FASE POST-ANALITICA. Valori di riferimento e interpretazione diagnostica dei risultati degli esami di laboratorio

FASE POST-ANALITICA

Valori di riferimento e

interpretazione diagnostica dei

risultati degli esami di laboratorio

FASE POST-ANALITICA

• Validazione dei risultati e analisi della loro coerenza

• Presentazione dei risultati in una forma che permetta una facile interpretazione (referto)

• Invio al paziente o al medico curante

Referto analitico costituito da 4 parti:

1. Identificazione del campione (liquido fisiologico o materiale di partenza) 2. Esame eseguito e risultato (denominazione standardizzate e codice SSN;

natura della misura e unità di misura del risultato analitico) 3. Valori di riferimento

4. Riferimenti tecnici e metodologici

Domande utili all’interpretazione del dato di laboratorio

1. Il dato osservato misura una variazione reale del segnale nella popolazione esaminata rispetto al resto della popolazione?

2. La variazione misurata consente l’allocazione del soggetto nella classe dei sani o malati?

3. Con quale probabilità di errore?

4. Quale decisione operativa prendere dopo aver acquisito il risultato?

Il laboratorista deve fornire al clinico l’informazione caratterizzandola sia dal punto di vista qualitativo (si/no all’ipotesi diagnostica) sia dal punto di vista del peso (quanto è probabile il si/no)

Occorre conoscere:

 le distribuzioni dei valori del dato nella popolazione sana e malata

 le caratteristiche della performance diagnostica del test

L’importanza del riferimento

Primo step è il confronto dei risultati dei test con “ riferimenti” (set di valori usati dai professionisti della salute per interpretare i risultati ottenuti) che permettano un giudizio e di conseguenza un’azione.

Precisione Esattezza

Intervallo di riferimento

• L’espressione intervallo di riferimento è la più adeguata, in quanto evita confusione con concetto di normalità che

implicherebbe che i valori esclusi siano per definizione anormali.

• In realtà ai valori fuori dell’intervallo si assocerà una

probabilità di presenza di malattia

Intervallo di riferimento

• Gli intervalli di riferimento (IR) misurano la variabilità biologica di un parametro in presenza e in assenza di malattia (variabilità biologica non controllabile, legata alla variabilità della specie).

• Per la maggior parte degli analiti, la variabilità biologica intra-individui è molto minore di quella inter-individui. Quindi si può affermare che:

– l’ampiezza della distribuzione dei valori di riferimento dipende dalla variabilità biologica interindividui

• I valori presenti nell’ intervallo di riferimento sono i valori del parametro biologico più frequentemente riscontrati in una popolazione di

riferimento

.

INTERVALLO DI RIFERIMENTO:

l’intervallo nel quale rientra il 95% dei valori di una

grandezza biologica determinato in una popolazione

di riferimento con caratteristiche omogenee

Individui di riferimento

costituiscono

una popolazione di riferimento

dalla quale è selezionato

un gruppo campione di riferimento sul quale sono determinati

valori di riferimento sui quali è osservata

una distribuzione di riferimento

sulla quale sono calcolati

i limiti di riferimento che definiscono

un intervallo di riferimento

Procedimento per ottenere

l’intervallo di riferimento

Procedimento per ottenere l ’intervallo di riferimento

1. Scelta della popolazione

2. Selezione di un numero ragionevolmente piccolo di soggetti che costituiscono il gruppo campione di riferimento

3. Produzione dei valori: prelievo e misura dei parametri

4. Presentazione dei valori in forma adatta per costituire un

valido termine di confronto (analisi statistica dei dati)

1, 2. Popolazione di riferimento e scelta gruppo campione

Fattori di partizione

• Sesso, età

• Stile di vita e alimentazione

• Condizioni del prelievo (ora, farmaci, fase del ciclo, esercizio fisico, gravidanza)

• Anticoagulanti

• Trasporto e tempo di analisi

La popolazione, non necessariamente sana, definita in modo chiaro secondo i criteri elencati nelle tabelle.

Criteri di esclusione

• Fattori di rischio

(obesità, ipertensione, fattori occupazionali od ambientali)

• Malattie, farmaci

(contraccettivi orali, abuso di alcool, tabagismo)

1, 2. Popolazione di riferimento e scelta gruppo campione

• Si seleziona la popolazione e il gruppo campione in base a fattori definiti (sesso, età, razza ecc.) Questi fattori sono quindi CONTROLLABILI nella determinazione dell’IR.

Variabilità biologica controllabile che influenza i valori di riferimento

3. Produzione dei valori analitici

• Una volta scelta la popolazione di riferimento e il gruppo campione di essa, occorre operare in condizioni di rigido controllo della variabilità

preanalitica e analitica, in modo da non creare un “rumore di fondo”

che altera i segnali biologici di malattia.

Fattori CONTROLLABILI standardizzando le condizioni di ottenimento del campione biologici e utilizzando metodi il più possibile precisi e accurati

Intervalli di riferimento e precisione

La dispersione degli intervalli di riferimento (IR) di un test è legata alla precisione della procedura impiegata nella sua misura:

più elevata è l’imprecisione più ampio risulterà IR.

3. Produzione dei valori analitici- effetto

dell’imprecisione sull’IR

Intervalli di riferimento e accuratezza

I limiti di riferimento dipendono strettamente dall’accuratezza o bias analitico.

Se un laboratorio commette un errore sistematico significativo oppure indica un IR non appropriato, interpretazione scorretta del risultato e decisioni conseguenti errate.

3. Produzione dei valori analitici- effetto

dell’inaccuratezza sull’IR

4. Presentazione dei valori

I dati ottenuti dal gruppo campione sono sottoposti a:

– Eliminazione dei dati aberranti

– Trattamento statistico per riconoscere il tipo di distribuzione (normale o non normale)

– Determinazione dell’intervallo di riferimento con

statistiche parametriche o non parametriche

Analisi statistica

• Se il campione mostra una distribuzione gaussiana, gli intervalli di riferimento si calcolano con

statistiche parametriche

• Se il campione mostra una distribuzione NON

gaussiana, gli intervalli di riferimento si calcolano

con statistiche NON parametriche

Si applica per il calcolo

dell’intervallo una statistica parametrica:

2 deviazioni standard sopra e sotto la media identificano l ’intervallo di riferimento

Distribuzione di tipo gaussiano.

Intervallo di riferimento

Per convenzione l’intervallo di riferimento comprende abitualmente il 95% centrale dei risultati ottenuti dal gruppo-campione

Statistiche parametriche

 n, media, DS, range

 Intervallo di riferimento: Media + 1.96 DS; Media - 1.96 DS

 Percentili 2.5 - 97.5

Caso I - Distribuzione gaussiana n > 120

Statistiche ‘non parametriche’

n, mediana, min, max,

Intervallo di riferimento: percentili 2.5-97.5

Caso II- Distribuzione non gaussiana

calcolo dei percentili:

individua un valore della variabile che separa la popolazione in

parti percentuali prestabilite

Termini di confronto per la valutazione clinica del risultato alternativi all’IR

• Valori decisionali

• Valori ideali e desiderabili

• Valori precedenti di quel soggetto

• Valori osservati in diverse patologie

• Significato di quel valore integrato con

altri parametri e misurazioni

Valori decisionali

Non sono una caratteristica biologica e sono stabiliti in base all’esperienza clinica e spesso per accordi internazionali

Valori sopra o sotto i quali è raccomandabile seguire un determinato comportamento clinico:

– instaurare o modificare un regime dietetico o terapeutico – richiedere ulteriori analisi di approfondimento diagnostico – emettere un giudizio prognostico

Valori decisionali-

Esempi di 3 diversi livelli decisionali

IR Calcemia: 9-10,6 mg/dl

– I livello decisionale calcemia 7 mg/dl: in presenza di valori inferiori rischio di tetania e convulsioni

obbligo di eseguire altre prove diagnostiche per valutare rischio e misure preventive – II livello decisionale calcemia 11mg/dl: limite inferiore del range di valori

per iperparatiroidismo

eseguire prove di conferma per iperparatiroidismo

– III livello decisionale calcemia 13.5 mg/dl: limite inferiore per coma ipercalcemico

identificare tempestivamente per trattamento di terapia intensiva

Caratteristiche/proprietà Valori di riferimento Valori decisionali

Significato Caratteristica biologica della popolazione di riferimento

Discriminante per intervento medico

Dipendenza Fenotipo della

popolazione

Problema clinico e tipo di paziente

Produzione Analisi statistica Fissati per consenso in base a considerazioni mediche

Presentazione 95% centrale dei valori Uno o pochi valori ciascuno correlati a uno specifico problema clinico

Valori di riferimento e livelli decisionali

Valori ottimali, borderline e cutoffs

• Per i lipidi nel sangue, le tabelle indicano valori ottimali, (associati allo stato di salute sulla base degli studi sul rischio cardiovascolare),

borderline (o limite) e anomali

• Altri valori, come quelli relativi alla troponinaI e al BNP (brain natriuretic peptide) sono dati come cutoffs differenti, utili a distinguere:

– persone sane da pazienti con infarto del miocardio

– persone sane da pazienti con insufficienza cardiaca congestizia.

Domande utili all’interpretazione del dato di laboratorio

1. Il dato osservato misura una variazione reale del segnale nella popolazione esaminata rispetto al resto della popolazione?

2. La variazione misurata consente l’allocazione del soggetto nella classe dei sani o malati?

3. Con quale probabilità di errore?

4. Quale decisione operativa prendere dopo aver acquisito il risultato?

Il laboratorista deve fornire al clinico l’informazione caratterizzandola sia dal punto di vista qualitativo (si/no all’ipotesi diagnostica) sia dal punto di vista del peso (quanto è probabile il si/no)

Occorre conoscere:

 le distribuzioni dei valori del dato nella popolazione sana e malata

 le caratteristiche della performance diagnostica del test

Attendibilità vs Validità

Attendibilità (o affidabilità): capacità del test di offrire sempre lo stesso risultato nel corso di misurazioni ripetute Validità di un test: capacità del test di distinguere in una popolazione i soggetti sani da quelli malati.

LOGICA E INTERPRETAZIONE DEL TEST DI LABORATORIO

La performance di un test diagnostico si valuta attraverso indici noti come caratteristiche diagnostiche del test

SENSIBILITA’ DIAGNOSTICA: frequenza di positività del test nei soggetti affetti da malattia

SPECIFICITA’ DIAGNOSTICA: frequenza di negatività del test nei soggetti non affetti da malattia

VALORE PREDITTIVO DI CONFERMA DIAGNOSTICA DI UN TEST: frequenza di soggetti affetti dalla malattia tra i soggetti con positività al test

VALORE PREDITTIVO DI ESCLUSIONE DIAGNOSTICA DI UN TEST: frequenza di soggetti non affetti dalla malattia tra i soggetti con negatività del test.

LIKELIHOOD RATIO: rapporto per misurare la forza

dell’associazione tra valore del test e presenza (o assenza) di malattia

Caratteristiche diagnostiche e di

ausilio decisionale

Problema nell’ attribuzione diagnostica del risultato di laboratorio

• Errore è considerare il limite superiore e il limite inferiore dell’intervallo di riferimento (sani) come barriere rigide all’interno delle quali il paziente è considerato normale e al di fuori delle quali è considerato anormale e quindi affetto da patologia.

• La scelta del cut-off di un parametro tra sani e malati non è facile perché spesso la distribuzione dei risultati della popolazione sana è in

parte sovrapposta con quella della popolazione malata.

• L’attribuzione del risultato di laboratorio alla popolazione sana o malata può avvenire solo su base statistica

Raffigurazione dei tre casi estremi del significato diagnostico di un test

1. test ideale con sensibilità e specificità clinica del 100%

2. test inutile con specificità e sensibilità del 50%

3. test usuale che presenta una certa zona di sovrapposizione fra valori normali e patologici, la sensibilità e la specificità clinica è intermedia tra 50 e 100 %

Test utilizzanti grandezze continue

Per trasformare una variabile quantitativa continua in una variabile dicotomica: malato o sano, il clinico utilizza un cut-off.

La validità diagnostica di un test è funzione delle frazioni delle popolazioni di sani e malati nelle 4 caselle della tabella espressa come sensibilità e specificità

diagnostica del test.

Valutazione delle caratteristiche di un test di laboratorio

Uso tabelle 2 x 2 per definire la correlazione tra il risultato di un test e la presenza di malattia

Sensibilità = _{VP + FN} ^{VP x 100} Specificità = _{VN + FP} ^{VN x 100}

Sensibilità e specificità diagnostica

Sensibilità e specificità sono valori convenzionali che dipendono dall’operatore.

Scelta del punto di cut-off che distingue tra soggetti affetti e non affetti da malattia non sempre coincide con i limiti dell’intervallo di riferimento ed è spesso problematica.

bassa specificità: aumento FP

malati bassa sensibilità: aumento dei FN

Il valore del “cut-off point” ottimale può essere scelto in modo da ottenere un compromesso tra max sensibilità e max specificità

 massimizzare i pazienti classificati correttamente (VN e VP)

 minimizzare i pazienti classificati in modo errato (FN e FP).

Effetto dello spostamento del limite del range di riferimento sulla sensibilità e specificità del test

malati

Valore di cut-off ottimale

Valore di cut-off ottimale

(no FP)

Curva ROC (Receiver Operating Characteristic)

• cut-off point in A: 0 FP e un basso numero di VP (max specificità con elevati FN);

A

• Le curve (ROC) consentono di valutare come cambiano sensibilità e specificità al variare del cut-off selezionato.

• Permettono di definire il “cut-off point” migliore, quello che minimizza gli errori diagnostici

Curva ROC

• spostando verso sinistra il cut-off si riduce la specificità con incremento dei FP

Curva ROC

• e aumento dei VP

Curva ROC

• spostando ancora a sinistra il cut-off si avrà aumento FP

Curva ROC

• e aumento di VP (max sensibilità con aumento FP)

Curva ROC e scelta del cut-off point

la freccia verde indica il punto discriminante che minimizza la frequenza degli errori diagnostici.

= punto in cui la tangente alla curva presenta un coefficiente angolare di 1 (inclinazione a 45° sull’ascisse)

Scelta della soglia del valore di colesterolemia discriminante per l'ipercolesterolemia familiare (FH).

Distribuzione dei livelli di colesterolo sierico in un gruppo di soggetti normali ed in un gruppo di eterozigoti per FH

Curva ROC e potere diagnostico dei test

• Utilizzata anche per confrontare nello stesso grafico differenti test diagnostici

• Il potere diagnostico di ciascun test è espresso dall’area sotto la curva (AUC, area under the curve)

– AUC = 1 test discrimina perfettamente sani e malati – AUC = 0.5 test non informativo – AUC tra 0.5 e 1 potere diagnostico

che si accresce proporzionalmente

Cut-off point o soglia discriminante

• Altri fattori intervengono nella scelta del valore discriminante fra popolazione sana e malata:

– distribuzione delle due popolazioni

– caratteristiche della malattia da diagnosticare inclusa la sua evoluzione e la sua gravità – possibilità di terapia

– costi della diagnosi

• Tali fattori condizionano le necessità di sensibilità e specificità di un test clinico con conseguente spostamento del “cut-off point”.

QUANDO E PERCHÉ SCEGLIERE TEST SENSIBILI O SPECIFICI ???

Test sensibili in epidemiologia clinica

ridurre il numero di FN aumentando quello dei FP

• Un test sensibile dovrebbe essere scelto quando le conseguenze di una mancata diagnosi sono particolarmente gravi (diagnosi precoce di malattie ad esito mortale, che possono essere efficacemente curate).

Accettabile un alto numero di FP

• I test sensibili sono utili anche durante il processo diagnostico iniziale, al fine di ridurre l’ampio ventaglio di possibilità (diagnosi differenziale).

In tal caso, il test sensibile viene applicato soprattutto allo scopo di escludere una o più malattie.

• Infatti, un test sensibile è di maggior aiuto al clinico quando fornisce un risultato negativo.

Test specifici in epidemiologia clinica

ridurre il numero di FP aumentando quello dei FN

Un test specifico è particolarmente utile:

• per ridurre i FP quando la prevalenza della malattia è alta

• quando il risultato falso positivo risulta particolarmente

In sostanza, un test molto specifico è di maggior aiuto al clinico

quando fornisce un risultato positivo.

Valore predittivo

Il VP rappresenta la probabilità di essere affetti dalla malattia in caso di risultato positivo al test (VPP) o la probabilità di

essere sani in caso di risultato negativo al test (VPN).

Sarò un positivo vero ?

Sarò un positivo falso ?

Sono risultato test positivo

Sarò un negativo vero ?

Sarò un negativo falso ?

Sono risultato test negativo?

Valore predittivo

A. popolazione selezionata in cui è noto il numero di sani e malati

B. popolazioni generali non selezionate in cui il numero di sani e malati è noto solo in termini epidemiologici (prevalenza della malattia)

Il VP di un test diagnostico va considerato in 2 diversi contesti:

Contesto pratico di interesse Valutazione delle caratteristiche di

un test di laboratorio

VPP = _{VP + FP} ^{VP x100}

VPN = _{VN + FN} ^{VN x100}

Calcolo del VP- Contesto A

FN

FN

Calcolo del VP- Contesto B

Si utilizza il teorema di Bayes che si basa:

sulla prevalenza della malattia sulla sensibilità del test

sulla specificità del test

(prevalenza) (sensibilità)

(prevalenza) (sensibilità)+ (1-prevalenza) (1-specificità)

VPP =

Probabilità a priori della presenza di malattia = prevalenza

Probabilità a priori dell’assenza di malattia = prevalenza di non malattia = 1-prevalenza Probabilità della presenza di malattia per un certo valore analitico osservato = sensibilità Probabilità che il test dia un risultato negativo in assenza di malattia = 1- specificità

La base teorica del teorema di Bayes è complessa, ma ci consente di raggiungere conoscenze non raggiungibili in altro modo

• supera la logica dicotomica del test (malato-sano) dato dal valore discriminante del “cut-off point”

• dimostra la centralità della prevalenza della malattia (probabilità a priori)

• consente di esprimere in termini probabilistici la presenza di malattia per un certo valore del test (probabilità a posteriori)

Essenziale per capire come un test possa modificare le probabilità a priori della malattia

VP e Prevalenza

Confronto fra popolazioni con diversa prevalenza di malattia

I risultati sono stati ottenuti applicando un medesimo test con sensibilità e specificità del 90% a due ipotetiche popolazioni di 100 individui ciascuna, con una prevalenza della malattia in esame rispettivamente del 10% e del 50%.

• La prevalenza della malattia ha un peso rilevante nel calcolo del valore predittivo

Influenza della variabilità analitica e

preanalitica sulla potenza diagnostica di un test

AB= in assenza di variabilità analitica e preanalitica

A’B’= in presenza di una variabilità analitica determinata

Per aumentare il valore predittivo occorre ridurre l’imprecisione analitica

RAPPORTO DI VEROSIMIGLIANZA (LIKELIHOOD RATIO)

• Il rapporto di verosimiglianza (likelihood ratio, LR), sia di tipo positivo che negativo (LR+ e LR-), è un’altra misura della prestazione di un test che supera l’interpretazione dicotomica (SI/NO).

• Integra positività del test e intensità del segnale ed esprime quante volte è più probabile osservare un determinato risultato in presenza di malattia rispetto alla probabilità di osservare lo stesso risultato in

assenza di malattia.

• Essendo un rapporto fra Sensibilità e Specificità, non varia in

popolazioni diverse e non risente della prevalenza della malattia.

LR+ rettifica la previsione e la trasforma in probabilità post-test.

LR+ vanno presi in considerazione quando sono nel range di 2 o più, e sono utili dal punto di vista clinico quando sono maggiori di 5.

Un test con un LR+ di 24 significa che un risultato positivo del test è 24 volte più probabile che provenga da un soggetto affetto dalla

condizione in esame piuttosto che da un soggetto non affetto.

Contributo dell’interpretazione diagnostica dei test all’outcome del paziente

• Gli argomenti di logica diagnostica del test interessano sia clinici che laboratoristi.

• Il medico richiede un test per il suo paziente al fine di ridurre il livello di incertezza diagnostica, prognostica, terapeutica.

• Il laboratorio dovrà fornire non soltanto un numero, ma l’insieme di tutte le informazioni che possono facilitare la migliore utilizzazione del test.

• La soddisfazione del cliente (medico-paziente) è prevista dalle norme ISO 9000 per tutti i prodotti o processi di laboratorio

.

…. il referto interpretativo unico mezzo per consegnare al clinico l’effettivo prodotto di laboratorio

Medicina di laboratorio approccio “Evidence Based” (Buona pratica certificata)

• Coscienzioso, esplicito e giudizioso uso dei test di Medicina di Laboratorio per assistere la formulazione delle decisioni riguardanti la cura dei singoli pazienti.

• Ricerca evidenze scientifiche per il miglioramento dei test stessi e del processo complessivo: analisi delle fonti di variabilità, della performance analitica, della performance clinica.

• Feed-back del processo in base alla valutazione degli effetti

Quesito Medico

Ricerca evidenze disponibili per il miglioramento del test

uso dei “database” o algoritmi comuni

Valutazione critica

evidenze raccolte Esecuzione del test

Valutazione delle decisioni e degli effetti conseguenti all’integrazione del dato di laboratorio nel processo clinico

Auditing

Modifica pratica

insoddisfacente

soddisfacente

Se aumenta la resa informativa del test migliora il risultato per il paziente!!!

Riepilogo dei fattori che concorrono alla qualità dei dati di laboratorio

 Scelta appropriata del test di laboratorio per il particolare tipo di patologia

 Conoscenza e controllo delle variabili pre-analitiche che possono influenzare il dato

 Traguardi analitici (precisione ed accuratezza) misurati attraverso il CQI e la VEQ

 Criteri di utilizzo clinico (sensibilità, specificità, potere predittivo, rapporto di verosimiglianza)

 Tempi di risposta

Sensibilità= a/(a+c) Specificità= d/(b+d)

VPP= a/(a+b) (probabilità a posteriori) VPN= d/(c+d)

Efficienza= (a+d)/(a+b+c+d)

Likelihood Ratio = Sensibilità/(1-Specificità)

Malati sani tutti

Test + Test -

a c

b d

a+b c+d

tutti a+c b+d a+b+c+d

Ricapitolazione del calcolo delle principali caratteristiche diagnostiche del test

(1395)

(2142) (475)

(713)

VERIFICA

Calcolare sensibilità, specificità, VPP.