De WIWA: database breidt uit

Belangrijk instrument voor de interpretatie van laboratoriumtestresultaten

  • 2 min.
  • Wetenschap

Recent verscheen in Laboratoriumgeneeskunde een artikel waarin aandacht werd gevraagd voor laboratoriumdiagnostiek-gerelateerde diagnosefouten (1). Deze diagnosefouten zijn een bron van potentieel vermijdbare, zorggerelateerde sterfte en schade.
In het gehele diagnostische proces kunnen fouten optreden, waaronder ook de post-analytische fase, waarin testresultaten geïnterpreteerd worden. Door de toename in het aanbod en complexiteit van laboratoriumdiagnostiek wordt het steeds moeilijker voor artsen om testresultaten van patiënten goed te interpreteren. Voor de interpretatie van testresultaten wordt de laboratoriumspecialist daarom steeds vaker geconsulteerd. Deze trend wordt door de beroepsgroep herkend en omarmd. De beroepsgroep ontwikkelt zelf initiatieven om laboratoriumresultaten van interpretatief commentaar te voorzien en duiding van getallen is een van de belangrijkste speerpunten van de NVKC (2).

De Wat Interfereert Waar (WIWA) database is een voorbeeld waarbij de NVKC invulling geeft aan betere duiding van laboratoriumtestresultaten (3). In deze database kunnen NVKC-leden nazoeken of laboratoriumtesten beïnvloed kunnen zijn door geneesmiddelen.
Afwijkende laboratoriumtestresultaten kunnen duiden op ziekte, maar kunnen ook een direct gevolg zijn van geneesmiddelgebruik. Meestal betreft het dan een (al dan niet gewenst) fysiologisch effect van het geneesmiddel in vivo, of een analytische reactie in vitro.
Gewenste fysiologische interacties van geneesmiddelen met testresultaten leiden meestal niet tot diagnostische verwarring. Een voorbeeld hiervan is levothyroxine en een toename van vrij T4. Een voorbeeld van een onbedoeld fysiologisch effect van een geneesmiddel is een verhoging van chromogranine A door de veel voorgeschreven protonpompremmers (PPIs). PPIs stimuleren enterochromaffiene cellen, resulterend in verhoogde waarden van chromogranine A. Case reports beschrijven aanvullend ingezette, dure beeldvormende diagnostiek zonder afwijkingen en een genormaliseerd chromogranine A na het staken van PPIs (4). Dit voorbeeld illustreert dat onnodig ongemak voor de patiënt en kosten voorkomen hadden kunnen worden als deze interactie tijdig was herkend.
Analytische interferenties moeten zoveel mogelijk worden vermeden door het gebruik van een alternatieve assay of foutieve testinterpretatie moet worden uitgesloten door een waarschuwingssysteem. Een extreem voorbeeld van het gevaar van analytische geneesmiddel-testinteracties zijn foutieve hoge glucosemetingen bij Continue Ambulante Peritoneaal Dialyse (CAPD) patiënten, omdat sommige glucose-teststrips het onderscheid niet kunnen maken met andere suikers (icodextrine of maltose), die aanwezig kunnen zijn in CAPD vloeistof (5). De onjuiste toediening van glucose heeft in sommige gevallen fatale consequenties gehad.
De WIWA-database (Figuur 1) is sinds oktober 2017 online en groeit nog steeds dankzij de actieve leden van de werkgroep ‘Geneesmiddel-testinteracties’.

Afbeelding impressie van de WIWA-database
Figuur 1: de WIWA-database (te vinden op de NVKC-website en beschikbaar voor alle leden)

Maandelijks vindt er een literatuursearch plaats van potentiële interacties door minimaal twee werkgroepleden en wordt een concept validatierapport opgesteld. Dit validatierapport wordt door de gehele werkgroep besproken en beoordeeld. Na definitieve goedkeuring wordt het rapport toegevoegd aan de WIWA-database. In 2018 zijn er ruim vijftien interacties toegevoegd aan de database. De werkgroepleden brengen zelf nieuwe mogelijke interacties in, maar ook de input van alle NVKC-leden wordt meegenomen. Wanneer laboratoriumspecialisten zelf een geneesmiddel-testinteractie kennen of vermoeden waarvan ze het relevant vinden dat deze aan de database wordt toegevoegd, dan kan deze aan de werkgroep worden voorgelegd.
In een vervolgpilot wordt in vijf deelnemende ziekenhuizen getracht de WIWA-database te implementeren in een geautomatiseerd systeem waarin meldingen van geneesmiddel-testinteracties worden gegenereerd op basis van testuitslagen en geneesmiddelen bij de individuele patiënt. Soortgelijke initiatieven lijken veelbelovend (6) en het doel van de pilot is een proof-of-concept van het systeem ter ondersteuning van de consultvoering van de laboratoriumspecialist klinische chemie. Eind 2019 moet de pilot afgerond zijn.
De WIWA-database draagt bij aan betere duiding van laboratoriumtestresultaten en kan diagnostische fouten en hieraan gerelateerde schade voor de patiënt voorkomen.