TWI669506B - 計算腎絲球過濾率之方法 - Google Patents

計算腎絲球過濾率之方法 Download PDF

Info

Publication number
TWI669506B
TWI669506B TW107123574A TW107123574A TWI669506B TW I669506 B TWI669506 B TW I669506B TW 107123574 A TW107123574 A TW 107123574A TW 107123574 A TW107123574 A TW 107123574A TW I669506 B TWI669506 B TW I669506B
Authority
TW
Taiwan
Prior art keywords
log
filtration rate
glomerular filtration
patient
calculating
Prior art date
Application number
TW107123574A
Other languages
English (en)
Other versions
TW202006357A (zh
Inventor
蕭博仁
石韵彣
朱基銘
張士泰
Original Assignee
國軍桃園總醫院
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 國軍桃園總醫院 filed Critical 國軍桃園總醫院
Priority to TW107123574A priority Critical patent/TWI669506B/zh
Priority to US16/102,855 priority patent/US20200011882A1/en
Application granted granted Critical
Publication of TWI669506B publication Critical patent/TWI669506B/zh
Publication of TW202006357A publication Critical patent/TW202006357A/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803—General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6827—Total protein determination, e.g. albumin in urine
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/70—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving creatine or creatinine
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/06—Measuring instruments not otherwise provided for
    • A61B2090/061—Measuring instruments not otherwise provided for for measuring dimensions, e.g. length
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/81—Protease inhibitors
    • G01N2333/8107—Endopeptidase (E.C. 3.4.21-99) inhibitors
    • G01N2333/8139—Cysteine protease (E.C. 3.4.22) inhibitors, e.g. cystatin
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/34—Genitourinary disorders
    • G01N2800/347—Renal failures; Glomerular diseases; Tubulointerstitial diseases, e.g. nephritic syndrome, glomerulonephritis; Renovascular diseases, e.g. renal artery occlusion, nephropathy

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Cell Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Biotechnology (AREA)
  • Microbiology (AREA)
  • Public Health (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biophysics (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本發明係有關一種計算腎絲球過濾率之方法，藉由量測頸部之周長，並與臨床因子和年齡帶入指數方程式，來評估腎絲球過濾率。藉此改善目前判斷腎功能的腎絲球過濾率所使用的方法，目前所使用的方法對於早期的腎功能喪失的預測能力較差，部分患者往往在發現時已經進入中後期腎病，進而失去了早期治療的機會。

Description

計算腎絲球過濾率之方法
本發明係有關一種計算方法，尤其是一種計算腎絲球過濾率之方法。
腎臟，位於我們的後腰部脊椎兩側，也就是在最後一根肋骨（第十二根）與脊椎相接的夾角地區。外形就如同蠶豆般，大小大概跟拳頭差不多，每個腎臟的重量約為125-150公克。
腎臟的基本組成單位稱之為「腎元」。每個腎臟約由一百萬個腎元所組成，每個腎元則包括了腎絲球及腎小管。當身體中的血液經過腎臟時，腎元就會過濾身體的廢物、水分以及電解質，成為尿液。
腎臟也是代謝廢物的主要器官，除了製造尿液機能外，具有維持體內恆定、控制電解質、維持體液及血壓穩定功能，它還會分泌紅血球生成素，如果因腎損傷而導致分泌不足，病患會出現貧血；一旦腎臟功能缺損，代謝物就無法排除，嚴重時有可能引發腎衰竭，到最後只能按時接受血液透析（洗腎）或腹膜透析才能活命。
然而，國人卻是愛吃藥的民族，總認為吃了藥「有病治病，無病強身」。殊不知，當藥物吃進肚子裡，經由腸胃道吸收及肝腎代謝，無形中會加重肝臟及腎臟的負擔。
因而台灣洗腎人口越來越多，除與濫用藥物有關外，當然與人口老化與罹患高血壓、糖尿病等慢性病患日增密不可分。一般人在年過四十之後，腎功能就會逐漸下降，大約以每年降低1％而走下坡。
然而不只在台灣，慢性腎臟病(Chronic Kidney Disease , CKD)在國 際間也愈來愈被重視，因為它不僅會造成末期腎臟病(ESRD)同時也是造成死亡及心血管疾病的重要因子。
而慢性腎臟病(Chronic Kidney Disease, CKD)的高風險族群有以下族群，分別是糖尿病、高血壓、心血管疾病、家族病史、高血脂、草藥使用者、腎臟損傷、老年人、代謝症候群、長期使用止痛藥等。
為此，腎功能的定期檢查是必須的。腎功能指標是以測量每分鐘有多少血漿經由腎絲球過濾，也就是腎絲球過濾率(Glomerular Filtration Rate, GFR)來表達為佳，其正常值約在100ml/min左右。目前估計腎絲球過濾率可使用的方式如下：
(1).肌酸酐清除率：留24小時尿液，測量尿中肌酸酐及血清肌酸酐加以計算。(2).以血清肌酸酐換算預估腎絲球過濾率(estimated GFR, eGFR)：目前有Cockcroft-Gault公式及MDRD(Modification of Diet in Renal Disease)兩種公式可供使用。(3).白蛋白尿的測量，一般分有定性與定量兩種，定量是要收集一整天小便中的蛋白排泄總量來測量；定性分析則是一般較常使用的方法，將試紙放入尿液中，看試紙顏色變化來判定。
一般而言，蛋白尿與腎臟病的關係非常密切，有很多種腎臟病的早期唯一病徵就是蛋白尿，而身體並沒有任何不適症狀。蛋白尿也可以是某些嚴重的全身性疾病（例如糖尿病、全身性紅斑性狼瘡）侵襲腎臟的證據。
而，白蛋白是一種血液中的正常蛋白質，但在生理條件下尿液中僅出現極少量白蛋白(約20%)。但當超過一定量時，則形成微量白蛋白尿或巨量白蛋白尿，而微量白蛋白尿為目前臨床上糖尿病腎病變最早期的診斷指標。
然而，許多研究表明，單憑尿液或血清肌酸酐測定腎臟疾病往往會高估腎功能。另外，血清肌酸酐的值會受到年齡、性別、種族、體型、肌肉量、食物、藥物、實驗室分析方法所影響。另外，公式對於早期腎功能喪失的預測能力較差。
且，公式一開始是由高加索人及美國黑人發展而來，因此它在亞洲族群較不準確。特別是在亞洲人群中，這些公式容易高估腎功能，因此早期慢性腎臟病患者無法準確檢測。
而這些高風險族群中，目前，心血管疾病有許多已知的危險因子，譬如高血壓、糖尿病、血脂異常、抽煙和肥胖等，這些稱為傳統的危險因子，而這些傳統的危險因子本身也會促使腎功能惡化，導致慢性腎臟病逐漸發展。
但，不只心血管疾病患者是慢性腎臟病的高危險群。因為，隨著腎臟功能惡化，人體恆定代謝的適應變化，會加重心血管疾病，例如體內過多水分和鈉離子的累積，這些會造成心搏出量增加、週邊交感神經活性增強，週邊血管阻力增加，最終的結果就是造成高血壓，而長期血壓增高和體液容積過剩，會漸漸加重心臟的負擔。
其他已知的非傳統危險因子包括貧血、代謝性酸血症、鈣磷乘積過高及副甲狀腺亢進。這些累積的代謝異常，最終造成左心室心肌肥厚及心室擴張，促使心肌重塑(remodeling)，導致心臟衰竭及其他心血管疾病，甚至死亡。因此，慢性腎臟病患者也是心血管疾病的高危險群。
再者，經研究發現天生脖子粗的人比較容易出現代謝性疾病、睡眠呼吸中止症等情況，且若加上後天的飲食不節制，罹患心腦血管病和糖尿病的風險也會隨之升高。且對於代謝症候群的淺在風險，測量頸圍比腰圍有更好的評估價值。
腰圍會隨著飲食(吃飽或空腹)有所改變，而頸圍則是不隨著飲食而有所改變。且，根據研究顯示，腰圍和頸圍在糖尿病人群當中是呈正相關的，腰圍超標的人，頸圍也是超標的。
但，由於患者對於慢性腎臟病的低認知率以及慢性腎臟病的高盛行率，再加上慢性腎臟病早期沒有症狀，病患大多不會注意到。當有症狀時，往往就已進入中後期。所以必須更加重視腎臟病篩檢及後續之防治工作。
就篩檢而言，不論目前常用的Cockcroft-Gault公式或者是MDRD公式都是使用外國人的資料，皆不適合亞洲族群。因此發展屬於適合亞洲族群的腎絲球過濾率之評估方式，為本技術領域人員所欲解決的問題。
本發明之主要目的，係提供一種計算腎絲球過濾率之方法，藉由病患體內的內源性物質(血清肌酸酐、血清胱抑素C及白蛋白尿)，並進一步搭配頸部之周長以及年齡，並以指數方程式來評估腎絲球過濾率，以判斷腎臟目前的功能狀況。
為了達到上述之目的，本發明揭示了一種計算腎絲球過濾率之方法，其步驟包含：依據一病患之一檢體檢測複數個臨床因子之複數個濃度數值，該些臨床因子包含一血清肌酸酐、一血清胱抑素C及一白蛋白尿；量測該病患之一頸部之一周長；以及依據一指數方程式，代入該些個濃度數值、該周長及該病患之一年齡，以獲得一腎絲球過濾率；其中，該腎絲球過濾率之該指數方程式為：24×該年齡 -0.495×該血清肌酸酐之濃度數值 -0.871×該血清胱抑素C之濃度數值 -0.45×該周長 0.45×該白蛋白尿之濃度數值 0.077。
本發明提供一實施例，其內容在於計算腎絲球過濾率之方法，其中於當該病患為一女性時，該腎絲球過濾率之該指數方程式為：24×該年齡 -0.495×該血清肌酸酐之濃度數值 -0.871×該血清胱抑素C之濃度數值 -0.45×該周長 0.45×該白蛋白尿之濃度數值 0.077×0.502。
又，本發明揭示了一種計算腎絲球過濾率之方法，其步驟包含：量測一病患之一頸部之一周長；以及依據一方程式，代入該周長及該病患之一年齡，以獲得一腎絲球過濾率之對數(log)；其中，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y，當該病患為一女性時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+B，A介於0.9~4.5，x介於0.05~1.52，y介於-1.8~-0.8，B介於-0.1~0.1。
又，本發明揭示了一種計算腎絲球過濾率之方法，其步驟包含：量測一病患之一頸部之一周長；依據該病患之一檢體檢測複數個臨床因子之複數個濃度數值，該些個臨床因子包含一血清肌酸酐、一血清胱抑素C及一白蛋白尿之其中之一或其組合；以及依據一方程式，代入該些個濃度數值、該周長及該病患之一年齡，以獲得一腎絲球過濾率之對數(log)。
本發明提供一實施例，其內容在於計算腎絲球過濾率之方法，其中當該些個臨床因子為該血清肌酸酐時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z，當該病患為該女性時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+B，A介於0.4~3.4，x介於0.2~1.5，y介於-1.2~-0.4，z介於-1.2~-0.7，B介於-0.2~0。
本發明提供一實施例，其內容在於計算腎絲球過濾率之方法，其中當該些個臨床因子為該血清肌酸酐及該白蛋白尿時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α，當該病患為該女性時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α+B，A介於0.6~3.6，x介於-0.1~1.3，y介於-1.1~-0.3，z介於-1.4~-0.9，α介於0~0.1，B介於-0.3~-0.07。
本發明提供一實施例，其內容在於計算腎絲球過濾率之方法，其中當該些個臨床因子為該血清肌酸酐、該白蛋白尿及該血清胱抑素C時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α+log該血清胱抑素C β，當該病患為該女性時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α+log該血清胱抑素C β+B，A介於0.2~3，x介於0~1.3，y介於-0.9~-1.1，z介於-1.2~-0.5，α介於0~0.2，β介於-0.8~-1.1，B介於-0.2~0。
本發明提供一實施例，其內容在於計算腎絲球過濾率之方法，其中於依據一病患之一檢體檢測複數個臨床因子之複數個濃度數值之步驟中，該檢體係選自於一血液及一尿液所組成群組之其組合。
本發明提供一實施例，其內容在於計算腎絲球過濾率之方法，其中該尿液之採集時間為連續24小時。
本發明提供一實施例，其內容在於計算腎絲球過濾率之方法，其中於依據一病患之一檢體檢測複數個臨床因子之複數個濃度數值之步驟中，該病患係為一心血管疾病患者。
本發明提供一實施例，其內容在於計算腎絲球過濾率之方法，其中該心血管疾病患者係為罹患一心臟相關疾病及一血管相關疾病所組成群組之其中之一或其組合。
本發明提供一實施例，其內容在於計算腎絲球過濾率之方法，其中於依據一病患之一檢體檢測複數個臨床因子之複數個濃度數值之步驟中，該病患係為一慢性腎臟病患者。
本發明提供一實施例，其內容在於計算腎絲球過濾率之方法，其中該慢性腎臟病患者係為一腎臟受損超過三個月，該腎臟受損為一結構受損及一功能受損所組成群組之其中之一或其組合。
本發明提供一實施例，其內容在於計算腎絲球過濾率之方法，其中該慢性腎臟病患者係為該腎絲球過濾率小於 60 ml/min/1.73 m 2之情況持續超過三個月。
為使　貴審查委員對本發明之特徵及所達成之功效有更進一步之瞭解與認識，謹佐以實施例及配合說明，說明如後：
有鑑於目前常用的Cockcroft-Gault公式或者是MDRD公式都是使用外國人的資料，並不適合亞洲族群的影響，據此，本發明遂提出一種計算腎絲球過濾率之方法，以解決習知技術所造成之問題。
以下，將進一步說明本發明之一種計算腎絲球過濾率之方法所包含之特性、所搭配之結構及其方法：
首先，請參閱第1圖，其係為本發明之第一實施例之流程圖。如圖所示，一種計算腎絲球過濾率之方法，其步驟包含：
S1：依據病患之檢體檢測臨床因子之濃度數值，臨床因子包含血清肌酸酐、血清胱抑素C及白蛋白尿；
S2；量測病患之頸部之周長；以及
S3：依據指數方程式，代入濃度數值、周長及病患之年齡，以獲得腎絲球過濾率。
如步驟S1所示，依據一病患之一檢體檢測複數個臨床因子之複數個濃度數值，該些個臨床因子包含一血清肌酸酐、一血清胱抑素C及一白蛋白尿。
且，該血清肌酸酐、該血清胱抑素C及該白蛋白尿皆可用於檢測一腎絲球過濾率。而該檢體係選自於一血液及一尿液所組成群組之其組合。並於該血液中檢測該血清肌酸酐之濃度數值及該血清胱抑素C之濃度數值。而於該尿液中檢測該白蛋白尿之濃度數值，其中該尿液之採集時間為連續24小時。
首先，該血清肌酸酐為肌肉中的肌酸和磷酸肌酸代謝的最終產物，再放出到血液中，每個人製造出來的量差不多一定。並肌肉量成正比，所以肌肉量減少，該血清肌酸酐減少。一部分之該血清肌酸酐在一腎臟之腎絲球進行過濾並排泄。
所以當排泄有障礙時，該血清肌酸酐排泄受阻，血液中該血清肌酸酐含量會升高，表示該腎臟的功能降低。但是，老人、肌肉萎縮及長期躺在病床上的人，其本身肌肉量就低時，血液中的該血清肌酸酐就會介於正常範圍中。因此，即使該血清肌酸酐正常，但該腎臟的功能仍是降低，故只憑該血清肌酸酐之檢查是無法完全診斷的。
再者，該血清胱抑素C能自由從腎絲球過濾，完全被腎小管上皮細胞重吸收並於細胞內降解，不重新回到血液中。同時腎小管上皮細胞也不分泌該血清胱抑素C至管腔內。因此，其於血清中該血清胱抑素C之濃度主要由該腎絲球過濾率決定。且，該血清胱抑素C的較少依據年齡、性別、種族及肌肉質量等參數而改變其含量。
最後，正常而言，健康成人每天的尿中蛋白排出量應小於 150 毫克，而白蛋白是血液中的一種正常蛋白質。因此，該尿液中僅會出現極少量白蛋白，一般尿中的白蛋白約佔尿中蛋白的20%。
因此，健康成人每天的白蛋白排出量應小於 30 毫克 ( 150 毫克 x 20% = 30 毫克)。但，當腎絲球之基底膜濾孔增大，大分子物質(如蛋白質)就可以大量通過，進而改變了該腎臟過濾白蛋白的功能時，會使得過多白蛋白滲漏到尿中。因此，當白蛋白於每天排出量介於30-300毫克時，稱為「微量白蛋白尿」；當白蛋白於每天排出量大於300毫克時，則稱為「巨量白蛋白尿」。
微量白蛋白尿為目前臨床上腎臟病變最早期的診斷指標。初步於篩檢蛋白尿時，若為正常者(指每日的尿中蛋白質排出量需小於150毫克)，應再進一步檢查是否有該白蛋白尿。而該白蛋白尿的檢查可以收集24小時該尿液或晨起第一次小便，但應避免在腎臟發炎、發燒或激烈運動後收集檢查，以免干擾正確結果。
接續，如步驟S2所示，量測該病患之一頸部之一周長。該周長跟頸動脈內膜的厚度有很大的關係，該周長越長代表頸動脈血管越厚。當頸動脈血管變厚，血管的管腔就會變狹窄，血流速度變慢，就會造成後續的代謝疾病的問題。
而該病患係為一心血管疾病患者，為罹患一心臟相關疾病及一血管相關疾病所組成群組之其中之一或其組合。通常，心血管疾病為該心臟相關疾病與該血管相關疾病的總稱。凡是因為心臟、血管單方面或雙方面功能失調而引起的疾病都可列為心血管疾病。
常見的心血管疾病包括冠狀動脈症候群、中風、高血壓性心臟病、風濕性心臟病、心肌病變、先天性心臟病、心內膜炎、主動脈剝離、靜脈栓塞、動脈粥樣硬化、血栓形成及周邊動脈阻塞性疾病等等。
另，該病患係為一慢性腎臟病患者，為該腎臟受損超過三個月，該腎臟受損為一結構受損及一功能受損所組成群組之其中之一或其組合，且該結構受損及該功能受損無法恢復至正常。亦或是該腎絲球過濾率小於 60 ml/min/1.73 m 2之情況持續超過三個月。
且，慢性腎臟病本身是造成心血管疾病很重要的危險因子。該腎臟的病變會造成心臟血管的病變，同樣地，心臟血管功能的弱化，也會導致該腎臟的功能惡化。
最後，如步驟S3所示，依據一指數方程式，代入該些個濃度數值、該周長及該病患之一年齡，以獲得該腎絲球過濾率。
並請搭配參閱第2圖，其係為本發明之第一實施例之相關性結果圖。該腎絲球過濾率之標準值之測量選用傳統的 24小時尿液肌酸酐清除率（Ccr），計算方式為：(尿中肌酸酐(mg/dL)x 24小時尿量 (ml))/(該血清肌酸酐(mg/dL)x1440分鐘)，並進行體表面積(1.73m 2)的調整。如圖所示，該周長係與該腎絲球過濾率之標準值成一正相關，而該年齡、該血清肌酸酐、該血清胱抑素C及該白蛋白尿係與該腎絲球過濾率之標準值成一負相關。
其中該腎絲球過濾率之該指數方程式為：24×該年齡 -0.495×該血清肌酸酐之濃度數值 -0.871×該血清胱抑素C之濃度數值 -0.45×該周長 0.45×該白蛋白尿之濃度數值 0.077。
但，當該病患為一女性時，該腎絲球過濾率之該指數方程式為：24×該年齡 -0.495×該血清肌酸酐之濃度數值 -0.871×該血清胱抑素C之濃度數值 -0.45×該周長 0.45×該白蛋白尿之濃度數值 0.077×0.502。
接續請參考第3圖，其係為本發明之第二實施例之流程圖。如圖所示，一種計算腎絲球過濾率之方法，其步驟包含：
S4：量測病患之頸部之周長；以及
S5：依據方程式，代入周長及病患之年齡，以獲得腎絲球過濾率之對數(log) 。
該周長跟頸動脈內膜的厚度有很大的關係，該周長越長代表頸動脈血管越厚。當頸動脈血管變厚，血管的管腔就會變狹窄，血流速度變慢，就會造成後續的代謝疾病的問題。
而該病患係為該心血管疾病患者，為罹患該心臟相關疾病及該血管相關疾病所組成群組之其中之一或其組合。通常，心血管疾病為該心臟相關疾病與該血管相關疾病的總稱。凡是因為心臟、血管單方面或雙方面功能失調而引起的疾病都可列為心血管疾病。
常見的心血管疾病包括冠狀動脈症候群、中風、高血壓性心臟病、風濕性心臟病、心肌病變、先天性心臟病、心內膜炎、主動脈剝離、靜脈栓塞、動脈粥樣硬化、血栓形成及周邊動脈阻塞性疾病等等。
另，該病患係為該慢性腎臟病患者，為該腎臟受損超過三個月，該腎臟受損為該結構受損及該功能受損所組成群組之其中之一或其組合，且該結構受損及該功能受損無法恢復至正常。亦或是該腎絲球過濾率小於 60 ml/min/1.73 m 2之情況持續超過三個月。
且，慢性腎臟病本身是造成心血管疾病很重要的危險因子。該腎臟的病變會造成心臟血管的病變，同樣地，心臟血管功能的弱化，也會導致該腎臟的功能惡化。
其中，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y，當該病患為該女性時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+B，A介於0.9~4.5，x介於0.05~1.52，y介於-1.8~-0.8，B介於-0.1~0.1。
最後，請參閱第4圖，其係為本發明之第三實施例之流程圖。如圖所示，一種計算腎絲球過濾率之方法，其步驟包含：
S6：量測病患之頸部之周長；
S7：依據病患之檢體檢測臨床因子之濃度數值，臨床因子包含血清肌酸酐、血清胱抑素C及白蛋白尿之其中之一或其組合；以及
S8：依據方程式，代入濃度數值、周長及病患之年齡，以獲得腎絲球過濾率之對數(log)。
其中，當該些個臨床因子為該血清肌酸酐時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z，當該病患為該女性時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+B，A介於0.4~3.4，x介於0.2~1.5，y介於-1.2~-0.4，z介於-1.2~-0.7，B介於-0.2~0。
且，當該些個臨床因子為該血清肌酸酐及該白蛋白尿時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α，當該病患為該女性時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α+B，A介於0.6~3.6，x介於-0.1~1.3，y介於-1.1~-0.3，z介於-1.4~-0.9，α介於0~0.1，B介於-0.3~-0.07。
又，當該些個臨床因子為該血清肌酸酐、該白蛋白尿及該血清胱抑素C時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α+log該血清胱抑素C β，當該病患為該女性時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α+log該血清胱抑素C β+B，A介於0.2~3，x介於0~1.3，y介於-0.9~-1.1，z介於-1.2~-0.5，α介於0~0.2，β介於-0.8~-1.1，B介於-0.2~0。
故本發明實為一具有新穎性、進步性及可供產業上利用者，應符合我國專利法專利申請要件無疑，爰依法提出發明專利申請，祈 鈞局早日賜准專利，至感為禱。
惟以上所述者，僅為本發明之較佳實施例而已，並非用來限定本發明實施之範圍，舉凡依本發明申請專利範圍所述之形狀、構造、特徵及精神所為之均等變化與修飾，均應包括於本發明之申請專利範圍內。
S1-S8‧‧‧步驟流程
第1圖：其係為本發明之第一實施例之流程圖； 第2圖：其係為本發明之第一實施例之相關性結果圖； 第3圖：其係為本發明之第二實施例之流程圖；以及 第4圖：其係為本發明之第三實施例之流程圖。

Claims (14)

  1. 一種計算腎絲球過濾率之方法，其步驟包含： 依據一病患之一檢體檢測複數個臨床因子之複數個濃度數值，該些個臨床因子包含一血清肌酸酐、一血清胱抑素C及一白蛋白尿； 量測該病患之一頸部之一周長；以及 依據一指數方程式，代入該些個濃度數值、該周長及該病患之一年齡，以獲得一腎絲球過濾率； 其中，該腎絲球過濾率之該指數方程式為：24×該年齡 -0.495×該血清肌酸酐之濃度數值 -0.871×該血清胱抑素C之濃度數值 -0.45×該周長 0.45×該白蛋白尿之濃度數值 0.077。
  2. 如申請專利範圍第1項所述之計算腎絲球過濾率之方法，其中於當該病患為一女性時，該腎絲球過濾率之該指數方程式為：24×該年齡 -0.495×該血清肌酸酐之濃度數值 -0.871×該血清胱抑素C之濃度數值 -0.45×該周長 0.45×該白蛋白尿之濃度數值 0.077×0.502。
  3. 一種計算腎絲球過濾率之方法，其步驟包含： 量測一病患之一頸部之一周長；以及 依據一方程式，代入該周長及該病患之一年齡，以獲得一腎絲球過濾率之對數(log)； 其中，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y，當該病患為一女性時，該log腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+B，A介於0.9~4.5，x介於0.05~1.52，y介於-1.8~-0.8，B介於-0.1~0.1。
  4. 一種計算腎絲球過濾率之方法，其步驟包含： 量測一病患之一頸部之一周長； 依據該病患之一檢體檢測複數個臨床因子之複數個濃度數值，該些個臨床因子包含一血清肌酸酐、一血清胱抑素C及一白蛋白尿之其中之一或其組合；以及 依據一方程式，代入該些個濃度數值、該周長及該病患之一年齡，以獲得一腎絲球過濾率之對數(log)。
  5. 如申請專利範圍第4項所述之計算腎絲球過濾率之方法，其中當該些個臨床因子為該血清肌酸酐時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z，當該病患為該女性時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+B，A介於0.4~3.4，x介於0.2~1.5，y介於-1.2~-0.4，z介於-1.2~-0.7，B介於-0.2~0。
  6. 如申請專利範圍第4項所述之計算腎絲球過濾率之方法，其中當該些個臨床因子為該血清肌酸酐及該白蛋白尿時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α，當該病患為該女性時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α+B，A介於0.6~3.6，x介於-0.1~1.3，y介於-1.1~-0.3，z介於-1.4~-0.9，α介於0~0.1，B介於-0.3~-0.07。
  7. 如申請專利範圍第4項所述之計算腎絲球過濾率之方法，其中當該些個臨床因子為該血清肌酸酐、該白蛋白尿及該血清胱抑素C時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α+log該血清胱抑素C β，當該病患為該女性時，該腎絲球過濾率之對數之該方程式為：A+log該周長 x+log該年齡 y+log該血清肌酸酐 z+log該白蛋白尿 α+log該血清胱抑素C β+B，A介於0.2~3，x介於0~1.3，y介於-0.9~-1.1，z介於-1.2~-0.5，α介於0~0.2，β介於-0.8~-1.1，B介於-0.2~0。
  8. 如申請專利範圍第1或3或4項所述之計算腎絲球過濾率之方法，其中於依據一病患之一檢體檢測複數個臨床因子之複數個濃度數值之步驟中，該檢體係選自於一血液及一尿液所組成群組之其組合。
  9. 如申請專利範圍第8項所述之計算腎絲球過濾率之方法，其中該尿液之採集時間為連續24小時。
  10. 如申請專利範圍第1或3或4項所述之計算腎絲球過濾率之方法，其中於依據一病患之一檢體檢測複數個臨床因子之複數個濃度數值之步驟中，該病患係為一心血管疾病患者。
  11. 如申請專利範圍第10項所述之計算腎絲球過濾率之方法，其中該心血管疾病患者係為罹患一心臟相關疾病及一血管相關疾病所組成群組之其中之一或其組合。
  12. 如申請專利範圍第1或3或4項所述之計算腎絲球過濾率之方法，其中於依據一病患之一檢體檢測複數個臨床因子之複數個濃度數值之步驟中，該病患係為一慢性腎臟病患者。
  13. 如申請專利範圍第12項所述之計算腎絲球過濾率之方法，其中該慢性腎臟病患者係為一腎臟受損超過三個月，該腎臟受損為一結構受損及一功能受損所組成群組之其中之一或其組合。
  14. 如申請專利範圍第13項所述之計算腎絲球過濾率之方法，其中該慢性腎臟病患者係為該腎絲球過濾率小於 60 ml/min/1.73 m 2之情況持續超過三個月。
TW107123574A 2018-07-06 2018-07-06 計算腎絲球過濾率之方法 TWI669506B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW107123574A TWI669506B (zh) 2018-07-06 2018-07-06 計算腎絲球過濾率之方法
US16/102,855 US20200011882A1 (en) 2018-07-06 2018-08-14 Method for calculating glomerular filtration rate (gfr)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107123574A TWI669506B (zh) 2018-07-06 2018-07-06 計算腎絲球過濾率之方法

Publications (2)

Publication Number Publication Date
TWI669506B true TWI669506B (zh) 2019-08-21
TW202006357A TW202006357A (zh) 2020-02-01

Family

ID=68316694

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107123574A TWI669506B (zh) 2018-07-06 2018-07-06 計算腎絲球過濾率之方法

Country Status (2)

Country Link
US (1) US20200011882A1 (zh)
TW (1) TWI669506B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112700875B (zh) * 2021-01-29 2023-05-23 中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所） 预测肾脏肿瘤术后肾功能的系统及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011063032A1 (en) * 2009-11-17 2011-05-26 Veralight, Inc. Method and apparatus to detect coronary artery calcification or disease
WO2018022866A1 (en) * 2016-07-28 2018-02-01 Metabolon, Inc. Diagnostic methods, therapeutic agents and uses thereof

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011063032A1 (en) * 2009-11-17 2011-05-26 Veralight, Inc. Method and apparatus to detect coronary artery calcification or disease
US20120283530A1 (en) * 2009-11-17 2012-11-08 Maynard John D Method and apparatus to detect coronary artery calcification or disease
WO2018022866A1 (en) * 2016-07-28 2018-02-01 Metabolon, Inc. Diagnostic methods, therapeutic agents and uses thereof

Also Published As

Publication number Publication date
TW202006357A (zh) 2020-02-01
US20200011882A1 (en) 2020-01-09

Similar Documents

Publication Publication Date Title
Hsu et al. High prevalence and low awareness of CKD in Taiwan: a study on the relationship between serum creatinine and awareness from a nationally representative survey
Westland et al. Risk factors for renal injury in children with a solitary functioning kidney
Lee et al. Low serum uric acid level is a risk factor for death in incident hemodialysis patients
Li et al. Prevalence of silent kidney disease in Hong Kong: the screening for Hong Kong Asymptomatic Renal Population and Evaluation (SHARE) program
Higuchi et al. Association of restless legs syndrome with oxidative stress and inflammation in patients undergoing hemodialysis
Mendiluce et al. Cystatin C as a marker of renal function in kidney transplant patients
Peco-Antić et al. Renal functional reserve in children with apparently normal congenital solitary functioning kidney
TWI669506B (zh) 計算腎絲球過濾率之方法
Perticone et al. Serum phosphorus levels are associated with endothelial dysfunction in hypertensive patients
Muhaisen et al. Risk factors of cardiovascular disease among children with chronic kidney disease in Gaza strip
Gennari Acid–base homeostasis in dialysis
Şen et al. Urinary NGAL is a potential biomarker for early renal injury in insulin resistant obese non-diabetic children
Busari et al. Microalbuminuria and hypertensive retinopathy among newly diagnosed nondiabetic hypertensive adult Nigerians
Sharipovna Current Approaches to early diagnostics of chronic kidney disease and evaluated risk factors
Hawale et al. Comparative Study of Serum Cystatin C and Serum Creatinine Level in Before and After Hemodialysis
Delcroix et al. NGAL usefulness in the intensive care unit three hours after cardiac surgery
Behairy et al. Neutrophil-to-lymphocyte ratio and platelet-to-lymphocyte ratio in evaluation of inflammation and nutritional status in chronic kidney disease patients
Ekinci et al. Is hyperfiltration associated with higher urine albumin-to-creatinine ratio at follow up among Indigenous Australians? The eGFR follow-up study
Ahmed et al. Correlation between Albuminuria Levels and Chitinase 3 like 1 Protein in Iraqi Patients with Type 2 Diabetes Mellitus
Prabhu et al. Association of HbA1c with kidney dysfunction in diabetes mellitus and cardiovascular diseases
Dhungana et al. Evaluation of serum uric acid, glucose and other glycemic parameter in type II diabetic individuals
Zhang et al. Associations of pulmonary function with serum biomarkers and dialysis adequacy in patients undergoing peritoneal dialysis
Thajeel et al. EVALUATION OF CYSTATIN C AND FIBROBLAST GROWTH FACTOR 23 IN TYPE 2 DIABETIC PATIENTS AND ITS ASSOCIATION WITH EARLY NEPHROPATHY.
Locham et al. Sodium Retention and intravascular volume status in childhood nephrotic syndrome
Mahayani et al. Blood pressure and glomerular filtration rate in obese adolescents