计算年龄相关疾病风险的系统及方法、记录介质及服务器

技术领域

本公开涉及一种用于在不管是否进行了血脂异常测试(dyslipidemia test)的情况下使用一般医学体检的生物标记来测量生物学年龄(biological age)并基于所述生物学年龄来预测年龄相关疾病(age related disease，ARD)发病风险的系统及方法、记录介质及服务器。

背景技术

由于预期寿命延长和/或出生率下降，老年人口增加是一个全球趋势。根据联合国的规定，如果65岁或65岁以上的人口在整个人口中的份额为7％或大于7％，则其被分类为老龄化社会(aging society)，如果所述份额为14％或大于14％，则其为老龄社会(agedsociety)，而如果65岁或65岁以上的人口的份额为20％或大于20％，则其被分类为超老龄社会(super-aged society)。美国在1941年就已经进入老龄化社会且日本是在1970年，而韩国在2000年进入了老龄化社会。老年人口比例持续增加，且预计在2025年韩国将进入65岁或65岁以上的人口份额为20.3％的超老龄社会。

年龄相关疾病(ARD)是最常见的疾病，随着老龄化加剧，其发生频率也会增加。年龄相关疾病的实例包括心血管疾病、关节炎、白内障、骨质疏松症、糖尿病、高血压及阿尔茨海默病。所有这些疾病的发病随着年龄呈指数增长。

因此，迫切需要开发一种通过识别年龄相关疾病发病风险并预测年龄相关疾病发病风险来帮助人们为健康生活做准备的技术。

关于生物学年龄，以下专利文献(Patent Literature，PTL)1(韩国专利第10-1328643号)提供一种用于预测生物学年龄的装置及方法，但使用所述用于预测生物学年龄的装置及方法来预测疾病风险的方法是未知的。

此外，传统上，在一般医学体检中，对于24岁或24岁以上的男性及40岁或40岁以上的女性，每4年测试一次血脂异常相关测试项目(总胆固醇(total cholesterol，TC)、甘油三酯(triglyceride，TG)、高密度脂蛋白胆固醇(high-density lipoproteincholesterol，HDL-C)、低密度脂蛋白胆固醇(low-density lipoprotein cholesterol，LDL-C))。举例来说，只有24岁、28岁及32岁...的男性以及40岁、44岁及48岁...的女性对应于血脂异常相关测试对象。由于此种原因，在考虑到血脂异常的情况下测量生物学年龄并计算疾病风险会导致除了使用每4年一次的数据以外别无选择的问题。

[现有技术文献]

[专利文献]

(专利文献1)韩国专利第10-1328643号

发明内容

本公开提供一种用于在不管是否进行了血脂异常相关测试的情况下使用一般医学体检的生物标记来测量生物学年龄并基于生物学年龄测量结果来预测年龄相关疾病发病风险的方法及系统，所述生物学年龄是与居民登记年龄(年龄)相比的身体的实际年龄。

本公开还提供一种方法及系统，所述方法及系统用于使用生物标记来测量生物学年龄，并向客户提供对应于所测量的生物学年龄的定制分析结果。本公开提供一种方法及系统，所述方法及系统用于通过使得客户能够通过生物学年龄测量结果而易于理解生物学年龄以及向客户提供与年龄相关疾病发病风险来提供可有助于疾病预防及管理的效果。

根据示例性实施例，一种用于基于生物学年龄来计算年龄相关疾病风险的系统，所述系统被应用于一种用于基于生物学年龄来预测疾病风险的系统，且包括：输入单元，被配置成接收对象的例如性别及年龄等基本信息以及包括医学体检结果在内的生物标记信息；以及分析单元，包括生物学年龄测量单元及疾病发病风险预测单元，生物学年龄测量单元被配置成基于对象的基本信息及生物标记信息来计算对象的生物学年龄，疾病发病风险预测单元被配置成基于对象的生物学年龄来预测个体疾病发病风险。

在所述系统中，生物标记信息可包括身高(height，HT)、腰围(waistcircumference，WC)、收缩压(systolic blood pressure，SBP)、空腹血糖(fasting bloodsugar，FBS)、总胆固醇(TC)、甘油三酯(TG)、高密度脂蛋白胆固醇(HDL-C)、血红蛋白(hemoglobin，Hgb)、肌酐(creatinine，Cr)、肝酶天冬氨酸氨基转移酶(aspartateaminotransferase，AST)(谷草转氨酶(Glutamic-Oxaloacetic Transaminase，GOT))、肝酶γ-谷氨酰基转肽酶(Glutamic Pyruvic Transaminase，GTP)(γ-GTP)及估计肾小球滤过率(estimated glomerular filtration rate，e-GFR)中的至少一者或多者，生物学年龄测量单元可被配置成判断对象是男性还是女性以及是否已对所述对象进行血脂异常测试，当对象是男性且已对所述对象进行血脂异常测试时，根据以下计算公式1来计算基础生物学年龄，而当对象是男性且尚未对所述对象进行血脂异常测试时，根据以下计算公式2来计算基础生物学年龄，当对象是女性且已对所述对象进行血脂异常测试时，根据以下计算公式3来计算基础生物学年龄，而当对象是女性且尚未对所述对象进行血脂异常测试时，根据以下计算公式4来计算基础生物学年龄，且生物学年龄可为通过以下计算公式1至计算公式4而计算的基础生物学年龄，

(计算公式1)

生物学年龄＝A1+B1*HT+B2*WC+B3*SBP+B4*FBS+B5*Hgb+B6*eGFR+B7*AST+B8*TC+B9*TG+B10*HDL-C+B11*年龄(名义年龄(nominal age))

(A1为常数，且B1至B11为相关系数值，其中B2、B3、B4、B5、B7、B8、B9及B11具有正值，且A1、B1、B6及B10具有负值)，

(计算公式2)

生物学年龄＝A2+B12*HT+B13*WC+B14*SBP+B15*FBS+B16*Hgb+B17*eGFR+B18*AST+B19*年龄(名义年龄)

(A2为常数，B12至B19为相关系数值，其中B13、B14、B15、B16、B18、B19具有正值，且A2、B12及B17具有负值)，

(计算公式3)

生物学年龄＝a1+b1*HT+b2*WC+b3*SBP+b4*FBS+b5*TC+b6*TG+b7*HDL-C+b8*eGFR+b9*AST+b10*γ-GTP+b11*年龄(名义年龄)

(a1为常数，b1至b11为相关系数值，其中b2、b3、b4、b5、b6、b9、b10、b11具有正值，且a1、b1、b7及b8具有负值)，

(计算公式4)

生物学年龄＝a2+b12*HT+b13*WC+b14*SBP+b15*FBS+b16*eGFR+b17*AST+b18*γ-GTP+b19*年龄(名义年龄)

(a2为常数，b12至b19为相关系数值，其中b13、b14、b15、b17、b18及b19具有正值，且a2、b12及b16具有负值)。

生物学年龄测量单元及生物学年龄测量过程可进一步包括对象的问卷信息，以计算用于校正所计算的基础生物学年龄的校正生物学年龄(corrected biological age)，其中问卷信息可包括关于家族史、吸烟、饮酒及运动的信息，且校正生物学年龄可通过以下计算公式5来计算，

(计算公式5)

校正生物学年龄＝基础生物学年龄+(d+d1*家族史+d2*吸烟+d3*饮酒+d4*运动)

(家族史是关于家族史存在与否的信息，吸烟是关于有关吸烟的是或否状态(YESor NO status)及包-年乘积(pack year)的信息，饮酒是关于有关饮酒的是或否状态及每日饮酒量的信息，运动是关于每周运动量的信息，d是通过生物学年龄和名义年龄之间的差与家族史、吸烟、饮酒及运动信息之间的回归分析(regression analysis)而获得的常数，且d1至d4是通过对校正前的生物学年龄和名义年龄之间的差与家族史、吸烟、饮酒及运动信息之间的相关性执行回归分析而获得的相关系数值)。

疾病发病风险预测程序及疾病发病风险预测单元可当对象是男性时，计算痴呆、前列腺疾病、骨质疏松症、慢性阻塞性肺病、帕金森病、白内障、黄斑变性、骨折、骨关节炎、高血压、心肌梗死、慢性肾衰竭、高脂血症、肥胖症、卒中及糖尿病发病风险中的至少一者或多者的个体疾病风险，而当对象是女性时，计算痴呆、骨质疏松症、慢性阻塞性肺病、帕金森病、白内障、黄斑变性、骨折、骨关节炎、高血压、心肌梗死、慢性肾衰竭、高脂血症、肥胖症、卒中及糖尿病发病风险中的至少一者或多者的个体疾病风险，其中所述个体疾病风险是通过将对象的生物学年龄乘以个体疾病相对风险值来计算。

疾病发病风险预测单元及预测过程基于校正生物学年龄来预测个体疾病发病风险。

本发明还包括一种用于执行用于基于生物学年龄来计算疾病发病风险的方法的计算机服务器及一种用于经由通信网络来传输所计算的基于生物学年龄的疾病发病风险的服务服务器(service server)，并提供一种装载有计算机程序的记录介质。

本公开提供使得客户能够通过在不管是否进行了血脂异常测试的情况下使用一般医学体检的生物标记来测量生物学年龄(其为与居民登记年龄相比的身体的实际年龄)而易于理解他/她的身体的健康状况的效果，并提供可通过提供信息来帮助客户预防疾病发病或者维持并管理生活方式的效果，所述信息是通过基于所测量的生物学年龄根据生物学年龄的增加来预测年龄相关疾病发病风险而获得。

此可用于一般本地社区中的卫生保健领域的应用或者用于向客户提供定制的管理服务，且可用于一种预测疾病发病风险的方法的通过网页(WEB)或应用(APP)来提供产品及内容的过程，从而能够进一步使所述效果最大化。

附图说明

图1是用于在不管是否进行了血脂异常测试的情况下使用一般医学体检的生物标记来测量生物学年龄并基于所述生物学年龄来预测年龄相关疾病发病风险的系统的示意性配置图。

图2是用于在不管是否进行了血脂异常测试的情况下使用一般医学体检的生物标记来测量生物学年龄并基于所述生物学年龄来预测年龄相关疾病发病风险的所述系统的示意性流程图。

具体实施方式

将详细阐述一种用于测量生物学年龄的方法及一种用于基于生物学年龄预测年龄相关疾病发病风险的方法，所述两种方法适用于在不管是否进行了血脂异常测试的情况下使用一般医学体检的生物标记来测量生物学年龄并基于所述生物学年龄预测年龄相关疾病风险的系统。

在本公开中，年龄、实际年龄、名义年龄、居民登记年龄及法定年龄是具有实质上相同含义的表达，且是基于人出生的时间而计算的年龄。相比之下，与上述实际年龄及名义年龄不同，生物年龄(bio-age)/生物学年龄是根据本公开的年龄计算方法而计算的年龄，且甚至对于相同实际年龄的人，也可依据健康状况及老化状况(aging condition)来不同地计算生物学年龄。

1.根据本公开的用于测量生物学年龄的方法及系统

图1中的方块图中所示的本公开的系统经由输入单元110接收目标客户的基本信息及所述客户的生物标记信息，以基于所述客户的生物学年龄来预测年龄相关疾病发病风险。用户的输入元件可包括用户(客户)的元件、从所述元件内的APP接收的输入页面、或者服务提供商的网页或应用编程界面(application programming interface，API)服务器，且可为服务提供商系统的终端元件。

客户的基本信息包括客户的姓名、性别及年龄。

生物标记信息包括身高(HT)、腰围(WC)、收缩压(SBP)、空腹血糖(FBS)、总胆固醇(TC)、甘油三酯(TG)、高密度脂蛋白胆固醇(HDL-C)、血红蛋白(Hgb)、肌酐(Cr)、肝酶AST(GOT)、肝酶γ-GTP(γ-GTP)及估计肾小球滤过率(e-GFR)等。

当提供客户的基本信息及客户的生物标记信息(步骤200)时，检查客户的基本信息中所包括的性别信息是指示男性还是指示女性(步骤202)。当客户指示男性时，分析单元120的生物学年龄测量单元121根据计算公式1及计算公式2通过关于客户的生物标记信息来测量客户的生物学年龄(步骤204)。此处，生物标记信息包括身高(HT)、腰围(WC)、收缩压(SBP)、空腹血糖(FBS)、血红蛋白(Hgb)、肝酶AST(GOT)、估计肾小球滤过率(e-GFR)、总胆固醇(TC)、甘油三酯(TG)、高密度脂蛋白胆固醇(HDL-C)。计算公式1及计算公式2用于计算生物学年龄，且当进行了血脂异常测试时，使用计算公式1，而当未进行血脂异常测试时，使用计算公式2。为了计算如上所述般被划分的生物学年龄，可存在用于检查血脂异常测试信息的过程。

(计算公式1)

生物学年龄＝A1+B1*HT+B2*WC+B3*SBP+B4*FBS+B5*Hgb+B6*eGFR+B7*AST+B8*TC+B9*TG+B10*HDL-C+B11*年龄(名义年龄)

(计算公式2)

生物学年龄＝A2+B12*HT+B13*WC+B14*SBP+B15*FBS+B16*Hgb+B17*eGFR+B18*AST+B19*年龄(名义年龄)

以上计算公式1及计算公式2是通过对生物标记信息中的每一者的不同相关系数进行相乘且然后将乘法结果相加来获得。

在以上计算公式1中，A1是常数，且B1至B11是预设值，是通过对为本公开预先准备的多个男性的生物标记信息(样本数据)进行统计分析而获得的相关系数值，且可根据生物标记信息而具有负值或正值。即，在以上计算公式1中，B2、B3、B4、B5、B7、B8、B9及B11可具有正值，且A1、B1、B6及B10可具有负值。

在以上计算公式2中，A2是常数，且B12至B19是预设值，是通过对为本公开预先准备的多个男性的生物标记信息(样本数据)进行统计分析而获得的相关系数值，且根据生物标记信息而具有负值或正值。即，在以上计算公式2中，B13、B14、B15、B16、B18及B19可具有正值，且A2、B12及B17可具有负值。

相关系数是名义年龄与临床参数之间的相关系数，可通过对名义年龄及生物标记信息已知的样本对象的多元回归分析(multiple regression analysis)而从样本临床数据中获得。对于男性，与年龄相关性最高的指标是身高(HT)、血红蛋白(Hgb)及腰围(WC)(r＝-0.478及-0.321及-0.276；p<0.0001)。

与以上情况相反，当客户的基本信息中所包括的性别信息指示女性时，分析单元120的生物学年龄测量单元121根据计算公式3及计算公式4通过客户的生物标记信息来测量客户的基础生物学年龄(步骤206)。此处，生物标记信息包括身高(HT)、腰围(WC)、收缩压(SBP)、空腹血糖(FBS)、总胆固醇(TC)、甘油三酯(TG)、高密度脂蛋白胆固醇(HDL-C)、估计肾小球滤过率(e-GFR)、肝酶AST(GOT)、肝酶γ-GTP(γ-GTP)。计算公式1及计算公式2用于计算生物学年龄，且当进行了血脂异常测试时，使用计算公式3，而当未进行血脂异常测试时，使用计算公式4。为了计算如上所述般被划分的生物学年龄，可存在用于检查血脂异常测试信息的过程。

(计算公式3)

生物学年龄＝a1+b1*HT+b2*WC+b3*SBP+b4*FBS+b5*TC+b6*TG+b7*HDL-C+b8*eGFR+b9*AST+b10*γ-GTP+b11*年龄(名义年龄)

(计算公式4)

生物学年龄＝a2+b12*HT+b13*WC+b14*SBP+b15*FBS+b16*eGFR+b17*AST+b18*γ-GTP+b19*年龄(名义年龄)

以上计算公式3及计算公式4是通过对生物标记信息中的每一者的不同相关系数进行相乘且然后将乘法结果相加来获得。

在以上计算公式3中，a1是常数，且b1至b11是预设值，是通过对为本公开预先准备的多个女性的生物标记信息进行统计分析而获得的相关系数值，且根据生物标记信息而具有负值或正值。即，在以上计算公式3中，b2、b3、b4、b5、b6、b9、b10及b11具有正值，且a1、b1、b7及b8具有负值。

在以上计算公式4中，a2是常数，且b12至b19是预设值，是通过对为本公开预先准备的多个女性的生物标记信息进行统计分析而获得的相关系数值，且根据生物标记信息而具有负值或正值。即，在以上计算公式4中，b13、b14、b15、b17、b18及b19具有正值，且a2、b12及b16具有负值。

相关系数是名义年龄与临床参数之间的相关系数，可通过对名义年龄(年龄)及生物标记信息已知的样本对象的多元回归分析而从样本临床数据中获得。对于女性，与年龄相关性最高的指标是身高(HT)、腰围(WC)及收缩压(SBP)(r＝-0.549及0.435及0.391；p<0.0001)。

根据如上获得的相关系数，举例来说，客户的腰围(WC)可被解释为对于男性来说将生物学年龄增加乘以B2或B13的值，而对于女性来说将生物学年龄增加乘以b2或b13的值，且客户的身高(HT)可被解释为对于男性来说将生物学年龄减少乘以B1或B12的值，而对于女性来说将生物学年龄减少乘以b1或b12的值。

同时，输入单元可附加地接收对象的问卷信息，所述问卷信息包括关于家族史、吸烟、饮酒及运动的信息，生物学年龄测量单元可计算用于校正所计算的生物学年龄的校正生物学年龄，且所述校正生物学年龄可通过以下计算公式5来计算。

在生物学年龄的校正中，当所计算的生物学年龄是基础生物学年龄时，使用有关吸烟的是或否状态、包-年乘积、有关饮酒的是或否状态、每日饮酒量、每周运动量及家族史(其为问卷信息)作为所计算的基础生物学年龄的变量来计算校正生物学年龄(步骤206)。

(计算公式5)

校正生物学年龄＝基础生物学年龄+(d+d1*家族史+d2*吸烟+d3*饮酒+d4*运动)

d是通过生物学年龄和名义年龄之间的差与家族史、吸烟、饮酒及运动信息之间的回归分析而获得的常数，且d1至d4是预设的相关系数值，家族史是指关于疾病的家族史存在与否的信息，吸烟是指关于有关吸烟的是或否状态及包-年乘积的信息，饮酒是指关于有关饮酒的是或否状态及每日饮酒量的信息，且运动是指每周运动量)。

预设值d以及d1至d4分别是根据以下计算公式6通过多元回归分析而从样本数据产生的常数及相关系数值。即，d以及d1至d4可为通过对样本数据中的(基础生物学年龄-名义年龄)、家族史、吸烟、饮酒及运动信息执行多元回归分析而获得的常数及相关系数值，其中家族史、吸烟、饮酒、运动信息、基础生物学年龄及名义年龄分别是已知的。

(计算公式6)

基础生物学年龄-名义年龄＝d+d1*家族史+d2*吸烟+d3*饮酒+d4*运动

上述有关吸烟的是或否状态是根据此人在他/她的一生中是否吸烟多于5包(100支烟)来分类，且若此人过去吸烟但现在不吸烟，则包-年乘积(每日吸烟量与吸烟年数的乘积)被计算为戒烟前的包-年乘积数，而如果此人仍在吸烟，则包-年乘积被计算为“包-年乘积＝(包/日)×年”。根据酒精含量计算公式“[摄入量(mL)×酒精含量(％)×0.8(酒精比重)]/100”使用“每日酒精摄入量g/日＝摄入频率×每次饮酒的摄入量×22％烧酒的酒精含量×0.8g”来计算有关饮酒的是或否状态及每日饮酒量，以确定一个人每周平均饮酒多少日以及一个人每日饮酒时饮酒多少(不考虑酒精的种类，1罐啤酒(355cc)等于1.6杯啤酒)，并根据世界卫生组织(World Health Organization，WHO)每日酒精标准进行分类。此外，在运动的情形中，一周的活动量可被计算为“一周的总活动量＝∑每次体育活动代谢当量(metabolic equivalent，MET)×分钟(MIN)”，且每次体育活动被划分成剧烈体育活动、中等强度体育活动及步行，其中剧烈体育活动可被计算为“每周次数×8.0MET×60分钟”，中等强度体育活动被计算为“每周次数×4.0MET×60分钟”，且步行被计算为“每周次数×3.3MET×30分钟”。

2.基于生物学年龄来预测年龄相关疾病发病风险的方法

当提供客户的基本信息及客户的生物标记信息(步骤200)时，本公开的系统的分析单元120的疾病发病风险预测单元122检查客户(对象)的基本信息中所包括的性别信息是指示男性还是指示女性(步骤202)。

当客户被指示为男性时，分析单元120的疾病发病风险预测单元122根据计算公式7通过以上测量的生物学年龄来测量客户的年龄相关疾病发病风险(步骤204)。此处，年龄相关疾病可包括痴呆、前列腺疾病、骨质疏松症、慢性阻塞性肺病、帕金森病、白内障、黄斑变性、骨折、骨关节炎、高血压、心肌梗死、慢性肾衰竭、高脂血症、肥胖症、卒中及糖尿病共计16种类型。

<计算公式7>

个体疾病发病风险＝Ci*生物学年龄

在以上计算公式7中，个体疾病包括痴呆、前列腺疾病、骨质疏松症、慢性阻塞性肺病、帕金森病、白内障、黄斑变性、骨折、骨关节炎、高血压、心肌梗死、慢性肾衰竭、高脂血症、肥胖症、卒中及糖尿病，且Ci是每一个体疾病的相对风险值。

对于每一个体疾病，计算公式7可被表达如下。

痴呆发病风险＝C1*生物学年龄

前列腺疾病发病风险＝C2*生物学年龄

骨质疏松症发病风险＝C3*生物学年龄

慢性阻塞性肺病发病风险＝C4*生物学年龄

帕金森病发病风险＝C5*生物学年龄

白内障发病风险＝C6*身体年龄

黄斑变性发病风险＝C7*生物学年龄

骨折发病风险＝C8*生物学年龄

骨关节炎发病风险＝C9*生物学年龄

高血压发病风险＝C10*生物学年龄

心肌梗死发病风险＝C11*生物学年龄

慢性肾衰竭发病风险＝C12*生物学年龄

高脂血症发病风险＝C13*生物学年龄

肥胖症发病风险＝C14*生物学年龄

卒中发病风险＝C15*生物学年龄

糖尿病发病风险＝C16*生物学年龄

在计算公式7中，痴呆、前列腺疾病、骨质疏松症、慢性阻塞性肺病、帕金森病、白内障、黄斑变性、骨折、骨关节炎、高血压、心肌梗死、慢性肾衰竭、高脂血症、肥胖症、卒中及糖尿病发病风险是通过对每1年生物学年龄的每一年龄相关疾病发病风险进行相乘来计算。

在计算公式7中，C1至C16是预设值，且是通过对为本公开预先准备的一定数目的男性的每1年生物学年龄的每一年龄相关疾病发病风险进行统计分析而获得的相对风险值，且所述值中的每一者依据生物学年龄而具有小于或大于1的值。即，在计算公式7中，C1至C16都具有大于1的值。

与以上情况相反，当以上客户的基本信息中所包括的性别信息指示女性时，分析单元120的疾病风险预测单元122根据计算公式8通过以上测量的生物学年龄来测量客户的年龄相关疾病发病风险(步骤206)。此处，年龄相关疾病包括痴呆、骨质疏松症、慢性阻塞性肺病、帕金森病、白内障、黄斑变性、骨折、骨关节炎、高血压、心肌梗死、慢性肾衰竭、高脂血症、肥胖症、卒中及糖尿病共计15种类型。

<计算公式8>

个体疾病发病风险＝ci*生物学年龄

在以上计算公式8中，个体疾病包括痴呆、骨质疏松症、慢性阻塞性肺病、帕金森病、白内障、黄斑变性、骨折、骨关节炎、高血压、心肌梗死、慢性肾衰竭、高脂血症、肥胖症、卒中及糖尿病，且ci是每一个体疾病的相对风险值。

对于每一个体疾病，计算公式8可被表达如下。

痴呆发病风险＝c1*生物学年龄

骨质疏松症发病风险＝c3*生物学年龄

慢性阻塞性肺病发病风险＝c4*生物学年龄

帕金森病发病风险＝c5*生物学年龄

白内障发病风险＝c6*身体年龄

黄斑变性发病风险＝c7*生物学年龄

骨折发病风险＝c8*生物学年龄

骨关节炎发病风险＝c9*生物学年龄

高血压发病风险＝c10*生物学年龄

心肌梗死发病风险＝c11*生物学年龄

慢性肾衰竭发病风险＝c12*生物学年龄

高脂血症发病风险＝c13*生物学年龄

肥胖症发病风险＝c14*生物学年龄

卒中发病风险＝c15*生物学年龄

糖尿病发病风险＝c16*生物学年龄

在计算公式8中，痴呆、骨质疏松症、慢性阻塞性肺病、帕金森病、白内障、黄斑变性、骨折、骨关节炎、高血压、心肌梗死、慢性肾衰竭、高脂血症、肥胖症、卒中及糖尿病风险是通过对每1年生物学年龄的每一年龄相关疾病发病风险进行相乘来计算。

在计算公式8中，c1以及c3至c16是预设值，且是通过对为本公开预先准备的一定数目的女性的每1年生物学年龄的每一年龄相关疾病发病风险进行统计分析而获得的相对风险值，且所述值中的每一者依据生物学年龄而具有小于或大于1的值。即，在计算公式8中，c1以及c3至c16都具有大于1的值。

计算公式7及计算公式8中的生物学年龄可为通过先前的计算公式1至计算公式4而计算的基础生物学年龄，或者可为通过利用计算公式5及计算公式6来校正所述基础生物学年龄而获得的校正生物学年龄。

作为用于计算计算公式7及计算公式8中的每一系数值的统计建模方法，使用了建立在存活函数(survival function)与变量之间存在对数线性关系的假设上的Cox比例风险模型(Cox proportional hazards model)。

据此，当x

如果将此应用于本公开，则根据以下表达式②中的比较风险(comparative risk)计算公式，获得当生物学年龄在一年内从k增加到(k+1)时的相对风险作为e

Cox比例风险模型：S(t|x

相对风险：

Cox比例风险模型是一种用于检查影响存活的各种风险因素对存活(从参与研究的时间到事件的发生为止的时间段)的影响的分析技术。在本公开中，风险因素是生物学年龄，且事件的发生被应用为所述年龄相关疾病发病。因此，Cox比例风险模型是根据各种风险因素的数值而计算的函数值，而比较风险是为了看出Cox比例风险模型的风险因素信息中待检查的风险因素对存活的影响而计算的值。举例来说，当解释计算男性组中生物学年龄每增加一年的高脂血症发病风险的过程时，如果解释变量是生物学年龄，则根据Cox比例风险模型将随时间的高脂血症发病作为S(t)＝S

作为本公开的实施例，使用R语言工作室(R Studio)3.3.3版本进行了如上所述的一系列分析过程，且对结果的解释可被阐述为如下的实例1。

实例1男性组中生物学年龄每增加1年的高脂血症发病风险

coxph模型综述

实例1是通过使用Cox比例风险模型对男性组中生物学年龄每增加1年的高脂血症发病风险进行分析而获得的结果。在表中，coef是指被估计为系数的方程的回归系数，且发病风险为1.219(其为exp(coef))，且是通过对coef的值取指数(指数函数)而获得的值。即，结果被解释为生物学年龄每增加1年，高脂血症发病风险会增加1.219倍。P(>|z|)的值意指z值的显著性概率(probability of significance)且小于0.001，因此可将其视为统计显著性结果。另外，当查看95％风险比置信限(95％Hazard ratio confidence limit)时，其为1.209至1.23(其不包括1)，且因此可将其视为显著性结果。

在本公开中，对回归系数的计算可在回归分析过程中根据常规Cox比例风险模型通过Cox回归分析方法来计算。在本公开的实施例中，使用了R语言工作室版本3.3.3，且从自2009年开始在韩国国家健康保障服务中心(Korean National Health InsuranceService Center)对大约10,000,000人进行的大约10年的随访所获得的数据被用作样本数据。同时，对于所属领域中的技术人员来说将显而易见的是，本公开的技术理念不依赖于用于执行Cox回归分析的特定软件或特定样本数据。

如上所述，当完成生物学年龄测量及基于生物学年龄的年龄相关疾病发病风险测量时，输出单元130基于生物学年龄(包括对客户的生物学年龄分析)来产生用于预测年龄相关疾病发病风险的综合分析结果(步骤210)。综合分析结果包括客户的实际年龄及所测量的生物学年龄、每一年龄相关疾病发病风险的结果、以及关于每一年龄相关疾病的同性别及同年龄疾病发病的统计信息。此处，根据客户的年龄相关疾病发病风险，综合分析结果被划分成五个等级(例如良好(good)、谨慎(caution)、警告(warning)、风险(risk)及高风险(high risk))，且包括与每一结果对应的预定预防实践指南。

当产生上述综合分析结果时，输出单元130产生生物学年龄及基于生物学年龄的年龄相关疾病发病风险的报告信息，并以可提供给客户的形式输出所述报告信息(步骤212)。

以可提供给客户的形式输出所述报告信息包括在屏幕上显示所述报告信息、以可打印的文件格式提供所述报告信息或者以API的形式提供所述报告信息。

对于所属领域中的技术人员来说显而易见的是，可通过计算机程序来实施及施行上述用于基于生物学年龄来计算疾病风险的过程。本公开包括一种计算机程序及一种所述程序被加载至其上的记录介质、以及一种加载有所述程序并执行上述过程的计算机元件及服务器。

本公开还包括用于通过执行上述方法及过程来计算对象的疾病发病风险并通过通信网络将疾病发病风险传输到对象所拥有的终端元件的系统及服务服务器。

尽管已参照具体实施例阐述了使用独立于血脂异常数据的医学体检临床数据的基于生物学年龄的疾病风险预测方法及系统，然而其并非仅限于此。因此，所属领域中的技术人员将容易理解，可在不背离由随附权利要求界定的本发明的精神及范围的情况下对其进行各种修改及改变。