Samenvatting
Het effect van hemolyse op de kaliumconcentratie is een bekend probleem. Verschillende studies hebben de relatie tussen hemolyse en kalium onderzocht in kunstmatig verkregen hemolytische monsters. In deze studie beschrijven we een datamining-benadering om het verband tussen hemolyse en de kaliumconcentratie te onderzoeken. Hiervoor zijn vanuit het laboratoriuminformatiesysteem twee onafhankelijke retrospectieve datasets gemaakt. De datasets zijn zodanig opgebouwd dat in de analyse gevarieerd kan worden met belangrijke parameters als tijd van analyse tussen de hemolytische en referentie-monsterafnames en mate van hemolyse. Een derde dataset is gebruikt om de gevonden correctiefactor te toetsen op klinische toepasbaarheid.
De gevonden stijging van de kaliumconcentratie als gevolg van hemolyse komt overeen met de eerder gevonden waarden in patiëntstudies, maar lijkt tevens onafhankelijk te zijn van de tijd tussen hemolytische en referentie monsterafnames. Deze studie laat zien dat in plaats van experimentele modellen parameters zoals hemolyse en klinische bruikbaarheid van correctiefactoren kunnen worden onderzocht middels een datamining-benadering.
Inleiding
In de wetenschap worden experimentele modellen gebruikt voor het nabootsen van de werkelijkheid. Het gaat om een theoretisch onderbouwde benadering van veelal praktische problemen welke een oplossing vergen. Binnen de klinische chemie is het effect van hemolyse op onder andere de kaliumconcentratie een bekend en uitgebreid onderzocht pre-analytisch probleem. Door vrijkomen van intracellulair kalium, dat aanwezig is in een 25 tot 30-keer hogere concentratie in de erytrocyt dan in plasma, wordt een vals verhoogde kaliumconcentratie gemeten (1-4). Bij gemiddeld 1 procent van de afnames, waarbij sommige afdelingen zelfs tot 10 procent hemolytische monsters aanleveren, is er sprake van dusdanige hemolyse dat dit de kaliummeting beïnvloedt.
Vanwege de implicaties in klinische besluitvorming is veel onderzoek gedaan naar mogelijke correctiefactoren om de werkelijke in vivo-concentratie van kalium te berekenen (5-16). In de meeste studies zijn de modellen gebaseerd op kunstmatig verkregen hemolytische monsters, waarbij gebruik is gemaakt van uiteenlopende technieken als osmotische lysis, vries-dooi-cycli en fysiek beschadigen (5-13). In deze studies wordt een lineair verband gevonden tussen de mate van kalium stijging en de mate van hemolyse. Echter, de voorgestelde correctiefactoren liggen ver uit elkaar.
Enkele recentere studies hebben gebruikgemaakt van resultaten uit patiëntmonsters (14-16). Deze studies tonen aan dat correctiefactoren gebaseerd op patiëntmateriaal gemiddeld hoger liggen dan correctiefactoren van modellen op basis van kunstmatig verkregen hemolytische monsters. Kunstmatig verkregen hemolytische monsters geven dus een overschatting van de werkelijke kaliumconcentratie. In twee studies is tevens gekeken naar de praktische toepasbaarheid van correctiefactoren (14,16). In deze studies hebben de auteurs de geschatte kaliumconcentratie in het hemolytisch monster vergeleken met de kaliumconcentratie in het niet-hemolytische monster en concludeerden dat het onmogelijk is om de "echte" kaliumspiegel te voorspellen voor de individuele patiënt.
Hoewel studies die gebruikmaken van patiëntmonsters waarschijnlijk dichter bij de waarheid komen, zijn zij slechts gebaseerd op relatief kleine aantallen gepaarde patiëntmonsters. Het laboratoriuminformatiesysteem bevat een grote hoeveelheid aan patiëntuitslagen die, bij slim ontsluiten, goed gebruikt kunnen worden om (pre)-klinische vraagstellingen te beantwoorden. In deze studie hebben we gekeken of middels datamining het verband tussen hemolyse en de kaliumconcentratie geanalyseerd kan worden en deze resultaten vergeleken met de resultaten van eerder uitgevoerde studies waarvoor in het verleden experimenten zijn uitgevoerd. Immers, doordat er al veel bekend is over kalium en hemolyse, kunnen de gevonden resultaten gebruikt worden als toets op de kwaliteit van de datamining-aanpak.
Methode
In deze studie hebben wij middels een data-extractie uit GLIMS (MIPS, Gent België) twee onafhankelijk retrospectieve datasets gebouwd. Deze datasets hebben we gebruikt om de stijging van de kaliumconcentratie als gevolg van hemolyse in patiëntmonsters in kaart te brengen. De opbouw van de datasets was zodanig dat de invloed van tijd tussen herhaalde metingen en/of de mate van hemolyse op de correctiefactoren onderzocht kon worden. Daarom is besloten enkel gebruik te maken van klinische monsters, omdat daarmee de factor tijd tussen afname en analyse beperkt en gestandaardiseerd is. Er is bekend kalium uit de erytrocyt lekt. Bij extramurale monsters, waar de transporttijd tussen afname en centrifugeren langer is, ontstaat hierdoor een vals verhoogde kaliumconcentratie welke onafhankelijk is van hemolyse. Voor onze studieopzet is dit een bias, waar we op deze manier rekening mee houden. De tweede dataset is gebruikt om de resultaten van de eerste te verifiëren. Een derde dataset is op gelijke wijze gemaakt en is gebruikt om de gevonden correctiefactor te toetsen op het juist corrigeren van individuele hemolytische monsters.
Ervan uitgaande dat bij gemiddeld 1 procent van de monsters hemolyse aanwezig is, zal per 100 afnames slechts één van de monsters hemolytisch zijn. Wanneer opeenvolgende afnames van één patiënt worden verzameld, bijvoorbeeld vijf, dan zal een hemolytische sample nagenoeg altijd voorafgegaan of gevolgd worden door een normaal, niet-hemolytisch monster. Dit naastliggende monster kan gebruikt worden om een correctiefactor te berekenen, met de aanname dat er geen intra-individuele variatie is.
Op basis van bovenstaande aanname hebben we voor alle klinische, volwassen patiënten vijf opeenvolgende kaliumconcentraties, inclusief bijbehorend vrije hemoglobine concentraties (H-index) en tijdsstempel geëxtraheerd uit het laboratoriuminformatiesysteem GLIMS voor de tijdsperiode april – juni 2016 (Data Set I; training-set) en september – november 2016 (Data Set II; verificatie-set). Kalium (referentie-interval 3,5 – 5,0 mmol/l) en H-index zijn gemeten met COBAS 8000 (Roche, Mannheim Duitsland). De H-index wordt gedefinieerd in units, waarbij 1 unit staat voor 0,01 mmol/l hemoglobine, e.g. 60 units is gelijk aan 0,06 mmol/l hemoglobine. Ten behoeve van het includeren van niet-hemolytische monsters is de afkapwaarde gelegd op <25 units (40 mg/dl). Voor deze studie spreken we van hemolyse op het moment dat de H-index >60 units (i.e. 100 mg/dl) is. Dit is de grenswaarde waarboven in ons laboratorium een kalium niet gerapporteerd wordt. De datum van de afname waarop de patiënt geïncludeerd werd, werd toegekend aan de laatste tijdsstempel (i.e. t5). De overige kaliumconcentraties komen uit de vier voorafgaande bloedafnames (t1-t4). De twee patiëntencohorten zijn gecontroleerd op overlap, waarna beide data sets zijn geanonimiseerd. Na exclusie van missende datapunten bevatten Data Set I en Data Set II respectievelijk 9275 en 18175 kaliumconcentraties.
Om de klinische bruikbaarheid van de correctiefactor te toetsen is op vergelijkbare wijze een derde dataset gecreëerd, waarbij alle hemolytische monsters tussen januari – juni 2017, alsmede de data uit de eerstvolgende afname zijn meegenomen. Ook deze dataset (Data Set III) is geanonimiseerd en opgeschoond wat betreft onbruikbare datapunten, waarna deze 297 hemolytische monsterafnames bevatte.
Op Data Set I en II zijn de intra-patiëntstabiliteit van de kaliumconcentratie en de correctiefactor berekend. Voor de intra-patiëntstabiliteit van de kaliumconcentratie zijn de vijf opeenvolgende kaliumconcentraties gebruikt om de intra-patiëntvariatie (CVi) te berekenen. Hierbij zijn de maximale tijd van monsterafname tussen het eerste en laatste monster en maximale toegestane mate van hemolyse meegenomen als variabelen.
Het effect van hemolyse op de kaliumconcentratie is berekend op basis van gepaarde monsterafnames van een hemolytisch en niet-hemolytisch monster. De vijf opeenvolgende kaliumconcentraties, H-indices en tijdsstempels zijn gebruikt om per monsterpaar (i.e. vier monsterparen per patiënt) de verschillen in kaliumconcentratie (δK), H-index (δH) en tijd tussen de monsterafnames (δt) te berekenen. Van ieder monsterpaar is een correctiefactor (δK/δH) berekend. Hierbij hebben we kunnen variëren tussen de maximale tijd tussen monsterafname van de opeenvolgende monsters (δtx,x+1, in dagen) en minimale verschil in hemolyse tussen de monsters (δH). Naast de primaire uitkomst, i.e. intra-patiëntvariatie of correctiefactor, werd het aantal geïncludeerde datapunten gerapporteerd waarover de primaire uitkomstmaat werd uitgerekend.
In Data Set III hebben we op basis van de eerder gevonden correctiefactor een gecorrigeerde kaliumconcentratie berekenend (Kgeschat) uit de gemeten kaliumconcentratie en bijbehorende H-index van het hemolytische monster. Deze is vervolgens vergeleken met de gemeten kaliumconcentratie (Kgemeten) uit het niet-hemolytische monster. In het optimale geval ligt de Kgeschat binnen de grenzen van de Total Allowable Error (TEa; 5,6%) ten opzichte van Kgemeten, of binnen de grenzen van de intra-patiëntvariatie indien deze groter blijkt dan de TEa. Ook hier zijn de maximale tijd tussen monsterafnames (δt, in dagen) en maximale toegestane mate van hemolyse van het niet-hemolytische monster (max H) als variabelen meegenomen.
Resultaten
Om vanuit bestaande patiëntresultaten retrospectief het effect van hemolyse op de kaliumconcentratie te onderzoeken, zijn we ervan uitgegaan dat ieder hemolytisch monster wordt voorafgegaan of gevolgd door een niet-hemolytisch monster. Voor alle klinische volwassen patiënten zijn vijf opeenvolgende kaliumconcentraties, inclusief bijbehorende H-index en tijdsstempel geëxtraheerd uit het laboratoriuminformatiesysteem. Hoewel we geen onderscheid hebben gemaakt tussen verschillende klinische aandoeningen, maar de kaliumconcentratie en hemolytische indexgegevens hebben geëxtraheerd van alle in aanmerking komende patiënten (leeftijd ≥18 jaar) binnen de gedefinieerde tijdsperioden, zijn de datasets vergelijkbaar (Tabel 1).
Een (willekeurige) kaliumconcentratie van een niet-hemolytisch monster kan dienen als basiswaarde, indien de kaliumconcentratie over de niet-hemolytische monsters stabiel is. Om dit te verifiëren is allereerst de intra-patiënt variatie beoordeeld. In de ideale situatie wordt de intra-patiëntvariatie berekend over een periode van vijf aansluitende dagen in nagenoeg niet-hemolytische monsters. Aangezien niet bij iedere patiënt dagelijks een kaliumconcentratie wordt bepaald en tevens relatief gemakkelijk sprake is van een spoortje van hemolyse (i.e. 25% van de monsters heeft een H-index >5 units), wordt hiermee het aantal te includeren patiënten behoorlijk gelimiteerd. Daarom hebben we gevarieerd over de maximale tijdsperiode waarover de intra-patiëntvariatie is uitgerekend. Deze is minimaal 5 dagen, maar de intra-patiëntvariatie is ook berekend over 10 en 28 dagen. Daarnaast hebben we gevarieerd met de maximaal acceptabele H-index welke we gevarieerd hebben tussen 5 units (8 mg/dl; 75% van monsters) tot 25 units (40 mg/dl; ruim 95% van de monsters). De verschillende scenario’s tonen nagenoeg stabiele kaliumconcentraties, met intra-patiëntvariatie <8,5%, onafhankelijk van tijd of hemolyse-index (zie Tabel 2 en Tabel 3).
In navolging van de intra-patiënt variatie hebben we op een vergelijkbare manier gevarieerd in δH en δt voor de analyse van de correctiefactor. In het ideale scenario wordt na vaststelling van een hemolytisch monster direct een nieuwe monsterafname verricht. Alle datasets laten echter zien dat de nieuwe monsterafname regelmatig pas de volgende dag, of zelfs later, wordt afgenomen. Daarom is gekozen om naast de herhaalde afname binnen een dag (δt=0) en na één dag (δt=1), ook de correctiefactor te bereken met een δt van 5, 10 en 28 dagen. Ook de mate van hemolyse kan een effect hebben op de correctiefactor. Daarom is het minimale verschil van hemolyse tussen de monsters gevarieerd met een δH van 50 tot en met 150 units (81 – 242 mg/dl). Wederom tonen de verschillende scenario’s een nagenoeg overeenkomstige uitkomst: onafhankelijk van de tijd of mate van hemolyse wordt een stijging van 0,01 mmol/l kalium per unit van de H-index (0,6 mEq/l per 1g/l hemoglobine) gevonden (zie Tabel 4 en Tabel 5).
Vervolgens is Set III gebruikt om te testen of de gevonden correctiefactor kan worden gebruikt in de dagelijkse klinische laboratoriumgeneeskunde. Op basis van de hemolytische index werd de kaliumconcentratie gecorrigeerd (Kgeschat) en vergeleken met de kaliumconcentratie van het volgende niet-hemolytische monster (Kgemeten) (zie Figuur 1). De gecorrigeerde kaliumconcentratie heeft een goede statistische correlatie met de niet-hemolytische meting, voor de gekozen parameters gemiddeld -0,07 – 0 mmol/l. Echter, de verschillen tussen Kgeschat en Kgemeten waren zo groot als ± 1,2 mmol/l (95% betrouwbaarheid) voor de individuele patiënt. Waarbij voor iedere parameter set ongeveer 70% van de Kgeschat een grotere afwijking had ten opzichte van Kgemeten dan de TAe. Bij het toelaten van een grotere fout op basis van de gevonden CVi was, voor iedere parameter set, ongeveer 60% van de Kgeschat afwijkend. Hiermee is het in de klinische praktijk niet verantwoord om te corrigeren.
Discussie/ beschouwing
Er zijn reeds veel studies gepubliceerd waarin het effect van hemolyse op de kaliumconcentratie is onderzocht (5-16). Desondanks is er slechts weinig onderzoek gedaan in de werkelijke klinische setting door gebruik te maken van real-life patiëntmateriaal (14-16). Het overgrote deel van de beschikbare data komt uit studies waarbij gebruik is gemaakt van kunstmatig gegenereerde hemolyse (5-13). Dergelijke studies zijn ogenschijnlijk gemakkelijker uit te voeren. Echter, vandaag de dag heeft ieder laboratorium een grote hoeveelheid aan patiëntdata opgeslagen in de laboratoriuminformatiesystemen. Met de hedendaagse technologie is het mogelijk om deze data te ontsluiten en te gebruiken in de beantwoording van klinische vraagstukken.
Voor het verkrijgen van betrouwbare dataset is het belangrijk dat gebruik wordt gemaakt van de juiste randvoorwaarden. In onze studie hebben we bewust gekozen om in de analyse alleen de kaliumuitslagen van klinische patiënten te gebruiken en monsters van poliklinische en huisarts aanvragen te excluderen. De reden hiervoor was de continue kaliumlekkage uit de rode bloedcellen naar het plasma. De natrium-kaliumpomp zorgt voor behoud van de gradiënt door het kalium terug de rode bloedcel in te pompen, waardoor in vivo de kaliumconcentratie in de bloedcel 25- tot 30-keer hoger is dan in het plasma (1-4). De effectiviteit van de natrium-kaliumpomp is temperatuurafhankelijk en optimaal bij lichaamstemperatuur. In bloedmonsters bewaard bij kamertemperatuur, zal naarmate de tijd verstrijkt een hogere plasma kaliumconcentratie worden gemeten dan dat deze daadwerkelijk in vivo was (17 ). Dit effect wordt verder versterkt naarmate de omgevingstemperatuur lager komt te liggen. Door alleen data van de klinische patiënt te gebruiken wordt de invloed van zowel tijd tot afdraaien als eventuele weersomstandigheden geminimaliseerd.
In deze studie hebben we geen onderscheid gemaakt tussen verschillende klinische aandoeningen, maar de kaliumconcentratie en hemolytische indexgegevens geëxtraheerd van alle patiënten (≥ 18 jaar) die binnen de gedefinieerde tijdsperioden in ons ziekenhuis werden opgenomen. De twee datasets zijn niet over dezelfde periode verzameld, namelijk april – juni (Data Set I) tegenover september – november (Data Set II). Hoewel beide periodes buiten het griepseizoen vallen is het niet ondenkbaar dat er meer ziekenhuisopnames zijn in het najaar dan in het voorjaar/zomer. Eenzelfde trend is te zien in de data van Vos et al., waarbij tweemaal zoveel interne monsterafnames zijn in de winterperiode ten opzichte van de zomerperiode (17). Hierdoor variëren de beide datasets in grootte, waarbij in Data Set I de helft van het aantal patiënten bevat ten opzichte van Data Set II. Desondanks zijn de basiskenmerken van de patiënten vergelijkbaar (Tabel 1) en wordt er ook een vergelijkbare correctiefactor gevonden tussen de datasets. Op basis van Friedman test zijn de leeftijdsgroepen van Data Set I, II en III niet verschillend (P-waarde 0,94). De verdeling van kalium is voor dataset I en II gelijk, waarbij dataset III verschilt. Dit ligt echter in de lijn der verwachting, omdat Data Set III gebaseerd is op een verzameling van hemolytische monsters. Daarbij hebben we in onze studie gevarieerd met de instellingen voor δH en δt, waardoor de groepsgrootte van de verschillende subanalyses gevarieerd heeft tussen n=9 en n=154 voor Data Set I en n=17 en n=325 voor Data Set II. We vonden geen verschillen in de correctiefactor. Dit geeft niet alleen aan dat de gevonden correctiefactor onafhankelijk is van δH en δt, maar dat deze ook onafhankelijk is van de groepsgrootte. Naar onze mening blijft het ook van belang om bij gebruik van bestaande data te kijken wat de minimale groepsgrootte moet zijn om een betrouwbaar antwoord op de vraag te krijgen.
Door bij de extractie van de data rekening te houden met eventuele te onderzoeken parameters kan de dataset geanalyseerd worden voor verschillende omstandigheden. In deze studie bevestigen we onder veel verschillende omstandigheden, dat het effect van in vitro-hemolyse groter is dan de modellen met kunstmatig verkregen hemolysaten doen vermoeden. Bovendien laten de drie verschillende datasets een vergelijkbare correctiefactor zien, terwijl in de literatuur er een grote spreiding in correctiefactoren gevonden wordt op het moment dat er gebruik gemaakt wordt van kunstmatige gehemolyseerde samples. Een mogelijke reden daarvoor zou het verschil in type hemolysaat kunnen zijn. Het is niet ondenkbaar dat de verhouding van vrijgekomen kalium en hemoglobine anders is bij een volledig gelyseerde erytrocyten op basis van osmotische lysis, dan na de lekkage uit de cel als gevolg van mechanische membraanschade. Tevens wordt in dergelijke studies vaak maar een beperkt aantal hemolysaten gemaakt en gemeten, omdat dit een zeer tijdrovend proces is. Deze worden vervolgens gebruikt om verschillende plasma monsters in een oplopende hoeveelheid te spiken. Echter, de verhouding tussen δH en δK blijft in alle gespikte monsters hetzelfde indien deze uit hetzelfde hemolysaat zijn gemaakt. Aangezien de interferentie gebaseerd is op additie mag worden verwacht dat het resulteert in een duidelijk lineair verband. Dit is niet te vergelijken met hemolytische bloedafnames bij patiënten, waar bij eenzelfde H-index afhankelijk van de kaliumconcentratie in de rode bloedcel verschillende hoeveelheden kalium vrijkomen. Feitelijk wordt er per hemolysaat dus slechts een enkele δK/δH berekend. De kracht van datamining ligt er dus in dat met het creëren van een goede matrix de tijd die geïnvesteerd wordt om een resultaat te verkrijgen onafhankelijk is van het aantal resultaten wat onderzocht wordt. In ons geval kostte de analyse van ieder variabele evenveel tijd ongeacht het aantal monsterparen dat in de subset zat.
Het is uiteraard mogelijk een dergelijk experiment uit te voeren. In een grote studie van Hawkins is voor 100 patiënten de hoeveelheid vrijgekomen kalium uitgezet tegenover de hoeveelheid hemoglobine (6). In deze studie met groot aantal verschillende lysaten wordt tevens de grote inter-individuele variatie van de kaliumconcentratie in de rode bloedcel duidelijk. Terecht wordt de conclusie getrokken dat, op basis van de grote inter-individuele variatie van de kaliumconcentratie in de rode bloedcel, het niet wenselijk is te corrigeren voor hemolyse. Het prospectieve bewijs wordt echter niet geleverd, mogelijk mede omdat dit een volgend groot experiment zou betekenen. In onze studie hebben we de gevonden correctiefactoren achtereenvolgens in een nieuwe, onafhankelijke dataset getoetst en daarmee gekeken naar de bruikbaarheid van de correctiefactor in de dagelijks praktijk (i.e. kan deze ingezet worden om de werkelijke kaliumconcentratie te schatten, zie Figuur 1).
Hoewel voor de groep een goede inschatting gemaakt kon worden voor de werkelijke kalium bleek dit, net zoals in eerder gepubliceerde studies (14,16), niet mogelijk te zijn om dit op individuele basis te doen. Een voor de hand liggende oorzaak zou toch een variatie in tijd tussen afname en analyse kunnen zijn, hoewel deze door de studieopzet zoveel mogelijk geminimaliseerd is. Een andere mogelijkheid is de intra-individuele variatie in de hoeveelheid kalium en/of hemoglobine dat kan vrijkomen bij hemolyse. Eerder is aangetoond dat de hoeveelheid kalium die uit de erytrocyt kan lekken, afhankelijk is van zowel de intracellulaire concentratie als het cellulaire volume. Eerdere studies hebben gemeld dat de gemiddelde intracellulaire kaliumconcentratie varieert van 86 tot 102 mmol/l, met een variatiecoëfficiënt van 3,8-6,7% (2,3). Naast deze grote variatie in intracellulaire concentratie, rapporteerden Lee en collega's ook dat de inhoud van de cel recht evenredig is met de grootte, d.w.z. hoe groter de cel, hoe meer inhoud deze zal bevatten (2). Bovendien melden ze dat kalium, samen met natrium, proportioneel schaalt met hemoglobine, mogelijk om de elektroneutraliteit te behouden. Dit suggereert dat het Hb en eigenschappen van de rode bloedcel, zoals grootte (mean corpuscular volume (MCV)) en vulling (mean corpuscular hemoglobin concentration (MCHC)), mogelijk een rol zouden kunnen spelen.
In lijn hiermee hebben we hemocytometrie-parameters toe laten voegen aan Data Set III, zoals het aantal rode bloedcellen (RBC), hemoglobine en hematocriet. Deze data zijn bekeken met de vraagstelling of een inschatting te maken is van de mate van het vrijkomen van de absolute hoeveelheid kalium op basis van grootte en/of vulling van de erytrocyten. Helaas was het niet mogelijk om een duidelijk verband op te stellen, maar de exercitie laat wel de kracht van een datamining-benadering zien. In plaats van het uitvoeren van een volledig nieuw experiment om de gewenste data te verkrijgen om het model te toetsen, kan deze data tegenwoordig uit het LIS worden verkregen “met een druk op de knop”.
Een ander groot voordeel van het gebruik van de informatie uit de laboratoriuminformatiesystemen is dat de dataset is gebaseerd op echte datapunten, welke zijn verkregen onder alledaagse omstandigheden. In het geval van kalium en hemolyse is er niet alleen sprake van een grote hoeveelheid individuele hemolysaten, waarvan reeds hierboven het voordeel is besproken, maar uit de data zijn direct ook conclusies te trekken over de dagelijkse manier van werken. Als voorbeeld, in het ideale scenario wordt na vaststelling van een hemolytisch monster direct een nieuwe monsterafname verricht. Echter, in Figuur 1 is duidelijk te zien dat maar een klein deel van de hemolytische monsters wordt opgevolgd met een niet-hemolytische afname (66 van de 296) en dat na 5 dagen slechts een derde is opgevolgd (99 van de 296). Wij concluderen hieruit dat er sprake is van behoorlijke overdiagnostiek. Immers, als de kaliumconcentratie daadwerkelijk belangrijk zou zijn geweest voor de klinische beslisvoering, dan zou je mogen verwachten dat vaker een nieuw monster wordt ingestuurd.
In het kort kan, naast het analyseren van verbanden, de informatie uit de laboratoriuminformatiesystemen ook gebruikt worden om een klinisch beslismodel retrospectief te toetsen. Het voordeel van een dergelijke aanpak is dat daarbij ook gemakkelijk andere parameters toegevoegd kunnen worden om het onderzoek te verdiepen en/of te verbreden die een verklaring zouden kunnen opleveren om de uitkomsten te verklaren.
Conclusie
Dit onderzoek toont aan dat, middels een goede query en juiste keuze van parameters, het mogelijk is via datamining (pre)klinische vragen te beantwoorden met reeds verkregen resultaten uit patiëntmonsters. Met de kaliumbepaling uit hemolytisch monster als voorbeeld, hebben we aangetoond dat dit een meerwaarde heeft ten opzichte van het gebruik van modellen op basis van kunstmatige monsters of het verzamelen van (extra) materiaal van vrijwilligers dan wel patiënten. Het feit dat deze datamining-benadering bevestigt dat een correctiefactor op basis van enkel de H-index niet gebruikt kan worden om een gecorrigeerde kaliumconcentratie van een hemolytisch monster te schatten, geeft aan dat dergelijke systematiek betrouwbaar inzetbaar is om dergelijke vraagstellingen te beantwoorden.