Interpretace dat v laboratorní medicíně

Prezentace na téma: "Interpretace dat v laboratorní medicíně"— Transkript prezentace:

1 Interpretace dat v laboratorní medicíně
Daniel Rajdl Interpretace laboratorního výsledku nespočívá pouze v porovnání s referenčním rozmezí („zkontrolovat hvězdičky“). Laboratorní data je nutné hodnotit v kontextu konkrétního pacienta, konkrétního laboratorního ukazatel a jeho chování za různých okolností. Nezbytnou součástí hodnocení je i základní představa o analytických vlastnostech použité analytické metody. Téma této kapitoly patří k základnímu pohledu na laboratorní výsledky a jeho pochopení je nezbytné pro správné zacházení s nimi.

2 Informační dráha výsledku
Preanalytická fáze ordinující lékař indikoval správný laboratorní ukazatel ve správný čas zdravotní sestra dobře odebrala vhodný vzorek biologického materiálu vzorek byl včas a za správných okolností (např. teplota, zabránění přístupu světla …) dopraven do laboratoře Analytická fáze vzorek byl v laboratoři správně připraven a analyzován Postanalytická fáze výsledek vyšetření se včas dostal k ordinujícímu lékaři ordinující lékař dokázal správně interpretovat výsledek a adekvátně změnit léčbu pacienta Laboratorní výsledek poskytuje informaci, která má pomoci v péči o pacienta. Požadavek na vyšetření vychází z mozku ošetřujícího lékaře a do tohoto mozku by se také měl výsledek dostat (brain2brain). Pro správný efekt laboratorního výsledku je nutné, aby: ordinující lékař indikoval správný laboratorní ukazatel ve správný čas zdravotní sestra dobře odebrala vhodný vzorek biologického materiálu vzorek byl včas a za správných okolností (např. teplota, zabránění přístupu světla …) dopraven do laboratoře vzorek byl v laboratoři správně připraven a analyzován výsledek vyšetření se včas dostal k ordinujícímu lékaři ordinující lékař dokázal správně interpretovat výsledek a adekvátně změnit léčbu pacienta V této prezentaci se budeme soustředit na postanalytickou fázi, tedy na obecné principy správné interpretace laboratorních výsledků. brain2brain

3 Referenční rozmezí DRM HRM 2,5 % 95 % = referenční rozmezí
naměřené hodnoty % 13,6% 34,1 % 13,6 % -3SD -2SD -1SD průměr 1SD 2SD 3SD 10 20 30 40 Průměr ± 2 SD = 95% parametricky 2,5. perc. – 97,5 perc. = 95% neparametricky Referenční rozmezí je jedna z pomůcek, která nám pomáhá rozhodnout o tom, kam zařadit námi změřený laboratorní výsledek. Tedy je-li „nízký“, „normální“ nebo „vysoký“. Poskytuje nám proto základní orientaci o tom, zda jsou konkrétní výsledky konkrétního pacienta „v pořádku“ nebo ne. Referenční rozmezí zahrnuje 95% výsledků „referenční populace“. Vždy 2,5% nejnižších a nejvyšších výsledků je „odříznuto“. Referenční populací rozumíme buď zdravé jedince nebo jedince, kteří nemají chorobu ovlivňující příslušný laboratorní ukazatel. Např. v referenční populaci pro určení RR sodíku v séru jistě může být člověk se zubním kazem. I s definicí „zdravého jedince“ může být problém; např. bude pravděpodobně rozdíl ve výběru referenční populace, pokud přítomnost srdečního selhání budu hodnotit pouze klinicky nebo i pomocí echokardiografie … Tedy stupeň podorobnosti vyšetření referenční populace je obvykle důležitý. Podle způsobu, jak „odřízneme“ 2,5% nejnižších a nejvyšších výsledků referenční populace, rozlišujeme parametrickou a neparametrickou metodu. Parametrická vyžaduje „normální“ rozložení dat (tedy takové, kde jsou naměřené hodnoty rovnoměrně a symetricky rozloženy okolo průměru). Takové rozložení se dá dobře popsat pomocí průměru a směrodatné odchylky. 95% výsledků je v rozmezí průměr–1,96 SD a průměr+1,96 SD. Pokud však naměřená data nemají (ani po případné transformaci např. logaritmováním) „normální“ rozložení, musíme použít neparametrickou metodu. Ta se dá použít bez ohledu na rozložení a spočívá v tom, že data seředíme podle velikosti a 2,5% nejnižších a 2,5% nejvyšších výsledků „odřízneme“. Ať již je metoda určení referenčního rozmezí jakákoliv, je vhodné si uvědomit, že 5% zdravých jedinců bude mít hodnotu daného parametru mimo RR (2,5% bude mít výsledky nižší než DRM a 2,5% vyšší než HRM). Z teorie pravděpodobnosti se také dá odvodit, že čím více parametrů budeme vyšetřovat, tím více hodnot bude mimo RR (teoreticky, pokud změříme 20 nezávislých metod bude 64% výsledků mimo RR; v praxi je toto % nižší, protože mnohé z parametrů jsou na sobě závislé). To jen zdůrazňuje nutnost indikovat pouze taková vyšetření, z jejichž interpretace bude mít pacient pravděpodobně užitek. 5% zdravých je mimo RR čím víc indikovaných metod, tím víc výsledků bude mimo RR (u 20 nezávislých metod = 64%) 1. nejmenší největší 2. 3. 98. 99. 100.

4 Rozhodovací mez, diagnostická senzitivita a specifičnost
Cut-off = rozhodovací mez (rozhodujeme o diagnóze, riziku, léčbě …) zdraví nemocní 𝒅𝒊𝒂𝒈𝒏𝒐𝒔𝒕𝒊𝒄𝒌á 𝒔𝒆𝒏𝒛𝒊𝒕𝒊𝒗𝒊𝒕𝒂 𝑠𝑝𝑟á𝑣𝑛ě 𝑝𝑜𝑧𝑖𝑡𝑖𝑣𝑛í 𝑣š𝑖𝑐ℎ𝑛𝑖 𝑛𝑒𝑚𝑜𝑐𝑛í SN SP Laboratorní výsledek často potřebujeme interpretovat ve smyslu „má/nemá pacient dané onemocnění“, „jeho onemocnění je/není dobře kompenzováno“, „má/nemá významně zvýšené riziko, že v budoucnu onemocní danou chorobou“. Abychom takové závěry mohli na základě laboratorních dat dělat, musíme mít nějakou hodnotu – rozhodovací mez (cut-off) – která nám tyto 2 populace rozdělí. Vztah mezi výsledkem testu a přítomností nemoci určuje diagnostická senzitivita a specifičnost. Diagnostická senzitivita charakterizuje schopnost testu určit nemocné jedince – jde o poměr mezi správně pozitivními (výsledek testu je pozitivní a pacient má příslušnou nemoc) a všemi nemocnými (správně pozitivní a falešně negativní). Diagnostickou senzitivitu tedy snižují falešně negativní výsledky (test vyjde negativně, ale pacient je nemocný). Diagnostická specifičnost charakterizuje schopnost testu určit zdravé jedince – jde o poměr mezi správně negativními (výsledek testu je negativní a pacient nemá příslušnou nemoc) a všemi zdravými (správně negativní a falešně pozitivní). Diagnostickou specifičnost tedy snižují falešně pozitivní výsledky (test vyjde pozitivně, ale pacient je zdravý). U většiny laboratorních parametrů se výsledky mezi „zdravou“ a „nemocnou“ populací částečně překrývají. Proto volba rozhodovací meze mění diagnostickou senzitivitu a specifičnost (se stoupající dg. senzitivitou klesá specifičnost a naopak). Na animaci si můžete vyzkoušet, jak změna cut-off ovlivňuje dg. senzitivitu a specifičnost (předpokládáme, že patologické jsou vysoké hodnoty). Zeleně jsou vyznačeni zdraví a žlutě nemocní jedinci. Posunujte myší rozhodovací mez dolů a soustřeďte se na to, jak se mění dg. senzitivita a specifičnost. Poté klikněte na tlačítko pokračovat. FN FP negativní pozitivní výsledek testu

5 Snížení cut-off Snížení cut-off hodnoty
zvýšení diagnostické senzitivity (↑ SP) snížení diagnostické specifičnosti (↑ FP) Vysoká Nízká prevalence o 28 SP více o 4 FP více o 9 SP více o 23 FP více Pravděpodobně jste zjistili, že snížení rozhodovací meze vede ke: zvýšení diagnostické senzitivity (↑ SP) snížení diagnostické specifičnosti (↑ FP) Podíváme-li se na tento jev podrobněji, zjistíme, že poměr mezi zvýšením dg. senzitivity a snížením dg. specifičnosti je významně závislý na výskytu onemocnění v populaci. Rozhodujeme-li u častého onemocnění (s vysokou prevalencí), snížení cut-off povede k žádoucímu zvýšení dg. senzitivity a celkem zanedbatelnému snížení specifičnosti. Ale u málo časté choroby dojde k zanedbatelnému zvýšení senzitivity a nepřijatelnému snížení specifičnosti. Proto i výskyt onemocnění ve zkoumané populaci musíme vzít v úvahu při rozhodování o cut-off mezi. senzitivita specifičnost senzitivita specifičnost

6 Způsoby určení cut-off, ROC
konsenzus (např. odborné doporučení na základě „optimální“ diagnostické senzitivity + specifičnosti a finančních možností, podle toho, co bude následovat po „pozitivním výsledku“) ROC (receiver operating characteristics) křivka % správně pozitivních (senzitivita) Na rozdíl od jasně definovaného referenčního rozmezí (95% hodnot u zdravých) je způsob určení rozhodovací meze méně průzračný. Obvykle je úvaha vedoucí ke stanovení rozhodovací meze průnikem mnoha (často protichůdných) faktorů. Např. z epidemiologických a intervenčních studií je zřejmé, že čím je hladina celkového cholesterolu nižší (až k hodnotám kolem 2 mmol/l), tím má pacient nižší riziko srdečněcévních onemocnění. Nicméně odborné společnosti doporučují rozhodovací mez u celkového cholesterolu pro primární prevenci u lidí s nízkým rizikem CVD 5 mmol/l. Proč nejít s rozhodovací mezí níže (až ke 2 mmol/l)? Protože by se tak významně zvýšilo procento lidí s „vysokým“ cholesterolem, kteří by museli být léčeni. Jejich léčba by přinesla významně vyšší náklady na zdravotní péči, vyšší výskyt nežádoucích účinků podávaných léků a to by nevyvážilo přínos pro pacienta. Dalším důležitým faktorem určení rozhodovací meze je účel, pro který je optimalizována. Proto může být rozhodovací mez jiná např. pro primární nebo sekundární prevenci, u populačního screeningu nebo u pečlivě vybraných skupin pacientů. Na předchozím snímku jsme zmínili také výskyt nemoci ve zkoumané populaci jako důležitý faktor při určení cut-off. Je zřejmé, že do rozhodnutí jsou zakomponovány (kromě zdravotně-odborných kritérií) i politicko-ekonomické úvahy. Jedním z matematických postupů, jak určit rozhodovací mez je ROC analýza. Ta popisuje vztah mezi diagnostickou citlivostí a specifičností při různých rozhodovacích mezích. Na ose x je procento falešně pozitivních výsledků (které snižují dg. specifičnost metody) a na ose y je procento správně pozitivních výsledků (vyjádření dg. senzitivity metody). Optimální cut-off (nejlepší poměr mezi dg. senzitivitou a specifičností) je v levé horní části grafu (max. vyklenutí křivky). Již bylo zmíněno, že dle účelu použití můžeme preferovat vyšší senzitivitu nad specifičnosti a naopak. % falešně pozitvních (100 – specifičnost)

7 Screening Populační (dyslipidémie, Ca kolon, novorozenci) Selektivní (celiakie, hypotyreóza, v těhotenství) choroba musí být: častá závažná léčitelná screeningová metoda rozumně drahá a efektivní (porovnat výsledky při provádění screeningu a bez něj  musí pomoci pacientovi) obvykle po testu s vysokou dg. senzitivitou následuje (dražší) specifičtější test Výběr populace selektivní populační 1. test (důraz na dg. senzitivitu) U častých závažných a léčitelných onemocnění můžeme provádět jejich systematické vyhledávání - screening. Obecně je nejprve potřeba vybrat vhodnou populaci pro screening. Je-li choroba rozšířena v celé populaci (u všech), jedná se o populační screening. Je-li její výskyt omezený (charakteristický) jen pro určitou skupinu lidí, provádíme selektivní screening. Často ve screeningu kombinujeme 2 testy: první, kde klademe důraz na vyhledání všech nemocných (vysoká dg. senzitivita); a druhý, kde se z populace pozitivních výsledků 1. testu snažíme oddělit všechny zdravé (vysoká dg. specifičnost). Příkladem může být použití testu na okultní krvácení v první linii diagnostiky kolorektálního karcinomu a koloskopické vyšetření, které následuje při pozitivním výsledku okultního krvácení. Příklady populačních screeningů v ČR může být screening dyslipidemií [měří se celkový cholesterol], již zmíněného kolorektálního karcinomu nebo detekce vrozených poruch u novorozenců. Selektivní screening najdeme u celikaie [rizikovými skupinami jsou autoimunity: DM I, hypotyreóza nebo pacienti s depresemi; měříme anti-TG] či při screeningu VVV v těhotenství. Již jsme zmínili, že onemocnění vhodné pro screening musí být časté, závažné a léčitelné. Použitá metoda rovněž musí být rozumně drahá (vždy relativní). Nezbytné je provést pečlivou úvahu, zda v případě provádění screeningu skutečně dojde k prospěchu pacienta (sníží se úmrtnost, zlepší kvalita života …). pozitivní negativní 2. test (důraz na dg. specifičnost)

8 Biologické variability
intraindividuální variabilita: rozptyl hodnot u jednoho člověka např. vlivem denní nebo roční doby, příjmu potravy, změny polohy těla … interindividuální variabilita: rozptyl hodnot mezi jednotlivci intra inter Pro správnou interpretaci laboratorních výsledků je nezbytné pracovat s biologickými variabilitami. Rozlišujeme intraindividuální variabilitu a interindividuální variabilitu. Obojí vyjadřuje variabilitu (rozptyl) naměřených hodnot a můžeme je vyjádřit jako variační koeficient (tedy jako směrodatnou odchylku v procentech průměru). V případě intraindividuální variability jde o rozptyl hodnot u jednoho člověka (např. vlivem denní nebo roční doby, příjmu potravy, změny polohy těla …), v případě interindividuální variability jde o rozptyl hodnot mezi jednotlivci (např. vlivem různé svalové hmoty, genetických vlivů …). Biologické variability určují také požadavky na analytické vlastnosti metody (např. analytická metoda s malou biologickou variabiliou musí být relativně preciznější než metoda s velkou biologickou variabilitou). Podrobnosti k této problematice najdete v prezentaci „Analytické vlastnosti metody“.

9 Kdy není vhodné použití referenčního rozmezí?
Není vhodné, pokud lepší je sledovat vývoj v čase Např. kreatinin nádorové markery postupný vzestup markeru po operaci může znamenat recidivu onemocnění (i přesto, že absolutní hodnoty markeru jsou stále v referenčním rozmezí) intra << inter 1. měření 2. měření 60 100 µmol/l Hodnocení laboratorních výsledků pomocí RR („hvězdiček“) na výsledkovém listu selhává zejména tehdy, je-li intraindividuální variabilita ukazatele významně nižší než jeho variabilita interindividuální. V takovém případě je vhodné spíše sledovat vývoj v čase než porovnávat s RR. Příkladem může být hladina sérového kreatininu. Kromě glomerulární filtrace je jeho hladina určena produkcí ve svalech = tedy objemem svalové hmoty. Jeden člověk má relativně konstantní svalovou hmotu, proto produkce kreatininu je u daného jedince rel. stálá (malá intraind. variabilita). Různí lidé však mají různou svalovou hmotu (atlet vs. „vychrtlá modelka“). Proto je referenční rozmezí ( µmol/l) relativně široké. Když se hodnoty u „vychrtlé modelky“ změní z 60 na 90 µmol/l, stále je v RR, ale je pravděpodobné, že došlo k významnému vzestupu, který je známkou poškození ledvinných funkcí (poklesu GF). Dalším příkladem může být vyšetření nádorových markerů při odhalení recidivy onemocnění. Pokud zaznamenáme postupný vzestup markeru, může to být časnou známkou recidivy, i když absolutní hodnoty jsou stále v referenčním rozmezí.

10 Porovnání 2 výsledků (kritická diference)
variabilita výsledků u 1 jedince je dána: intraindividuální biologickou variabilitou analytickou precizností příslušné metody vyjádřením variability výsledku může být kritická diference (matematické vyjádření toho, že se 2 po sobě jdoucí výsledky metody u téhož jedince statisticky významně liší) intra Častým úkolem při hodnocení laboratorních výsledků je porovnat, zda u 2 po sobě jdoucích výsledků u téhož pacienta došlo k významné změně nebo zda se jedná jen oscilaci v rámci „běžné“ variability. Variabilita výsledků u 1 jedince je dána intraindividuální variabilitou a precizností metody. Obvykle tyto faktory hodnotíme intuitivně a empiricky. Pomocníkem nám však může být takzvaná „kritická diference“ (CD, jindy nazývaná „least significant change“ [LSC] nebo „reference change“ [RC]), která vyjadřuje nejmenší statisticky významnou změnu, která musí u měřeného parametru nastat, aby byla změna významná (aby nebyla dílem „běžné variability“, náhody). Výpočet tedy logicky obsahuje intraindividuální biologickou variabilitu a analytickou preciznost. Faktor 2,8 upravuje výsledek do formy 95% pravděpodobnosti (2 výsledky se s 95% pravděpodobností budou lišit, přeshuje-li jejich rozdíl kritickou diferenci). liší se? 1. náběr 2. náběr

11 Kritické diference - příklady
precizní metoda s malou intraindividuální variabilitou (př. ionty v séru) méně precizní metoda s velkou intraindividuální variabilitou (př. železo v séru) Sodík v séru CD = 2% => 140 ± 2,8 => 137,2 – 142,8 mmol/l 1. měření 2. měření 140 143 mmol/l liší se? ANO Železo v séru CD = 73% => 20 ± 14,6 => 5,4 – 34,6 µmol/l Pojďme si tento statisticko-teoretický úvod demonstrovat na příkladech. Prvním příkladem je precizní metoda s malou intraindividuální variabilitou, např. S-Na. U něj je CD 2%. Klinická otázka může znít: u jednoho pacienta jsme naměřili nejdříve 140 mmol/l a další den 143 mmol/l. 2% ze 140 jsou 2,8 mmol/l; 142,8 mmol/l je menší než naměřených 143 mmol/l. Závěr je tedy, že obě hodnoty se statisticky významně liší. Druhým příkladem je méně precizní metoda s velkou intraindividuální variabilitou, např. S-Fe. U něj je CD 73%. Klinická otázka může znít: u jednoho pacienta jsme naměřili nejdříve 20 µmol/l a další den 30 µmol/l. 73% ze 20 je 14,6 µmol/l; 44,6 µmol/l je větší než naměřených 30 µmol/l. Závěr je tedy, že obě hodnoty se statisticky významně neliší. Je třeba zdůraznit, že kritická diference nám určuje statistickou významnost, nikoli klinickou (např. že je třeba zahájit nějakou léčbu …). Výpočet CD je také značně závislý na intraindividuální biologické variabilitě. Proto je způsob jejího získání zásadní (je-li tato variability odvozena od nemocných nebo zdravých jedinců, kdy byla vzorky odebírány [např. ráno nalačno v různé dny vs. více náběrů během celého dne] …). Kritické diference nám tedy v interpretaci změn mohou pomoci jen orientačně, nelze je používat nekriticky. 1. měření 2. měření 20 30 µmol/l liší se? NE

12 Kritické diference u častých metod
anaylt CV intra (%) CV inter (%) CV anal (%) CD (%) S- Na+ 0,70 1,00 0,40 2 Ca (celk.) 1,90 2,80 5 Albumin 3,10 4,20 1,60 9 B- pH [H+] 3,50 2,00 1,80 10 Kreatinin 4,30 12,90 2,20 12 Draslík 4,80 5,60 2,40 13 Glukóza 5,70 6,90 2,90 16 Cholesterol 6,00 14,90 3,00 17 ALP 6,40 24,80 3,20 18 α-Amyláza 8,70 28,30 4,40 24 AST 11,90 17,90 33 Urea 12,30 18,30 6,20 34 Myoglobin 13,90 29,60 7,00 39 Kreatinkináza 22,80 40,00 11,40 63 Bilirubin celk. 25,60 30,50 12,80 71 Železo 26,50 23,20 13,30 73 Laktát 27,20 16,70 13,60 75 V této tabulce jsou shrnuty intra- a interindividuální variability, analytické nepreciznosti a vypočítané kritické diference u několika častějších metod. Metody jsou seřazeny vzestupně dle intraindividuální variability. Všimněte se, že nízké biologické variability jdou ruku v ruce s nízkými nepreciznostmi (vysokými preciznostmi). To vyplývá z požadavků na použitelnost metody. Podrobnosti k této problematice najdete v prezentaci „Analytické vlastnosti metody“. Pro pokračování klikněte na tlačítko „Pokračovat“. Pokračovat

13 Souhrn referenční rozmezí zahrnuje 95% hodnot zdravé populace
rozhodovací mez (cut-off) je hodnota, která rozděluje výsledky na 2 populace (zdraví/nemocní; bez rizika/s rizikem …) vztah mezi výsledkem testu a přítomností nemoci určuje diagnostická senzitivita a specifičnost porovnáváme-li 2 po sobě (v čase) jdoucí hodnoty vyšetření u téhož pacienta, musíme vzít v úvahu: intraindividuální variabilitu analytu analytickou preciznost metody Shrneme-li si základní poznatky z této kapitoly, pak bychom si měli zapamatovat, že: referenční rozmezí zahrnuje 95% hodnot zdravé populace rozhodovací mez (cut-off) je hodnota, která rozděluje výsledky na 2 populace (zdraví/nemocní; bez rizika/s rizikem …) vztah mezi výsledkem testu a přítomností nemoci určuje diagnostická senzitivita (populace nemocných) a specifičnost (populace zdravých) porovnáváme-li 2 po sobě (v čase) jdoucí hodnoty vyšetření u téhož pacienta, musíme vzít v úvahu: intraindividuální variabilitu analytu analytickou preciznost metody

14 Index individuality 𝐼𝐼= 𝐶𝑉𝑖𝑛𝑡𝑟𝑎 𝐶𝑉𝑖𝑛𝑡𝑒𝑟