A method for diagnosing or predicting preeclampsia

Abstract

Provided is a method for diagnosing or predicting preeclampsia in a pregnant woman or determining if a pregnant woman has a risk of preeclampsia, comprising: a) obtaining at least one (such as two or more) maternal or fetal parameter or factor of the pregnant woman, selected from a group comprising: (i) one or more of mean artery pressure (MAP), BMIsampling, ΔBMI, Gestational age and ΔBMI / GA; (ii) Maternal age; (iii) one or more of Urinary protein level and the ratio of Urinary protein level (such as Urine Total Protein (UTP) ) / Urinary Creatinine level (Cre) (UTP / Cre); (iv) one or more of preeclampsia in previous pregnancy (PEhis) and having received antihypertensive medication (Antihyper); and (v) any combination of (i) - (iv), b) determining if the urine of said pregnant woman contains misfolded proteins or misfolded protein aggregates, and c) combining the at least one maternal or fetal parameter or factor obtained in step a) and the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman to diagnose or predict preeclampsia or determine the risk of preeclampsia.

Description

A METHOD FOR DIAGNOSING OR PREDICTING PREECLAMPSIATechnical Field

[0001] This invention generally relates to a method for diagnosing or predicting diseases, and particularly to a method for diagnosing or predicting preeclampsia.Background

[0002] Preeclampsia is a disorder of pregnancy associated with new-onset hypertension, which occurs most often after 20 weeks of gestation. Worldwide, 2-5%of pregnant women suffer from preeclampsia, and the rate is even higher in developing countries. With clinical manifestation of hypertension and proteinuria or critical organ function damages like visual disturbances, headaches, epigastria pain, and rapid development of oedema, preeclampsia is a major cause of maternal and perinatal morbidity and mortality. Serious outcomes of preeclampsia may include cerebral haemorrhage, disseminated intravascular coagulation, kidney failure of the mother, and stillbirth or preterm delivery of the infant, which all endanger the health of the mother and infant. Termination of pregnancy is often required to avoid severe comorbidities. According to the guidelines of American College of Obstetricians and Gynecologists (ACOG) and Society of Obstetricians and Gynaecologists of Canada (SOGC) , or “Williams Obstetrics: 24rd Edition” , preeclampsia diagnosis is made subjectively based on hypertension and proteinuria or hypertension and other symptoms. However, proteinuria diagnosed by a single dipstick reading is not reliable., and those non-specific clinical signs and symptoms are tedious; there is no accurate, objective test widely available to confirm an exact diagnosis. Therefore, there is an unmet need to develop a simple, objective test for preeclampsia diagnosis and screening.Summary of the Invention

[0003] In one aspect, the present disclosure provides a method for diagnosing or predicting preeclampsia in a pregnant woman, comprising: a) obtaining at least one maternal or fetal parameter or factor, b) determining if the urine of said pregnant woman contains misfolded proteins or misfolded protein aggregates, and c) using the combination of the at least one maternal or fetal parameter or factor obtained in step a) and the presence or absence of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman to diagnose or predict preeclampsia.

[0004] In another aspect, provided herein is a method for diagnosing or predicting preeclampsia in a pregnant woman or determining if a pregnant woman has a risk of preeclampsia, comprising:

[0005] a) obtaining at least one (such as two or more) maternal or fetal parameter or factor of the pregnant woman, selected from a group comprising: (i) one or more of mean artery pressure (MAP) , BMIsampling (namely, the BMI of said pregnant woman at the sampling of the urine) , ΔBMI (namely, BMIsampling -BMIini (the BMI of said pregnant woman before pregnancy, or about the beginning of pregnancy, or within the first month of first pregnancy) ) , Gestational age (GA, optionally calculated in week) and ΔBMI / GA; (ii) Maternal age (optionally calculated in year) ; (iii) one or more of Urinary protein level and the ratio of Urinary protein level (such as Urine Total Protein (UTP) )  / Urinary Creatinine level (Cre) (UTP / Cre) ; (iv) one or more of preeclampsia in previous pregnancy (PEhis) and having received antihypertensive medication (Antihyper) ; and (v) any combination of (i) - (iv) ,

[0006] b) determining if the urine of said pregnant woman contains misfolded proteins or misfolded protein aggregates, and

[0007] c) combining the at least one maternal or fetal parameter or factor obtained in step a) and the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman to diagnose or predict preeclampsia or determine the risk of preeclampsia.

[0008] The method of the present disclosure can significantly improve the sensitivity and / or specificity of diagnosis of preeclampsia. The foregoing and other advantages and features of the invention, and the manner in which the same are accomplished, will become more readily apparent upon consideration of the following detailed description of the invention taken in conjunction with the accompanying examples, which illustrate preferred and exemplary embodiments.Detailed Description

[0009] The inventors surprisingly discovered that combining a test for urine misfolded proteins and at least one maternal or fetal parameter or factor produces synergies and results in a significantly improved diagnostic or predictive accuracy for preeclampsia.

[0010] The term "misfolded protein" as used herein is relative to a correctly folded protein. The most frequent destiny of misfolded proteins is self-aggregation due to the exposure of hydrophobic protein surfaces that are normally buried inside the proteins, resulting in a high degree of stickiness. The β-sheet structural motif offers the most favorable organization for these intermolecular aggregates, and as a result misfolded proteins often exist as aggregates (oligomers and fibrous aggregates) . In the present invention, the meaning of "misfolded protein" includes such aggregates formed by misfolded proteins.

[0011] For example, a study found that both urine and placental tissues contain a large number of misfolded proteins and their aggregates in preeclampsia patients, which can specifically bind to Congo red, and when observed under electronic microscope, these congophilic misfolded protein aggregates have a fibrous structure very similar to amyloid-like structures, whereas in normal pregnant women there is no such aggregate (Buhimschi et al., SCIENCE Translational Medicine, 2014, 6 (245) : 245ra92) .

[0012] Once the conformation occurs and the misfolding cannot be repaired or eliminated, different proteins even with no homology in structure and sequence can form a β-sheet structure. The β-sheet structures of different proteins can interact to form aggregates containing different misfolded proteins, which can bind specifically to Congo Red.

[0013] Urine misfolded proteins can be detected by a capillary-based method for point-of-care testing of misfold proteins or misfold protein aggregates in pregnant women using urine samples. In the process of detecting misfolded proteins based on the capillary-based method (aso-called “CapCord” method as used in Example 3) , the diffusion area of a dye in a filter paper is used to determine the presence or absence of misfolded proteins. If a biological sample does not contain misfolded proteins or misfolded protein aggregates, the detection result obtained by the method is negative. That is, when the mixture of a negative sample and the dye is released into the filter paper by a capillary tube, no significant diffusion blot is formed on the filter paper, or in some embodiments a smaller diffusion blot is formed and the radius of the diffusion blot is less than a reference value, which may be determined by the maximum value of the radiuses of the diffusion blots formed by a certain number (e.g., 50-100) patient samples that clinically determined to be negative. If a biological sample contains misfolded proteins or misfolded protein aggregates, the detection result obtained by the method is positive. That is, when the mixture of a positive sample and the dye is released into the filter paper by a capillary tube, a larger diffusion blot is formed on the filter paper. In some embodiments of the invention, the positive sample produces a larger diffusion blot having a radius greater than or equal to a specific reference value, which may be determined by the minimum value of the radiuses of the diffusion blots formed by a certain number (e.g., 50-100) patient samples that clinically determined to be positive. It is worth noting that in some cases, a pseudopodium-or pseudopodia-like diffusion blot is produced with a radius larger than the radius of the diffusion blot formed by a negative sample, or greater than the above reference value. Even so, this type of diffusion result is still classified to be negative.

[0014] Urine misfolded proteins can also be detected a chromatographic method. When a mixture of Congo Red and urine from a pregnant woman is loaded onto a chromatographic column mounted in a detection cuvette, the presence (positive) or absence (negative) of misfolded proteins can be determined based on the color of the eluent in the cuvette. The eluent was also be applied for quantitative measurement using a Spectrophotometer such as HACH DR1900 instrument by detecting the absorbance at a wavelength of 520-600 nanometers.

[0015] Exemplary apparatus and methods for detecting misfolded proteins are described in WO2010 / 062377, WO2019 / 128506 and WO2022105923.

[0016] Provided herein is a method for diagnosing or predicting preeclampsia in a pregnant woman or determining if a pregnant woman has a risk of preeclampsia, comprising:

[0017] a) obtaining at least one (such as two or more) maternal or fetal parameter or factor of the pregnant woman, selected from a group comprising: (i) one or more of mean artery pressure (MAP) , BMIsampling (namely, the BMI of said pregnant woman at the sampling of the urine) , ΔBMI (namely, BMIsampling -BMIini (the BMI of said pregnant woman before pregnancy, or about the beginning of pregnancy, or within the first month of first pregnancy) ) , Gestational age (GA, optionally calculated in week) and ΔBMI / GA; (ii) Maternal age (optionally calculated in year) ; (iii) one or more of Urinary protein level and the ratio of Urinary protein level (such as Urine Total Protein (UTP) )  / Urinary Creatinine level (Cre) (UTP / Cre) ; (iv) one or more of preeclampsia in previous pregnancy (PEhis) and having received antihypertensive medication (Antihyper) ; and (v) any combination of (i) - (iv) ,

[0018] b) determining if the urine of said pregnant woman contains misfolded proteins or misfolded protein aggregates, and

[0019] c) combining the at least one maternal or fetal parameter or factor obtained in step a) and the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman to diagnose or predict preeclampsia or determine the risk of preeclampsia.

[0020] In some embodiments, the content level of misfolded proteins or misfolded protein aggregates is determined as a qualitative measure (presence or absence) , a quantitative measure or a semi-quantitative measure.

[0021] In some embodiments, the content level of misfolded proteins or misfolded protein aggregates is determined as a qualitative measure (namely, presence or absence) , a quantitative measure or a semi-quantitative measure.

[0022] In some embodiments, the combining step c) is performed by an algorithm, such as a regression algorithm (e.g., a linear regression algorithm, e.g., a two-class regression algorithm or a multiple linear regression algorithm) , to obtain a score p, and optionally, the score p being higher or lower than a predetermined threshold indicates that the pregnant woman is suffering from preeclampsia or is predicted to develop preeclampsia or is in an increased or decreased risk of having preeclampsia.

[0023] In some embodiments, the at least one maternal or fetal parameter or factor comprises (i) MAP and BMIsampling, (ii) MAP and maternal age; or (iii) MAP, BMIsampling, and maternal age. In some further embodiments, the predicting comprises long-term predicting, such as predicting preeclampsia occurrence more than 4 weeks (e.g., after 6, 8, 10, 12, 14, 16, or 20 weeks) after said determining step, and optionally the determining step is at no earlier than gestational age of 20 weeks, such as no earlier than gestational age of 17 weeks, for example at the gestational age of 10-16 weeks, e.g. 11, 12, 13, 14, 15, or 16 weeks.

[0024] In some embodiments, the at least one maternal or fetal parameter or factor comprises: at least one (such as two, three, four, five, six, seven or more) maternal or fetal parameter or factor of the pregnant woman, selected from a group comprising MAP, PEhis, Antihyper, ΔBMI, ΔBMI / GA, UTP, UTP / Cre, and maternal age, for example, a group comprising MAP, PEhis, Antihyper, ΔBMI, ΔBMI / GA, UTP, and UTP / Cre. In some further embodiments, the at least one maternal or fetal parameter or factor comprises: (1) MAP, PEhis, Antihyper, ΔBMI / GA and UTP / Cre; (2) MAP, PEhis, Antihyper, ΔBMI and UTP / Cre; (3) MAP, PEhis, Antihyper, ΔBMI / GA and UTP; (4) MAP, PEhis, Antihyper, ΔBMI / GA and UTP; (5) MAP, PEhis, Antihyper, ΔBMI and UTP; (6) MAP, PEhis, Antihyper, and UTP / Cre; (7) MAP, PEhis, Antihyper, and ΔBMI / GA; (8) MAP, PEhis, ΔBMI / GA and UTP / Cre; (9) MAP, PEhis, Antihyper, and ΔBMI; (10) MAP, Antihyper, ΔBMI and UTP / Cre; (11) MAP, PEhis, ΔBMI and UTP / Cre; (12) MAP, PEhis, Antihyper, and UTP; (13) MAP, Antihyper, ΔBMI / GA and UTP; (14) MAP, PEhis, ΔBMI / GA and UTP; (15) MAP, Antihyper, ΔBMI and UTP; (16) MAP, PEhis, ΔBMI and UTP; (17) MAP, PEhis, and Antihyper; (18) MAP, Antihyper, and ΔBMI / GA; (19) MAP, PEhis and ΔBMI / GA; (20) MAP, Antihyper and UTP / Cre; (21) MAP, PEhis and UTP / Cre; (22) MAP, ΔBMI / GA and UTP / Cre; (23) PEhis, ΔBMI / GA and UTP / Cre; (24) MAP, Antihyper, and ΔBMI; (25) MAP, PEhis, and ΔBMI; (26) MAP, ΔBMI and UTP / Cre; (27) PEhis, ΔBMI and UTP / Cre; (28) MAP, Antihyper, and UTP; (29) MAP, PEhis, and UTP; (30) MAP, ΔBMI / GA and UTP; (31) PEhis, ΔBMI / GA and UTP; (32) MAP, ΔBMI and UTP; (33) PEhis, ΔBMI and UTP; (34) MAP and Antihyper; (35) MAP and PEhis; (36) MAP and ΔBMI / GA; (37) MAP and UTP / Cre; (38) PEhis and ΔBMI / GA; (39) PEhis and UTP / Cre; (40) ΔBMI / GA and UTP / Cre; (41) MAP and ΔBMI; (42) PEhis and ΔBMI; (43) ΔBMI and UTP / Cre; (44) MAP and UTP; (45) PEhis and UTP; (46) ΔBMI / GA and UTP; (47) ΔBMI and UTP; (48) ΔBMI / GA and maternal age; or (49) MAP, ΔBMI / GA and maternal age; (50) ΔBMI / GA. In some still further embodiments, the predicting comprises short-term predicting, such as predicting pre-eclampsia occurrence within 4 weeks (e.g., within 1, 2, 3, or 4 weeks) after said determining step, and optionally the urine is determined later than gestational age of 20 weeks, such as at the gestational age of 20-37 weeks, e.g., 22, 24, 26, 28, 30, 32, 34 or 36 weeks.

[0025] In some embodiments, the pregnant woman is a woman with suspected pre-eclampsia or in a high risk of having pre-eclampsia.

[0026] In some embodiments of short-term prediction, a higher P value indicates a higher risk of pre-eclampsia onset within a period of time, for example, within 4 weeks (e.g., within 1, 2, 3, or 4 weeks) , and a lower P value indicates a lower risk of pre-eclampsia onset within a period of time, for example, within 4 weeks (e.g., within 1, 2, 3, or 4 weeks) . In some embodiments, a maternal or fetal parameter or factor positively relevant to the risk of PE onset is selected from a group comprising MAP, PEhis, Antihyper, ΔBMI, ΔBMI / GA, UTP, UTP / Cre and maternal age. In some embodiments, a higher value of MAP, ΔBMI / GA, UTP or UTP / Cre and maternal age correlates with a higher risk of PE onset, and a lower value of MAP, ΔBMI / GA, UTP or UTP / Cre and maternal age correlates with a lower risk of PE onset. In some embodiments, the presence of PEhis or Antihyper correlates with a higher risk of PE onset, and the absence of PEhis or Antihyper correlates with a lower risk of PE onset. In some embodiments, according to the models used, the P value can be calculated by one of the following formula:

[0027] logit (P) =2.733*CercaTest+0.102*MAP+1.629*antiHyper+3.743*PEhis+6.256 *ΔBMI / GA+0.050*UTP / cre-14.816 at a cutoff of -1.280384;

[0028] logit (P) =3.238*CercaTest+0.127*MAP+1.450*antiHyper+4.364*PEhis+5.749 *ΔBMI / GA-16.450 at a cutoff of -1.2945526; or

[0029] logit (P) =3.256*CercaTest+0.129*MAP+1.361*AntiHyper+4.297*PEhis-15.924 at a cutoff of -1.333000.

[0030] In some embodiments, the numerical values of the maternal or fetal parameter can be assigned in formula as follows: misfolded protein positivity (namely, CercaTest positivity) is designated as 1 and misfolded protein negativity (namely, CercaTest negativity) as 0; MAP is calculated using the formula diastolic blood pressure + (systolic blood pressure -diastolic blood pressure)  / 3, with the resulting value being used; a history of PE is coded as 1 if present and 0 if absent; having received antihypertensive medication is coded as 1 otherwise it is designated as 0; BMI is calculated by dividing an individual's weight in kilograms (kg) by the square of their height in meters (m) . ΔBMI, ΔBMI / GA, UTP, UTP / cre and maternal age are all assigned their measured values.

[0031] In some embodiments of long-term prediction, a higher P value indicates a higher risk of pre-eclampsia onset more than 4 weeks (e.g., after 6, 8, 10, 12, 14, 16, or 20 weeks) after the determining step of urine sample, and a lower P value indicates a lower risk of pre-eclampsia onset more than 4 weeks (e.g., after 6, 8, 10, 12, 14, 16, or 20 weeks) after the determining step of urine sample.

[0032] Also provided herein is method for treating or preventing or managing pre-eclampsia in a pregnant woman, comprising:

[0033] a) obtaining the at least one (such as two or more) maternal or fetal parameter or factor of the pregnant woman as defined herein,

[0034] b) determining if the urine of said pregnant woman contains misfolded proteins or misfolded protein aggregates,

[0035] c) combining the at least one maternal or fetal parameter or factor obtained in step a) and the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman, by an algorithm, such as a regression algorithm (e.g., a linear regression algorithm, e.g., a two-class regression algorithm or a multiple linear regression algorithm) , to obtain a score p,

[0036] wherein the score p being higher or lower than a predetermined threshold indicates that the pregnant woman is suffering from pre-eclampsia or is predicted to develop pre-eclampsia or is in an increased or decreased risk of having preeclampsia; and

[0037] d) if the pregnant woman is diagnosed with preeclampsia or is predicted to develop preeclampsia or is in an increased risk of having preeclampsia, administering medication to the pregnant woman and / or managing the condition of the pregnant woman to prolong pregnancy.

[0038] In some embodiments, administering medication comprises administering aspirin, and / or managing the condition of the pregnant woman comprises losing weight, controlling blood pressure and / or blood sugar, and / or maintaining a regular exercise routine.

[0039] Also provided herein is a computer-implemented method for diagnosing or predicting pre-eclampsia in a pregnant woman or determining if a pregnant woman has a risk of pre-eclampsia, comprising:

[0040] a) obtaining the at least one (such as two or more) maternal or fetal parameter or factor of the pregnant woman as defined herein,

[0041] b) obtaining the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman, and

[0042] c) combining the at least one maternal or fetal parameter or factor obtained in step a) and the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman to diagnose or predict preeclampsia or determine the risk of preeclampsia.

[0043] Also provided herein is a data processing apparatus, device or system, comprising means for carrying out the steps of the method as disclosed herein or comprising a processor adapted to or configured to perform the steps of the method as disclosed herein.

[0044] Also provided herein is a computer program product or a computer-readable medium, comprising instructions which, when executed by a computer, cause the computer to carry out the steps of the method as disclosed herein.

[0045] Also provided herein is a kit comprising a reagent (s) for performing the methods as disclosed herein. In one embodiment, the kit may comprise a reagent for detecting the presence of misfolded protein. In one embodiment, the kit may further comprise a reagent for detecting UTP, Cre and / or UTP / cre.

[0046] As used herein, the term "kit of parts (in short: kit) " refers to an article of manufacture comprising one or more containers and, optionally, a data carrier. Said one or more containers may be filled with one or more of the above mentioned means or reagents. Additional containers may be included in the kit that contain, e.g., diluents, buffers and further reagents. Said data carrier may be a non-electronical data carrier, e.g., a graphical data carrier such as an information leaflet, an information sheet, a bar code or an access code, or an electronical / computer-readable data carrier such as a compact disk (CD) , a digital versatile disk (DVD) , a microchip or another semiconductor-based electronical data carrier. The access code may allow the access to a database, e.g., an internet database, a centralized, or a decentralized database. Said data carrier may comprise instructions for the use of the kit in the methods as disclosed herein. The data carrier may comprise threshold values or reference levels or of the P scores calculated according to the methods of the present invention. In case that the data carrier comprises an access code which allows the access to a database, said threshold values or reference levels are deposited in this database. In addition, the data carrier may comprise information or instructions on how to carry out the methods of the present invention.

[0047] In another aspect, provided is a method for diagnosing or predicting preeclampsia in a pregnant woman, comprising:

[0048] a) obtaining at least one maternal or fetal parameter or factor selected from a group comprising: (i) one or more of Blood pressures (such as mean artery pressure) , BMI, Maternal abdominal circumference, and Gestational age; (ii) one or more of Uterine artery pulsatility index, Maternal age and Fetal crown-rump length; (iii) one or more of levels of Creatinine, Urinary protein, Plasma and / or urinary PlGF, Plasma sFlt, and Plasma PAPPA-A; (iv) one or more of levels of Platelet count, GGT (Gamma glutamyl transferase) , and Fasting plasma glucose; and Alanine aminotransferase; (v) one or more of Preeclampsia in previous pregnancy, Preeclampsia of mother of the pregnant woman, Chronic hypertension, Family history of hypertension, Autoimmune diseases, Thyroid diseases, Diabetes, Pre-gestational diabetes, Proteinuria, Renal diseases, Mental disorder, Uterine malformations, Multifetal gestations, Nulliparity, Assisted reproductive technique; and (vi) any combination of (i) - (v) ,

[0049] b) determining if the urine of said pregnant woman contains misfolded proteins or misfolded protein aggregates, and

[0050] c) using the combination of the at least one maternal or fetal parameter or factor obtained in step a) and the presence or absence of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman to diagnose or predict preeclampsia.

[0051] In one embodiment, the at least one maternal or fetal parameter or factor comprises two, three or four of Blood pressures (such as mean artery pressure) , BMI, Maternal abdominal circumference, and Gestational age.

[0052] In one embodiment, the at least one maternal or fetal parameter or factor comprises Blood pressures (such as mean artery pressure) and BMI.

[0053] In one embodiment, the at least one maternal or fetal parameter or factor comprises Blood pressures (such as mean artery pressure) and Maternal abdominal circumference.

[0054] In one embodiment, the at least one maternal or fetal parameter or factor comprises Blood pressures (such as mean artery pressure) and Gestational age.

[0055] In one embodiment, the at least one maternal or fetal parameter or factor comprises Blood pressures (such as mean artery pressure) , BMI, and Maternal abdominal circumference.

[0056] In one embodiment, the at least one maternal or fetal parameter or factor comprises Blood pressures (such as mean artery pressure) , BMI, and Gestational age.

[0057] In one embodiment, the at least one maternal or fetal parameter or factor comprises Blood pressures (such as mean artery pressure) , BMI, Maternal abdominal circumference, and Gestational age.

[0058] In one embodiment, the at least one maternal or fetal parameter or factor comprises BMI, Maternal abdominal circumference, and Gestational age.

[0059] In one embodiment, the at least one maternal or fetal parameter or factor comprises BMI and Maternal abdominal circumference.

[0060] In one embodiment, the at least one maternal or fetal parameter or factor comprises BMI and Gestational age.

[0061] In one embodiment, the at least one maternal or fetal parameter or factor comprises Maternal abdominal circumference and Gestational age.

[0062] In one embodiment, if the at least one maternal or fetal parameter or factor is higher or lower than a predetermined threshold and / or is present or absent and if the urine contains misfolded proteins or misfolded protein aggregates, said pregnant woman is diagnosed with preeclampsia or is predicted to develop preeclampsia.

[0063] In one embodiment, if the at least one maternal or fetal parameter is higher than a predetermined threshold and if the urine contains misfolded proteins or misfolded protein aggregates, said pregnant woman is diagnosed with preeclampsia or is predicted to develop preeclampsia.

[0064] In one embodiment, if the at least one maternal or fetal parameter is lower than a predetermined threshold and if the urine contains misfolded proteins or misfolded protein aggregates, said pregnant woman is diagnosed with preeclampsia or is predicted to develop preeclampsia.

[0065] In one embodiment, if the at least one maternal or fetal factor is present and if the urine contains misfolded proteins or misfolded protein aggregates, said pregnant woman is diagnosed with preeclampsia or is predicted to develop preeclampsia.

[0066] In one embodiment, said pregnant woman is predicted to develop preeclampsia in first trimester.

[0067] In still another aspect, provided is a method for determining if a pregnant woman has a risk of preeclampsia, comprising:

[0068] a) obtaining at least one maternal or fetal parameter or factor selected from a group comprising: (i) one or more of Blood pressures (such as mean artery pressure) , BMI, Maternal abdominal circumference, and Gestational age; (ii) one or more of Uterine artery pulsatility index, Maternal age and Fetal crown-rump length; (iii) one or more of levels of Creatinine, Urinary protein, Plasma and / or urinary PlGF, Plasma sFlt, and Plasma PAPPA-A; (iv) one or more of levels of Platelet count, GGT (Gamma glutamyl transferase) , and Fasting plasma glucose; and Alanine aminotransferase; (v) one or more of Preeclampsia in previous pregnancy, Preeclampsia of mother of the pregnant woman, Chronic hypertension, Family history of hypertension, Autoimmune diseases, Thyroid diseases, Diabetes, Pre-gestational diabetes, Proteinuria, Renal diseases, Mental disorder, Uterine malformations, Multifetal gestations, Nulliparity, Assisted reproductive technique; and (vi) any combination of (i) - (v) ,

[0069] b) determining if the urine of said pregnant woman contains misfolded proteins or misfolded protein aggregates, and

[0070] c) using the combination of the at least one maternal or fetal parameter or factor obtained in step a) and the presence or absence of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman to determine the risk of developing preeclampsia in the pregnant woman, e.g., in first trimester.

[0071] In one embodiment, if the at least one maternal or fetal parameter or factor is higher or lower than a predetermined threshold and / or is present or absent and if the urine contains misfolded proteins or misfolded protein aggregates, said pregnant woman is identified to have a high risk of developing preeclampsia.

[0072] Provided herein additionally includes the below embodiments.

[0073] 1. A method for diagnosing or predicting preeclampsia in a pregnant woman or determining if a pregnant woman has a risk of preeclampsia, comprising:

[0074] a) obtaining at least one maternal or fetal parameter or factor selected from a group comprising: blood pressures (such as mean artery pressure) , BMI, gestational age, maternal age, and any combination thereof,

[0075] b) determining if the urine of said pregnant woman contains misfolded proteins or misfolded protein aggregates, and

[0076] c) combining the at least one maternal or fetal parameter or factor obtained in step a) and the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman to diagnose or predict preeclampsia or determine the risk of preeclampsia.

[0077] 2. The method of Embodiment 1, wherein the content level of misfolded proteins or misfolded protein aggregates is determined as a qualitative measure (presence or absence) , a quantitative measure or a semi-quantitative measure.

[0078] 3. The method of any of the preceding Embodiments, wherein the combining step c) is performed by an algorithm, such as a regression algorithm (e.g., a linear regression algorithm, e.g., a two-class regression algorithm or a multiple linear regression algorithm) , to obtain a score p, and optionally, the score p being higher or lower than a predetermined threshold indicates that the pregnant woman is suffering from preeclampsia or is predicted to develop preeclampsia or is in an increased or decreased risk of having preeclampsia.

[0079] 4. The method of any of the preceding Embodiments, wherein BMI is BMIsampling, namely, the BMI of said pregnant woman at the sampling of the urine, or ΔBMI, namely, BMIsampling -BMIini (the BMI of said pregnant woman before pregnancy, or about the beginning of pregnancy, within the first month of pregnancy, or within the first month of first pregnancy) .

[0080] 5. The method of any of the preceding Embodiments, wherein the at least one maternal or fetal parameter or factor comprises blood pressures (such as mean artery pressure) and BMI.

[0081] 6. The method of any of the preceding Embodiments, wherein the at least one maternal or fetal parameter or factor comprises blood pressures (such as mean artery pressure) and maternal age.

[0082] 7. The method of any of the preceding Embodiments, wherein the at least one maternal or fetal parameter or factor comprises blood pressures (such as mean artery pressure) , BMI and Maternal age.

[0083] 8. The method of any of the preceding Embodiments, wherein said predicting comprises long-term predicting, such as predicting preeclampsia occurrence more than 4 weeks (e.g., after 6, 8, 10, 12, 14, 16, or 20 weeks) after said determining step, and optionally the determining step is at no earlier than gestational age of 17 weeks, such as at the gestational age of 10-16 weeks, e.g. 11, 12, 13, 14, 15, or 16 weeks.

[0084] 9. The method of any of the preceding Embodiments, wherein the at least one maternal or fetal parameter or factor comprises BMI and gestational age.

[0085] 10. The method of Embodiment 9, wherein the at least one maternal or fetal parameter or factor comprises ΔBMI / gestational age (GA) , optionally GA is calculated in week number.

[0086] 11. The method of any of Embodiments 9-10, wherein the at least one maternal or fetal parameter or factor comprises ΔBMI / GA and maternal age, or comprises ΔBMI / GA and blood pressures (such as mean artery pressure) , or comprises ΔBMI / GA, maternal age and blood pressures (such as mean artery pressure) .

[0087] 12. The method of any of Embodiments 9-11, wherein said predicting comprises short-term predicting, such as predicting pre-eclampsia occurrence within 4 weeks (e.g., within 1, 2, 3, or 4 weeks) after said determining step, and optionally the urine is determined later than gestational age of 20 weeks, such as at the gestational age of 20-37 weeks, e.g., 22, 24, 26, 28, 30, 32, 34 or 36 weeks.

[0088] 13. The method of any of the preceding Embodiments, wherein the pregnant woman is a woman with suspected pre-eclampsia or in a high risk of having pre-eclampsia.

[0089] 14. A method for treating or preventing or managing pre-eclampsia in a pregnant woman, comprising:

[0090] a) obtaining at least one maternal or fetal parameter or factor selected from a group comprising: Blood pressures (such as mean artery pressure) , BMI, gestational age, maternal age, and any combination thereof,

[0091] b) determining if the urine of said pregnant woman contains misfolded proteins or misfolded protein aggregates,

[0092] c) combining the at least one maternal or fetal parameter or factor obtained in step a) and the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman, by an algorithm, such as a regression algorithm (e.g., a linear regression algorithm, e.g., a two-class regression algorithm or a multiple linear regression algorithm) , to obtain a score p,

[0093] wherein the score p being higher or lower than a predetermined threshold indicates that the pregnant woman is suffering from pre-eclampsia or is predicted to develop pre-eclampsia or is in an increased or decreased risk of having preeclampsia; and

[0094] d) if the pregnant woman is diagnosed with preeclampsia or is predicted to develop preeclampsia or is in an increased risk of having preeclampsia, administering medication to the pregnant woman and / or managing the condition of the pregnant woman to prolong pregnancy.

[0095] 15. The method of Embodiment 14, wherein administering medication comprises administering aspirin, and / or managing the condition of the pregnant woman comprises losing weight, controlling blood pressure and / or blood sugar, and / or maintaining a regular exercise routine.

[0096] 16. The method of Embodiment 14 or 15, wherein the content level of misfolded proteins or misfolded protein aggregates is determined as a qualitative measure (presence or absence) , a quantitative measure or a semi-quantitative measure.

[0097] 17. A method for diagnosing or predicting pre-eclampsia in a pregnant woman or determining if a pregnant woman has a risk of pre-eclampsia, comprising:

[0098] a) obtaining the ratio of ΔBMI / GA of the pregnant woman,

[0099] b) if the ratio is higher or lower than a predetermined threshold, the pregnant woman is diagnosed with pre-eclampsia or is predicted to develop pre-eclampsia or is in an increased or decreased risk of having pre-eclampsia.

[0100] 18. The method of Embodiment 17, wherein the ratio of ΔBMI / GA alone is used to diagnose or predict pre-eclampsia in a pregnant woman or determine if a pregnant woman has a risk of pre-eclampsia.

[0101] 19. A computer-implemented method for diagnosing or predicting pre-eclampsia in a pregnant woman or determining if a pregnant woman has a risk of pre-eclampsia, comprising:

[0102] a) obtaining at least one maternal or fetal parameter or factor selected from a group comprising: blood pressures (such as mean artery pressure) , BMI, gestational age, maternal age, and any combination thereof,

[0103] b) obtaining the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman, and

[0104] c) combining the at least one maternal or fetal parameter or factor obtained in step a) and the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman to diagnose or predict preeclampsia or determine the risk of preeclampsia.

[0105] 20. The method of Embodiment 19, wherein the content level of misfolded proteins or misfolded protein aggregates is determined in a qualitative way (presence or absence) , a quantitative way or a semi-quantitative way.

[0106] 21. The method of any of Embodiments 19-20, wherein the step of combining is performed by an algorithm, such as a regression algorithm (e.g., a linear regression algorithm, e.g., a multiple linear regression algorithm) , to obtain a score p, wherein the score p being higher or lower than a predetermined threshold indicates that the pregnant woman is suffering from preeclampsia or is predicted to develop pre-eclampsia or is in an increased or decreased risk of having pre-eclampsia.

[0107] 22. A data processing apparatus, device or system, comprising means for carrying out the steps of the method of any of Embodiments 1-21 or comprising a processor adapted to or configured to perform the steps of the method of any of Embodiments 1-21.

[0108] 23. A computer program product or a computer-readable medium, comprising instructions which, when executed by a computer, cause the computer to carry out the steps of the method of any of Embodiments 1-21.

[0109] EXAMPLE

[0110] Examples

[0111] The following examples are included to demonstrate preferred embodiments of the invention. It should be appreciated by those of skill in the art that the techniques disclosed in the examples which follow represent techniques discovered by the inventor to function well in the practice of the invention, and thus can be considered to constitute preferred modes for its practice. However, those of skill in the art should, in light of the present disclosure, appreciate that many changes can be made in the specific embodiments which are disclosed and still obtain a like or similar result without departing from the spirit and scope of the invention.

[0112] Unless defined otherwise, all technical and scientific terms used herein have the same meanings as commonly understood by one of skill in the art to which the disclosed invention belongs. Publications cited herein and the materials for which they are cited are specifically incorporated by reference.

[0113] Those skilled in the art will recognize, or be able to ascertain using no more than routine experimentation, many equivalents to the specific embodiments of the invention described herein. Such equivalents are intended to be encompassed by the claims.

[0114] Example 1

[0115] 1. Experimental design

[0116] The inventors collect 5 ml urine from hundreds of consecutive pregnant patients with high risks of PE at each visit since first trimester.

[0117] Inclusion criteria:

[0118] · ≥18 years

[0119] · ≥10 weeks’ gestation

[0120] · Singleton pregnancy

[0121] · First assessment highlighting risk of preeclampsia

[0122] Exclusion criteria:

[0123] · Unable to give informed consent

[0124] · Multiple pregnancy

[0125] · Pre-existing uncontrolled hypertension

[0126] Information on maternal demographics, GA, medical and social history will be collected at enrollment. Maternal and neonatal outcome data and related laboratory testing results will be abstracted after delivery. All pregnant patients will be divided into non-PE / MIPE or PE / MIPE.

[0127] 2. Misfolded protein in urine testing by CercaTest RedTM

[0128] Urine samples will be tested according to IFU of CercaTest RedTM, and test the cuvette above using a spectrometer and get the readings. Calculate the results according to the formula: Abs520nm –Abs600nm. Urine samples can be stored at least one aliquot of 2 ml urine for each sample collected in the -80℃ freezer for subsequent quantitative measurements.

[0129] 3. Analysis plan

[0130] 1. ROC plots were used to determine optimal cut-offs to predict PE / MIPE in our study population.

[0131] 2. Test accuracy, sensitivity, specificity, positive and negative predictive values are calculated.

[0132] 3. CercaTest RedTM testing result are combined with other clinical characteristics or laboratory results to differentiate non-PE / MIPE or PE / MIPE as followings but not limited to the combinations:

[0133] A: Quantitative maternal and fetal characteristics group 1

[0134] Blood pressures (mean artery pressure)

[0135] BMI

[0136] Maternal abdominal circumference

[0137] Gestational age

[0138] B: Quantitative maternal and fetal characteristics group 2

[0139] Uterine artery pulsatility index

[0140] Maternal age

[0141] Fetal crown-rump length

[0142] C: Quantitative laboratory parameters group 1

[0143] Creatinine

[0144] Urinary protein

[0145] Plasma / urinary PlGF

[0146] Plasma sFlt

[0147] Plasma PAPPA-A

[0148] D: Quantitative laboratory parameters group 2

[0149] Platelet count

[0150] GGT (Gamma glutamyl transferase)

[0151] Fasting plasma glucose

[0152] Alanine aminotransferase

[0153] E: Qualitative maternal and fetal characterisation

[0154] Preeclampsia in previous pregnancy

[0155] Mother of the patient had preeclampsia

[0156] Chronic hypertension

[0157] Family history of hypertension

[0158] Autoimmune diseases

[0159] Thyroid diseases

[0160] Diabetes

[0161] Pre-gestational diabetes

[0162] Proteinuria

[0163] Renal diseases

[0164] Mental disorder

[0165] Uterine malformations

[0166] Multifetal gestations

[0167] Nulliparity

[0168] Assisted reproductive technique

[0169] F: any combination of the factors mentioned above

[0170] Example 2 –Short term prediction by combining one or more of ΔBMI  / GA, Maternal age and mean artery pressure (MAP) with misfolded protein

[0171] This Example was carried out in accordance with the experimental design of Example 1 and the data was analyzed in according with the Analysis Plan of Example 1.

[0172] Misfolded protein in urine samples was tested qualitatively according to IFU of Pre-Eclampsia Detection Kit (CercaTest REDTM, Shuwen, China) ( “CercaTest” ) . In data analysis, “1” was assigned to the test result “positive” and “0” was assigned to the test result “negative” .

[0173] Cohort composition:

[0174] Retrospective recruited from database;

[0175] 59 preeclampsia (PE) patients, 25 PIH patients, and 89 normal pregnancies.

[0176] Enrollment was conducted retrospectively from a bio-bank, and urine samples were obtained from pregnant woman during their early trimester (<20 weeks) , second trimester (20-28 weeks) , and the late trimester (≥28 weeks) of pregnancy. The process of sample collection was rigorous, and all samples were stored under optimal conditions at -80℃.

[0177] A crucial criterion for inclusion was that each participant had at least one urine sample collected after the 20th week of gestation. Other inclusion criteria included women aged over 18 years, singleton pregnancies, and urine sample volumes of at least 3 mL with satisfactory quality control. Exclusion criteria comprised visually observable hematuria and incomplete clinical information for the participants, as it could hinder the accurate assessment of potential confounders and the interpretation of study results. Ultimately, 66 pregnant women with preeclampsia and 114 non-preeclampsia pregnant women were included in this study, the non-preeclampsia group including 23 pregnant-induced hypertension (PIH) patients.

[0178] Results:

[0179] Prediction performance of combining CercaTest value with age and ΔBMI / GA by a conjunctive model is shown in Fig. 1, in which logit (p) = 7.556 –3.680*CercaTest -0.176*Age –21.967*ΔBMI / GA.

[0180] Prediction performance of combining CercaTest value with MAP, age and ΔBMI / GA by a conjunctive model is shown in Fig. 2, in which logit (p) = -16.077 –4.805*CercaTest -0.588*Age –76.985*ΔBMI / GA + 0.409*MAP.

[0181] Example 3 –Long term prediction by combining one or more of BMI, maternal age and mean artery pressure (MAP) with misfolded protein

[0182] This Example was carried out in accordance with the experimental design of Example 1 and the data was analyzed in according with the Analysis Plan of Example 1.

[0183] Misfolded protein in urine samples was tested semi-quantitatively according to IFU of Preeclampsia Detection Kit (Dot Diffusion Method) (Shuwen Biotech Co., Ltd., China) (namely, “CapCord” method) . In data analysis, integer of 1-8 (TestValue) were respectively assigned to the result of misfolded protein test according to the diffusion pattern as shown in Figure 3.

[0184] Cohort composition:

[0185] Retrospective recruited from database;

[0186] 13 preeclampsia (PE) patients, and 600 normal pregnancies.

[0187] Results:

[0188] Prediction performance of combining the TestValue with maternal age, BMI and MAP by a regression model is shown in Fig. 4, in which logit (p) = -19.048 +0.850*Test value + 0.059*Age + 0.039*BMI + 0.110*MAP.

[0189] Example 4 –Prediction of Pre-Eclampsia (PE) by combining misfolded protein with additional indices

[0190] Study Design

[0191] This is a prospective noninterventional clinical trial planned in accordance with the principles of evidence-based medicine using the PICO (patient, problem, or population; investigated condition; comparison; and outcome) criteria.

[0192] Recruitment:

[0193] Potential participants were identified by the research team from the antenatal clinic at Women’s Hospital, School of Medicine, Zhejiang University. Eligible women meet all inclusion criteria without violating any of the exclusion criteria (Textbox 1) and were provided with the participant information and consent form to sign. All participants were followed up until 42 days postpartum.

[0194] Textbox 1. Inclusion and exclusion criteria for determining trial eligibility.

[0195] Study Groups: Classification of Cases and Controls

[0196] Standard diagnostic criteria for PE are new onset of hypertension (systolic blood pressure≥140 mmHg or diastolic blood pressure≥90 mmHg measured on two occasions at least 4 hours apart) and new-onset proteinuria (≥300 mg / day or protein / creatinine ratio ≥0.3 mg / dL) after 20 weeks of gestation. Diagnostic criteria in the absence of proteinuria include any of the following: (1) thrombocytopenia (platelets count<100×109 / L) ; (2) liver function impairment (elevated blood concentrations of liver transaminases to twice the normal concentration) ; (3) renal insufficiency (serum creatinine>1.1 mg / dL or a doubling of the serum creatinine concentration in the absence of other renal disease) ; (4) pulmonary edema; and (5) central nervous system abnormalities or visual disturbances.

[0197] Cases are defined as patients who develop PE at any time between the first visit to 6 weeks (42 days) postpartum.

[0198] Controls are patients who do not develop PE throughout the pregnancy and up to 6 weeks (42 days) postpartum.

[0199] Outcome Measures

[0200] The primary outcome is the onset of PE after study inclusion. The secondary outcomes are the following maternal and fetal adverse outcomes: maternal death, pulmonary edema, acute renal failure, cerebral hemorrhage, cerebral thrombus, disseminated intravascular coagulation, eclampsia, HELLP syndrome, rupture of placenta, placental abruption, perinatal death, stillbirth, intrauterine growth restriction, small for gestational age, respiratory distress, necrotizing enteritis, intraventricular hemorrhage or subdural and cerebral hemorrhage, neonatal hypoxic encephalopathy, or periventricular leukomalacia. In addition, the date and mode of delivery, fetal weight, and Apgar score are important outcome measures.

[0201] Data Collection

[0202] Participant data for this study were collected and input into an electronic case report form (eCRF) . The study includes 6 visits plus a postpartum documentation. The first visit starts at enrollment, followed by 4 visits once a week when participants come for their routine prenatal examinations. There is one visit at delivery as well as one postpartum documentation. On occurrence of pregnancy complications, further visits are possible. The time interval between two consecutive visits could be 7±2 days.

[0203] Urine Sampling and Storage

[0204] All enrolled participants were provided with a sterile cup to collect no less than 5 milliliters of midstream urine at each visit. The sampled urine tubes were frozen and stored at –20 ℃ no later than 4 hours after collection. Samples were shipped frozen to a local laboratory for further analysis.

[0205] Laboratory Detection

[0206] Urine samples were thawed at room temperature and centrifuged at 3000 rpm for 10 minutes. The supernatant were used for detection.

[0207] Urine misfolded proteins were detected by Pre-Eclampsia Detection Kit (CercaTest REDTM, Shuwen, China) since misfolded proteins can selectively bind to the Congo Red dye. When a mixture of the Congo Red and urine from a pregnant woman is loaded onto a chromatographic column mounted in a detection cuvette, the presence (positive) or absence (negative) of misfolded proteins can be determined based on the color of the eluent in the cuvette. The eluent was also be applied for quantitative measurement using the HACH DR1900 instrument by detecting the absorbance at a wavelength of 520-600 nanometers.

[0208] PlGF and sFLT-1 levels were detected by the Elecsys PlGF and Elecsys sFlt-1 detection kits (Roche, Germany) , respectively. The total urine protein / creatinine ratio were detected by the Total Protein in Urine / CSF (UTP) Kit and Creatinine Kit (Mindray, China) , all according to the manufacturers’ instructions.

[0209] Selection of Predictor Variables

[0210] According to the objective of this study, the misfolded protein level in urine was considered as a predictor candidate for PE onset or adverse outcomes. Other preset variables include: (1) demographic factors; (2) urine biomarkers; (3) medication; and (4) routine clinical variables or laboratory tests in daily practice (Textbox 2) . The determination of valid variables was based on the statistical analysis results with a significance level of P<0.05.

[0211] Textbox 2. Preset variable candidates for model development.

[0212] Statistical Analysis

[0213] All variables were compared between case and control groups. Either parametric or nonparametric tests were applied for continuous variables and χ2 tests were used for categorical variables. Receiver operating characteristic analysis were used when applicable. Univariable or multivariable logistic regression were applied to develop the prediction models. All P values were two-tailed. The statistical analysis were run on SPSS version 27 (IBM) statistical software.

[0214] Results

[0215] A total of 365 pregnant women (80 preeclampsia (PE) patients, 76 PIH patients, 25 chronic hypertension patients, and 184 normal pregnancies) with clinical suspicion of PE were enrolled in the trial, who were continuously followed up and monitored for their PE status until 42 days postpartum. Statistical analysis is scheduled to start after all participants reach the follow-up endpoint and complete clinical data are collected.

[0216] This study was designed to develop and evaluate prediction models aimed at assessing the imminent risk of preeclampsia (PE) in clinical patients suspected of having the condition. Among the collected clinical information, seven indices were found to have significant predictive accuracy for PE onset in combination with misfolded protein indicator. The seven additional indices include: mean arterial pressure (MAP) , history of PE (PEhis) , antihypertensive medication (Antihyper) , difference in body mass index (BMI) between the time of testing and pre-pregnancy (ΔBMI) , ΔBMI normalized by gestational age (ΔBMI / GA) , Urine Total Protein (UTP) , and the ratio of total urine protein to creatinine (UTP / cre) . The primary objective of these models was to augment the predictive accuracy for PE onset within one week.

[0217] Table 1 delineates each model, specifying the combination of indices utilized, and presents the Area Under the Curve (AUC) values and p-value derived from Receiver Operating Characteristic (ROC) curve analyses. Significance levels were determined based on Z-tests comparing each model's AUC with the AUC of a baseline model that solely relied on the misfolded protein at the value of 0.770. A p-value < 0.05 indicated a significant difference in AUC, suggesting that the additional indices contributed meaningfully to the model's predictive power. The ROC curve computation involves assigning numerical values as follows: the misfolded protein positivity is designated as 1 and negativity as 0; MAP is calculated using the formula diastolic blood pressure + (systolic blood pressure -diastolic blood pressure)  / 3, with the resulting value being used; a history of PE is coded as 1 if present and 0 if absent; having received antihypertensive medication is coded as 1 otherwise it is designated as 0; BMI is calculated by dividing an individual's weight in kilograms (kg) by the square of their height in meters (m) . ΔBMI, ΔBMI / GA, UTP and UTP / cre are all assigned their measured values.

[0218] Among these models as evaluated, the integration of the misfolded protein with MAP, PE history, antihypertensive medication, ΔBMI / GA, and UTP / cre yielded an AUC of 0.95 (Model 1) , indicating a robust predictive capacity. Models that combined the misfolded protein, MAP, PE history, and antihypertensive medication with either ΔBMI / GA (Model 6) or ΔBMI (Model 9) maintained high AUC values of 0.937, suggesting that the exclusion of UTP or UTP / cre still provided significant predictive capability. Additionally, Model 17, which excluded any form of UTP and BMI, achieved an AUC value of 0.932, albeit slightly lower than those incorporating more indices, but provided a simpler model with valuable predictive strength. Furthermore, variations in index combinations resulted in distinct AUC values, as illustrated in Figure 5, which shows the area differences under the ROC curve for 47 models and the single misfolded protein indicator.

[0219] Table 2 presents the predictive performance of the misfolded protein, with a Positive Predictive Accuracy (PPA) of 60.0%and a Negative Predictive Accuracy (NPA) of 94.1%. The Positive Predictive Value (PPV) and Negative Predictive Value (NPV) were 66.7%and 92.3%, respectively. These values suggested that while the single indicator had a high ability to correctly predict the onset and absence of preeclampsia, its sensitivity was moderate. In comparison, Model 1 exhibited superior predictive performance, with a PPA of 85.0%, an NPA of 91.8%, a PPV of 67.1%, and an NPV of 96.9%. Model 6 and Model 17 showed comparable predictive performance, with PPA values of 80.0%and slight variations in NPA, PPV, and NPV. Notably, all models demonstrated a substantial increase in sensitivity, which is crucial for identifying cases of preeclampsia that may be missed by the misfolded protein alone.

[0220] In conclusion, the incorporation of variables into the prediction models, as exemplified by Model 1, Model 6, and Model 17, significantly enhanced the sensitivity and overall accuracy of preeclampsia prediction compared to using a single misfolded protein indicator. This study underscores the importance of integrating multiple indices to develop robust prediction models for preeclampsia onset within one week, highlighting their potential clinical utility in enhancing early detection and intervention strategies for preeclampsia, thereby improving maternal and fetal outcomes.

[0221] Table 1: AUC Values and Significance Levels of Prediction Models for Preeclampsia Based on Misfolded Protein and Additional Indices

[0222] Table 2: Prediction performance of Misfolded protein for preeclampsia onset within 1 week

[0223] Kappa = 0.564 P<0.001.

[0224] Table 3: Prediction performance of Model 1 for preeclampsia onset within 1 week

[0225] Kappa = 0.694 P<0.001.

[0226] Prediction performance of the model is shown in Fig. 5, in which logit (P) =2.733*CercaTest+0.102*MAP+1.629*antiHyper+3.743*PEhis+6.256*ΔBMI / GA+0.050*UTP / cre-14.816 at a cutoff of -1.280384. A logit (P) value higher than the cutoff value indicates a high risk of PE onset within one week, and a logit (P) value lower than the cutoff value indicates a low risk of PE onset within one week.

[0227] Table 4: Prediction performance of Model 6 for preeclampsia onset within 1 week

[0228] Kappa = 0.661 P<0.001.

[0229] Prediction performance of the model is shown in Fig. 5, in which logit (P) =3.238*CercaTest+0.127*MAP+1.450*antiHyper+4.364*PEhis+5.749*ΔBMI / GA-16.450 at a cutoff of -1.2945526. A logit (P) value higher than the cutoff value indicates a high risk of PE onset within one week, and a logit (P) value lower than the cutoff value indicates a low risk of PE onset within one week.

[0230] Table 5: Prediction performance of Model 17 for preeclampsia onset within 1 week

[0231] Kappa = 0.626, P<0.001.

[0232] Prediction performance of the model is shown in Fig. 5, in which logit (P) =3.256*CercaTest+0.129*MAP+1.361*AntiHyper+4.297 *PEhis-15.924 at cutoff of -1.333000. A logit (P) value higher than the cutoff value indicates a high risk of PE onset within one week, and a logit (P) value lower than the cutoff value indicates a low risk of PE onset within one week.

[0233] All publications and patent applications mentioned in the specification are indicative of the level of those skilled in the art to which this invention pertains. All publications and patent applications are herein incorporated by reference to the same extent as if each individual publication or patent application was specifically and individually indicated to be incorporated by reference. The mere mentioning of the publications and patent applications does not necessarily constitute an admission that they are prior art to the instant application.

[0234] Although the foregoing invention has been described in some detail by way of illustration and example for purposes of clarity of understanding, it will be apparent that certain changes and modifications may be practiced within the scope of the appended claims.

Claims

1.A method for diagnosing or predicting preeclampsia in a pregnant woman or determining if a pregnant woman has a risk of preeclampsia, comprising:a) obtaining at least one (such as two or more) maternal or fetal parameter or factor of the pregnant woman, selected from a group comprising: (i) one or more of mean artery pressure (MAP) , BMIsampling (namely, the BMI of said pregnant woman at the sampling of the urine) , ΔBMI (namely, BMIsampling -BMIini (the BMI of said pregnant woman before pregnancy, or about the beginning of pregnancy, or within the first month of first pregnancy) ) , Gestational age (GA, optionally calculated in week) and ΔBMI / GA; (ii) Maternal age (optionally calculated in year) ; (iii) one or more of Urinary protein level and the ratio of Urinary protein level (such as Urine Total Protein (UTP) )  / Urinary Creatinine level (Cre) (UTP / Cre) ; (iv) one or more of preeclampsia in previous pregnancy (PEhis) and having received antihypertensive medication (Antihyper) ; and (v) any combination of (i) - (iv) ,b) determining if the urine of said pregnant woman contains misfolded proteins or misfolded protein aggregates, andc) combining the at least one maternal or fetal parameter or factor obtained in step a) and the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman to diagnose or predict preeclampsia or determine the risk of preeclampsia.2.The method of Claim 1, wherein the content level of misfolded proteins or misfolded protein aggregates is determined as a qualitative measure (presence or absence) , a quantitative measure or a semi-quantitative measure.3.The method of Claim 1 or 2, wherein the content level of misfolded proteins or misfolded protein aggregates is determined as a qualitative measure (namely, presence or absence) , a quantitative measure or a semi-quantitative measure.4.The method of any of the preceding claims, wherein the combining step c) is performed by an algorithm, such as a regression algorithm (e.g., a linear regression algorithm, e.g., a two-class regression algorithm or a multiple linear regression algorithm) , to obtain a score p, and optionally, the score p being higher or lower than a predetermined threshold indicates that the pregnant woman is suffering from preeclampsia or is predicted to develop preeclampsia or is in an increased or decreased risk of having preeclampsia.5.The method of any of the preceding Claims, wherein the at least one maternal or fetal parameter or factor comprises (i) MAP and BMIsampling, (ii) MAP and maternal age; or (iii) MAP, BMIsampling, and maternal age.6.The method of any of the preceding claims, wherein said predicting comprises long-term predicting, such as predicting preeclampsia occurrence more than 4 weeks (e.g., after 6, 8, 10, 12, 14, 16, or 20 weeks) after said determining step, and optionally the determining step is at no earlier than gestational age of 20 weeks, such as no earlier than gestational age of 17 weeks, for example at the gestational age of 10-16 weeks, e.g. 11, 12, 13, 14, 15, or 16 weeks.7.The method of any of claims 1-4, wherein the at least one maternal or fetal parameter or factor comprises: at least one (such as two, three, four, five, six, seven or more) maternal or fetal parameter or factor of the pregnant woman, selected from a group comprising MAP, PEhis, Antihyper, ΔBMI, ΔBMI / GA, UTP, UTP / Cre, and maternal age, for example, a group comprising MAP, PEhis, Antihyper, ΔBMI, ΔBMI / GA, UTP, and UTP / Cre;optionally, wherein the at least one maternal or fetal parameter or factor comprises: (1) MAP, PEhis, Antihyper, ΔBMI / GA and UTP / Cre; (2) MAP, PEhis, Antihyper, ΔBMI and UTP / Cre; (3) MAP, PEhis, Antihyper, ΔBMI / GA and UTP; (4) MAP, PEhis, Antihyper, ΔBMI / GA and UTP; (5) MAP, PEhis, Antihyper, ΔBMI and UTP; (6) MAP, PEhis, Antihyper, and UTP / Cre; (7) MAP, PEhis, Antihyper, and ΔBMI / GA; (8) MAP, PEhis, ΔBMI / GA and UTP / Cre; (9) MAP, PEhis, Antihyper, and ΔBMI; (10) MAP, Antihyper, ΔBMI and UTP / Cre; (11) MAP, PEhis, ΔBMI and UTP / Cre; (12) MAP, PEhis, Antihyper, and UTP; (13) MAP, Antihyper, ΔBMI / GA and UTP; (14) MAP, PEhis, ΔBMI / GA and UTP; (15) MAP, Antihyper, ΔBMI and UTP; (16) MAP, PEhis, ΔBMI and UTP; (17) MAP, PEhis, and Antihyper; (18) MAP, Antihyper, and ΔBMI / GA; (19) MAP, PEhis and ΔBMI / GA; (20) MAP, Antihyper and UTP / Cre; (21) MAP, PEhis and UTP / Cre; (22) MAP, ΔBMI / GA and UTP / Cre; (23) PEhis, ΔBMI / GA and UTP / Cre; (24) MAP, Antihyper, and ΔBMI; (25) MAP, PEhis, and ΔBMI; (26) MAP, ΔBMI and UTP / Cre; (27) PEhis, ΔBMI and UTP / Cre; (28) MAP, Antihyper, and UTP; (29) MAP, PEhis, and UTP; (30) MAP, ΔBMI / GA and UTP; (31) PEhis, ΔBMI / GA and UTP; (32) MAP, ΔBMI and UTP; (33) PEhis, ΔBMI and UTP; (34) MAP and Antihyper; (35) MAP and PEhis; (36) MAP and ΔBMI / GA; (37) MAP and UTP / Cre; (38) PEhis and ΔBMI / GA; (39) PEhis and UTP / Cre; (40) ΔBMI / GA and UTP / Cre; (41) MAP and ΔBMI; (42) PEhis and ΔBMI; (43) ΔBMI and UTP / Cre; (44) MAP and UTP; (45) PEhis and UTP; (46) ΔBMI / GA and UTP; (47) ΔBMI and UTP; (48) ΔBMI / GA and maternal age; or (49) MAP, ΔBMI / GA and maternal age; (50) ΔBMI / GA.8.The method of Claim 7, wherein said predicting comprises short-term predicting, such as predicting pre-eclampsia occurrence within 4 weeks (e.g., within 1, 2, 3, or 4 weeks) after said determining step, and optionally the urine is determined later than gestational age of 20 weeks, such as at the gestational age of 20-37 weeks, e.g., 22, 24, 26, 28, 30, 32, 34 or 36 weeks.9.The method of any of the preceding Claims, wherein the pregnant woman is a woman with suspected pre-eclampsia or in a high risk of having pre-eclampsia.10.A method for treating or preventing or managing pre-eclampsia in a pregnant woman, comprising:a) obtaining the at least one (such as two or more) maternal or fetal parameter or factor of the pregnant woman as defined in any of the preceding Claims,b) determining if the urine of said pregnant woman contains misfolded proteins or misfolded protein aggregates,c) combining the at least one maternal or fetal parameter or factor obtained in step a) and the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman, by an algorithm, such as a regression algorithm (e.g., a linear regression algorithm, e.g., a two-class regression algorithm or a multiple linear regression algorithm) , to obtain a score p,wherein the score p being higher or lower than a predetermined threshold indicates that the pregnant woman is suffering from pre-eclampsia or is predicted to develop pre-eclampsia or is in an increased or decreased risk of having preeclampsia; andd) if the pregnant woman is diagnosed with preeclampsia or is predicted to develop preeclampsia or is in an increased risk of having preeclampsia, administering medication to the pregnant woman and / or managing the condition of the pregnant woman to prolong pregnancy.11.The method of Claim 10, wherein administering medication comprises administering aspirin, and / or managing the condition of the pregnant woman comprises losing weight, controlling blood pressure and / or blood sugar, and / or maintaining a regular exercise routine.12.A computer-implemented method for diagnosing or predicting pre-eclampsia in a pregnant woman or determining if a pregnant woman has a risk of pre-eclampsia, comprising:a) obtaining the at least one (such as two or more) maternal or fetal parameter or factor of the pregnant woman as defined in any of Claims 1-10,b) obtaining the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman, andc) combining the at least one maternal or fetal parameter or factor obtained in step a) and the content level of misfolded proteins or misfolded protein aggregates in the urine of said pregnant woman to diagnose or predict preeclampsia or determine the risk of preeclampsia.13.A data processing apparatus, device or system, comprising means for carrying out the steps of the method of any of Claims 1-12 or comprising a processor adapted to or configured to perform the steps of the method of any of Claims 1-12.14.A computer program product or a computer-readable medium, comprising instructions which, when executed by a computer, cause the computer to carry out the steps of the method of any of Claims 1-12.

Images