Hochwertige statistische Analysen auf Knopfdruck

Das Medizinische Labor Wahl in Lüdenscheid nutzt ein in das Labormanagementsystem integriertes Verfahren für die Ermittlung von populationsspezifischen Referenzwerten und zieht eine äußerst positive Bilanz.

Das Problem

Labormedizinische Ergebnisse werden im Rahmen der Transversalbeurteilung mit denen einer Referenzpopulation verglichen. Üblicherweise erfolgt diese Analyse in Labor­informationssystemen, in denen die Referenzwerte hinterlegt sind. Befindet sich das Ergebnis eines Patienten innerhalb der Referenzintervalle, ist es unauffällig, liegt es außerhalb, besteht der Verdacht auf eine Erkrankung. Die Wahrscheinlichkeit einer Erkrankung steigt mit dem Abstand des Ergebnisses zum Referenzwert. Die Qualität dieser Beurteilung hängt jedoch entscheidend davon ab, wie gut die Population, mit der die Referenzwerte ermittelt wurden, zum jeweiligen Patienten passt. Referenzwerte werden in der Regel von den Beipackzetteln der Tests oder aus der einschlägigen Literatur übernommen.

Das Ziel

Für Privatdozent Dr. Dr. Hans Günther Wahl im Medizinischen Labor Wahl in Lüdenscheid ist diese Situation nicht befriedigend: „Die von den Testherstellern mitgeteilten oder der Literatur entnommenen Referenzwerte können mit einer nicht vergleichbaren Population – zum Beispiel in Nordamerika – und nicht bei uns in Südwestfalen, ermittelt worden sein und dadurch nicht passen. Die untersuchte Population kann zu klein und damit statistisch unsicher sein. Auch kann eine ausreichende Berücksichtigung des Alters, insbesondere bei Neugeborenen, Kindern und alternden Menschen sowie der tageszeit- oder zyklusabhängigen Schwankungen fehlen.“ Nicht umsonst wird daher empfohlen, dass jedes Laboratorium für die von ihm behandelten Populationen Referenzwerte selbst ermittelt. Aber wie ohne große Studien?

Der Lösungsweg
Die Datenbanken der Laborinformationssysteme enthalten sehr viele Daten, die sowohl von Kranken als auch von Nicht-Kranken stammen. Mittels  eines statistischen Verfahrens („Verteilungszerlegung“) können nicht-kranke Populationen von Kranken getrennt und Referenzwerte der nicht-kranken Population geschätzt werden, wenn die Anzahl der Daten ausreichend groß ist^[1]. Möglich ist die Bildung von Subpopulationen nach allen Merkmalen, die in den Datenbanken vorhanden sind, zum Beispiel nach Geschlecht, Alter, Einsender, Untersuchungsmaterial. Für jede dieser Gruppen können dann separate Referenz­werte ermittelt werden.
Dieses Verfahren ermöglicht es Laboratorien, ihre eigenen Referenzwerte aus den Daten der von ihnen behandelten Patienten abzuschätzen. Eine „händisch“ zu bedienende Version dieses Verfahrens ist auf der Website der AG Richtwerte der DGKL (www.dgkl.de) unter dem Stichwort Reference Limit Estimator zugänglich. Dort sind auch die Ergebnisse publiziert.

Die praktische Umsetzung: Integration in Opus::L
Besonders elegant wäre es, wenn die Datensätze nicht erst aus den Labordatenbanken extrahiert und die Berechnungen in separaten Systemen mit separaten Programmen durchgeführt werden müssten, sondern wenn die Bearbeitung innerhalb des Laborinformationssystems, zu dem die Datenbank gehört, erfolgen könnte. Der Firma OSM GmbH aus Essen ist die Integration in ihr Labormanagementsystem Opus::L gelungen. Alle Berechnungen können jetzt durchgeführt werden, ohne Opus::L zu verlassen.
Zunächst wird in einer Eingabemaske die gewünschte Kenn­größe gewählt und der auszuwertende Datenpool definiert. Es wird festgelegt, welche Subpopulationen gebildet werden sollen und ob eine (unimodal, wie zum Beispiel beim C-reaktiven Protein) oder zwei Referenzgrenzen (bimodal, wie zum Beispiel bei der Alkalischen Phosphatase) zu ermitteln sind. Um nicht durch Inkonsistenzen in der Analytik zu fehlerhaften Ergebnissen zu kommen, wird in einem ersten Auswertungsschritt ausgeschlossen, dass die Kenngröße im Untersuchungszeitraum gedriftet ist. Anschließend präsentiert Opus::L die Ergebnisse, und zwar sowohl grafisch in Form einer Dichteverteilung (Abb. 1) als auch tabellarisch (Abb. 2). Der Untersucher bewertet die Ergebnisse und unterscheidet, ob, und wenn ja, wie er sie im Rahmen der medizinischen Validation einsetzen wird.