Skip to main content

Interobserver Variability

Alle Informationen zum Thema Interobserver Variability

Auf einen Blick

Überall dort, wo Menschen arbeiten, passieren auch Fehler. Sei es durch Subjektivitäten, durch schlechte Anleitung oder durch kleine Missgeschicke. Auch die Urinanalyse mittels Schnelltests ist anfällig für diese kleinen, aber eventuell einflussreichen Fehler.

Obwohl schätzungsweise über zwei Milliarden Urintests pro Jahr durchgeführt werden, gibt es relativ wenig wissenschaftliche Forschung zur Qualität der Durchführung und den Einfluss des Faktor Mensch auf diese. Ein großes Problem ist, dass die Auswertung überwiegend subjektiv visuell erfolgt.

Weitere Informationen

In Bezug auf die Durchführung von Urinschnelltests stellten Bell et al. in ihrer zweiteiligen Beobachtungs-Studie fest, dass beispielsweise Pflegehilfskräfte eine relativ hohe Anzahl an falsch-positiven Tests im Vergleich zu Hebammen (47% gegenüber 17%) bei der Durchführung von Tests auf Proteinurie hatten. In einer sequentiellen Studie, erreichte ungeschultes Laborpersonal ebenfalls eine falsch-positive Rate von 35%. Ein daraufhin anberaumtes Training in der Methodik und Interpretation der Ergebnisse führte beim Laborpersonal zu einer wesentlichen Verbesserung der Genauigkeit (falsch-positive Rate von 5%). Ein identifiziertes Problem war neben der mangelnden Schulung ein „Auf-Rundungsproblem“ bedingt durch die geringe Bandbreite der wenigen Testfelder auf den Streifen. Gleichwohl blieb grundsätzlich eine relativ hohe Ungenauigkeit bei den falsch-negativen Ergebnissen, die vermutlich auf die Teststreifen zurückzuführen waren.

Diese Rest-Ungenauigkeiten kann laut den Autoren nicht durch Training oder durch Automatisierung beeinflusst werden, sondern durch eine Überprüfung der Schwellenempfindlichkeiten der zu der Zeit verfügbaren Teststreifen.

Bei einer Studie zur Glucose Testung zeigte sich deutlich, dass Messfehler vor allem durch die grobe Einteilung der Messbereiche in nur fünf Felder entstanden. Die 21.7% Abweichung zur Labordiagnose trat wesentlich im mittleren Messbereich auf, wo die Werte sowohl über- als auch unterschätzt wurden.

Die grobe Einteilung der Testfelder und die damit einhergehende Über- und Unterschätzung (teilweise um zwei „Blocks“) war auch das Ergebnis der Studie von Rumley im Jahr 2000. Saudan et al. kamen in ihrer Studie zum Ergebnis, dass die automatisierte Urinanalyse den Prozentsatz der echten positiven Urinanalysen von 48% mit visueller Auswertung auf 74% verbesserte.

Zusammenfassend kann festgehalten werden, dass eine grobe Klassifizierung der Teststreifen gepaart mit dem Faktor Mensch häufig zu Fehlern führen. An den oft unerfahrenen Untersucher werden sehr hohe Anforderungen gestellt, die Entscheidungen mit weitreichender Bedeutung nach sich ziehen können.

Durch kleinere Unterklassen oder einen kontinuierlichen Modus für die Ergebnisdokumentation könnte eine bessere quantitativere Analyse möglich sein. Das automatisierte Auslesen der Testresultate ist ebenfalls ein wichtiger Faktor.

Quellen

  • Bell et al. (1999): „The‘ role of observer error in antenatal dipstick proteinuria analysis“, British Journal of Obstetrics and Gynaecology, Vol.106, 1177-1180
  • Bekhof, J. et al. (2011): „Validity and interobserver agreement of reagent strips for measurement of glucosuria“, J. Clin. Lab. Invest., Bd. 71, Nr. 3, 248–252
  • Rumley (2000): „Urine dipstick testing: comparison of results obtained by visual reading and with the Bayer CLINITEK 50“, Clin. Biochem., Bd. 37, Nr. 2, 220–221
  • Saudan, P. J. et al. (1997): „Improved methods of assessing proteinuria in hypertensive pregnancy“, BJOG Int. J. Obstet. , Bd. 104, Nr. 10, 1159–1164
  • European Confederation of Laboratory Medicine (2000) „European urinalysis guidelines“, J. Clin. Lab. Investig. Suppl., Bd. 231, 1–86
Stand der Informationen: 2022