Volledige samenvatting pathofysiologie en pathologische biochemie

Inleiding
1. Wat is normaal
 Abnormaal = als het afwijkt van de referentiewaarde
o Situatieafhankelijk + referentiewaarde niet altijd toepasbaar
o Stel: vermoeden dat een koppel lama schurft heeft
-> kijken hoeveel deze dieren krabben/min
 Als 1vd lama’s boven de referentiewaarde krabt -> kan voor deze lama ook
gewoon normaal gedrag zijn
o Normaal / abnormaal ga je altijd koppelen aan de kliniek / klinische symptomen
 Wat is normaal
o Distributie van observaties / data
o Wanneer is een gemeten bloedwaarde normaal, valt binnen een normaal bereik?
o Distributie van data: observaties in een populatie
o Gaussiaanse of normale verdeling
 µ = 0 en σ² = 1
 95% van de data liggen binnen+/- 2xSD
 Je neemt van een gezond dier bloed en meet de glucose
-> waardes zitten rond een gemiddelde
o 95% vd honden hebben een glucoseconcentratie rond het gemiddelde
= normaalverdeling vd glucoseconcentratie van gezonde honden




 Cofounder = verstorende factor
o Zorgt dat observaties verkeerd geïnterpreteerd gaan worden
 Wat is normaal?
o Bepalen van referentie-intervallen
o Neem een random staal vd gezonde populatie en bepaal µ en SD
o Interval = µ ± x * SD waarbij de keuze van X kan variëren
 Meestal X = 2 (of 1.96)
 Interval omvat 95% van de data
 Gevolg: 5% kans dat een gezond dier als ziek wordt beschouwd
 Concept van vals positief (a) en vals negatief (b)
 Concept sensitiviteit en specificiteit

,Sensitiviteit en specificiteit
 Stel: 2 aula’s waarvan in de 1e aula 100 gezonde studenten zijn en in de andere 100 met
diabetes (verhoogde glucose)
o Van gezonde individuen nemen we de glucoseconcentraties
-> zijn verschillend maar vallen allemaal binnen normaal
o Van de zieke aula doen we hetzelfde en deze waardes vallen niet binnen normaal
 Conclusie: waardes liggen uit elkaar, maar er zijn ook waardes die overlappen
-> parameters bepalen
o a = groep gezonden studenten die boven de referentiewaarde ziek/niet ziek valt
= vals positieve conclusie = type 1 fout
o b = groep diabetesstudenten waarbij je voor een groot stuk een type 2 fout maakt
= foutief zeggen dat ze gezond zijn = valt negatieve conclusie = type 2 fout




 Sensitiviteit
= kans dat een echt ziek dier, als ziek wordt gediagnosticeerd
= 1-b
 Specificiteit
= kans dat een echt gezond dier, als gezond wordt beschouwd
= 1-a
 Gevolgen van het schuiven met treshold
o Als we naar rechts opschuiven: veel meer studenten gaan als gezond beschouwd
worden die wel echt ziek zijn -> type 2 fout vergroot maar type 1 fout verkleint wel

, Zie video: https://www.youtube.com/watch?v=QqgJHryKOSU
o Samengevat: een test die sensitief en specifiek is, heeft een andere voorspellende
waarde
 Is afhankelijk van de prevalentie van de ziekte in de populatie waarin je de test
gaat gebruiken
 Als je de test gebruikt voor een ziekte die maar 1/1000 voorkomt, wordt de
test vaak waardeloos
-> testen zijn afhankelijk van de ziekte

2. Precisie en accuraatheid
 Parameters die bloeduitslag bepalen (dus als je bepaalde glucose-uitslag ziet, wat bepaald
deze concentraties dan?)
o Eigenschappen van patiënt: ziek / niet ziek
o Variatie tss dieren
o Confounders / verstoorders
 Diergebonden
 Stress: glucose gaat omhoog
 Als het dier is doorgestuurd die die al een behandeling met bv cortisol
gegeven heeft: glucose ook omhoog
 Pre-analytische fouten
 Als je bloedbuisje in zon legt voor die naar het labo gaat
 Analysefouten
 Variaties tss labo’s
 Uitspraak doen over of patiënt ziek is of niet
 Post-analytische fouten
 Niet juist interpreteren, waardes aan foute patiënt plakken
 Precisie van de meting
o Is een meetresultaat het echte resultaat
o CV = SD/gemiddelde
o Herhaalbaarheid van de test op hetzelfde staal
o Intra assay CV
 Neem 10 stalen en ontdubbel elk staal
 Bepaal de SD vd 2 metingen op elk ontdubbelde stalen
 Bereken de gemiddelde SD vd 10 bekomen SDs en deel door het algemeen
gemiddelde van alle metingen
o Inter assay CV
 Neem 1 staal en ontdubbel en doe op elk ontdubbeld staal 10 metingen,
verspreid op 10 dagen
 Bereken de gemiddelde waarde van elk ontdubbeld staal (10 gemiddelden)
 Bereken de SD van de 10 gemiddelden en deel door het algemeen
gemiddelde van alle metingen
 Precisie en accuraatheid
o Is een meetresultaat wel het echte resultaat?
o Precisie: gevonden resultaten moeten dichtbij elkaar liggen
o Accuraatheid: resultaten moeten dichtbij de werkelijkheid liggen

,3. Diagnose
 Bij het opstellen van een therapie -> hoe reageert je dier hierop en bevestigt dit je diagnose?
o Altijd deze driehoek volgen




 Eerste indruk
o Bolle, opgetrokken rug + staart ver naar
achter + verzamelde stand (voorpoten
dichtbij achterpoten)
o Voorpoten staan dichtbij elkaar wat wijst
op mankheid
-> nu steunt de koe feller op lateraal en
dier heeft dus mediaal pijn
o Als dier achteraan mank staat gaat die
eerder wijd staan
 Algemene indruk

, Diagnose
o Belang van gedegen
 Klinisch onderzoek
 Dierobservatie
 Specifiek onderzoek
 Meten, vergelijken, weten
o Goede opvolging van patiënt
 Observatie, meten
o Opgelet: primaire oorzaak vs secundaire pathologie vs symptomen
o Belang van goede differentiaal diagnose
 Stel: reu op consultatie die continue likt aan preputium en er komt uitvloei uit
-> diagnose: voorhuid en glans penis ontsteking -> antibioticumbehandeling
o Na 3 weken terug met koorts, ontstoken penistop, veel lekken
-> urinestaal afnemen: urine vol bacteriën
-> echo maken: urine is troebel
-> diagnose: blaasontsteking
 Na 6 weken terug met zelfde symptomen
-> cellen, eiwitten en glucose meten -> glucosurie (glucose in urine)
-> bloedstaal nemen -> glucose in bloed te hoog
-> hond heeft diabetes type 2

4. Klinisch redeneren
 Heel belangrijke discipline
 Verhoogt de kans op een juiste diagnose en behandeling
 Verbetert de communicatie met de patiënt
 Gebaseerd op
o Uitvoering kennis vd arts
o Ervaringen vd arts
o Symptomen, gedragingen bij het dier
o Informatie aangeleverd door de eigenaar
 Valkuilen
o Availability
 Je baseert je diagnostisch redeneren alleen op recente ervaringen (op wat je
nu ziet, niet gisteren)
o Anchoring
 Je beperkt je diagnosestelling maar tot 1 specifieke redenering terwijl andere
belangrijke pistes niet worden aangeraakt
o Confirmation
 Alleen positieve cases (waarbij je juiste diagnose had) blijven je bij
o Vroeg tevreden
 Je breekt vroegtijdig je diagnose zoektocht af omdat je al voldaan en tevreden
bent over het bereikte resultaat
o De val van het ‘lage-voorkomen’
 Een ziekte/aandoening die slechts zelden voorkomt, wordt niet in overweging
genomen bij het stellen van een diagnose
o De val van het ‘achteraf gelijk’
 De evaluatie van een diagnosestelling moet gebeuren obv de info die er toen
(op moment van diagnose’ voorhanden was

,  Staalname
o Liefst uit grote vene zonder veel onderdruk
o Vlugge verwerking
o Soorten buisjes
 Zonder anticoagulans
 Ong alles behalve hematologie en stollingsfactoren
 Heparine
 Bloedgassen – electrolieten – sporenelementen
 EDTA
 Hematologie – fibrinogeen – sporenelementen
 Fluoride
 Glucose
 Citraat
 Stollingsstesten – bloedtype bepaling
 ACD
 Bewaring bloed (bloedgroepen)
 Prevalentie
o Aantal zieke dieren in een bepaalde populatie op een bepaald moment
 Incidentie
o Aantal nieuwe ziekte-gevallen in een bepaalde gevoelige populatie tijdens een
vastgelegde periode
o Prevalentie = incidentie * duur van de ziekte
 Mortaliteit vs morbiditeiit
o Mortaliteit = kans dat een geïnfecteerd dier doodgaat door die infectie
o Morbiditeit = kans dat een geïnfecteerd dier (noemer) ziek wordt (teller)

Zie ook: https://youtu.be/cTp_ONVVrh8