[go: up one dir, main page]

WO2025142997A1 - 分娩後の炎症の評価方法 - Google Patents

分娩後の炎症の評価方法 Download PDF

Info

Publication number
WO2025142997A1
WO2025142997A1 PCT/JP2024/045856 JP2024045856W WO2025142997A1 WO 2025142997 A1 WO2025142997 A1 WO 2025142997A1 JP 2024045856 W JP2024045856 W JP 2024045856W WO 2025142997 A1 WO2025142997 A1 WO 2025142997A1
Authority
WO
WIPO (PCT)
Prior art keywords
value
blood
evaluation
formula
roms
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
PCT/JP2024/045856
Other languages
English (en)
French (fr)
Inventor
愛実 夏目
一輝 中川
裕介 杉本
明 今泉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ajinomoto Co Inc
Original Assignee
Ajinomoto Co Inc
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 Ajinomoto Co Inc filed Critical Ajinomoto Co Inc
Publication of WO2025142997A1 publication Critical patent/WO2025142997A1/ja
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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

Definitions

  • the present invention relates to a method for evaluating postpartum inflammation, a calculation method, an evaluation device, a calculation device, an evaluation program, a calculation program, a recording medium, an evaluation system, and a terminal device.
  • Patent Document 1 describes a method for evaluating postpartum ketosis.
  • Mastitis is diagnosed after calving by looking at the breast during lactation, changes in milk characteristics, bacterial tests and somatic cell counts (SCC).
  • Non-Patent Documents 2-5 It has been reported that differences in concentration were observed in blood, urine, etc. taken before parturition between cows that were normal after parturition and cows that developed mastitis.
  • Metritis and endometritis are diagnosed after delivery through mucosal and cytological examinations and clinical findings.
  • Non-Patent Documents 6-11 It has been reported that when blood samples were taken before parturition, differences in concentration were observed between cows that were normal after parturition and those that developed metritis.
  • Non-Patent Documents 12-13, 19 It has been reported that d-ROMs, an indicator of oxidative stress, and BAP, an indicator of antioxidant capacity, fluctuate 52 weeks before the onset of inflammatory conditions in humans (Non-Patent Documents 12-13, 19). On the other hand, it has been reported that in cows undergoing ketosis, these values fluctuate 14 days before and 15 days after calving (Non-Patent Document 20). Based on these findings, d-ROMs, BAP, and the ratio of d-ROMs to BAP may be effective in predicting diseases before calving and understanding inflammatory conditions after calving.
  • Haptoglobin in the blood is known as an indicator of an inflammatory state.
  • haptoglobin concentrations In dairy cows with high blood haptoglobin concentrations and considered to be in an inflammatory state, reduced milk yields and reduced conception rates have been confirmed (Non-Patent Documents 1, 14-17).
  • Non-Patent Documents 1, 14-17 There are several different standards for the standard value of haptoglobin depending on the disease, but there is no consensus yet.
  • the present invention has been made in consideration of the above, and aims to provide an evaluation method, calculation method, evaluation device, calculation device, evaluation program, calculation program, recording medium, evaluation system, and terminal device that can provide highly reliable information regarding the state of inflammation after delivery before delivery.
  • the evaluation method of the present invention involves measuring the concentration values of 25 types of amino acids (Ala, Arg, Asn, Asp, BCAA, Cit, Cys, Glu, Gln, Gly, His, Ile, Leu, Lys, Met, 3MeHis, Orn, Phe, Pro, Ser, Tau, Thr, Trp, Tyr, Val) in the blood of ruminants before parturition and 37 types of biochemical parameters (meaning biochemical parameters) in the blood.
  • amino acids Al, Arg, Asn, Asp, BCAA, Cit, Cys, Glu, Gln, Gly, His, Ile, Leu, Lys, Met, 3MeHis, Orn, Phe, Pro, Ser, Tau, Thr, Trp, Tyr, Val
  • the method is characterized by including an evaluation step of evaluating the postpartum inflammatory state of the ruminant animal using at least one value of the test values of CPK, LDL-C, HDL-C, Mg, AMY, PA, LA, CRE, LBP, IL-1 ⁇ , haptoglobin, serum amyloid A, IL-6, TNF- ⁇ , cortisol, and kynurenine and the measured values of four types of measurement items obtained from the blood (d-ROMs value (oxidative stress value), BAP value (antioxidant power value), BAP value/d-ROMs value, and d-ROMs value/BAP value), or using an equation including a variable into which the at least one value is substituted and a value of the equation
  • the evaluation step may also be performed in a control unit provided in the information processing device.
  • the calculation method according to the present invention is also characterized by including a calculation step of calculating the value of an equation for evaluating the inflammatory state of the ruminant after parturition, the equation including at least one value of the concentration values of the 25 amino acids in the blood of the ruminant before parturition, the test values of the 37 biochemical tests in the blood, and the measured values of the four measurement items obtained from the blood, and a variable into which the at least one value is substituted.
  • the evaluation device may be communicatively connected via a network to a terminal device that provides the at least one value or the value of the formula, and may further include a data receiving unit that receives the at least one value or the value of the formula transmitted from the terminal device, and a result transmitting unit that transmits the evaluation result obtained by the evaluation unit to the terminal device, and the evaluation unit may use the at least one value or the value of the formula received by the data receiving unit.
  • the calculation device is characterized in that it includes a calculation unit that calculates the value of an equation for evaluating the inflammatory state of the ruminant after parturition, using the concentration values of the 25 types of amino acids in the blood of the ruminant before parturition, the test values of the 37 types of biochemical tests in the blood, and at least one value of the measurement values of the four types of measurement items obtained from the blood, and a variable into which the at least one value is substituted.
  • the evaluation program of the present invention causes an information processing device to execute an evaluation step of evaluating the postpartum inflammatory state of the dairy cow using at least one value of the concentration values of the 25 types of amino acids in the blood of a ruminant before parturition, the test values of the 37 types of biochemical properties in the blood, and the measured values of the four types of measurement items obtained from the blood, or using an equation including a variable into which the at least one value is substituted and a value of the equation calculated using the at least one value.
  • the calculation program of the present invention causes an information processing device to execute a calculation step of calculating the value of an equation for evaluating the inflammatory state of the ruminant after parturition, the equation including at least one value of the concentration values of the 25 types of amino acids in the blood of the ruminant before parturition, the test values of the 37 types of biochemical tests in the blood, and the measured values of the four types of measurement items obtained from the blood, and a variable into which the at least one value is substituted.
  • the evaluation system is an evaluation system configured by connecting an evaluation device and a terminal device via a network so that they can communicate with each other, and the terminal device is equipped with a data transmission unit that transmits to the evaluation device the concentration values of the 25 types of amino acids in the blood of the ruminant before parturition, the test values of the 37 types of biochemical tests in the blood, and at least one value of the measured values of the four types of measurement items obtained from the blood, or an equation including a variable into which the at least one value is substituted and the value of the equation calculated using the at least one value, and a result receiving unit that receives the evaluation result regarding the inflammatory state after parturition transmitted from the evaluation device, and the evaluation device is characterized by being equipped with a data receiving unit that receives the at least one value or the value of the equation transmitted from the terminal device, an evaluation unit that evaluates the inflammatory state after parturition of the ruminant using the at least one value or the value of the equation received by the data receiving unit, and a result transmitting unit
  • the terminal device is further characterized in that it includes a result acquisition unit that acquires an evaluation result regarding the state of inflammation after parturition, and the evaluation result is a result of evaluating the state of inflammation after parturition of the ruminant using at least one value of the concentration values of the above 25 types of amino acids in the blood of the ruminant before parturition, the above 37 types of biochemical test values in the blood, and the measured values of the above four types of measurement items obtained from the blood, or using an equation including a variable into which the at least one value is substituted and the value of the equation calculated using the at least one value.
  • the evaluation method of the present invention may further include a suggestion step of proposing preventive treatment to cows that are evaluated in the evaluation step as having a high possibility of suffering from the metabolic disease after calving.
  • the inflammatory state of a ruminant after parturition is evaluated using the concentration values of the above 25 types of amino acids in the blood of the ruminant before parturition, the test values of the above 37 types of biochemistry in the blood, and at least one of the measured values of the above four measurement items obtained from the blood, thereby providing reliable information on the inflammatory state after parturition before parturition.
  • dairy farmers can reduce the onset of inflammation after parturition by implementing preventive nutritional intervention based on the information provided by the present invention before parturition.
  • the present invention contributes to efficient production by dairy farmers.
  • FIG. 1 is a diagram showing the basic principle of the first embodiment.
  • FIG. 2 is a diagram showing the basic principle of the second embodiment.
  • FIG. 3 is a diagram showing an example of the overall configuration of this system.
  • FIG. 4 is a diagram showing another example of the overall configuration of the present system.
  • FIG. 5 is a block diagram showing an example of the configuration of the evaluation device 100 of this system.
  • FIG. 6 is a diagram showing an example of information stored in blood data file 106a.
  • FIG. 7 is a diagram showing an example of information stored in the index state information file 106b.
  • FIG. 8 is a diagram showing an example of information stored in the designated index state information file 106c.
  • FIG. 9 is a diagram showing an example of information stored in the formula file 106d1.
  • FIG. 1 is a diagram showing the basic principle of the first embodiment.
  • FIG. 2 is a diagram showing the basic principle of the second embodiment.
  • FIG. 3 is a diagram showing an example of the overall configuration of this system.
  • FIG. 10 is a diagram showing an example of information stored in the evaluation result file 106e.
  • FIG. 11 is a block diagram showing the configuration of the evaluation unit 102d.
  • FIG. 12 is a block diagram showing an example of the configuration of a client device 200 of this system.
  • FIG. 13 is a block diagram showing an example of the configuration of the database device 400 of this system.
  • FIG. 14 is a diagram showing the linear regression model extracted in Example 4.
  • FIG. 15 is a diagram showing the linear regression model extracted in Example 4.
  • FIG. 16 is a diagram showing the linear regression model extracted in Example 4.
  • FIG. 17 is a diagram showing the linear regression model extracted in Example 4.
  • FIG. 18 is a diagram showing the logistic regression model extracted in Example 4.
  • FIG. 19 is a diagram showing the logistic regression model extracted in Example 4.
  • FIG. 20 is a diagram showing the logistic regression model extracted in Example 4.
  • FIG. 21 is a diagram showing the logistic regression model extracted in Example 4.
  • FIG. 22 is a diagram showing the logistic regression model extracted in Example 4.
  • FIG. 23 is a diagram showing the logistic regression model extracted in Example 4.
  • FIG. 24 is a diagram showing the logistic regression model extracted in Example 4.
  • FIG. 25 is a diagram showing the logistic regression model extracted in Example 4.
  • FIG. 26 is a diagram showing the logistic regression model extracted in Example 4.
  • FIG. 27 is a diagram showing the logistic regression model extracted in Example 4.
  • FIG. 28 is a diagram showing the logistic regression model extracted in Example 5.
  • FIG. 29 is a diagram showing the logistic regression model extracted in Example 5.
  • FIG. 30 is a diagram showing the logistic regression model extracted in Example 5.
  • FIG. 31 is a diagram showing the logistic regression model extracted in Example 5.
  • FIG. 32 is a diagram showing the logistic regression model extracted in Example 5.
  • FIG. 33 is a diagram showing the logistic regression model extracted in Example 5.
  • FIG. 34 is a diagram showing the logistic regression model extracted in Example 5.
  • FIG. 35 is a diagram showing a logistic regression model for discriminating milk fever extracted in Example 6.
  • FIG. 36 shows a logistic regression model for discriminating milk fever and a logistic regression model for discriminating abomasum mutation extracted in Example 6.
  • FIG. 37 is a diagram showing a logistic regression model for discriminating abomasum mutation extracted in Example 6.
  • FIG. 38 is a diagram showing a logistic regression model for discriminating abomasum mutation extracted in Example 6.
  • FIG. 39 is a diagram showing a logistic regression model for discriminating metritis extracted in Example 6.
  • FIG. 40 is a diagram showing a logistic regression model for discriminating metritis extracted in Example 6.
  • FIG. 41 is a diagram showing a logistic regression model for discriminating metritis extracted in Example 6.
  • FIG. 42 is a diagram showing a logistic regression model for discriminating metritis extracted in Example 6.
  • FIG. 43 is a diagram showing a logistic regression model for discriminating metritis extracted in Example 6.
  • Figure 44 is a diagram showing a logistic regression model for discriminating mastitis extracted in Example 6.
  • Figure 45 is a diagram showing a logistic regression model for discriminating mastitis extracted in Example 6.
  • Figure 46 is a diagram showing a logistic regression model for discriminating mastitis extracted in Example 6.
  • Figure 47 is a diagram showing a logistic regression model for discriminating mastitis extracted in Example 6.
  • Figure 48 is a diagram showing a logistic regression model for discriminating mastitis extracted in Example 6.
  • FIG. 49 is a diagram showing a logistic regression model for discriminating lameness extracted in Example 6.
  • FIG. 50 is a diagram showing a logistic regression model for discriminating lameness and a logistic regression model for discriminating inflammatory diseases extracted in Example 6.
  • FIG. 51 is a diagram showing a logistic regression model for discriminating inflammatory diseases extracted in Example 6.
  • FIG. 52 is a diagram showing a logistic regression model for discriminating inflammatory diseases extracted in Example 6.
  • FIG. 53 is a diagram showing a logistic regression model for discriminating inflammatory diseases extracted in Example 6.
  • FIG. 54 is a diagram showing a logistic regression model for discriminating inflammatory diseases extracted in Example 6.
  • FIG. 55 is a diagram showing a logistic regression model for discriminating inflammatory diseases extracted in Example 6.
  • FIG. 56 is a diagram showing a logistic regression model for discriminating inflammatory diseases extracted in Example 6.
  • FIG. 57 is a diagram showing a logistic regression model for discriminating inflammatory diseases extracted in Example 6.
  • FIG. 58 is a diagram showing a logistic regression model for discriminating inflammatory diseases extracted in Example 6.
  • FIG. 59 is a diagram showing a logistic regression model for discriminating inflammatory diseases extracted in Example 6 and a linear regression model for predicting serum amyloid A concentration 7 days after delivery extracted in Example 7.
  • FIG. 60 is a diagram showing a linear regression model for predicting serum amyloid A concentrations 7 days after delivery, extracted in Example 7.
  • Fig. 1 is a diagram showing the basic principle of the first embodiment.
  • blood data is obtained that includes the concentration values of the above 25 types of amino acids in blood (including, for example, plasma, serum, etc.) taken from the ruminant animal (e.g., dairy cow) to be evaluated before parturition (e.g., a certain period before the expected date of parturition), the test values of the above 37 types of biochemistry in the blood, and at least one value of the measured values of the above four types of measurement items obtained from the blood (any one or more values selected from the concentration values of the above 25 types of amino acids, the test values of the above 37 types of biochemistry, and the measured values of the above four types of measurement items) (step S11).
  • the concentration values of the above 25 types of amino acids in blood including, for example, plasma, serum, etc.
  • the ruminant animal e.g., dairy cow
  • parturition e.g., a certain period before the expected date of parturition
  • the test values of the above 37 types of biochemistry in the blood e.g., a certain period before the
  • concentration value When the concentration value is measured, 0.02 N hydrochloric acid is added and protein is removed by ultrafiltration, followed by pre-column derivatization using a labeling reagent (3-aminopyridyl-N-hydroxysuccinimidyl carbamate), and the concentration value is analyzed by liquid chromatography mass spectrometry (LC/MS) (see WO 2003/069328 and WO 2005/116629).
  • LC/MS liquid chromatography mass spectrometry
  • At least one of the concentration values of the 25 types of amino acids, the 37 types of biochemical test values, and the measured values of the four types of measurement items contained in the blood data acquired in step S11 is used to evaluate (predict/estimate) the state of inflammation (e.g., metritis, mastitis, hypocalcemia, milk fever, abomasal mutation, lameness, etc.) after parturition (e.g., a certain period after the date of parturition) of the subject (step S12).
  • the state of inflammation e.g., metritis, mastitis, hypocalcemia, milk fever, abomasal mutation, lameness, etc.
  • parturition e.g., a certain period after the date of parturition
  • data such as missing values and outliers may be removed from the blood data acquired in step S11 before executing step S12.
  • the postpartum inflammatory state of the subject may be evaluated by calculating the value of a formula using a formula including at least one value of the concentration values of the above 25 types of amino acids, the above 37 types of biochemical test values, and the measurement values of the above four types of measurement items, and a variable into which the at least one value is substituted.
  • the variable into which the concentration value, test value, or measurement value is substituted may be substituted with a value obtained by converting the concentration value, test value, or measurement value, for example, using a method described below.
  • the concentration values or formula values may be converted, for example, by the methods described below, and the converted values may be used to evaluate the postpartum inflammatory state of the subject.
  • a predetermined range e.g., a range of 0.0 to 1.0, a range of 0.0 to 10.0, a range of 0.0 to 100.0, a range of -10.0 to 10.0, etc.
  • the concentration value or the value of the formula may be converted by adding, subtracting, multiplying, or dividing an arbitrary value with respect to the concentration value or the value of the formula, converting the concentration value or the value of the formula using a predetermined conversion method (e.g., exponential transformation, logarithmic transformation, angular transformation, square root transformation, probit transformation, reciprocal transformation, Box-Cox transformation, or power transformation, etc.), or by performing a combination of these calculations on the concentration value or the value of the formula.
  • a predetermined conversion method e.g., exponential transformation, logarithmic transformation, angular transformation, square root transformation, prob
  • the value of an exponential function with the concentration value or the value of the formula as the exponent and the Napier's number as the base (specifically, the value of p/(1-p) when the natural logarithm ln(p/(1-p)) when the probability p of the state of postpartum inflammation being in a predetermined state (for example, a state in which the blood haptoglobin concentration exceeds a reference value) is defined is equal to the concentration value or the value of the formula) may be further calculated, and a value obtained by dividing the calculated exponential function value by the sum of 1 and the value itself (specifically, the value of the probability p) may be further calculated.
  • the concentration values or the values of the formula may be converted so that the converted values under specific conditions are specific values.
  • the concentration values or the values of the formula may be converted so that the converted value is 5.0 when the sensitivity is 95% and the converted value is 8.0 when the sensitivity is 80%.
  • the concentration values may be normalized for each amino acid, and then the concentration distribution may be normalized to have an average of 50 and a standard deviation of 10.
  • the formula values may be normalized to have an average of 50 and a standard deviation of 10. It should be noted that these transformations described above may be applied to test values and measurement values.
  • position information regarding the position of a predetermined mark on a predetermined ruler that is visibly displayed on a display device such as a monitor or a physical medium such as paper may be generated using at least one value (if the value is converted, the converted value) or formula value (if the formula value is converted, the converted value) of the concentration values of the 25 types of amino acids, the 37 types of biochemical test values, and the measurement values of the four types of measurement items, and the generated position information may be used as an evaluation result regarding the postpartum inflammatory state of the evaluation subject.
  • the predetermined ruler is for evaluating the postpartum inflammatory state, and is, for example, a ruler with a scale that shows at least scales corresponding to the upper and lower limits of the "range in which the concentration value, test value, measurement value, or formula value, or the converted value can be taken" or "a part of the range".
  • the predetermined mark is a value that corresponds to the concentration value, test value, measurement value, or formula value, or the converted value, and is, for example, a circle or a star.
  • a predetermined value such as the mean value ⁇ 1 SD, 2 SD, 3 SD, N quantile, N percentile, or a cutoff value recognized for clinical significance
  • the subject may be evaluated as having inflammation after delivery.
  • a standard deviation may be used instead of the concentration value, test value, or formula value itself. For example, if the standard deviation is less than the mean value - 2 SD (standard deviation ⁇ 30) or if the standard deviation is higher than the mean value + 2 SD (standard deviation > 70), the subject may be evaluated as having inflammation after delivery.
  • the risk (possibility) of the subject developing inflammation after delivery may be qualitatively evaluated.
  • the subject may be classified into one of a plurality of categories defined by at least considering the degree of risk of developing inflammation after delivery, using at least one value of the concentration values of the 25 kinds of amino acids, the test values of the 37 kinds of biochemistry, and the measured values of the four kinds of measurement items and one or more preset thresholds, or using an equation including the at least one value and a variable into which the at least one value is substituted and one or more preset thresholds.
  • the plurality of categories may include a category for subjects with a high risk of developing inflammation after delivery (e.g., subjects whose blood haptoglobin concentration after delivery is equal to or higher than a reference value (e.g., 800 ⁇ g/mL, etc.)), and a category for subjects with a low risk of developing inflammation after delivery (e.g., subjects whose blood haptoglobin concentration after delivery is less than a reference value (e.g., 800 ⁇ g/mL, etc.)).
  • the multiple categories may also include a category for subjects at high risk of developing inflammation after delivery, a category for subjects at low risk of developing inflammation after delivery, and a category for subjects at medium risk of developing inflammation after delivery.
  • control unit 102 has an internal memory for storing control programs such as an OS, programs that define various processing procedures, required data, etc., and executes various information processing based on these programs.
  • control unit 102 is broadly equipped with an acquisition unit 102a, a designation unit 102b, a formula creation unit 102c, an evaluation unit 102d, a result output unit 102e, and a transmission unit 102f.
  • the control unit 102 also performs data processing such as removing data with missing values, removing data with many outliers, and removing variables with many missing values for the index status information transmitted from the database device 400 and the blood data transmitted from the client device 200.
  • the conversion unit 102d2 converts the value of the formula calculated by the calculation unit 102d1, for example, using the conversion method described above.
  • the conversion unit 102d2 may convert at least one of the concentration values of the 25 types of amino acids, the 37 types of biochemical test values, and the measurement values of the four types of measurement items contained in the blood data, for example, using the conversion method described above.
  • the evaluation unit 102d may store the converted value obtained by the conversion unit 102d2 as the evaluation result in a specified storage area of the evaluation result file 106e.
  • the generating unit 102d3 generates position information regarding the position of a specified mark on a specified ruler that is visibly shown on a display device such as a monitor or a physical medium such as paper, using the value of the formula calculated by the calculating unit 102d1 or the converted value obtained by the converting unit 102d2 (which may be a concentration value or test value, or a converted value of the concentration value or test value).
  • the evaluating unit 102d may store the position information generated by the generating unit 102d3 in a specified storage area of the evaluation result file 106e as the evaluation result.
  • the classification unit 102d4 uses the value of the formula calculated by the calculation unit 102d1 or the converted value obtained by the conversion unit 102d2 (which may be a concentration value, test value, or measurement value, or a converted value of the concentration value, test value, or measurement value) to classify the individual into one of a number of categories defined with at least consideration of the degree of risk of developing inflammation after delivery.
  • the sending unit 102f sends the evaluation results to the client device 200 that sent the individual's blood data, and sends the formula created by the evaluation device 100 and the evaluation results to the database device 400.
  • the sending unit 102f may send the evaluation results to a client device 200 different from the client device 200 that sent the data used in the evaluation.
  • FIG. 12 is a block diagram showing an example of the configuration of the client device 200 of this system, and conceptually shows only the parts of the configuration that are relevant to the present invention.
  • the client device 200 is composed of a control unit 210, a ROM 220, a HD 230, a RAM 240, an input device 250, an output device 260, an input/output IF 270, and a communication IF 280, and these units are connected to each other so that they can communicate with each other via any communication path.
  • the client device 200 may be based on an information processing device (for example, a personal computer, a workstation, a home game device, an Internet TV, a PHS (Personal Handyphone System) terminal, a mobile terminal, a mobile communication terminal, a PDA (Personal Digital Assistant), or other information processing terminal) to which peripheral devices such as a printer, monitor, and image scanner are connected as necessary.
  • an information processing device for example, a personal computer, a workstation, a home game device, an Internet TV, a PHS (Personal Handyphone System) terminal, a mobile terminal, a mobile communication terminal, a PDA (Personal Digital Assistant), or other information processing
  • the input device 250 is a keyboard, mouse, microphone, etc.
  • the monitor 261 which will be described later, also works with the mouse to realize a pointing device function.
  • the output device 260 is an output means that outputs information received via the communication IF 280, and includes a monitor (including a home television) 261 and a printer 262. In addition, the output device 260 may be provided with a speaker, etc.
  • the input/output IF 270 is connected to the input device 250 and the output device 260.
  • the evaluation unit 210a may convert the value of the formula (which may be a concentration value or a test value) in the conversion unit 210a2, generate position information corresponding to the value of the formula or the converted value (which may be a concentration value or a test value, or a value after the conversion of the concentration value or the test value) in the generation unit 210a3, and classify the individual into one of a plurality of categories using the value of the formula or the converted value (which may be a concentration value or a test value, or a value after the conversion of the concentration value or the test value) in the classification unit 210a4, depending on information included in the evaluation result transmitted from the evaluation device 100.
  • the network 300 has a function of connecting the evaluation device 100, the client device 200, and the database device 400 so that they can communicate with each other, and is, for example, the Internet, an intranet, or a LAN (Local Area Network) (including both wired and wireless networks).
  • LAN Local Area Network
  • the network 300 may be a VAN (Value-Added Network), a personal computer communication network, a public telephone network (including both analog and digital), a dedicated line network (including both analog and digital), a CATV (Community Antenna TeleVision) network, a mobile circuit switching network or a mobile packet switching network (IMT (International Mobile Telecommunication) 2000 system, GSM (Registered Trademark) (Global System for Mobile Communications, etc.) r Mobile Communications system or PDC (Personal Digital Cellular)/PDC-P system, etc.), a radio paging network, a local radio network such as Bluetooth (registered trademark), a PHS network, a satellite communication network (including CS (Communication Satellite), BS (Broadcasting Satellite), or ISDB (Integrated Services Digital Broadcasting), etc.), etc.
  • VAN Value-Added Network
  • PHS Personal System for Mobile Communications
  • satellite communication network including CS (Communication Satellite), BS (Broadcasting Satellite), or ISDB (Integrated Services Digital Broadcast
  • FIG. 13 is a block diagram showing an example of the configuration of the database device 400 of this system, and conceptually shows only the parts of the configuration that are related to the present invention.
  • the database device 400 has a function of storing index state information used when creating an equation in the evaluation device 100 or the database device itself, equations created in the evaluation device 100, evaluation results in the evaluation device 100, etc.
  • the database device 400 is composed of a control unit 402 such as a CPU that controls the database device in an overall manner, a communication interface unit 404 that communicatively connects the database device to the network 300 via a communication device such as a router and a wired or wireless communication circuit such as a dedicated line, a storage unit 406 that stores various databases, tables, files (e.g., files for web pages), etc., and an input/output interface unit 408 that connects to an input device 412 and an output device 414, and each of these units is communicatively connected via any communication path.
  • a control unit 402 such as a CPU that controls the database device in an overall manner
  • a communication interface unit 404 that communicatively connects the database device to the network 300 via a communication device such as a router and a
  • the memory unit 406 is a storage means, and may be, for example, a memory device such as a RAM or ROM, a fixed disk device such as a hard disk, a flexible disk, an optical disk, or the like.
  • the memory unit 406 stores various programs used for various processes.
  • the communication interface unit 404 mediates communication between the database device 400 and the network 300 (or a communication device such as a router). In other words, the communication interface unit 404 has a function of communicating data with other terminals via a communication line.
  • the input/output interface unit 408 is connected to an input device 412 and an output device 414.
  • the output device 414 may be a monitor (including a home television), a speaker, or a printer.
  • the input device 412 may be a keyboard, a mouse, a microphone, or a monitor that works with a mouse to realize a pointing device function.
  • the control unit 402 has an internal memory for storing control programs such as an OS, programs that define various processing procedures, and required data, and executes various information processing based on these programs. As shown in the figure, the control unit 402 is roughly divided into a transmission unit 402a and a reception unit 402b.
  • the transmission unit 402a transmits various information such as index state information and equations to the evaluation device 100.
  • the reception unit 402b receives various information such as equations and evaluation results transmitted from the evaluation device 100.
  • the evaluation device 100 receives blood data, calculates the value of a formula, classifies the individual into categories, and transmits the evaluation results, while the client device 200 receives the evaluation results.
  • the client device 200 is equipped with the evaluation unit 210a, it is sufficient for the evaluation device 100 to calculate the value of a formula, and, for example, the conversion of the value of a formula, the generation of position information, and the classification of the individual into categories may be appropriately shared between the evaluation device 100 and the client device 200.
  • the evaluation unit 210a may convert the value of the equation in the conversion unit 210a2, generate location information corresponding to the value of the equation or the converted value in the generation unit 210a3, and classify the individual into one of a plurality of categories using the value of the equation or the converted value in the classification unit 210a4.
  • the evaluation unit 210a may generate position information corresponding to the converted value in the generation unit 210a3, or classify the individual into one of a plurality of categories using the converted value in the classification unit 210a4.
  • the evaluation unit 210a may classify the individual into one of a plurality of categories using the value of the formula or the converted value in the classification unit 210a4.
  • evaluation device calculation device, evaluation method, calculation program, recording medium, evaluation system, and terminal device according to the present invention may be embodied in various different embodiments within the scope of the technical idea described in the claims, in addition to the second embodiment described above.
  • all or part of the processes described as being performed automatically can be performed manually, or all or part of the processes described as being performed manually can be performed automatically using a known method.
  • processing procedures, control procedures, specific names, registered data for each process, information including search conditions and other parameters, screen examples, and database configurations shown in the above documents and drawings may be changed as desired unless otherwise specified.
  • the processing functions of the evaluation device 100 may be realized in whole or in part by a CPU and a program interpreted and executed by the CPU, or may be realized as hardware using wired logic.
  • the program is recorded on a non-transient computer-readable recording medium that includes programmed instructions for causing an information processing device to execute the evaluation method or calculation method of the present invention, and is mechanically read by the evaluation device 100 as necessary. That is, a computer program for giving instructions to the CPU in cooperation with the OS and performing various processes is recorded in the storage unit 106, such as a ROM or HDD (Hard Disk Drive). This computer program is executed by being loaded into RAM, and cooperates with the CPU to form the control unit.
  • this computer program may be stored in an application program server connected to the evaluation device 100 via any network, and it is also possible to download all or part of it as needed.
  • the evaluation program or calculation program of the present invention may be stored in a non-transitory computer-readable recording medium, and may also be configured as a program product.
  • the term "recording medium” refers to a memory card, a USB (Universal Serial Bus) memory, a SD (Secure Digital) card, a flexible disk, a magneto-optical disk, a ROM, an EPROM (Erasable Programmable Read Only Memory), an EEPROM (Electrically Erasable and Programmable Read Only Memory), a ...
  • Programmable Read Only Memory registered trademark
  • CD-ROM Compact Disc Read Only Memory
  • MO Magnetic-Optical disk
  • DVD Digital Versatile Disk
  • Blu-ray registered trademark
  • a "program” is a data processing method written in any language or description method, and may be in any format, such as source code or binary code.
  • a "program” is not necessarily limited to a single configuration, but also includes a distributed configuration consisting of multiple modules or libraries, and a program that works in conjunction with a separate program, such as an OS, to achieve its function. Note that the specific configuration and reading procedure for reading a recording medium in each device shown in the embodiments, as well as the installation procedure after reading, can use well-known configurations and procedures.
  • the various databases stored in the memory unit 106 are storage devices such as memory devices such as RAM and ROM, fixed disk devices such as hard disks, flexible disks, and optical disks, and store various programs, tables, databases, and web page files used for various processes and website provision.
  • storage devices such as memory devices such as RAM and ROM, fixed disk devices such as hard disks, flexible disks, and optical disks, and store various programs, tables, databases, and web page files used for various processes and website provision.
  • the evaluation device 100 may also be configured as a known information processing device such as a personal computer or a workstation, or as an information processing device to which any peripheral device is connected.
  • the evaluation device 100 may also be realized by implementing software (including a program or data, etc.) that realizes the evaluation method or calculation method of the present invention in the information processing device.
  • the specific form of distribution/integration of the devices is not limited to that shown in the figures, and all or part of the devices can be functionally or physically distributed/integrated in any unit according to various additions or functional loads.
  • the above-mentioned embodiments can be implemented in any combination, or the above-mentioned embodiments can be implemented selectively.
  • Blood samples taken 21 days before the expected delivery date were used to measure the blood concentrations of 25 amino acids (Ala, Arg, Asn, Asp, BCAA, Cit, Cys, Glu, Gln, Gly, His, Ile, Leu, Lys, Met, 3MeHis, Orn, Phe, Pro, Ser, Tau, Thr, Trp, Tyr, Val) and 29 biochemical parameters (ALB (g/dl), ALT (IU/l), AST (IU/l), B The following laboratory values were measured: HBA ( ⁇ mol/l), BUN (mg/dl), Ca (mg/dl), gGTP (IU/l), Glc (mg/dl), Glob (mg/dl), NEFA ( ⁇ Eq/l), T-Bil (mg/dl), TCHO (mg/dl), TG (mg/dl), TP (g/dl), P, Na, K, Cl, GGT, ALP, LDH, CPK, LDL-C
  • mastitis individuals diagnosed with mastitis based on clinical findings were classified as individuals with clinical mastitis, and individuals judged to have mastitis based on the somatic cell count (SCC) in the milk were classified as individuals with SCC mastitis.
  • SCC is a general term for white blood cells and sloughed epithelial cells in milk. It is said that SCC increases when a cow suffers from mastitis. In this example, mastitis is judged to occur when the SCC is 200,000/mL or higher.
  • ROC_AUC of the prediction formula based on the training data 0.70
  • the ROC_AUC of the prediction formula based on the validation data is 0.60
  • the ROC_AUC of the prediction formula based on the validation data was 0.58.
  • Blood samples taken 21 days before the expected delivery date were used to measure the blood concentrations of the 25 amino acids mentioned above (Ala, Arg, Asn, Asp, BCAA, Cit, Cys, Glu, Gln, Gly, His, Ile, Leu, Lys, Met, 3MeHis, Orn, Phe, Pro, Ser, Tau, Thr, Trp, Tyr, Val) and 28 biochemical parameters (ALB (g/dl), ALT (IU/l), AST ...
  • T (IU/l), BHBA ( ⁇ mol/l), BUN (mg/dl), Ca (mg/dl), gGTP (IU/l), Glc (mg/dl), NEFA ( ⁇ Eq/l), T-Bil (mg/dl), TCHO (mg/dl), TG (mg/dl), TP (g/dl), P, Na, K, Cl, GGT, ALP, LDH, CPK, LDL-C, HDL-C, Mg, AMY, PA, LA, CRE).
  • the blood concentrations of amino acids were measured by the above-mentioned measurement method (A) or (B).
  • the blood levels of haptoglobin, IL-1 ⁇ , and serum albumin A were measured using an enzyme-linked immunosorbent assay (ELISA).
  • the d-ROMs and BAP levels were measured using a colorimetric method.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Medicinal Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Pathology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Biotechnology (AREA)
  • Cell Biology (AREA)
  • Microbiology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

分娩後の炎症の状態に関する信頼性の高い情報を分娩前に提供することができる評価方法などを提供することを課題とする。本実施形態では、反すう動物の分娩前の血液中の２５種類のアミノ酸（Ａｌａ，Ａｒｇ，Ａｓｎ，Ａｓｐ，ＢＣＡＡ，Ｃｉｔ，Ｃｙｓ，Ｇｌｕ，Ｇｌｎ，Ｇｌｙ，Ｈｉｓ，Ｉｌｅ，Ｌｅｕ，Ｌｙｓ，Ｍｅｔ，３ＭｅＨｉｓ，Ｏｒｎ，Ｐｈｅ，Ｐｒｏ，Ｓｅｒ，Ｔａｕ，Ｔｈｒ，Ｔｒｐ，Ｔｙｒ，Ｖａｌ）の濃度値と当該血液中の３７種類の生化学（ＡＬＢ，ＡＬＴ，ＡＳＴ，ＢＨＢＡ，ＢＵＮ，Ｃａ，ｇＧＴＰ，Ｇｌｃ，Ｇｌｏｂ，ＮＥＦＡ，Ｔ－Ｂｉｌ，ＴＣＨＯ，ＴＧ，ＴＰ，Ｐ，Ｎａ，Ｋ，Ｃｌ，ＧＧＴ，ＡＬＰ，ＬＤＨ，ＣＰＫ，ＬＤＬ－Ｃ，ＨＤＬ－Ｃ，Ｍｇ，ＡＭＹ，ＰＡ，ＬＡ，ＣＲＥ，ＬＢＰ，ＩＬ－１β，ハプトグロビン，血清アミロイドＡ，ＩＬ－６，ＴＮＦ－α，コルチゾール，キヌレニン）の検査値と当該血液から得られた４種類の測定項目の測定値（ｄ－ＲＯＭｓ値，ＢＡＰ値，ＢＡＰ値／ｄ－ＲＯＭｓ値，ｄ－ＲＯＭｓ値／ＢＡＰ値）のうちの少なくとも１つの値を用いて、同反すう動物の分娩後の炎症の状態を評価する。

Description

分娩後の炎症の評価方法
　本発明は、分娩後の炎症の評価方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システムおよび端末装置に関するものである。
　分娩前後３週間程度の周産期と呼ばれる時期は、牛にとって重要な時期である。この時期には、ケトーシス、乳熱、胎盤停滞、第四胃変位、子宮炎、蹄病及び乳房炎などの代謝性疾患が多く発症する。近年、これらの疾患の多くに、炎症状態が原因となっている可能性が報告されている(非特許文献１)。
　特許文献１には、分娩後ケトーシスの評価方法等について記載されている。
　乳房炎は、分娩後、泌乳期間の乳房の見た目、乳汁の性状変化、細菌検査や体細胞数（ＳＣＣ）によって診断される。
　分娩前に血液や尿などを採取し、分娩後に正常だった牛と乳房炎を発症した牛において、濃度差が観察される項目が報告されている(非特許文献２－５)。
　子宮炎や子宮内膜炎は分娩後、粘膜、細胞診などの検査や臨床所見で診断される。
　分娩前に血液を採取し、分娩後に正常だった牛と子宮炎を発症した牛において、濃度差が観察される項目が報告されている(非特許文献６－１１)。
　人において炎症状態を発症する５２週前に酸化ストレスの指標であるｄ－ＲＯＭｓや抗酸化力の指標であるＢＡＰが変動する報告がある(非特許文献１２－１３、１９)。一方で、牛のケトーシスにおいて、分娩前１４日及び分娩後１５日にこれらの値が変動している事が報告されている(非特許文献２０)。これらの事から、分娩前の疾患予測及び分娩後の炎症状態の把握にｄ－ＲＯＭｓ、ＢＡＰ及びｄ－ＲＯＭｓとＢＡＰの比率が有効な可能性がある。
　炎症状態の指標として、血中ハプトグロビンが知られている。血中ハプトグロビン濃度が高く、炎症状態であると考えらえる乳牛においては、乳量の低下、受胎率の低下が確認されている(非特許文献１，１４－１７)。ハプトグロビンの基準値としては、疾患によりいくつか異なる基準が示されているが、まだ統一された知見は広まっていない。
　炎症状態の指標として、ＩＬ－１β、血清アルブミンＡが知られている（非特許文献５）。基準値としては、疾患により基準が示されているが、まだ統一された知見は広まっていない。
　炎症状態の指標として、ＬＢＰが知られている（非特許文献１８）。基準値としては、疾患により基準が示されているが、まだ統一された知見は広まっていない。
国際公開第２０１８／００３６３８号
Horst,　E.　A.,　et　al.　(2021).　"Invited　review:　The　influence　of　immune　activation　on　transition　cow　health　and　performance-A　critical　evaluation　of　traditional　dogmas."　J　Dairy　Sci　104(8):　8380-8410. Hu,　H.,　et　al.　(2021).　"Application　of　Metabolomics　in　Diagnosis　of　Cow　Mastitis:　A　Review."　Front　Vet　Sci　8:　747519. Zhang,　G.,　et　al.　(2022).　"Identification　of　Serum-Predictive　Biomarkers　for　Subclinical　Mastitis　in　Dairy　Cows　and　New　Insights　into　the　Pathobiology　of　the　Disease."　J　Agric　Food　Chem　70(5):　1724-1746. Sakemi,　Y.,　et　al.　(2011).　"Interleukin-6　in　quarter　milk　as　a　further　prediction　marker　for　bovine　subclinical　mastitis."　J　Dairy　Res　78(1):　118-121. Dervishi,　E.,　et　al.　(2015).　"Innate　immunity　and　carbohydrate　metabolism　alterations　precede　occurrence　of　subclinical　mastitis　in　transition　dairy　cows."　J　Anim　Sci　Technol　57:　46. Dervishi,　E.,　et　al.　(2016).　"Alterations　in　innate　immunity　reactants　and　carbohydrate　and　lipid　metabolism　precede　occurrence　of　metritis　in　transition　dairy　cows."　Res　Vet　Sci　104:　30-39. Dervishi,　E.,　et　al.　(2018).　"Urine　metabolic　fingerprinting　can　be　used　to　predict　the　risk　of　metritis　and　highlight　the　pathobiology　of　the　disease　in　dairy　cows."　Metabolomics　14(6):　83. Wisnieski,　L.,　et　al.　(2019).　"Predictive　models　for　early　lactation　diseases　in　transition　dairy　cattle　at　dry-off."　Prev　Vet　Med　163:　68-78. Paiano,　R.　B.,　et　al.　(2021).　"Metritis　in　dairy　cows　is　preceded　by　alterations　in　biochemical　profile　prepartum　and　at　parturition."　Res　Vet　Sci　135:　167-174. Chebel,　R.　C.　(2021).　"Predicting　the　risk　of　retained　fetal　membranes　and　metritis　in　dairy　cows　according　to　prepartum　hemogram　and　immune　and　metabolic　status."　Prev　Vet　Med　187:　105204. Casaro,　S.,　et　al.　(2023).　"Blood　metabolomics　and　impacted　cellular　mechanisms　during　transition　into　lactation　in　dairy　cows　that　develop　metritis."　J　Dairy　Sci　106(11):　8098-8109. Nakajima,　A.,　et　al.　(2019).　"Serum　levels　of　reactive　oxygen　metabolites　at　12　weeks　during　tocilizumab　therapy　are　predictive　of　52　weeks-disease　activity　score-remission　in　patients　with　rheumatoid　arthritis."　BMC　Rheumatol　3:　48. Masaki,　N.,　et　al.　(2016).　"Usefulness　of　the　d-ROMs　test　for　prediction　of　cardiovascular　events."　Int　J　Cardiol　222:　226-232. Dubuc,　J.,　et　al.　(2010).　"Risk　factors　for　postpartum　uterine　diseases　in　dairy　cows."　J　Dairy　Sci　93(12):　5764-5771. Huzzey,　J.　M.,　et　al.　(2009).　"Short　communication:　Haptoglobin　as　an　early　indicator　of　metritis."　J　Dairy　Sci　92(2):　621-625. Kerwin,　A.　L.,　et　al.　(2022).　"Transition　cow　nutrition　and　management　strategies　of　dairy　herds　in　the　northeastern　United　States:　Part　II-Associations　of　metabolic-　and　inflammation-related　analytes　with　health,　milk　yield,　and　reproduction."　J　Dairy　Sci　105(6):　5349-5369. Kerwin,　A.　L.,　et　al.　(2022).　"Transition　cow　nutrition　and　management　strategies　of　dairy　herds　in　the　northeastern　United　States:　Part　I-Herd　description　and　performance　characteristics."　J　Dairy　Sci　105(6):　5327-5348. Abuajamieh,　M.,　et　al.　(2016).　"Inflammatory　biomarkers　are　associated　with　ketosis　in　periparturient　Holstein　cows."　Res　Vet　Sci　109:　81-85. Nakajima,　A.,　et　al.　(2019).　"Serum　levels　of　reactive　oxygen　metabolites　at　12　weeks　during　tocilizumab　therapy　are　predictive　of　52　weeks-disease　activity　score-remission　in　patients　with　rheumatoid　arthritis."　BMC　Rheumatol　3:　48. 芝野健一.,et　al.　(2021).　"ケトーシス発症乳牛の酸化ストレスマーカーと血液生化学性状"　日獣会　74,59-63.
　ここで、分娩後に炎症となるリスクを分娩前に予め診断することができれば、例えば、分娩前に予防的な栄養的介入を行うことで、炎症発症を低減させ、延いては酪農家の効率的な生産に貢献することができる、と考えられる。
　上述の通り、分娩後に炎症を起こす牛においては、分娩前からいくつかの成分に変動がみられている事が報告されている。しかしながら、分娩後に炎症となるリスクを分娩前に予め診断することに関し、実際に農場で使われているリスク診断技術は存在しない、という問題点があった。
　本発明は、上記に鑑みてなされたもので、分娩後の炎症の状態に関する信頼性の高い情報を分娩前に提供することができる評価方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システムおよび端末装置を提供することを目的とする。
　上述した課題を解決し、目的を達成するために、本発明にかかる評価方法は、反すう動物の分娩前の血液中の２５種類のアミノ酸（Ａｌａ，Ａｒｇ，Ａｓｎ，Ａｓｐ，ＢＣＡＡ，Ｃｉｔ，Ｃｙｓ，Ｇｌｕ，Ｇｌｎ，Ｇｌｙ，Ｈｉｓ，Ｉｌｅ，Ｌｅｕ，Ｌｙｓ，Ｍｅｔ，３ＭｅＨｉｓ，Ｏｒｎ，Ｐｈｅ，Ｐｒｏ，Ｓｅｒ，Ｔａｕ，Ｔｈｒ，Ｔｒｐ，Ｔｙｒ，Ｖａｌ）の濃度値と前記血液中の３７種類の生化学（生化学パラメータを意味する。具体的には、ＡＬＢ，ＡＬＴ，ＡＳＴ，ＢＨＢＡ，ＢＵＮ，Ｃａ，ｇＧＴＰ，Ｇｌｃ，Ｇｌｏｂ，ＮＥＦＡ，Ｔ－Ｂｉｌ，ＴＣＨＯ，ＴＧ，ＴＰ，Ｐ，Ｎａ，Ｋ，Ｃｌ，ＧＧＴ，ＡＬＰ，ＬＤＨ，ＣＰＫ，ＬＤＬ－Ｃ，ＨＤＬ－Ｃ，Ｍｇ，ＡＭＹ，ＰＡ，ＬＡ，ＣＲＥ，ＬＢＰ，ＩＬ－１β，ハプトグロビン，血清アミロイドＡ，ＩＬ－６，ＴＮＦ－α，コルチゾール，キヌレニン）の検査値と前記血液から得られた４種類の測定項目の測定値（ｄ－ＲＯＭｓ値（酸化ストレス値），ＢＡＰ値（抗酸化力値），ＢＡＰ値／ｄ－ＲＯＭｓ値，ｄ－ＲＯＭｓ値／ＢＡＰ値）のうちの少なくとも１つの値を用いて、または、前記少なくとも１つの値が代入される変数を含む式および前記少なくとも１つの値を用いて算出された前記式の値を用いて、前記反すう動物の分娩後の炎症の状態を評価する評価ステップを含むこと、を特徴とする。
　ここで、本明細書では各種のアミノ酸、血液生化学および測定項目を主に略称で表記するが、それらの正式名称は以下の通りである。
（アミノ酸略称）　（正式名称）
Ａｌａ　Ａｌａｎｉｎｅ
Ａｒｇ　Ａｒｇｉｎｉｎｅ
Ａｓｎ　Ａｓｐａｒａｇｉｎｅ
Ａｓｐ　Ａｓｐａｒｔｉｃ　ａｃｉｄ
ＢＣＡＡ　Ｂｒａｎｃｈｅｄ　ｃｈａｉｎ　ａｍｉｎｏ　ａｃｉｄｓ
Ｃｉｔ　Ｃｉｔｒｕｌｌｉｎｅ
Ｃｙｓ　Ｃｙｓｔｉｎｅ
Ｇｌｎ　Ｇｌｕｔａｍｉｎｅ
Ｇｌｕ　Ｇｌｕｔａｍｉｃ　ａｃｉｄ
Ｇｌｙ　Ｇｌｙｃｉｎｅ
Ｈｉｓ　Ｈｉｓｔｉｄｉｎｅ
Ｉｌｅ　Ｉｓｏｌｅｕｃｉｎｅ
Ｌｅｕ　Ｌｅｕｃｉｎｅ
Ｌｙｓ　Ｌｙｓｉｎｅ
Ｍｅｔ　Ｍｅｔｈｉｏｎｉｎｅ
３ＭｅＨｉｓ　３－Ｍｅｔｈｙｌ　ｈｉｓｔｉｄｉｎｅ
Ｏｒｎ　Ｏｒｎｉｔｈｉｎｅ
Ｐｈｅ　Ｐｈｅｎｙｌａｌａｎｉｎｅ
Ｐｒｏ　Ｐｒｏｌｉｎｅ
Ｓｅｒ　Ｓｅｒｉｎｅ
Ｔａｕ　Ｔａｕｒｉｎｅ
Ｔｈｒ　Ｔｈｒｅｏｎｉｎｅ
Ｔｒｐ　Ｔｒｙｐｔｏｐｈａｎ
Ｔｙｒ　Ｔｙｒｏｓｉｎｅ
Ｖａｌ　Ｖａｌｉｎｅ
（血液生化学略称）　（正式名称）
ＡＬＢ　Ａｌｂｕｍｉｎ
ＡＬＴ　Ａｌａｎｉｎｅ　ｔｒａｎｓａｍｉｎａｓｅ
ＡＳＴ　Ａｓｐａｒｔａｔｅ　Ａｍｉｎｏｔｒａｎｓｆｅｒａｓｅ
ＢＨＢＡ　β－Ｈｙｄｒｏｘｙｂｕｔｙｒｉｃ　ａｃｉｄ
ＢＵＮ　Ｂｌｏｏｄ　ｕｒｅａ　ｎｉｔｒｏｇｅｎ
Ｃａ　Ｃａｌｃｉｕｍ
ｇＧＴＰ　γ－ｇｌｕｔａｍｙｌｔｒａｎｓｆｅｒａｓｅ
Ｇｌｃ　Ｇｌｕｃｏｓｅ
Ｇｌｏｂ　Ｇｌｏｂｕｌｉｎ
ＮＥＦＡ　Ｎｏｎ　ｅｓｔｅｒｉｆｉｅｄ　ｆａｔｔｙ　ａｃｉｄ
Ｔ－Ｂｉｌ　Ｔｏｔａｌ　ｂｉｌｉｒｕｂｉｎ
ＴＣＨＯ　Ｔｏｔａｌ　ｃｈｏｌｅｓｔｅｒｏｌ
ＴＧ　Ｔｒｉｇｌｙｃｅｒｉｄｅ
ＴＰ　Ｔｏｔａｌ　ｐｒｏｔｅｉｎ
Ｐ　リン
Ｎａ　ナトリウム
Ｋ　カリウム
Ｃｌ　クロール
ＧＧＴ　γ-グルタルトランスフェラーゼ
ＡＬＰ　アルカリフォスファターゼ
ＬＤＨ　乳酸脱水素酵素
ＣＰＫ　クレアチンホスホキナーゼ
ＬＤＬ－Ｃ　ＬＤＬ　ｃｈｏｌｅｓｔｅｒｏｌ
ＨＤＬ－Ｃ　ＨＤＬ　ｃｈｏｌｅｓｔｅｒｏｌ
Ｍｇ　マグネシウム
ＡＭＹ　アミラーゼ
ＰＡ　ピルビン酸
ＬＡ　乳酸
ＣＲＥ　クレアチン
ＬＢＰ　Ｌｉｐｏｐｏｌｙｓａｃｃｈａｒｉｄｅ　Ｂｉｎｄｉｎｇ　Ｐｒｏｔｅｉｎ
ＩＬ－１β　Ｉｎｔｅｒｌｅｕｋｉｎ－１β
ＩＬ－６　Ｉｎｔｅｒｌｅｕｋｉｎ－６
ＴＮＦ－α　Ｔｕｍｏｒ　Ｎｅｃｒｏｓｉｓ　Ｆａｃｔｏｒ－α
（測定項目略称）　（正式名称）
ｄ－ＲＯＭｓ　Ｄｉａｃｒｏｎ－Ｒｅａｃｔｉｖｅ　ｏｘｙｇｅｎ　ｍｅｔａｂｏｌｉｔｅｓ
ＢＡＰ　Ｂｉｏｌｏｇｉｃａｌ　ａｎｔｉｏｘｉｄａｎｔ　ｐｏｔｅｎｔｉａｌ
　なお、前記炎症は、子宮炎、乳房炎、低カルシウム血症、乳熱、第４胃変異、または跛行でもよい。
　また、前記反すう動物は、乳用牛または肉牛でもよい。
　また、前記評価ステップは、情報処理装置に備わっている制御部において実行されてもよい。
　また、本発明にかかる算出方法は、反すう動物の分娩前の血液中の上記２５種類のアミノ酸の濃度値の濃度値と前記血液中の上記３７種類の生化学の検査値と前記血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値、および、前記少なくとも１つの値が代入される変数を含む、前記反すう動物の分娩後の炎症の状態を評価するための式、を用いて、前記式の値を算出する算出ステップを含むこと、を特徴とする。
　なお、前記算出ステップは、情報処理装置に備わっている制御部において実行されてもよい。
　また、本発明にかかる評価装置は、反すう動物の分娩前の血液中の上記２５種類のアミノ酸の濃度値と前記血液中の上記３７種類の生化学の検査値と前記血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値を用いて、または、前記少なくとも１つの値が代入される変数を含む式および前記少なくとも１つの値を用いて算出された前記式の値を用いて、前記反すう動物の分娩後の炎症の状態を評価する評価部を備えること、を特徴とする。
　なお、本発明にかかる評価装置は、前記少なくとも１つの値または前記式の前記値を提供する端末装置とネットワークを介して通信可能に接続されてもよく、前記端末装置から送信された前記少なくとも１つの値または前記式の前記値を受信するデータ受信部と、前記評価部で得られた評価結果を前記端末装置へ送信する結果送信部と、をさらに備えてもよく、前記評価部は、前記データ受信部で受信した前記少なくとも１つの値または前記式の前記値を用いてもよい。
　また、本発明にかかる算出装置は、反すう動物の分娩前の血液中の上記２５種類のアミノ酸の濃度値と前記血液中の上記３７種類の生化学の検査値と前記血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値、および、前記少なくとも１つの値が代入される変数を含む、前記反すう動物の分娩後の炎症の状態を評価するための式、を用いて、前記式の値を算出する算出部を備えること、を特徴とする。
　また、本発明にかかる評価プログラムは、情報処理装置に、反すう動物の分娩前の血液中の上記２５種類のアミノ酸の濃度値と前記血液中の上記３７種類の生化学の検査値と前記血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値を用いて、または、前記少なくとも１つの値が代入される変数を含む式および前記少なくとも１つの値を用いて算出された前記式の値を用いて、前記乳用牛の分娩後の炎症の状態を評価する評価ステップを実行させるためのものである。
　また、本発明にかかる算出プログラムは、情報処理装置に、反すう動物の分娩前の血液中の上記２５種類のアミノ酸の濃度値と前記血液中の上記３７種類の生化学の検査値と前記血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値、および、前記少なくとも１つの値が代入される変数を含む、前記反すう動物の分娩後の炎症の状態を評価するための式、を用いて、前記式の値を算出する算出ステップを実行させるためのものである。
　また、本発明にかかる記録媒体は、前記評価プログラムまたは前記算出プログラムを記録したコンピュータ読み取り可能な記録媒体である。換言すると、本発明にかかる記録媒体は、一時的でないコンピュータ読み取り可能な記録媒体であって、情報処理装置に前記評価方法または前記算出方法を実行させるためのプログラム化された命令を含むこと、を特徴とする。
　また、本発明にかかる評価システムは、評価装置と端末装置とをネットワークを介して通信可能に接続して構成された評価システムであって、前記端末装置は、反すう動物の分娩前の血液中の上記２５種類のアミノ酸の濃度値と前記血液中の上記３７種類の生化学の検査値と前記血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値、または、前記少なくとも１つの値が代入される変数を含む式および前記少なくとも１つの値を用いて算出された前記式の値、を前記評価装置へ送信するデータ送信部と、前記評価装置から送信された、分娩後の炎症の状態に関する評価結果を受信する結果受信部と、を備え、前記評価装置は、前記端末装置から送信された前記少なくとも１つの値または前記式の前記値を受信するデータ受信部と、前記データ受信部で受信した前記少なくとも１つの値または前記式の前記値を用いて、前記反すう動物の分娩後の炎症の状態を評価する評価部と、前記評価部で得られた評価結果を前記端末装置へ送信する結果送信部と、を備えること、を特徴とする。
　また、本発明にかかる端末装置は、分娩後の炎症の状態に関する評価結果を取得する結果取得部を備え、前記評価結果は、反すう動物の分娩前の血液中の上記２５種類のアミノ酸の濃度値と前記血液中の上記３７種類の生化学の検査値と前記血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値を用いて、または、前記少なくとも１つの値が代入される変数を含む式および前記少なくとも１つの値を用いて算出された前記式の値を用いて、前記反すう動物の分娩後の炎症の状態を評価した結果であること、を特徴とする。
　なお、本発明にかかる端末装置は、分娩後の炎症の状態を評価する評価装置とネットワークを介して通信可能に接続されてもよく、前記少なくとも１つの値または前記式の前記値を前記評価装置へ送信するデータ送信部をさらに備えてもよく、前記結果取得部は、前記評価装置から送信された前記評価結果を受信してもよい。
　なお、本発明にかかる評価方法は、前記評価ステップにおいて分娩後に前記代謝性疾患に罹患する可能性が高いと評価された牛に対して、予防的処置を提案する提案ステップを更に含んでもよい。
　また、前記予防的処置が、ＲｕｍｅｎＰｒｏｔｅｃｔアミノ酸の投与、飼料添加物の投与、薬剤の投与および獣医の診断からなる群から選択される少なくとも一つでもよい。
　また、前記飼料添加物が、ＰＨ調整剤、イオンバランス調整剤、カビ毒吸着剤、プロピオン酸カルシウム等のプロピオン酸類縁体、ビタミン、ミネラル、アミノ酸、脂肪酸、尿素、生菌剤、酵母、酵素、抗生物質、抗酸化剤、抗菌剤および有機酸からなる群から選択される少なくとも一つでもよい。
　また、前記提案ステップにおいては、前記代謝性疾患に罹患する可能性があると評価された牛に対して、統計的因果推論を行って罹患する原因を推測し、その原因に対応する予防的処置を提案してもよい。
　本発明によれば、反すう動物の分娩前の血液中の上記２５種類のアミノ酸の濃度値と当該血液中の上記３７種類の生化学の検査値と当該血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値を用いて、同反すう動物の分娩後の炎症の状態を評価するので、分娩後の炎症の状態に関する信頼性の高い情報を分娩前に提供することができるという効果を奏する。そして、酪農家は、本発明で提供された情報に基づく予防的な栄養的介入を分娩前に実施することにより、分娩後の炎症発症を低減させることが実現可能となる。すなわち、本発明は、酪農家の効率的な生産に貢献するものである。
図１は、第１実施形態の基本原理を示す原理構成図である。 図２は、第２実施形態の基本原理を示す原理構成図である。 図３は、本システムの全体構成の一例を示す図である。 図４は、本システムの全体構成の他の一例を示す図である。 図５は、本システムの評価装置１００の構成の一例を示すブロック図である。 図６は、血液データファイル１０６ａに格納される情報の一例を示す図である。 図７は、指標状態情報ファイル１０６ｂに格納される情報の一例を示す図である。 図８は、指定指標状態情報ファイル１０６ｃに格納される情報の一例を示す図である。 図９は、式ファイル１０６ｄ１に格納される情報の一例を示す図である。 図１０は、評価結果ファイル１０６ｅに格納される情報の一例を示す図である。 図１１は、評価部１０２ｄの構成を示すブロック図である。 図１２は、本システムのクライアント装置２００の構成の一例を示すブロック図である。 図１３は、本システムのデータベース装置４００の構成の一例を示すブロック図である。 図１４は、実施例４で抽出された線形回帰モデルを示す図である。 図１５は、実施例４で抽出された線形回帰モデルを示す図である。 図１６は、実施例４で抽出された線形回帰モデルを示す図である。 図１７は、実施例４で抽出された線形回帰モデルを示す図である。 図１８は、実施例４で抽出されたロジスティック回帰モデルを示す図である。 図１９は、実施例４で抽出されたロジスティック回帰モデルを示す図である。 図２０は、実施例４で抽出されたロジスティック回帰モデルを示す図である。 図２１は、実施例４で抽出されたロジスティック回帰モデルを示す図である。 図２２は、実施例４で抽出されたロジスティック回帰モデルを示す図である。 図２３は、実施例４で抽出されたロジスティック回帰モデルを示す図である。 図２４は、実施例４で抽出されたロジスティック回帰モデルを示す図である。 図２５は、実施例４で抽出されたロジスティック回帰モデルを示す図である。 図２６は、実施例４で抽出されたロジスティック回帰モデルを示す図である。 図２７は、実施例４で抽出されたロジスティック回帰モデルを示す図である。 図２８は、実施例５で抽出されたロジスティック回帰モデルを示す図である。 図２９は、実施例５で抽出されたロジスティック回帰モデルを示す図である。 図３０は、実施例５で抽出されたロジスティック回帰モデルを示す図である。 図３１は、実施例５で抽出されたロジスティック回帰モデルを示す図である。 図３２は、実施例５で抽出されたロジスティック回帰モデルを示す図である。 図３３は、実施例５で抽出されたロジスティック回帰モデルを示す図である。 図３４は、実施例５で抽出されたロジスティック回帰モデルを示す図である。 図３５は、実施例６で抽出された乳熱判別用のロジスティック回帰モデルを示す図である。 図３６は、実施例６で抽出された乳熱判別用のロジスティック回帰モデルと第４胃変異判別用のロジスティック回帰モデルを示す図である。 図３７は、実施例６で抽出された第４胃変異判別用のロジスティック回帰モデルを示す図である。 図３８は、実施例６で抽出された第４胃変異判別用のロジスティック回帰モデルを示す図である。 図３９は、実施例６で抽出された子宮炎判別用のロジスティック回帰モデルを示す図である。 図４０は、実施例６で抽出された子宮炎判別用のロジスティック回帰モデルを示す図である。 図４１は、実施例６で抽出された子宮炎判別用のロジスティック回帰モデルを示す図である。 図４２は、実施例６で抽出された子宮炎判別用のロジスティック回帰モデルを示す図である。 図４３は、実施例６で抽出された子宮炎判別用のロジスティック回帰モデルを示す図である。 図４４は、実施例６で抽出された乳房炎判別用のロジスティック回帰モデルを示す図である。 図４５は、実施例６で抽出された乳房炎判別用のロジスティック回帰モデルを示す図である。 図４６は、実施例６で抽出された乳房炎判別用のロジスティック回帰モデルを示す図である。 図４７は、実施例６で抽出された乳房炎判別用のロジスティック回帰モデルを示す図である。 図４８は、実施例６で抽出された乳房炎判別用のロジスティック回帰モデルを示す図である。 図４９は、実施例６で抽出された跛行判別用のロジスティック回帰モデルを示す図である。 図５０は、実施例６で抽出された跛行判別用のロジスティック回帰モデルと炎症疾患判別用のロジスティック回帰モデルを示す図である。 図５１は、実施例６で抽出された炎症疾患判別用のロジスティック回帰モデルを示す図である。 図５２は、実施例６で抽出された炎症疾患判別用のロジスティック回帰モデルを示す図である。 図５３は、実施例６で抽出された炎症疾患判別用のロジスティック回帰モデルを示す図である。 図５４は、実施例６で抽出された炎症疾患判別用のロジスティック回帰モデルを示す図である。 図５５は、実施例６で抽出された炎症疾患判別用のロジスティック回帰モデルを示す図である。 図５６は、実施例６で抽出された炎症疾患判別用のロジスティック回帰モデルを示す図である。 図５７は、実施例６で抽出された炎症疾患判別用のロジスティック回帰モデルを示す図である。 図５８は、実施例６で抽出された炎症疾患判別用のロジスティック回帰モデルを示す図である。 図５９は、実施例６で抽出された炎症疾患判別用のロジスティック回帰モデルと実施例７で抽出された分娩日の７日後の血清アミロイドＡ濃度を予測する線形回帰モデルを示す図である。 図６０は、実施例７で抽出された分娩日の７日後の血清アミロイドＡ濃度を予測する線形回帰モデルを示す図である。 図６１は、実施例７で抽出された分娩日の７日後の血清アミロイドＡ濃度を予測する線形回帰モデルを示す図である。 図６２は、実施例７で抽出された分娩日の７日後の血清アミロイドＡ濃度を予測する線形回帰モデルを示す図である。 図６３は、実施例７で抽出された分娩日の７日後の血清アミロイドＡ濃度を予測する線形回帰モデルを示す図である。 図６４は、実施例７で抽出された分娩日の７日後のＩＬ－１β濃度を予測する線形回帰モデルを示す図である。 図６５は、実施例７で抽出された分娩日の７日後のＩＬ－１β濃度を予測する線形回帰モデルを示す図である。 図６６は、実施例７で抽出された分娩日の７日後のＩＬ－１β濃度を予測する線形回帰モデルを示す図である。 図６７は、実施例７で抽出された分娩日の７日後のＩＬ－１β濃度を予測する線形回帰モデルと分娩日の７日後のｄ－ＲＯＭｓ値を予測する線形回帰モデルを示す図である。 図６８は、実施例７で抽出された分娩日の７日後のｄ－ＲＯＭｓ値を予測する線形回帰モデルを示す図である。 図６９は、実施例７で抽出された分娩日の７日後のｄ－ＲＯＭｓ値を予測する線形回帰モデルを示す図である。 図７０は、実施例７で抽出された分娩日の７日後のｄ－ＲＯＭｓ値を予測する線形回帰モデルを示す図である。 図７１は、実施例７で抽出された分娩日の７日後のＢＡＰ値を予測する線形回帰モデルを示す図である。 図７２は、実施例７で抽出された分娩日の７日後のＢＡＰ値を予測する線形回帰モデルを示す図である。 図７３は、実施例７で抽出された分娩日の７日後のＢＡＰ値を予測する線形回帰モデルを示す図である。 図７４は、実施例７で抽出された分娩日の７日後のＢＡＰ値を予測する線形回帰モデルと分娩日の７日後のｄ－ＲＯＭｓ値／ＢＡＰ値を予測する線形回帰モデルを示す図である。 図７５は、実施例７で抽出された分娩日の７日後のｄ－ＲＯＭｓ値／ＢＡＰ値を予測する線形回帰モデルを示す図である。
　以下に、本発明にかかる評価方法および算出方法の実施形態（第１実施形態）、ならびに、本発明にかかる評価装置、算出装置、評価方法、算出方法、評価プログラム、算出プログラム、記録媒体、評価システムおよび端末装置の実施形態（第２実施形態）を、図面に基づいて詳細に説明する。なお、本発明はこれらの実施形態により限定されるものではない。
［第１実施形態］
［１－１．第１実施形態の概要］
　ここでは、第１実施形態の概要について図１を参照して説明する。図１は第１実施形態の基本原理を示す原理構成図である。
　まず、評価対象である反すう動物（例えば乳用牛など）から採取した分娩前（例えば分娩予定日から一定期間前など）の血液（例えば血漿、血清などを含む）中の上記２５種類のアミノ酸の濃度値および当該血液中の上記３７種類の生化学の検査値と当該血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値（上記２５種類のアミノ酸の濃度値と上記３７種類の生化学の検査値と上記４種類の測定項目の測定値から選ばれる任意の１つ又は２つ以上の値）を含む血液データを取得する（ステップＳ１１）。
　なお、ステップＳ１１では、例えば、濃度値または検査値の測定を行う企業等が測定した血液データを取得してもよい。また、評価対象から採取した分娩前の血液から、例えば以下の（Ａ）、（Ｂ）、または（Ｃ）などの測定方法により濃度値または検査値を測定することで、血液データを取得してもよい。ここで、濃度値の単位は、例えばモル濃度、重量濃度又は酵素活性であってもよく、これらの濃度に任意の定数を加減乗除することで得られるものでもよい。
（Ａ）採取した血液サンプルを遠心することにより血液から血漿を分離する。全ての血漿サンプルは、濃度値の測定時まで－８０℃で凍結保存する。濃度値測定時には、０．０２Ｎ塩酸を添加し限外ろ過で除蛋白処理を行った後、標識試薬（３－アミノピリジル－Ｎ－ヒドロキシスクシンイミジルカルバメート）を用いてプレカラム誘導体化を行い、そして、液体クロマトグラフ質量分析計（ＬＣ／ＭＳ）により濃度値を分析する（国際公開第２００３／０６９３２８号、国際公開第２００５／１１６６２９号を参照）。
（Ｂ）採取した血液サンプルを遠心することにより血液から血漿を分離する。全ての血漿サンプルは、濃度値の測定時まで－８０℃で凍結保存する。濃度値測定時には、０．０２Ｎ塩酸を添加し限外ろ過で除蛋白処理を行った後、ニンヒドリン試薬を用いたポストカラム誘導体化法を原理としたアミノ酸分析計により濃度値を分析する。
（Ｃ）採取した血液サンプルを、膜やＭＥＭＳ技術または遠心分離の原理を用いて血球分離を行い、血液から血漿または血清を分離する。血漿または血清取得後すぐに濃度値の測定を行わない血漿または血清サンプルは、濃度値の測定時まで－８０℃で凍結保存する。濃度値測定時には、酵素やアプタマーなど、標的とするアミノ酸又は生化学と反応または結合する分子等を用い、基質認識によって増減する物質や分光学的値を定量等することにより濃度値を分析する。
　つぎに、ステップＳ１１で取得した血液データに含まれている、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値を用いて、評価対象の分娩後（例えば分娩日から一定期間後など）の炎症（例えば子宮炎、乳房炎、低カルシウム血症、乳熱、第４胃変異、または跛行など）の状態を評価（予測／推定）する（ステップＳ１２）。なお、ステップＳ１２を実行する前に、ステップＳ１１で取得した血液データから欠損値や外れ値などのデータを除去してもよい。
　これにより、分娩後の炎症の状態に関する信頼性の高い情報を分娩前に提供することができる。
　ここで、ステップＳ１２では、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値および当該少なくとも１つの値が代入される変数を含む式を用いて式の値を算出することで、評価対象の分娩後の炎症の状態を評価してもよい。また、濃度値、検査値または測定値が代入される変数には、濃度値、検査値または測定値を例えば後述する手法等で変換した後の値が代入されてもよい。
　また、分娩後の炎症の状態を評価する際、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値以外に、例えば、炎症発症に影響を与える以下に挙げた因子に関する値などをさらに用いても構わない。また、式には、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値が代入される変数以外に、例えば、炎症発症に影響を与える以下に挙げた因子に関する値などが代入される変数がさらに含まれていてもよい。
・経産か未経産かを意味する産次項（２値変数）
・体重、摂食量、ボディコンディションスコア（ＢＣＳ）、気温、湿度、飼育密度、及び季節
　また、濃度値または式の値を例えば以下に挙げた手法などで変換し、変換後の値を用いて、評価対象の分娩後の炎症の状態を評価してもよい。
　濃度値または式の値の取り得る範囲が所定範囲（例えば０．０から１．０までの範囲、０．０から１０．０までの範囲、０．０から１００．０までの範囲、又は－１０．０から１０．０までの範囲、など）に収まるようにする等のために、例えば、濃度値または式の値に対して任意の値を加減乗除したり、濃度値または式の値を所定の変換手法（例えば、指数変換、対数変換、角変換、平方根変換、プロビット変換、逆数変換、Ｂｏｘ－Ｃｏｘ変換、又はべき乗変換など）で変換したり、また、濃度値または式の値に対してこれらの計算を組み合わせて行ったりすることで、濃度値または式の値を変換してもよい。例えば、濃度値または式の値を指数としネイピア数を底とする指数関数の値（具体的には、分娩後の炎症の状態が所定の状態（例えば血中ハプトグロビン濃度が基準値を超えた状態など）である確率ｐを定義したときの自然対数ｌｎ（ｐ／（１－ｐ））が濃度値または式の値と等しいとした場合におけるｐ／（１－ｐ）の値）をさらに算出してもよく、また、算出した指数関数の値を１と当該値との和で割った値（具体的には、確率ｐの値）をさらに算出してもよい。
　また、特定の条件のときの変換後の値が特定の値となるように、濃度値または式の値を変換してもよい。例えば、感度が９５％のときの変換後の値が５．０となり且つ感度が８０％のときの変換後の値が８．０となるように濃度値または式の値を変換してもよい。
　また、濃度値に関しては、アミノ酸ごとに、濃度分布を正規分布化した後、平均５０、標準偏差１０となるように濃度値を偏差値化してもよい。また、式の値に関しては、平均５０、標準偏差１０となるように式の値を偏差値化してもよい。
　なお、上述したこれらの変換は、検査値および測定値に対し適用してもよい。
　また、モニタ等の表示装置又は紙等の物理媒体に視認可能に示される所定の物差し上における所定の目印の位置に関する位置情報を、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値（当該値を変換した場合にはその変換後の値）または式の値（当該式の値を変換した場合にはその変換後の値）を用いて生成し、生成した位置情報を、評価対象の分娩後の炎症の状態に関する評価結果としてもよい。なお、所定の物差しとは、分娩後の炎症の状態を評価するためのものであり、例えば、目盛りが示された物差しであって、「濃度値、検査値、測定値若しくは式の値又は変換後の値の取り得る範囲」又は「当該範囲の一部分」における上限値と下限値に対応する目盛りが少なくとも示されたもの、などである。また、所定の目印とは、濃度値、検査値、測定値若しくは式の値又は変換後の値に対応するものであり、例えば、丸印又は星印などである。
　また、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値または式の値が、所定値（平均値±１ＳＤ、２ＳＤ、３ＳＤ、Ｎ分位点、Ｎパーセンタイル又は臨床的意義の認められたカットオフ値など）より低い若しくは所定値以下である場合又は所定値以上若しくは所定値より高い場合に、評価対象について分娩後に炎症が発症すると評価してもよい。その際、濃度値、検査値または式の値そのものではなく、偏差値を用いてもよい。例えば、偏差値が平均値－２ＳＤ未満の場合（偏差値＜３０の場合）又は偏差値が平均値＋２ＳＤより高い場合（偏差値＞７０の場合）に、評価対象について分娩後に炎症が発症すると評価してもよい。
　また、評価対象が分娩後に炎症を発症するリスク（可能性）を定性的に評価してもよい。
　例えば、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値と予め設定された１つ又は複数の閾値を用いて、又は、当該少なくとも１つの値と当該少なくとも１つの値が代入される変数を含む式と予め設定された１つ又は複数の閾値とを用いて、評価対象を、分娩後に炎症を発症するリスクの程度を少なくとも考慮して定義された複数の区分のうちのどれか１つに分類してもよい。なお、複数の区分には、分娩後に炎症を発症するリスクが高い対象（例えば、分娩後の血中ハプトグロビン濃度が基準値（例えば８００μｇ／ｍＬなど）以上となる対象）を属させるための区分、および、分娩後に炎症を発症するリスクが低い対象（例えば、分娩後の血液ハプトグロビン濃度が基準値（例えば８００μｇ／ｍＬなど）未満となる対象）を属させるための区分が含まれていてもよい。また、複数の区分には、分娩後に炎症を発症するリスクが高い対象を属させるための区分、分娩後に炎症を発症するリスクが低い対象を属させるための区分、および分娩後に炎症を発症するリスクが中程度の対象を属させるための区分が含まれていてもよい。
　また、例えば、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値と予め設定された１つ又は複数の閾値を用いて、又は、当該少なくとも１つの値と当該少なくとも１つの値が代入される変数を含む式と予め設定された１つ又は複数の閾値とを用いて、評価対象の分娩後の血液中のハプトグロビンの濃度値を推定してもよい。
　また、濃度値、検査値、測定値又は式の値を所定の手法で変換し、変換後の値を用いて、評価対象を複数の区分のうちのどれか１つに分類してもよい。
　ここで、炎症が所定の状態であることを示す指標として、例えば血中ハプトグロビン濃度が基準値を超えた状態などのほか、酸化ストレスの指標であるｄ－ＲＯＭｓや抗酸化力の指標であるＢＡＰ、ＩＬ－１β、血清アルブミンＡ、ＬＢＰ、乳汁中の体細胞数（ＳＣＣ：Ｓｏｍａｔｉｃ　ｃｅｌｌ　ｃｏｕｎｔ）を用いてもよい。
　また、評価の際に用いる式について、その形式は特に問わないが、例えば、以下に示す形式のものでもよい。
・最小二乗法に基づく重回帰式、線形判別式、主成分分析、正準判別分析などの線形モデル
・最尤法に基づくロジスティック回帰、Ｃｏｘ回帰などの一般化線形モデル
・一般化線形モデルに加えて個体間差、施設間差などの変量効果を考慮した一般化線形混合モデル
・Ｋ－ｍｅａｎｓ法、ｋ近傍法、階層的クラスター解析などクラスター解析で作成された式
・ＭＣＭＣ(マルコフ連鎖モンテカルロ法)、ベイジアンネットワーク、階層ベイズ法、ガウス過程モデルなどベイズ統計に基づき作成された式
・サポートベクターマシンや決定木などクラス分類により作成された式
・ＲａｎｄｏｍＦｏｒｅｓｔやＧＢＤＴ、ｌｉｇｈｔＧＢＭ、ＥｘｔｒａＴｒｅｅｓのような複数のモデルを組み合わせたアンサンブル学習モデルにより作成された式
・深層学習モデル、Ｓｅｌｆ－Ａｔｔｅｎｔｉｏｎ、Ｔｒａｎｓｆｏｒｍｅｒなどニューラルネットワーク構造に基づき作成された式
・分数式など上記のカテゴリに属さない手法により作成された式
・異なる形式の式の和で示されるような式
　また、評価の際に用いる式を、例えば、本出願人による国際出願である国際公開第２００４／０５２１９１号に記載の方法又は本出願人による国際出願である国際公開第２００６／０９８１９２号に記載の方法で作成してもよい。なお、これらの方法で得られた式であれば、入力データとしての血液データにおけるアミノ酸の濃度値や生化学の検査値や測定項目の測定値の単位に因らず、当該式を、分娩後の炎症の状態を評価するのに好適に用いることができる。
　ここで、重回帰式、多重ロジスティック回帰式、正準判別関数などにおいては各変数に係数および定数項が付加されるが、この係数および定数項は、好ましくは実数であれば構わず、より好ましくは、データから前記の各種分類を行うために得られた係数および定数項の９９％信頼区間の範囲に属する値であれば構わず、さらに好ましくは、データから前記の各種分類を行うために得られた係数および定数項の９５％信頼区間の範囲に属する値であれば構わない。また、各係数の値およびその信頼区間はそれを実数倍したものでもよく、定数項の値およびその信頼区間はそれに任意の実定数を加減乗除したものでもよい。ロジスティック回帰式、線形判別式、重回帰式などを評価の際に用いる場合、線形変換（定数の加算、定数倍）および単調増加（減少）の変換（例えばｌｏｇｉｔ変換など）は評価性能を変えるものではなく、変換後の式の評価性能は変換前のものと同等であるので、変換後の式を評価の際に用いてもよい。
　また、分数式とは、当該分数式の分子が変数Ａ，Ｂ，Ｃ，・・・の和で表わされ、および／または、当該分数式の分母が変数ａ，ｂ，ｃ，・・・の和で表わされるものである。また、分数式には、このような構成の分数式α，β，γ，・・・の和（例えばα＋βのようなもの）も含まれる。また、分数式には、分割された分数式も含まれる。なお、分子や分母に用いられる変数には、それぞれ適当な係数がついても構わない。また、分子や分母に用いられる変数は、重複しても構わない。また、各分数式に適当な係数がついても構わない。また、各変数の係数の値や定数項の値は、実数であれば構わない。また、ある分数式と、当該ある分数式において分子の変数と分母の変数が入れ替えられた後の分数式（「入れ替え後の分数式」）とでは、目的変数との相関の正負の符号が概して逆転するものの、目的変数との相関性は保たれるが故に式の評価性能も同等と見做せるので、分数式には、当該入れ替え後の分数式も含まれる。
［１－２．予防的処置の提案］
　つぎに、前記評価ステップにおいて分娩後に前記代謝性疾患に罹患している可能性が高いと評価された牛に対して、予防的処置を提案する。なお、予防的処置の提案は、前記評価のみを行った後に行ってもよい。また、前記評価の前にたとえば特願２０２３－０７４７８５で示した評価を行ってから本願評価を行った後に行ってもよい。
　前記予防的処置は、例えば、ＡｊｉＰｒｏ（登録商標）－ＬなどのＲｕｍｅｎＰｒｏｔｅｃｔアミノ酸の投与、飼料添加物の投与、薬剤の投与および獣医の診断からなる群から選択される少なくとも一つでもよい。なお、ＡｊｉＰｒｏ（登録商標）－Ｌとしては、例えば、本出願人による国際出願である国際公開第２００８／０４１３７１号に記載のものを用いることができる。前記飼料添加物は、例えば、ＰＨ調整剤、イオンバランス調整剤、カビ毒吸着剤、プロピオン酸カルシウム等のプロピオン酸類縁体、ビタミン、ミネラル、アミノ酸、脂肪酸、尿素、生菌剤、酵母、酵素、抗生物質、抗酸化剤、抗菌剤および有機酸からなる群から選択される少なくとも一つでもよい。
　ここで、予防的処置では、前記代謝性疾患に罹患する可能性があると評価された牛に対して、統計的因果推論を行って罹患する原因を推測し、その原因に対応する予防的処置を提案してもよい。なお、高リスクであると評価された動物については獣医師の個別対処による予防的処置を提案してもよい。
［第２実施形態］
［２－１．第２実施形態の概要］
　ここでは、第２実施形態の概要について図２を参照して説明する。図２は第２実施形態の基本原理を示す原理構成図である。なお、本第２実施形態の説明では、上述した第１実施形態と重複する説明を省略する場合がある。特に、ここでは、分娩後の炎症の状態を評価する際に、式の値又は当該式の値の変換後の値を用いるケースを一例として記載しているが、例えば、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値又は当該値の変換後の値を用いてもよい。
　制御部は、評価対象である反すう動物の分娩前の血液中の上記２５種類のアミノ酸の濃度値、当該血液中の上記３７種類の生化学の検査値および当該血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値を含む予め取得した血液データに含まれている当該少なくとも１つの値および当該少なくとも１つの値が代入される変数を含む予め記憶部に記憶された式を用いて当該式の値を算出することで、評価対象の分娩後の炎症の状態を評価する（ステップＳ２１）。
　これにより、分娩後の炎症の状態に関する信頼性の高い情報を分娩前に提供することができる。
　なお、ステップＳ２１で用いられる式は、以下に説明する式作成処理（工程１～工程４）に基づいて作成されたものでもよい。ここで式作成処理の概要について説明する。
　まず、制御部は、予め記憶部に記憶された指標状態情報（欠損値や外れ値などを持つデータが事前に除去されているものでもよい）から所定の式作成手法に基づいて、候補式（例えば、ｙ＝ａ１ｘ１＋ａ２ｘ２＋・・・＋ａｎｘｎ、ｙ：指標データ、ｘｉ：血液データ、ａｉ：定数、ｉ＝１，２，・・・，ｎ）を作成する（工程１）。なお、指標状態情報は、分娩前の血液中の上記２５種類のアミノ酸の濃度値、当該血液中の上記３７種類の生化学の検査値および当該血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値に関する血液データと、分娩後の炎症の状態に関する指標データ（例えば分娩後の血液中のハプトグロビンの濃度値など）とを含むものである。
　なお、工程１において、指標状態情報から、複数の異なる式作成手法（主成分分析や判別分析、サポートベクターマシン、重回帰分析、Ｃｏｘ回帰分析、ロジスティック回帰分析、ｋ－ｍｅａｎｓ法、クラスター解析、決定木、ｋ近傍法、ガウス過程モデル、ＲａｎｄｏｍＦｏｒｅｓｔ、ＧＢＤＴ、ＥｘｔｒａＴｒｅｅｓ、ニューラルネットワークなどの多変量解析に関するものを含む。）を併用して複数の候補式を作成してもよい。具体的には、多数の反すう動物から得た分娩前の血液データと分娩後の指標データとから構成される多変量データである指標状態情報に対して、複数の異なるアルゴリズムを利用して、複数群の候補式を同時並行的に作成してもよい。例えば、異なるアルゴリズムを利用して判別分析およびロジスティック回帰分析を同時に行い、２つの異なる候補式を作成してもよい。また、主成分分析を行って作成した候補式を利用して指標状態情報を変換し、変換した指標状態情報に対して判別分析を行うことで候補式を作成してもよい。これにより、最終的に、評価に最適な式を作成することができる。
　ここで、主成分分析を用いて作成した候補式は、全ての血液データの分散を最大にするような各変数を含む一次式である。また、判別分析を用いて作成した候補式は、各群内の分散の和の全ての血液データの分散に対する比を最小にするような各変数を含む高次式（指数や対数を含む）である。また、サポートベクターマシンを用いて作成した候補式は、群間の境界を最大にするような各変数を含む高次式（カーネル関数を含む）である。また、重回帰分析を用いて作成した候補式は、全ての血液データからの距離の和を最小にするような各変数を含む高次式である。また、Ｃｏｘ回帰分析を用いて作成した候補式は、対数ハザード比を含む線形モデルで、そのモデルの尤度を最大とするような各変数とその係数を含む１次式である。また、ロジスティック回帰分析を用いて作成した候補式は、確率の対数オッズを表す線形モデルであり、その確率の尤度を最大にするような各変数を含む一次式である。また、ｋ－ｍｅａｎｓ法とは、各血液データのｋ個近傍を探索し、近傍点の属する群の中で一番多いものをそのデータの所属群と定義し、入力された血液データの属する群と定義された群とが最も合致するような変数を選択する手法である。また、クラスター解析とは、全ての血液データの中で最も近い距離にある点同士をクラスタリング（群化）する手法である。また、決定木とは、変数に序列をつけて、序列が上位である変数の取りうるパターンから血液データの群を予測する手法である。
　式作成処理の説明に戻り、制御部は、工程１で作成した候補式を、所定の検証手法に基づいて検証（相互検証）する（工程２）。候補式の検証は、工程１で作成した各候補式に対して行う。なお、工程２において、ブートストラップ法やホールドアウト法、Ｎ－フォールド法、リーブワンアウト法などの複数の手法のうちの少なくとも１種類の手法に基づいて、候補式の判別率や感度、特異度、情報量基準（赤池情報量規準（ＡＩＣ）、ベイズ情報量規準（ＢＩＣ））、ＲＯＣ＿ＡＵＣ（受信者特性曲線の曲線下面積）などの複数の指標のうちの少なくとも１種類の指標に関して検証してもよい。これにより、指標状態情報や評価条件を考慮した予測性または頑健性の高い候補式を作成することができる。
　ここで、判別率とは、本実施形態にかかる評価方法で、真の状態が陰性である評価対象（例えば分娩後に炎症が発症しなかった評価対象など）を正しく陰性と評価し、真の状態が陽性である評価対象（例えば分娩後に炎症が発症した評価対象など）を正しく陽性と評価している割合である。また、感度とは、本実施形態にかかる評価方法で、真の状態が陽性である評価対象を正しく陽性と評価している割合である。また、特異度とは、本実施形態にかかる評価方法で、真の状態が陰性である評価対象を正しく陰性と評価している割合である。また、赤池情報量規準（ＡＩＣ）とは、回帰分析などの場合に、観測データが統計モデルにどの程度一致するかを表す基準であり、「－２×（統計モデルの最大対数尤度）＋２×（統計モデルの自由パラメータ数）」で定義される値が最小となるモデルを最もよいと判断する。また、ベイズ情報量基準（ＢＩＣ）は、ベイズ統計学の考え方に基づいて導出されたモデル選択基準であり、「－２×（統計モデルの最大対数尤度）＋（統計モデルの自由パラメータ数）×ｌｎ（サンプルサイズ）」で定義される値が最小となるモデル（パラメータの少ないモデル）を最もよいと判断する。また、ＲＯＣ＿ＡＵＣは、２次元座標上に（ｘ，ｙ）＝（１－特異度，感度）をプロットして作成される曲線である受信者特性曲線（ＲＯＣ）の曲線下面積として定義され、ＲＯＣ＿ＡＵＣの値は完全な判別では１となり、この値が１に近いほど判別性が高いことを示す。また、予測性とは、候補式の検証を繰り返すことで得られた判別率や感度、特異度を平均したものである。また、頑健性とは、候補式の検証を繰り返すことで得られた判別率や感度、特異度の分散である。
　式作成処理の説明に戻り、制御部は、所定の変数選択手法に基づいて候補式の変数を選択することで、候補式を作成する際に用いる指標状態情報に含まれる血液データの組み合わせを選択する（工程３）。なお、工程３において、変数の選択は、工程１で作成した各候補式に対して行ってもよい。これにより、候補式の変数を適切に選択することができる。そして、工程３で選択した血液データを含む指標状態情報を用いて再び工程１を実行する。また、工程３において、工程２での検証結果からステップワイズ法、ベストパス法、近傍探索法、遺伝的アルゴリズム、および多目的最適化のうち少なくとも１種類の手法に基づいて候補式の変数を選択してもよい。なお、ベストパス法とは、候補式に含まれる変数を１つずつ順次減らしていき、候補式が与える評価指標を最適化することで変数を選択する方法である。多目的最適化とは、２つ以上の評価指標（特徴量数、訓練性能、検証性能または計算時間など）を同時に最適化する手法である。
　式作成処理の説明に戻り、制御部は、上述した工程１、工程２および工程３を繰り返し実行し、これにより蓄積した検証結果に基づいて、複数の候補式の中から評価の際に用いる候補式を選出することで、評価の際に用いる式を作成する（工程４）。なお、候補式の選出には、例えば、同じ式作成手法で作成した候補式の中から最適または多目的最適なものを選出する場合と、すべての候補式の中から最適または多目的最適なものを選出する場合とがある。
　以上、説明したように、式作成処理では、候補式の作成、候補式の検証および候補式の変数の選択を、一連の流れで体系化（システム化）して実行することにより、分娩後の炎症の状態の評価に最適な式を作成することができる。換言すると、式作成処理では、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値を多変量の統計解析に用い、且つ、最適でロバストな変数の組を選択するために変数選択法とクロスバリデーションとを組み合わせることにより、評価性能の高い式を抽出する。
［２－２．第２実施形態の構成］
　ここでは、第２実施形態にかかる評価システム（以下では本システムと記す場合がある。）の構成について、図３から図１３を参照して説明する。なお、本システムはあくまでも一例であり、本発明はこれに限定されない。特に、ここでは、分娩後の炎症の状態を評価する際に、式の値又はその変換後の値を用いるケースを一例として記載しているが、例えば、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値又は当該値の変換後の値を用いてもよい。
　まず、本システムの全体構成について図３および図４を参照して説明する。図３は本システムの全体構成の一例を示す図である。また、図４は本システムの全体構成の他の一例を示す図である。本システムは、図３に示すように、分娩後の炎症の状態を評価する評価装置１００と、血液データを提供するクライアント装置２００（本発明の端末装置に相当）とを、ネットワーク３００を介して通信可能に接続して構成されている。
　なお、本システムにおいて、評価に用いられるデータの提供元となるクライアント装置２００と評価結果の提供先となるクライアント装置２００は別々のものであってもよい。本システムは、図４に示すように、評価装置１００やクライアント装置２００の他に、評価装置１００で式を作成する際に用いる指標状態情報や、評価の際に用いる式などを格納したデータベース装置４００を、ネットワーク３００を介して通信可能に接続して構成されてもよい。
　つぎに、本システムの評価装置１００の構成について図５から図１１を参照して説明する。図５は、本システムの評価装置１００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
　評価装置１００は、当該評価装置を統括的に制御するＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）等の制御部１０２と、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して当該評価装置をネットワーク３００に通信可能に接続する通信インターフェース部１０４と、各種のデータベースやテーブルやファイルなどを格納する記憶部１０６と、入力装置１１２や出力装置１１４に接続する入出力インターフェース部１０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。ここで、評価装置１００は、各種の分析装置（例えばアミノ酸・生化学分析装置等）と同一筐体で構成されてもよい。例えば、血液中の上記２５種類のアミノ酸の濃度値、血液中の上記３７種類の生化学の検査値および血液に基づく上記４種類の測定項目の測定値のうちの少なくとも１つの値を算出（測定）し、算出した値を出力（印刷やモニタ表示など）する構成（ハードウェアおよびソフトウェア）を備えた小型分析装置において、後述する評価部１０２ｄをさらに備え、当該評価部１０２ｄで得られた結果は前記構成を用いて出力すること、を特徴とするものでもよい。
　通信インターフェース部１０４は、評価装置１００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部１０４は、他の端末と通信回線を介してデータを通信する機能を有する。
　入出力インターフェース部１０８は、入力装置１１２や出力装置１１４に接続する。ここで、出力装置１１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下では、出力装置１１４をモニタ１１４として記載する場合がある。）。入力装置１１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。
　記憶部１０６は、ストレージ手段であり、例えば、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）・ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）等のメモリ装置や、ハードディスクのような固定ディスク装置、フレキシブルディスク、光ディスク等を用いることができる。記憶部１０６には、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）と協働してＣＰＵに命令を与え各種処理を行うためのコンピュータプログラムが記録されている。記憶部１０６は、図示の如く、血液データファイル１０６ａと、指標状態情報ファイル１０６ｂと、指定指標状態情報ファイル１０６ｃと、式関連情報データベース１０６ｄと、評価結果ファイル１０６ｅと、を格納する。
　血液データファイル１０６ａは、血液中の上記２５種類のアミノ酸の濃度値、血液中の上記３７種類の生化学の検査値および血液から得られた上記４種類の測定項目の測定値のうちの少なくとも１つの値を格納する。図６は、血液データファイル１０６ａに格納される情報の一例を示す図である。血液データファイル１０６ａに格納される情報は、図６に示すように、評価対象である個体（サンプル）を一意に識別するための個体番号と、血液データとを相互に関連付けて構成されている。ここで、図６では、血液データを数値、すなわち連続尺度として扱っているが、血液データは名義尺度や順序尺度でもよい。なお、名義尺度や順序尺度の場合は、それぞれの状態に対して任意の数値を与えることで解析してもよい。また、血液データに、炎症発症に影響を与える上述した因子に関する値を組み合わせてもよい。
　図５に戻り、指標状態情報ファイル１０６ｂは、式を作成する際に用いる指標状態情報を格納する。図７は、指標状態情報ファイル１０６ｂに格納される情報の一例を示す図である。指標状態情報ファイル１０６ｂに格納される情報は、図７に示すように、個体番号と、例えば分娩後の血液中のハプトグロビンの濃度値などといった分娩後の炎症に関する指標データ（Ｔ）と、血液データと、を相互に関連付けて構成されている。ここで、図７では、指標データおよび血液データを数値（すなわち連続尺度）として扱っているが、指標データおよび血液データは名義尺度や順序尺度でもよい。なお、指標データおよび血液データが名義尺度や順序尺度の場合は、各状態に対して与えた任意の数値を、評価や式の値の算出などに各種処理に用いてもよい。
　図５に戻り、指定指標状態情報ファイル１０６ｃは、後述する指定部１０２ｂで指定した指標状態情報を格納する。図８は、指定指標状態情報ファイル１０６ｃに格納される情報の一例を示す図である。指定指標状態情報ファイル１０６ｃに格納される情報は、図８に示すように、個体番号と、指定した指標データと、指定した血液データと、を相互に関連付けて構成されている。
　図５に戻り、式関連情報データベース１０６ｄは、後述する式作成部１０２ｃで作成した式を格納する式ファイル１０６ｄ１で構成される。式ファイル１０６ｄ１は、評価の際に用いる式を格納する。図９は、式ファイル１０６ｄ１に格納される情報の一例を示す図である。式ファイル１０６ｄ１に格納される情報は、図９に示すように、ランクと、式（図９では、Ｆｐ（Ｇｌｙ，・・・）やＦｐ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ）、Ｆｋ（Ｇｌｙ，Ｌｅｕ，Ｐｈｅ，・・・）など）と、各式作成手法に対応する閾値と、各式の検証結果（例えば各式の値）と、を相互に関連付けて構成されている。
　図５に戻り、評価結果ファイル１０６ｅは、後述する評価部１０２ｄで得られた評価結果を格納する。図１０は、評価結果ファイル１０６ｅに格納される情報の一例を示す図である。評価結果ファイル１０６ｅに格納される情報は、評価対象である個体（サンプル）を一意に識別するための個体番号と、予め取得した個体の血液データと、分娩後の炎症の状態に関する評価結果（例えば、後述する算出部１０２ｄ１で算出した式の値、後述する変換部１０２ｄ２で得られた変換後の値、後述する生成部１０２ｄ３で生成した位置情報、又は、後述する分類部１０２ｄ４で得られた分類結果、など）と、を相互に関連付けて構成されている。
　図５に戻り、制御部１０２は、ＯＳ等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部１０２は、図示の如く、大別して、取得部１０２ａと指定部１０２ｂと式作成部１０２ｃと評価部１０２ｄと結果出力部１０２ｅと送信部１０２ｆとを備えている。制御部１０２は、データベース装置４００から送信された指標状態情報やクライアント装置２００から送信された血液データに対して、欠損値のあるデータの除去・外れ値の多いデータの除去・欠損値のあるデータの多い変数の除去などのデータ処理も行う。
　取得部１０２ａは、情報（具体的には、血液データや指標状態情報、式など）を取得する。例えば、取得部１０２ａは、クライアント装置２００やデータベース装置４００から送信された情報（具体的には、血液データや指標状態情報、式など）を、ネットワーク３００を介して受信することで、情報の取得を行ってもよい。なお、取得部１０２ａは、評価結果の送信先のクライアント装置２００とは異なるクライアント装置２００から送信された評価に用いられるデータを受信してもよい。また、例えば、記録媒体に記録されている情報の読み出しを行うための機構（ハードウェアおよびソフトウェアを含む）を評価装置１００が備える場合、取得部１０２ａは、記録媒体に記録されている情報（具体的には、濃度データや指標状態情報、式など）は当該機構を介して読み出すことで、情報の取得を行ってもよい。指定部１０２ｂは、式を作成するにあたり対象とする指標データおよび血液データを指定する。
　式作成部１０２ｃは、取得部１０２ａで取得した指標状態情報や指定部１０２ｂで指定した指標状態情報に基づいて式を作成する。なお、式が予め記憶部１０６の所定の記憶領域に格納されている場合には、式作成部１０２ｃは、記憶部１０６から所望の式を選択することで、式を作成してもよい。また、式作成部１０２ｃは、式を予め格納した他のコンピュータ装置（例えばデータベース装置４００）から所望の式を選択しダウンロードすることで、式を作成してもよい。
　評価部１０２ｄは、事前に得られた式（例えば、式作成部１０２ｃで作成した式、又は、取得部１０２ａで取得した式など）及び取得部１０２ａで取得した血液データに含まれる上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値を用いて式の値を算出することで、個体の分娩後の炎症の状態を評価する。なお、評価部１０２ｄは、上記２５種類のアミノ酸の濃度値、および上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値又は当該値の変換後の値を用いて、個体の分娩後の炎症の状態を評価してもよい。
　ここで、評価部１０２ｄの構成について図１１を参照して説明する。図１１は、評価部１０２ｄの構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。評価部１０２ｄは、算出部１０２ｄ１と、変換部１０２ｄ２と、生成部１０２ｄ３と、分類部１０２ｄ４と、をさらに備えている。
　算出部１０２ｄ１は、上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値、および、当該少なくとも１つの値が代入される変数を含む式を用いて、式の値を算出する。なお、評価部１０２ｄは、算出部１０２ｄ１で算出した式の値を評価結果として評価結果ファイル１０６ｅの所定の記憶領域に格納してもよい。
　変換部１０２ｄ２は、算出部１０２ｄ１で算出した式の値を例えば上述した変換手法などで変換する。なお、変換部１０２ｄ２は、血液データに含まれている上記２５種類のアミノ酸の濃度値、上記３７種類の生化学の検査値および上記４種類の測定項目の測定値のうちの少なくとも１つの値を、例えば上述した変換手法などで変換してもよい。また、評価部１０２ｄは、変換部１０２ｄ２で得られた変換後の値を評価結果として評価結果ファイル１０６ｅの所定の記憶領域に格納してもよい。
　生成部１０２ｄ３は、モニタ等の表示装置又は紙等の物理媒体に視認可能に示される所定の物差し上における所定の目印の位置に関する位置情報を、算出部１０２ｄ１で算出した式の値又は変換部１０２ｄ２で得られた変換後の値（濃度値若しくは検査値又は当該濃度値若しくは検査値の変換後の値でもよい）を用いて生成する。なお、評価部１０２ｄは、生成部１０２ｄ３で生成した位置情報を評価結果として評価結果ファイル１０６ｅの所定の記憶領域に格納してもよい。
　分類部１０２ｄ４は、算出部１０２ｄ１で算出した式の値又は変換部１０２ｄ２で得られた変換後の値（濃度値、検査値若しくは測定値又は当該濃度値、検査値若しくは測定値の変換後の値でもよい）を用いて、個体を、分娩後に炎症を発症するリスクの程度を少なくとも考慮して定義された複数の区分のうちのどれか１つに分類する。
　結果出力部１０２ｅは、制御部１０２の各処理部での処理結果（評価部１０２ｄで得られた評価結果を含む）等を出力装置１１４に出力する。
　送信部１０２ｆは、個体の血液データの送信元のクライアント装置２００に対して評価結果を送信したり、データベース装置４００に対して、評価装置１００で作成した式や評価結果を送信したりする。なお、送信部１０２ｆは、評価に用いられるデータの送信元のクライアント装置２００とは異なるクライアント装置２００に対して評価結果を送信してもよい。
　つぎに、本システムのクライアント装置２００の構成について図１２を参照して説明する。図１２は、本システムのクライアント装置２００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
　クライアント装置２００は、制御部２１０とＲＯＭ２２０とＨＤ２３０とＲＡＭ２４０と入力装置２５０と出力装置２６０と入出力ＩＦ２７０と通信ＩＦ２８０とで構成されており、これら各部は任意の通信路を介して通信可能に接続されている。クライアント装置２００は、プリンタ・モニタ・イメージスキャナ等の周辺装置を必要に応じて接続した情報処理装置（例えば、パーソナルコンピュータ・ワークステーション・家庭用ゲーム装置・インターネットＴＶ・ＰＨＳ（Ｐｅｒｓｏｎａｌ　Ｈａｎｄｙｐｈｏｎｅ　Ｓｙｓｔｅｍ）端末・携帯端末・移動体通信端末・ＰＤＡ（Ｐｅｒｓｏｎａｌ　Ｄｉｇｉｔａｌ　Ａｓｓｉｓｔａｎｔ）等の情報処理端末など）を基にしたものであってもよい。
　入力装置２５０はキーボードやマウスやマイク等である。なお、後述するモニタ２６１もマウスと協働してポインティングデバイス機能を実現する。出力装置２６０は、通信ＩＦ２８０を介して受信した情報を出力する出力手段であり、モニタ（家庭用テレビを含む）２６１およびプリンタ２６２を含む。この他、出力装置２６０にスピーカ等を設けてもよい。入出力ＩＦ２７０は入力装置２５０や出力装置２６０に接続する。
　通信ＩＦ２８０は、クライアント装置２００とネットワーク３００（またはルータ等の通信装置）とを通信可能に接続する。換言すると、クライアント装置２００は、通信装置（例えばモデムやＴＡ（Terminal　Adapter）、ルータなど）および電話回線を介してまたは専用線を介して、ネットワーク３００に接続される。これにより、クライアント装置２００は、所定の通信規約に従って評価装置１００にアクセスすることができる。
　制御部２１０は、受信部２１１および送信部２１２を備えている。受信部２１１は、通信ＩＦ２８０を介して、評価装置１００から送信された評価結果などの各種情報を受信する。送信部２１２は、通信ＩＦ２８０を介して、個体の血液データなどの各種情報を評価装置１００へ送信する。
　制御部２１０は、当該制御部で行う処理の全部または任意の一部を、ＣＰＵおよび当該ＣＰＵにて解釈して実行するプログラムで実現してもよい。ＲＯＭ２２０またはＨＤ２３０には、ＯＳと協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。当該コンピュータプログラムは、ＲＡＭ２４０にロードされることで実行され、ＣＰＵと協働して制御部２１０を構成する。また、当該コンピュータプログラムは、クライアント装置２００と任意のネットワークを介して接続されるアプリケーションプログラムサーバに記録されてもよく、クライアント装置２００は、必要に応じてその全部または一部をダウンロードしてもよい。また、制御部２１０で行う処理の全部または任意の一部を、ワイヤードロジック等によるハードウェアで実現してもよい。
　ここで、制御部２１０は、評価装置１００に備えられている評価部１０２ｄが有する機能と同様の機能を有する評価部２１０ａ（算出部２１０ａ１、変換部２１０ａ２、生成部２１０ａ３、及び分類部２１０ａ４を含む）を備えていてもよい。そして、制御部２１０に評価部２１０ａが備えられている場合には、評価部２１０ａは、評価装置１００から送信された評価結果に含まれている情報に応じて、変換部２１０ａ２で式の値（濃度値または検査値でもよい）を変換したり、生成部２１０ａ３で式の値又は変換後の値（濃度値若しくは検査値又は当該濃度値若しくは検査値の変換後の値でもよい）に対応する位置情報を生成したり、分類部２１０ａ４で式の値又は変換後の値（濃度値若しくは検査値又は当該濃度値若しくは検査値の変換後の値でもよい）を用いて個体を複数の区分のうちのどれか１つに分類したりしてもよい。
　つぎに、本システムのネットワーク３００について図３、図４を参照して説明する。ネットワーク３００は、評価装置１００とクライアント装置２００とデータベース装置４００とを相互に通信可能に接続する機能を有し、例えばインターネットやイントラネットやＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ)（有線／無線の双方を含む）等である。なお、ネットワーク３００は、ＶＡＮ(Ｖａｌｕｅ－Ａｄｄｅｄ　Ｎｅｔｗｏｒｋ）や、パソコン通信網や、公衆電話網（アナログ／デジタルの双方を含む）や、専用回線網（アナログ／デジタルの双方を含む）や、ＣＡＴＶ（Ｃｏｍｍｕｎｉｔｙ　Ａｎｔｅｎｎａ　ＴｅｌｅＶｉｓｉｏｎ）網や、携帯回線交換網または携帯パケット交換網（ＩＭＴ（Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｍｏｂｉｌｅ　Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ）２０００方式、ＧＳＭ（登録商標）(Ｇｌｏｂａｌ　Ｓｙｓｔｅｍ　ｆｏｒ　Ｍｏｂｉｌｅ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）方式またはＰＤＣ（Ｐｅｒｓｏｎａｌ　Ｄｉｇｉｔａｌ　Ｃｅｌｌｕｌａｒ）／ＰＤＣ－Ｐ方式等を含む）や、無線呼出網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の局所無線網や、ＰＨＳ網や、衛星通信網（ＣＳ（Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ）、ＢＳ（Ｂｒｏａｄｃａｓｔｉｎｇ　Ｓａｔｅｌｌｉｔｅ）またはＩＳＤＢ（Ｉｎｔｅｇｒａｔｅｄ　Ｓｅｒｖｉｃｅｓ　Ｄｉｇｉｔａｌ　Ｂｒｏａｄｃａｓｔｉｎｇ）等を含む）等でもよい。
　つぎに、本システムのデータベース装置４００の構成について図１３を参照して説明する。図１３は、本システムのデータベース装置４００の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。
　データベース装置４００は、評価装置１００または当該データベース装置で式を作成する際に用いる指標状態情報や、評価装置１００で作成した式、評価装置１００での評価結果などを格納する機能を有する。図１３に示すように、データベース装置４００は、当該データベース装置を統括的に制御するＣＰＵ等の制御部４０２と、ルータ等の通信装置および専用線等の有線または無線の通信回路を介して当該データベース装置をネットワーク３００に通信可能に接続する通信インターフェース部４０４と、各種のデータベースやテーブルやファイル（例えばＷｅｂページ用ファイル）などを格納する記憶部４０６と、入力装置４１２や出力装置４１４に接続する入出力インターフェース部４０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。
　記憶部４０６は、ストレージ手段であり、例えば、ＲＡＭ・ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置や、フレキシブルディスクや、光ディスク等を用いることができる。記憶部４０６には、各種処理に用いる各種プログラム等を格納する。通信インターフェース部４０４は、データベース装置４００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部４０４は、他の端末と通信回線を介してデータを通信する機能を有する。入出力インターフェース部４０８は、入力装置４１２や出力装置４１４に接続する。ここで、出力装置４１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる。また、入力装置４１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。
　制御部４０２は、ＯＳ等の制御プログラム・各種の処理手順等を規定したプログラム・所要データなどを格納するための内部メモリを有し、これらのプログラムに基づいて種々の情報処理を実行する。制御部４０２は、図示の如く、大別して、送信部４０２ａと受信部４０２ｂを備えている。送信部４０２ａは、指標状態情報や式などの各種情報を、評価装置１００へ送信する。受信部４０２ｂは、評価装置１００から送信された、式や評価結果などの各種情報を受信する。
　なお、本説明では、評価装置１００が、血液データの受信から、式の値の算出、個体の区分への分類、そして評価結果の送信までを実行し、クライアント装置２００が評価結果の受信を実行するケースを例として挙げたが、クライアント装置２００に評価部２１０ａが備えられている場合は、評価装置１００は式の値の算出を実行すれば十分であり、例えば式の値の変換、位置情報の生成、及び、個体の区分への分類などは、評価装置１００とクライアント装置２００とで適宜分担して実行してもよい。
　例えば、クライアント装置２００が評価装置１００から式の値を受信した場合には、評価部２１０ａは、変換部２１０ａ２で式の値を変換したり、生成部２１０ａ３で式の値又は変換後の値に対応する位置情報を生成したり、分類部２１０ａ４で式の値又は変換後の値を用いて個体を複数の区分のうちのどれか１つに分類したりしてもよい。
　また、クライアント装置２００が評価装置１００から変換後の値を受信した場合には、評価部２１０ａは、生成部２１０ａ３で変換後の値に対応する位置情報を生成したり、分類部２１０ａ４で変換後の値を用いて個体を複数の区分のうちのどれか１つに分類したりしてもよい。
　また、クライアント装置２００が評価装置１００から式の値又は変換後の値と位置情報とを受信した場合には、評価部２１０ａは、分類部２１０ａ４で式の値又は変換後の値を用いて個体を複数の区分のうちのどれか１つに分類してもよい。
［２－３．他の実施形態］
　本発明にかかる評価装置、算出装置、評価方法、算出方法、評価プログラム、算出プログラム、記録媒体、評価システムおよび端末装置は、上述した第２実施形態以外にも、請求の範囲に記載した技術的思想の範囲内において種々の異なる実施形態にて実施されてよいものである。
　また、第２実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。
　このほか、上記文献中や図面中で示した処理手順、制御手順、具体的名称、各処理の登録データや検索条件等のパラメータを含む情報、画面例、データベース構成については、特記する場合を除いて任意に変更することができる。
　また、評価システムを構成する各装置に関して、図示の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。
　例えば、評価装置１００が備える処理機能、特に制御部１０２にて行われる各処理機能については、その全部または任意の一部を、ＣＰＵおよび当該ＣＰＵにて解釈実行されるプログラムにて実現してもよく、また、ワイヤードロジックによるハードウェアとして実現してもよい。尚、プログラムは、情報処理装置に本発明にかかる評価方法または算出方法を実行させるためのプログラム化された命令を含む一時的でないコンピュータ読み取り可能な記録媒体に記録されており、必要に応じて評価装置１００に機械的に読み取られる。すなわち、ＲＯＭまたはＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）などの記憶部１０６などには、ＯＳと協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。このコンピュータプログラムは、ＲＡＭにロードされることによって実行され、ＣＰＵと協働して制御部を構成する。
　また、このコンピュータプログラムは評価装置１００に対して任意のネットワークを介して接続されたアプリケーションプログラムサーバに記憶されていてもよく、必要に応じてその全部または一部をダウンロードすることも可能である。
　また、本発明にかかる評価プログラムまたは算出プログラムを、一時的でないコンピュータ読み取り可能な記録媒体に格納してもよく、また、プログラム製品として構成することもできる。ここで、この「記録媒体」とは、メモリーカード、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）メモリ、ＳＤ（Ｓｅｃｕｒｅ　Ｄｉｇｉｔａｌ）カード、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ　Ｅｒａｓａｂｌｅ　ａｎｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ)（登録商標）、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ　Ｄｉｓｃ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＭＯ（Ｍａｇｎｅｔｏ－Ｏｐｔｉｃａｌ　ｄｉｓｋ）、ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｋ）、および、Ｂｌｕ－ｒａｙ（登録商標）　Ｄｉｓｃ等の任意の「可搬用の物理媒体」を含むものとする。
　また、「プログラム」とは、任意の言語または記述方法にて記述されたデータ処理方法であり、ソースコードまたはバイナリコード等の形式を問わない。なお、「プログラム」は必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳに代表される別個のプログラムと協働してその機能を達成するものをも含む。なお、実施形態に示した各装置において記録媒体を読み取るための具体的な構成および読み取り手順ならびに読み取り後のインストール手順等については、周知の構成や手順を用いることができる。
　記憶部１０６に格納される各種のデータベース等は、ＲＡＭ、ＲＯＭ等のメモリ装置、ハードディスク等の固定ディスク装置、フレキシブルディスク、および、光ディスク等のストレージ手段であり、各種処理やウェブサイト提供に用いる各種のプログラム、テーブル、データベース、および、ウェブページ用ファイル等を格納する。
　また、評価装置１００は、既知のパーソナルコンピュータもしくはワークステーション等の情報処理装置または任意の周辺装置が接続された当該情報処理装置として構成してもよい。また、評価装置１００は、当該情報処理装置に本発明の評価方法または算出方法を実現させるソフトウェア（プログラムまたはデータ等を含む）を実装することにより実現してもよい。
　更に、装置の分散・統合の具体的形態は図示するものに限られず、装置の全部または一部を、各種の付加または機能負荷に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。すなわち、上述した実施形態を任意に組み合わせて実施してもよく、上述した実施形態を選択的に実施してもよい。
　２０１９年、ミネソタ大学の農場において、計５１９頭のメスのホルスタイン種乳牛の各頭から予定分娩日の２１日前と分娩日の７日後に採取された計１，０３８の血液サンプルを取得した。なお、計５１９頭の乳牛には、今回初めての分娩を経験した２１０頭の初産牛（未経産牛）と、今回の分娩以外に分娩の経験がある３０９頭の経産牛が含まれる。
　予定分娩日の２１日前に採取された血液サンプルから、２５種のアミノ酸（Ａｌａ，Ａｒｇ，Ａｓｎ，Ａｓｐ，ＢＣＡＡ，Ｃｉｔ，Ｃｙｓ，Ｇｌｕ，Ｇｌｎ，Ｇｌｙ，Ｈｉｓ，Ｉｌｅ，Ｌｅｕ，Ｌｙｓ，Ｍｅｔ，３ＭｅＨｉｓ，Ｏｒｎ，Ｐｈｅ，Ｐｒｏ，Ｓｅｒ，Ｔａｕ，Ｔｈｒ，Ｔｒｐ，Ｔｙｒ，Ｖａｌ）の血中濃度値と、２９種の生化学項目（ＡＬＢ（ｇ／ｄｌ），ＡＬＴ（ＩＵ／ｌ），ＡＳＴ（ＩＵ／ｌ），ＢＨＢＡ（μｍｏｌ／ｌ），ＢＵＮ（ｍｇ／ｄｌ），Ｃａ（ｍｇ／ｄｌ），ｇＧＴＰ（ＩＵ／ｌ），Ｇｌｃ（ｍｇ／ｄｌ），Ｇｌｏｂ（ｍｇ／ｄｌ），ＮＥＦＡ（μＥｑ／ｌ），Ｔ－Ｂｉｌ（ｍｇ／ｄｌ），ＴＣＨＯ（ｍｇ／ｄｌ），ＴＧ（ｍｇ／ｄｌ），ＴＰ（ｇ／ｄｌ），Ｐ，Ｎａ，Ｋ，Ｃｌ，ＧＧＴ，ＡＬＰ，ＬＤＨ，ＣＰＫ，ＬＤＬ－Ｃ，ＨＤＬ－Ｃ，Ｍｇ，ＡＭＹ，ＰＡ，ＬＡ，ＣＲＥ）の検査値を測定した。分娩日の７日後に採取された血液サンプルからは、ＢＨＢＡの血中濃度値を測定した。なお、アミノ酸の血中濃度値は、上述した測定方法（Ａ）または（Ｂ）により測定されたものである。
　子宮炎の発症有無はＤＩＭ（Ｄａｙｓ　ｉｎ　ｍｉｌｋ：泌乳日数）１５日まで観察し、乳房炎の発症有無はＤＩＭ３８０日まで観察し、臨床ケトーシスの発症有無はＤＩＭ２７日まで観察した。なお、乳房炎については、臨床所見から乳房炎と診断された個体を臨床乳房炎の個体に分類し、乳汁中の体細胞数（ＳＣＣ：Ｓｏｍａｔｉｃ　ｃｅｌｌ　ｃｏｕｎｔ）から乳房炎と判断された個体をＳＣＣ乳房炎の個体に分類した。ここで、ＳＣＣは、乳汁の白血球と脱落上皮細胞を総称したものである。乳房炎に罹患するとＳＣＣが高くなると云われている。本実施例では「ＳＣＣ≧２０万／ｍＬ」の場合を乳房炎と判断する。
　まず、５１９頭の個体を、ランダムに８：２に分割した。この８割の個体に紐づくデータ（測定した濃度値、および、疾患の発症有無に関する観察結果）を学習データとして使用し、残りの２割の個体に紐づくデータ（測定した濃度値、および、各疾患の発症有無に関する観察結果）を検証データとして使用した。
　学習データにおいて、子宮炎の発症率は１５％、臨床乳房炎の発症率は４５％、ＳＣＣ乳房炎の発症率は２２％、臨床ケトーシスの発症率は１９％であった。また、検証データにおいて、子宮炎の発症率は２０％、臨床乳房炎の発症率は４４％、ＳＣＣ乳房炎の発症率は２８％、臨床ケトーシスの発症率は１８％であった。
　学習データにおいて、予定分娩日の２１日前の前述の２５種のアミノ酸の血中濃度値及び予定分娩日の２１日前の前述の２９種の生化学項目の検査値を用いて、各疾患の発症有無を予測（判別）する指標（式）を、統計解析ソフトウェア「ＪＭＰ（登録商標）ソフトウェア」にて提供されるステップワイズ法（最少ＡＩＣｃ、変数増加および成分の組み合わせ）により探索した。探索された式についてＲＯＣ曲線のＡＵＣによる評価を行った。
　また、学習データを基に探索された式に検証データを当てはめることにより、かつ、ＲＯＣ曲線のＡＵＣにより、当該式の予測性能を評価した。
　各疾患の発症有無について良好な予測性能を示した式のうちの一部を以下に示す。これらの式は、各疾患の発症有無の評価に有用なものである。
●子宮炎の予測式＝-4.4+0.31＊BUN＋0.13*Gly-1.91*ASP-0.25*Val+0.44*Ile-0.02*ALP-0.01*TCHO
学習データに基づく当該予測式のROC_AUC＝0.70
検証データに基づく当該予測式のROC_AUC＝0.60
●臨床乳房炎の予測式＝-1+0.26*Tau-0.03*BUN+1.83*3MeHis-0.06*Gly+1.64*Asp-0.13*Glu-0.17*Pro-0.14*Orn+0.23*Lys-0.33*Phe+0.005*TCHO+0.18*TP
学習データに基づく当該予測式のROC_AUC＝0.65
検証データに基づく当該予測式のROC_AUC＝0.58
●DIM≦21で学習データを絞り込んで探索された臨床乳房炎の予測式＝1.49+0.29*Tau+0.35*Arg-0.36*Ala-1.44*Orn+0.42*Lys+1.30*Met
学習データに基づく当該予測式のROC_AUC＝0.81
検証データに基づく当該予測式のROC_AUC＝0.66
●臨床ケトーシスの予測式＝3.87-0.59*Arg+0.5*Thr+0.38*Lys-1.04*Met-0.57*Phe-0.02*ALP-0.03*Glc
学習データに基づく当該予測式のROC_AUC＝0.75
検証データに基づく当該予測式のROC_AUC＝0.64
　フロリダ大学、イリノイ大学および日本の牧場の３つの試験場において、計１０５頭のメスのホルスタイン種乳牛（全て経産牛）の各頭から予定分娩日の２１日前と分娩日の７日後に採取された計２１０の血液サンプルを取得した。なお、計１０５頭の経産牛には、フロリダ大学の４８頭、イリノイ大学の１７頭、および日本の牧場の４０頭が含まれる。
　予定分娩日の２１日前に採取された血液サンプルから、前述の２５種のアミノ酸（Ａｌａ，Ａｒｇ，Ａｓｎ，Ａｓｐ，ＢＣＡＡ，Ｃｉｔ，Ｃｙｓ，Ｇｌｕ，Ｇｌｎ，Ｇｌｙ，Ｈｉｓ，Ｉｌｅ，Ｌｅｕ，Ｌｙｓ，Ｍｅｔ，３ＭｅＨｉｓ，Ｏｒｎ，Ｐｈｅ，Ｐｒｏ，Ｓｅｒ，Ｔａｕ，Ｔｈｒ，Ｔｒｐ，Ｔｙｒ，Ｖａｌ）の血中濃度値と、２８種の生化学項目（ＡＬＢ（ｇ／ｄｌ），ＡＬＴ（ＩＵ／ｌ），ＡＳＴ（ＩＵ／ｌ），ＢＨＢＡ（μｍｏｌ／ｌ），ＢＵＮ（ｍｇ／ｄｌ），Ｃａ（ｍｇ／ｄｌ），ｇＧＴＰ（ＩＵ／ｌ），Ｇｌｃ（ｍｇ／ｄｌ），ＮＥＦＡ（μＥｑ／ｌ），Ｔ－Ｂｉｌ（ｍｇ／ｄｌ），ＴＣＨＯ（ｍｇ／ｄｌ），ＴＧ（ｍｇ／ｄｌ），ＴＰ（ｇ／ｄｌ），Ｐ，Ｎａ，Ｋ，Ｃｌ，ＧＧＴ，ＡＬＰ，ＬＤＨ，ＣＰＫ，ＬＤＬ－Ｃ，ＨＤＬ－Ｃ，Ｍｇ，ＡＭＹ，ＰＡ，ＬＡ，ＣＲＥ）の検査値を測定した。分娩日の７日後に採取された血液サンプルからは、ハプトグロビンの血中濃度値を測定した。なお、アミノ酸の血中濃度値は、上述した測定方法（Ａ）または（Ｂ）により測定されたものである。ハプトグロビンの血中濃度値は、ＥＬＩＳＡ（Ｅｎｚｙｍｅ－Ｌｉｎｋｅｄ　Ｉｍｍｕｎｏ　Ｓｏｒｂｅｎｔ　Ａｓｓａｙ）法という測定方法により測定されたものである。
　分娩後のハプトグロビンの濃度が８００μｇ／ｍｌより低い個体を健常群に、８００μｇ／ｍｌ以上の個体を炎症状態の群に分類した。８００μｇ／ｍｌという基準値は“Dubuc　et　al.2010.　Risk　factors　for　postpartum　uterine　diseases　in　dairy　cows”の文献を参考に設定した。フロリダ大学の４８頭のうち１７％が炎症状態の群に、イリノイ大学の１７頭のうち３５％が炎症状態の群に、日本の牧場の４０頭のうち１８％が炎症状態の群に分類された。
　予定分娩日の２１日前の前述の２５種のアミノ酸の血中濃度値及び予定分娩日の２１日前の前述の２８種の生化学項目の検査値を用いて、炎症状態を予測（判別）する指標（式）を、統計解析ソフトウェア「ＪＭＰ（登録商標）ソフトウェア」にて提供されるステップワイズ法（最少ＡＩＣｃ、変数増加および成分の組み合わせ）により探索した。探索された式についてＲＯＣ曲線のＡＵＣによる評価を行った。
　炎症状態について良好な予測性能を示した式のうちの一部を以下に示す。この式は、炎症状態（高ハクトグロビン）の評価に有用なものである。
●炎症状態（高ハクトグロビン）の予測式＝15.21+0.3*Ile+0.06*His-1.09*Phe-0.37*Glu-0.03*Gly-0.96*T-Bil-0.03*TCHO
当該予測式のROC_AUC＝0.84
　日本の牧場において、４０頭のメスのホルスタイン種乳牛（全て経産牛）の各頭から予定分娩日の２１日前と分娩日の７日後に採取された計８０の血液サンプルを取得した。
　予定分娩日の２１日前に採取された血液サンプルから、前述の２５種のアミノ酸（Ａｌａ，Ａｒｇ，Ａｓｎ，Ａｓｐ，ＢＣＡＡ，Ｃｉｔ，Ｃｙｓ，Ｇｌｕ，Ｇｌｎ，Ｇｌｙ，Ｈｉｓ，Ｉｌｅ，Ｌｅｕ，Ｌｙｓ，Ｍｅｔ，３ＭｅＨｉｓ，Ｏｒｎ，Ｐｈｅ，Ｐｒｏ，Ｓｅｒ，Ｔａｕ，Ｔｈｒ，Ｔｒｐ，Ｔｙｒ，Ｖａｌ）の血中濃度値と、前述の２８種の生化学項目（ＡＬＢ（ｇ／ｄｌ），ＡＬＴ（ＩＵ／ｌ），ＡＳＴ（ＩＵ／ｌ），ＢＨＢＡ（μｍｏｌ／ｌ），ＢＵＮ（ｍｇ／ｄｌ），Ｃａ（ｍｇ／ｄｌ），ｇＧＴＰ（ＩＵ／ｌ），Ｇｌｃ（ｍｇ／ｄｌ），ＮＥＦＡ（μＥｑ／ｌ），Ｔ－Ｂｉｌ（ｍｇ／ｄｌ），ＴＣＨＯ（ｍｇ／ｄｌ），ＴＧ（ｍｇ／ｄｌ），ＴＰ（ｇ／ｄｌ），Ｐ，Ｎａ，Ｋ，Ｃｌ，ＧＧＴ，ＡＬＰ，ＬＤＨ，ＣＰＫ，ＬＤＬ－Ｃ，ＨＤＬ－Ｃ，Ｍｇ，ＡＭＹ，ＰＡ，ＬＡ，ＣＲＥ）の検査値を測定した。分娩日の７日後に採取された血液サンプルからは、ハプトグロビン、ＩＬ－１βおよび血清アルブミンＡの血中濃度値ならびにｄ－ＲＯＭｓ値およびＢＡＰ値を測定した。なお、アミノ酸の血中濃度値は、上述した測定方法（Ａ）または（Ｂ）により測定されたものである。ハプトグロビン、ＩＬ－１βおよび血清アルブミンＡの血中濃度値は、ＥＬＩＳＡ（Ｅｎｚｙｍｅ－Ｌｉｎｋｅｄ　Ｉｍｍｕｎｏ　Ｓｏｒｂｅｎｔ　Ａｓｓａｙ）法という測定方法により測定されたものである。ｄ－ＲＯＭｓ値およびＢＡＰ値は、比色法という測定方法により測定した。
　予定分娩日の２１日前の前述の２５種のアミノ酸の血中濃度値及び予定分娩日の２１日前の前述の２８種の生化学項目の検査値を用いて、炎症状態を予測（判別）する指標（式）を、統計解析ソフトウェア「ＪＭＰ（登録商標）ソフトウェア」にて提供されるステップワイズ法（最少ＡＩＣｃ、変数増加および成分の組み合わせ）により探索した。作成した重回帰式は、決定係数Ｒ２の数値で評価した。結果を表１に示した。
　ＩＬ－１β、ｄ－ＲＯＭｓ値および血清アミロイドＡは、Ｒ２が０．７以上であり、予測精度が良好なものであった。一方で、ＢＡＰ値は予測精度があまり良くないが、ｄ－ＲＯＭｓ値との比率を目的変数とすると、予測精度が良好となった。
Figure JPOXMLDOC01-appb-T000001
　酪農場２０カ所で、計７６２頭のメスのホルスタイン種乳牛の各頭から予定分娩日の２１日前と分娩日の７日後に採取された計１５２４の血液サンプルを取得した。なお、計７６２頭の乳牛には、今回初めての分娩を経験した９９頭の初産牛（未経産牛)と、今回の分娩以外に分娩の経験がある６６３頭の経産牛が含まれる。
　予定分娩日の２１日前に採取された血液サンプルから、前述の２５種のアミノ酸(Ａｌａ，Ａｒｇ，Ａｓｎ，Ａｓｐ，ＢＣＡＡ，Ｃｉｔ，Ｃｙｓ，Ｇｌｕ，Ｇｌｎ，Ｇｌｙ，Ｈｉｓ，Ｉｌｅ，Ｌｅｕ，Ｌｙｓ，Ｍｅｔ，３ＭｅＨｉｓ，Ｏｒｎ，Ｐｈｅ，Ｐｒｏ，Ｓｅｒ，Ｔａｕ，Ｔｈｒ，Ｔｒｐ，Ｔｙｒ，Ｖａｌ)の血中濃度値と、２９種の生化学項目（ＡＬＢ（ｇ／ｄｌ），ＡＬＴ（ＩＵ／ｌ），ＡＳＴ（ＩＵ／ｌ），ＢＨＢＡ（μｍｏｌ／ｌ），ＢＵＮ（ｍｇ／ｄｌ），Ｃａ（ｍｇ／ｄｌ），ｇＧＴＰ（ＩＵ／ｌ），Ｇｌｃ（ｍｇ／ｄｌ），Ｇｌｏｂ（ｍｇ／ｄｌ），ＮＥＦＡ（μＥｑ／ｌ），Ｔ－Ｂｉｌ（ｍｇ／ｄｌ），ＴＣＨＯ（ｍｇ／ｄｌ），ＴＧ（ｍｇ／ｄｌ），ＴＰ（ｇ／ｄｌ），Ｐ，Ｎａ，Ｋ，Ｃｌ，ＧＧＴ，ＡＬＰ，ＬＤＨ，ＣＰＫ，ＬＤＬ－Ｃ，ＨＤＬ－Ｃ，Ｍｇ，ＡＭＹ，ＰＡ，ＬＡ，ＣＲＥ）の検査値を測定した。分娩日の７日後に採取された血液サンプルからは、ハプトグロビンの血中濃度値を測定した。なお、アミノ酸の血中濃度値は上述した測定方法（Ａ）または（Ｂ）により測定されたものである。ハプトグロビンの血中濃度値は、ＥＬＩＳＡ（Ｅｎｚｙｍｅ－Ｌｉｎｋｅｄ　Ｉｍｍｕｎｏ　Ｓｏｒｂｅｎｔ　Ａｓｓａｙ）法という測定方法により測定されたものである。
　計７６２頭のデータセットのうち、欠損値、定量範囲外の成分濃度、試験中の死亡などがあるものは除外した。予測式の作成について、線形回帰モデルとロジスティック回帰モデルの２種類のモデルを作成した。
　まず、線形回帰モデルを作成した。予定分娩日の２１日前の測定値（前記２５種のアミノ酸の血中濃度値および前記２９種の生化学項目の検査値）を用いて、分娩日の７日後のハプトグロビン濃度を予測する１変数から６変数の予測式を作成した。作成した予測式の評価は、Ｒ２値と自由度調整済みＲ２値で行った。なお、１変数の場合は、ｐ値＜０．０５で１変数を選択した。２変数から６変数の場合は、１変数で一定以下のｐ値になった変数に絞り込んだ上で、変数の組み合わせを抽出し、自由度調整済みＲ２の上位１００の線形回帰モデルを抽出した。図１４から図１７には、線形回帰モデルが示されている。
　次に、ロジスティック回帰モデルを作成した。分娩日の７日後のハプトグロビン濃度について、３つの基準（３３０，４５０，８００μｇ／ｍｌ）を設けた。当該ハプトグロビン濃度がそれぞれの基準値よりも小さい個体を健常群に、基準値以上の個体を高炎症状態の群に分類した。そして、予定分娩日の２１日前の前記測定値を用いて、この２群の判別性能を最大化する１変数から６変数の指標を、ロジスティック解析（ＡＩＣ最少基準による変数網羅法）により探索し、探索された式についてＲＯＣ曲線のＡＵＣによる評価を行った。なお、１変数の場合は、ｐ値＜０．０５で１変数を選択した。２変数から６変数の場合は、１変数で一定以下のｐ値になった変数に絞り込んだ上で、変数の組み合わせを抽出し、ＡＩＣの上位１００のロジスティック回帰モデルを抽出した。図１８から図２７には、ロジスティック回帰モデルが示されている。
　酪農場１９カ所で、計７１４頭のメスのホルスタイン種乳牛の各頭から予定分娩日の２１日前と分娩日の７日後に採取された計１４２８の血液サンプルを取得した。なお、計７１４頭の乳牛には、今回初めての分娩を経験した９９頭の初産牛（未経産牛）と、今回の分娩以外に分娩の経験がある６１５頭の経産牛が含まれる。
　予定分娩日の２１日前に採取された血液サンプルから、前述の２５種のアミノ酸(Ａｌａ，Ａｒｇ，Ａｓｎ，Ａｓｐ，ＢＣＡＡ，Ｃｉｔ，Ｃｙｓ，Ｇｌｕ，Ｇｌｎ，Ｇｌｙ，Ｈｉｓ，Ｉｌｅ，Ｌｅｕ，Ｌｙｓ，Ｍｅｔ，３ＭｅＨｉｓ，Ｏｒｎ，Ｐｈｅ，Ｐｒｏ，Ｓｅｒ，Ｔａｕ，Ｔｈｒ，Ｔｒｐ，Ｔｙｒ，Ｖａｌ)の血中濃度値と、前述の２９種の生化学項目（ＡＬＢ（ｇ／ｄｌ），ＡＬＴ（ＩＵ／ｌ），ＡＳＴ（ＩＵ／ｌ），ＢＨＢＡ（μｍｏｌ／ｌ），ＢＵＮ（ｍｇ／ｄｌ），Ｃａ（ｍｇ／ｄｌ），ｇＧＴＰ（ＩＵ／ｌ），Ｇｌｃ（ｍｇ／ｄｌ），Ｇｌｏｂ（ｍｇ／ｄｌ），ＮＥＦＡ（μＥｑ／ｌ），Ｔ－Ｂｉｌ（ｍｇ／ｄｌ），ＴＣＨＯ（ｍｇ／ｄｌ），ＴＧ（ｍｇ／ｄｌ），ＴＰ（ｇ／ｄｌ），Ｐ，Ｎａ，Ｋ，Ｃｌ，ＧＧＴ，ＡＬＰ，ＬＤＨ，ＣＰＫ，ＬＤＬ－Ｃ，ＨＤＬ－Ｃ，Ｍｇ，ＡＭＹ，ＰＡ，ＬＡ，ＣＲＥ）の検査値を測定した。分娩日の７日後に採取された血液サンプルからは、Ｃａの検査値（血中濃度値（ｍｇ／ｄｌ））を測定した。なお、アミノ酸の血中濃度値は上述した測定方法（Ｂ）により測定されたものである。
　計７１４頭のデータセットのうち、欠損値、定量範囲外の成分濃度、試験中の死亡などがあるものは除外した。
　ロジスティック回帰モデルを作成した。分娩日の７日後のＣａ濃度について、７．４ｍｇ／ｄｌという基準を設けた。当該Ｃａ濃度が当該基準値よりも高い個体を健常群に、当該基準値以下の個体を低Ｃａ状態の群に分類した。そして、予定分娩日の２１日前の前記測定値を用いて、この２群の判別性能を最大化する１変数から６変数の指標を、ロジスティック解析（ＡＩＣ最少基準による変数網羅法）により探索し、探索された式についてＲＯＣ曲線のＡＵＣによる評価を行った。なお、１変数の場合は、ｐ値＜０．０５で１変数を選択した。２変数から６変数の場合は、１変数で一定以下のｐ値になった変数に絞り込んだ上で、変数の組み合わせを抽出し、ＡＩＣの上位１００のロジスティック回帰モデルを抽出した。図２８から図３４には、ロジスティック回帰モデルが示されている。
　酪農場１カ所で、計５１９頭のメスのホルスタイン種乳牛の各頭から予定分娩日の２１日前と分娩日の７日後に採取された計１０３８の血液サンプルを取得した。なお、計５１９頭の乳牛には、今回初めての分娩を経験した２１０頭の初産牛（未経産牛）と、今回の分娩以外に分娩の経験がある３０９頭の経産牛が含まれる。
　予定分娩日の２１日前に採取された血液サンプルから、前述の２５種のアミノ酸(Ａｌａ，Ａｒｇ，Ａｓｎ，Ａｓｐ，ＢＣＡＡ，Ｃｉｔ，Ｃｙｓ，Ｇｌｕ，Ｇｌｎ，Ｇｌｙ，Ｈｉｓ，Ｉｌｅ，Ｌｅｕ，Ｌｙｓ，Ｍｅｔ，３ＭｅＨｉｓ，Ｏｒｎ，Ｐｈｅ，Ｐｒｏ，Ｓｅｒ，Ｔａｕ，Ｔｈｒ，Ｔｒｐ，Ｔｙｒ，Ｖａｌ)の血中濃度値と、前述の２９種の生化学項目（ＡＬＢ（ｇ／ｄｌ），ＡＬＴ（ＩＵ／ｌ），ＡＳＴ（ＩＵ／ｌ），ＢＨＢＡ（μｍｏｌ／ｌ），ＢＵＮ（ｍｇ／ｄｌ），Ｃａ（ｍｇ／ｄｌ），ｇＧＴＰ（ＩＵ／ｌ），Ｇｌｃ（ｍｇ／ｄｌ），Ｇｌｏｂ（ｍｇ／ｄｌ），ＮＥＦＡ（μＥｑ／ｌ），Ｔ－Ｂｉｌ（ｍｇ／ｄｌ），ＴＣＨＯ（ｍｇ／ｄｌ），ＴＧ（ｍｇ／ｄｌ），ＴＰ（ｇ／ｄｌ），Ｐ，Ｎａ，Ｋ，Ｃｌ，ＧＧＴ，ＡＬＰ，ＬＤＨ，ＣＰＫ，ＬＤＬ－Ｃ，ＨＤＬ－Ｃ，Ｍｇ，ＡＭＹ，ＰＡ，ＬＡ，ＣＲＥ）の検査値を測定した。なお、アミノ酸の血中濃度値は上述した測定方法（Ａ）または（Ｂ）により測定されたものである。
　計５１９頭のデータセットのうち、欠損値、定量範囲外の成分濃度、試験中の死亡などがあるものは除外した。
　ロジスティック回帰モデル式を作成した。分娩後での乳熱、第４胃変異、子宮炎、乳房炎、跛行のそれぞれの疾患の有無で健常群と疾患群に分類した。そして、予定分娩日の２１日前の前記測定値を用いて、この２群の判別性能を最大化する１変数から６変数の指標を、ロジスティック解析（ＡＩＣ最少基準による変数網羅法）により探索し、探索された式についてＲＯＣ曲線のＡＵＣによる評価を行った。なお、１変数の場合は、ｐ値＜０．０５で１変数を選択した。２変数から６変数の場合は、１変数で一定以下のｐ値になった変数に絞り込んだ上で、変数の組み合わせを抽出し、ＡＩＣの上位１００のロジスティック回帰モデルを抽出した。図３５から図３６には、乳熱判別用のロジスティック回帰モデルが示されている。図３６から図３８には、第４胃変異判別用のロジスティック回帰モデルが示されている。図３９から図４３には、子宮炎判別用のロジスティック回帰モデルが示されている。図４４から図４８には、乳房炎判別用のロジスティック回帰モデルが示されている。図４９から図５０には、跛行判別用のロジスティック回帰モデルが示されている。図５０から図５９には、乳熱、第４胃変異、子宮炎、乳房炎、跛行、ケトーシスのうちのいずれかの炎症疾患に分娩後発症するか否かの判別用のロジスティック回帰モデルが示されている。
　酪農場１カ所で、計４０頭のメスのホルスタイン種乳牛の各頭から予定分娩日の２１日前と分娩日の７日後に採取された計８０の血液サンプルを取得した。なお、計４０頭の乳牛は、全て、今回の分娩以外に分娩の経験がある経産牛である。
　予定分娩日の２１日前に採取された血液サンプルから、前述の２５種のアミノ酸(Ａｌａ，Ａｒｇ，Ａｓｎ，Ａｓｐ，ＢＣＡＡ，Ｃｉｔ，Ｃｙｓ，Ｇｌｕ，Ｇｌｎ，Ｇｌｙ，Ｈｉｓ，Ｉｌｅ，Ｌｅｕ，Ｌｙｓ，Ｍｅｔ，３ＭｅＨｉｓ，Ｏｒｎ，Ｐｈｅ，Ｐｒｏ，Ｓｅｒ，Ｔａｕ，Ｔｈｒ，Ｔｒｐ，Ｔｙｒ，Ｖａｌ)の血中濃度値と、前述の２９種の生化学項目（ＡＬＢ（ｇ／ｄｌ），ＡＬＴ（ＩＵ／ｌ），ＡＳＴ（ＩＵ／ｌ），ＢＨＢＡ（μｍｏｌ／ｌ），ＢＵＮ（ｍｇ／ｄｌ），Ｃａ（ｍｇ／ｄｌ），ｇＧＴＰ（ＩＵ／ｌ），Ｇｌｃ（ｍｇ／ｄｌ），Ｇｌｏｂ（ｍｇ／ｄｌ），ＮＥＦＡ（μＥｑ／ｌ），Ｔ－Ｂｉｌ（ｍｇ／ｄｌ），ＴＣＨＯ（ｍｇ／ｄｌ），ＴＧ（ｍｇ／ｄｌ），ＴＰ（ｇ／ｄｌ），Ｐ，Ｎａ，Ｋ，Ｃｌ，ＧＧＴ，ＡＬＰ，ＬＤＨ，ＣＰＫ，ＬＤＬ－Ｃ，ＨＤＬ－Ｃ，Ｍｇ，ＡＭＹ，ＰＡ，ＬＡ，ＣＲＥ）の検査値と、２種の測定項目の測定値（ｄ－ＲＯＭｓ値，ＢＡＰ値）を測定した。分娩日の７日後に採取された血液サンプルからは、血清アミロイドＡ（ＳＡＡ）およびＩＬ－１βの血中濃度値ならびにｄ－ＲＯＭｓ値およびＢＡＰ値を測定した。なお、アミノ酸の血中濃度値は上述した測定方法（Ａ）または（Ｂ）により測定されたものである。血清アミロイドＡおよびＩＬ－１βの血中濃度値は、ＥＬＩＳＡ（Ｅｎｚｙｍｅ－Ｌｉｎｋｅｄ　Ｉｍｍｕｎｏ　Ｓｏｒｂｅｎｔ　Ａｓｓａｙ）法という測定方法により測定されたものである。ｄ－ＲＯＭｓ値およびＢＡＰ値は、比色法という測定方法により測定した。
　計４０頭のデータセットのうち、欠損値、定量範囲外の成分濃度、試験中の死亡などがあるものは除外した。
　線形回帰モデルを作成した。予定分娩日の２１日前の測定値（前記２５種のアミノ酸の血中濃度値、前記２９種の生化学項目の検査値および前記２種の測定項目の測定値）を用いて、分娩日の７日後の血清アミロイドＡ濃度を予測する１変数から６変数の予測式、分娩日の７日後のＩＬ－１β濃度を予測する１変数から６変数の予測式、分娩日の７日後のｄ－ＲＯＭｓ値を予測する１変数から６変数の予測式、分娩日の７日後のＢＡＰ値を予測する１変数から６変数の予測式および分娩日の７日後のｄ－ＲＯＭｓ値／ＢＡＰ値を予測する１変数から６変数の予測式をそれぞれ作成した。作成した予測式の評価は、自由度調整済みＲ２値で行った。なお、１変数の場合は、ｐ値＜０．０５で１変数を選択した。２変数から６変数の場合は、１変数で一定以下のｐ値になった変数に絞り込んだ上で、変数の組み合わせを抽出し、自由度調整済みＲ２が上位の線形回帰モデルを抽出した。図５９から図６３には、分娩日の７日後の血清アミロイドＡ濃度を予測する線形回帰モデルが示されている。図６４から図６７には、分娩日の７日後のＩＬ－１β濃度を予測する線形回帰モデルが示されている。図６７から図７０には、分娩日の７日後のｄ－ＲＯＭｓ値を予測する線形回帰モデルが示されている。図７１から図７４には、分娩日の７日後のＢＡＰ値を予測する線形回帰モデルが示されている。図７４から図７５には、分娩日の７日後のｄ－ＲＯＭｓ値／ＢＡＰ値を予測する線形回帰モデルが示されている。
　以上のように、本発明は、産業上の多くの分野、特に、酪農、牛用医薬品若しくは牛用飼料の開発、又は牛を対象とする獣医療などの分野で広く実施することができ、極めて有用である。
　１００　評価装置
　１０２　制御部
　１０２ａ　取得部
　１０２ｂ　指定部
　１０２ｃ　式作成部
　１０２ｄ　評価部
　１０２ｄ１　算出部
　１０２ｄ２　変換部
　１０２ｄ３　生成部
　１０２ｄ４　分類部
　１０２ｅ　結果出力部
　１０２ｆ　送信部
　１０４　通信インターフェース部
　１０６　記憶部
　１０６ａ　血液データファイル
　１０６ｂ　指標状態情報ファイル
　１０６ｃ　指定指標状態情報ファイル
　１０６ｄ　式関連情報データベース
　１０６ｄ１　式ファイル
　１０６ｅ　評価結果ファイル
　１０８　入出力インターフェース部
　１１２　入力装置
　１１４　出力装置
　２００　クライアント装置（端末装置（情報通信端末装置））
　３００　ネットワーク
　４００　データベース装置

Claims (19)

  1. 　反すう動物の分娩前の血液中のＡｌａ、Ａｒｇ、Ａｓｎ、Ａｓｐ、ＢＣＡＡ、Ｃｉｔ、Ｃｙｓ、Ｇｌｕ、Ｇｌｎ、Ｇｌｙ、Ｈｉｓ、Ｉｌｅ、Ｌｅｕ、Ｌｙｓ、Ｍｅｔ、３ＭｅＨｉｓ、Ｏｒｎ、Ｐｈｅ、Ｐｒｏ、Ｓｅｒ、Ｔａｕ、Ｔｈｒ、Ｔｒｐ、Ｔｙｒ、およびＶａｌの濃度値、前記血液中のＡＬＢ、ＡＬＴ、ＡＳＴ、ＢＨＢＡ、ＢＵＮ、Ｃａ、ｇＧＴＰ、Ｇｌｃ、Ｇｌｏｂ、ＮＥＦＡ、Ｔ－Ｂｉｌ、ＴＣＨＯ、ＴＧ、ＴＰ、Ｐ、Ｎａ、Ｋ、Ｃｌ、ＧＧＴ、ＡＬＰ、ＬＤＨ、ＣＰＫ、ＬＤＬ－Ｃ、ＨＤＬ－Ｃ、Ｍｇ、ＡＭＹ、ＰＡ、ＬＡ、ＣＲＥ、ＬＢＰ、ＩＬ－１β、ハプトグロビン、血清アミロイドＡ、ＩＬ－６、ＴＮＦ－α、コルチゾール、およびキヌレニンの検査値、ならびに前記血液から得られたｄ－ＲＯＭｓ値、ＢＡＰ値、ＢＡＰ値／ｄ－ＲＯＭｓ値、およびｄ－ＲＯＭｓ値／ＢＡＰ値のうちの少なくとも１つの値を用いて、または、前記少なくとも１つの値が代入される変数を含む式および前記少なくとも１つの値を用いて算出された前記式の値を用いて、前記反すう動物の分娩後の炎症の状態を評価する評価ステップを含むこと、
    　を特徴とする評価方法。
  2. 　前記炎症は、子宮炎、乳房炎、低カルシウム血症、乳熱、第４胃変異、または跛行であること、
    　を特徴とする請求項１に記載の評価方法。
  3. 　前記反すう動物は、乳用牛または肉牛であること、
    　を特徴とする請求項１または２に記載の評価方法。
  4. 　前記評価ステップは、情報処理装置に備わっている制御部において実行されること、
    　を特徴とする請求項３に記載の評価方法。
  5. 　反すう動物の分娩前の血液中のＡｌａ、Ａｒｇ、Ａｓｎ、Ａｓｐ、ＢＣＡＡ、Ｃｉｔ、Ｃｙｓ、Ｇｌｕ、Ｇｌｎ、Ｇｌｙ、Ｈｉｓ、Ｉｌｅ、Ｌｅｕ、Ｌｙｓ、Ｍｅｔ、３ＭｅＨｉｓ、Ｏｒｎ、Ｐｈｅ、Ｐｒｏ、Ｓｅｒ、Ｔａｕ、Ｔｈｒ、Ｔｒｐ、Ｔｙｒ、およびＶａｌの濃度値、前記血液中のＡＬＢ、ＡＬＴ、ＡＳＴ、ＢＨＢＡ、ＢＵＮ、Ｃａ、ｇＧＴＰ、Ｇｌｃ、Ｇｌｏｂ、ＮＥＦＡ、Ｔ－Ｂｉｌ、ＴＣＨＯ、ＴＧ、ＴＰ、Ｐ、Ｎａ、Ｋ、Ｃｌ、ＧＧＴ、ＡＬＰ、ＬＤＨ、ＣＰＫ、ＬＤＬ－Ｃ、ＨＤＬ－Ｃ、Ｍｇ、ＡＭＹ、ＰＡ、ＬＡ、ＣＲＥ、ＬＢＰ、ＩＬ－１β、ハプトグロビン、血清アミロイドＡ、ＩＬ－６、ＴＮＦ－α、コルチゾール、およびキヌレニンの検査値、ならびに前記血液から得られたｄ－ＲＯＭｓ値、ＢＡＰ値、ＢＡＰ値／ｄ－ＲＯＭｓ値、およびｄ－ＲＯＭｓ値／ＢＡＰ値のうちの少なくとも１つの値、および、前記少なくとも１つの値が代入される変数を含む、前記反すう動物の分娩後の炎症の状態を評価するための式、を用いて、前記式の値を算出する算出ステップを含むこと、
    　を特徴とする算出方法。
  6. 　前記算出ステップは、情報処理装置に備わっている制御部において実行されること、
    　を特徴とする請求項５に記載の算出方法。
  7. 　反すう動物の分娩前の血液中のＡｌａ、Ａｒｇ、Ａｓｎ、Ａｓｐ、ＢＣＡＡ、Ｃｉｔ、Ｃｙｓ、Ｇｌｕ、Ｇｌｎ、Ｇｌｙ、Ｈｉｓ、Ｉｌｅ、Ｌｅｕ、Ｌｙｓ、Ｍｅｔ、３ＭｅＨｉｓ、Ｏｒｎ、Ｐｈｅ、Ｐｒｏ、Ｓｅｒ、Ｔａｕ、Ｔｈｒ、Ｔｒｐ、Ｔｙｒ、およびＶａｌの濃度値、前記血液中のＡＬＢ、ＡＬＴ、ＡＳＴ、ＢＨＢＡ、ＢＵＮ、Ｃａ、ｇＧＴＰ、Ｇｌｃ、Ｇｌｏｂ、ＮＥＦＡ、Ｔ－Ｂｉｌ、ＴＣＨＯ、ＴＧ、ＴＰ、Ｐ、Ｎａ、Ｋ、Ｃｌ、ＧＧＴ、ＡＬＰ、ＬＤＨ、ＣＰＫ、ＬＤＬ－Ｃ、ＨＤＬ－Ｃ、Ｍｇ、ＡＭＹ、ＰＡ、ＬＡ、ＣＲＥ、ＬＢＰ、ＩＬ－１β、ハプトグロビン、血清アミロイドＡ、ＩＬ－６、ＴＮＦ－α、コルチゾール、およびキヌレニンの検査値、ならびに前記血液から得られたｄ－ＲＯＭｓ値、ＢＡＰ値、ＢＡＰ値／ｄ－ＲＯＭｓ値、およびｄ－ＲＯＭｓ値／ＢＡＰ値のうちの少なくとも１つの値を用いて、または、前記少なくとも１つの値が代入される変数を含む式および前記少なくとも１つの値を用いて算出された前記式の値を用いて、前記反すう動物の分娩後の炎症の状態を評価する評価部を備えること、
    　を特徴とする評価装置。
  8. 　前記少なくとも１つの値または前記式の前記値を提供する端末装置とネットワークを介して通信可能に接続され、
    　前記端末装置から送信された前記少なくとも１つの値または前記式の前記値を受信するデータ受信部と、前記評価部で得られた評価結果を前記端末装置へ送信する結果送信部、をさらに備え、
    　前記評価部は、前記データ受信部で受信した前記少なくとも１つの値または前記式の前記値を用いること、
    　を特徴とする請求項７に記載の評価装置。
  9. 　反すう動物の分娩前の血液中のＡｌａ、Ａｒｇ、Ａｓｎ、Ａｓｐ、ＢＣＡＡ、Ｃｉｔ、Ｃｙｓ、Ｇｌｕ、Ｇｌｎ、Ｇｌｙ、Ｈｉｓ、Ｉｌｅ、Ｌｅｕ、Ｌｙｓ、Ｍｅｔ、３ＭｅＨｉｓ、Ｏｒｎ、Ｐｈｅ、Ｐｒｏ、Ｓｅｒ、Ｔａｕ、Ｔｈｒ、Ｔｒｐ、Ｔｙｒ、およびＶａｌの濃度値、前記血液中のＡＬＢ、ＡＬＴ、ＡＳＴ、ＢＨＢＡ、ＢＵＮ、Ｃａ、ｇＧＴＰ、Ｇｌｃ、Ｇｌｏｂ、ＮＥＦＡ、Ｔ－Ｂｉｌ、ＴＣＨＯ、ＴＧ、ＴＰ、Ｐ、Ｎａ、Ｋ、Ｃｌ、ＧＧＴ、ＡＬＰ、ＬＤＨ、ＣＰＫ、ＬＤＬ－Ｃ、ＨＤＬ－Ｃ、Ｍｇ、ＡＭＹ、ＰＡ、ＬＡ、ＣＲＥ、ＬＢＰ、ＩＬ－１β、ハプトグロビン、血清アミロイドＡ、ＩＬ－６、ＴＮＦ－α、コルチゾール、およびキヌレニンの検査値、ならびに前記血液から得られたｄ－ＲＯＭｓ値、ＢＡＰ値、ＢＡＰ値／ｄ－ＲＯＭｓ値、およびｄ－ＲＯＭｓ値／ＢＡＰ値のうちの少なくとも１つの値、および、前記少なくとも１つの値が代入される変数を含む、前記反すう動物の分娩後の炎症の状態を評価するための式、を用いて、前記式の値を算出する算出部を備えること、
    　を特徴とする算出装置。
  10. 　情報処理装置に、
    　反すう動物の分娩前の血液中のＡｌａ、Ａｒｇ、Ａｓｎ、Ａｓｐ、ＢＣＡＡ、Ｃｉｔ、Ｃｙｓ、Ｇｌｕ、Ｇｌｎ、Ｇｌｙ、Ｈｉｓ、Ｉｌｅ、Ｌｅｕ、Ｌｙｓ、Ｍｅｔ、３ＭｅＨｉｓ、Ｏｒｎ、Ｐｈｅ、Ｐｒｏ、Ｓｅｒ、Ｔａｕ、Ｔｈｒ、Ｔｒｐ、Ｔｙｒ、およびＶａｌの濃度値、前記血液中のＡＬＢ、ＡＬＴ、ＡＳＴ、ＢＨＢＡ、ＢＵＮ、Ｃａ、ｇＧＴＰ、Ｇｌｃ、Ｇｌｏｂ、ＮＥＦＡ、Ｔ－Ｂｉｌ、ＴＣＨＯ、ＴＧ、ＴＰ、Ｐ、Ｎａ、Ｋ、Ｃｌ、ＧＧＴ、ＡＬＰ、ＬＤＨ、ＣＰＫ、ＬＤＬ－Ｃ、ＨＤＬ－Ｃ、Ｍｇ、ＡＭＹ、ＰＡ、ＬＡ、ＣＲＥ、ＬＢＰ、ＩＬ－１β、ハプトグロビン、血清アミロイドＡ、ＩＬ－６、ＴＮＦ－α、コルチゾール、およびキヌレニンの検査値、ならびに前記血液から得られたｄ－ＲＯＭｓ値、ＢＡＰ値、ＢＡＰ値／ｄ－ＲＯＭｓ値、およびｄ－ＲＯＭｓ値／ＢＡＰ値のうちの少なくとも１つの値を用いて、または、前記少なくとも１つの値が代入される変数を含む式および前記少なくとも１つの値を用いて算出された前記式の値を用いて、前記反すう動物の分娩後の炎症の状態を評価する評価ステップ
    　を実行させるための評価プログラム。
  11. 　情報処理装置に、
    　反すう動物の分娩前の血液中のＡｌａ、Ａｒｇ、Ａｓｎ、Ａｓｐ、ＢＣＡＡ、Ｃｉｔ、Ｃｙｓ、Ｇｌｕ、Ｇｌｎ、Ｇｌｙ、Ｈｉｓ、Ｉｌｅ、Ｌｅｕ、Ｌｙｓ、Ｍｅｔ、３ＭｅＨｉｓ、Ｏｒｎ、Ｐｈｅ、Ｐｒｏ、Ｓｅｒ、Ｔａｕ、Ｔｈｒ、Ｔｒｐ、Ｔｙｒ、およびＶａｌの濃度値、前記血液中のＡＬＢ、ＡＬＴ、ＡＳＴ、ＢＨＢＡ、ＢＵＮ、Ｃａ、ｇＧＴＰ、Ｇｌｃ、Ｇｌｏｂ、ＮＥＦＡ、Ｔ－Ｂｉｌ、ＴＣＨＯ、ＴＧ、ＴＰ、Ｐ、Ｎａ、Ｋ、Ｃｌ、ＧＧＴ、ＡＬＰ、ＬＤＨ、ＣＰＫ、ＬＤＬ－Ｃ、ＨＤＬ－Ｃ、Ｍｇ、ＡＭＹ、ＰＡ、ＬＡ、ＣＲＥ、ＬＢＰ、ＩＬ－１β、ハプトグロビン、血清アミロイドＡ、ＩＬ－６、ＴＮＦ－α、コルチゾール、およびキヌレニンの検査値、ならびに前記血液から得られたｄ－ＲＯＭｓ値、ＢＡＰ値、ＢＡＰ値／ｄ－ＲＯＭｓ値、およびｄ－ＲＯＭｓ値／ＢＡＰ値のうちの少なくとも１つの値、および、前記少なくとも１つの値が代入される変数を含む、前記反すう動物の分娩後の炎症の状態を評価するための式、を用いて、前記式の値を算出する算出ステップ
    　を実行させるための算出プログラム。
  12. 　請求項１０または１１に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
  13. 　評価装置と端末装置とをネットワークを介して通信可能に接続して構成された評価システムであって、
    　前記端末装置は、
    　反すう動物の分娩前の血液中のＡｌａ、Ａｒｇ、Ａｓｎ、Ａｓｐ、ＢＣＡＡ、Ｃｉｔ、Ｃｙｓ、Ｇｌｕ、Ｇｌｎ、Ｇｌｙ、Ｈｉｓ、Ｉｌｅ、Ｌｅｕ、Ｌｙｓ、Ｍｅｔ、３ＭｅＨｉｓ、Ｏｒｎ、Ｐｈｅ、Ｐｒｏ、Ｓｅｒ、Ｔａｕ、Ｔｈｒ、Ｔｒｐ、Ｔｙｒ、およびＶａｌの濃度値、前記血液中のＡＬＢ、ＡＬＴ、ＡＳＴ、ＢＨＢＡ、ＢＵＮ、Ｃａ、ｇＧＴＰ、Ｇｌｃ、Ｇｌｏｂ、ＮＥＦＡ、Ｔ－Ｂｉｌ、ＴＣＨＯ、ＴＧ、ＴＰ、Ｐ、Ｎａ、Ｋ、Ｃｌ、ＧＧＴ、ＡＬＰ、ＬＤＨ、ＣＰＫ、ＬＤＬ－Ｃ、ＨＤＬ－Ｃ、Ｍｇ、ＡＭＹ、ＰＡ、ＬＡ、ＣＲＥ、ＬＢＰ、ＩＬ－１β、ハプトグロビン、血清アミロイドＡ、ＩＬ－６、ＴＮＦ－α、コルチゾール、およびキヌレニンの検査値、ならびに前記血液から得られたｄ－ＲＯＭｓ値、ＢＡＰ値、ＢＡＰ値／ｄ－ＲＯＭｓ値、およびｄ－ＲＯＭｓ値／ＢＡＰ値のうちの少なくとも１つの値、または、前記少なくとも１つの値が代入される変数を含む式および前記少なくとも１つの値を用いて算出された前記式の値、を前記評価装置へ送信するデータ送信部と、
    　前記評価装置から送信された、分娩後の炎症の状態に関する評価結果を受信する結果受信部
    　を備え、
    　前記評価装置は、
    　前記端末装置から送信された前記少なくとも１つの値または前記式の前記値を受信するデータ受信部と、
    　前記血液データ受信部で受信した前記少なくとも１つの値または前記式の前記値を用いて、前記反すう動物の分娩後の炎症の状態を評価する評価部と、
    　前記評価部で得られた評価結果を前記端末装置へ送信する結果送信部と、
    　を備えること、
    　を特徴とする評価システム。
  14. 　分娩後の炎症の状態に関する評価結果を取得する結果取得部を備え、
    　前記評価結果は、反すう動物の分娩前の血液中のＡｌａ、Ａｒｇ、Ａｓｎ、Ａｓｐ、ＢＣＡＡ、Ｃｉｔ、Ｃｙｓ、Ｇｌｕ、Ｇｌｎ、Ｇｌｙ、Ｈｉｓ、Ｉｌｅ、Ｌｅｕ、Ｌｙｓ、Ｍｅｔ、３ＭｅＨｉｓ、Ｏｒｎ、Ｐｈｅ、Ｐｒｏ、Ｓｅｒ、Ｔａｕ、Ｔｈｒ、Ｔｒｐ、Ｔｙｒ、およびＶａｌの濃度値、前記血液中のＡＬＢ、ＡＬＴ、ＡＳＴ、ＢＨＢＡ、ＢＵＮ、Ｃａ、ｇＧＴＰ、Ｇｌｃ、Ｇｌｏｂ、ＮＥＦＡ、Ｔ－Ｂｉｌ、ＴＣＨＯ、ＴＧ、ＴＰ、Ｐ、Ｎａ、Ｋ、Ｃｌ、ＧＧＴ、ＡＬＰ、ＬＤＨ、ＣＰＫ、ＬＤＬ－Ｃ、ＨＤＬ－Ｃ、Ｍｇ、ＡＭＹ、ＰＡ、ＬＡ、ＣＲＥ、ＬＢＰ、ＩＬ－１β、ハプトグロビン、血清アミロイドＡ、ＩＬ－６、ＴＮＦ－α、コルチゾール、およびキヌレニンの検査値、ならびに前記血液から得られたｄ－ＲＯＭｓ値、ＢＡＰ値、ＢＡＰ値／ｄ－ＲＯＭｓ値、およびｄ－ＲＯＭｓ値／ＢＡＰ値のうちの少なくとも１つの値を用いて、または、前記少なくとも１つの値が代入される変数を含む式および前記少なくとも１つの値を用いて算出された前記式の値を用いて、前記反すう動物の分娩後の炎症の状態を評価した結果であること、
    　を特徴とする端末装置。
  15. 　分娩後の炎症の状態を評価する評価装置とネットワークを介して通信可能に接続され、
    　前記少なくとも１つの値または前記式の前記値を前記評価装置へ送信するデータ送信部をさらに備え、
    　前記結果取得部は、前記評価装置から送信された前記評価結果を受信すること、
    　を特徴とする請求項１４に記載の端末装置。
  16. 　前記評価ステップにおいて分娩後に前記代謝性疾患に罹患する可能性が高いと評価された牛に対して、予防的処置を提案する提案ステップを更に含むこと、
    　を特徴とする請求項１に記載の評価方法。
  17. 　前記予防的処置が、ＲｕｍｅｎＰｒｏｔｅｃｔアミノ酸の投与、飼料添加物の投与、薬剤の投与および獣医の診断からなる群から選択される少なくとも一つであること、
    　を特徴とする請求項１６に記載の評価方法。
  18. 　前記飼料添加物が、ＰＨ調整剤、イオンバランス調整剤、カビ毒吸着剤、プロピオン酸カルシウム等のプロピオン酸類縁体、ビタミン、ミネラル、アミノ酸、脂肪酸、尿素、生菌剤、酵母、酵素、抗生物質、抗酸化剤、抗菌剤および有機酸からなる群から選択される少なくとも一つであること、
    　を特徴とする請求項１７に記載の評価方法。
  19. 　前記提案ステップにおいては、前記代謝性疾患に罹患する可能性があると評価された牛に対して、統計的因果推論を行って罹患する原因を推測し、その原因に対応する予防的処置を提案すること、
    　を特徴とする請求項１６から１８のいずれか一つに記載の評価方法。
PCT/JP2024/045856 2023-12-28 2024-12-25 分娩後の炎症の評価方法 Pending WO2025142997A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2023222934 2023-12-28
JP2023-222934 2023-12-28

Publications (1)

Publication Number Publication Date
WO2025142997A1 true WO2025142997A1 (ja) 2025-07-03

Family

ID=96219158

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2024/045856 Pending WO2025142997A1 (ja) 2023-12-28 2024-12-25 分娩後の炎症の評価方法

Country Status (1)

Country Link
WO (1) WO2025142997A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160209423A1 (en) * 2013-09-04 2016-07-21 Univesity College Dublin, National University Of Ireland, Dublin Methods for predicting, diagnosing or monitoring infections or conditions
WO2019130920A1 (ja) * 2017-12-28 2019-07-04 味の素株式会社 給餌管理システムおよび給餌管理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160209423A1 (en) * 2013-09-04 2016-07-21 Univesity College Dublin, National University Of Ireland, Dublin Methods for predicting, diagnosing or monitoring infections or conditions
WO2019130920A1 (ja) * 2017-12-28 2019-07-04 味の素株式会社 給餌管理システムおよび給餌管理方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
DERVISHI ELDA, ZHANG GUANSHI, DUNN SUZANNA M., MANDAL RUPASRI, WISHART DAVID S., AMETAJ BURIM N.: "GC–MS Metabolomics Identifies Metabolite Alterations That Precede Subclinical Mastitis in the Blood of Transition Dairy Cows", JOURNAL OF PROTEOME RESEARCH, vol. 16, no. 2, 3 February 2017 (2017-02-03), pages 433 - 446, XP093330162, ISSN: 1535-3893, DOI: 10.1021/acs.jproteome.6b00538 *
DERVISHI ELDA; ZHANG GUANSHI; ZWIERZCHOWSKI GRZEGORZ; MANDAL RUPASRI; WISHART DAVID S.; AMETAJ BURIM N.: "Serum metabolic fingerprinting of pre-lameness dairy cows by GC–MS reveals typical profiles that can identify susceptible cows", JOURNAL OF PROTEOMICS, vol. 213, 14 December 2019 (2019-12-14), AMSTERDAM, NL , pages 1 - 12, XP086019379, ISSN: 1874-3919, DOI: 10.1016/j.jprot.2019.103620 *
KAMEMORI YASUYUKI , SHINTAROU OOTANI, HARUJI NIMURA , TATSUYA NISHIKAWA, SACHIKO AKAGI, KIYOSHI OKUDA: "Prediction of perinatal disease development and preventive measures with the use of blood biochemistry profile in dairy cows in a dry period", JOURNAL OF VETERINARY CLINIC, vol. 60, no. 9, 1 January 2013 (2013-01-01), pages 557 - 562, XP093330164 *
ZANDKARIMI F., VANEGAS J., FERN X., MAIER C.S., BOBE G.: "Metabotypes with elevated protein and lipid catabolism and inflammation precede clinical mastitis in prepartal transition dairy cows", JOURNAL OF DAIRY SCIENCE, vol. 101, no. 6, 1 June 2018 (2018-06-01), AMSTERDAM, NL, pages 5531 - 5548, XP093330160, ISSN: 0022-0302, DOI: 10.3168/jds.2017-13977 *
ZHANG GUANSHI, TOBOLSKI DAWID, ZWIERZCHOWSKI GRZEGORZ, MANDAL RUPASRI, WISHART DAVID S., AMETAJ BURIM N.: "Identification of Serum-Predictive Biomarkers for Subclinical Mastitis in Dairy Cows and New Insights into the Pathobiology of the Disease", JOURNAL OF AGRICULTURAL AND FOOD CHEMISTRY, vol. 70, no. 5, 9 February 2022 (2022-02-09), US , pages 1724 - 1746, XP093330159, ISSN: 0021-8561, DOI: 10.1021/acs.jafc.1c07281 *
ZHANG GUANSHI; ZWIERZCHOWSKI GRZEGORZ; MANDAL RUPASRI; WISHART DAVID S.; AMETAJ BURIM N.: "Serum metabolomics identifies metabolite panels that differentiate lame dairy cows from healthy ones", METABOLOMICS, vol. 16, no. 6, 13 June 2020 (2020-06-13), New York, pages 1 - 22, XP037169808, ISSN: 1573-3882, DOI: 10.1007/s11306-020-01693-z *
小比類巻 正幸 ほか, 乳牛における分娩前後の疾病の発生と血中遊離アミノ酸値の関係, 平成18年度 日本獣医師会学会年次大会（さいたま）講演要旨集, 2007, p. 138, (KOHIRUIMAKI, Masayuki et al.), non-official translation (The relationship between the occurrence of diseases around parturition and plasma free amino acid levels in dairy cows, Lecture Abstracts of 2006 Annual Conference of Japan Veterinary Medical Association (Saitama)) *

Similar Documents

Publication Publication Date Title
US20250087362A1 (en) System and method of generating a model to detect, or predict the risk of, an outcome
JP7501573B2 (ja) 分娩後ケトーシスの評価方法
US20190228844A1 (en) Evaluating method, evaluating apparatus, evaluating program product, evaluating system, and terminal apparatus for colorectal cancer
JP7643598B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システム
Foldager et al. Predicting physiological imbalance in Holstein dairy cows by three different sets of milk biomarkers
WO2025142997A1 (ja) 分娩後の炎症の評価方法
JP7595611B2 (ja) 癌モニタリングの方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、および評価システム
JP7506646B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、及び評価システム
US11871728B2 (en) Feeding management system and feeding management method
JP2019015547A (ja) 膵がん患者における骨格筋状態の評価方法、評価装置、評価プログラム、評価システムおよび端末装置
JP7435855B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、及び評価システム
WO2020184660A1 (ja) サルコペニアの評価方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システム、及び端末装置
JP7435856B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、及び評価システム
WO2024225424A1 (ja) 分娩後の代謝性疾患の評価方法
WO2024143402A1 (ja) 食事の多様性の評価方法
JP7669695B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体および評価システム
WO2019194144A1 (ja) 乳癌の評価方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、記録媒体、評価システム、及び端末装置
JP7093162B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、および評価システム
WO2016148155A1 (ja) 評価方法、評価装置、評価プログラム、評価システム、及び端末装置
JPWO2018143369A1 (ja) 糖尿病患者における膵臓癌の評価方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、評価システム、及び端末装置
JP2017122655A (ja) 骨格筋面積の評価方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24912883

Country of ref document: EP

Kind code of ref document: A1