Acute diverticulitis

Initiatief: NVVH Aantal modules: 24

Parameters voor diagnose diverticulitis

Uitgangsvraag

Kan de diagnose diverticulitis gesteld worden op basis van kliniek en laboratoriumonderzoek?

Aanbeveling

Overweeg af te zien van beeldvorming voor het bevestigen van een klinisch vermoeden op ongecompliceerde acute diverticulitis (zonder sepsis criteria), die voldoen aan de criteria: drukpijn links onderin de buik, afwezigheid van braken en CRP >50mg/L.

Overwegingen

Acute diverticulitis appears to be a difficult clinical diagnosis since only 43% to 65% of patients suspected of having acute diverticulitis actually have a final diagnosis of diverticulitis. (Andeweg, 2011; Lameris, 2010; Laurell, 2007; Toorenvliet, 2010) Although individual clinical and/or laboratory parameters (that is CRP, leucocytes or body temperature) may differ between patients with acute diverticulitis and patients with other diagnoses such as nonspecific abdominal pain, their discriminating capacity is insufficient to diagnose acute diverticulitis more reliably. (Kiewiet, 2014; Laurell, 2007) In contrast, ultrasonography and/or computed tomography can reach positive or negative predictive values of 95% or higher. Consequently, imaging is currently required to establish an acute diverticulitis diagnosis with acceptable reliability. To increase the accuracy of a clinical diagnosis, two prediction models for an acute diverticulitis diagnosis were developed. If the accuracy of one of these tools or both could be near the accuracy level of imaging, it becomes possible to minimise unnecessary imaging to diagnose diverticulitis and thereby reduce patients burden and healthcare utilisation.

 

The aim of a diverticulitis diagnosis prediction model at the emergency department is to correctly identify diverticulitis patients as often as possible when they have a positive prediction model outcome. Ideally, a positive test would have no false positives and diagnostic imaging could be omitted correctly in all cases. One would like to prevent omitting imaging in patients that actually did not have acute diverticulitis and would have required imaging. Therefore the positive predictive value (PPV; patient with a positive test, truly have a diagnosis of acute diverticulitis instead of another diagnosis) of the prediction model is the most important outcome. Furthermore, the prediction model should be positive in a substantial part of the suspected patients. A model with a high positive predictive value that could only identify 1% of diverticulitis patients would be useless at an emergency department. Two prediction models for the diagnosis of acute diverticulitis have been developed and externally validated subsequently in each other’s cohorts and in a third independent cohort. The externally validated model of Andeweg included age, left tenderness, CRP, location of symptoms, aggravation of pain on movement and absence of vomiting from which a total score was calculated and a score corresponding with a diverticulitis probability of 0.90 or higher was considered a positive test. This model had a PPV of 89% in the derivation cohort and 89% to 92% in validation cohorts. However, this model only identified 6% of acute diverticulitis patients in the derivation cohort and 9% to 19% in the validation cohorts. The model of Lameris et al. included left lower quadrant tenderness, absence of vomiting and CRP above 50mg/L. The outcome of the model was considered positive when all three items were met. This model had a PPV of 97% in the derivation cohort and 81% to 100% in the validation cohorts. The model identified 24% of acute diverticulitis in the derivation cohort and 14% to 20% in the validation cohorts. Although the number of patients identified by the Lameris et al. model was higher than the Andeweg model, the PPV was relatively low in one of the validation cohorts (81%). This could however be caused by the different nature of patients in these studies. Lameris included all patients at the emergency department whereas Andeweg included only patients admitted to the hospital, thereby excluding mild patients that were discharged home from the emergency department. This is reflected by the 33% rate of complicated diverticulitis in the Andeweg cohort versus 8% complicated diverticulitis in the Lameris cohort. Most likely, the Lameris cohort and the independent cohort are most comparable to the group of patients this prediction model would be used in; emergency department patients. Furthermore, the Lameris model only required three items and no score needed to be calculated like in the Andeweg model, facilitating easier application. It should be noted that the prediction models were developed and validated in patients clinically suspected of acute diverticulitis. Therefore, they should be considered an extension to a clinical suspicion rather than a triage tool in all patients with abdominal pain. The models could increase the diagnostic accuracy of a clinical diagnosis to levels near diagnostic imaging and omitting imaging in model positive patients may be justified. However, when considering to omit imaging, all patients should be reviewed for signs of complicated diverticulitis. The models can establish an acute diverticulitis diagnosis but do not make a distinction between uncomplicated and complicated diverticulitis. Therefore, patients with signs of complications (such as body temperature >38°C and one or more sepsis criteria) or conditions possibly masking this assessment (as in immunocompromised patients) should undergo diagnostic imaging nevertheless.

Onderbouwing

Target group of patients: Suspected of acute diverticulitis at emergency department

Diagnostic imaging may be omitted if the diagnosis uncomplicated acute diverticulitis could be established reliably based on clinical and/or laboratory parameters. Currently, most acute diverticulitis diagnoses are established by imaging (ultrasonography or computed tomography) since the accuracy of a clinical diagnosis has been proven to be insufficient (43% till 65%). Since individual clinical or laboratory parameters have also been proven insufficient to diagnose acute diverticulitis reliably, prediction models consisting of several parameters were assessed for their diagnostic accuracy. A reliable prediction model could spare additional imaging in selected patients, reduce healthcare utilisation and provide an opportunity to diagnose acute diverticulitis even when imaging is not available.

Redelijk

GRADE

De positief voorspellende waarde van predictiemodellen voor het stellen van de diagnose acute diverticulitis varieert tussen de 89% en 97% in het oorspronkelijke cohort en tussen de 81% en 100% bij externe validatie.

 

Bronnen (Andeweg, 2011; Kiewiet, 2014; Lameris, 2010)

 

Redelijk

GRADE

De negatief voorspellende waarde van predictiemodellen voor het stellen van de diagnose acute diverticulitis varieert tussen de 47% en 67% in het oorspronkelijke cohort en tussen de 51% en 76% bij externe validatie.

 

Bronnen (Andeweg, 2011; Kiewiet, 2014; Lameris, 2010)

 

Redelijk

GRADE

De diagnostische accuratesse van predictiemodellen voor het stellen van de diagnose acute diverticulitis varieert tussen de 84% en 86% in het oorspronkelijke cohort en tussen de 73% en 89% bij externe validatie.

 

Bronnen (Andeweg, 2011; Kiewiet, 2014; Lameris, 2010)

Three studies assessing the diagnostic accuracy of prediction models consisting of several clinical and/or laboratory parameters were included. Two studies (Andeweg, 2011; Lameris, 2010) each developed a prediction model which were externally validated in the third study (Kiewiet, 2014). Andeweg developed their prediction model in a retrospective cohort of patients admitted with acute abdominal pain, not requiring immediate surgery, and clinically suspect for acute diverticulitis. Clinical and laboratory parameters were assessed for an association with a final diagnosis of acute diverticulitis. This final diagnosis was established by computed tomography in conservatively treated patients and by surgery or pathology for operatively treated patients during a follow-up duration of 6 months. Independent risk factors were awarded an amount of points based on the strength of their association. A nomogram was developed that yielded a total score for an individual patient. This individual patient score could then be converted to a probability score for acute diverticulitis. Since individual scores were used and no cut-off was created to estimate the probability for a group of patients, no positive or negative predictive value could be calculated for the prediction model. Only the summary ROC curve and the optimal sensitivity/specificity were calculated. Lameris developed another prediction model in a prospective cohort study of patients with acute abdominal pain at the emergency department. Clinical and laboratory parameters were assessed for an association with a final diagnosis of acute diverticulitis which was established by an expert panel formed by two gastrointestinal surgeons and an abdominal radiologist. All available data from at least 6 months of follow-up, including imaging in all patients and surgery or pathology, was used to establish this final diagnosis. The most predictive independent predictors were included in a prediction model. Rather than using individual scores for each patient to estimate the probability of acute diverticulitis like the study of Andeweg and Lameris estimated the probability of having acute diverticulitis for patients fulfilling all items of the prediction model. This approach enabled the calculation of positive and negative predictive values, besides sensitivity and specificity. Following these two studies (Andeweg, 2011; Lameris, 2010), a third study was performed to externally validate the two previous prediction models. The model of Andeweg was validated in the patient cohort of Lameris and vice versa. The prediction model of Andeweg was adapted in two ways. First, the item ‘history of diverticulitis’ was excluded from the model since no data for this item were recorded in the cohort of Lameris. Second, a cut-off for the total score from the model was determined to enable calculation of positive and negative predictive values and thereby comparison between the models. A cut-off was chosen to provide high positive predictive values, like in the model of Lameris. Additionally, both prediction models were externally validated in a third and independent cohort. This prospective Swedish cohort included patients with acute abdominal pain admitted to the hospital. The final diagnosis in this cohort was established using all available clinical information from at least one year of follow-up including barium enema and colonoscopy, but without ultrasonography or computed tomography. The Andeweg cohort included 124 acute diverticulitis patients and 163 non-diverticulitis patients, the Lameris cohort included 80 diverticulitis patients and 46 non-diverticulitis patients and the independent cohort included 58 diverticulitis patients and 45 non-diverticulitis patients.

 

Resultaten

The prediction model of Andeweg included seven items:

  • age ≥71y (40 points);
  • history of diverticulitis (88 points);
  • left tenderness (57 points);
  • CRP 11-49 mg/L (35 points) or CRP ≥50 mg/L (85 points);
  • diffuse symptoms (70 points) or left symptoms (100 points);
  • aggravation of pain on movement (60 points);
  • absence of vomiting (50 points).

 

For the external validation in the study of Kiewiet history of diverticulitis was excluded and the total score cut-off was set at a probability of 0.9 corresponding with a positive predictive value of 90%, creating the adapted Andeweg prediction model. The prediction model of Lameris included three items:

  • tenderness in left lower quadrant;
  • absence of vomiting;
  • CRP above 50mg/L.

 

Positive predictive value (PPV)

The adapted Andeweg prediction model had a PPV of 89% (95% CI 67% to 97%) in the derivation cohort. External validation showed a 92% PPV (95% CI 74% to 98%) in the Lameris cohort and a 89% PPV (95% CI 57% to 98%) in the independent cohort. The Lameris prediction model had a PPV of 97% (95% CI 83% to 99%) in the derivation cohort, a PPV of 81% (95% CI 69% to 89%) in the Andeweg cohort and a PPV of 100% (95% CI 78% to 100%) in the independent cohort.

 

Negative predictive value (NPV)

The adapted Andeweg prediction model had a NPV of 67% (95% CI 60% to 72%) in the derivation cohort. External validation showed a 76% NPV (95% CI 67% to 84%) in the Lameris cohort and a 47% NPV (95% CI 37% to 57%) in the independent cohort. The Lameris prediction model had a NPV of 47% (95% CI 37% to 57%) in the derivation cohort, a NPV of 66% (95% CI 60% to 72%) in the Andeweg cohort and a NPV of 51% (95% CI 40% to 61%) in the independent cohort.

 

Diagnostic accuracy (summary ROC curve)

The original prediction model of Andeweg showed a 86% diagnostic accuracy (95% CI 82% to 91%) in the derivation cohort. The diagnostic accuracy of the adapted version of this model was only slightly lower with 84% (95% CI 80% to 89%). External validation of this tool showed a diagnostic accuracy of 89% (95% CI 82% to 95%) in the Lameris cohort and 85% (95% CI 78% to 92%) in the independent cohort. The Lameris prediction model yielded a 86% diagnostic accuracy (95% CI 80% to 93%) in the derivation cohort, 77% (95% CI 72% to 83%) in the Andeweg cohort and 73% (95% CI 63% to 82%) in the independent cohort.

 

Bewijskracht van de literatuur

De bewijskracht voor de uitkomstmaat positief voorspellende waarde begon op ‘hoog’ aangezien de uitgangsvraag zich richt op de accuratesse van een diagnostische test. Vervolgens is de bewijskracht met 1 niveau verlaagd gezien het geringe aantal patiënten (imprecisie).

 

De bewijskracht voor de uitkomstmaat negatief voorspellende waarde begon op ‘hoog’ aangezien de uitgangsvraag zich richt op de accuratesse van een diagnostische test. Vervolgens is de bewijskracht met 1 niveau verlaagd gezien het geringe aantal patiënten (imprecisie).

 

De bewijskracht voor de uitkomstmaat diagnostische accuratesse begon op ‘hoog’ aangezien de uitgangsvraag zich richt op de accuratesse van een diagnostische test. Vervolgens is de bewijskracht met 1 niveau verlaagd gezien het geringe aantal patiënten (imprecisie).

Om de uitgangsvraag te kunnen beantwoorden is er een systematische literatuuranalyse verricht naar de volgende zoekvraag:

Hoe nauwkeurig zijn predictiemodellen om de diagnose acute diverticulitis te stellen?

 

Patiënt: patiënt klinisch verdacht voor diverticulitis;

Interventie: acute diverticulitis op basis van predictiemodel (klinische en/of laboratoriumparameters);

Controle: acute diverticulitis als definitieve diagnose;

Outcome: diagnostische accuratesse: Positief voorspellende waarde (PVW), negatief voorspellende waarde (NVW), area under the ROC.

 

Relevante uitkomstmaten

De werkgroep achtte ‘positief voorspellende waarde’ voor de besluitvorming kritieke uitkomstmaten; en ‘negatief voorspellende waarde’ en ‘diagnostische accuratesse’ voor de besluitvorming belangrijke uitkomstmaten.

 

De werkgroep definieerde niet a priori de genoemde uitkomstmaten, maar hanteerde de in de studies gebruikte definities.

 

Zoeken en selecteren (Methode)

In de databases Medline (OVID), EMBASE en de Cochrane Library (Wiley) is met relevante zoektermen gezocht naar gerandomiseerde klinische onderzoeken. De zoekverantwoording is weergegeven onder het tabblad Verantwoording.

 

De literatuurzoekactie leverde 566 treffers op. Studies werden geselecteerd op grond van de volgende selectiecriteria:

  • Volledige tekst artikelen beschikbaar (geen taalrestricties).
  • Observationele of gerandomiseerde onderzoeken die de nauwkeurigheid van een predictiemodel (bestaande uit klinische en/of laboratoriumparameters) voor acute diverticulitis onderzoeken.
  • Eén van de uitkomsten beschreven.

 

Op basis van titel en abstract werden in eerste instantie 22 studies voorgeselecteerd. Na raadpleging van de volledige tekst, werden vervolgens 19 studies geëxcludeerd (zie exclusietabel onder het tabblad Verantwoording), en 3 studies definitief geselecteerd.

 

Drie onderzoeken zijn opgenomen in de literatuuranalyse. De belangrijkste studiekarakteristieken en resultaten zijn opgenomen in de evidence-tabellen. De beoordeling van de individuele studieopzet (risk of bias) is opgenomen in de risk of bias tabellen.

  1. Andeweg CS, Knobben L, Hendriks JCM, et al. How to diagnose acute left-sided colonic diverticulitis: Proposal for a clinical scoring system. Annals of Surgery. 2011;253(5):940-6.
  2. Kiewiet JJ, Andeweg CS, Laurell H, et al. External validation of two tools for the clinical diagnosis of acute diverticulitis without imaging. Dig Liver Dis. 2014;46(2):119-24.
  3. Lameris W, van Randen A, van Gulik TM, et al. A clinical decision rule to establish the diagnosis of acute diverticulitis at the emergency department. Diseases of the colon and rectum. 2010;53(6):896-904.
  4. Laurell H, Hansson LE, Gunnarsson U. Acute diverticulitis--clinical presentation and differential diagnostics. Colorectal disease : the official journal of the Association of Coloproctology of Great Britain and Ireland. 2007;9(6):496-501; discussion -2.
  5. Toorenvliet BR, Bakker RF, Breslau PJ, et al. Colonic diverticulitis: a prospective analysis of diagnostic accuracy and clinical decision-making. Colorectal disease : the official journal of the Association of Coloproctology of Great Britain and Ireland. 2010;12(3):179-86.

Study reference

Study characteristics

Patient characteristics 2

Intervention (I)

Comparison / control (C) 3

Follow-up

Outcome measures and effect size 4

Comments

Andeweg, 2011

Type of study: retrospective cohort study

 

Setting: Single centre

 

Country: Netherlands

 

Source of funding: None

Inclusion criteria: Patients hospitalized with acute abdominal pain from the emergency department that did not require immediate surgery, with a clinical suspicion of acute diverticulitis (defined by “suspected diverticulitis” or “lower left abdominal pain” on CT request forms, selected forms were cross-checked with the writings of “clinical suspicion of diverticulitis” in the medical records.

 

Exclusion criteria: Incomplete hospital records

 

N total at baseline:

Diverticulitis: 124

Control: 163

Clinical decision tool for the prediction of an acute left-sided diverticulitis diagnosis (0 to 100 point for each parameter):

  • Age ≥71y (40 points)
  • Previous episode (88 points)
  • Left tenderness (57 points)
  • CRP 11 to 49 (35 points), ≥50 (85 points)
  • Diffuse symptoms (70 points), left symptoms (100 points)
  • Aggravation of pain on movement (60 points)
  • Absence of vomiting (50 points)

Golden standard for diagnosis acute diverticulitis: computed tomography for non-operatively treated patients and pathology or operative reports for operatively treated patients.

Golden standard for other diagnoses was CT, surgery, pathology or medical record during follow-up

Length of follow-up: 6 months

 

 

Loss-to-follow-up: None

Prediction model accuracy 86% (95% CI 82% to 91%), after internal validation 84%

 

Optimal sensitivity and specificity of the ROC curve were 77% and 85% respectively

 

Kiewiet, 2014

Type of study: Validation of decision tools in prospective and retrospective cohort studies

 

Setting: multicentre

 

Country: Netherlands and Sweden

 

Source of funding: None

Validation cohort 1

Retrospective cohort Andeweg 2011

In- and exclusion criteria: see reference Andeweg 2011

 

Validation cohort 2

Prospective cohort Lameris 2010

In- and exclusion criteria: see reference Lameris 2010

 

Validation cohort 3

Laurell et al. 2007

Prospective cohort study

Inclusion criteria: Patients admitted to the hospital with abdominal pain

of up to 7 days’ duration, older than 1 year of age

Exclusion criteria: lost medical record

Follow-up: At least 1 year

External validation of Andeweg 2011 tool in Lameris 2010 and Laurell 2007 cohort. This Andeweg tool was slightly adjusted. Since a ‘history of diverticulitis’ was not recorded in the Lameris 2010 cohort, this feature was excluded from the Andeweg tool. All coefficients were recalculated based on the original patient data. Furthermore, the diagnostic accuracy of the Andeweg tool was evaluated by calculating individual probabilities in the derivation cohort. To allow comparison of the diagnostic accuracy of the CS tool with the ED triad, a

cut-off was chosen to resemble the aim of the ED triad, namely to have a high positive predictive value (PPV). The value of the cut-off analysis was set at a calculated probability of 90% to correspond with a PPV of around 90%.

 

External validation of Lameris 2010 tool in Andeweg 2011 and Laurell 2007 cohort

Validation cohort 1

See reference Andeweg 2011

 

Validation cohort 2

See reference Lameris 2010

 

Validation cohort 3

All available clinical information obtained in a follow-up period of at least 1 year up to 3 years was used to establish the final diagnosis by the first author. Diagnostic criteria for diverticulitis were abdominal pain, fever and/or elevation of C-reactive protein (CRP) and a finding of diverticula at X-ray or endoscopic examination prior to admission or during the follow-up period.

 

Lameris tool

Discriminatory capacity (AUC)

Lameris cohort: 0.86 (95% CI 0.80 to 0.93)

Andeweg cohort:0.77 (95% CI 0.72 to 0.83)

Laurell cohort: 0.73 (95% CI 0.63 to 0.82)

 

Positive predictive value

Lameris cohort: 97% (95% CI 83% to 99%)

Andeweg cohort: 81% (95% CI 69% to 89%)

Laurell cohort: 100% (95% CI 78% to 100%)

 

Negative predictive value

Lameris cohort: 47% (95% CI 37% to 57%)

Andeweg cohort: 66% (95% CI 60% to 72%)

Laurell cohort: 51% (95% CI 40% to 61%)

 

 

Andeweg tool

Discriminatory capacity (AUC) Andeweg cohort: 0.84 (95% CI 0.80 to 0.89)

Lameris cohort: 0.89 (95% CI 0.82 to 0.95)

Laurell cohort: 0.85 (95% CI 0.78 to 0.92)

 

Positive predictive value

Andeweg cohort: 89% (95% CI 67% to 97%)

Lameris cohort: 92% (95% CI 74% to 98%)

Laurell cohort: 89% (95% CI 57% to 98%)

 

Negative predictive value

Andeweg cohort: 67% (95% CI 60% to 72%)

Lameris cohort: 76% (95% CI 67% to 84%)

Laurell cohort: 47% (95% CI 37% to 57%)

 

Lameris, 2010

Type of study: Prospective cohort study

 

Setting: Multicentre

 

Country: Netherlands

 

Source of funding: Dutch Organization for Health Re-

search and Development

Inclusion criteria: Adult patients presenting with nontraumatic abdominal pain for more than 2 hours and fewer

than 5 days. All underwent ultrasound and CT. Recently discharged patients admitted for reasons other than abdominal pain but who developed abdominal pain as a new symptom were also eligible, as were postoperative patients, if they

had been pain free. Patients with clinical findings suggestive of diffuse peritonitis were eligible if they had no critical

organ failure.

 

Exclusion criteria: Haemorrhagic shock, pregnancy, patients with a low suspicion for an urgent abdominal condition discharged from the ED, for whom the

treating physician deemed imaging unnecessary

 

N total at baseline:

Diverticulitis: 112

Control: 909

Clinical decision tool for the prediction of an acute left-sided diverticulitis diagnosis

  • Tenderness only in left lower quadrant
  • Absence of vomiting
  • CRP >50

A final diagnosis was assigned in consensus based on all available information by an expert panel formed by 2 gastrointestinal surgeons and an abdominal radiologist with longstanding clinical experience. Data available to the experts included the clinical presentation, laboratory test results, imaging findings, operative or pathologic findings,

treatment outcome, and 6months of follow-up including the results of follow-up investigations. The panel based its

diagnosis on a combination of clinical findings, US and CT findings, the course of disease, surgical findings, colonoscopic findings, and contrast enema findings

Length of follow-up: at least 6 months

 

 

Loss-to-follow-up: None

Combination of the three features of the tool in patients with a clinical suspicion of diverticulitis had a positive predictive value of 97% (83% to 99%), negative predictive value 47% (95% CI 37% to 57%).

 

Sensitivity 36% (95% CI 26% to 47%), specificity 98% (89% to 100%)

 

Notes:

  1. Prognostic balance between treatment groups is usually guaranteed in randomized studies, but non-randomized (observational) studies require matching of patients between treatment groups (case-control studies) or multivariate adjustment for prognostic factors (confounders) (cohort studies); the evidence table should contain sufficient details on these procedures.
  2. Provide data per treatment group on the most important prognostic factors ((potential) confounders).
  3. For case-control studies, provide sufficient detail on the procedure used to match cases and controls.
  4. For cohort studies, provide sufficient detail on the (multivariate) analyses used to adjust for (potential) confounders.

 

Risk of bias table for intervention studies (observational: non-randomized clinical trials, cohort and case-control studies)

Research question:

Study reference

 

 

 

(first author, year of publication)

Bias due to a non-representative or ill-defined sample of patients?1

 

 

 

(unlikely/likely/unclear)

Bias due to insufficiently long, or incomplete follow-up, or differences in follow-up between treatment groups?2

 

 

(unlikely/likely/unclear)

Bias due to ill-defined or inadequately measured outcome ?3

 

 

(unlikely/likely/unclear)

Bias due to inadequate adjustment for all important prognostic factors?4

 

 

(unlikely/likely/unclear)

Andeweg, 2011

Unlikely

Unlikely

Unlikely

Unlikely

Kiewiet, 2014

Unlikely

Unlikely

Unclear

Unlikely

Lameris, 2010

Unlikely

Unlikely

Unlikely

Unlikely

  1. Failure to develop and apply appropriate eligibility criteria: a) case-control study: under- or over-matching in case-control studies; b) cohort study: selection of exposed and unexposed from different populations.
  2. 2 Bias is likely if: the percentage of patients lost to follow-up is large; or differs between treatment groups; or the reasons for loss to follow-up differ between treatment groups; or length of follow-up differs between treatment groups or is too short. The risk of bias is unclear if: the number of patients lost to follow-up; or the reasons why, are not reported.
  3. Flawed measurement, or differences in measurement of outcome in treatment and control group; bias may also result from a lack of blinding of those assessing outcomes (detection or information bias). If a study has hard (objective) outcome measures, like death, blinding of outcome assessment is not necessary. If a study has soft (subjective) outcome measures, like the assessment of an X-ray, blinding of outcome assessment is necessary.
  4. Failure to adequately measure all known prognostic factors and/or failure to adequately adjust for these factors in multivariate statistical analysis.

Autorisatiedatum en geldigheid

Laatst beoordeeld  : 09-05-2018

Laatst geautoriseerd  : 09-05-2018

Geplande herbeoordeling  : 01-01-2023

Voor het beoordelen van de actualiteit van deze richtlijn is de werkgroep niet in stand gehouden. Uiterlijk in 2023 bepaalt het bestuur van de Nederlandse Vereniging voor Heelkunde of de modules van deze richtlijn nog actueel zijn. Op modulair niveau is een onderhoudsplan beschreven. Bij het opstellen van de richtlijn heeft de werkgroep per module een inschatting gemaakt over de maximale termijn waarop herbeoordeling moet plaatsvinden en eventuele aandachtspunten geformuleerd die van belang zijn bij een toekomstige herziening (update). De geldigheid van de richtlijn komt eerder te vervallen indien nieuwe ontwikkelingen aanleiding zijn een herzieningstraject te starten.

 

De Nederlandse Vereniging voor Heelkunde is regiehouder van deze richtlijn en eerstverantwoordelijke op het gebied van de actualiteitsbeoordeling van de richtlijn. De andere aan deze richtlijn deelnemende wetenschappelijke verenigingen of gebruikers van de richtlijn delen de verantwoordelijkheid en informeren de regiehouder over relevante ontwikkelingen binnen hun vakgebied.

Initiatief en autorisatie

Initiatief:
  • Nederlandse Vereniging voor Heelkunde
Geautoriseerd door:
  • Nederlandse Vereniging van Maag-Darm-Leverartsen
  • Nederlandse Vereniging voor Heelkunde
  • Nederlandse Vereniging voor Radiologie

Algemene gegevens

De richtlijnontwikkeling werd ondersteund door het Kennisinstituut van de Federatie Medisch Specialisten (http://www.kennisinstituut.nl) en werd gefinancierd uit de Stichting Kwaliteitsgelden Medisch Specialisten (SKMS). Patiëntenparticipatie bij deze richtlijn werd mede gefinancierd uit de Kwaliteitsgelden Patiënten Consumenten (SKPC) binnen het programma KIDZ. De SKMS heeft geen enkele invloed gehad op de inhoud van de richtlijn.

Doel en doelgroep

Doel

Deze richtlijn is bedoeld om een evidence-based beleid voor de zorg voor patiënten met diverticulitis in de tweede lijn op te stellen.

 

Doelgroep

Deze richtlijn is geschreven voor alle leden van de beroepsgroepen die betrokken zijn bij de zorg voor patiënten met diverticulitis, te weten chirurgen, maag- lever- darmartsen, internisten, radiologen en huisartsen. Een secundaire doelgroep zijn zorgverleners uit de eerste lijn die betrokken zijn bij de zorg rondom patiënten met diverticulitis, waaronder huisarts, verpleegkundigen (waaronder continentieverpleegkundige en verpleegkundig specialisten) en physician assistants.

Samenstelling werkgroep

Voor het ontwikkelen van de richtlijn is in 2016 een multidisciplinaire werkgroep ingesteld, bestaande uit vertegenwoordigers van alle relevante specialismen die betrokken zijn bij de zorg voor patiënten met diverticulitis te maken hebben. Het Nederlands Huisartsen Genootschap (NHG) en de Nederlandse Vereniging voor Spoedeisende Hulp Artsen (NVSHA) zijn uitgenodigd om te participeren in de werkgroep maar heeft geen gebruik gemaakt van de uitnodiging.

 

De werkgroepleden zijn door hun beroepsverenigingen gemandateerd voor deelname.

De werkgroep is verantwoordelijk voor de integrale tekst van deze richtlijn. Stefan van Dijk heeft onder begeleiding van Marja Boermeester de systematische analyses van de literatuur uitgewerkt.

 

Werkgroep

  • Prof. dr. M.A. Boermeester, chirurg, Amsterdam UMC locatie AMC, Amsterdam, NVvH (voorzitter)
  • Dr. M.G.J. de Boer, internist, infectioloog, Leids Universitair Medisch Centrum, Leiden, NIV
  • S. van Dijk, MSc, arts-onderzoeker chirurgie, Amsterdam UMC locatie AMC, Amsterdam, NVvH
  • Dr. W.A. Draaisma, chirurg, Jeroen Bosch Ziekenhuis, Den Bosch, NVvH
  • Dr. R.J.F. Felt-Bersma, MDL-arts, VU Medisch Centrum, Amsterdam, NVMDL
  • Dr. B.R. Klarenbeek, chirurg, Radboud UMC, Nijmegen, NVvH
  • Dr. J.A. Otte, internist, ZorgSaam Zeeuws-Vlaanderen, Terneuzen, NIV
  • Dr. J.B.C.M. Puylaert, radioloog, Medisch Centrum Haaglanden, Den Haag, NVvR

 

Met ondersteuning van:

  • Dr. W.A. van Enst, senior-adviseur, Kennisinstituut van de Federatie Medisch Specialisten

Belangenverklaringen

De KNMG-Code ter voorkoming van oneigenlijke beïnvloeding door belangenverstrengeling is gevolgd. Alle werkgroepleden hebben schriftelijk verklaard of ze in de laatste drie jaar directe financiële belangen (betrekking bij een commercieel bedrijf, persoonlijke financiële belangen, onderzoeksfinanciering) of indirecte belangen (persoonlijke relaties, reputatie management, kennisvalorisatie) hebben gehad. Een overzicht van de belangen van werkgroepleden en het oordeel over het omgaan met eventuele belangen vindt u in onderstaande tabel. De ondertekende belangenverklaringen zijn op te vragen bij het secretariaat van het Kennisinstituut van de Federatie Medisch Specialisten.

 

Werkgroeplid

Functie

Nevenfuncties

Gemelde belangen

Ondernomen actie

Boermeester

Gastrointestinaal chirurg, hoogleraar chirurgie van abdominale infecties, chirurgisch hoofd van darmfalenteam AMC

Geen

"Niet gerelateerd aan deze richtlijn. Niet-gerelateerde institutional grants van J&J/Ethicon, Acelity/KCI, Ipsen, Baxter, Bard, Mylan"

Geen

De Boer

Internist, LUMC

Geen

Geen

Geen

Draaisma

Chirurg, AMC

lid werkgroep richtlijn Pleuravocht

Geen

Geen

Felt-Bersma

MDL arts, VUMC

Consultant in de Proctoskliniek Bilthoven
Consultant Mc de Veluwe

alle betaalde functies

TEVA sponsort een studie tvgl 3 laxeermiddelen wat we op 1 dec 2016 gaan doen, de gelden komen ten bate van het onderzoek en de ANIOS aanstelling voor 2 mnd

Geen

Klarenbeek

Gastrontestinaal en oncologisch chirurg, Radboud UMC

Geen betaalde nevenfuncties
GE/onco differentianten opleider Heelkunde Radboudumc
NVGIC themajaar commissie 2017
Innovatiewerkgroep Radboudumc
Copromotor meerdere promovendi

ZonMw doelmatigheidssubsidie voor FORCE-trail (BFT na LAR voor rectumcarcinoom). MITEC-subsidies (intern Radboudumc) voor MRI en fluorescentie onderzoek bij oesofaguscarcinoom"

Geen

Otte

Internist, ZorgSaam Zeeuws-Vlaanderen

onbetaald
Nederlandse Internisten Vereniging:
Lid Sectie gastroenterologie
Lid Commissie Richtlijnen en Kwaliteitsmeting

Geen

Geen

Puylaert

Radioloog, Medisch Centrum Haaglanden

Geen

Geen

Geen

Van Dijk

Arts-onderzoeker chirurgie, AMC

Betaald promotieonderzoek bij professor M.A. Boermeester over diverticulitis appendicitis en secundaire peritonitis.

Geen

Geen

Van Enst

Senior adviseur, Kennisinstituut van de Federatie Medisch Specialisten,

Lid van de GRADE working group/ Dutch GRADE Network

Geen

Geen

Inbreng patiëntenperspectief

Er werd aandacht besteed aan het patiëntenperspectief door een focusgroep te houden. Deze werd georganiseerd door de Patiëntenfederatie Nederland. Een verslag hiervan (zie aanverwante producten) is besproken in de werkgroep en de belangrijkste knelpunten zijn verwerkt in de richtlijn. De conceptrichtlijn wordt tevens voor commentaar voorgelegd aan de Patiëntenfederatie.

Methode ontwikkeling

Evidence based

Implementatie

In de verschillende fasen van de richtlijnontwikkeling is rekening gehouden met de implementatie van de richtlijn (module) en de praktische uitvoerbaarheid van de aanbevelingen. Daarbij is uitdrukkelijk gelet op factoren die de invoering van de richtlijn in de praktijk kunnen bevorderen of belemmeren. Het implementatieplan is te vinden bij de aanverwante producten.

Werkwijze

AGREE

Deze richtlijn is opgesteld conform de eisen vermeld in het rapport Medisch Specialistische Richtlijnen 2.0 van de adviescommissie Richtlijnen van de Raad Kwaliteit. Dit rapport is gebaseerd op het AGREE II instrument (Appraisal of Guidelines for Research & Evaluation II; Brouwers, 2010), dat een internationaal breed geaccepteerd instrument is. Voor een stap-voor-stap beschrijving hoe een evidence-based richtlijn tot stand komt wordt verwezen naar het stappenplan Ontwikkeling van Medisch Specialistische Richtlijnen van het Kennisinstituut van de Federatie Medisch Specialisten.

 

Knelpuntenanalyse

Tijdens de voorbereidende fase inventariseerden de voorzitter van de werkgroep en de adviseur de knelpunten. Stakeholders zijn uitgenodigd voor een knelpuntenbijeenkomst (Invitational conference). Vanwege het lage aantal aanmeldingen (twee, NHG en ZN) is de bijeenkomst geannuleerd. Gevraagd is schriftelijk op het raamwerk te reageren. Daarop kwamen geen reacties.

 

De werkgroep beoordeelde de aanbevelingen uit de eerdere richtlijn (NVvH, 2014) op noodzaak tot revisie. Tevens zijn er knelpunten aangedragen vanuit een patiëntenfocusgroep. De werkgroep stelde vervolgens een long list met knelpunten op en prioriteerde de knelpunten op basis van: (1) klinische relevantie, (2) de beschikbaarheid van (nieuwe) evidence van hoge kwaliteit, (3) en de te verwachten impact op de kwaliteit van zorg, patiëntveiligheid en (macro)kosten.

 

Uitgangsvragen en uitkomstmaten

Op basis van de uitkomsten van de knelpuntenanalyse zijn door de voorzitter, arts-onderzoeker en de adviseur concept-uitgangsvragen opgesteld. Deze zijn met de werkgroep besproken waarna de werkgroep de definitieve uitgangsvragen heeft vastgesteld. Vervolgens inventariseerde de werkgroep per uitgangsvraag welke uitkomstmaten voor de patiënt relevant zijn, waarbij zowel naar gewenste als ongewenste effecten werd gekeken. De werkgroep waardeerde deze uitkomstmaten volgens hun relatieve belang bij de besluitvorming rondom aanbevelingen, als kritiek, belangrijk (maar niet kritiek) en onbelangrijk. Tevens definieerde de werkgroep tenminste voor de kritieke uitkomstmaten welke verschillen zij klinisch (patiënt) relevant vonden.

 

Strategie voor zoeken en selecteren van literatuur

Voor de afzonderlijke uitgangsvragen aan de hand van specifieke zoektermen gezocht naar gepubliceerde wetenschappelijke studies in (verschillende) elektronische databases. Tevens werd aanvullend gezocht naar studies aan de hand van de literatuurlijsten van de geselecteerde artikelen. In eerste instantie werd gezocht naar studies met de hoogste mate van bewijs. De adviseur of werkgroepleden selecteerden de via de zoekactie gevonden artikelen op basis van vooraf opgestelde selectiecriteria. De geselecteerde artikelen werden gebruikt om de uitgangsvraag te beantwoorden. De databases waarin is gezocht, de zoekstrategie en de gehanteerde selectiecriteria zijn te vinden in de module met desbetreffende uitgangsvraag. De zoekstrategie voor de oriënterende zoekactie en patiëntenperspectief zijn opgenomen onder aanverwante producten.

 

Kwaliteitsbeoordeling individuele studies

Individuele studies werden systematisch beoordeeld, op basis van op voorhand opgestelde methodologische kwaliteitscriteria, om zo het risico op vertekende studieresultaten (risk of bias) te kunnen inschatten. Deze beoordelingen kunt u vinden in de Risk of Bias (RoB) tabellen. De gebruikte RoB instrumenten zijn gevalideerde instrumenten die worden aanbevolen door de Cochrane Collaboration: AMSTAR – voor systematische reviews; Cochrane – voor gerandomiseerd gecontroleerd onderzoek; ACROBAT-NRS – voor observationeel onderzoek; QUADAS II – voor diagnostisch onderzoek.

 

Samenvatten van de literatuur

De relevante onderzoeksgegevens van alle geselecteerde artikelen werden overzichtelijk weergegeven in evidence-tabellen. De belangrijkste bevindingen uit de literatuur werden beschreven in de samenvatting van de literatuur. Bij een voldoende aantal studies en overeenkomstigheid (homogeniteit) tussen de studies werden de gegevens ook kwantitatief samengevat (meta-analyse) met behulp van Review Manager 5.

 

Beoordelen van de kracht van het wetenschappelijke bewijs

A) Voor interventievragen (vragen over therapie of screening)

De kracht van het wetenschappelijke bewijs werd bepaald volgens de GRADE-methode. GRADE staat voor Grading Recommendations Assessment, Development and Evaluation (zie http://www.gradeworkinggroup.org/).

 

GRADE onderscheidt vier gradaties voor de kwaliteit van het wetenschappelijk bewijs: hoog, redelijk, laag en zeer laag. Deze gradaties verwijzen naar de mate van zekerheid die er bestaat over de literatuurconclusie (Schünemann, 2013).

 

GRADE

Definitie

Hoog

  • er is hoge zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt zoals vermeld in de literatuurconclusie;
  • het is zeer onwaarschijnlijk dat de literatuurconclusie verandert wanneer er resultaten van nieuw grootschalig onderzoek aan de literatuuranalyse worden toegevoegd.

Redelijk

  • er is redelijke zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt zoals vermeld in de literatuurconclusie;
  • het is mogelijk dat de conclusie verandert wanneer er resultaten van nieuw grootschalig onderzoek aan de literatuuranalyse worden toegevoegd.

Laag

  • er is lage zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt zoals vermeld in de literatuurconclusie;
  • er is een reële kans dat de conclusie verandert wanneer er resultaten van nieuw grootschalig onderzoek aan de literatuuranalyse worden toegevoegd.

Zeer laag

  • er is zeer lage zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt zoals vermeld in de literatuurconclusie;
  • de literatuurconclusie is zeer onzeker.

 

B) Voor vragen over diagnostische tests, schade of bijwerkingen, etiologie en prognose

De kracht van het wetenschappelijke bewijs werd eveneens bepaald volgens de GRADE-methode: GRADE-diagnostiek voor diagnostische vragen (Schünemann, 2008), en een generieke GRADE-methode voor vragen over schade of bijwerkingen, etiologie en prognose. In de gehanteerde generieke GRADE-methode werden de basisprincipes van de GRADE methodiek toegepast: het benoemen en prioriteren van de klinisch (patiënt) relevante uitkomstmaten, een systematische review per uitkomstmaat, en een beoordeling van bewijskracht op basis van de vijf GRADE criteria (startpunt hoog; downgraden voor risk of bias, inconsistentie, indirectheid, imprecisie, en publicatiebias).

 

Formuleren van de conclusies

Voor elke relevante uitkomstmaat werd het wetenschappelijk bewijs samengevat in een of meerdere literatuurconclusies waarbij het niveau van bewijs werd bepaald volgens de GRADE methodiek. De werkgroepleden maakten de balans op van elke interventie (overall conclusie). Bij het opmaken van de balans werden de gunstige en ongunstige effecten voor de patiënt afgewogen. De overall bewijskracht wordt bepaald door de laagste bewijskracht gevonden bij een van de kritieke uitkomstmaten. Bij complexe besluitvorming waarin naast de conclusies uit de systematische literatuuranalyse vele aanvullende argumenten (overwegingen) een rol spelen, werd afgezien van een overall conclusie. In dat geval werden de gunstige en ongunstige effecten van de interventies samen met alle aanvullende argumenten gewogen onder het kopje Overwegingen.

 

Overwegingen (van bewijs naar aanbeveling)

Om te komen tot een aanbeveling zijn naast (de kwaliteit van) het wetenschappelijke bewijs ook andere aspecten belangrijk en worden meegewogen, zoals de expertise van de werkgroepleden, de waarden en voorkeuren van de patiënt (patient values and preferences), kosten, beschikbaarheid van voorzieningen en organisatorische zaken. Deze aspecten worden, voor zover geen onderdeel van de literatuursamenvatting, vermeld en beoordeeld (gewogen) onder het kopje Overwegingen.

 

Formuleren van aanbevelingen

De aanbevelingen geven antwoord op de uitgangsvraag en zijn gebaseerd op het beschikbare wetenschappelijke bewijs en de belangrijkste overwegingen en een weging van de gunstige en ongunstige effecten van de relevante interventies. De kracht van het wetenschappelijk bewijs en het gewicht dat door de werkgroep wordt toegekend aan de overwegingen, bepalen samen de sterkte van de aanbeveling. Conform de GRADE-methodiek sluit een lage bewijskracht van conclusies in de systematische literatuuranalyse een sterke aanbeveling niet a priori uit, en zijn bij een hoge bewijskracht ook zwakke aanbevelingen mogelijk. De sterkte van de aanbeveling wordt altijd bepaald door weging van alle relevante argumenten tezamen.

 

Randvoorwaarden (Organisatie van zorg)

In de knelpuntenanalyse en bij de ontwikkeling van de richtlijn is expliciet rekening gehouden met de organisatie van zorg: alle aspecten die randvoorwaardelijk zijn voor het verlenen van zorg (zoals coördinatie, communicatie, (financiële) middelen, menskracht en infrastructuur). Randvoorwaarden die relevant zijn voor het beantwoorden van een specifieke uitgangsvraag maken onderdeel uit van de overwegingen bij de bewuste uitgangsvraag.

 

Indicatorontwikkeling

Gelijktijdig met het ontwikkelen van de conceptrichtlijn heeft de werkgroep overwogen om interne kwaliteitsindicatoren te ontwikkelen om het toepassen van de richtlijn in de praktijk te volgen en te versterken. De werkgroep heeft besloten geen indicatoren te ontwikkelen bij de huidige richtlijn, omdat er of geen substantiële barrières konden worden geïdentificeerd die implementatie van de aanbeveling zouden kunnen bemoeilijken. Meer informatie over de methode van indicatorontwikkeling is op te vragen bij het Kennisinstituut van Medisch Specialisten (secretariaat@kennisinstituut.nl).

 

Kennislacunes

Tijdens de ontwikkeling van deze richtlijn is systematisch gezocht naar onderzoek waarvan de resultaten bijdragen aan een antwoord op de uitgangsvragen. Bij elke uitgangsvraag is door de werkgroep nagegaan of er (aanvullend) wetenschappelijk onderzoek gewenst is om de uitgangsvraag te kunnen beantwoorden. Een overzicht van de onderwerpen waarvoor (aanvullend) wetenschappelijk van belang wordt geacht, is als aanbeveling in de Kennislacunes beschreven (onder aanverwante producten).

 

Commentaar- en autorisatiefase

De conceptrichtlijn wordt aan de betrokken (wetenschappelijke) verenigingen en de Patiëntenfederatie Nederland voorgelegd ter commentaar. De commentaren worden verzameld en besproken met de werkgroep. Naar aanleiding van de commentaren zal de conceptrichtlijn aangepast worden en definitief vastgesteld door de werkgroep. De definitieve richtlijn wordt aan de deelnemende (wetenschappelijke) verenigingen en de Patiëntenfederatie Nederland voorgelegd voor autorisatie en door hen geautoriseerd dan wel geaccordeerd.

 

Literatuur

  • Brouwers MC, Kho ME, Browman GP, et al. AGREE Next Steps Consortium. AGREE II: advancing guideline development, reporting and evaluation in health care. CMAJ. 2010;182(18):E839-42. doi: 10.1503/cmaj.090449. Epub 2010 Jul 5. Review. PubMed PMID: 20603348.
  • Medisch Specialistische Richtlijnen 2.0. Adviescommissie Richtlijnen van de Raad Kwalitieit. https://richtlijnendatabase.nl/over_deze_site/richtlijnontwikkeling.html. 2012.
  • Schünemann H, Brożek J, Guyatt G, et al. GRADE handbook for grading quality of evidence and strength of recommendations. Updated October 2013. The GRADE Working Group. Available from http://gdt.guidelinedevelopment.org/central_prod/_design/client/handbook/handbook.html. 2013.
  • Schünemann HJ, Oxman AD, Brozek J, et al. Grading quality of evidence and strength of recommendations for diagnostic tests and strategies. BMJ. 2008;336(7653):1106-10. doi: 10.1136/bmj.39500.677199.AE. Erratum in: BMJ. 2008;336(7654). doi: 10.1136/bmj.a139. PubMed PMID: 18483053.
  • Ontwikkeling van Medisch Specialistische Richtlijnen: stappenplan. Kennisinstituut van de Federatie Medisch Specialisten.

Zoekverantwoording

Zoekacties zijn opvraagbaar. Neem hiervoor contact op met de Richtlijnendatabase.

Volgende:
Behandeling ongecompliceerde diverticulitis