図面 (/)

この項目の情報は公開日時点(2020年2月27日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題

統合型の保健データ取得および分析ステムの提供。

解決手段

本発明は、統合型のヘルスケア監視および監視システムを提供する。前記システムは、リアルタイムサンプリングモデル化、分析、および推奨される介入を提供する。前記システムを用いて、感染性疾病および慢性疾病を監視することが可能である。病原体(例えば、インフルエンザウイルス)の大発生遭遇した際、前記システムは、高リスク場所(例えば、学校または人通りの多い商業地域)における先行サンプリングを通じて、アクティブ事例を特定することができる。イベントが検出された場合、前記システムは、適切な事業体(例えば、地方政府、地域政府および国政府)に通知することができ、これにより、大発生の可能性を先行管理することが可能となる。前記システムはまた、不足している資源配備についての最良応答予測する。

概要

背景

規模領域(例えば、大陸または全世界)に伝染病流行した場合、社会にとって大きな損失をもたらし得る。このような流行を挙げると、インフルエンザ天然痘結核ヒト免疫不全ウイルスHIV)、および重症急性呼吸器症候群SARS)の流行がある。2008年の世界銀行による推計によれば、インフルエンザの大流行に起因するコスト損失は3兆ドルになり得、国内総生産GDP)低下は約5%になり得る。また、世界銀行のさらなる推計によれば、深刻な流行病に起因して、世界中において7千万を越えるの人々が死亡し得る。他の推計によれば、インフルエンザの大流行は米国において経済後退をもたらし得、短期的損失は、少なくと5000億〜6750億ドルとなり得る。2003年、アジア太平洋地域における旅行、貿易および職場においてSARSによる大混乱が発生し、この地域におけるコスト損失は約400億ドルである。このSARSの流行は6ヶ月間継続し、25ヶ国において感染した8,000人のうち少なくとも1,000人が死亡した。カナダトロントにおいては、航空交通が数週間にわたって停止し、大きな経済損失が発生した。

2009年のインフルエンザシーズンはわずか数週間であったのにも関わらず、コスト損失は数十億ドルになった。2009〜2010年ののインフルエンザシーズンについては、8月下旬に開始し、2010年春まで続くと予測される。有効なワクチン利用可能であっても、そのようなワクチンの供給量には制限があることが予測され、また、インフルエンザを数ヶ月間止められるとは考えられない。有効な抗ウイルス投与および対象を絞った隔離を可能とする先行スクリーニングを通じてインフルエンザを封じ込めることができれば、経済損失を最小にすることが可能になる。

回避行動」に起因する経済損失は、インフルエンザ患者治療コストよりもさらに高い。「回避行動」コストを挙げると、飛行機旅行の低減、インフルエンザに感染した目的地への旅行の回避、サービス消費(例えば、公共交通機関の利用、外食、ショッピングなど)の低減がある。世界銀行によれば、インフルエンザ流行が1918年から1919年のインフルエンザと同様の2.5%の死亡率に近付いた場合、回避行動による1つの地域における損失は、死亡率または欠勤に起因する損失の5倍を越える。

概要

統合型の保健データ取得および分析ステムの提供。本発明は、統合型のヘルスケア監視および監視システムを提供する。前記システムは、リアルタイムサンプリングモデル化、分析、および推奨される介入を提供する。前記システムを用いて、感染性疾病および慢性疾病を監視することが可能である。病原体(例えば、インフルエンザウイルス)の大発生遭遇した際、前記システムは、高リスク場所(例えば、学校または人通りの多い商業地域)における先行サンプリングを通じて、アクティブ事例を特定することができる。イベントが検出された場合、前記システムは、適切な事業体(例えば、地方政府、地域政府および国政府)に通知することができ、これにより、大発生の可能性を先行管理することが可能となる。前記システムはまた、不足している資源配備についての最良応答を予測する。

目的

本発明は、リアルタイムサンプリング、モデル化、分析、および/または推奨される介入を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

明細書に記載のシステム

技術分野

0001

本出願は、米国仮出願第61/253,015号(出願日:2009年10月19日)の恩恵を主張する。本明細書中、同出願全体を参照により援用する。

背景技術

0002

規模領域(例えば、大陸または全世界)に伝染病流行した場合、社会にとって大きな損失をもたらし得る。このような流行を挙げると、インフルエンザ天然痘結核ヒト免疫不全ウイルスHIV)、および重症急性呼吸器症候群SARS)の流行がある。2008年の世界銀行による推計によれば、インフルエンザの大流行に起因するコスト損失は3兆ドルになり得、国内総生産GDP)低下は約5%になり得る。また、世界銀行のさらなる推計によれば、深刻な流行病に起因して、世界中において7千万を越えるの人々が死亡し得る。他の推計によれば、インフルエンザの大流行は米国において経済後退をもたらし得、短期的損失は、少なくと5000億〜6750億ドルとなり得る。2003年、アジア太平洋地域における旅行、貿易および職場においてSARSによる大混乱が発生し、この地域におけるコスト損失は約400億ドルである。このSARSの流行は6ヶ月間継続し、25ヶ国において感染した8,000人のうち少なくとも1,000人が死亡した。カナダトロントにおいては、航空交通が数週間にわたって停止し、大きな経済損失が発生した。

0003

2009年のインフルエンザシーズンはわずか数週間であったのにも関わらず、コスト損失は数十億ドルになった。2009〜2010年ののインフルエンザシーズンについては、8月下旬に開始し、2010年春まで続くと予測される。有効なワクチン利用可能であっても、そのようなワクチンの供給量には制限があることが予測され、また、インフルエンザを数ヶ月間止められるとは考えられない。有効な抗ウイルス投与および対象を絞った隔離を可能とする先行スクリーニングを通じてインフルエンザを封じ込めることができれば、経済損失を最小にすることが可能になる。

0004

回避行動」に起因する経済損失は、インフルエンザ患者治療コストよりもさらに高い。「回避行動」コストを挙げると、飛行機旅行の低減、インフルエンザに感染した目的地への旅行の回避、サービス消費(例えば、公共交通機関の利用、外食、ショッピングなど)の低減がある。世界銀行によれば、インフルエンザ流行が1918年から1919年のインフルエンザと同様の2.5%の死亡率に近付いた場合、回避行動による1つの地域における損失は、死亡率または欠勤に起因する損失の5倍を越える。

課題を解決するための手段

0005

よって、伝染病(例えば、インフルエンザ)が発生した場合に当該伝染病の拡散を軽減するためのインフラストラクチャが早急に必要とされている。本発明は、リアルタイムサンプリングモデル化分析、および/または推奨される介入を提供する統合システムを通じて、この必要を満たす。前記システムは、高リスクの場所(例えば、学校または人通りの多い商業地域)における先行サンプリングを通じて大発生アクティブ事例を特定することができ、その周囲のケースのサンプリングおよび隔離により、大発生の撲滅支援することができる。前記システムはまた、不足している資源配備のために適切な応答を提案し、死亡率および罹患率ならびに経済的影響の低減の双方に関して、このような軽減による影響を予測することができる。さらに、本発明のシステムは、高精度であり、より信頼性がありかつタイムリーな情報を政府が提供することを支援することができる。この情報により、不要な回避行動を低減し、数十億ドルの低減が可能となり得る。

0006

一態様において、本発明は、1つの集団における疾病進行をモデル化するシステムを提供する。前記システムは、前記疾病および/または前記集団に関連する静的データを含む静的データベース構成要素と、前記集団および個々の対象に関する動的データを含む動的データベース構成要素と、前記静的データベース構成要素および前記動的データベース構成要素内のデータをモデル化することにより前記集団における疾病をモデル化するように構成されたコンピュータモデル化構成要素とを含む。前記疾病は、伝染病または慢性疾病であり得る。

0007

いくつかの実施形態において、病原体またはその分析物は、以下を含む:アデノウイルス百日咳クラミジア肺炎、クラミジアトラコマチスコレラ毒素、コレラ毒素β、カンピロバクタージェジュニサイトメガロウイルスジフテリア毒素エプスタインバーNA、エプスタインバーEA、エプスタインバーVCA、ヘリコバクターピロリB型肝炎ウイルスHBVコア、B型肝炎ウイルス(HBV)エンベロープ、B型肝炎ウイルス(HBV)表面(Ay)、C型肝炎ウイルス(HCV)コア、C型肝炎ウイルス(HCV)NS3、C型肝炎ウイルス(HCV)NS4、C型肝炎ウイルス(HCV)NS5、A型肝炎D型肝炎E型肝炎ウイルスHEV)orf2−3KD、E型肝炎ウイルス(HEV)orf2−6KD、E型肝炎ウイルス(HEV)orf3−3KD、ヒト免疫不全ウイルス(HIV)−1p24、ヒト免疫不全ウイルス(HIV)−1gp41、ヒト免疫不全ウイルス(HIV)−1gp120、ヒトパピローマウイルス(HPV)、単純ヘルペスウイルスSV−1/2、単純ヘルペスウイルスHSV−1gD、単純ヘルペスウイルスHSV−2gG、ヒトT細胞白血病ウイルスHTLV)−1/2、インフルエンザA、インフルエンザAH3N2、インフルエンザB、ドノバンリーシュマニアライム病おたふく風邪肺炎マイコプラズマ結核菌パラインフルエンザ1、パラインフルエンザ2、パラインフルエンザ3、ポリオウイルス呼吸器合胞体ウイルス(RSV)、風疹麻疹ストレプトリジンO破傷風毒素梅毒トレポネーマ15kd、梅毒トレポネーマp47、クルーズトリパノソーマトキソプラズマ、または水痘帯状疱疹

0008

他の実施形態において、前記疾病は、以下を含む伝染病である:微生物、細菌、ウイルス、バクテリア古細菌原生動物原生生物真菌または微小植物。前記ウイルスは、インフルエンザまたはHIVを含み得る。前記バクテリアは、ヒト型結核菌を含み得る。前記原生動物は、マラリアを含み得る。

0009

さらに他の実施形態において、前記疾病は、以下を含む慢性的な疾病または状態である:糖尿病前糖尿病インスリン耐性代謝異常肥満、または心血管疾患

0010

本発明の静的データベース構成要素は、集団中の個人に関する情報を含み得る。前記集団中の個人に関する情報は、年齢人種性別、場所、遺伝因子単一ヌクレオチド多型(SNP)、家族歴病歴または治療歴のうち1つ以上を含み得る。

0011

前記静的データベース構成要素は、疾病に関する情報も含み得る。前記疾病に関する情報は、病原性伝染性、感染形態、治療効性ワクチン有効性、死亡率、回復期間、治療コスト、感染性、感染速度、突然変異率、および過去の大発生のうち1つ以上を含み得る。

0012

いくつかの実施形態において、前記動的データベース構成要素中のデータは、リアルタイムで更新される。いくつかの実施形態において、前記動的データベース構成要素中のデータは、集団中の個人の病態の表示を含む。前記個人の病態の表示は、バイオマーカー生理学的パラメータまたはこれらの組み合わせの測定により、決定され得る。

0013

本発明によって監視される疾病がインフルエンザである場合、前記バイオマーカー(単数または複数)は、ヘマグルチニンおよび/またはノイラミニダーゼを含む。ヘマグルチニンは、H1、H2、H3、H4、H5、H6、H7、H8、H9、H10、H11、H12、H13、H14、H15およびH16からなる群から選択することができ、ノイラミニダーゼは、N1、N2、N3、N4、およびN5からなる群から選択することができる。いくつかの実施形態において、ヘマグルチニンはH1を含み、ノイラミニダーゼはN1を含む。いくつかの実施形態において、ヘマグルチニンはH5を含み、ノイラミニダーゼはN1を含む。

0014

本発明によって測定さえるバイオマーカーは、ホスト抗体であり得る、例えば、前記バイオマーカーは、疾病マーカーに対するIgM抗体IgG抗体またはIgA抗体であり得る。

0015

いくつかの実施形態において、前記バイオマーカーは、炎症マーカーを含む。このような炎症マーカーは、サイトカインまたはC反応性タンパクであり得る。前記炎症マーカーはまた、IL−1β、IL−6、IL−8、IL−10またはTNFαであり得る。

0016

いくつかの実施形態において、前記バイオマーカーは、前記個人からの体液サンプル中において測定される。例示的な体液を非限定的に挙げると、血液、血漿血清、尿、糞便精液粘液リンパ液唾液、または鼻洗浄液がある。

0017

いくつかの実施形態において、本発明によって測定される生理学的パラメータは、体重、体温心拍血圧可動性水分補給ECG、または飲酒のうちの1つ以上を含む。

0018

前記バイオマーカーまたは生理学的パラメータは、ポイントオブケア機器を用いて決定することができる。前記ポイントオブケア機器は、前記コンピュータモデル化構成要素によって決定された指示に従って、配備することができる。前記ポイントオブケア機器は、カートリッジアッセイ、リアルタイムPCR、迅速抗原検査、ウイルス培養および免疫アッセイのうち1つ以上を非限定的に行い得る。前記ポイントブケア機器は、2つ以上のバイオマーカーの測定を、標準的方法の精度および/または精密度よりも30%を越えて向上した精度および/または精密度で行うことができる。いくつかの実施形態において、前記システムは、複数のポイントオブケア機器を含む。前記ポイントブケア機器は、以下のうちの1つ以上に配置することができる:学校、職場、ショッピングセンターコミュニティセンター宗教法人病院診療所モバイルユニットまたは家庭

0019

前記ポイントオブケア機器は、ポータブル器具を含み得る。例えば、前記ポイントオブケア機器は、ポータブルカートリッジを含み得る。いくつかの実施形態において、前記カートリッジは、バイオマーカー(単数または複数)を測定するための試薬受容するように構成される。前記バイオマーカー(単数または複数)は、前記コンピュータモデル化構成要素から通信されたプロトコルに従って測定され得る。いくつかの実施形態において、前記カートリッジは、複数の体液サンプルからの1組のバイオマーカを測定するように構成される。

0020

本発明のポイントオブケア機器は、データ入力のために構成されたグラフィカルユーザインターフェースを含み得る。

0021

いくつかの実施形態において、前記ポイントオブケア機器は、バイオマーカーまたは生理学的パラメータ測定結果を記コンピュータモデル化構成要素へと通信するように、構成される。前記通信は、無線通信有線通信またはこれらの組み合わせを含み得る。無線通信を非限定的に挙げると、WiFi、ブルートゥースジグビーセルラー、衛星および/またはWWANがある。前記通信は、セキュアインターネット通信を介して行われ得る。いくつかの実施形態において、前記ポイントオブケア機器は、前記コンピュータモデル化構成要素との双方向通信を行うように、構成される。

0022

本発明のシステムのいくつかの実施形態において、更新された動的データが利用可能となったとき(例えば、前記コンピュータモデル化構成要素が更新された情報をポイントオブケア機器から受信した後)、モデル化結果がリアルタイムで更新される。

0023

前記コンピュータモデル化構成要素は、医療専門家政府機関および個々のヒト対象のうち1人以上へモデル化結果を提示するように構成することができる。前記コンピュータモデル化構成要素はまた、前記モデル化結果に基づいて1つ以上の行動指針を予測するように構成することができる。前記1つ以上の行動指針は、ランク付けパラメータ(例を非限定的に挙げると、経済的理由、罹患する個人の数、質調整生存年(QALY)、および/または経済的損失あたりの質調整生存年(QALY)に従ってランク付けされる。

0024

前記1つ以上の行動指針は、病害拡大を抑制するための戦略を含む。前記病害拡大を抑制するための戦略は、家庭内隔離、個人隔離、地理的隔離社会距離戦略、入院、学校閉鎖、職場閉鎖、旅行制限、公共輸送閉鎖、治療または介入、予防的治療または介入、ワクチン接種保護衣の提供、マスクの提供、およびさらなるポイントオブケア検査のうち1つ以上を含み得る。前記病害拡大を抑制するための戦略は、有リスク個人または罹患した個人への行動修正についてのカウンセリング、複数回のバイオマーカー測定および/または生理学的測定、および前記個人に対する報酬のうち1つ以上をさらに含み得る。さらに、前記病害拡大を抑制するための戦略は、患者トリアージ推奨、資源管理、各戦略における有効性期待係数、各戦略のコスト、各戦略における投資利益のうち1つ以上を含み得る。前記病害拡大を抑制するための戦略は、的を絞った予防、一括予防、的を絞った抗生予防、一括抗生予防、的を絞った抗ウイルス予防、一括抗ウイルス予防、的を絞ったワクチン接種、および一括ワクチン接種のうち1つ以上であり得る。前記的を絞った予防またはワクチン接種は、1〜4歳の子ども、5歳〜14歳の子ども、妊婦、15歳〜30歳の若者第一線医療従事者、高死亡危険性が判明している個人、または高齢の個人を対象とする予防またはワクチン接種であり得る。

0025

本発明のいくつかの実施形態において、前記コンピュータモデル化構成要素は、前記モデル化結果に基づいて監視戦略を推定するように構成される。前記監視戦略は、ポイントオブケア機器を用いて、個人または個人のグループの状態を決定することを含み得る。疾病に罹患した個人が検出された際、前記監視戦略を更新することができる。いくつかの実施形態において、前記更新された戦略は、疾病に罹患した個人を含む家庭を検査すること、疾病に罹患した個人を含む学校を検査すること、疾病に罹患した個人を含む職場を検査することのうち1つ以上を含む。前記更新された戦略は、さらに隔離、予防または入院のうち1つ以上であり得る。

0026

いくつかの実施形態において、前記コンピュータモデル化構成要素は、ユーザにモデル化結果を表示するためのグラフィカルインターフェースを含む。

0027

前記コンピュータモデル化構成要素は、複数の非線形常微分方程式および/または複数のパラメータを含み得る。いくつかの実施形態において、前記コンピュータモデル化構成要素は、前記静的データおよび/または動的データが更新された際に前記複数のパラメータを更新する学習機械を含む。

0028

前記データのモデルは、複数の状態を含むように構成され得る。いくつかの実施形態において、前記複数の状態は、以下のうち1つ以上を含む:感染しやすい個人、早期に曝露された個人、後期に曝露された個人、早期に感染した個人、後期に感染した個人、回復した個人、感染および/または関連する合併症に起因して死亡した個人、無症状の個人、治療が施された個人、治療が施されかつ隔離された個人、予防的治療が施された個人、ワクチン投与された個人、ワクチン接種によって保護された個人、早期に感染した個人のうち入院した個人、後期に感染した個人のうち入院した個人、感染しやすい個人のうち家庭内隔離された個人、早期に曝露された個人のうち家庭内隔離された個人、後期に曝露された個人のうち家庭内隔離された個人、早期に感染した個人のうち家庭内隔離された個人、後期に感染した個人のうち家庭内隔離された個人、無症状の個人のうち家庭内隔離された個人、感染しやすい個人のうち近隣体単位で隔離された個人、早期に曝露された個人のうち近隣全体単位で隔離された個人、後期に曝露された個人のうち近隣全体単位で隔離された個人、早期に感染した個人のうち近隣全体単位で隔離された個人、後期に感染した個人のうち近隣全体単位で隔離された個人、無症状の個人のうち近隣全体単位で隔離された個人、利用可能な治療薬剤の投与量、前記目標集団に対して利用可能な抗ウイルス剤および/または抗生剤の量、ワクチン投与されかつ家庭内隔離された個人、家庭内隔離されかつワクチン接種によって保護された個人、家庭内隔離されかつ回復した個人、感染しやすい個人のうち軽減方針アクション割り当てられた個人、早期に曝露された個人のうち軽減方針アクションが割り当てられた個人、後期に曝露された個人のうち軽減方針アクションが割り当てられた個人、無症状の個人のうち軽減方針アクションが割り当てられた個人、早期に感染した個人のうち軽減方針アクションが割り当てられた個人、後期に感染した個人のうち軽減方針アクションが割り当てられた個人、予防治療が施された個人のうち軽減方針アクションが割り当てられた個人、ワクチン投与された個人のうち軽減方針アクションが割り当てられた個人、保護された個人のうち軽減方針アクションが割り当てられた個人、回復した個人のうち軽減方針アクションが割り当てられた個人、感染しやすい個人のうち治療が割り当てられた個人、早期に曝露された個人のうち治療が割り当てられた個人、後期に曝露された個人のうち治療が割り当てられた個人、無症状の個人のうち治療が割り当てられた個人、早期に感染した個人のうち治療が割り当てられた個人、後期に感染した個人のうち治療が割り当てられた個人、感染しやすい個人のうち監視が割り当てられた個人、早期に曝露された個人のうち監視が割り当てられた個人、後期に曝露された個人のうち監視が割り当てられた個人、無症状の個人のうち監視が割り当てられた個人、早期に感染した個人のうち監視が割り当てられた個人、後期に感染した個人のうち監視が割り当てられた個人、予防対象となる個人のうち監視が割り当てられた個人、ワクチン投与された個人のうち監視が割り当てられた個人、保護された個人のうち監視が割り当てられた個人、近隣全体隔離内の感染しやすい個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の早期に曝露された個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の後期に曝露された個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の無症状の個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の早期に感染した個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の後期に感染した個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の予防治療が施された個人のうち軽減方針アクションが割り当てられた個人、治療投与量累積数、投与された抗ウイルス剤および/または抗生剤の累積数、家庭内隔離された無症状の個人の累積数、家庭内隔離されかつ症状を示す個人の累積数、感染した個人の合計累積数、感染した個人のうち隔離されていない個人の累積数、感染した個人のうち何らかの措置がとられた個人の累積数、入院した個人の累積数、および死亡累積数。

0029

別の態様において、本発明は、集団内におけるインフルエンザの流行を抑制するシステムを提供する。前記システムは、前記インフルエンザおよび/または前記集団に関連する静的データを含む静的データベース構成要素と、前記集団に関する動的データを含む動的データベース構成要素と、前記静的データベース構成要素および前記動的データベース構成要素中の前記データをモデル化することで、前記集団内の前記インフルエンザの発生をモデル化するように構成されたコンピュータモデル化構成要素とを含む。

0030

さらに別の態様において、本発明は、集団内におけるヒト免疫不全ウイルス(HIV)の流行を抑制するためのシステムを提供する。前記システムは、前記HIVおよび/または前記集団に関連する静的データを含む静的データベース構成要素と、前記集団に関する動的データを含む動的データベース構成要素と、前記静的データベース構成要素および前記動的データベース構成要素中の前記データをモデル化することで、前記集団内のHIVの発生をモデル化するように構成されたコンピュータモデル化構成要素とを含む。

0031

さらに別の態様において、本発明は、集団内における肝炎の流行を抑制するシステムを提供する。前記システムは、前記肝炎および/または前記集団に関連する静的データを含む静的データベース構成要素と、前記集団に関する動的データを含む動的データベース構成要素と、前記静的データベース構成要素および前記動的データベース構成要素中の前記データをモデル化することで、前記集団内における前記肝炎の発生をモデル化するように構成されたコンピュータモデル化構成要素とを含む。

0032

態様において、本発明は、集団内における糖尿病の拡散を制御するためのシステムを提供する。前記システムは、前記糖尿病に関連する静的データおよび/または前記集団を含む静的データベース構成要素と、前記集団に関する動的データを含む動的データベース構成要素と、前記静的データベース構成要素および前記動的データベース構成要素中の前記データをモデル化することで、前記集団内における前記糖尿病の発生をモデル化するように構成されたコンピュータモデル化構成要素とを含む。
本願明細書は、例えば、以下の項目も提供する。
(項目1)
集団内における疾病進行をモデル化するためのシステムであって、
(a)前記疾病および/または前記集団に関連する静的データを含む静的データベース構成要素と、
(b)前記集団および個々の対象に関する動的データを含む動的データベース構成要素と、
(c)前記静的データベース構成要素および前記動的データベース構成要素中の前記データをモデル化し、それにより前記集団内における前記疾病をモデル化するするように構成されたコンピュータモデル化構成要素と、
を含む、システム。
(項目2)
前記疾病は、伝染病または慢性疾病である、項目1に記載のシステム。
(項目3)
前記病原体またはその分析物は、アデノウイルス、百日咳、クラミジア肺炎、クラミジアトラコマチス、コレラ毒素、コレラ毒素β、カンピロバクタージェジュニ、サイトメガロウイルス、ジフテリア毒素、エプスタインバーNA、エプスタインバーEA、エプスタインバーVCA、ヘリコバクターピロリ、B型肝炎ウイルス(HBV)コア、B型肝炎ウイルス(HBV)エンベロープ、B型肝炎ウイルス(HBV)表面(Ay)、C型肝炎ウイルス(HCV)コア、C型肝炎ウイルス(HCV)NS3、C型肝炎ウイルス(HCV)NS4、C型肝炎ウイルス(HCV)NS5、A型肝炎、D型肝炎、E型肝炎ウイルス(HEV)orf2−3KD、E型肝炎ウイルス(HEV)orf2−6KD、E型肝炎ウイルス(HEV)orf3−3KD、ヒト免疫不全ウイルス(HIV)−1p24、ヒト免疫不全ウイルス(HIV)−1gp41、ヒト免疫不全ウイルス(HIV)−1gp120、ヒトパピローマウイルス(HPV)、単純ヘルペスウイルスHSV−1/2、単純ヘルペスウイルスHSV−1gD、単純ヘルペスウイルスHSV−2gG、ヒトT細胞白血病ウイルス(HTLV)−1/2、インフルエンザA、インフルエンザAH3N2、インフルエンザB、ドノバンリーシュマニア、ライム病、おたふく風邪、肺炎マイコプラズマ、結核菌、パラインフルエンザ1、パラインフルエンザ2、パラインフルエンザ3、ポリオウイルス、呼吸器合胞体ウイルス(RSV)、風疹、麻疹、ストレプトリジンO、破傷風毒素、梅毒トレポネーマ15kd、梅毒トレポネーマp47、クルーズトリパノソーマ、トキソプラズマ、または水痘帯状疱疹を含む、項目0に記載のシステム。
(項目4)
前記疾病は、微生物、細菌、ウイルス、バクテリア、古細菌、原生動物、原生生物、真菌または微小植物を含む伝染病である、項目0に記載のシステム。
(項目5)
前記ウイルスは、インフルエンザまたはHIVを含む、項目4に記載のシステム。
(項目6)
前記バクテリアはヒト型結核菌を含む、項目4に記載のシステム。
(項目7)
前記原生動物はマラリアを含む、項目4に記載のシステム。
(項目8)
前記疾病は、慢性疾病であるか、または、糖尿病、前糖尿病、インスリン耐性、代謝異常、肥満または心血管疾患を含む状態である、項目0に記載のシステム。
(項目9)
前記静的データベース構成要素は、前記集団中の個人に関する情報を含む、項目1に記載のシステム。
(項目10)
前記集団中の個人に関する情報は、年齢、人種、性別、場所、遺伝因子、単一ヌクレオチド多型(SNP)、家族歴、病歴または治療歴のうち1つ以上を含む、項目9に記載のシステム。
(項目11)
前記静的データベース構成要素は、前記疾病に関する情報を含む、項目1に記載のシステム。
(項目12)
前記疾病に関する前記情報は、病原性、伝染性、感染形態、治療有効性、ワクチン有効性、死亡率、回復期間、治療コスト、感染性、感染速度、突然変異率、および過去の大発生のうち1つ以上を含む、項目11に記載のシステム。
(項目13)
前記動的データベース構成要素中のデータは、リアルタイムで更新される、項目1に記載のシステム。
(項目14)
前記動的データベース構成要素中のデータは、前記集団中の個人の病態の表示を含む、項目1に記載のシステム。
(項目15)
個人の病態の表示は、バイオマーカー、生理学的パラメータまたはこれらの組み合わせの測定によって決定される、項目14に記載のシステム。
(項目16)
前記疾病はインフルエンザであり、前記バイオマーカーは、ヘマグルチニンおよび/またはノイラミニダーゼを含む、項目15に記載のシステム。
(項目17)
前記ヘマグルチニンは、H1、H2、H3、H4、H5、H6、H7、H8、H9、H10、H11、H12、H13、H14、H15、およびH16からなる群から選択され、前記ノイラミニダーゼは、N1、N2、N3、N4およびN5からなる群から選択される、項目16に記載のシステム。
(項目18)
前記ヘマグルチニンはH1を含み、前記ノイラミニダーゼはN1を含む、項目17に記載のシステム。
(項目19)
前記ヘマグルチニンはH5を含み、前記ノイラミニダーゼはN1を含む、項目17に記載のシステム。
(項目20)
前記バイオマーカーはホスト抗体を含む、項目15に記載のシステム。
(項目21)
前記バイオマーカーは、疾病マーカーに対するIgM抗体、IgG抗体またはIgA抗体を含む、項目20に記載のシステム。
(項目22)
前記バイオマーカーは、炎症マーカーを含む、項目15に記載のシステム。
(項目23)
前記炎症マーカーは、サイトカインまたはC反応性タンパクを含む、項目22に記載のシステム。
(項目24)
前記炎症マーカーは、IL−1β、IL−6、IL−8、IL−10またはTNFαを含む、項目23に記載のシステム。
(項目25)
前記バイオマーカーは、前記個人からの体液サンプル中において測定される、。項目15に記載のシステム。
(項目26)
前記体液は、血液、血漿、血清、痰、尿、糞便、精液、粘液、リンパ液、唾液または鼻洗浄液を含む、項目25に記載のシステム。
(項目27)
前記生理学的パラメータは、体重、体温、心拍、血圧、可動性、水分補給、ECGまたは飲酒のうち1つ以上を含む、項目15に記載のシステム。
(項目28)
前記バイオマーカーまたは生理学的パラメータは、ポイントオブケア機器を用いて決定される、項目15に記載のシステム。
(項目29)
前記ポイントオブケア機器は、カートリッジアッセイ、リアルタイムPCR、迅速抗原検査、ウイルス培養および免疫アッセイのうち1つ以上を行う、項目28に記載のシステム。
(項目30)
前記システムは、複数のポイントオブケア機器を含む、項目28に記載のシステム。
(項目31)
前記ポイントオブケア機器は、学校、職場、ショッピングセンター、コミュニティセンター、宗教法人、病院、診療所、モバイルユニットまたは家庭のうちの1つ以上に配置される、項目28に記載のシステム。
(項目32)
前記ポイントオブケア機器はポータブル器具を含む、項目28に記載のシステム。
(項目33)
前記ポイントオブケア機器はポータブルカートリッジを含む、項目28に記載のシステム。
(項目34)
前記カートリッジは、バイオマーカーを測定するための試薬を受容するように構成される、項目33に記載のシステム。
(項目35)
前記カートリッジは、前記コンピュータモデル化構成要素から通信されたプロトコルに基づいて前記バイオマーカーを測定するように構成される、項目33に記載のシステム。
(項目36)
前記カートリッジは、複数の体液サンプルからの1組のバイオマーカーを測定するように構成される、項目28に記載のシステム。
(項目37)
前記ポイントオブケア機器は、2つ以上のバイオマーカーの測定を標準的方法よりも30%を越えてより高い精度および/または精密度で行う、項目28に記載のシステム。
(項目38)
前記ポイントオブケア機器は、データを入力するように構成されたグラフィカルユーザインターフェースを含む、項目28に記載のシステム。
(項目39)
前記ポイントオブケア機器は、前記バイオマーカーまたは生理学的パラメータ測定結果を前記コンピュータモデル化構成要素へと通信するように構成される、項目28に記載のシステム。
(項目40)
前記通信は、無線通信、有線通信、またはこれらの組み合わせである、項目39に記載のシステム。
(項目41)
前記無線通信は、WiFi、ブルートゥース、ジグビー、セルラー、衛星、および/またはWWANを含む、項目40に記載のシステム。
(項目42)
前記通信は、セキュアなインターネット通信を含む、項目39に記載のシステム。
(項目43)
前記ポイントオブケア機器は、前記コンピュータモデル化構成要素との双方向通信を行うように構成される、項目28に記載のシステム。
(項目44)
前記ポイントオブケア機器は、前記コンピュータモデル化構成要素によって決定された命令に従って配備される、項目28に記載のシステム。
(項目45)
更新された動的データが利用可能となった場合、前記モデル化結果がリアルタイムで更新される、項目1に記載のシステム。
(項目46)
前記コンピュータモデル化構成要素は、医療専門家、政府機関および個々の対象者のうち1つ以上に対して前記モデル化結果を提示するように構成される、項目1に記載のシステム。
(項目47)
前記コンピュータモデル化構成要素は、前記モデル化結果に基づいて1つ以上の行動指針を予測するように構成される、項目1に記載のシステム。
(項目48)
前記1つ以上の行動指針は、ランク付けパラメータに従ってランク付けされる、項目47に記載のシステム。
(項目49)
前記ランク付けパラメータは、経済的理由、影響を受ける個人の数、質調整生存年(QALY)および/または経済的損失単位あたりの質調整生存年(QALY)を含む、項目48に記載のシステム。
(項目50)
前記1つ以上の行動指針は、病害拡大を抑制するための戦略を含む、項目47に記載のシステム。
(項目51)
前記病害拡大を抑制するための戦略は、家庭内隔離、個人隔離、地理的隔離、社会距離戦略、入院、学校閉鎖、職場閉鎖、旅行制限、公共輸送閉鎖、治療または介入、予防的治療または介入、ワクチン接種、保護衣の提供、マスクの提供、およびさらなるポイントオブケア検査のうち1つ以上を含む、項目50に記載のシステム。
(項目52)
前記病害拡大を抑制するための戦略は、有リスクの個人または罹患した個人のための行動修正のためのカウンセリング、複数回のバイオマーカー測定および/または生理学的測定、および前記個人に対する報酬のうち1つ以上を含む、項目50に記載のシステム。
(項目53)
前記病害拡大を抑制するための戦略は、患者トリアージ推奨、資源管理、各戦略の有効性期待係数、各戦略のコスト、各戦略における投資リターンのうち1つ以上を含む、項目50に記載のシステム。
(項目54)
前記病害拡大を抑制するための戦略は、的を絞った予防、一括予防、的を絞った抗生予防、一括抗生予防、的を絞った抗ウイルス予防、一括抗ウイルス予防、的を絞ったワクチン接種、および一括ワクチン接種のうち1つ以上を含む、項目50に記載のシステム。
(項目55)
的を絞った予防またはワクチン接種は、1歳〜4歳の子ども、5歳〜14歳の子ども、妊婦、15歳〜30歳の若者、第一線の医療従事者、高死亡危険性が判明している個人、または高齢の個人に的を絞った予防またはワクチン接種を含む、項目54に記載のシステム。
(項目56)
前記コンピュータモデル化構成要素は、前記モデル化結果に基づいて監視戦略を推定するように構成される、項目1に記載のシステム。
(項目57)
記監視戦略は、個人または個人のグループの疾病状態をポイントオブケア機器を用いて決定するステップを含む、項目56に記載のシステム。
(項目58)
疾病に罹患した個人が検出された際、前記監視戦略が更新される、項目56に記載のシステム。
(項目59)
前記更新された戦略は、前記疾病に罹患した個人を含む世帯を検査すること、前記疾病に罹患した個人を含む学校を検査すること、および前記疾病に罹患した個人を含む職場を検査することのうち1つ以上を含む、項目58に記載のシステム。
(項目60)
前記更新された戦略は、隔離、予防または入院のうち1つ以上を含む、項目58に記載のシステム。
(項目61)
前記コンピュータモデル化構成要素は、ユーザにモデル化結果を表示するためのグラフィカルインターフェースを含む、項目1に記載のシステム。
(項目62)
前記コンピュータモデル化構成要素は、複数の非線形常微分方程式を含む、項目1に記載のシステム。
(項目63)
前記データの前記モデルは、複数のパラメータを含む、項目1に記載のシステム。
(項目64)
前記コンピュータモデル化構成要素は、前記静的データおよび/または動的データが更新された際、前記複数のパラメータを更新する学習機械を含む、項目63に記載のシステム。
(項目65)
前記データのモデルは、複数の状態を含む、項目1に記載のシステム。
(項目66)
前記複数の状態は、感染しやすい個人、早期に曝露された個人、後期に曝露された個人、早期に感染した個人、後期に感染した個人、回復した個人、感染および/または関連する合併症に起因して死亡した個人、無症状の個人、治療が施された個人、治療が施されかつ隔離された個人、予防的治療が施された個人、ワクチン投与された個人、ワクチン接種によって保護された個人、早期に感染した個人のうち入院した個人、後期に感染した個人のうち入院した個人、感染しやすい個人のうち家庭内隔離された個人、早期に曝露された個人のうち家庭内隔離された個人、後期に曝露された個人のうち家庭内隔離された個人、早期に感染した個人のうち家庭内隔離された個人、後期に感染した個人のうち家庭内隔離された個人、無症状の個人のうち家庭内隔離された個人、感染しやすい個人のうち近隣全体単位で隔離された個人、早期に曝露された個人のうち近隣全体単位で隔離された個人、後期に曝露された個人のうち近隣全体単位で隔離された個人、早期に感染した個人のうち近隣全体単位で隔離された個人、後期に感染した個人のうち近隣全体単位で隔離された個人、無症状の個人のうち近隣全体単位で隔離された個人、利用可能な治療薬剤の投与量、前記目標集団に対して利用可能な抗ウイルス剤および/または抗生剤の量、ワクチン投与されかつ家庭内隔離された個人、家庭内隔離されかつワクチン接種によって保護された個人、家庭内隔離されかつ回復した個人、感染しやすい個人のうち軽減方針アクションが割り当てられた個人、早期に曝露された個人のうち軽減方針アクションが割り当てられた個人、後期に曝露された個人のうち軽減方針アクションが割り当てられた個人、無症状の個人のうち軽減方針アクションが割り当てられた個人、早期に感染した個人のうち軽減方針アクションが割り当てられた個人、後期に感染した個人のうち軽減方針アクションが割り当てられた個人、予防治療が施された個人のうち軽減方針アクションが割り当てられた個人、ワクチン投与された個人のうち軽減方針アクションが割り当てられた個人、保護された個人のうち軽減方針アクションが割り当てられた個人、回復した個人のうち軽減方針アクションが割り当てられた個人、感染しやすい個人のうち治療が割り当てられた個人、早期に曝露された個人のうち治療が割り当てられた個人、後期に曝露された個人のうち治療が割り当てられた個人、無症状の個人のうち治療が割り当てられた個人、早期に感染した個人のうち治療が割り当てられた個人、後期に感染した個人のうち治療が割り当てられた個人、感染しやすい個人のうち監視が割り当てられた個人、早期に曝露された個人のうち監視が割り当てられた個人、後期に曝露された個人のうち監視が割り当てられた個人、無症状の個人のうち監視が割り当てられた個人、早期に感染した個人のうち監視が割り当てられた個人、後期に感染した個人のうち監視が割り当てられた個人、予防対象となる個人のうち監視が割り当てられた個人、ワクチン投与された個人のうち監視が割り当てられた個人、保護された個人のうち監視が割り当てられた個人、近隣全体隔離内の感染しやすい個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の早期に曝露された個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の後期に曝露された個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の無症状の個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の早期に感染した個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の後期に感染した個人のうち軽減方針アクションが割り当てられた個人、近隣全体隔離内の予防治療が施された個人のうち軽減方針アクションが割り当てられた個人、治療投与量の累積数、投与された抗ウイルス剤および/または抗生剤の累積数、家庭内隔離された無症状の個人の累積数、家庭内隔離されかつ症状を示す個人の累積数、感染した個人の合計累積数、感染した個人のうち隔離されていない個人の累積数、感染した個人のうち何らかの措置がとられた個人の累積数、入院した個人の累積数、および死亡累積数のうち1つ以上を含む、
項目65に記載のシステム。
(項目67)
集団内におけるインフルエンザの流行を抑制するシステムであって、
(a)前記インフルエンザおよび/または前記集団に関連する静的データを含む静的データベース構成要素と、
(b)前記集団に関する動的データを含む動的データベース構成要素と、
(c)前記静的データベース構成要素および前記動的データベース構成要素中の前記データをモデル化することで、前記集団内の前記インフルエンザの発生をモデル化するように構成されたコンピュータモデル化構成要素と、
を含む、システム。
(項目68)
集団内におけるヒト免疫不全ウイルス(HIV)の流行を抑制するためのシステムであって、
(a)前記HIVおよび/または前記集団に関連する静的データを含む静的データベース構成要素と、
(b)前記集団に関する動的データを含む動的データベース構成要素と、
(c)前記静的データベース構成要素および前記動的データベース構成要素中の前記データをモデル化することで、前記集団内における前記HIVの発生をモデル化するように構成されたコンピュータモデル化構成要素と、
を含む、システム。
(項目69)
集団内における肝炎の流行を抑制するためのシステムであって、
(a)前記肝炎および/または前記集団に関連する静的データを含む静的データベース構成要素と、
(b)前記集団に関する動的データを含む動的データベース構成要素と、
(c)前記静的データベース構成要素および前記動的データベース構成要素中の前記データをモデル化することで、前記集団内における前記肝炎の発生をモデル化するように構成されたコンピュータモデル化構成要素と、
を含む、システム。
(項目70)
集団内における糖尿病の拡散を抑制するためのシステムであって、
(a)前記糖尿病に関連する静的データおよび/または前記集団を含む静的データベース構成要素と、
(b)前記集団に関する動的データを含む動的データベース構成要素と、
(c)前記静的データベース構成要素および前記動的データベース構成要素中の前記データをモデル化することで、前記集団内における前記糖尿病の発生をモデル化するように構成されたコンピュータモデル化構成要素と、
を含む、システム。

0033

参照による援用
本明細書中、本明細書中において言及される全ての公開文献、特許および特許出願を、各個々の公開文献、特許または特許出願が参考のため援用されるべきものとして具体的かつ個々に記載されているかのように、参照により援用する。

0034

本発明の新規な特徴を、添付の特許請求の範囲において詳細に明記する。以下の本発明の原理が用いられる例示的実施形態を明記する詳細な説明および以下の添付図面を参照すれば、本発明の特徴および利点のより深い理解が得られる。

図面の簡単な説明

0035

簡潔なモデル表現を示す。
多様な状態および状態間の遷移を考慮したモデル表現を示す。
4つの異なる構成におけるサンドイッチ複合体を用いたH1N1抗原のアッセイを示す。
ホスト抗ウイルス抗体のアッセイを示す。ホスト抗H1N1抗体向けのスパイク回復アッセイを示す。図示のバージョンにおいては、α−H1/α−N1構成が用いられている。
サンドイッチ複合体を示すα−H1N1抗体向けの直接アッセイを示す。
本発明において用いることが可能な例示的な機器を示す。前記例示的な機器は、アッセイユニット試薬ユニットおよび他のモジュール式構成要素を含む。
本発明において用いることが可能な例示的機器の2つの側部が切り欠かれた図を示す。前記例示的な機器は、アッセイユニット、試薬ユニットおよびサンプル先端部を収容するような形状にされた前記機器のハウジング内の空洞を含む。
小型先端部または管状形成部を含む例示的なアッセイユニットを示す。
本明細書中において記載されるようなサンプル先端部の一例を示す。
カップを含む試薬ユニットの1つの例を示す。
カップを含む試薬ユニットの1つの例を示す。
液体の排出時および別の液体の吸引時における前記先端部内の薄膜(例えば、汚染物)を示す。
1つの機器および流体移動機器を含むシステムの一例を示す。
温度制御のための加熱ブロックおよび検出器を含む本発明の例示的なシステムを示す。
患者が血液を機器へと送達した後、前記機器が読取器内へと挿入される、例示的システムを示す。
患者の医学的状態を評価するためのシステムを構築するためのプロセスフローを示す。
血漿分離方法の一例を示す。この方法において、全血サンプルをサンプル先端部内に吸引し、磁気試薬を前記サンプルと混合および懸濁し、その後、前記全血サンプルおよび磁気試薬混合物磁界を付加する。その後、分離された血液血漿サンプルを機器のウェル内に分配することができる。
血漿分離方法の一例を示す。この方法において、全血サンプルをサンプル先端部内に吸引し、磁気試薬を前記サンプルと混合および懸濁し、その後、前記全血サンプルおよび磁気試薬混合物へ磁界を付加する。その後、分離された血液血漿サンプルを機器のウェル内に分配することができる。
血漿分離方法の一例を示す。この方法において、全血サンプルをサンプル先端部内に吸引し、磁気試薬を前記サンプルと混合および懸濁し、その後、前記全血サンプルおよび磁気試薬混合物へ磁界を付加する。その後、分離された血液血漿サンプルを機器のウェル内に分配することができる。
血漿分離方法の一例を示す。この方法において、全血サンプルをサンプル先端部内に吸引し、磁気試薬を前記サンプルと混合および懸濁し、その後、前記全血サンプルおよび磁気試薬混合物へ磁界を付加する。その後、分離された血液血漿サンプルを機器のウェル内に分配することができる。
血漿分離方法の一例を示す。この方法において、全血サンプルをサンプル先端部内に吸引し、磁気試薬を前記サンプルと混合および懸濁し、その後、前記全血サンプルおよび磁気試薬混合物へ磁界を付加する。その後、分離された血液血漿サンプルを機器のウェル内に分配することができる。
本明細書中に記載のような、既知の量の対照分析物を含む対照アッセイの例示的方法を示す。
ヘルスシールドユーザインターフェースの例示的な実施形態を示す。
ヘルスシールド用インターフェースの別の例示的な実施形態を示す。
2009年のLaGloria大発生時における、ヘルスシールド軽減方針を用いた場合およびヘルスシールド軽減方針を用いない場合のシミュレーションを示す。
糖尿病リスク予測視覚化を示す。
ポイントオブケア機器を用いたH1N1ウイルス粒子の検出を示す。
ポイントオブケア機器を用いた臨床サンプル中のH1N1ウイルス粒子の検出を示す。
ポイントオブケア機器を用いたホスト抗体の検出を示す。
ポイントオブケア機器を用いたホスト抗体の検出を示す。
ポイントオブケア機器を用いたホスト抗体検出のダイナミックレンジを示す。
ポイントオブケア機器を用いたヒトサイトカインIL−6の検出を示す。
ポイントオブケア機器を用いた、化学療法を受けている患者中のタンパク質CおよびC反応性タンパク(CRP)の検出を示す。
ポイントオブケア機器を用いた、グルカゴン様ペプチド1(GLP−1)の検出を示す。
ポイントオブケア機器を用いた、インスリン前駆体であるC−ペプチドの検出を示す。
参照検出システム(Linco)と比較した、カートリッジポイントオブケア機器を用いたC−ペプチドの検出を示す。
食物摂取後の三人のヒト対象者中のGLP−1の測定を示す。
同一実験経過にわたるC−ペプチドの測定を示す。
VEGFR2のアッセイを行うためのアッセイユニットおよび試薬ユニットを相関付け較正曲線を示す。
較正関数を生成するための、アッセイ信号(光子カウント)に対してプロットされたCRP濃度と、5項多項式関数適合されたデータとを示す。
モデルと、本明細書中に記載されるようなパラメータSmax、C0.5およびDの値との間の適合が達成された様子を示す。
アッセイ先端において最終濃度を達成するために用いられる希釈のデータを示す。
相対希釈:1:1(実線)、5:1(破線)、および25:1(点線)について、正規化されたアッセイ応答(B/Bmax)を正規化log濃度(C/C0.5)に対してプロットした結果を示す。
図33と同様の例を異なる正規化濃度で示す。
図33と同様の例を異なる正規化濃度で示す。
敗血症の個人中のIL−6のスパイクを示す。
敗血症の個人中のタンパク質Cの低下を示す。
患者(左側パネル)・中のH1N1インフルエンザの負荷増加と共に発生する、個人中のIl−6およびTNF−α(右側パネル)の増加を示す。

実施例

0036

1つの実施形態において、本発明は、統合型の保健データ取得、分析および流行病軽減のためのソリューション(本明細書中、ヘルスシールド(HS)と呼ぶ)を提供する。HSは、インフルエンザウイルスおよび風土病または流行病の拡散の原因となり易い他の病原体に起因する感染に対して用いることが可能である。インフルエンザウイルスが大発生した場合、数十億ドルのコスト損失に繋がり、ワクチン接種だけで完全に封じ込めることは現状では不可能である。先行スクリーニングを行うことで、有効な抗ウイルス剤の投与および対象を絞った隔離を行えば、インフルエンザを封じ込めることができ、経済損失も最小化することができる。流行モデルに基づいて本発明のHSを機能させることで、先行サンプリングおよび封じ込めを通じて、ウイルス拡散を(例えば少なくとも50%だけ)低減させることが可能となる。また、HSによりウイルス拡散をリアルタイムで追跡することが可能となるため、不要な回避行動も低減することが可能となる。所望のときに、サーバーで動作しているHSソフトウェアへと検査結果無線中継することができる。従って、イベントが検出された際、適切な事業体(例えば、地方政府、地域政府および国政府)に警報を通知することで、大発生の可能性の先行管理を行うことが可能となる。

0037

さらなる実施形態において、ヘルスシールドインフラストラクチャにより、戦略的産業パークおよび商業パークを「安全ゾーン」として提供することが可能となり、これにより、経済的に重要な活動の継続が可能となる。その結果、ウイルスに感染する労働者が少なくなり、ウイルスによって混乱を受ける学校および会社も少なくなる。流行病軽減戦略により、経済成長動力となる生産性が維持され、パニックによる行動が排除される。

0038

前記システムは、リアルタイムインフォマティックスインフラストラクチャ中に組み込まれる、統合型のサンプリングおよびモデル化技術パッケージソフトを含み得る。長期間にわたり取得されたデータに対してサンプリング、モデル化および学習を行う能力により、疾病のケアおよび管理のための最適な戦略を個人ベースおよび集団ベースにおいて配備することが可能になる。多数の疾病および治療領域に対して、カスタムアプリケーションを構築することが可能となる。前記HSインフラストラクチャを用いれば、伝染病を越えた広範な脅威(例えば、慢性疾病およびバイオテロリズムの脅威)から有る領域を保護することも可能となる。

0039

I.ヘルスシールドインフラストラクチャ
ヘルスシールドは、統合型の自動化されかつリアルタイムのサンプリング、モデル化、分析および介入推奨を通じて、伝染病の拡散を封じ込めるシステムを提供する。例えば、前記HSは、(高リスク場所(例えば、学校または人通りの多い商業地域)における先行サンプリングを通じて)大発生のアクティブ事例を特定し、サンプリングおよび防衛手段(例えば、大発生の軽減または根絶のための包囲ケースの隔離)をとることが可能である。HSアルゴリズムにより、森林火災の場合と同様に流行の拡散が特徴付けられ、ここで、THSモデルの軽減方針の目的は、「火災」の発生および拡散前に「ホットスポット」を根絶することおよび/または疾病ホットスポットの周囲に防火帯を生成することである。

0040

いくつかの実施形態において、前記HSは、2つの技術的構成要素、すなわち、現場システムFS)およびオペレーティングシステム(OS)を含む。保健結果の向上および保健ケアコストの低減を可能とするために、これらの構成要素を慢性疾病の管理に適合させることが可能である。

0041

(a)現場システム(FS)
前記HSの現場システム構成要素は、多様なケアポイント(例を非限定的に挙げると、診療所、公共機関(例えば、学校、コミュニティセンター)、病院、医院または個人宅)において配備させることが可能である。前記FSはまた、疾病を監視するために任意の数のプラットフォーム(例えば、免疫アッセイ、PCRアッセイ、リアルタイムPCR、微生物プレーティングなど)を用いることができる。前記FSは、標準的な医療機器(例えば、体重計血圧計温度計身長計など)も含む。いくつかの実施形態において、前記FS機器は、本明細書中に記載のような、カスタマイズされたポータブルの使い捨てカートリッジを含む。前記FSは、現場での関連データを収集し、前記データを前記OSへと送信する。

0042

いくつかの実施形態において、前記現場システムは、監視対象エリア内において配備される測定機器を含む。いくつかの実施形態において、前記FSは、体液サンプル(例えば、例えば、指先穿刺による血液)をリアルタイムで分析する。前記システムは、感染または疾病の証拠発見するために、例えば、病原体、核酸、タンパク質、糖タンパク質、脂質、または疾病状態を示すこれらの組み合わせのマーカーの検出により、体液を分析する。いくつかの実施形態において、前記FSは、所与の病原体(例えば、ウイルス株または他の微生物)に対する感染対象者の応答を示す複数のマーカー(例えば、選択された抗原または病原体、前記病原体に向けられた抗体、細胞内また細胞表面のタンパク質または糖タンパク質、およびサイトカインのうち1つ以上)を同時に測定する。前記システムはまた、環境情報人口学的情報個人情報および生理学的情報(例えば、温度、血圧)を収集する。いくつかの実施形態において、このような情報は、グラフカルタッチスクリーンインターフェースを通じて収集される。リモートシステムによって個人化コンテンツを分析することで、軽減戦略をリアルタイムで促進することが可能となる。

0043

いくつかの実施形態において、前記FSは、前記体液に対してアッセイを行うカートリッジを含む。前記機器を非限定的に挙げると非有意リスク機器があり、前記アッセイの検証は、適切なガイドライン(例えば、米国食品医薬品局FDA)および/または調和国際会議(ICH)から発行されているもの)下において行うことができる。本発明によって用いられるカートリッジについて、米国特許出願第11/389,409号(名称:「POINT−OF−CARE−FLUIDICSYSTEMS AND USESHEEOF」)、米国特許出願第11/746,535号(名称「REAL−TIM
DETECTION OFINFLUENZA VIRUS」)、および米国特許出願第12/244,723号(名称「MODULAR POINT−OF−CAREDEVICES,SYSTEMS,AND USES THEREOF」)中に記載がある。本発明によって用いられるカートリッジについて、以下にさらに詳述する。前記測定システム自立型であり得、前記システムの作動には、たとえあるとしても、いかなる外部材料もほとんど必要としない。いくつかの実施形態において、FSシステムに対する唯一要件は、前記器具のための電源である。他の実施形態において、前記電源は、電池発電機、ソーラー電源または他のポータブル電源の形態で前記FSに提供される。前記カートリッジには所望のアッセイを事前にロードすることができ、前記カートリッジの利用前には準備はほとんど不要であるか全く必要としない。例えば、配備前に一部のまたは全てのアッセイ構成要素を冷蔵庫中に(例えば、約4℃で)保存することができる。

0044

FSプラットフォームは、従来の実験室インフラストラクチャにおいて現在行われている任意の適切なアッセイを実行することができる。新規アッセイを迅速に移し、完全に検証することができる。いくつかの実施形態において、前記HSシステムにとって完全に新規であるアッセイを、約3ヶ月未満、2ヶ月、1ヶ月、3週間、2週間、または約1週間未満の期間内にカスタマイズおよび検証することができる。いくつかの実施形態において、HSシステム上において実行されるアッセイは、FDAICHガイドラインの下で検証される。

0045

前記現場システムは、任意の所望のポイントオブケア(例えば、感染または疾病のリスクがあると疑われるまたは知られている地域)に配置することができる。ポイントオブケア検査(POCT)は、患者近隣検査システムによって規定される。例示的なケアポイントを非限定的に挙げると、家庭、診療所、学校または商業中心地がある。いくつかの実施形態において、前記FSは、モバイルユニット内において配備される。よって、試験を行うために医学専門家が必ずしも必要されることはないことが理解されるべきである。これを可能にするために、前記FSは、簡単に使用できるように設計することができ、タッチスクリーンでの単純なユーザインターフェースにおいて全ての指示を提供することができる。いくつかの実施形態において、前記システムは、コンピュータ操作能力を持たない個人が自宅自分自身で検査を行うことができるように、設計される。このような設定において、データをリモートシステム(例えば、以下に記載のようなオペレーティングシステム)へと送ることができ、このシステムを通じて係員などが当該アッセイを監視してプラスの検査結果を知ることが可能となる。いくつかの実施形態において、前記検査およびデータアップロード/分析をリアルタイムで行うことで、封じ込め方策を直ちに開始することができる。

0046

いくつかの実施形態において、前記システムは、公的な場所で配備される。所望であれば、標準的な公衆衛生部門従業員訓練を施して、前記検査を実施できるようにすることができる。いくつかの実施形態において、前記システムは、所与の場所における合計訓練時間が最小化できるように、設計される。例えば、現在の配備においては、一箇所あたりの訓練が30分を越えてはならない。しかし、補足的訓練および高度な訓練を必要に応じて行うことが可能である。いくつかの実施形態において、訓練を受けた個人が次に前記システムに関して他者を訓練することも可能である。前記FSは、医学的訓練を受けたことの無い患者が自宅で適切に利用することが可能である。なぜならば、検査は完全自動化設計されており、また、ユーザは、器具上のグラフィカルタッチスクリーンインターフェースを通じて検査プロセスを順に行うことができるからである。いくつかの実施形態において、ユーザに必要なステップは、以下のステップだけである:1)サンプルをカートリッジ中に入れ(例えば、痰またはグルコース監視のために糖尿病管理において用いられるような使い捨てランセットを用いてユーザ自身が実行することが可能な指先穿刺)、次に、2)前記カートリッジを、以下にさらに詳述するような付随する器具に挿入する。

0047

本発明のFSと共に用いられる非限定的なカスタマイズされたカートリッジ機器については、米国特許出願第11/389,409号(名称:「POINT−OF−CARE−FLUIDICSYSTEMS AND USESTHEREOF」)、米国特許出願第11/746,535号(名称)「REAL−TIME DETECTION OF
INFLUENZA VIRUS」)、および米国特許出願第12/244,723号(名称:「MODULAR POINT−OF−CARE DEVICES,SYSTEMS,AND USES THEREOF」)で記載される。このような機器について、以下にさらに詳述する。

0048

(b)オペレーティングシステム(OS)
各FS機器から収集されたデータは、ネットワーク接続を通じて(例えば、広帯域無線、衛星またはセルラーネットワークを介して)、リアルタイムでオペレーティングシステムへとセキュアに送信することができる。当業者であれば、ネットワーク通信は複数のホップを含み得(例えば、FS機器を、広帯域地上通信線を通じてセキュアにワールドワイドウェブへと接続された無線ローカルエリアネットワーク(WLAN)へと接続することができる)ことを理解する。

0049

いくつかの実施形態において、前記オペレーティングシステムは、当該分野において公知でありかつ市販されている1つ以上のサーバーを含む。このようなサーバーにより、負荷平衡タスク管理、および前記システムのサーバーまたは他の構成要素のうちの1つ以上の故障時のためにバックアップ容量を提供することが可能となり、これにより、OSの有用性が向上する。当該分野において公知のような記憶ユニットおよびプロセッサユニット分散ネットワーク上においてサーバーを実行することも可能であり、その場合、本発明によるデータ処理は、ワークステーション(例えば、コンピュータ)上に存在する。OS構成要素のサーバーは、データベースおよびシステムプロセッサを含み得る。データベースは、サーバー内に存在してもよいし、あるいは、前記サーバーからアクセスすることが可能な別のサーバーシステム上に存在してもよい。データベース中の情報はデリケートな情報を含む場合があるため、不正なユーザによるデータベースへのアクセスを防ぐためのセキュリティシステムを実行することができる。

0050

いくつかの実施形態において、前記オペレーティングシステムは、データエンジンを含む。前記データエンジンは、流行または流行病の軽減のための指示を提供するためのデータを所望のソースからインポートする。前記OSは、前記ソースデータを分析に適した標準的フォーマットへと変換することができる。いくつかの実施形態において、前記データエンジンは自己学習型であり、複数の統合されたデータセットをリアルタイムで動的にモデル化する。このOSモデルアプローチにより、いくつかの恩恵が得られる。例えば、前記モデルを訓練して、多様な計算を行わせることができ、その計算例を非限定的に挙げると、1)個人および集団についての結果の予測、2)提案された介入戦略についての、個人および集団に対する有効性の検討、および2)推奨される介入による社会経済的効果の数値化である。いくつかの実施形態において、前記OSは、リモートインターフェースを介して、遠隔ユーザに利用可能とされる。例えば、前記ユーザは、セキュアなオンラインウェブポータルなどを通じて、前記OSへとアクセスすることができる。

0051

前記OSソフトウェアポータルは、前記ソフトウェアポータルへと送られてくる各新規データポイントから常に学習しているシステムにおける自動モデル化を用いている。これにより、前記システムは、時間と共に予測性を高めていく。いくつかの実施形態において、モンテカルロモデル化アプローチが用いられる。モンテカルロアプローチは、反復ランダムサンプリングに基づいて、結果を演算する。モンテカルロシミュレーションにおいては、確率分布関数のランダムサンプリングをモデル入力としてみなすことで、少数別個シナリオの代わりに、数百〜数千の起こりえる結果を検討する。得られた結果から、異なる結果が発生する確率が得られる。いくつかの実施形態において、逆検索および統合パラメータ推定技術を用いることにより、前記ソリューションおよびモデルパラメータセットの再適合/精緻化が達成される。例えば、以下を参照されたい:Sheela,1979−COMPUTERMETHODS INAPPLIED MECHANICS AND ENGINEERING19(1979)99−106;Moles,et al.2003−ゲノムRes.200313:2467−2474;Rodriguez−Fernandez,etal.BMCBioinformatics2006,7:483−500;Barthelmann,etal.2000−Advances
in Computational Mathematics12:273-288)

0052

疫学データのモデル化およびシミュレーションに関する文献は豊富にある。McKendrickモデルの基本となるのは、確率的プロセス(出生プロセス)であり、このプロセスから、制御および疾病拡散についてパラメータ化調査および最終的に最適化を行うことが可能な一連微分方程式が得られる。前記プロセスについての適度に簡単明確な分析が、Chiang、C.L.(1978)によって記載されている(An Introduction to Stochastic Processes and Theirアプリケーションs.RobertE.Kreiger Publishing Co,Inc.Huntington,NY.p517)。前記プロセスが確率的空間内において確立されかつ適切にパラメータ化された後、集団モーメントおよび/または絶滅確率について陽関数表示を導出することができる。前記プロセスが簡単明快である場合、これらの式をモデル化し、閉形式でまたは数値的に推定することができる。

0053

前記集団が十分に大きく、集団サイズ全体およびシステムダイナミクスと比較して確率的変動が小さい場合、微分方程式系を用いて、病態の拡散および成長をモデル化することが可能となる。例えば、SARSの単純なSIRモデル(感染しやすい、感染した、除去された)が、ChoiおよびPakによって調査されている(JEpidemiolCommunityHealth.2003Oct;57(10):831−5)。曝露を考慮したより複雑なモデルが、特にワクチン接種戦略の最適化について、d’Onofrioによって調査されている(Mathematical Biosciences 179(2002)57-72)。特にインフルエンザについて、Stilianakisら
(JInfectDis.1998Apr;177(4):863−73)は、薬剤耐性の成長および病害拡散の特定の局面について検討している。疾病モデル化の他の局面は、拡散動力学(FitzGibbon,et al.,MATHEMATICALBIOSCIENCES128:131−155(1995))、数学的および数的安定性(Dwyer,et al.,The American Naturalist,150(6):685−707;Inaba,J.Math.Biol.(1990)28:411−434)を含む。

0054

これらの複雑なシステムのソリューションにおいて、シミュレーションは有益なツールである。シミュレーションソリューションに用いられる多数のモデルが存在する。例えば、以下を参照:Longini,etal.,1984,IntJ.Epidemiology.13:496−501;O’Neill,2002.A Tutorial Introduction to Bayesian Inference for Stochastic Models Using Markov Chain Monte
Carlo Methods.Math Biosci.180:103−114;Gibson,G.J.1997.Investigating mechanisms of Spatiotemporal Epidemic Spread Using Stochastic Models. Am Phytopathological
Society. 87:139−146。特にインフルエンザのシミュレーションについては以下を参照:Timpka,etal.(2005)AMIA2005SymposiumProceedings.729−733。いくつかの実施形態において、流行成長および拡散およびそれに付随するスクリーニングおよび封じ込め戦略のモデルを、費用対効果の保健経済モデル内に埋め込む。例えば、以下を参照:Brandeau,etal.JournalofHealth Economics22(2003)575-598。

0055

本発明による簡潔な例示的なモデル表現を図1に示す。このモデルは、拡散、監視、および軽減と、それに付随する流行/流行病方針管理に関する費用対効果とを記述するように構成することができる。簡潔に言うと、リスクに晒されている集団を多様な状態または状態にセグメント化する(図中、円によって示す)。各状態間のフラックス成分を多様な構成可能なパラメータ(例を非限定的に挙げると、感染速度、監視機構の手段および精度、当面の方針決定)によって変更する。決定プロセスにおいて方針決定者を支援するために、個人負担のコストおよび社会的コスト(例えば、QALY)を前記モデルによって計算し、前記方針決定者に表示することができる。

0056

図1に示すモデルは、決定論的な非線形常微分方程式のシステムを含む。各ノード(または状態)は、表現型特性および疾病特性(例えば、感染度状態)が類似している個人の集団を示す。多様な状態は、異なる場所(例えば、学校、職場、入院、隔離、または家庭内隔離)にいる個人も表すことができる。複数の年齢層(例えば、2歳、3歳、4歳、5歳、6歳、7歳、8歳、9歳、10歳、11歳、12歳、13歳、14歳、15歳、20歳、25歳、30歳、35歳、40歳、45歳、50歳またはこれ以上の年齢層)がモジュール式構造によって表され、これにより、年齢別特性の指定が可能となる。いくつかの一実施形態において、前記モデルにおいては、年齢を離散群内のものとしてではなく連続体内のものとして取り扱う。図1中のノードを接続している図示の矢印は、相互間のフラックスを示す。本明細書中に記載のように、これらのモデルパラメータは、多様なソース(例えば、文献報告患者データ、以前の大発生)から得られ、データに基づいて所望に推定することができる。モデル予測により、数値化された不確実性に基づいて一定範囲の可能性が得られる。モデル予測が実行される際、前記パラメータは、現場内における実際の結果に応じて連続的にリアルタイムで調整される。例えば、現在の特定の影響を受けている集団に実世界での結果を適用することで、多様な軽減方針の有効性を再評価および調整することができる。

0057

当業者であれば、図1に示すモデルは、任意の数の関連する状態およびパラメータを考慮に入れて拡張することが可能であることを理解する。図2は、より大型のモデル表現を示す。各円は、個人のクラスを示し、各矢印は、1つの状態から別の状態への遷移を示す。1つの状態から別の状態への遷移は、自然の原因または介入(例えば、治療)に起因する変化を示し得る。前記モデルは、病態が関与しない遷移(例えば、多様な群との社会的相互作用の変化)も示し得る。例えば、隔離されている個人は、コミュニティとの関与から、限られた数の個人との関与(例えば、保健ケア従事者または他の介護者のみとの限られた接触)へと遷移し得る。流行発生時におけるモデルパラメータは、最も最近に発生した疾病大発生および最も近い集団学的場所および場所の種類(例えば、都市農村地域)からのデータから導出することができる。前記モデルは、現在の流行内において収集されたデータによって連続的に精緻化することが可能であり、これにより、漸次的に高精度となる。

0058

図2の上部近隣において、左側から右側のフラックスを、Pi、Si、E1i、E2i、I1i、I2i、RiおよびDiの列によって強調表示している。これらの状態は、疾病拡散モデルを示す。この疾病拡散モデルは、予防的に治療された(例えば、抗ウイルス剤によって治療された)状態(Pi)、感染しやすい個人(Si)の状態、早期に曝露された個人(E1i)の状態、後期に曝露された個人(E2i)の状態、早期症状を示す感染した個人(I1i)の状態、後期症状を示す感染した個人(I2i)の状態、回復したため免疫を保持している可能性のある個人(Ri)の状態、死亡者(Di)の状態を含む。個人は、状態E2iから状態Aiへと遷移し得、これは、当該コミュニティにおける、目前の無症状の感染性部分母集団を示す。あるいは、個人は状態Viへ遷移する場合もある。状態Viは、ワクチン接種を示す。ワクチン投与された状態から、個人は、疑いが晴れかつ免疫を保持している状態Ciに遷移するか、または、無効でありかつ曝露された状態E1iへと遷移し得る。任意の数の個人iを考慮に入れることにより、前記モデルを通じて流行拡散の集団表現を取得することができる。遅延基準E2iおよびI2iは、疾病の時間依存型拡散に対応する。前記疾病拡散モデルの上方のセグメントは、治療方針による影響と、集団の健康および疾病拡散に対する効果とを示し、前記疾病特有拡散の下方のセグメントは、隔離の軽減戦略を示す。前記モデルは、ユーザが規定した能動的監視戦略と、ユーザが規定した軽減戦略と、費用対効果マトリックスとを統合したものであり、意志決定を支援する。いくつかの実施形態において、前記モデルは、次善の疾病軽減を考慮する。例えば、疾病ホットスポットの発生場所が分かった場合でも、当該地域への治療剤入手のためのロジスティックに遅延が発生し、隔離実行にも遅延が発生する場合がある。これらの遅延に起因して、流行が軽減せずにさらに進行してしまう場合がある。よって、前記モデルは、このような次善の軽減も考慮に入れる。

0059

モデル方程式は、図2中の矢印によって規定する適切にパラメータ化されたフラックス係数で常微分方程式系(ODE)を形成する。前記モデルの基本形態は、ベクトルODEによって以下のように得られる。
dX/dt=f(X、t)
式中、Xは、次元化されたベクトルを示し、関数f(X、t)は、図2に示すような混交パラメータのマトリックスおよび機能的相補作用によって示される。図2中のモデルにおいて、前記次元化されたベクトルに対して、80個を越える次元が存在する。当業者であれば、関数fのマトリックスの形式および成分は、図2および本明細書中の説明から得ることが可能であることを理解する。

0060

上記に示した方程式の組は、本明細書中に記載のように、多様な年齢層それぞれに対して繰り返し行われる。7つの年齢層の例について検討してみる。この例において、所与の地理的領域内の各地政学的領域に対して、7組からなる集合体モデルを複製する。その後、このモデルを一般化して、より大きな領域内のより広範な疾病拡散を網羅することができる。例えば、混交マトリックスおよび資源/コスト表をパラメータ化することにより、地域間の移動と、全国レベルの監視および軽減戦略とを考慮に入れることが可能になる。

0061

前記OSによってモデル化され、図1および図2中において示される多様な状態を表1に示す。

0062

0063

表1:大発生の記述に用いられる状態の説明および用語体系
本発明のモデルは、監視されている個人、集団および疾病の多数の特性を考慮に入れるように構成することができる。いくつかの実施形態において、前記モデルにおいて、感染力が考慮に入れられる。感染力は、伝播速度とも呼ばれ、疾病が既存の感染した個人から感染しやすい個人へと移っていく速度を指す。いくつかの実施形態において、各感染した個人に対し、2つの属性、すなわち、個人の年齢に基づいた年齢層j、および個人の社会における混交パターンに基づいた混交グループkを付与する。混交パターンを非限定的に挙げると、社会における自由な混交(例えば、学校または職場における混交)、病気などによる欠勤に起因する程度が低下した混交などがある。全集団の年齢層jによる、集団の年齢層にかかる感染力は、以下のように計算することができる。

0064

式中、
Βは、伝播速度(1日/感染性の個人/感染しやすい個人)
θは、異なる年齢層間の混交の乱雑度を規定するパラメータである。:θ=1である場合、相互のやりとりは完全に同類であり、θ=0である場合、相互のやりとりは完全にランダムである。
ρiは、年齢層i内における個人の相対感受性である。
φ jは、年齢層j内における感染性の個人の相対的感染度である。

0065

は、年齢層iの個人と年齢層jの個人ならびに混合グループk間の伝播の原因となる相互やりとりの相対的範囲の差を考慮した重み因子である。

0066

は、年齢層jの感染性の個人数である。

0067

は、前記集団中の年齢層jおよび混合グループkの個人の合計数である。

0068

は、前記集団中の全年齢層の個人の合計数である。

0069

感染力方程式において、相互やりとりの重み

0070

を以下に基づいて計算する。
1.ある年齢層iの個人が異なる場所(例えば、職場、学校、家庭)において年齢層jおよび混合グループkの個人と共に過ごす時間
2.年齢層jおよび混合グループkの個人のうち、年齢層iの個人との伝播の原因となり得る接触をする個人の数
上記パラメータのうち

0071

は、流行の進展、軽減方針の発動またはこれら両方に起因して、時間とともに動的に変化し得る。

0072

前記OSモデルは、大発生に際しての医学的政策決定方針を導く複数の軽減方針を含み得る。これらの方針は、利用可能な資源を最適に利用できるように、各特定の設定(例えば、地理的場所および疾病または病原体)についてモデル化することができる。履歴データから推測可能な現実的な有効性/適合性で、各方針を発動させることが可能である。前記モデルを用いれば、多様な軽減方針を実行した場合の結果を予測することができ、これにより、適切な個人に対して提案応答を提供することができる。例示的な非限定的軽減方針を表2中に列挙する。

0073

表2:前記モデル中に示される軽減方針
軽減方針に加えて、前記OSモデルは、多様な異なる技術を用いた監視を行った際に当該現場において得られた結果を取り入れることができる。例を挙げると、本明細書中に記載のカートリッジシステム、迅速な抗原検査、免疫蛍光検査、免疫アッセイ、リアルタイムPCR、ウイルス培養検査、生理学的方策、尿および血液の精密検査などがある。前記モデルは、無症状の個人および症状を示す個人双方からのサンプルについての各検査の感受性および特異度の表現を含む。加えて、異なる検査におけるターンアラウンドタイムも前記モデル中に含めることができる。

0074

各特定のシステムに応じて、多様な形態の監視戦略を前記モデル中に含めることができる。1つの実施形態において、監視は、自主的検査について報告している個人の検査を含む。前記監視は、複数の集団集団に対して行うことができる。複数の集団集団の例を以下に非限定的に挙げる。
・1歳〜4歳の子ども
・5歳〜14歳の子ども
・妊婦
・15歳〜30歳の若者
・第一線の医療従事者
・高死亡危険性が判明している個人
高齢者
・30〜60歳の中年の個人
前記検査方法またはこれらの組み合わせのうち任意のものを用いて、これらの集団グループそれぞれを検査することができる。前記モデルにおいて、自主検査についての報告がある無症状の個人および症状を示す個人の異なる比率を考慮することができる。

0075

別の実施形態において、監視は、エンドユーザによって規定されるような任意の監視方針の実行に基づいた検査を含む。前記モデルによって取得される監視方針のカタログは、以下を非限定的に含む。
・家庭内監視:兆候確認事例に基づいた、家庭全体の検査
・学校監視:兆候確認事例に基づいた、学校の子どもの検査
・職場監視:兆候確認事例に基づいた、従業員の検査
監視検査の結果特定された確認事例については、適切な対策として隔離、予防または入院の措置をとることができる。

0076

いくつかの実施形態において、前記HSにより、最適なスクリーニングおよび封じ込め戦略を実行するための適切な流行モデルの選択、パラメータ化および/または探索のためのこれらの方法を用いた自動分析が可能となる。前記モデルは、費用対効果についての保健経済モデルに基づいて変更することができる。いくつかの実施形態において、前記モデルは、異種の集団における感染性病原体の拡散を予測するように構成される。前記モデルは、地域人口学的要素および個人リスク要因を考慮することができる。以下にさらに詳述するように、1つの実施形態において、前記モデルにより、非限定的に以下を含む保健ケア軽減方針の評価が可能となる:a)監視/検査戦略、b)入院、家庭内隔離および隔離方針、c)予防ワクチン接種および治療方針(例えば、抗ウイルス治療)、ならびにd)社会距離戦略方策(例えば、学校閉鎖および職場閉鎖)。

0077

感染性大発生の動態に加えて、前記モデルを用いれば、代替的軽減アプローチの比較によって、コスト評価および確保できる質調整生存年(QALY)の評価も可能となる。前記モデルは、非経済的コスト方策も考慮に入れるように構成することができる。前記モデルは、経済コスト、一時的コストまたは他の要素に基づいて、異なる誤りと関連付けられたコストを調整するように構成することができ、これにより、モデルに起因して発生する誤りのコストを最小にすることができる。例えば、前記モデルは、感染した個人の誤診について高コストを割り当てることができ、これにより、軽減戦略の実施が回避される。その後、前記モデルは、このような誤りの回避に重点をおいて調整され得る。同様に、慢性状態の誤診についてのコストはより低い。なぜならば、慢性状態の個人については、疾病が進行するまでに何度も検査を受け得るからである。流行の場合、予測は、個人的事例だけにでなく、異なる地域内の集団にも関連する。大規模な複数組人口学的データに基づいて、HS分析システムは、治療およびアッセイ送達双方について最適化されたリスクおよびコストを予測するように構成することができる。例えば、予測されるリスクが低い場所については、予測されるリスクがより高い場所よりもよりサンプリング数を少なくすることができる。

0078

前記OSは、特定のイベントが検出された際にトリガされるように構築されたアクションを有する。例えば、感染した個人が検出された際、警報を政府係員へと送ることができる。事例が検出された場合、臨床医電話eメールまたはファックスにより自動通知するように規則を設定することができる。また、前記検出された個人および接触者(例えば、家族、同僚、または前記個人と過去数日間、数週間、数ヶ月間または数年間の期間内において接触したことのある任意の人物)にも通知を出すこができる。アクションを起動させる規則のカスタマイズは、状況の必要性に応じて配備前または監視期間内に行うことができる。

0079

前記OSモデルはまた、前記FSから受信されたデータについてサニティーチェックおよび異常値チェックを行う。いくつかの実施形態において、前記データ中において変動またはノイズが特定された際、アクションがとられる。いくつかの実施形態において、異常値が検出された際、個人のアッセイが繰り返される。

0080

いくつかの実施形態において、前記OSモデルは、個人および集団についての結果を予測することができる。いくつかの実施形態において、前記モデルは、予測(例えば、感染に対する反応、個人または集団に対する最適な治療投薬計画および予測されるウイルス拡散)を実際の履歴データ(例えば、春期インフルエンザシーズンからのデータ)とマッチングを行う。いくつかの実施形態において、前記モデルは、個人および集団に対する介入戦略提案、例えば、先制的な抗ウイルス剤治療の使用、反応性抗ウイルス治療、隔離、入院、目標を絞った閉鎖、ならびに主要ホテルレストラン、学校、製造工場および他の場所内における「安全ゾーン」の確立の有効性を考慮する。前記モデルはまた、推奨される介入が各事例においてとられた場合における社会経済的効果(例えば、個人負担額、救われる生命、生産性が失われる日数など)を数値化することができる。

0081

いくつかの実施形態において、前記現場システムおよびOSをカスタマイズすることで、多様な設定に合わせたソリューションを提供することができる。これにより、前記システムは、結果の向上およびケアコストの低減を提供することができる。例えば、前記FSおよびOSは、薬剤会社およびバイオテクノロジー会社ならびに消費者に対して保健監視ソリューションを提供することができる。
II.ヘルスシールドの配備
いくつかの実施形態において、ヘルスシールドは、完全統合型の診断/患者保健記録/電子医学的記録プラットフォームを含む。配備された現場システム機器はポータブル構成とすることができるため、例を非限定的に挙げると、診療所、公共機関(例えば、学校、コミュニティセンター)、病院、医院または個人宅を含む多様なケアポイントにおいて配備することができる。本明細書中に記載のように、ポータブルFS機器は、ネットワーク無線接続するように構成することが可能であるため、動力確保のために任意選択ケーブルしか必要としない。いくつかの実施形態において、ネットワークがウェブポータルへと接続され、ここで、アッセイデータがリアルタイムで送られる。前記FSシステムは、ケアセンター近隣の都市環境において配備することができ、例えば患者が最近隣の医療診療所から離隔位置居住している場合でも、同一機器リモート設定で配備することができる。

0082

前記FSアッセイの性能はアッセイ毎に異なるが、全検査は、(例えば、高特異度および感受性を通じた)高精度を目標として配備される。いくつかの実施形態において、特異度は、約50%、55%、60%、65%、70%、75%、80%、85%、90%、91%、92%、93%、94%、95%、96%、97%、98%を越えるかまたは約99%を越える。いくつかの実施形態において、特異度は、100%に近い。いくつかの実施形態において、感受性は、約50%、55%、60%、65%、70%、75%、80%、85%、90%、91%、92%、93%、94%、95%、96%、97%、98%を越えるかまたは約99%を越える。いくつかの実施形態において、感受性は、100%に近い。アッセイの正確な性能は、複数の要素に依存し、それには、限定されないが、検出されたマーカーの性能、ユーザの技能および機器固有のアッセイ性能が挙げられる。いくつかの実施形態において、前記FSシステムは、高度にユーザフレンドリーとなるように設計されているため、有効な動作のための技能はほとんど不要である。アッセイ実施に必要な時間も、配備時の使用状態によって異なる。各システムは、配備目標を達成するように最適にカスタマイズされるため、仕様も全て相応に設定される。いくつかの実施形態において、アッセイはわずか数分間で終了する(例えば、約30分、25分、20分、15分、10分、9分、8分、7分、6分、5分、4分、3分、2分未満または約1分未満)。いくつかの実施形態において、前記HSは、広範囲の検査にわたって、現在の集中型実験室検査分析よりも高性能である。

0083

本発明のアッセイは、有利にも1組のマーカーを調査することができる。いくつかの実施形態において、前記アッセイは、抗体およびウィルス負荷双方を測定することで、個々の対象の状態をより高精度に評価することができる。前記アッセイはまた、感染および感染反応(例えば、サイトカイン生成レベル)について他のマーカーを測定するように設計することもできるため、疾患深刻度についてのさらなる情報の提供、個人化治療の提案が可能となり、さらには、一次スクリーニング結果がマイナスであった場合にいつ確認検査を受ければよいかについて通知をすることも可能となる。

0084

前記システムはまた、未だ特徴付けられていない突然変異体または他の株との感染を検出するように構成することも可能である。これらの株が特定される前に、炎症マーカー中のスパイクにより、未だ特定されていない株に感染した個人を知ることができ、これにより、迅速な封じ込めと、ウイルスの突然変異の特定とが可能となる。よって、防衛手段(例えば、ワクチン接種への投資)を更新することができる。

0085

このHS技術は、簡単に利用できるように構成可能であり、そうでなければ既存の状況下において必要となるであろうデータサンプリング分析のための複数のステップ(例えば、サンプル収集搬出遠隔分析、政策決定)が不要となる。その結果、前記HSにより、リアルタイム現場データを中央監視現場(例えば、政府機関の中央監視現場)へと提供することにより、より高い精度およびより迅速な決定が可能となる。これにより、前記システムにより、最適な保健ケアサポートおよび方向付けを得る機会を提供する。例えば、前記FSシステムはコミュニティが容易に使用できる場所(例えば、薬局、学校、診療所または娯楽センター)に配置することができ、これにより、例えば伝染病(例えば、インフルエンザ)を監視するために、市民を容易に検査しかつ/または望ましい順に治療することができる。加えて、前記機器は携行可能であるため、例えばコミュニティの担当者老齢者および他の移動ができない者を訪問することができ、あるいはインフルエンザの感染が疑われる場合に家庭を訪問することができる。いくつかの実施形態において、個人および集団双方に基づいた状況について、収集データを分析する。配備されたFS機器によって収集されたこのアッセイデータは、提供者、政府係員、病院などに利用可能とすることができる。

0086

対象領域(例えば、学校、コミュニティセンター、商業中心地、地方、地域、または全国)においてHSが配備された後、前記HSを用いて、有害事象および保健ケア関連流行病の可能性を監視するための安全システムを配備することが可能になる。また、前記FS機器を高スクリーニング戦略において用いることもでき、その場合、多数の個人(例えば、リスクのある個人全員またはリスクの疑いがある個人全員)をへの検査を予防的にまたは大発生への応答として定期的に行うことができる。前記FSによって収集されたデータは前記OSにおいて累積され、その後前記OSはこの累積データ集約し管理する。いくつかの実施形態において、前記システムに必要なのは、例えば、血液の指先穿刺、唾液または痰などのほんのわずかの体液サンプルである。そのため、採血にかかわる多くの安全問題が大幅に低下するかまたは排除される。いくつかの実施形態において、リアルタイムデータを用いて、所与の状況に適した最適なバイオマーカーアッセイを選択する。いくつかの実施形態において、分析物セットは、大量のアッセイメニューからの部分集合として先行して選択される。そのようにして、(抗原検出が強調され得る)流行の早期段階に適した理想的なアッセイセットを、例えば、その後の流行の管理に関連し得るコミュニティ免疫の段階の可能性に関する情報を提供する抗体を調査するために、流行の後期において変更することが可能となる。

0087

伝染病の監視において、前記ヘルスシールド配備戦略により、最小数初期大発生予測数から導出された有リスク集団についてスクリーニングおよびサンプリングを行うことが可能になる。いくつかの実施形態において、前記システムは、同一範囲の発生事例を前提として、疾病拡散モデル化のための経験的実世界データを提供することができる。

0088

兆候事例は、任意の数の二次個人を感染させている可能性がある。二次個人の数は、兆候事例の任意の数の要因によって異なる(例を非限定的に挙げると、年齢、可動性、生活状況職場環境社会化、および地理的場所)。前記HSは、これらの要素などをモデル化することで、所与の大発生の拡散の可能性を推測することができる。非限定的例において、実世界データによれば、典型的な兆候事例は、他の50人の個人への感染を引き起こすことを示す。例示的な感染パターンは、感染者との接触を持った4〜5人の家族の成員ならびに45または46人の同僚、友人および他の人々を含み得る。HS高速応答モデルにおいて、各兆候事例を得る際、当該兆候事例と接触した者が当該ウイルスに感染して当該ウイルスを拡散するのを回避するように、25〜50人分の二次スクリーン(年齢層は問わない)が必要とる。当該兆候事例の特性および感染体に応じて、5、10、15、20、25、30、35、40、45、50、55、60、65、70、75、80、85、90、95または100回の二次スクリーンが必要となり得る。いくつかの実施形態において、100回を越える二次スクリーンが兆候事例を得るために必要となり得る。

0089

いくつかの実施形態において、前記HSには、初期数量のFS機器カートリッジ、例えば、予測される兆候事例数の約1、2、3、4、5、6、7、8、9、10、20、30、40、50、60、70、80、90、または100倍の数のFS機器カートリッジが備えられる。いくつかの実施形態において、前記システムは、予測される兆候事例数について、約50倍のカートリッジを提供する。各カートリッジを用いて、本明細書中に記載のような体液サンプルの検査を行うことができる。このように豊富な数のカートリッジを備えることで、流行病軽減をオンデマンドで行い、先行封じ込めが可能となる。前記インフラストラクチャが起動すると、前記HSは、さらなるオンデマンド搬出を必要に応じて提供する。このようなスキームにより、兆候事例の周囲に存在する有リスク集団を十分に網羅できるだけのスクリーニングおよびサンプリングが可能となる。

0090

個人への機器の提供は、任意の一般的方法によって例えば薬局において処方薬を供給する際に行うことができる。個人への機器の提供は、学校、職場または他の対象領域において行うことができる。前記機器を保健ケア従事者が自分で分配することも可能である。前記機器を個人に分配する際には、当該個人のそのときの連絡先情報(例を非限定的に挙げると、携帯電話、eメールアドレステキストメッセージングアドレス、または他の無線通信手段)を、OS構成要素のデータベースに入力することができ、その内部の個人と関連付けることができる。前記OSシステムは、スクリプトまたは他のプログラムを含み得る。前記スクリプトまたは他のプログラムは、検出機器から検出された信号が例えば所与のタイミングで前記OSシステムへと送られていないことを検出することができる。その後、前記OSシステムは、体液サンプルを検査するよう当該個人に通知する警報を送ることができる。

0091

前記ヘルスシールドのFS構成要素は携行可能でありかつ適切なサイズであるため、疾病および健康障害の可能性の管理のためにHSを毎日の生活の一部として用いることができる。いくつかの実施形態において、前記システムは、家庭および容易に利用可能な場所に配置される。リアルタイムデータ収集およびデータ分析により、迅速な先行保健ケアシステムにより突発的大発生に対応することができる。

0092

HSシステムは、疾病管理のための最適な監視方策を予測することができる。前記HSシステムは、大発生をできるだけ早期に特定することができ、拡散を追跡して封じ込めることができ、これにより、適切かつ迅速な軽減戦略を発動させることができる。最適な監視および軽減戦略を可能とするために、モデルの所与の設定を多様な要因を考慮にいれながら最適化することができる。1つの要素は、リスク要素および症状に基づいた検査の優先順位付けを含み、これには例えば、幼児、子ども、妊婦、医療従事者、高リスク個人および高齢者の検査の優先順位付けを含む。別の要素は、兆候事例との密接な接触の検査を含み、例えば、確認事例および疑義事例がある家庭内、学校および職場に的を絞った検査である。加えて、前記システムは、多様な要因、例えば、感受性、特異度、ターンアラウンド(すなわち、アッセイから結果が得られるまでにかかる時間)に基づいて、別の診断検査による影響を評価する。いくつかの実施形態において、行われるアッセイは、カートリッジアッセイ、リアルタイムPCR、迅速抗原検査、ウイルス培養、および免疫アッセイのうち1つ以上を含む。いくつかの実施形態において、費用最小化のために、より廉価なアッセイを多数の二次アッセイに対して用いることができる。これらのデータに基づいて、より高価であるがよりデリケートかつ特異的なアッセイをより少数だけ用いて、選択された個人を検査することができる。

0093

疑義のある感染した個人がHSによって検出された場合、当該個人が症状を示すかまたは無症状であるかに関わらず、現場においてFSによってアッセイを行うことができ、当該対象者の結果および場所をOSへと中継することができる。前記OSは、例えば中央監視現場にある中央サーバーに設けられる。前記監視現場において、前記結果を表示することができ、適切な場合に警報が登録され、これによりFS構成要素のさらなる配備および検査を含む封じ込め策を開始することができる。いくつかの実施形態において、どこで疾病が拡散する可能性があり、どこで疾病封じ込めのために資源配備が必要があり、さらなる現場内監視が必要であるかが、ソフトウェアに含まれるモデルによって自動的に提案される。前記システムは、例えば、電話、ページャ、ファックス、eメール、テキストメッセージまたは他の高速通信によって、監視に関与する個人(例えば、政府関係者または保健ケア従事者)へ連絡することができる。いくつかの実施形態において、前記HSによって提供されたデータおよび分析は、個人ユーザにではなく係員および医療専門家へと提供される。その結果、医学的政策の適切な決定の確保が支援される。

0094

本明細書中に記載のようなヘルスシールドの1つの利点は、現場システムからのアッセイ結果から恩恵を受け得る任意の第三者へ前記結果を実質的に即時的に連絡することができる点である。例えば、FS機器によって得られた測定結果をOSへと通信した後、分析物濃度を前記オペレーティングシステム構成要素において決定することができ、その後、さらなるアクションをとる必要があり得る個人または医療従事者へとこの濃度を送ることができる。これは、兆候事例の特定を含み得る。このような第三者への通信ステップは、本明細書中に記載のように無線によって行うことができ、前記データを第三者のハンドヘルド機器へと送ることにより、前記第三者への前記アッセイ結果の通知を実質的に任意のタイミングでかつ任意の場所で行うことが可能となる。よって、時間が重要となるシナリオにおいて、緊急の医学的アクションが必要となった場合に患者に即時に連絡をとることが可能となる。

0095

本発明のシステムは、異なる電子保健記録(EHR)システムおよび他の任意の関連データベースの任意の組み合わせとインターフェースをとるように設計することが可能である。さらに、このシステムは、異なるフォーマット存在するデータを1つの標準的フォーマットに自動変換するように構成することが可能である。前記システムがデータをインポートおよび変換を行った後は、前記システムは、前記情報を1つ以上のレポジトリ中に集中配置し、前記インポートされたデータを予測モデルを通じて送ることができる。このようにして、前記システムは、複数のデータソース編集および有利に利用して、適切な封じ込め応答を最良にモデル化および予測することができる。これらのモデルは、各新規データポイントから学習していくため、時間と共により予測的となる。いくつかの実施形態において、前記モデルは、特定の個人の疾病が進展していく様態を予測するパターンを認識する。

0096

パイロットプログラムを用いて、システムパラメータの精緻化を支援することができる。いくつかの実施形態において、初期スクリーニングおよび封じ込めに関する戦略が配備される。その後、HSを配備して、前記モデルを対象領域(例えば、タウシップ、近隣、病院または商業地区)において試行する。この試行において、前記モデル化策の基盤となる前提のロバストネスを検査することができ、封じ込め戦略を微調整することができる。いくつかの実施形態において、前記微調整を前記OSの学習アルゴリズムによって自動的に行う。例えば、前記モデル化ソフトウェアは、アルゴリズムによる病害拡大の予測を可能にするパターン認識技術を含むため、ソフトウェアポータルへと送られてくる各新規データポイントを用いた前記ソフトウェアの連続的精緻化が可能となる。そのため、前記システムは、時間と共により予測的となる。いくつかの実施形態において、前記システムがパイロット後に配備された後も、これらの精緻化が継続される。

0097

履歴データ、アーカイブされたサンプルおよびさらにはパイロットフェーズを用いてシステムを配備した後、前記システムを戦略的場所に配置して、任意の大発生の拡散の防止を開始することができる。各器具は、所与の対象疾病(例えば、懸念となっているインフルエンザの特定の株)に合わせてカスタマイズすることが可能な異なるカートリッジを処理することができるため、当該株が突然変異した場合でも、同一システムを用いてウイルス拡散を封じ込めおよび防止することが可能となる。いくつかの実施形態において、前記カートリッジは、タンパク質に基づいた検査を含む。この検査は、炎症および感染に対する反応を測定することで、ウイルスが突然変異した場合でも、係員が深刻な感染を認識することを可能にする。そして、係員は、既存のインフラストラクチャおよび器具を通じて、新規ウィルス株についての特定の検査を迅速に実施および配備することができる。加えて、その後、伝染病監視のために配備された同一の器具を用いて、他の健康関連問題(例えば、糖尿病、肥満、心血管疾患および腫瘍関連問題(例えば癌治療))を監視することができる。既に所定位置に配置されたHSシステムの周囲において、ソフトウェアのための異なるカートリッジおよびさらなるモデルをカスタマイズすることができる。入来データからの学習により、各アプリケーションに対する認証データを配備前に実行し、先行調整することができる。

0098

推奨される治療への遵守がなされない場合、本発明の封じ込め戦略の有効性が損なわれ得る。したがって、いくつかの実施形態において、本発明のシステムを用いて、患者の遵守を監視し、前記患者または他の医療従事者に対しこのような不適合について通知することができる。例えば、医学治療計画一環として薬剤を服用している患者は、本明細書中に記載のようにアッセイされた体液サンプルをとることができるが、代謝濃度(例えば、前記システムによって検出されたもの)が既知のプロファイルよりも高レベルにある場合があり、これは、前記薬剤が複数の投与量服用されたことを示す。前記患者または医療従事者に対するこのような不適合の通知は、本明細書中に記載の任意の方法を介して行うことができる。例を非限定的に挙げると、ハンドヘルド機器(例えば、PDAまたは携帯電話)を介した通知、または、第三者、例えば、前記不適合についての通信を同様に受信した保健ケア従事者を介した通知である。このような既知のプロファイルは、本明細書中に記載の外部機器中に配置および格納しておくことができる。

0099

一実施形態において、前記システムを用いて、治療によって恩恵を受けたかまたは悪影響を受けた患者の亜集団を特定することができる。このようにして、毒性の可能性のある薬剤を、恩恵を受ける者のみに投与することが可能となる。

0100

薬剤に関連する有害事象に関して、前記ヘルスシールドシステムを個人住居に配置することができる。いくつかの実施形態において、前記HSを用いて、急性状態(例えば、衰弱状態または生命の危機にをもたらす疾患)または慢性状態の治療について安全および有効性を監視する。FS構成要素は中心地(例えば、薬局)にも配置することができ、これにより、処方箋発行時に個人を検査することが可能となる。

0101

政府による疾病管理システムおよびヘルスケア企業にからの要求を考慮して、糖尿病、感染、および腫瘍についてケーススタディーが行われている。1つのこのようなケーススタディーは、糖尿病の回避および回復のためのモデルを目的とした。モデル化されたデータは、大幅なコスト低減を示した。このようなコスト低減は、血液および健康情報のデータ分析を得るための集中型インフラストラクチャの代わりに本発明のFSシステムを含むシステムを多様なケアポイント、(例えば、家庭環境)に配置することで可能となった。前記システムによれば、このようなコスト低減は、搬出コストの制限、分析実行に関連する人件費の低減、偽陽性関連コストの低減、結果待機に関連する時間の低減により、部分的に可能となった。多様なモデル化環境において、前記HSシステムを用いれば、関連データ取得における時間の節約に加えて、従来の検査に関連するコストが予測される50%を越えて低減する。
5.インフルエンザ大発生の監視
一態様において、本発明のシステムを配備して、疾病大発生の監視および封じ込めを行う。HSは、インフルエンザの場合において特に有益である。なぜならば、初期において大量ワクチン接種プログラムに依存している封じ込め戦略の場合、大発生を有効に封じ込めるには不十分である場合があるからである。インフルエンザAウイルス株は、ウイルス表面上の2つのタンパク質、すなわち、ヘマグルチニン(H)およびノイラミニダーゼ(N)に従って分類される。インフルエンザAウイルスは全て、これらの2つの表面タンパク質を含むが、ウィルスゲノム中の高速突然変異に起因して、これらのタンパク質の構造はウイルス株によって異なる。鳥類においては16Hサブタイプおよび9Nサブタイプが分かっているが、ヒトについては、部分集合、例えば、H1、2および3、およびN1および2のみが通常見出される。株の病原性は、サブタイプによって異なる。例えば、「鳥インフルエンザ」として一般的に知られているH5N1株の場合、が最も罹患するが、アジアにおいてこの株がヒトにおいて大発生し、感染者のうち60%に上る人々が死亡した。

0102

インフルエンザワクチンは拡散防止を支援することができるものの、サブタイプの変化およびインフルエンザの突然変異に起因して、ワクチン接種は部分的なソリューションにしかならななくなる。例えば、一般的に「豚インフルエンザ」と呼ばれるH1N1インフルエンザウイルスは、2009年の流行の原因である。H5N1と同様に、H1N1もヒトに伝染し得る。米国疾病対策センター(CDC)は、2009年のH1N1の流行についての情報をwww.cdc.gov/H1N1FLU/において維持する。CDCの懸念によれば、新規のH1N1インフルエンザウイルスが発生した場合、2009年において、例えば、疾患の広範囲拡散、医者の訪問、入院および死亡を通して、特に深刻なインフルエンザシーズンがとなり得る。初回分のH1N1ワクチンはどんなに早くても10月中旬にならないと利用できず、最もリスクの高い集団の治療のためのワクチン供給さえも、晩まで不足する。よって、広範囲の拡散および流行ならびに社会的パニックを回避するための最良の方法は、(特に高リスクの個人への)ウイルスの拡散を回避することにより、ウイルスを制御することである。

0103

政府の中には、発熱症状または呼吸器症状についてのスクリーニングを含む重症急性呼吸器症候群(SARS)に対して有効であったインフルエンザ封じ込め方法を試行している政府もある。しかし、これらの方法は、H1N1の封じ込めに不十分である。1つの問題として、インフルエンザの犠牲者は、少なくとも発熱または他の症状が出てくる一日前の時点において伝染性を持ち得る点がある。いくつかの実施形態において、本発明のヘルスシールドは、症状を示す個人だけでなく、家族メンバーおよび近隣の同僚もシステム的に検査する。従って、感染した個人が感染を拡散する機会を持つ前にこの感染者を治療および隔離することが可能となり、これにより、インフルエンザによる実際の影響および心理的影響が低減する。

0104

患者が検査および治療のために救急処置室に殺到しないようにすれば、2009年秋のインフルエンザの拡散および死亡率は軽減する。高コストを要する救急処置室および病院への訪問の低減、適切な医薬品の使用、および病院内におけるウイルス拡散の低減により、数百から数百万ドルを節約することが可能となる。本発明のHSモデルは、最適な介入戦略および適切な医薬品(例えば、タミフル)を投与するタイミングを特定することができる。これらのステップにより、病院および救急処置室への訪問を低減することが可能になり、人々が仕事を早期に再開することが可能になる。また、このような救急処置室への不要な訪問を無くすことにより、ウイルス拡散の回避および入院および救急処置室関連の出費の低減も支援することが可能となる。

0105

インフルエンザ(例えば、H1N1およびH5N1)の検出は、FSポイントオブケア器具を用いて体液(例えば、血液の指先穿刺、痰、唾液、またはこれらの組み合わせ)から行うことができる。これらの器具は、適切な場所(例えば、家庭、学校、レストラン、一次医療ユニット家畜施設など)に配置することができ、多数の事例において電源以外の局地的な支持インフラストラクチャなしに配備が可能である。検査は短時間で行うことができ、検査所要時間は例えば約1、2、3、4、5、10、15、20、25、30、35、40、45、50、55または60分未満である。いくつかの実施形態において、前記FSからの結果は、中央監視現場のOSへリアルタイムで返送される。血液または唾液に基づいたアッセイによるインフルエンザ検出は、ウイルスそのものの特定のエピトープ高感受性抗体(例えば、ヘマグルチニンおよび/またはノイラミニダーゼ)の免疫検出を含む、いくつかの方法によって行うことができる。前記アッセイにより、特定された多様な種類のインフルエンザ株(例えば、インフルエンザA、インフルエンザB、H5N1、H1N1など)の間の区別を行うことが可能となる。バックグラウンドに異なる株または遺伝的変異が含まれる場合であっても、前記アッセイは、特定のウイルス株の個々の粒子を検出することができる。前記アッセイは、バイオマーカー(単数または複数)、ウィルスタンパク質外被タンパク質などを検出することができる。

0106

いくつかの実施形態において、前記アッセイは、炎症マーカーおよび免疫反応マーカー(例えば、サイトカイン)を測定する。このようなマーカーにより、臨床医は、対象者の感染深刻度、急性期および/または炎症反応の反応を特定することができる。その結果、例えば、個人に対する適切な治療投薬計画の決定を支援することが可能となる。感染に対する反応を測定することが可能であるため、今まで特性化されていないウイルス株であっても、感染の特性化が可能となる。これらの株が特性化された結果、特定の検査をカスタマイズした後にカートリッジに付加することが可能となる。必要なアッセイに応じて、新規検査を迅速に配備することが可能となり、所要時間も数日間、数週間またはわずか数ヶ月間となる。

0107

現在、座標または不調和調節が臨床的に研究されているサイトカイン/ケモカインは100種類を越えている。本発明のシステムおよび方法において用いることが可能な例示的サイトカインを非限定的に以下に挙げる:BDNF、CREBpS133、CREB合計、DR−5、EGF、ENA−78、エオタキシン脂肪酸結合タンパク質、FGF−basic顆粒球コロニー刺激因子(G−CSF)、GCP−2、顆粒球マクロファージコロニー刺激因子GM−CSF(GM−CSF)、成長関連癌遺伝子ケラチノサイト(GRO−KC)、HGFICAM−1、IFNアルファ、IFN−ガンマインターロイキンIL−10、IL−11、IL−12、IL−12p40、IL−12p40/p70、IL−12p70、IL−13、IL−15、IL−16、IL−17、IL−18、IL−1アルファ、IL−1ベータ、IL−1ra、IL−1ra/IL−1F3、IL−2、IL−3、IL−4、IL−5、IL−6、IL−7、IL−8、IL−9、インターフェロン誘導タンパク質(10IP−10)、JE/MCP−1、ケラチノサイト(KC)、KC/GROa、LIF、リンホタクチン、M−CSF、単球走化性タンパク質−1(MCP−1)、MCP−1(MCAF)、MCP−3、MCP−5、MDC、MIG、マクロファージ炎症(MIP−1アルファ)、MIP−1ベータ、MIP−1ガンマ、MIP−2、MIP−3ベータ、OSM、PDGF−BB、血小板やT細胞由来好酸球走化性物質(RANTES)、Rb(pT821)、Rb(合計)、RbpSpT249/252、Tau(pS214)、Tau(pS396)、Tau(合計)、組織因子腫瘍壊死因子−アルファ(TNF−アルファ)、TNF−ベータ、TNF−RI、TNF−RII、VCAM−1、およびVEGF。いくつかの実施形態において、前記サイトカインは、IL−12p70、IL−10、IL−1アルファ、IL−3、IL−12p40、IL−1ra、IL−12、IL−6、IL−4、IL−18、IL−10、IL−5、エオタキシン、IL−16、MIG、IL−8、IL−17、IL−7、IL−15、IL−13、IL−2R(可溶性)、IL−2、LIF/HILDA、IL−1ベータ、Fas/CD95/アポ1、およびMCP−1である。

0108

本発明のシステムおよび方法と共に用いることが可能な炎症マーカーを挙げると、ICAM−1、RANTES、MIP−2、MIP−1−ベータ、MIP−1−アルファ、およびMMP−3がある。さらなる炎症マーカーを以下に挙げる:接着分子(例えば、インテグリンα1β1、α2β1、α3β1、α4β1、α5β1、α6β1、α7β1、α8β1、α9β1、αVβ7、α4β7、α6β4、αDβ2、αLβ2、αMβ2、αVβ3、αVβ5、αVβ6、αVβ8、αXβ2、αIIβ3、αIELbβ7、ベータ−2インテグリン、ベータ−3インテグリン、ベータ−2インテグリン、ベータ−4インテグリン、ベータ−5インテグリン、ベータ−6インテグリン、ベータ−7インテグリン、ベータ−8インテグリン、アルファ−1インテグリン、アルファ−2インテグリン、アルファ−3インテグリン、アルファ−4インテグリン、アルファ−5インテグリン、アルファ−6インテグリン、アルファ−7インテグリン、アルファ−8インテグリン、アルファ−9インテグリン、アルファ−Dインテグリン、アルファ−Lインテグリン、アルファ−Mインテグリン、アルファ−Vインテグリン、アルファ−Xインテグリン、アルファ−IIbインテグリン、アルファIELbインテグリン)、インテグリン関連分子(例えば、ベータIG−H3、Melusin、CD47、MEPE、CD151、オステオポンチン、IBSP/Sialoタンパク質II、RAGE、IGSF8)、セレクチン(例えば、E−セレクチン、P−セレクチン、L−セレクチン)、およびリガンド(例えば、CD34、GlyCAM−1、MadCAM−1、PSGL−1、ビトロネクチン、ビトロネクチン受容体フィブロネクチン、ビトロネクチン、コラーゲンラミニン、ICAM−1、ICAM−3、BL−CAM、LFA−2、VCAM−1、NCAM、およびPECAM。さらなる炎症マーカーを以下に挙げる:サイトカイン(例えば、IFN−α、IFN−β、IFN−ε、−κ、−τ、および−ζ、IFN−ω、IFN−γ、IL29、IL28AおよびIL28B、IL−1、IL−1αおよびβ、IL−2、IL−3、IL−4、IL−5、IL−6、IL−7、IL−8、IL−9、IL−10、IL−11、IL−12、IL−13、IL−14、IL−15、IL−16、IL−17、IL−18、IL−19、IL−20、IL−21、IL−22、IL−23、IL−24、IL−25、IL−26、IL−27、IL−28、IL−29、IL−30、およびTCCR/WSX−1)。さらなる炎症マーカーを以下に挙げる:サイトカイン受容体(例えば、共通ベータ鎖、IL−3Rアルファ、IL−3Rベータ、GM−CSFR、IL−5Rアルファ、共通ガンマ鎖/IL−2Rガンマ、IL−2Rアルファ、IL−9R、IL−2Rベータ、IL−4R、IL−21R、IL−15Rアルファ、IL−7Rアルファ/CD127、IL−1ra/IL−1F3、IL−1R8、IL−1RI、IL−1R9、IL−1RII、IL−18Rアルファ/IL−1R5、IL−1R3/IL−1RAcP、IL−18Rベータ/IL−1R7、IL−1R4/ST2SIGIRR、IL−1R6/IL−1Rrp2、IL−11Rアルファ、IL−31RA、CNTFRアルファ、レプチンR、G−CSFR、LIFRアルファ、IL−6R、OSMRベータ、IFN−アルファ/ベータR1、IFN−アルファ/ベータR2、IFN−ガンマR1、IFN−ガンマR2、IL−10Rアルファ、IL−10Rベータ、IL−20Rアルファ、IL−20Rベータ、IL−22R、IL−17R、IL−17RD、IL−17RC、IL−17BR、IL−13Rアルファ2、IL−23R、IL−12Rベータ1、IL−12Rベータ2、TCCR/WSX−1、およびIL−13Rアルファ1。さらなる炎症マーカーを以下に挙げる:ケモカイン(例えば、CCL−1、CCL−2、CCL−3、CCL−4、CCL−5、CCL−6、CCL−7、CCL−8、CCL−9、CCL−10、CCL−11、CCL−12、CCL−13、CCL−14、CCL−15、CCL−16、CCL−17、CCL−18、CCL−19、CCL−20、CCL−21、CCL−22、CCL−23、CCL−24、CCL−25、CCL−26、CCL−27、CCL−28、MCK−2、MIP−2、CINC−1、CINC−2、KC、CINC−3、LIX、GRO、胸腺ケモカイン−1、CXCL−1、CXCL−2、CXCL−3、CXCL−4、CXCL−5、CXCL−6、CXCL−7、CXCL−8、CXCL−9、CXCL−10、CXCL−11、CXCL−12、CXCL−13、CXCL−14、CXCL−15、CXCL−16、CXCL−17、XCL1、XCL2、およびケマリン。さらなる炎症マーカーを以下に挙げる:ケモカイン受容体(例えば、CCR−1、CCR−2、CCR−3、CCR−4、CCR−5、CCR−6、CCR−7、CCR−8、CCR−9、CCR−10、CXCR3、CXCR6、CXCR4、CXCR1、CXCR5、CXCR2、ChemR23。さらなる炎症マーカーを以下に挙げる:腫瘍壊死因子(TNF)(例えば、TNFα、4−1BBリガンド/TNFSF9、LIGHT/TNFSF14、APRIL/TNFSF13、リンホトキシン、BAFF/TNFSF13B、リンホトキシンベータ/TNFSF3、CD27リガンド/TNFSF7、OX40リガンド/TNFSF4、CD30リガンド/TNFSF8、TL1A/TNFSF15、CD40リガンド/TNFSF5、TNF−アルファ/TNFSF1A、EDA、TNF−ベータ/TNFSF1B、EDA−A2、TRAIL/TNFSF10、Fasリガンド/TNFSF6、TRANCE/TNFSF11、GITRリガンド/TNFSF18、およびTWEAK/TNFSF12。さらなる炎症マーカーを以下に挙げる:TNFスーパーファミリー受容体(例えば、4−1BB/TNFRSF9、NGFR/TNFRSF16、BAFFR/TNFRSF13C、オステオプロテゲリン/TNFRSF11B、BCMA/TNFRSF17、OX40/TNFRSF4、CD27/TNFRSF7、RANK/TNFRSF11A、CD30/TNFRSF8、RELT/TNFRSF19L、CD40/TNFRSF5、TACI/TNFRSF13B、DcR3/TNFRSF6B、TNFRI/TNFRSF1A、DcTRAILR1/TNFRSF23、TNFRII/TNFRSF1B、DcTRAILR2/TNFRSF22、TRAILR1/TNFRSF10A、DR3/TNFRSF25、TRAILR2/TNFRSF10B、DR6/TNFRSF21、TRAILR3/TNFRSF10C、EDAR、TRAILR4/TNFRSF10D、Fas/TNFRSF6、TROY/TNFRSF19、GITR/TNFRSF18、TWEAKR/TNFRSF12、HVEM/TNFRSF14、およびXEDAR。さらなる炎症マーカーを以下に挙げる:TNFスーパーファミリー調節遺伝子(例えば、FADD、TRAF−2、RIP1、TRAF−3、TRADD、TRAF−4、TRAF−1、およびTRAF−6)。さらなる炎症マーカーを以下に挙げる:急性期反応物質および急性期タンパク質。さらなる炎症マーカーを以下に挙げる:TGF−ベータスーパーファミリーリガンド(例えば、アクチビン、アクチビンA、アクチビンB、アクチビンAB、アクチビンC、BMP(骨形成タンパク質)、BMP−2、BMP−7、BMP−3、BMP−8、BMP−3b/GDF−10、BMP−9、BMP−4、BMP−10、BMP−5、BMP−15/GDF−9B、BMP−6、デカペンタプレジック、成長/分化因子(GDF)、GDF−1、GDF−8、GDF−3、GDF−9GDF−5、GDF−11、GDF−6、GDF−15、GDF−7、GDNFファミリーリガンド、アルテミンニュールツリン、GDNF、パーセフィン、TGF−ベータ、TGF−ベータ、TGF−ベータ3、TGF−ベータ1、TGF−ベータ5、LAP(TGF−ベータ1)、潜在型TGF−ベータbp1、潜在型TGF−ベータ1、潜在型TGF−ベータbp2、TGF−ベータ1.2、潜在型TGF−ベータbp4、TGF−ベータ2、Lefty、MIS/AMH、Lefty−1、Nodal、Lefty−A、アクチビンRIA/ALK−2、GFRアルファ−1/GDNFRアルファ−1、アクチビンRIB/ALK−4、GFRアルファ−2/GDNFRアルファ−2、アクチビンRIIA、GFRアルファ−3/GDNFRアルファ−3、アクチビンRIIB、GFRアルファ−4/GDNFRアルファ−4、ALK−1、MISRII、ALK−7、Ret、BMPR−IA/ALK−3、TGF−ベータRI/ALK−5、BMPR−IB/ALK−6、TGF−ベータRII、BMPR−II、TGF−ベータRIIb、Endoglin/CD105、およびTGF−ベータRIII。さらなる炎症マーカーを以下に挙げる:TGF−ベータスーパーファミリーモジュレータ(例えば、無羊膜、NCAM−1/CD56、BAMBI/NMA、Noggin、BMP−1/PCP、NOMO、Caronte、PRDC、Cerberus1、SKI、コーディン、Smad1、コーディン様1、Smad2、コーディン様2、Smad3、COCO、Smad4、CRIM1、Smad5、Cripto、Smad7、Crossveinless−2、Smad8、Cryptic、SOST、DAN、潜在型TGF−ベータbp1、デコリン、潜在型TGF−ベータbp2、FLRG、潜在型TGF−ベータbp4、フォリスタチン、TMEFF1/モレグリン−1、フォリスタチン様1、TMEFF2、GASP−1/WFIKKNRP、TSG、GASP−2/WFIKKN、TSK、グレムリン、およびバソリン。さらなる炎症マーカーを以下に挙げる:EGFリガンド(例えば、アンフィレグリン、LRIG3、ベータセルリンニューレグリン−1/NRG1、EGF、ニューレグリン−3/NRG3、エピゲン、TGF−アルファ、エピレグリン、TMEFF1/モレグリン−1、HB−EGF、TMEFF2、およびLRIG1。さらなる炎症マーカーを以下に挙げる:EGFR/ErbB受容体ファミリー(例えば、EGFR、ErbB3、ErbB2、およびErbB4)。さらなる炎症マーカーを以下に挙げる:フィブリノーゲン。さらなる炎症マーカーを以下に挙げる:SAA。さらなる炎症マーカーを以下に挙げる:グリアマーカー(例えば、アルファ).1−アンチトリプシン、C反応性タンパク(CRP)、α2−マクログロブリングリア細胞繊維性酸性タンパク質(GFAP)、Mac−1、およびF4/80。さらなる炎症マーカーを以下に挙げる:ミエロペルオキシダーゼ。さらなる炎症マーカーを以下に挙げる:補助マーカー(例えば、C3d、C1q、C5、C4d、C4bp、およびC5a−C9)。さらなる炎症マーカーを以下に挙げる:主要組織適合遺伝子複合体MHC)糖タンパク質(例えば、HLA−DRおよびHLA−A、D、C)。さらなる炎症マーカーを以下に挙げる:ミクログリアマーカー(例えば、CR3受容体、MHCI、MHCII、CD31、CD11a、CD11b、CD11c、CD68、CD45RO、CD45RD、CD18、CD59、CR4、CD45、CD64、およびCD44)。さらなる炎症マーカーを以下に挙げる:アルファ.2マクログロブリン受容体線維芽細胞成長因子、FcガンマRI、FcガンマRII、CD8、LCA(CD45)、CD18、CD59、ApoJ、クラスタリンプラスミノーゲンアクチベーターインヒビター2、CD44、マクロファージコロニー刺激因子受容体、MRP14、27E10、4−ヒドロキシノネナールタンパク質コンジュゲート、IκB、NFκB、cPLA2、COX−2、マトリックスメタロプロテアーゼ膜脂質過酸化反応、およびATPase


活性。HSPC228、EMP1、CDC42、TLE3、SPRY2、p40BBP、HSPC060およびNAB2、またはHSPA1A、HSPA1B、MAPRE2およびOAS1式のダウンレギュレーション、TACE/ADAM17、アルファ−1−酸糖タンパク質、アンジオポイエチン−1、MIF、アンジオポイエチン−2、CD14、ベータ−デフェンシン2、MMP−2、ECF−L/CHI3L3、MMP−7、EGF、MMP−9、EMAP−II、MSP、EN−RAGE、酸化窒素エンドセリン−1、オステオアクチビン/GPNMB、FPR1、PDGF、FPRL1、ペントラキシン3/TSG−14、FPRL2、Gas6、PLUNC、GM−CSF、RAGE、S100A10、S100A8、S100A9、HIF−1アルファ、P物質、TFPI、TGF−ベータ1、TIMP−1、TIMP−2、TIMP−3、TIMP−4、TLR4、LBP、TREM−1、ロイコトリエンA4、ヒドロラーゼTSG−6、リポカリン−1、uPA、M−CSF、およびVEGF。

0109

各個人の生理学的データを測定して、FS器具またはケアポイントからOSへと通信することができる。このようなデータを非限定的に以下に挙げる:体温、心拍/脈拍、血圧、酸素測定信号、体重、水分貯留プレチスモグラフィ信号、呼吸速度脂肪含量、水分含量、血液還流、可動性、姿勢生体インピーダンス心電図(ECG)、または電気皮膚反応

0110

いくつかの実施形態において、前記アッセイを用いて、特定の病原体またはマーカーに対してホスト抗体を検出する。このような抗体の測定の際にあり得る1つの問題として、過去にインフルエンザワクチン接種を受けたことのある個人において発生し得る干渉がある。このような状況においては、血液中の高インフルエンザ抗体力価がアッセイと干渉し得る。インフルエンザウイルスは主に肺中で複製するため、例えば、痰、鼻洗浄液および唾液中において検出することができる。そのため、唾液ベースのサンプルを、確認のためポイントオブケアにおいて処理することができる。インフルエンザ粒子表面上のヘマグルチニン(H抗原)抗原は、標的細胞内への進入において有益であると考えられている。ヘマグルチニンは、赤色細胞に結合し得、適切な状態のいて前記細胞を凝集させる。従って、血液中の赤色細胞は、ウイルスの濃縮剤として機能することができる。この現象を、ウイルスについてのアッセイにおいて利用することができる。なぜならば、赤色細胞を濃縮した後に血液サンプルの分析を行うことができるからである。さらに多くの赤色細胞をアッセイカートリッジ内の適切な表面上において収集(および濃縮)し、これにより、大量のウイルスを分析および検出対象として提供することができる。

0111

任意の医学的スクリーニングまたは診断検査の2つの主要な評価的尺度として、感受性および特異度がある。これらの尺度は、影響を受ける全個人を例外無く高精度に検出しかつ対象疾病に罹患していない個人を誤って含まないように検査が適切に行われているかを示す(予測値)。

0112

真陽性TP)の結果は、検査が陽性でありかつ当該状態が存在していることを示す。偽陽性(FP)の結果は、検査は陽性であるが当該状態が存在していないことを示す。真陰性(TN)の結果は、検査が陰性でありかつ当該状態が存在していないことを示す。偽陰性(FN)の結果は、検査は陰性であるが当該状態が存在していないことを示す。この文脈において、:感受性=TP/(TP+FN)であり、特異度=TN/(FP+TN)であり、陽性の予測値=TP/(TP+FP)である。

0113

感受性は、検査されている個人の体内の対象疾病を正確に検出する検査能力を示す尺度である。検査の感受性が低い場合、高率の偽陰性、すなわち、特定の疾病に罹患している個人が、当該疾病に罹患していない者として誤って特定されることが発生する。偽陰性に起因する危険性として、疾病に罹患した個人が診断を受けないまま放置され、一定期間の間未治療のままであり、その間当該疾病が進行して次の段階に進んだ結果、治療法があったとしても治療有効性が低くなる可能性がある。低感受性の検査の一例として、タンパク質に基づいたHIV血液検査がある。この種の検査が低感受性である理由として、この検査の場合、疾病が進行して確立し、また多数のウイルスが血流中に侵入した後で初めてウイルスの存在を検出が可能となる点がある。これとは対照的に、高感受性である検査の一例として、ポリメラーゼ連鎖反応(PCR)を用いたウィルス負荷検出がある。高感受性が達成できる理由として、この種の検査の場合、極めて少数のウイルスの検出が可能である点がある。診断を受ける機会を逃すことによる影響が大きい場合、高感受性は特に重要となる。

0114

一方、特異度は、当該病態の無い患者を高精度に特定できる検査能力を示す尺度である。検査の特異度が低い場合、高率の偽陽性、すなわち、当該疾病を持つものとして個人が誤って特定されてしまうことが発生する。偽陽性の欠陥として、患者に不要な医学治療を強制することで、治療付随リスク、感情ストレスおよび金銭的ストレスを患者に与え、当該患者の健康に悪影響を及ぼし得る点がある。さらなる診断手順またはさらなる医学的介入に関連するコストまたはリスクが極めて高い場合、特異度が重要となる。

0115

いくつかの実施形態において、前記HSは、複数のアッセイを行って、アッセイ感受性および/または特異度を向上させる。例えば、疾病監視の感受性および特異度を向上させることができる。いくつかの実施形態において、個人について、複数の身体サンプルをアッセイする。例えば、インフルエンザワクチン投与を以前受けた者について、唾液に基づいた検査および血液(指先穿刺)に基づいた検査を同時に行うことができる。複数のサンプルを検査することで、感染特定の可能性を増加させることができる。加えて、封じ込めを最大化するためにも、偽陰性の抑制が重要となる。いくつかの実施形態において、本発明では、各検査カートリッジ上において炎症マーカーおよび感染マーカー双方の検査を設けることにより、偽陰性に対処する。インフルエンザ検査結果が陰性であるものの、これらの他のマーカーの結果がインフルエンザの可能性を強く示す場合、当該特定の部分集合に含まれる患者について、確認検査を設けることができる。多様な例示的なマーカーパネル検査メニューとも呼ぶ)について、本明細書中多様な疾病設定について開示する。当業者であれば、複数のアッセイおよび/または生理学的パラメータを用いることにより感受性の向上が可能であり、かつ/または、特異度はこれらの例示的な実施形態に限定されず、多数の疾病および疾患を監視する際の有効な技術となり得る点を理解する。

0116

いくつかの実施形態において、FSユニットによって可能とされるHSの分散型検出能力により、インフルエンザの確認事例を有する個人の早期特定(すなわち、「兆候事例」)が可能となり、その後、のように特定された個人との接触者全員に対してクエリを送ることができる。このような接触ネットワーク(流行拡散を含む)を考慮すると、理想的には、晒されている集団および/または無症状でありかつ感染している集団における迅速な配備、特定および先制アクションが必要となる。HSを用いれば、これらの活動を実行し、病害拡散を回避するシステムが得られる。

0117

ヘルスシールドシステムは、インフルエンザ大発生の監視および封じ込めのために配備することができる。HSの配備は、多様な設定(例えば、地域レベル、地方レベル国レベル)で行うことが可能である。所与の設定のためのOSにおいて、コンピュータ内でのモデル化を用いることで、インフルエンザまたは他の状態を最大限に封じ込めることができるような多様な配備戦略をシミュレートし、設定に合わせた最適化を行うことが可能となる。いくつかの実施形態において、前記モデルは、予測される大発生および/または封じ込められる大発生をモデル化するための多様な適切なパラメータを含む疫学モデルを含む。いくつかの実施形態において、前記システムにおいて、モンテカルロシミュレーションを用いて、スクリーニング戦略および封じ込め戦略の範囲を確認することができる。その後、これらのスクリーニング戦略および封じ込め戦略は、コスト/恩恵比などについて分析される。例えば、前記システムは、限られた資源(例えば、医療従事者、治療およびワクチン)をどこでどのように配備するかを提案することができる。前記OSモデルに対し、監視対象となる設定として集団および個人特定情報事前ロードすることができる。これらの要素を以下に非限定的に挙げる:培養時間、感染しやすい集団の接続性、感染様態、ウイルスの病原性、死亡率および入院率、疾病発生、伝播モード感染率、治療介入結果、ワクチン有効性、および抗ウイルス治療(例えば、タミフル)への抵抗または抗ウイルス治療の有効性。監視対処となる個人についてのパラメータを以下に非限定的に挙げる:年齢、性別、社会的接触(例えば、生活環境、ファミリー、同僚)、疾病既往歴、一般的健康(例えば、他の既存状態)など。システム配備後は、モデルパラメータの更新を連続的に行うことができる。

0118

FS器具は、構成されたOSと関連して作動するように配備される。いくつかの実施形態において、FSからのデータは、ソフトウェアポータルを通じてOSへ提供される。その後、遠隔OSが所望の計算を行うことが可能になる。一般的に、FSシステムは、選択されたホットスポットに対して配備される。いくつかの実施形態において、OSモデルを用いて、前記FS器具の最適な配備を誘導する。最適なおよびホットスポット場所を以下に非限定的に挙げる:人が集まる場所(例えば、商業地域、学校および職場)。病気の人が集まる場所も標的とされ、例を以下に非限定的に挙げる:診療所、薬局および病院。いくつかの実施形態において、FS機器を、本明細書中に記載のような家庭に対して配備する。

0119

FSシステムが配備された後、前記FSシステムを用いて、対象者を検査する。いくつかの実施形態において、このような検査を挙げると、疾病抗原(例えば、ウィルス外被タンパク質)の検査がある。分析物はまた、疾病マーカー(例えば、免疫マーカー(例えば、サイトカイン)および感染進行を示す炎症マーカー)としてのホストタンパク質を含む。病原体の検査ならびに患者の状態および予後の評価においては、複数の分析物を同時に測定できることが望ましい。複数測定が可能になることで、例えば、疾病検出の機会が増加する。なぜならば、任意の単一の分析物が異常レベルで発見されない場合があるからである。また、複数の分析物測定により、ノイズ低減も可能となり、システムの疾病監視精度も向上する。

0120

以下の表は、H1N1ウイルス(豚インフルエンザとしても知られる)の検出のための例示的メニューを示す。

0121

表3
上記表において、「Ab:Ag」は、抗体(Ab)と抗原(Ag)との間に形成される複合体を示す。例えば、「IgG抗H1:H1」は、ホストIgG抗H1抗体と、インフルエンザヘマグルチニンH1抗原との間の複合体を示す。異なるインフルエンザ株が監視されるため、前記メニューも相応に調整される。例えば、H1N5ウイルス監視のためのメニューは、N5抗原および抗N5抗体の検出を含む。

0122

IgM対IgGまたはIgA抗体の検出を用いて、個人が対象インフルエンザ粒子へ以前晒されたことがあるかを決定することができる。免疫原への初回曝露への感染後数日間において、IgM抗体が高速発生する。以前晒されたことのある個人が、類似または同一の抗原特性を有する第2の病原体に遭遇した場合、IgG抗体およびIgA抗体が極めて高速に発生する。この二次反応は典型的には、初回のIgM反応よりもずっと高く、より特異的であることが多い。一次感染および極めて深刻な感染の場合、活性ウイルスが血液中に存在する可能性もより高くなり、このようなウイルスを直接検出することが可能となる。二次感染の場合、抗体が存在する場合、抗体が徐々に抗原を上回り、抗原が免疫アッセイ方法に対してマスクされ得る。いくつかの実施形態において、抗原および抗体によって形成される複合体は、サンドイッチ免疫アッセイを用いて検出される。このアッセイにおいて、1つの試薬が前記抗原用に用いられ、その他の試薬がIgG用に用いられる。対象者からIgGおよびIgA抗体が発生した後は、感染が決定されてからずっと後になって、このような抗体を血液中に見つけることが可能となる。

0123

表3に示すように、前記メニューはまた、1つ以上のサイトカインを免疫反応および/または炎症のマーカーとして含み得る。対象サイトインを非限定的に挙げると、IL−1β、IL−6、IL−8、IL−10およびTNFαがある。上記のようなサイトカインは、ウィルス感染初期段階において大量に生成され得る。いくつかの事例において、これらのマーカーのレベルは高速に上下する。1つ以上サイトカインの連続測定を行うことにより、患者の状態および予後に関する貴重な情報を得ることができる。例えば、サイトカインレベルの変化を測定することにより、ウィルス性発熱および細菌起源を区別することが可能になる。最近の研究によれば、救急処置室への入室時における血液C反応性タンパクと、発熱開始後の経過時間との間の比として規定される「CRP速度」(CRPv)に基づいて、急性細菌性発熱疾患と、非細菌性発熱疾患とを区別することが可能となる(Paran et al., C−reactive protein velocity to distinguish febrile bacterial infections from non−bacterial febrile illnesses in the emergency department, Crit Care. 2009;13(2):R50)。また、この研究によれば、他の急性期タンパク質(例えば、IL−1、IL−6、およびTNF−α)の血液レベルは、CRPvと相関する。

0124

インフルエンザマーカーの検出レベルを表4に示す。

0125

表4:インフルエンザバイオマーカーの閾レベルまたはアクションレベル
表3および表4中の例示的マーカーは、H1N1検出のためのメニューに対応する。特定のマーカーの検出のための閾レベルを表4中に示す。測定が経時的に行われるの時に、マーカー(例えば、サイトカインまたはC反応性タンパク)の増加倍数を検出することができる。ここで、10倍(x)の変化をイベントを示すものとしてみなす。個人の時間経過データが利用できない場合、基準閾値との比較により倍増の変化を決定することができる。例えば、所与のマーカー検出されたレベルと、一般的な健康集団中の前記マーカーの平均レベルと比較することができる。適切な分析方法を用いることで、異なるインフルエンザ株(例えば、H5N1、H3N2など)を検出することが可能となることが理解される。

0126

表5中に、所与のマーカーが検出された場合における、OSによって推奨される一連のインフルエンザ対応のためのアクションを示す。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ