• Der zlog-Wert als Basis für die Standardisierung von Laborwerten

      Hoffmann, Georg; Klawonn, Frank; Lichtinghagen, Ralf; Orth, Matthias; Helmholtz-Zentrum für Infektionsforshung GmbH, Inhoffenstr. 7, 38124 Braunschweig, Germany. (2017-01-01)
      Zusammenfassung Hintergrund Im Zuge des deutschen E-Health-Gesetzes von 2016 wurde die DGKL aufgefordert, Vorschläge für die standardisierte Speicherung und Übermittlung von Labordaten zu erarbeiten. Wir schlagen dafür die in der Statistik weit verbreitete z-Transformation vor. Methoden Man erhält mit diesem Verfahren einen Relativwert, der angibt, um wie viele Standardabweichungen ein Messwert vom Mittelwert des Referenzkollektivs abweicht. Anhand realer Daten belegen wir die Annahme, dass die Werte gesunder Referenzpersonen durch logarithmische Transformation einer Normalverteilung angenähert werden können. Ergebnisse Kennt man somit die Unter- und Obergrenze UG und OG des Referenzintervalls, so kann man jedes Laborergebnis mit folgender Gleichung transformieren: Der zlog-Wert ist leicht interpretierbar: Sein Referenzintervall liegt methodenunabhängig stets zwischen –1,96 und +1,96; stark erniedrigte oder erhöhte Laborergebnisse führen zu zlog-Werten um –5 bzw. +5. Für eine intuitive Befunddarstellung kann man zlog-Werte auch in eine kontinuierliche Farbskala, z. B. von Blau über Weiß bis Orange umrechnen. Mithilfe der Umkehrfunktion lässt sich aus dem zlog-Wert auch das theoretische Resultat einer Messmethode mit einem anderen Referenzintervall berechnen: Schlussfolgerung Unser Standardisierungsvorschlag ist ein leicht realisierbarer und effektiver Beitrag zur Verbesserung der Datenqualität und Patientensicherheit im Rahmen des E-Health-Gesetzes. Es wird gefordert, dass alle Labore künftig zusätzlich zum Originalwert den zlog-Wert zur Verfügung stellen und dass in die Protokolle für die elektronische Labordatenübertragung (HL7, LDT) ein eigenes Feld für diesen zusätzlichen Wert eingefügt wird.
    • Letter to the editor by Winter et al.: Reply

      Hoffmann, Georg E.; Klawonn, Frank; Orth, Matthias; Lichtinghagen, Ralf; HZI,Helmholtz-Zentrum für Infektionsforschung GmbH, Inhoffenstr. 7,38124 Braunschweig, Germany. (De Gruyter, 2018-04-03)
    • Lipopolysaccharide binding protein, interleukin-10, interleukin-6 and C-reactive protein blood levels in acute ischemic stroke patients with post-stroke infection.

      Worthmann, Hans; Tryc, Anita B; Dirks, Meike; Schuppner, Ramona; Brand, Korbinian; Klawonn, Frank; Lichtinghagen, Ralf; Weissenborn, Karin; Department of Neurology, Hannover Medical School, Carl-Neuberg-Str. 1, 30623, Hannover, Germany. (2015)
      Ischemic stroke patients are prone to infection by stroke-induced immunodepression. We hypothesized that levels of lipopolysaccharide binding protein (LBP), interleukin-10 (IL-10), IL-6 and C-reactive protein (CRP) are early predictors for the development of stroke-associated infection.
    • The zlog value as a basis for the standardization of laboratory results

      Hoffmann, Georg; Klawonn, Frank; Lichtinghagen, Ralf; Orth, Matthias; Helmholtz-Zentrum für Infektionsforschung GmbH, Inhoffenstr. 7, 38124 Braunschweig, Germany. (2017-01-26)
      Abstract Background: With regard to the German E-Health Law of 2016, the German Society for Clinical Chemistry and Laboratory Medicine (DGKL) has been invited to develop a standard procedure for the storage and transmission of laboratory results. We suggest the commonly used z-transformation. Methods: This method evaluates by how many standard deviations (SDs) a given result deviates from the mean of the respective reference population. We confirm with real data that laboratory results of healthy individuals can be adjusted to a normal distribution by logarithmic transformation. Results: Thus, knowing the lower and upper reference limits LL and UL, one can transform any result x into a zlog value using the following equation: $\eqalign{ {\rm{zlog}} = & {\rm{(log(x)}}-{\rm{(log(LL)}} + {\rm{log(UL))/2)\cdot3}}{\rm{.92/(log(UL)}} \cr -{\bf{ }}{\rm{log(LL))}} \cr} $ The result can easily be interpreted, as its reference interval (RI) is –1.96 to +1.96 by default, and very low or high results yield zlog values around –5 and +5, respectively. For intuitive data presentation, the zlog values may be transformed into a continuous color scale, e.g. from blue via white to orange. Using the inverse function, any zlog value can then be translated into the theoretical result of an analytical method with another RI: (1) $${\rm{x}} = {\rm{L}}{{\rm{L}}^{0.5 - {\rm{zlog}}/3.92}} \cdot {\rm{U}}{{\rm{L}}^{0.5 + {\rm{zlog}}/3.92}}$$ Conclusions: Our standardization proposal can easily be put into practice and may effectively contribute to data quality and patient safety in the frame of the German E-health law. We suggest for the future that laboratories should provide the zlog value in addition to the original result, and that the data transmission protocols (e.g. HL7, LDT) should contain a special field for this additional value.