 於第一複數個有序風險類別數.選擇界定第二複數 個有序風險類別之風險分數範圍，以使按照風險增加之次 序，各風險類別中患者之數目與第—複數個有序風險類別 中各相應風險類別中患者之數目相同。隨後可使用卡方檢 驗分析該分類，如下所述◊可藉由首先計算風險分數或不 存在該計算來進行分類。 在某些實施例中，該方法可包括：a)量測自人類患者獲 得之血液樣本中複數種生物標記之含量，其中該複數種生 物標記包含以下生物標記中的至少5種：葡萄糖、脂聯 素、CRP、IL2RA、鐵蛋白、胰島素及HbAlc; b)使用該 等含里及視情況選用之患者年齡及/或性別來計算該患者 之糖尿病風險分數；及c)以紙質或電子報告之形式將糖尿 病風險分數提供給該患者或該患者之健康照護醫師；其中 當對人類參考群體執行步驟句及…時，提供糖尿病風險分 數之第一概況，其與藉由以下方式自複數個人類血液樣本 獲得之糖尿病風險分數之第二概況之完全大於或包括相關 性值0.5之史皮爾曼相關係數具有95%信賴區間之絕對值： i·量測自複數個人類患者獲得之血液樣本中葡萄糖、脂聯 素、CRP、IL2RA、鐵蛋白、胰島素及HbAlc之含量：及 ii.使用公式I、使用該等含量計算各患者之第二糖尿病風 險分數。 在另-實施例中’該方法可包含：a)量測來自人類個體 之血液樣本中複數種生物標記之含量，其中該複數個生物 151895.doc •23· 201217788 標記包含以下生物標記中的至少5種：葡萄糖、脂聯素、 CRP、IL2RA、鐵蛋白、胰島素及HbAlc，及視情況選用 之個體年齡及/或性別；及b)將個體分類歸入複數個互斥的 有序風險類別之-，其中歸入該等有序風險類別係藉由選 自由以下組成之群的方法判斷： 1)第-方法’其包含使用公式】、使用該等含量來計算個 體之糖尿病風时數；及靖所計算之録錢險分數將 該個體分類歸人複數個互斥的有序風險類別之―，該等互 斥的有序風險類別各㈣由—定範圍之糖尿病風險分數界 疋以對個體提供分類風險評估；及 u)第二方法，其包含根據風險概況使用至少$種生物標 記之所測含量及視情況選用之年齡及/或性別將個體分類 歸入複數個互斥的有序風險類別之―，以對個體提供分類 風險評估，其中當將藉由第—方法（第—糖尿病風險分類 法）計算之人類參考群體的複數個分類風險評估與藉由第 二方法（第二糖尿病風險分類法）計算之人類參考群體的複 數個分類風險評估相比時，使时方檢驗得到第二糖尿病 風險分類法與第-糖尿病風險分類法之相關性達㈣信賴 度’且選擇界定複數個有序風險類狀糖相風險分數範 圍’以使第-糖尿病風險分類法與第二糖尿病風險分類法 的各風險類別中人類參考群體個體的數目相同❶ /曰在-些實施例中’該方法可包括：a)量測自人類患者# 得之血液樣本中複數種生物標記之含量其中該複數種々 物標記包含以下生物標記中的至少5種：葡萄糖、脂耳 15I895.doc •24- 201217788 素、CRP、IL2RA、鐵蛋白、騰島素及Ηι^;及^使用 該等含量及視情況選用之患者年齡及/或性別將該患者分 類歸入第-複數個有序風險類別之—以對該患者提供分類 風險評估；及e)錢質或電子報告之形式將對該患者之分 類風險評估提供給患者之健康照護醫師；纟中當對人類參 考群體執行時L)及_❹有效卡方檢驗之相㈣ 達95%信賴度的方式、藉由以下患者分類法將人類參考群 體之個體分類歸人有序風險_ :丨.量測自複數個人類患 者獲得之血液樣本t葡萄糖、脂聯素、CRp、il2ra、鐵 蛋白、胰島素及HbAlc之含量；及；丨·使用公式j、使用該等 含量計算各患者之第二糖尿病風險分數；及iii.將各患者 分類歸入複數個有序風險類別之一（該等有序風險類別各 自係由一定範圍之風險分數界定）以對各患者提供第二分 類風險評估，如上所述。在某些情況下，在以下條件下執 行卡方刀析· a.界定第二複數個有序風險類別之風險分數 範圍相對於彼此互斥且涵蓋第二糖尿病風險分數之整個範 圍，b_第二複數個有序風險類別數等於第一複數個有序風 險類別數’及c.選擇界定第二複數個有序風險類別之風險 刀數範圍，以使按照風險增加之次序，各風險類別中患者 之數目與第一複數個有序風險類別中各相應風險類別中患 者之數目相同。 在不使用公式1(如藉由史皮爾曼或卡方檢驗評估）之情況 下得到與藉由使用公式1所提供之糖尿病風險分數實際上 極為相似或相同的分數之方法包括例如：a)使用不同於公 151895.doc -25- 201217788 式i所需之單位量測一式之絲4 η 含量的方法m 標記或臨床參數之 一些其他濃度單位來量·χ下生莫仏升或 站n 棵己之任何一或多種： 葡萄糖、脂聯素、CRp、 ΗΜΛ十m 蛋白1L2RA、騰島素及 私. 月或一些其他時間單位來量測年 齡，b)將一或多種相同生物椤 j生物私6己之含量乘以與公式I所述係 數類似但不相同之係數的方法(例如將患者年齡乘以 〇.063 ’而非公式1所需之_2)、)使用與公式冰需相同 之標記及臨床參數，例外為一或多種標記係藉由不同方法 (例如使料同分析套組）及/或^關^ (例如使用不同分 析器或層析系統）來量測；d)使用與本文實例部分中所描述 之套組所使用之標準化對照物不同的標準化對照物來量測 相同生物標記之含量的方法；e)使用與公式工所需相同之標 記及臨床參數，例外為公式！中所述之標記的—或多種（例 如一或兩種）被具有相等預測值之另一標記取代；f)非線性 轉換該等含量或分數的方法；g)使用比公式工所需更多之標 記及臨床參數’其中該等額外之標記幾乎無預測值；咖 X(標準化其他變數之截距）使用不同值；丨）使用除以下方面 不同外與公式I相同之公式：所得風險分數係基於不同量 表（例如基於1-100之量表，而非基於1-1〇之量表等）。分數 量表可使用熟知數學程序導出，例如使用以下公式： DRS=exp(D)/(l+exp(D))*Y, 其中DRS為糖尿病風險分數，d為公式輸出值，且γ為量 表上限（例如5、10、100、1，〇〇〇等）。 151895.doc -26 - 201217788 在特定實施例中，該方法中可使用公式1中未列出之標 記或臨床參數，其取代公式1之一或多種標記或臨床參 數’或連同公式I中所列出之標記及臨床參數一起。為揭 示生物標記及臨床參數，下表及US20090〇12716之奉1(該 表以引用的方式併入本文）中闡述該方法中可使用之例示 性臨床參數及生物標記。 臨床參數 生物標記 核心生物標 記I 核心生物標 記Π 其他生物標記I 其他生物標記Π 年齡 膽固醇 _脂聯素 晚期糖基 趨化因子(C- 血管收縮素轉 (AGE) (CHOL) (ADIPOQ) 化終產物 c基元)配位 化酶(ACE) 身體發量 葡萄糖(空 C-反應蛋 特異性受 體2，亦稱為 補體成分’ 指數(BMI) 腹血漿葡 白(CRP) 體(AGER) 單核細胞化 C4(C4A) 舒張壓 萄糖(FPG/ 血·纖維蛋 α-2-HS-Sf 學引誘蛋白- 補砬因子D(脂 (DBP) Glucose)或 白原α鍵 蛋白 1(CCL2) 聯素 家族i 使用口服 (FGA) (AHSG) 週期素依賴 (Adipsin)) (FHX) 葡萄糖耐 胰島素、 血管生成 性激酶5 (CFD) 過往姓娠 量測試 胰島素原 素(ANG) (CDK5) 二肽‘肽酶 性糖尿病 (OGTT)) 及可溶性C 脂蛋白元 補體成分3 4(CD26) (GDM) _ HBAlc (糖 肽(其任一 E(APOE) (C3) (DPP4) 身高(HT) 基化血紅 者及/或所 CD14分子 Fas，亦稱為 結合球蛋白 臀圍(Hip) 素(HBA1/ 有，INS) (CD14) TNF受體超家 (HP) 種族 HBA1C) 瘦素(LEP) 鐵蛋白 族成員6 介白素8 (IL8) (RACE) 高密度脂 (FTH1) (FAS) 基質金屬肽酶 性別(SEX) 蛋白(HDL/ 换島素樣 肝細胞生長 2 (MMP2) 收縮壓 HDLC) 生長因子 因子(HGF) 選擇素E (SBP) 低密度脂 結合蛋白 介白素18 (SELE) 腰圍 蛋白(LDL/ l(IGFBPl) (IL18) 腫瘤壞死因子 (Waist) LDLC) 介白素2受 心卩制去βΑ， (TNF-a) 體重(WT) 極低密度 體α 亦稱為活化 (TNF) 脂蛋白 (IL2RA) 素·Α 腫瘤i死因子 (VLDLC) 血管細胞 (ΙΝΗΒΑ) 超家族成員 三酸甘油 黏附分子1 抵抗素 1A 酯(TRIG) (VCAM1) (RETN) (TNFRSF1A) 血管内皮 選擇素Ρ 生長因子 (SELP) (VEGF) 腫瘤壞死因 冯威里因 子受趙超家 子(Von 族成員1Β Willebrand (TNFRSF1B) Factor (VWF)) 在某些實施例中，該方法可包括量測以下生物標記之至 •27- 151895.doc 201217788 少4種的血液含量：葡萄糖、脂聯素、cRp、il2ra、鐵蛋 白、騰島素及HbAlc，例如量測葡萄糖、脂聯素、CRp及 HbAlc之含量，以及量測丨種或丨種以上其他生物標記（該等 標記例如可選自上文所示之表格或US20090012716之表1} 之含量。該方法中所量測之生物標記之總數可為4、5、 6 7 8、9、10、11、12、或12以上、或15以上、多達2〇 或20以上。同樣，該方法可視情況使用患者之年齡及/或 性別’及在某些情況下使用丨、2、3、4、5、或6種或6種 乂上多達1〇種或2〇種臨床參數（諸如上文所示之表格中 所列出之臨床參數）。 在某些情況下，該方法可使用一定範圍内之係數及/或 「調整係數」（亦即相對於公式〗之係數經調整以抵消使用 不同於公式I中所述之單位量測生物標記之影響的係數）的 係數。因此，在某些情況下，該方法可包含使用公式π計 算風險分數： D-b+(al* 葡萄糖）_(a2* 脂聯素）+(a3*CRp)+(a4* 鐵蛋 白）+ (a5*IL2RA)+(a6*胰島素）+(a7*HblAc); 其中b位於-32,865至-13.363區間内； al *葡萄糖為以mg/dL表示之血糖含量之平方根乘以 0.911至2.331區間内之係數，或若血糖含量未以量 測，則乘以經調整之係數； a2*脂聯素為以gg/mL表示之血液脂聯素含量之乘 以-5.419至-1.321區間内之係數，或若血液脂聯素含量未 以pg/mL量測，則乘以調整係數； 15l895.doc • 28 - 201217788 a3*CRP為以mg/L表示之金液CRP含量之1〇g/0乘以_〇 〇94 至1.294區間内之係數’或若CRP含量未以mg/L量測，則乘 以調整係數； a4*鐵蛋白為以ng/mL表示之血液鐵蛋白含量之1〇以〇乘 以-0.077至1.475區間内之係數’或若灰液鐵蛋白含量未以 ng/mL量測，則乘以調整係數； a5*IL2RA為以U/mL表示之血液IL2RA含量之丨〇g70乘以 -1.132至3.832區間内之係數’或若血_液1[2尺八含量未以 U/mL量測，則乘以調整係數； a6*膜島素為以μΐυ/mL表示之血液胰島素含量之1〇g/〇乘 以-0.772至1.754區間内之係數，或若血液胰島素含量未以 μΐυ/mL量測，則乘以調整係數；且 a7*Hbl Ac為作為全血中血紅素之百分比量測的血液 HblAc含量乘以-0.415至0.933區間内之係數，或若血液 Hb 1 Ac含量未作為百分比量測，則乘以調整係數。 在某些情況下，亦可使用患者年齡作為公式„之輸入 值，此時公式可另外包含+ (a8*年齡）項，其中a8*年齡為 以歲數表示之患者年齡，乘以0 071至丨1〇7區間内之係 數。同樣，亦可使用患者年齡作為公式„之輸入值，此時 公式可另外包含+ (a9*性別）項，其中a9*性別為患者性別 (其中男性=1且女性=〇)乘以353至〇.〇81區間内之係數。 如上所述，可使用史皮爾曼檢驗或卡方檢驗來評估藉由 本發明方法與使用公式〗之方法對於人類參考群體所獲得 之風險分數。在此等各檢驗（亦即史皮爾曼及卡方檢驗） 151895.doc •29- 201217788 中’對同-患者使用本發明方法所獲得之結果與使用公式 I之方法所獲得之結果進行比較。人類參考群體為依照所 需標準、具有允許結果達到顯著性之大小的人類個體群體 (例如至少10個、至少25個、至少5〇個、至少1〇〇個至少 200個、至少500個、至少1〇〇〇個、至少5〇〇〇個至少 10,000個或10,000個以上個體）（> 在某些情況下，人類參考 群體之個體可選自較多人類個體數（例如至少5〇〇個、至少 1000個、至少5000個、至少10 000個、至少1〇 〇〇〇個、至 少100,000個或1 〇〇,〇〇〇個以上個體）。在某些實施例中，人 類參考群體之個體可隨機選自較大數目之患者以便消除測 試偏差。 如上所述’在對人類參考群體使用史皮爾曼檢驗評估兩 種方法之間相似性的實施例中，足以提供對理想之信賴度 具顯著性之結果的許多個體之糖尿病風險分數（例如至少 25個、至少50個、至少1〇〇個、至少500個、至少200個、 至少1，000個、至少10,000個或1〇,〇〇〇個以上患者之風險分 數）可表示為連續變數（例如具有0、1、2或2個以上小數位 數之數字）’且人類參考群體之第一糖尿病風險分數之概 況（亦即藉由使用公式I獲得之風險分數之概況）與自參考群 體所獲得之第二糖尿病風險分數之概況可具有完全大於或 包括相關性值0.5之史皮爾曼等級相關係數平方（R2)(例如 完全大於或包括相關性值0.55之史皮爾曼等級相關係數平 方（R2)、完全大於或包括相關性值0.60之史皮爾曼等級相 關係數平方（R2)、完全大於或包括相關性值之史皮爾 151895.doc •30· 201217788 曼等級相關係數平方（R2)、完全大於或包括相關性值0.75 之史皮爾曼等級相關係數平方（R2)、完全大於或包括相關 性值0.80之史皮爾曼等級相關係數平方（R2)、完全大於或 包括相關性值0.85之史皮爾曼等級相關係數平方（R2)、完 全大於或包括相關值0.90之史皮爾曼等級相關係數平方 (R2)、完全大於或包括相關性值0.95之史皮爾曼等級相關 係數平方（R2)、完全大於或包括相關性值〇.97之史皮爾曼 等級相關係數平方（R2)、完全大於或包括相關性值〇98之 史皮爾曼等級相關係數平方（R2)、完全大於或包括相關性 值0.99之史皮爾曼等級相關係數平方（R2)、完全大於或包 括相關性值1 .〇之史皮爾曼等級相關係數平方（R2))之95%信 賴區間，其中第二糖尿病風險分數係使用另一種但相似之 方法自與第一糖尿病風險分數相同之個體獲得。 在對人類參考群體使用卡方檢驗評估兩種方法之間相似 性的實施财，使収以提供對理想之信賴度具顯著性之 結果的許多個體之糖尿病風險分數（例如至少乃個、至少 個至'ι〇0個、至少5〇〇個、至少200個、至少100() 個、、至少1 G，GGG個或i 〇，_個以上患者之風險分數）來將患 者刀類歸入複數個有序風險類別中(其中在某些實施例 中’存在：a)兩個有序風險類別，諸如「高」及「低 ㈣別；b)三個有序風險類別，諸如「高」、「中等」及 由」風險類別；c)四個有序風險類別，諸如「高 ^女广」、中低」及「低J風險類別；或d)5個或5個以 上有序風險類別）以 吏T各患者私疋分類風險評估（亦即 151895.doc 201217788 冋」 中」或「低」等）。在此實施例中，使用有效 卡方檢驗可知，根據第一糖尿病風險分數將參考群體分類 歸入有序風險類別與使用公分類相同個體之相關性達 95%信賴度（例如相關性達96%信賴度、相關性達97%信賴 度、相關性達98%信賴度、相關性達99%信賴度、或相關 性達100%信賴度），且隨後將各患者分類歸入各由一定範 圍風險分數界定之第二複數個有序風險類別之一以對各患 者提供第二分類風險評估，其中：a界定第二複數個有序 風險類別之風險分數範圍相對於彼此互斥（亦即不相重疊） 且涵蓋第二糖尿病風險分數之整個範圍；b第二複數個有 序風險類別數等於第一複數個有序風險類別數；及c•選擇 界定第二複數個有序風險類別之風險分數範圍，以使按照 風險增加之次序，各風險類別中患者之數目與第一複數個 有序風險類別中各相應風險類別中患者之數目相同。換言 之’使用本發明方法可提供各風險類別之複數個患者，其 中各風險類別之患者身分與使用公式丨分類歸入等效風險 類別中之患者身分相同或極相似。 可對可能已知或未必已知處於糖尿病風險中之無症狀患 者執行該方法，其中風險包括年齡増大、身體質量指數 (BMI)'家族史、高血壓及血脂異常，包括具胰島素抗性 之患者，具有改變之β細胞功能或依據已知臨床參數或傳 統貫驗室風險因素而處於患糖尿病風險中的患者，諸如糖 尿病家族史、低活動水準、不良飲食、體重過重（尤其腰 圍）、年齡大於45歲、高血壓、高含量三酸甘油酯、hdl 151895.doc -32- 201217788 膽固醇小於35、預先鑑定之葡萄糖耐受性異常、預先鑑定 t & Μ期間糖尿病（妊娠性糖尿病或gdm)或生下體重超過 九磅之嬰兒、及種族性。 量測生物襟記 本發明方法中使用的量測個別生物標記之含量之方法為 已知的或容易由已知方法修改得到。舉例而言，可使用若 干市售套組之任一者使用習知方法來量測血糖。可藉由若 干市售套組之任一者量測脂聯素，包括Cayman Chemical (Ann Arbor, MI)、Abnova Corporation (Taiwan)、R & D systems (Minneapolis，MN)銷售之套組。可藉由若干市售 套組之任一者量測CRP，包括ALPCO (Salem，NH)、 Immuno-Biological Laboratories (Minneapolis, MN)及 USBIO (Swampscott，MA)銷售之套組。可藉由若干市售套 組之任一者量測FTH1，包括 Immuno-Biological Laboratories (Minneapolis，MN)銷售之套組。可藉由若干市售套組之任 一者量測 IL2RA，包括 ALPCO (Salem，NH)及 Bender MedSystems (Vienna, Austria)銷售之套組。可藉由若干市 售套組之任一者量測HBA1C，包括Afinion (Oslo，Norway) 及Diazyme (Poway, CA)銷售之套組。 可使用為達成可預測個體及分析變化性所設計之若干技 術一般性量測生物標記。對於個體變化性，許多上述生物 標記可在空腹狀態下量測，且最常在早晨量測，由於攝食 量及代謝及日變化而提供降低程度之個體變化性。 可使用此項技術中已知之任何方法、在蛋白質級別上判 151895.doc •33· 201217788 斷標記含量之實際量度。該等方法為此項技術中所熟知且 包括例如基於基因、適體或分子印記所編碼之蛋白質的抗 體或其他親和性試劑的免疫分析。可使用任何生物材料^ 偵測/量化蛋白質或其活性。或者，可選擇適合方法、根 據所分析之各蛋白質之活性來判斷生物標記基因所編碼之 蛋白質之活性。 生物標記可經任何適合之方式偵測，且在某些實施例中 可藉由使來自個體之樣本與結合生物標記之抗體接觸隨後 伯測反應產物之有無來伯測。抗體可為單株、多株、嵌合 或上述者之片段’如上文詳細討論，且偵測反應產 物之步驟可用任何適合之免疫分析進行。來自個體之樣本 可為生物流體，例如血液，如上所述，且可為用於進行上 述方法之生物流體的相同樣本。 免疫分析可為均相或非均相分析。在均相分析中，免疫 反應通常涉及特異性抗體（例如抗生物標記抗體）、經標記 之分析物及所研究之樣本。抗體結合至經標記之分析物 時’即直接或間接㈣由標記所產生之信號。免疫反應及 其程度之㈣皆可在均相溶液中進行。可使用之免疫化學 標-己包括自由基、放射性同位素、螢光染料、酶、嗟菌體 或輔酶。 在非均相分析方法巾，試劑為通常為樣本、抗體及用於 產，可m號之構件。可使用如上所述之樣本。抗體可 固疋於支標物上’諸如珠粒（諸如蛋白a及蛋白g禮脂糖珠 粒）、板或載片，並血愤絲— 跟疑在液相中含有抗原之試樣接 151895.doc •34· 201217788 觸。接著將支撐物與液相分離且使用用於產生可偵測信號 之構件來檢驗支撐物相或液相之可偵測信號。該信號與樣 本中存在之分析物有關。用於產生可偵測信號之構件包括 使用產生可量測信號之放射性標記、螢光標記、酶標記、 或報導體反應。舉例而言，若欲偵測之抗原含有第二結合 位點，則可將結合至該位點之抗體與可偵測基團結合，並 在分離步驟之前添加至液相反應溶液中。固體支撐物上存 在之可偵測基團即指示測試樣本中存在抗原。適合之免疫 分析法實例包括（但不限於）寡核苷酸法、免疫墨點法、免 疫沈澱法、免疫螢光法、化學發光法、電化學發光（ECL) 或酶聯免疫分析。 熟習此項技術者將熟悉適用於執行本文所揭示方法的許 多特定免疫分析形式及其變化。通常參見E. Maggio, Enzyme-Immunoassay, (1980) (CRC Press, Inc., Boca Raton，Fla·);亦參見Skold等人之美國專利第4,727,022 號，標題為「Methods for Modulating Ligand-Receptor Interactions and their Application」；Forrest等人之美國專 利第 4,659,678號，標題為「Immunoassay of Antigens」； David等人之美國專利第4,376,110號，標題為「Immunometric Assays Using Monoclonal Antibodies」，Litman等人之美 國專利第 4,275，149號，標題為「Macromolecular Environment Control in Specific Receptor Assays j ; Maggio 等人之美國 專利第 4,233,402 號’標題為「Reagents and Method

Employing Channeling」及Boguslaski等人之美國專利第 151895.doc -35- 201217788 4,230,767 號’標題為「Heterogeneous Specific Binding Assay Employing a Coenzyme as Label」。 抗體可根據已知技術（諸如被動結合）結合至適用於診斷 分析的固體支撐物上（例如珠粒（諸如蛋白A或蛋白G瓊脂 糖）、微球體、板、載片或由諸如乳膠或聚苯乙烯之材料 形成的孔）。如本文所述之抗體可同樣根據已知技術結合 至可偵測標記或基團上，諸如放射性標記（例如3 5 S、 1251、1 3 11)、酶標記（例如辣根過氧化酶、驗性碳酸酶）及 螢光標記（例如螢光素、Alexa、綠色螢光蛋白、若丹明 (rhodamine)) 〇 抗體亦可適用於偵測生物標記之轉譯後修飾，諸如赂胺 酸磷酸化、蘇胺酸磷酸化、絲胺酸磷酸化、糖基化（例如 O-GlcNAc)。該等抗體特異性偵測所研究之蛋白中之碌酸 化胺基酸’且可用於本文描述之免疫墨點法、免疫螢光法 及ELISA分析中。此等抗體為熟習此項技術者所熟知，或 可市面上購得。亦可在反射器基質輔助雷射脫附離子化飛 行時間式質譜法（MALDI-TOF)(Wirth，U·等人（2002) Proteomics 2(10): 1445-51)中使用介穩態離子測定轉譯後 修飾。 對於已知具有酶活性之生物標記，可使用此項技術中已 知之酶分析活體外測定活性。該等分析包括（但不限於）激 酶分析、碟酸酶分析、還原酶分析等。可使用已知算法 (諸如希爾圖（Hill plot)、米-曼氏方程式（Michaelis-Menten equati〇n)、線性回歸圖’睹如林-貝氏分析（Lineweaver- 151895.doc -36- 201217788

Burk analysis)及斯蓋查德圖（Scatchard plot))藉由量測速率 常數KM來測定酶活性之動力學調節。 可基於多種診斷測試系統實施量測生物標記之測試。診 斷測試系統為通常包括用於自生物樣本獲得測試結果之構 件的裝置。該等構件之實例包括自動化測試（例如生物化 學、免疫學、核酸偵測分析）之模組。一些診斷測試系統 經設計可處置多種生物樣本且可程式化以對各樣本進行相 同或不同測試。診斷測試系統通常包括用於收集、儲存及/ 或跟蹤各樣本之測試結果（通常呈資料結構或資料庫形式） 的構件。實例包括熟知的物理及電子資料儲存裝置（例如 硬碟、快閃記憶體、磁帶、紙質印出）。診斷測試系統亦 典型包括用於報告測試結果之構件。報告構件之實例包括 可見顯示器、至資料結構或資料庫之鏈路、或印表機。報 告構件可僅僅為發送測試結果至外部裝置（諸如資料結 構、資料庫、可見顯示器、或印表機）之資料鏈路。 本發明之一實施例包含診斷測試系統，其經調適可有助 於鑑別患糖尿病風險之個體。測試系統使用將公式應用於 輸入之構件’㊅等輸人包括根據本文之描述、利用生物標 »己、’且所里測之生物標記含量。在某些情況下，本發明之生 物H组的、结果用作經該公式程式化之電腦或微處理 、矜 田輸入包括用於糖尿病風險分數之相關生物標 »己的所有里測結果時’診斷測試系、統可包括所報告之測試 、’σ果的77數。若使用除該系統中所測試之生物標記以外的 1因素來計算最終風險分數，則可將此等因素提供給診 151895.doc -37· 201217788 斷測試系統以使其可完成風險分數計算，或該公式可產生 將予以報告且在外部與其他資料組合的指數分數來計算最 終風險分數。 許多診斷測試系統可供用以實施本發明且舉例說明用於 實施本發明之其他構件。一種該裝置為Abbott Architect® System，其為高產量、完全自動化、臨床化學分析器 (ARCHITECT為 Abbott Laboratories, Abbott Park，Illinois 60064 United States of America之註冊商標，用於資料管 理及實驗室自動化系統，包含用於醫學診斷領域之電腦硬 體及軟體）。Architect®系統描述於111^冒〇1>1(1-\\^(16-Web. abbottdiagno sti cs.com/pubs/2 006/2 006_AACC_Wilson_ c 16000.pdf (Wilson, C.等人，「Clinical Chemistry Analyzer Sub-System Level Performance，」American Association for Clinical Chemistry Annual Meeting, Chicago, Illinois, 2006 年 7月 23 日-27 日，及 Kisner HJ, 「Product development: the making of the Abbott ARCHITECT, j Clin Lab Manage Rev. 1997 年 11 月至 12月；11(6):419-21 ; Ognibene A等人，「A new modular chemiluminescence immunoassay analyser evaluated，」Clin Chem Lab Med. 2000 Mar; 38(3):251-60 ; Park JW 等人，「Three-year experience in using total laboratory automation system，j Southeast Asian J Trop Med Public Health. 2002; 33 Suppl 2:68-73 ; Pauli D等人， 「The Abbott Architect c8000: analytical performance and productivity characteristics of a new analyzer applied to 151895.doc -38- 201217788 general chemistry testing，」Clin Lab. 2005; 51(1-2):31-41 中。其他適用之系統為Abbott AxS YM®及AxS YM® Plus系 統，其連同其他Abbott系統一起描述於1；1^界〇1*1(1-'^(^-Web.abbottdiagnostics.com/Products/Instruments_by_Platform/ 中。 適用於實施量測生物標記之測試的其他裝置為Johnson & Johnson Vitros® 系統（VITR0S 為 Johnson & Johnson Corp., New Brunswick, New Jersey, United States of America 之註冊商標，用於醫學設備，亦即由醫院、實驗室、診療 所及醫師辦公室中之專業人士用於自血液及其他體液得到 診斷測試結果的化學分析裝置），參見1；10^冒〇1*1(!-\\^(16-Web.j nj gateway. com/home.jhtml?loc=USENG&page=menu& nodekey=/Prod_Info/Specialty/Diagnostics/Laboratory_and_ Transfusion_Medicine/Chemistry_Immunodiagnostics ;及 Dade-Behring Dimension® 系統（DIMENSION 為 Dade Behring Inc.，Deerfield Illinois, United States of America之註冊商 標，其用於分析體液之醫學診斷分析器，及用於操作分析 器及用於分析由分析器生成之資料的電腦硬體及電腦軟 體），參見 URL diagnostics.siemens.com/webapp/wcs/stores/ servlet/PSGenericDisplay~q_catalogId~e_-l 1 l~a_langld~e_ -11 l〜a_pageId〜e_94489~a_storeId〜e一 10001 .htm。 生物標記測試可藉由實驗室進行，諸如根據美國臨床實 驗室改進修正案（Clinical Laboratory Improvement Amendments) (42 U.S.C. § 263(a))或其他聯邦、國家、州、省法律或控 151895.doc -39- 201217788 管實驗室樣本分析操作以用於臨床目的的任何國家、州或 省之其他法律認證。該等實驗室包括例如總部位於358 South Main Street, Burlington, NC 27215, United States of America之 Laboratory Corporation of America ;公司總部位 於 3 Giralda Farms, Madison, NJ 07940，United States of America之Quest Diagnostics及基於醫院之參考實驗室及臨 床化學實驗室。適合之實驗室亦包括Point of Care Laboratories 0 用於偵測生物標記之抗體之適合來源包括市售來源，諸 如：Abazyme、Abnova、Affinity Biologicals、AntibodyShop、 Biogenesis、Biosense Laboratories、Calbiochem、Cell Sciences、Chemicon International、Chemokine、Clontech、 Cytolab、DAKO、Diagnostic BioSystems、eBioscience、 Endocrine Technologies、Enzo Biochem、Eurogentec、Fusion Antibodies、Genesis Biotech、GloboZymes、Haematologic Technologies、HyTest Ltd·，Immunodetect、Immunodiagnostik、 Immunometrics、Immunostar、Immunovision、Biogenex、 Invitrogen、Jackson ImmunoResearch Laboratory、KMI Diagnostics、Koma Biotech、LabFrontier Life Science Institute、Lee Laboratories、Lifescreen、Maine Biotechnology Services、Mediclone、Mercodia、MicroPharm Ltd.、 ModiQuest、Molecular Innovations、Molecular Probes、 Neoclone、Neuromics、New England Biolabs、Novocastra、 Novus Biologicals、Oncogene Research Products、Orbigen、 151895.doc -40- 201217788

Oxford Biotechnology、Panvera、PerkinElmer Life Sciences、Pharmingen、Phoenix Pharmaceuticals、Pierce Chemical Company、Polymun Scientific、Polysiences， Inc. 、 Promega Corporation 、 Proteogenix 、 Protos Immunoresearch、QED Biosciences, Inc.、R&D Systems、 Repligen、Research Diagnostics、Roboscreen、Santa Cruz Biotechnology、Seikagaku America、Serological Corporation、 Serotec、SigmaAldrich、StemCell Technologies ' Synaptic Systems GmbH、Technopharm、Terra Nova Biotechnology、 TiterMax、Trillium Diagnostics、Upstate Biotechnology、 US Biological、Vector Laboratories、Wako Pure Chemical Industries及Zeptometrix。然而，熟習此項技術者通常可製 造針對該方法中所用之任一種生物標記的抗體。 報告 本發明之方法適用於編制提供由本發明之方法產生之風 險分數的報告。如本文所述之「報告」為包括報告元素之 電子或有形文獻，該等元素提供與風險評估及其結果有關 之所研究之資訊。個體報告至少包括風險評估，例如關於 患者會變為糖尿病之概似性的指示。個體報告可完全地或 部分地以電子方式生成，例如呈現於電子顯示器（例如電 腦監視器）上。報告可進一步包括以下一或多者：1)關於測 試機構之資訊；2)服務提供者資訊；3)患者資料；4)樣本 資料；5)解譯報告，其可包括各種資訊，包括a)指示；b) 測試資料，其中測試資料可包括所研究之一或多種基因之 151895.doc • 41 · 201217788 標準化含量；以及6)其他特徵。 本發明因此提供創建報告之方法及根據其所得之報告。 該報告可包括對患者血液中生物標記之含量的概述。該報 告可包括指示糖尿病風險之分數範圍内的分數。該報告可 呈電子形式或紙質形式，且可提供給患者或患者健康照護 提供者。 在某些實施例中，本文之方法可進一步包括生成或輸出 提供個體反應概似性評估結果之報告的步驟，該報告可以 電子媒體之形式(例如電腦監視器上之電子顯示)或以有形 媒體之形式（例如印刷於紙質或其他有形媒體上之報告）提 供0 可將包括關於患者將出現糖尿病概似性之資訊的報告^ 供給使用者，例如患者或健康照護提供者。編制報告之> 員或貫體（報告產生者」）亦可執行風險評估。報告產占 者亦可執行樣本採集、樣本處理及資料生成之_或多者， 例如報告產生者亦可執行以下一或多者·· a)樣本採集；b :本處理、)量測測試生物標記之含量；d)量測參考" 標記之含量；及e)判斷測試生物標記之標準化含量。遠 者’除報告產生器以外之實體可勃并 I, ^ 5 PI貫體了執仃一或多種樣本採集、 樣本處理及資料生成。 在某些實施例中，例如在單個電腦上完全執行該等 之實施例中，使用者或客戶提^£資 山「 W杈供貝枓輸入且檢視資料輪 出0 「使用者J可為健康專章人 ^逐尿寻菜人士（例如臨床醫師、 室技術人員、醫師（例如腫瘤學 ^ J打W師、病理學家、 15I895.doc •42· 201217788 等）。 在使用者僅執行該方法之一部分的實施例中，本文中將 在根據本發明之方法進行電腦化資料處理之後檢視資料輸 出（例如在發表之前產生以提供完全報告、完全、或檢視 不％全」報告及提供人工介入且完成解譯報告）之個體 稱為「檢視者」^檢視者可位於遠離使用者之位置（例如 提供與使用者可能位於其中之健康照護機構分離之服 務）。 在政府規則或其他限制適用的情況下（例如健康保險、 醫療責任保險或責任保險所要求），所有結果，無論是完 全地還是部分m子方式μ，皆可在發表給使用者之 前經受常規品質控制。 本發明提供之方法亦可為完全或部分自動化的。 基於電腦之系統及方法 本文描述之方法及系統可以許多方式實施。在一特別關 注之實施财’料方法涉及使用通信基礎結構，例如網 際網路。下文討論若干實施例。亦應瞭解本發明之方法可 於各種形式之硬體'軟體、韋刀體、處理器或其組合中實 施。本文描述之方法及系統可作為硬體與軟體之組合實 施。軟體可作為於程式儲存裝置上有形體現之應用程式實 施，或軟體之不同部分於使用者之計算環境(例如作為小 型應用程式)及於檢視者之計算環境上實施，其中檢視者 可位於相關之遠端位置（例如位於服務提供者之設備）。 舉例而言’在使用者輸入資料期間或之後，可在位於使 I51895.doc -43- 201217788 用者一側之計算環境中執行一部分資料處理。舉例而言， 位於使用者一側之計算環境可經程式化以提供確定之測試 碼來表示概似性「分數」，其中分數係以測試碼之形式作 為經處理或經部分處理反應傳輸至檢視者之計算環境，用 於隨後執行-或多種演算法，以在檢視者之計算環境中提 供結果及/或產生報告。分數可為數值分數（表示數值）或表 示數值或數值範圍之非數值分數（例知「Α,」表示9〇_㈣ 釔果之概似性；「高」表示大於5〇%之反應機會（或一些其 他經選擇之概似性之臨限值）；「低」表示小於50%:應 (或-些其他經選擇之概似性之臨限值）；及其類似情況。 可將用於執行本文描述之演算法之應用程式上载至包含 任何適合架構之機器，並藉由該機器來執行。一般而女， 該機器涉及具有諸如-或多個中央處理單元（cpu)、隨機 存取記憶體（RAM)及輸入/輸出⑽）介面之硬體的電腦平 台。電腦平台亦包括操作系統及微指令碼。本文描述之各 種方法及功能可為經由操作系統執行之微指令碼之一部分 或應用程式之一部分（哎装έ人 次其，，且13 )。此外，可將各種其他周 邊裝置連接至電腦平台，諸 遠如其他資料儲存裝置及印刷裝 置。 作為電腦线，該系統通常包括處理器單元。處理 元操作可接收資訊，其可句 m ^ L括测试資料（例如反應指示基 因產物之含量；參考基因產物旦. 一 ^ ,e . ，反應指示基因產物 之才示準化含量）；且亦可自妊 括诸如患者資料之其他資料。 所接收之此貨訊可至少暫睥 节時儲存於資料庫中，且分析資料 15I895.doc 201217788 以生成如上所述之報告。

部分或所有輸入及輸出資料亦可經電子方式發送 =資料（例如報告）可經電子方式或經電話方式（例如藉I 收裝置可包_干^ / 例不性輪出接 傳輸及/㈣ 機、傳真裝置及其類似物。 J 3 .，、、不之電子形式可包括電子郵件、交 及其類似物。在一特別關t Λ電硯 肖關貫例中，所有或-部分輸 ’、,或所有或一部分輸出資料（例如通常至少為最终 :)係保存於網站词服器上以便用典型劉覽器存取，較 密存取。該資料可根據需要存取或發送至健康專業人 埴° ^入及輸出資料，包括所有或一部分最終報告可用來 密=療記錄，該記錄可存在於健康照護機構處之機 理之方法中使用之系統通常包括至少一個電腦處 路方法全部在單個位置進行時）或至少兩個網 一理益（例如當欲藉由使用者（本文亦稱為「用 尸」）將資料輸入並傳輪 分析時，… …置給第二電腦處理器來 經由内部網或互二電ΓΓ藉由網路連接，例如 者組… 系統亦可包括用於輸入之使用 組件。該視貝料、產生報告及人工介入之檢視者 資料之VI ㈣可包括舰11纟讀；及用於儲存 庫，戈關:庫（例如’報告元素（例如解譯報告元素）資料 料庫（刪)），其可包括由使用者進行之資料 輸入及資料輸出。電腦處理器可為個人桌上電腦(例如 151895.doc •45· 201217788 醜、Den、Macintosh)、可播式電腦、大型電腦、 腦或其他計算裝置中常見之處理器。 網路用戶/飼服器架構可根據需要來選擇，且可為例如 典型二或三層用戶词服器模型。作為應用伺服器組件之一 部分或作為獨立組件（R D B機器）的關係資料庫管 (RDMS)提供與資料庫之介面。 ' 在-實例中’該架構提供為資料庫中心用戶/飼服器架 構，其中用戶應用程式通常向應用飼服器請求服務，該 用飼服器向資料庫（或資料庫伺服nm出^㈣以 將各種報告元素（尤其解譯報告元素，特別是解譯文字及 警報）填入報告中。词服器（例如作為應用伺服器機器之— 部分或獨立RDB/關係資料庫機器）對用戶請求作出反應。 輸入用戶組件可為完全獨立之個人電腦，從而提供運行 應用程式之全範圍功率及特徵。用戶組件通常在任何理想 操作系統下操作且包括通信元件(例如連接至網路之數據 機或其他硬體）、—戋多箱铨 次夕種輸入裝置（例如鍵盤、滑鼠、小 ㈣或Μ傳送資訊或命令的其他裝置）、儲存元件（例如 硬碟或其他電腦可讀、電腦可寫儲存媒體&顯示元 如監視器、電視、LCD、LED、或輸送資訊至使用者之其 他顯:裝置）。使用者經由輸入裳置將輸入命令錄入電腦 處理器中。通常，伟用古At# 吏用者介面為針對網頁潘J覽器應用程式 所寫之圖形使用者介面（GUI)。 i件可為個人電腦、小型電腦或大型電腦並提供 資料管理、用戶之間眘％座首 Π貢汛共享、網路管理及安全。所使用 15l895.doc * 46 - 201217788 之應用程式及任何資料庫可基於相同或不同伺服器。 涵蓋針對用戶及伺服器之其他計算配置，包括在諸如大 型電腦之單個機器、多個機器或其他適合組態上之處理。 一般而言，用戶及伺服機器協作實現本發明方法之處理及 報告。 使用時，資料庫通常連接至資料庫伺服器組件且可為會 容納資料之任何裝置。舉例而言，資料庫可為電腦之任何 磁性或光學儲存裝置（例如CDROM、内置硬碟機、磁帶 機）。資料庫可位於伺服器組件遠端（經由網路、數據機等 存取）或位於伺服器組件近端。 當在系統及方法中使用時，資料庫可為根據資料項之間 關係組織及存取的關係資料庫。關係資料庫通常由複數個 表格（實體）構成。表格之列表示記錄（關於獨立項之資訊集 合）且行表示領域（記錄之特別屬性）。在關係資料庫之最簡 單概念中，其為在至少一個共同領域内彼此「相關」的資 料輸入集合。 在服務點處可使用配備有電腦及印表機之其他工作站來 錄入資料且必要時在一些實施例中產生適當報告。根據需 要，電腦可具有起動應用程式之快捷方式（例如位於桌面 上之快捷方式）以有助於資料錄入、傳輸、分 、 Μ、叛告接 收等。 電腦可讀儲存媒體 本發明亦涵蓋上面儲存程式的可存取之曾 ΓΓ # <蒐腦可讀儲存媒 體（例如物理媒體，諸如CD-ROM、記憶鍵、，也、 *开閃記憶卡、 151895.doc -47- 201217788 磁片等）’其在計算環境中執行時，可執行演算法以執行 本文描述之方法之所有或一部分結果。當電腦可讀媒體含 有執行本文描述之方法之完整程式時，該程式包括收集' 分析及生成輸出之程式指令，且通常包括電腦可讀碼裝 置，以便與如本文所述之使用者互動、結合分析資訊來處 理資料，且針對使用者生成獨特印刷或電子媒體。含有資 訊之播案可「儲存」於電腦可讀媒體上，其中Γ儲存」竟 謂記錄資訊以使其日後可藉由電腦存取且取回。 在某些實施例中，電腦可讀媒體可含有執行公式〖或替 代性公式的程式，如上所述，在輸入變數之後，該替代性 公式提供的結果與使用公式I所獲得之結果類似或相同。 當儲存媒體提供可執行本文所述方法之一部分（例如該 等方法之位於使用者一側之態樣（例如資料輸入、報告接 收能力等））的程式時，該程式可將使用者輸入之資料（例如 經由互聯網、經由内部網等）傳輸至遠端位置之計算環 境。在遠端位置進行資料處理或完成處理以產生報告。在 檢視報告及完成任何需要之人工介入以提供完全報告之 後’隨後將該完全報告作為電子文件或印刷文件（例如傳 真或郵寄紙質報告）傳回給使用者。可將含有本發明程式 之儲存媒體與記錄於適合基質上之說明（例如用於程式安 裝、使用等）或可獲得該等說明之網址一起封裝。電腦可 讀儲存媒體亦可與執行反應概似性評估之一或多種試劑 (例如抗體、支撐物、引子、探針、陣列或其他該等套組 組件）組合提供。 151895.doc -48 · 201217788 關於電腦可讀媒體，「永久記憶體」係指記憶體具永久 性°永久記憶體不可藉由中斷電腦或處理器之電源而擦 除。電腦硬碟ROM(亦即不用作虛擬記憶體iROM)、CD- .ROM、軟碟及DVD皆為永久記憶體之實例。隨機存取記憶 體（RAM)為非永久記憶體之實例。永久記憶體中之檔案可 為可編輯及可重寫的。 基於電腦之系統」係指用於分析本發明資訊之硬體裝 置、軟體裝置及資料儲存冑置。纟文描述之基於電腦系統 之實施例之最小硬體含有中央處理單元（CPU)、輸入構 件、輸出構件、及資料料構件1習此項技術者可輕易 瞭解，任—種目前可用之基於電腦之系統㈣用於本發 明。資料儲存構件可包含任何製品，其包含如上所述之本 發明資訊之記錄，或可存取該製品之記憶體存取構件。 「處理器」係指將執行其需要之功能的任何硬體及/或 軟體組合。舉例而言，本文之任何處理器可為可程式化數 位微處理器，諸如可以電子控制器、大型電腦、飼服器或 =電桌上型或可攜式)之形式利用者。當處理 程式化處理器時’適合之程式可自遠端位 器，或預先保存於電腦程式產品中（諸如可 = 腦可讀儲存媒體’無論是基於磁性 J:疋電 置)。舉例而言’磁性媒體或光碟可攜帶程式， 裝 與位於其相應站之各處理器通信之適合讀取器讀=藉由 在某些實施例中，處理器將可操作鍵物 路）至上述裝置，且能夠導引其活動。 为或網 151895.doc -49- 201217788 亦提供用·於實施本文描述之特定方法的套組。在某些實 施例中，套組可包括用於量測生物標記含量之試劑，例如 可能結合或可能不結合至固體支撐物上之抗體、陽性對照 物、陰性對照物、標記試劑、及/或測試條等，及在某此 情況下包括如上所述之電腦可讀媒體。在某些實施例中， 套組將進一步包括用於實施本發明方法之說明或用於獲得 該等說明之手段（例如導引使用者至提供說明之網頁的網 站URL)，其中此等說明可印刷於基質上，其中基質可為 以下一或多者：藥品說明書、封裝、試劑容器及其類似 物。在本發明套組中’視便利或需要而定，一或多種組件 存在於相同或不同容器中。 效用 可使用本文描述之方法對轉變成糖尿病之風險進行連續 或分類量測’從而診斷及確定定義為糖尿病前期之個體類 別的風險範圍。 鑑別糖尿病前期個體可選擇及起始各種治療性介入或治 療方案以便延遲、減少或阻止該個體轉變成糖尿病疾病病 況。生物標記之有效含量亦允許監視治療糖尿病、糖尿病 前期或糖尿病前期病狀之過程。在此方法中，可自經歷糖 尿病之治療方案或治療性介入（例如藥物治療）之個體得到 生物樣本。該等治療方案或治療性介入可包括（但不限於） 在珍斷或鑑別患有糖尿病、糖尿病前期或糖尿病前期病狀 之個體中所使用之運動方案、膳食改善、膳食補充、肥胖 151895.doc •50· 201217788 :療：：介入二醫藥投與及治療性或預防性處理。必要 時’在治療之前、治 獲得生物樣本。1間或治療之後之各時間點自個體 ":亦可在許多配置巾用於篩選患者或個體群體。舉 w '健康維m公共健康實體或學校健康計劃可 ==個體來鑑別需要介入者（如上所述），或收集流行 險r圍或-呆險公司(例如健康、壽命或失能)可在判斷保 或疋價或可能介入之現有用戶的過程中筛選申請 二在該等群料選中所收集之資料，尤其當依靠發展成 尿病之病狀的任何臨床進程時，將在例如健康維護組 織“健康计劃及保險公司之操作中有價值。該等資料 =列，集合可儲存於機器可讀媒體令並詩許多健康相關 資料管理系統中，從而提供改良之健康照護服務、成本有 效之健康照護、改良之保險操作等。參見例如美國專利申 請案第2002/0038227號；美國專利申請案第編/〇122296 號；美國專利申請案第2004/0122297號；及美國專利第 5,〇18’067號。該等系統可直接自内部資料儲存中存取或自 一或多個資料儲存位置遠距離地存取，如本文進一步詳細 描述。因此，在健康相關資料管理系統中，其中個體或群 體患糖尿病病狀之風險包含分析糖尿病風險因素，本發明 提供之改進包含使用資料陣列，其涵蓋如本文所定義之生 物標記量測結果及/或自彼等生物標記量測結果所得之風 險評估。 實例 151895.doc -51 - 201217788 闡述以下實例w i 發明之完全揭-Γ 術者提供如何奸及使用本 不内谷及描述，且不欲限制本發 的範疇或本發明去介 考之發明 或僅有實驗= 出下文之實驗為所執行的所有 驗。已努力確保關於所使用之數字（例 度”的精度，但應考慮一些實驗誤差及偏差。除：二 說明’否則份數均為重量份，分子量為重量平均分子量， 溫度以攝氏度計’且壓力為大氣壓或接近大氣壓。 實例1 邛孤桎及橡本收集 如下所述之糖尿病風險測試為旨在有助於評估患者在 年内患第2型糖尿病之風險的定量診斷測試。該測試係在 對處於糖尿病風險中之患者的血液樣本來執行。 醫師可、’’σ σ其他臨床指標使用糖尿病風險測試所提供之 資訊’從而制訂有效糖尿病預防計劃。糖尿病風險測試顯 示可作為輔助測試用於補充（並非替代）其他診斷及臨床程 序。 糖尿病風險測試可經推薦用於已知處於糖尿病風險中之 個體。風險包括年齡增大、身體質量指數（ΒΜΙ)、家族 史、尚血壓及血脂異常。使用5年内患糖尿病之3〇至6〇歲 之個體的基線樣本及隨機選擇之對照組來得到糖尿病風險 分數且獨立地驗證該分數。 糖尿病風險測試需要在血液收集前空腹至少丨〇小時。 血液收集於8-10 mL紅頂血清管（red top serum tube)或血 清分離管（S ST)中》允許在收集一小時之内凝血且分離血 151895.doc •52· 201217788 清。用於糖尿病風險測試之血清在2-8°C下穩定達7天。 全血試樣收集於含有EDTA之不易碎收集管中。用於糖 尿病風險測試之全血樣本在2-8°C下穩定達7天。 樣本體積（較佳）：4-6 mL總EDTA血液管及3-5 mL血清 樣本體積（最小值）：2.0 mL總EDTA血液管及1.0 mL血清 樣本應在收集當日運送（使用隔夜傳遞）。在運送及儲存 期間樣本應保持在2-8°C或更冷之溫度下。為確保可在7天 穩定期限内測試樣本，樣本應在星期一至星期四隔夜運 送，且在星期一至星期五之工作時間内接收用來測試。 下文更詳細描述以下個體測試。 儀器 Randox Daytona Immulite 1000 Bio-Rad D-10 SpectraMax ELISA Algorithm calculation 分析 葡萄糖、hsCRP IL2Ra、鐵蛋白、胰島素 血紅素A1 c 脂聯素 DP-PreDx 實例2 葡萄糖分析方案 此實例描述使用Randox Daytona自動化學分析器來測試 患者樣本之葡萄糖的程序。葡萄糖測試欲用於活體外測定 丘清中之葡萄糖濃度。 血清中葡萄糖之量測為使用己醣激酶（HK)及葡萄糖-6-磷酸脫氫酶（G6P-DH)之酶促法。

葡萄糖+ ATP ^~~►G-6-P+ADP 151895.doc -53- 201217788 G-6-P+NAD+ G6P·:·^葡糖酸鹽-6-P+NADH+H+ 在340 nm下量測NADH，且其與樣本中葡萄糖之量成正 比0 試樣收集及處置 患者準備：對於空腹葡萄糖，患者必須空腹至少1 〇小 時。 血液收集於紅頂血清管或血清分離管（SST)中。允許在 收集一小時之内凝血且分離血清。在2-8°C下儲存及運送 血清。血清葡萄糖在2-8°C下穩定達7天，且在-20至-60°C 冷凍下穩定達1年。

樣本體積（較佳） 0.5 mL 樣本體積（最小值）0.2 mL· 程序 使用葡萄糖（GLUC-HK)己醣激酶方法套組商品目錄號 GL 3816(Randox Laboratories Ltd, Oceanside, CA)根據 06 年10月9日修訂之GL 3816使用說明書及2005年5月修訂之 Randox Daytona操作手冊1.6版來量測血糖0 結果 血糖參考範圍為70-125 11^/£11^ 500 mg/dL之臨界高臨限值將觸發LIMS之警報。500 mg/dL或500 mg/dL以上之葡萄糖結果將立即打電話通知提 供者並記錄於Orchard Harvest LIMS中。 45 mg/dL之臨界低臨限值將觸發LIMS之警報。45 mg/dL 或45 mg/dL以下之葡萄糖結果將立即打電話通知提供者並 151895.doc -54- 201217788 記錄於 Orchard Harvest LIMS 中。

報告單位：mg/dL

可報告範圍（線性範圍）27 mg/dL至630 mg/dL 實例3 脂聯素分析方案 可使用由 Cayman Chemical (Ann Arbor, MI)、Abnova Corporation (Taiwan)、R & D systems(Minneapolis，MN)、 Mercodia(Sweden)或其他公司供應之套組來分析脂聯素。 脂聯素為脂肪細胞分泌之激素，含有244個胺基酸，分 子量為約30 kDa(28-30 kDa)。其為人類血液中含量最豐裕 之蛋白質之一，循環濃度為0.5-30 pg/ml，其佔總血漿蛋 白質之約0.01%。若干製造商提供定量測定人類血清或血 漿中脂聯素之方法。 所使用之脂聯素ELISA為固相兩位點酶免疫分析。其係 基於夾層技術，其中兩個單株抗體係針對脂聯素分子上之 獨立抗原決定子。在培育期間，樣本中之脂聯素與結合至 微量滴定板孔之抗脂聯素抗體反應。在洗滌之後，添加結 合過氧化酶之抗脂聯素抗體且在第二次培育及移除未結合 之酶標記抗體的簡單洗滌步驟之後，藉由與3,3\5,5'-四曱 基聯苯胺（TMB)反應來偵測已結合之結合物。藉由添加酸 來中止反應，得到比色終點，由分光光度計讀取。樣本中 之脂聯素濃度係依據用樣本操作而得之校正曲線來測定。 試樣收集及處置 血液收集於紅頂血清管或血清分離管（SST)中。允許在 151895.doc -55- 201217788 清。在2-8°C下儲存及運送 穩定達14天。對於長期儲 收集一小時之内凝血且分離血 血清》在2-8°C下血清脂聯素 存，保持在-20°C或-20°C以下。

樣本體積（較佳） 0.2 mL

樣本體積（最小值）〇.1 mL 程序 使用以下方案量測脂聯素。 衝液將酶結合物稀釋1 1倍 平緩混合。經稀釋之酶結 根據下表1、藉由酶結合物緩 來製備酶結合物工作溶液。 合物可於2-8°C下儲存兩個月 表1 :酶結合物稀釋 條！數 12 酶結合物11倍髓ϋτ)

酶結合物緩衝液體積 1小瓶 7 5 4 b.藉由添加800 mL去離子水至4〇 mL洗滌緩衝液中來製1 洗滌緩衝工作溶液（21倍），充分混合。經稀釋之洗滌彳 衝液可於2-8 °C下儲存兩個月。 藉由添加50 mL去離子水至5〇 mL樣本緩衝液中來製備 樣本緩衝工作溶液（2倍），充分混合。經稀釋之樣本緩 衝液可於2-8t下儲存兩個月。 d.根據板圖將〇.5 mL樣本緩衝液吸至所需數目之8條帶微 量滴定管或相等物中。 151895.doc •56- 201217788 e.如下製備樣本及對照组之1:1 〇 1稀釋液：根據板塊圖將5 μΐ^樣本添加至含有〇·5 mL樣本緩衝液之各孔或管中 (1:101稀釋）。密封板且在Eppendorf熱混合器上於1350 rpm下混合15秒以充分混合。密封所稀釋之樣本且於2_ 8C下儲存達14天。 f·將25 pL校準劑及空白對照劑吸入根據板圖之孔中一式 兩份。 g. 將25 pL經稀釋樣本及對照劑吸入根據板圖之孔中一式 兩份。 h. 將100 pL分析緩衝液吸入各孔中。以板密封劑密封板。 i. 將板轉移至板震盈器並調整至700 rpm。在室溫下培育 板（18至30°C )，同時震盪一小時。 j·培育期間’藉由洗務緩衝液灌注來製備BioTek板洗務 液。 k·在一小時培育結束時，自板移除密封劑且轉移至 BioTek板洗滌液中。選擇洗滌程式：ELISA WASH 6X。確保恰當容器中有足量洗滌緩衝液。按壓開始 (START)來開始BioTek洗滌循環。 l. 將100 pL酶結合物吸入各孔中。以板密封劑密封板。 m. 將板轉移至板震盪器並調整至700 rpm。在室溫下培育 板，同時震盪一小時。 η.在一小時培育結束時’自板移除密封劑且轉移至 BioTek板洗滌液。選擇洗滌程式：ELISA WASH 6Χ。 確保恰當容器中有足量洗滌緩衝液。按壓開始（START) 151895.doc •57· 201217788 來開始BioTek洗滌循環。 〇.將200 μί受質TMB吸入各孔中。密封板且在室溫下（18 至25°C )培育15分鐘。 P.自板移除密封劑且將50 μΐ^中止溶液吸入各孔中。用手 平緩震盪板5秒來混合。不要使各孔之内含物混合。 q·將板轉移至Molecular Devices板讀取器並在3〇分鐘内於 45〇 nm下讀取光學密度。參考TP-018 :用於SpectraMax 板讀取器的SpectraMax操作及維護說明書。 r· SpectraMax板讀取器將計算樣本中脂聯素之濃度 (gg/mL)。 結果

結果以Kg/mL報告。可報告範圍（線性範圍）為丨4 pg/mL 至 33.2 gg/mL。 實例4 CRP分析方案 此實例描述使用Randox Daytona自動化學分析器測試患 者樣本中高靈敏度C-反應蛋白（hs-CRP)的程序。 hs-CRP測試系統欲用於活體外定量測定血清中c反應蛋 白（CRP)。正常個體之血清中存在之c反應蛋白含量在〇_5 mg/L之間。可使用正常含量或接近正常含量之cRp含量來 評估心血管事件風險。正常範圍内或接近正常範圍之CRP 含量可受許多不同因素影響，且應隨臨床歷史一起解釋。 樣本與緩衝液及抗CRP塗佈之乳膠粒子反應。抗體_抗原 複0物之形成導致濁度增加，濁度係以570 nm下吸收之光 151895.doc -58- 201217788 之量量測。藉由依據標準吸光度建構標準曲線，可測定樣 本之CRP濃度。 試樣收集及處置 患者準備：對於空腹hsCRP，患者必須空腹至少丨〇小 時。非空腹hsCRP無需準備。 血液收集於紅頂血清管或血清分離管（SST)中。允許在 收集一小時之内凝血且分離血清。在2_8〇c下儲存及運送 血清。血清hsCRP在2-8°C下穩定達7天，且在-ίο至-30。(： 冷康下穩定達6個月。不要重新冷;東。

樣本體積（較佳） 0.5 mL 樣本體積（最小值）0.2 mL 程序 使用hsCRP(GLUC-HK)免疫比濁法套組商品目錄號Cp 3885(Randox Laboratories Ltd，Oceanside，CA)，使用最小 體積150 pL來量測CRP。 結果 成人之製造商參考範圍為0-5 mg/L。結果以mg/L報告， 且可報告（線性）範圍為0.1 mg/L至9.9 mg/L。 實例5 鐵蛋白分析方案 此實例描述使用Immulite 1000自動化學分析器來測試患 者血清樣本之鐵蛋白的程序。

Immulite 1000 Ferritin為固相兩位點化學發光免疫測量 分析。將樣本添加至含有一個經鼠類單株抗鐵蛋白抗體塗 151895.doc -59- 201217788 佈之珠粒的測試單元。培育之後，添加結合至山羊多株抗 鐵蛋白之鹼性磷酸酶。培育及洗滌之後，添加化學發光受 質且量測光輸出。所量測之光之量與樣本中鐵蛋白之濃度 成正比。 此分析欲用於定量量測血清中之鐵蛋白以有助於臨床診 斷鐵缺乏及過負荷。 鐵蛋白分子含有蛋白質殼層（MW 450,000)及鐵核心。高 濃度鐵蛋白發現於肝細胞中及肝臟、脾臟及骨髓之紅血球 再循環中心（RE細胞）中。在此等組織中，鐵蛋白用作身體 對於過剩鐵之主要倉庫，防止過量之毒性作用且維持容易 調動之儲備以用於紅血球生成。 試樣收集及處置 血液收集於紅頂血清管或血清分離管（SST)中。允許在 收集一小時之内凝血且分離血清。在2-8°C下儲存及運送 血清。血清鐵蛋白在2-8°C下穩定達7天，且在-10至-30°C 下儲存達2週。

樣本體積（較佳） 0.5 mL

樣本體積（最小值） 0.2 mL 程序 在 Immulite 1000 分析器（Siemens Medical Solutions Diagnostics Los Angeles, CA)上使用 Immulite/Immulite 1000鐵蛋白分析商品目錄號LKFE1(100次測試）或LKFE5 (500次測試）（PILKFE-8,2006-12-29; Siemens Medical Solutions Diagnostics Los Angeles, CA)分析來量測鐵蛋白。 151895.doc -60- 201217788 結果 製造商參考範圍：成人男性：28-397 ng/mL，成人女 性：6 -1 59 ng/mL。 報告單位為ng/mL，且可報告範圍（線性範圍）為1.5 ng/mL至 1,500 ng/mL。 實例6 IL2RA分析方案 此實例描述使用Immulite 1 000自動化學分析器來測試患 者血清樣本之介白素-2受體a(IL2Ra或IL2RA)的程序。

Immulite 1000 IL2Ra為固相兩位點化學發光免疫測量分 析。將樣本添加至含有一個經鼠類單株抗IL2Ra抗體塗佈 之珠粒的測試單元。培育之後，添加結合至兔多株抗 IL2Ra之鹼性磷酸酶。培育及洗滌之後，添加化學發光受 質且量測光輸出。所量測之光之量與樣本中IL2Ra之濃度 成正比。 細胞因子介白素2(IL-2)之受體在免疫反應調節中起關鍵 作用。11-2與其受體（IL2R)在T淋巴細胞表面上之結合觸發 一系列細胞内信號傳導事件，導致其餘T細胞活化及增殖 且最終生成介導免疫反應之輔助T細胞、抑制T細胞及細胞 毒性T細胞。 IL-2受體由至少三種不同膜組分組成：α鏈（IL2Ra)、β鏈 (IL2RP)及γ鏈（IL2RY)。此等三種組分之不同組合導致生成 各種形式之IL2R，其各自顯示與IL2之不同結合親和性。 大多數其餘T細胞、B細胞、大顆粒淋巴細胞及單核細 151895.doc -61 - 201217788 胞不會在其表面上表現大量此受體。受體分子活化後表現 於細胞表面上，且釋放可溶形式（sIL2Ra)，其比膜結合蛋 白小約10 kDa。 試樣收集及處置 血液收集於紅頂血清管或血清分離管（SST)中。允許在 收集一小時之内凝血且分離血清。冷凍下儲存及運送血 清。血清IL2R在2-8°C下穩定達2天，對於長期儲存，保持 在-20°C或-20°C以下。

樣本體積（較佳） 0.5 mL 樣本體積（最小值）0.2 mL 程序 使用 Immulite 1000 分析器（Siemens Medical Solutions Diagnostics Los Angeles, CA)、使用 Immulite/Immulite 1000 IL2R分析商品目錄號LKIPZ(50次測試）、LKIP1(100 次測試）、LKIP5(500次測試）(Immulite/Immulite 1000 IL2R) (PILKIP-16, 2007-04-10; Siemens Medical Solutions Diagnostics Los Angeles，CA)來量測 IL2Ra。 結果 結果以U/mL報告，可報告範圍（線性範圍）為50 U/mL至 7,500 U/mL。 實例7 胰島素分析方案 該實例描述使用Immulite 1000自動免疫分析系統來測試 患者血清樣本之膜島素的程序。 151895.doc -62- 201217788

ImmuUte 1000胰島素分析為固相兩位點化 量分析。此分析旨在定量量測血清…素用 尿病。 將樣本添加至含有至少-個經單株鼠類抗胰島素塗佈之 珠粒的測試單元。培育之後，添加結合至多株纟帛羊抗騰島 素之鹼性磷酸酶。培育及洗滌之後，添加化學發光受質且 量測光輸出。所量測之光之量與樣本中胰島素之濃度成正 比。 人類胰島素為起源於胰臟β細胞之多肽激素且用作儲存 及製造碳水化合物之主要調節劑。其分泌通常受循環中之 葡萄糖之量增加所刺激。此導致胰島素含量升高及葡萄糖 之更快組織同化，隨後當葡萄糖含量減少時姨島素含量減 少 〇 試樣收集及處置 血液收集於紅頂血清管或血清分離管（SST)中。允許在 收集一小時之内凝血且分離血清。在2-8°C下儲存及運送 血清。血清胰島素在2-8°C下穩定達7天，且在_20°C下穩定 3個月。

樣本體積（較佳） 1 ·0 mL

樣本體積（最小值） 0.5 mL 程序 使用 Immulite 1000 分析器（Siemens Medical Solutions Diagnostics Los Angeles，CA)使用 Immulite 1000胰島素分 析商品目錄號LKIN1(100次測試）或LKIN5(500次測 151895.doc -63- 201217788 口式)(Siemens Medical Solutions Diagnostics Los Angeles, CA)來量測胰島素。 結果 製造商參考範圍為8.9 μΐυ/mL至28.4 μΐυ/mL。 結果以μΐυ/mL報告，且可報告範圍（線性範圍）範圍為2 至 300 μΐυ/mL。 實例8 HBA1C分析方案 此實例描述使用Bio-Rad D-10自動高效液相層析（HPLC) 分析器測試患者樣本中血紅素A1 c(HbA1 c)的程序。 D-10血紅素Ale程式利用離子交換高效層析法（Hj>lC)之 原理。樣本在D-10上自動稀釋並注入分析柱中。D1〇將離 子強度遞增的漸進梯度之緩衝液傳遞至柱中，其中血紅素 基於其與柱材料之離子相互作用而分離。所分離之血紅素 隨後通過濾光光度計之流槽，其中在415 nm下量測吸收度 變化。 D-10軟體對自各分析所得之原始資料執行換算。使用二 階杈準來定量HbAlc值。使用按指數規律修正之高斯 (EMG)演算法計算Ale面積，其不包括Alc峰面積中的不穩 定Ale及胺基甲醯化峰面積。 使用Bio.Rad D.H)血紅素Ale程式來測定人類全血中血 紅素Alc之百分數。

HbAIc之含量與循環t平均㈣糖濃度及紅血球之壽命 成比例。 15J895.doc • 64 - 201217788 試樣收集及處置 全血試樣收集於含有EDTA之不易碎收集管中。在2_8〇c 下儲存及運送全血。全血樣本在2-8°C下可儲存達7天。 樣本體積（較佳）：4-6 mL總EDTA血液管 樣本體積（最小值）：2.0mL總EDTA血液管 程序 使用Biorad D-10血紅素Ale分析，商品目錄號220-0101 (Bio-Rad Laboratories，Hercules，CA)來分析 HBA1C。 結果 EDTA全血（非懷孕個體）之製造商參考範圍：

HbAlc(%) 葡萄糖對照組 >8 建議採取措施 <7 目標（美國糖尿病協會） <6 非糖尿病含量 實例9 糖尿病風險分數演算之驗證 此實例描述用來驗證糖尿病風險分數（DRS)演算法之測 試及分析的結果。 研究目標 CLIA-001研究之主要目標為開發及驗證一種利用一組生 物標記來估計個體5年内患糖尿病之風險的演算法。該演 异法包括生物標記之濃度值及個體資料（諸如年齡及性 別）’相對於使用單獨葡萄糖且基於所隔離之資料集加以 驗證的模型，該演算法展示顯著改良之擬合。 I51895.doc .65- 201217788 驗證之概述 在驗證研究中評估該演算法。選擇用於演算法之標記， 因為其係數在研究之訓練部分中、在統計學上、在9〇%作 賴度下不同於零（使用拔靴式重新取樣法法估計）^此等標 記為：年齡、性別、空腹血漿葡萄糖、c_反應蛋白 (CRP)、脂聯素（ADIPOQ)及鐵蛋白（FTHI)、糖化血色素 (HbAlc)、胰島素及介白素受體2a(IL2Ra)。 將該演算法預測糖尿病轉變風險的能力與單獨空腹葡萄 糖之預測能力比較。如利用概似比檢驗所評估，最終驗證 之一次終點為改良之擬合。如利用接收者操作特性（RQC) 曲線所評估，二次終點為改良之判別。 驗證之演算法A為： D=-23.1 14+0.062*年齡-0.636*性別+1.621* 葡萄糖-3.370* ADIPOQ+0.600*CRP+0.699*FTHl + 1.3 50*IL2RA+0.491* 胰島素+0.259*HBA1C (對於性別，女性=0且男性=1) DRS=(exp(D)/(l+exp(D))*10 使用概似比檢驗將上述模型與基於單獨空腹葡萄糖之模 型比較。用依據10,000個自助式重複訓練資料所估計之以 下模型計算驗證資料之偏差： 葡萄糖_Score=-23.227 + 2.291*葡萄糖 依據針對模型中之自由度所調整的概似比檢驗，演算法 擬合資料的顯著性必須優於（P<〇.〇25)單獨葡萄糖模型。 結果概述 151895.doc •66· 201217788 演算法符合一次及二次終點。依據概似比檢驗，一次終 點擬合優於單獨葡萄糖。二次終點為ROC曲線之比較（藉 由DeLong、DeLong及Clarke-Pearson方法，如對於R統計 電腦語言係在ucR套件中實施）。 詳細結果 a. 資料排除 ALT之總共686次量測低於分析之量化極限。自隨後之 分析中移除ALT。所有800個樣本皆在其餘4種分析中進行 定量偵測，例外為34個在CRP範圍外且1個在FTH1範圍 外。在偵測極限處之值設為極限值。除樣本ID 89992477 (PID 097075)及樣本 ID 89992478(PID 097145)之外的所有 樣本皆包括於隨後之分析中。 b. 演算法驗證 資料準備 若轉換值之分佈更緊密接近常態分佈，則藉由採用原始 濃度之對數、平方根或平方來轉換預測因子值。預測因子 之獨立性係基於其彼此相關性來評估；如統計分析計劃中 所定義，無高度相關者（R>〇.7)。此外，執行線性評估且所 有定量量度皆呈線性出現且與結果顯著相關。 測定模型參數 使用加權（轉變之先驗機率=50%)邏輯回歸模型來平衡靈 敏度及特異性。針對1 〇,〇〇〇個自助式重複、估計所選擇之 標記的係數。演算法利用此等重複之中位值。 分數依據DRS = exp(lp)/(l + exp(lp))* 10(其中lp為各生物標 151895.doc -67· 201217788 記與其各別係數之乘積的線性總和）計算。 風險如下計算 在使用以下方程式之前在測試群體之前自50%調整Ip : lp'=lp+log(p/(l-p)) 其中p為測試群體中預期5年内轉變者之比例 風險=exp(lp’)/(l+exp(lp') D=lp。 概似比檢驗 使用概似比檢驗將DRS演算法與單獨之空腹葡萄糖模型 比較。 比較ROC曲線 ROC曲線係針對各演算法及單獨之空腹葡萄糖而計算。 此等結果展示於圖2中。 資料轉換 為改良分佈之對稱性，對於胰島素、IL2Ra、ADIPOQ、 CRP及FTHI使用LoglO轉換。葡萄糖用平方根轉換，而年 齡保持原樣。性別編碼為0=女性，1 =男性。 結論 如下所示之演算法A :

D=-23.1 14+0.062*年齡-0.636*性別+1.621* 葡萄糖-3.370* ADIPOQ+0.600*CRP+0.699*FTH1 + 1.3 50*IL2RA+0.491* 胰 島素+0.259*HBA1C 符合所有接受準則。特定言之，基於概似比檢驗之結 果，演算法A執行情況比單獨之空腹葡萄糖更佳（p<le- 151895.doc -68- 201217788 5)。决算法a可精確預測三十與六十歲之間人群的糖尿病 風險。 【圖式簡單說明】 圖1提供的表展示供演算法人使用之描述性統計值’如本 發明之實例部分中所述。 圖2展示演算法A之R〇c曲線。 151895.doc •69·

Claims (1)

1. 201217788 七、申請專利範圍： 1. 一種計算人類個體糖尿病風險分數的方法，其包括： a) 量測自該人類個體獲得之血液樣本中複數種生物標 記之含量，其中該複數個生物標記包含以下生物標記中 的至少5種：葡萄糖、脂聯素、CRP、iL2ra、鐵蛋白、 胰島素及HbAlc ;及 b) 使用該等含量及視情況選用之個體年齡及/或性別來 計算該個體的糖尿病風險分數，其中該計算係藉由選自 由以下組成之群的方法來執行： 0第一方法’其中量測所有該等生物標記之含量且 使用如下之第一公式、使用該等含量來計算該等個 體的糖尿病風險分數： D=X+〇.〇6* 年齡·〇.64*性別 +1 62* 葡萄糖 _3·37* ADIP〇Q+〇.6〇*CRP+0.7〇*FTH1 + 1.35*IL2RA+0.49* 胰島素+0.26*HBA1C 其中： 0.062*年齡為以歲數表示之個體年齡乘以〇 〇62 ; 〇·64*性別為個體性別乘以〇·64，其中女性=〇且男 性=1 ; 1.62*葡萄糖為以mg/dL表示之個體血糖含量之平 方根乘以1.62 ; 3.37*ADIP〇Q為以pg/mL表示之個體血液脂聯素 含量之log/G乘以3.37 ; 〇.60*CRP為以mg/L表示之個體血液CRp含量之 151895.doc 201217788 log/fl乘以 0.60 ; 0.70*FTH1為以ng/mL表示之個體血液鐵蛋白含量 之 log70乘以 0.70 ; 1.35*11^2尺入為以11/〇11^表示之個體灰液1乙2&八含量 之 log/G乘以 1.35 ; 0.49*胰島素為以μΐυ/mL表示之個體血液胰島素 含量之log;G乘以0.49;且 0.26*HBA1C為作為血液中總血紅素之百分比量 測的個體血液HblAc含量乘以'0.26 ; X為任何數字；及 ii)第二方法’其包含使用第二公式、使用該等至少 5種生物標記之所測含量及視情況選用之年齡及/或 性別來計算個體的糖尿病風險分數； 其中’當將該第一方法與第二方法之第一公式及 第二公式應用於人類參考群體之所測生物標記含量 及視情況選用之年齡及/或性別以分別產生第一及第 二風險概況時’該第二風險概況具有與該第一風險 概況之相關性值完全大於或包括0.5的史皮爾曼等級 相關係數平方（Spearman rank correlation coefficient squared)(R2)之95%信賴區間。 2. 如請求項1之方法，其中該人類參考群體包含至少25個 個體。 3. 如請求項1之方法，其中該人類參考群體中之個體係隨 機選自較大群體之人類個體。 15I895.doc -2· 201217788 4. 一種電腦可讀媒體，其包含： 在輸入必要變數後執行第一公式或第二公式的程式， 其中該第一公式為： D = X + 〇.〇6* 年齡-0.64*性別 +1.62* 葡萄糖- 3.37* ADIP〇Q+0.60*CRP+0.70*FTHl + 1.35*IL2RA+0.49* 胰島素+0.26*HBA1C 其中： 0.062*年齡為以歲數表示之個體年齡乘以0.062 ; 0.64*性別為個體性別乘以〇·64，其中女性=0且男性 =1 ; 1.62*葡萄糖為以mg/dL表示之個體血糖含量之平方 根乘以1.62 ; 3.3 7*ADIPOQ為以gg/mL表示之個體血液脂聯素含 量之log/G乘以3.37 ; 〇.6〇*〇1^>為以11^几表示之個體血液〇1〇>含量之1(^0 乘以0.60 ; 0.70*FTH1為以ng/mL表示之個體血液鐵蛋白含量之 乘以 0.70 ; 1.35*IL2RA為以U/mL表示之個體血液IL2RA含量之 l〇g;o乘以 1.35 ; 0.49*胰島素為以μΐυ/mL表示之個體血液胰島素含 量之log;0乘以0.49 ;及 0.26*HBA1C為作為血液中總血紅素之百分比量測 的個體血液Hbl Ac含量乘以0.26 ; 151895.doc 201217788 x為任何數字；且 其中，當將該第一及第二公式應用於人類參考群體之 所測生物標記含量及視情況選用之年齡及/或性別以分別 產生第一及第二糖尿病風險概況時，該第二風險概況具 有與該第一風險概況之相關性值完全大於或包括〇5的史 皮爾曼等級相關係數平方（R2)之95%信賴區間。 5. 一種套組’其包含如請求項4之電腦可讀媒體。 6. 一種對人類個體患糖尿病病狀之風險進行分類的方法， 其包含： a) 量測來自人類個體之血液樣本中複數種生物標記之 含量’其中該複數種生物標記包含以下生物標記中的至 少5種：葡萄糖、脂聯素、crp、IL2RA、鐵蛋白、胰島 素及HbAlc ’及視情況選用之個體年齡及/或性別；及 b) 將該個體分類歸入複數個互斥有序風險類別之一， 其中歸入該等有序風險類別係藉由選自由以下組成之群 的方法判斷： 0第一方法’其包含使用以下公式、使用該等含量 及年齡及性別來計算該個體之糖尿病風險分數： D-X+0.06*年齡_〇 64*性別+1 62* 葡萄糖_3 37*ADIp〇Q+ 〇.60*CRP+〇.7〇*FTHl + l_35*IL2RA+0.49*胰島素+0.26* HBA1C 其中： 〇.062*年齡為以歲數表示之個體年齡乘以0.062 ; 0.64*性別為個體性別乘以〇 64，其中女性=〇且男性 151895.doc 201217788 1.62*葡萄糖為以mg/dL表示之個體金糖含量之平方根 乘以1.62 ; 3.37*八01?0〇為以卜2/11^表示之個體血液脂聯素含量 之log;0乘以 3.37 ; 0.60*CRP為以mg/L表示之個體血液CRp含量之1〇以〇乘 以 0.60 ; 0.70*FTH1為以ng/mL表示之個體血液鐵蛋白含量之 log70乘以 0.70 ; 1.35*IL2RA為以U/mL表示之個體血液IL2RA含量之 logw乘以 1.35 ; 0.49*胰島素為以pIU/mL表示之個體血液胰島素含量 之l〇g;c乘以0.49 ;且 0.26*HBA1C為作為血液中總血紅素之百分比量測的 個體血液Hbl Ac含量乘以〇 26 ; 及依據該計算之糖尿病風險分數將該個體分類歸入該 複數個互斥有序風險_之—，該等互斥有序風險類 別各自係由一定範圍之糖尿病風險分數界定，以對該 個體提供該分類風險評估；及 η)第一方法，其包含根據風險概況使用該至少$種 生物標記之該等所測含量及視情況制之年齡及/或性 將該個體分類歸人該複數個互斥有序風險類別之 「’以對該個體提供該分類風險評估，其中當將藉由 該第一方法（第一糖尿病風險分類法）計算之人類參考 151895.doc 201217788 群體的複數個分類風險評估與藉由該第二方法（第二糖 尿病風險分類法）計算之該人類參考群體的複數個分類 風險3平估相比較時，使用卡方檢驗法得知，該第二糖 尿病風險分類法與該第一糖尿病風險分類法之相關性 達95 /ok賴度，且界定該複數個有序風險類別之該等 糖尿病風險分數之該等範圍係經選擇為使對於該第一 糖尿病風險分類法與該第二糖尿病風險分類法兩者， 各風險類別中該人類參考群體之個體數目相同。 7. 如請求項6之方法，其中該有序風險類別數為至少^個^ 8. 如請求項6之方法，其中該有序風險類別數為至少4個。 9. 如請求項7之方法，其中該等有序風險類別包含高風 險、中等風險及低風險。 10. 如請求項6之方法，其中至少使用該個體之血液中之葡 萄糖、脂聯素、CRP及HbAlc之含量及個體年齡，將該 個體分類歸入該等風險類別之一。 Π.如請求項6之方法’其中該人類參考群體包含至少25個 個體。 12. 如請求項6之方法，其中該人類參考群體之該等個體係 隨機選自較大群體之人類個體。 13. —種電腦可讀媒體，其包含： 在輪入必要變數後執行第一公式或第二公式的程式， 其中該第一公式為： 〇=义 + 〇.〇6*年齡-〇.64*性別+1.62*葡萄糖-3.3 7* ADIP〇Q+〇.60*CRP+0.70*FTH1 + 1.3 5*IL2RA+〇.49* 151895.doc , 201217788 胰島素+0.26*HBA1C 其中： 0.062*年齡為以歲數表示之個體年齡乘以〇 〇62 ; 0.64*性別為個體性別乘以0.64，其中女性=〇且男性 =1 ; 1.62*葡萄糖為以mg/dL表示之個體血糖含量之平方 根乘以1.62 ; 3.37*ADIP〇Q為以pg/mL表示之個體血液脂聯素含 量之log;0乘以3.37 ; 〇.60*CRP為以mg/L表示之個體血液CRp含量之丨〇心〇 乘以0.60 ; 0.70*FTH1為以ng/mL表示之個體血液鐵蛋白含量之 logw乘以 0.70 ; 1.3 5*IL2RA為以U/mL表示之個體血液乩21^含量之 log/σ乘以 1.35 ; 0.49*胰島素為以μΐυ/ηιί表示之個體血液胰島素含 量之l〇g/o乘以0.49 ;且 0.26*HBA1C為作為血液中總血紅素之百分比量測 的個體血液Hb lAc含量乘以0.26 ; X為任何數字；且 其中當將藉由該第-公式計算之人類參考群體的分類 風險評估與藉由該第二公式計算之該人類參考群體的該 等分類風險評估相比較時，使用卡方檢驗法得知，該第 二糖尿病風險級別與該第一風險級別之相關性達95%信 151895.doc 201217788 賴度，且當該第一複數個有序風險類別數等於該第二複 數個有序風險類別數時，按照該第二複數個有序風險類 別中風險遞增之次序’選擇界定該第一複數個有序風險 類別之該等風險分數之範圍，以使各風險類別中該等個 體之數目與該等相應風險類別之每一者中該等個體之數 目相同。 14. 一種套組，其包含如請求項13之電腦可讀媒體。 151895.doc