Optimale analysetechniek bij hematurie

Beoordeeld: 05-01-2022

Uitgangsvraag

Met welke techniek kan morfologische beoordeling van erytrocyten en cilinders in de urine het beste uitgevoerd worden?

Aanbeveling

Maak gebruik van manuele microscopie voor de morfologische beoordeling van erytrocyten en cilinders in de urine.

Overwegingen

Voor- en nadelen van de interventie en de kwaliteit van het bewijs

De onderstaande overwegingen en aanbevelingen gelden voor het overgrote deel van de populatie waarop de uitgangsvraag betrekking heeft, namelijk patiënten met hematurie.

Licht- en fasecontrast microscopie

De microscopische analyse van het urinesediment wordt van oudsher beschouwd als de gouden standaard voor de beoordeling van dysmorfe erytrocyten en erytrocytencilinders voor de diagnostische ondersteuning bij het opsporen van de oorzaak van hematurie. De beoordeling is afhankelijk van de bekwaamheid van de uitvoerder, hetgeen kan leiden tot inter-observer verschillen. Op basis van gerapporteerde sensitiviteit en specificiteit is er geen duidelijke voorkeur voor lichtmicroscopie of fasecontrastmicroscopie voor deze bepaling. De sensitiviteit van conventionele lichtmicroscopie varieert van 18,2% (specificiteit 100%) tot 100% (specificiteit 0; 17,6; 35,3; 52,9; 82,4; 94,1; 100%), en de specificiteit van 0% (sensitiviteit 100%) tot 100% (sensitiviteit 8,7; 53,8; 87,5; 90; 92; 94,8; 95,8; 100%); voor fasecontrastmicroscopie varieert de sensitiviteit van 3,6% (specificiteit 96,4%) tot 100% (specificiteit 85; 87,5; 94; 100%), en specificiteit van 17,9% (sensitiviteit 92,9%) tot 100% (sensitiviteit 25, 48,5; 61,1; 65,2; 68,5; 72,2; 80; 87,0; 87,7; 94,8; 95; 100%). Hierbij dient opgemerkt te worden dat de verschillende studies diverse (en sterk uiteenlopende) afkapwaarden hanteren voor de aanwezigheid van dysmorfe erytrocyten, hetgeen een vergelijking moeilijk maakt. De diagnostische accuratesse van microscopie voor de beoordeling van dysmorfe erytrocyten is onduidelijk. De meest gebruikte afkapwaarden voor glomerulaire hematurie liggen tussen de 20-40% dRBC, waarbij de sensitiviteit en specificiteit van lichtmicroscopie en fasecontrastmicroscopie > 80% zijn. Lagere afkapwaarden resulteren in een hogere sensitiviteit en een lagere specificiteit.

Uit de literatuursearch komt voor de analyse van hematurie in urinemonsters geen significant verschil naar voren tussen lichtmicroscopie of fasecontrastmicroscopie. Deze conclusie is in enige mate verrassend, omdat verschillende artikelen en monografieën gepubliceerd sinds het begin van de jaren 1950, voordelen hebben aangetoond van fasecontrastmicroscopie boven lichtmicroscopie (Fogazzi, 2018). Voor de manueel microscopische urinsedimentanalyse beveelt de Europese richtlijn (EUG, 2000) het gebruik van fasecontrastmicroscopie aan, terwijl de CLSI richtlijn (CLSI, 2009) lichtmicroscopie in het algemeen voldoende vindt, maar de meerwaarde van fasecontrastmicroscopie herkent. Deeltjes met lage refractieve index, zoals (hyaliene)cilinders en ghost erytrocyten, kunnen slechter met lichtmicroscopie worden gevisualiseerd in vergelijking met fasecontrastmicroscopie, hetgeen zou kunnen leiden tot een onderschatting van de hematurie. Met fasecontrastmicroscopie is een betere visualisatie van morfologische details mogelijk, met name dysmorfe erytrocyten, renale tubulaire epitheelcellen, atypische urotheelcellen en celcilinders. Laboratoria zijn zich waarschijnlijk nog niet bewust van de voordelen van de (veel duurdere) fasecontrastmicroscopie, wat zou kunnen verklaren dat de lichtmicroscopie nog steeds veel gebruikt wordt.

Geautomatiseerde sediment analyses

Er zijn diverse geautomatiseerde sediment analyzers beschikbaar gebaseerd op verschillende technieken, zoals digitale microscopie of flowcytometrie, voor de detectie van cellen, bacteriën en overige vormelementen in de urine.

Een beperkt aantal studies heeft het gebruik van geautomatiseerde sediment analyzers specifiek voor de detectie van dysmorfe erytrocyten onderzocht; erytrocytencilinders werden in deze onderzoeken niet specifiek benoemd. De sensitiviteit varieert van 23,4% (specificiteit 92,9%) tot 100% (specificiteit 92,7; 95,7; 97,4; 100%), en specificiteit van 27% (sensitiviteit 73%) tot 100% (sensitiviteit 58,8; 64,5; 100%). Hierbij dient opgemerkt te worden dat ook hier de verschillende studies diverse sterk uiteenlopende afkapwaarden hanteren voor de aanwezigheid van dysmorfe erytrocyten. Daarnaast maken de analyzers gebruik van verschillende technieken (flow cytometrie en Coulter telling), hetgeen een directe vergelijking moeilijk maakt. De gerapporteerde sensitiviteit en specificiteit liggen in dezelfde range als die van lichtmicroscopie en fasecontrastmicroscopie. Detectie van erytrocytencilinders is hierin niet meegenomen.

Buiten de bovenstaande literatuuranalyse zijn nog 34 additionele artikelen geanalyseerd waarin in totaal 8 verschillende types analyzers beschreven worden in vergelijking met manuele microscopie voor de beoordeling van een routine urinesediment. Algemeen geldt dat de kwantitatieve bepalingen door geautomatiseerde sediment analyzers, zoals aantal erytrocyten, leukocyten, epitheelcellen en bacteriën, goed correleren met microscopische analyses. Voor de detectie en (kwantitatieve) meting van erytrocyten ligt de gerapporteerde sensitiviteit tussen de 70 en 98% en de specificiteit tussen de 76 en 99%, waarbij de gevonden correlaties met manuele microscopie variëren van redelijk tot zeer goed. Er is geen specifieke analyzer of techniek die evident buiten ‘het gemiddelde’ valt. Voor de detectie en (kwantitatieve) analyse van cilinders (met name celcilinders), ligt de gerapporteerde sensitiviteit tussen de 39 en 91% de specificiteit tussen de 73 en 99%; hierbij dient vermeld te worden dat dit vaak de uitslagen betreft ná on-screen beoordeling en eventuele herclassificatie van digitale beelden door een analist. De gevonden correlaties met manuele microscopie zijn over het algemeen slecht tot matig, met een enkele uitschieter tot goed.

Slechts een tweetal artikelen beschrijft specifiek de (morfologische) beoordeling van dysmorfe erytrocyten met behulp van digitale microscopie. Hierin lijkt de beoordeling en classificatie van dysmorfe erytrocyten mogelijk, maar de resolutie van de digitale beelden is niet altijd voldoende. Gebaseerd op eigen ervaringen is de werkgroep van mening dat dysmorfe erytrocyten mogelijk met digitale microscopie beoordeeld kunnen worden, maar dat dit sterk afhankelijk is van de ervaring van de uitvoerend analist en de beschikbare resolutie van de beelden.

De verwachting is dat in de toekomst verdere ontwikkeling van de geautomatiseerde urine apparatuur en met name beeldherkenningssoftware zal leiden tot betere performance voor de detectie van dysmorfe erytrocyten en pathologische cilinders. Samenvattend, op dit moment concludeert het merendeel van de literatuur dat geautomatiseerde sedimentanalyzers geschikt zijn voor gebruik in de routine diagnostiek wat betreft telling van erytrocyten en leukocyten, maar dat voor monsters met de specifieke vraagstelling naar de oorzaak van hematurie, manuele microscopie superieur blijft voor de morfologische beoordeling van erytrocyten en cilinders.

Aanvullende argumenten

De manuele microscopische beoordeling van urinesedimenten is een arbeidsintensief proces. Geautomatiseerde sedimentanalyses zijn minder arbeidsintensief en zorgen in het algemeen voor een kortere doorlooptijd en goede reproduceerbaarheid. Indien gebruik gemaakt wordt van een geautomatiseerd systeem kan bij een dergelijke specifieke vraagstelling nog altijd teruggevallen worden op een manuele beoordeling. Daarentegen is een van de voordelen van manuele (fasecontrast- of licht-) microscopie de optie om met gepolariseerd licht te beoordelen, zoals voor herkennen van vetcellen, vetcilinders of kristallen.

Kwaliteit van het bewijs

Vanwege de heterogeniteit tussen studies, het niet direct met elkaar vergelijken van verschillende analysemethoden en het risico op bias door inclusie van case-control studies is de bewijskracht zeer laag. Er geen eenduidigheid wat betreft afkapwaarden voor een glomerulaire- of niet-glomerulaire oorzaak van hematurie, waardoor de vergelijking van de diagnostische accuratesse weinig betrouwbaar is.

Waarden en voorkeuren van patiënten (en evt. hun verzorgers)

Betrouwbare diagnostiek is voor de patiënt belangrijk. De methode die op het laboratorium gebruikt wordt voor de analyse van een urinemonster heeft geen specifieke voor- of nadelen voor de patiënt.

Kosten (middelenbeslag)

Een geautomatiseerde sediment analyzer brengt grotere investeringskosten met zich mee in vergelijking met manuele microscopie. Daar staat tegenover dat met een automatische analyzer handmatige arbeidstijd bespaard kan worden, hetgeen een kostenbesparing betekent. Een fasecontrastmicroscoop is duurder dan een lichtmicroscoop.

Haalbaarheid en implementatie

Geautomatiseerde analyse van routine urinesedimenten en daarnaast manuele microscopische beoordeling van pathologische monsters zal in de meeste Nederlandse laboratoria haalbaar zijn. Vaak beschikken laboratoria over een automatische urine sediment analyzer en een manuele (licht)microscoop. Een fasecontrastmicroscoop zal in de meeste laboratoria aanwezig zijn. Tenslotte, niet in alle laboratoria komen aanvragen voor de beoordeling van dysmorfe erytrocyten frequent voor, met als gevolg dat er in die betreffende laboratoria minder expertise aanwezig is. Dit bemoeilijkt ook het bekwaam houden van analisten/laboratoriumspecialisten.

Rationale voor de aanbeveling

Uit de beschikbare literatuur komt voor de diagnostische waarde geen significant verschil naar voren tussen lichtmicroscopie of fasecontrastmicroscopie voor de analyse van hematurie in urinemonsters. Fasecontrastmicroscopie biedt mogelijk betere visualisatie van morfologische details, hetgeen de beoordeling van erytrocyten makkelijker kan maken. De werkgroep is van mening dat zowel licht- als fasecontrastmicroscopie geschikt is voor een betrouwbare beoordeling van dysmorfe erytrocyten en (cel)cilinders, waarbij het van belang is dat díe methode gebruikt wordt waarin de uitvoerder ook getraind is.

Geautomatiseerde sedimentanalyzers kunnen aantrekkelijk zijn in verband met een goede reproduceerbaarheid en vermindering van handmatige handelingen en tijd, en worden in de routine diagnostiek al veelvuldig gebruikt voor telling van erytrocyten en leukocyten. Er is echter slechts zeer beperkte literatuur beschikbaar over het presteren van deze apparatuur met betrekking tot specifiek de detectie en beoordeling van erytrocytenmorfologie en (pathologische) cilinders in de urine. Gerapporteerde sensitiviteit en specificiteit voor de detectie van dysmorfe erytrocyten liggen in de dezelfde orde van grootte als die van de manuele microscopische technieken. Echter, de variatie is groot en goede vergelijking is moeilijk, omdat er verschillende afkapwaarden gehanteerd worden, detectie van erytrocytencilinders niet altijd is meegenomen, en er diverse meetmethoden gebruikt worden door de verschillende types apparatuur. In een groot deel van de conclusies wordt benoemd dat voor pathologische monsters manuele microscopische analyse noodzakelijk blijft, hetgeen door de werkgroep wordt onderschreven.

Onderbouwing

Achtergrond

De manuele microscopische analyse van het urinesediment wordt van oudsher beschouwd als de gouden standaard voor de beoordeling van eventueel aanwezige dysmorfe erytrocyten en erytrocytencilinders, waarmee het opsporen van de oorzaak van hematurie wordt ondersteund. Tegenwoordig zijn er ook automatische urinesediment analyzers beschikbaar voor routine urineonderzoek. In deze module wordt beschreven welke analysetechniek geschikt is voor de morfologische beoordeling van urine bij hematurie.

Conclusies

Zeer laag GRADE

Het is onzeker of de diagnostische accuratesse van fasecontrastmicroscopie hoger is ten opzichte van lichtmicroscopie voor de beoordeling van dysmorfe erytrocyten en (cel)cilinders in de urine.

Bronnen: (Abolfathi, 2007; Barros Silva, 2010; Martinez, 2014; Rodgers, 2006)

Zeer laag GRADE

Het is onzeker of de diagnostische accuratesse van automatische sedimentanalyzers hoger is ten opzichte van lichtmicroscopie voor de beoordeling van dysmorfe erytrocyten en cel(cilinders).

Bronnen: (Rodgers, 2006; Kim, 2019; Scharnhorst, 2006)

Geen
GRADE

Er is geen literatuur gevonden die het gemak van beoordeling van erytrocytenmorfologie met lichtmicroscopie ten opzichte van fasecontrastmicroscopie of automatische sedimentanalyse beschrijft.

Samenvatting literatuur

Description of studies

The basis of this literature review is a systematic review (SR) by Rodgers (2006), which includes a chapter with 48 studies that addressed methods to localize the source of urinary bleeding (renal, i.e. glomerular hematuria; or lower urinary tract, i.e. non-glomerular hematuria). Of those studies described by Rodgers (2006), 41 meet the criteria of our PICOs and are included in this guideline (see table Summary of literature in Supplement). The final search of this SR was conducted in August 2004, and hence six additional relevant studies published after 2004 are included separately. The total of 47 included studies evaluated the diagnostic accuracy of three main methods as described below.

Conventional light microscopy/brightfield microscopy

In the SR, Rodgers (2006) included 13 studies on the diagnostic accuracy of conventional light microscopy to differentiate between glomerular and non-glomerular hematuria. A few of these described index tests did not match ours and were hence excluded from this guideline. The remaining eight, plus an additional four studies published after 2004, are included here (Abolfathi, 2007; Barros Silva, 2010; Costa, 1996; Fünfstück, 1989; Janssens, 1992; Martinez, 2014; Nagy, 1985; Ohsaki, 2013; Rath, 1991; Saito, 1999; Singbal, 1996; Uhl, 1995) Of these 12 studies, 8 were case–control studies (using a previously established diagnosis as the reference standard) and the remainder used final diagnosis as the reference standard (Costa, 1996; Fukuzaki, 1996; Ohsaki, 2013; Singbal, 1996). The four more recent studies included 407 participants; 6 studies described by Rodgers (2006) included a total of 794 participants and two studies had an unknown number of participants (Saito, 1999; Uhl, 1995).

Phase-contrast microscopy

The diagnostic accuracy of phase-contrast microscopy to localize the source of hematuria was described in a total of 27 studies (22 described in Rodgers, 2006; Abolfathi, 2007; Ahmad, 1993; Andreev, 1995; Barros Silva, 2010; Birch, 1983; Catalá López, 2002; Chu, 1990; de Kermerchou, 1993; de Metz, 1991; De Santo, 1987; Fairley, 1982; Fassett, 1982; Fukuzaki, 1996; Gamé, 2003; Gerc, 1997; Goncalves, 1986; Kim, 2019; Köhler, 1991; Martinez, 2014; Mohammad, 1993; Naicker, 1992; Obroniecka, 1998; Roth, 1991; Scharnhorst, 2006; Singbal, 1996; Wankowicz, 1991; Wann, 1986). Eleven of these studies used a diagnostic case–control design (Abolfathi, 2007; Andreev, 1995; Catalá López, 2002; Chu, 1990; de Kermerchou, 1993; Kim, 2019; de Metz, 1991; Gerc, 1997; Martinez, 2014; Naicker, 1992; Roth, 1991) and 14 used the final diagnosis as the reference standard (Ahmad, 1993; Barros Silva, 2010; Birch, 1983; De Santo, 1987; Fairley, 1982; Fassett, 1982; Fukuzaki, 1996; Gamé, 2003; Goncalves, 1986; Mohammad, 1993; Obroniecka, 1998; Scharnhorst, 2006; Singbal, 1996; Wann, 1986). One study reported two data sets, one using the case–control design and one using final diagnosis as the reference standard (Wankowicz, 1991). The cumulative number of participants in 18 studies described by Rodgers (2006) is 2207; four studies had an unknown number of participants (Andreev, 1995; Chu, 1990; Goncalves, 1986; Wann, 1986). Abolfathi (2007), Barros Silva (2010), Kim (2019), Martinez (2014) and Scharnhorst (2006) describe another 550 participants.

Automated analysis

A total of 16 studies that evaluated automated analyzers to differentiate between glomerular and non-glomerular origin of bleeding are included here: 14 described in Rodgers, 2006; Apeland, 2001; Apeland, 1995; Banks, 1989; de Caestecker, 1992; Docci, 1990; Docci, 1988; Gamé, 2003; Hyodo, 1997; Hyodo, 1999; Jean, 1993; Kore, 1999; Naicker, 1992; Sayer, 1990; Shichiri, 1988 (1571 participants total); Kim, 2019, (103 participants) and Scharnhorst, 2006 (92 participants). Eight of these studies used a diagnostic case–control design (Apeland, 2001; de Caestecker, 1992; Hyodo, 1997; Hyodo, 1999; Jean, 1993; Naicker, 1992; Sayer, 1990) and eight used the final diagnosis as the reference standard (Apeland, 1995; Banks, 1989; Docci, 1990; Docci, 1988; Gamé, 2003; Kore, 1999; Scharnhorst, 2006; Shichiri, 1988).

Results

Conventional light microscopy/brightfield microscopy

The index test thresholds above which glomerular hematuria was diagnosed varied from 1 to 90% dysmorphic erythrocytes (dRBC). Most of the included studies report single cut-off values for glomerular bleeding (table Summary of literature in Supplement, Single threshold), whereas three others reported cut-offs for both glomerular and non-glomerular bleeding (table Summary of literature in Supplement, Dual threshold). Non-glomerular bleeding was defined as ≥80% isomorphic erythrocytes in two of the dual threshold studies, with a sensitivity and specificity of 92 and 100% (Fünfstück, 1989); and of 90.9 and 86% (Rath, 1991). The third study reported a sensitivity of 100% and specificity of 95.8%, but did not mention which cut-off was used (Nagy, 1985).

In general, a low dRBC cut-off value for glomerular bleeding has a high sensitivity and low specificity (up to 100% and 0%, respectively, with 1% dRBC cut-off; Costa, 1996; Janssens, 1992; Saito, 1999). On the contrary, high cut-off values demonstrated low sensitivity and high specificity for the diagnosis of glomerular bleeding, e.g. 18.2% and 100%, respectively, at a 90% dRBC cut-off (Costa, 1996). Two studies differentiated between total dysmorphic erythrocytes, doughnut/target cells and acanthocytes (Martinez, 2014; Ohsaki, 2013); reaching high sensitivity and specificity with cut-offs of ≥22% total dRBC (sensitivity 78-90% and specificity 84-85%); ≥6% acanthocytes (sensitivity 85% and specificity 82-84%) or ≥17% doughnut cells (sensitivity 70-90% and specificity 85-87%) (Martinez, 2014). Ohsaki (2013) reported sensitivities of 100% (>1% doughnut/target cells) and 87.5% (>1% acanthocytes), with corresponding specificities of 100%.

Phase-contrast microscopy

Of the 27 studies that use phase-contrast microscopy as the index test, 16 used a single threshold for glomerular bleeding, and the other 11 report separate thresholds for glomerular and non-glomerular bleeding. Some of the (mostly older) studies do not mention specific cut-offs (Ahmad, 1993; Birch, 1983; Fairley, 1982; Gamé, 2003) or an impractical cut-off (dRBC per mm³ of urine; de Kermermchou, 1993). Cut-offs are comparable with those reported in the light-microscopy studies and range from >6.7% to >80% dRBCs. Similar to analysis using light microscopy, sensitivities are high with low cut-off values (and low specificities) and specificities are high with high cut-off values (and correspondingly low sensitivities). Those cut-offs most applied range between 20-40% dRBCs, with sensitivities and corresponding specificities above 80%.

Compared to light microscopy, more studies that use phase contrast microscopy to morphologically assess dysmorphic erythrocytes report cut-offs for acanthocytes and/or doughnut cells. Catalá López (2002) reports a sensitivity of 68.5% with a specificity of 100% with a cut-off of ≥35% dRBC, and a sensitivity of 87.7% (specificity 100%) with ≥5% acanthocytes. Köhler (1991) reports a slightly lower sensitivity (52.4%) with ≥5% acanthocytes, whereas Martinez (2014) uses a cut-off of ≥7% to reach sensitivities of 92-96% with specificities of 85-87%. In this same study, applying a cut-off of ≥27% doughnut cells yields a sensitivity/specificity combination of 70-74/74-84%. One study specifically mentions presence of one or more erythrocyte- or cell-containing casts diagnostic for glomerular bleeding (Scharnhorst, 2006).

Automated analysis

As with light microscopy and phase contrast microscopy, definitions of a positive index test varied widely across the included studies. The cut-off measures used in the automated analysis studies were based on the principle of volumetric analysis of RBC volume, for example, RBC size (Apeland, 1995; Banks, 1989; de Caestecker, 1992; Docci, 1990; Docci, 1988; Jean, 1993; Kore, 1999), RBC density (Apeland, 1995), shape of cell volume distributions (Gamé, 2003; Naicker, 1992; Sayer, 1990; Scharnhorst, 2006; Schichiri, 1988) or the percentage of cells above/below set thresholds (Apeland, 2001; Hyodo, 1997; Hyodo, 1999; Kim, 2019). The difference in measures between the studies makes it difficult to observe any consistent pattern of results across studies. Eight of the fifteen studies used a Coulter Counter to analyze RBC (Banks, 1989; de Caestecker, 1992; Docci, 1990; Docci, 1988; Jean, 1993; Naicker, 1992; Sayer, 1990; Shichiri, 1988); the remainder used flow cytometry.

Studies that used a Coulter Counter reported sensitivities of 58.8 to 100% and specificities of 85.7 to 100% for diagnosis of glomerular bleeding. Two of these are dual threshold studies that report sensitivities of 20.3% (Shichiri, 1988) and 70.7% (de Caestecker, 1992) and specificities of 100% (de Caestecker, 1992; Schichiri, 1988) to predict non-glomerular bleeding.

The sensitivities of diagnosing glomerular bleeding using flow cytometry-based automated analyzers ranged from 23.4% (specificity 92.9% (Kim, 2019)) to 100% (specificity 92.7 (Hyodo, 1999) and 95.7% (Hyodo, 1997)) and specificities of 27% (sensitivity 73%; Scharnhorst, 2006)) to 95.9% (sensitivity 90%; Kore, 1999).

Direct comparison between methods

Three studies directly compared a flow cytometry-based autoanalyser with phase-contrast microscopy (Gamé, 2003; Kim, 2019; Scharnhorst, 2006). No cut-off values were reported by Gamé, but sensitivity was lower with phase-contrast microscopy (62.5%, with a specificity of 83.3%) than with automated analysis (87.5% with a specificity of 58.3%), which in turn demonstrated lower specificity. Kim, 2019, compared three cut-offs for small RBC (<70 forward scatter intensity) to phase-contrast microscopy. In this study, small RBCs showed a diagnostic power (sensitivity 70.2%; specificity 76.8%) similar to that of phase-contrast microscopy (sensitivity 74.5%; specificity 73.2%) at a cut-off of >40.5% small RBC, compared to >6.7% dRBC. Scharnhorst (2006) classified samples with ≥70% microcytic RBC as glomerular and those with ≥70% normal RBC as non-glomerular when analyzed by flow cytometry. Cut-offs for phase contrast microscopy were presence of ≥1 cellular casts (glomerular) or absence of casts and <30% dRBC (non-glomerular). Sensitivities for diagnosis of glomerular hematuria were 81% for phase contrast microscopy (specificity 19%) and 73% for automated analysis (specificity 27%). The sensitivity for diagnosis of non-glomerular bleeding using phase contrast microscopy was 35% (specificity 64%); in comparison to 27.8% (specificity 72.2%) using flow cytometry. This demonstrates a low specificity for predicting glomerular bleeding using both methods, and a low sensitivity for predicting non-glomerular bleeding.

Naicker (1992) reported a sensitivity and specificity of 95 and 94.4%, respectively, using a Coulter Counter looking at urinary RBC size distribution curve that peaked at a volume less than that of the peripheral RBCs (Naicker, 1992). A mixed pattern was recorded if distinct glomerular and non-glomerular populations were present and the glomerular portion was >2% of the total. Compared to phase-contrast microscopy with a cut-off of >50% dRBC (sensitivity 65% and specificity 33%), their reported diagnostic accuracy of the Coulter Counter is markedly higher.

Brightfield- and phase-contrast microscopy were directly compared in a number of studies (Abolfathi, 2007; Barros Silva, 2010; Martinez, 2014; Singbal, 1996). In all four studies, sensitivities and specificities ranged between 79-96% and 93-100%, depending on the chosen cut-offs. The diagnostic accuracy did not differ by much between the two microscopic methods, with a slight advantage of phase-contrast microscopy (Abolfathi, 2007; Barros Silva, 2010).

Quality of evidence

Rodgers (2006) describes that the 48 included studies (of which 41 are included here) met between two and 13 of the 14 QUADAS validity criteria, with the median number of criteria met being seven. In the majority of studies (43/48), partial verification could be seen to be avoided (it was reported that all participants received verification using the reference standard). Most studies also provided descriptions of how the index test was conducted (41/48), stated that the same reference standard was used regardless of the index test result (39/48) and explained withdrawals from the study (39/48). However, only one study reported attempts to avoid clinical review bias, and very few described the execution of the reference standard (8/48) or gave any indication of the time elapsed between the index test and reference standard (6/48).

To investigate possible explanations for the observed heterogeneity, a regression analysis was performed (Rodgers, 2006), which included variables for methodological quality in the form of QUADAS items. In the thirteen studies on light microscopy (of which eight are included here), the model demonstrated a significant relationship between description of the reference standard and diagnostic odds ratio (DOR) (p=0.10). This means that the diagnostic efficiency was higher in studies that provided details of the reference standard. No significant variables were found for studies on phase-contrast microscopy or automated analysis (p=0.10).

Rodgers (2006) applied pooled likelihood ratios (LR) to describe the included studies, but remarked that these values should be interpreted with extreme caution because the studies are clinically and statistically heterogeneous. Part of this heterogeneity is due to the discrepancy in cut-off values, hampering direct comparison between studies.

When applying GRADE methodology, the initial grade of diagnostic studies starts high. Certainty is rated down because of inconsistency (heterogeneity between studies, 1 point), indirectness (most studies do not directly compare the different types of microscopy, 1 point) and risk of bias due to inclusion of case-control studies (i.e. inflation of results; 1 point), resulting in a very low GRADE of evidence.

Zoeken en selecteren

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

P: Urinemonsters van patiënten met hematurie;

I: Fasecontrastmicroscopie, automatische urinesediment analyzers;

C: Lichtmicroscopie;

R: Nierbiopt, klinische diagnose;

O: Diagnostische accuratesse, gemak van beoordeling.

Relevante uitkomstmaten

De werkgroep achtte diagnostische accuratesse een voor de besluitvorming cruciale uitkomstmaat. Gemak van beoordeling wordt voor de besluitvorming beschouwd als belangrijke uitkomstmaat.

Zoeken en selecteren (methode)

Er zijn voor deze richtlijn twee overkoepelende literatuurzoekacties uitgevoerd, die alle relevante modules omvatten. Voor de eerste zoekactie is in de databases Medline (via OVID) en Embase (via Embase.com) op 16 juni 2020 met relevante zoektermen gezocht naar systematische reviews, gerandomiseerde trials, observationele studies en overig onderzoek gepubliceerd sinds 1975. De zoekverantwoording is weergegeven onder het tabblad Verantwoording. De literatuurzoekactie leverde 3211 treffers op. In de tweede zoekactie werd specifieker gezocht op erytrocytenmorfologie en cilinders in de urine. Dit leverde 786 additionele publicaties op. Studies werden geselecteerd op grond van de volgende selectiecriteria: 1) systematische reviews of vergelijkende studies (origineel onderzoek), 2) pre-analyse of analyse van urinemonsters, en 3) patiënten met hematurie. Voor studies met betrekking tot analyse van urinemonsters werden artikelen gepubliceerd voor 2004 geëxcludeerd wegens inclusie van een systematische review over dit onderwerp. Op basis van titel en abstract werden in eerste instantie 277 artikelen voorgeselecteerd, waarvan 41 artikelen werden geëxcludeerd omdat dit een abstract bleek, er geen volledige tekst kon worden gevonden, of in een andere taal dan Nederlands of Engels was geschreven. Na raadpleging van de volledige tekst en toetsing aan de PIC(R)O’s, werden 230 studies geëxcludeerd en zes studies definitief geselecteerd (zie exclusietabel).

Resultaten

In de literatuuranalyse zijn zes artikelen opgenomen, waarvan drie cohort studies, twee case control studies en één systematische review. De belangrijkste studiekarakteristieken en resultaten zijn opgenomen in de evidencetabellen. De beoordeling van de individuele studieopzet (risk of bias) is opgenomen in de risk-of-biastabellen.

Referenties

Ahmad, G., Segasothy, M., & Morad, Z. (1993). Urinary erythrocyte morphology as a diagnostic aid in haematuria. Singapore medical journal, 34, 486-486.
Ahmed, A. I., Baz, H., & Lotfy, S. (2016). Urinalysis: The Automated Versus Manual Techniques; Is It Time To Change?. Clinical laboratory, 62(1-2), 49–56.
Akin, O. K., Serdar, M. A., Cizmeci, Z., Genc, O., & Aydin, S. (2009). Comparison of LabUMat-with-UriSed and iQ200 fully automatic urine sediment analysers with manual urine analysis. Biotechnology and applied biochemistry, 53(Pt 2), 139–144.
Altekin, E., Kadiçesme, O., Akan, P., Kume, T., Vupa, O., Ergor, G., & Abacioglu, H. (2010). New generation IQ‐200 automated urine microscopy analyzer compared with KOVA cell chamber. Journal of clinical laboratory analysis, 24(2), 67-71.
Alves, L., Ballester, F., Camps, J., & Joven, J. (2005). Preliminary evaluation of the Iris IQ™ 200 automated urine analyser. Clinical Chemistry and Laboratory Medicine (CCLM), 43(9), 967-970.
Andreev, E., Bunkova, M., Stojanova, M., & Andreeva, M. (1995). Auswahl von Kriterien und von Diskriminationswerten bei der Untersuchung. Nieren-und Hochdruckkrankheiten, 24, 549-553.
Apeland, T., Mestad, O., & Hetland, Ø. (2001). Assessment of haematuria: automated urine flowmetry vs microscopy. Nephrology Dialysis Transplantation, 16(8), 1615-1619.
Apeland, T. (1995). Flow cytometry of urinary erythrocytes for evaluating the source of haematuria. Scandinavian journal of urology and nephrology, 29(1), 33-37.
Bakan, E., Ozturk, N., Kilic Baygutalp, N., Polat, E., Akpinar, K., Dorman, E.,... & Bakan, N. (2016). Comparison of Cobas 6500 and Iris IQ200 fully-automated urine analyzers to manual urine microscopy. Biochemia medica, 26(3), 365-375.
Banks, R. A., REYNOLDS, S., & Hanbury, D. (1989). Identification of the source of haematuria by automated measurement of red cell volume. British journal of urology, 64(1), 45-48.
Bartosova, K., Kubicek, Z., Franekova, J., Louzensky, G., Lavrikova, P., & Jabor, A. (2016). Analysis of Four Automated Urinalysis Systems Compared to Reference Methods. Clinical laboratory, 62(11), 2115-2123.
Beňovská, M., Wiewiorka, O., & Pinkavová, J. (2018). Evaluation of FUS-2000 urine analyzer: analytical properties and particle recognition. Scandinavian journal of clinical and laboratory investigation, 78(1-2), 143-148.
Birch, D. F., Fairley, K. F., Whitworth, J. A., Forbes, I., Fairley, J. K., Cheshire, G. R., & Ryan, G. B. (1983). Urinary erythrocyte morphology in the diagnosis of glomerular hematuria. Clinical nephrology, 20(2), 78-84.
Bogaert, L., Peeters, B., & Billen, J. (2017). Evaluation of a new automated microscopy urine sediment analyser - sediMAX conTRUST®. Acta clinica Belgica, 72(2), 91–94.
Bottini, P. V., Martinez, M. H., & Garlipp, C. R. (2014). Urinalysis: comparison between microscopic analysis and a new automated microscopy image-based urine sediment instrument. Clinical laboratory, 60(4), 693–697.
Boven, L. A., Kemperman, H., & Demir, A. (2012). A comparative analysis of the Iris iQ200 with manual microscopy as a diagnostic tool for dysmorphic erythrocytes in urine. Clinical chemistry and laboratory medicine, 50(4), 751–753.
van den Broek, D., Keularts, I. M., Wielders, J. P., & Kraaijenhagen, R. J. (2008). Benefits of the iQ200 automated urine microscopy analyser in routine urinalysis. Clinical Chemistry and Laboratory Medicine (CCLM), 46(11), 1635-1640.
De Caestecker, M. P., & Ballardie, F. W. (1992). Volumetric analysis of urinary erythrocytes: a standardized methodology to localize the source of haematuria. American journal of nephrology, 12(1-2), 41-48.
Catalá López,.J L., Fabregas Brouard, M. (2002). Acanthocyturia is more efficient in to differentiate glomerular from non-glomerular hematuria then dysmorphic erythrocytes. Archivos Espanoles de Urologia, 55(2), 164-166.
Chien, T. I., Kao, J. T., Liu, H. L., Lin, P. C., Hong, J. S., Hsieh, H. P., & Chien, M. J. (2007). Urine sediment examination: a comparison of automated urinalysis systems and manual microscopy. Clinica chimica acta; international journal of clinical chemistry, 384(1-2), 28–34.
Cho, J., Oh, K. J., Jeon, B. C., Lee, S. G., & Kim, J. H. (2019). Comparison of five automated urine sediment analyzers with manual microscopy for accurate identification of urine sediment. Clinical chemistry and laboratory medicine, 57(11), 1744–1753.
Chu, Y. D., Kitamoto, Y., Tomita, M., Nakayama, M., & Sato, T. (1990). Differentiation of hematuria by differential interference microscopy with a simple criterion. Kumamoto Med J, 42, 63-71.
Chu-Su, Y., Shukuya, K., Yokoyama, T., Lin, W. C., Chiang, C. K., & Lin, C. W. (2017). Enhancing the Detection of Dysmorphic Red Blood Cells and Renal Tubular Epithelial Cells with a Modified Urinalysis Protocol. Scientific reports, 7, 40521.
Clinical Laboratory Standards Institute (CLSI). (2009). Document GP16-A3-Urinalysis: Approved Guideline – Third Edition (GP16-A3), vol 29, No 4.
Cobbaert, C. M., Arslan, F., Caballé Martín, I., Serra, A. A., Picó-Plana, E., Sánchez-Margalet, V., Carmona-Fernández, A., Burden, J., Ziegler, A., & Bechel, W. (2019). Automated urinalysis combining physicochemical analysis, on-board centrifugation, and digital imaging in one system: A multicenter performance evaluation of the cobas 6500 urine work area. Practical laboratory medicine, 17, e00139.
Costa, R. S., Souza, R. M. B. E., Franco, P. B., Dantas, M., Gomes, U. A., & Dos Reis, M. A. (1996). Evaluation of erythrocyte morphology in the urinary sediment for the differential diagnosis of haematurias using standard light microscopy. Nephrology, 2(3), 181-185.
Docci, D., Delvecchio, C., Turci, A., Turci, F., Baldrati, L., & Martinelli, A. (1988). Detection of glomerular bleeding by urinary-red-cell-size distribution. Nephron, 50(4), 380-382.
Docci, D., Maldini, M., Delvecchio, C., Baldrati, L., Turci, F., & Gilli, P. (1990). Urinary red blood cell volume analysis in the investigation of haematuria. Nephrology Dialysis Transplantation, 5(suppl_1), 69-70.
Enko, D., Stelzer, I., Böckl, M., Derler, B., Schnedl, W. J., Anderssohn, P., Meinitzer, A., & Herrmann, M. (2020). Comparison of the diagnostic performance of two automated urine sediment analyzers with manual phase-contrast microscopy. Clinical chemistry and laboratory medicine, 58(2), 268–273.
Fairley, K. F., & Birch, D. F. (1982). Hematuria: a simple method for identifying glomerular bleeding. Kidney international, 21(1), 105-108.
Falbo, R., Sala, M. R., Bussetti, M., Cappellini, F., Giacobone, C., Fania, C., & Brambilla, P. (2019). Performance evaluation of a new and improved cuvette-based automated urinalysis analyzer with phase contrast microscopy. Clinica chimica acta; international journal of clinical chemistry, 491, 126–131.
Fassett, R. G., Horgan, B., & Mathew, T. H. (1982). Detection of glomerular bleeding by phase-contrast microscopy. The Lancet, 319(8287), 1432-1434.
Fünfstück, R., Schuster, F. X., Stein, G., Beintker, M., Schramek, P., & Jansa, U. (1989). The significance of erythrocyte morphology in glomerular and non-glomerular hematuria. Zeitschrift fur Urologie und Nephrologie, 82(2), 85-91.
Fukuzaki, A., Kaneto, H., Ikeda, S., & Orikasa, S. (1996). Determining the origin of hematuria by immunocytochemical staining of erythrocytes in urine for Tamm-Horsfall protein. The Journal of urology, 155(1), 248-251.
Gamé, X., Soulié, M., Fontanilles, A. M., Benoit, J. M., & Plante, P. (2003). Comparison of red blood cell volume distribution curves and phase-contrast microscopy in localization of the origin of hematuria. Urology, 61(3), 507-511.
Gerc, V., Schubert, A., & Burnier, M. (1997). Differentiation between glomerular and non-glomerular erythrocyturia: what is the value of differential microhematuria diagnosis?. Praxis, 86(31-32), 1198-1203.
Goncalves, L. F. S., Rauber, L., Fiori, A. M. C., Kopstein, J. (1986). Urinary erythrocyte morphology: method for detecting glomerular hematuria. Revista Associação Medica do Rio Grande do Sul, 30, 185-190.
Hyodo, T., Kumano, K., Haga, M., & Sakai, T. (1997). The validity of the criteria to differentiate the origin of hematuria in the automated urinary flow cytometer. Nephron, 75(1), 112.
Hyodo, T., Kumano, K., & Sakai, T. (1999). Differential diagnosis between glomerular and nonglomerular hematuria by automated urinary flow cytometer. Nephron, 82(4), 312-323.
İnce, F. D., Ellidağ, H. Y., Koseoğlu, M., Şimşek, N., Yalçın, H., & Zengin, M. O. (2016). The comparison of automated urine analyzers with manual microscopic examination for urinalysis automated urine analyzers and manual urinalysis. Practical laboratory medicine, 5, 14-20.
Janssens, P. M., Monnens, L. A., & Willems, J. L. (1992). Distinction between renal and nonrenal hematuria using immunoperoxidase staining of erythrocytes in urine for Tamm-Horsfall protein. Nederlands tijdschrift voor geneeskunde, 136(33), 1605-1610.
Jean, G., François, B., Drai, J., Pellet, H., Durieu, I., Cahen, R., & Trolliet, P. (1993). Volumetric analysis of urinary erythrocytes in the etiological diagnosis of hematuria. Presse medicale (Paris, France: 1983), 22(30), 1392-1396.
Jiang, T., Chen, P., Ouyang, J., Zhang, S., & Cai, D. (2011). Urine particles analysis: performance evaluation of Sysmex UF-1000i and comparison among urine flow cytometer, dipstick, and visual microscopic examination. Scandinavian journal of clinical and laboratory investigation, 71(1), 30–37.
De Kermerchou, S., Makdassi, R., Deturck, M., Canarelli, B., Eb, F., & Fournier, A. (1993). Clinical value of studying hematuria using phase-contrast microscopy. Nephrologie, 14(5), 231-237.
Kim, H., Kim, Y. O., Kim, Y., Suh, J. S., Cho, E. J., & Lee, H. K. (2019). Small red blood cell fraction on the UF-1000i urine analyzer as a screening tool to detect dysmorphic red blood cells for diagnosing glomerulonephritis. Annals of laboratory medicine, 39(3), 271.
Köhler, H., Wandel, E., & Brunck, B. (1991). Acanthocyturia—a characteristic marker for glomerular bleeding. Kidney international, 40(1), 115-120.
Kore, R. N., Dow, C. S., & Desai, K. M. (1999). A new automated system for urine analysis: a simple, cost-effective and reliable method for distinguishing between glomerular and nonglomerular sources of haematuria. BJU international, 84(4), 454-460.
Kouri, T., Fogazzi, G., Gant, V., Hallander, H., Hofmann, W., & Guder, W. G. (ECLM). (2000). European urinalysis guidelines. Scandinavian journal of clinical and laboratory investigation, 60(sup231), 1-96.
Kucukgergin, C., Ademoglu, E., Omer, B., & Genc, S. (2019). Performance of automated urine analyzers using flow cytometric and digital image-based technology in routine urinalysis. Scandinavian journal of clinical and laboratory investigation, 79(7), 468–474.
Laiwejpithaya, S., Wongkrajang, P., Reesukumal, K., Bucha, C., Meepanya, S., Pattanavin, C., Khejonnit, V., & Chuntarut, A. (2018). UriSed 3 and UX-2000 automated urine sediment analyzers vs manual microscopic method: A comparative performance analysis. Journal of clinical laboratory analysis, 32(2), e22249.
Lee, W., Ha, J. S., & Ryoo, N. H. (2016). Comparison of the Automated cobas u 701 Urine Microscopy and UF-1000i Flow Cytometry Systems and Manual Microscopy in the Examination of Urine Sediments. Journal of clinical laboratory analysis, 30(5), 663–671.
Linko, S., Kouri, T. T., Toivonen, E., Ranta, P. H., Chapoulaud, E., & Lalla, M. (2006). Analytical performance of the Iris iQ200 automated urine microscopy analyzer. Clinica chimica acta, 372(1-2), 54-64.
Mayo, S., Acevedo, D., Quinones‐Torrelo, C., Canós, I., & Sancho, M. (2008). Clinical laboratory automated urinalysis: comparison among automated microscopy, flow cytometry, two test strips analyzers, and manual microscopic examination of the urine sediments. Journal of clinical laboratory analysis, 22(4), 262-270.
De Metz, M., Schiphorst, P. P., & Go, R. I. (1991). The analysis of erythrocyte morphologic characteristics in urine using a hematologic flow cytometer and microscopic methods. American journal of clinical pathology, 95(2), 257-261.
Mohammad, K. S., Bdesha, A. S., Snell, M. E., Witherow, R. O., & Coleman, D. V. (1993). Phase contrast microscopic examination of urinary erythrocytes to localise source of bleeding: an overlooked technique?. Journal of clinical pathology, 46(7), 642-645.
Nagy, J., Csermely, L., Tovari, E., Trinn, C., & Burger, T. (1985). Differentiation of glomerular and non-glomerular haematurias on basis of the morphology of urinary red blood cells. Acta morphologica Hungarica, 33(3-4), 157-160.
Naicker, S., Poovalingam, V., Mlisana, K., Christopher, N., Nadesan, D., & Seedat, Y. K. (1992). Comparative assessment of phase contrast microscopy and Coulter counter measurements in localising the site of haematuria. South African medical journal= Suid-Afrikaanse tydskrif vir geneeskunde, 82(3), 183-185.
Obroniecka, I. (1998). Values of phase-contrast microscopy in the etiological diagnosis of hematuria in adults. Part I. Establishing individual norms for glomerular hematuria. Polski Merkuriusz Lekarski: Organ Polskiego Towarzystwa Lekarskiego, 5(29), 277-279.
Ottiger, C., & Huber, A. R. (2003). Quantitative urine particle analysis: integrative approach for the optimal combination of automation with UF-100 and microscopic review with KOVA cell chamber. Clinical chemistry, 49(4), 617–623.
Rath, B., Turner, C., Hartley, B., & Chantler, C. (1991). Evaluation of light microscopy to localise the site of haematuria. Archives of disease in childhood, 66(3), 338-340.
Ren, C., Jin, M., Wu, J., Wang, X., Wang, Y., & Cao, H. (2019). Improving the Detection of Urine Sediment with a Modified Urinalysis Review Procedure. Clinical laboratory, 65(4), 10.7754/Clin.Lab.2018.180830.
Rodgers, M., Nixon, J., Hempel, S., Aho, T., Kelly, J., Neal, D.,... & Westwood, M. (2006). Diagnostic tests and algorithms used in the investigation of haematuria: systematic reviews and economic evaluation. HEALTH TECHNOLOGY ASSESSMENT-SOUTHAMPTON-, 10(18).
Roth, S., Renner, E., & Rathert, P. (1991). Diagnosis of glomerular microhematuria. Study of general practice-relevant form stability and stainability of dysmorphic glomerular erythrocytes. Der Urologe. Ausg. A, 30(2), 127-133.
Saito, T. (1999). Microscopic examination of urinary red blood cells for a diagnosis of the source of hematuria: a reappraisal. Eur J Lab Med, 7, 55-60.
Sánchez-Mora, C., Acevedo, D., Porres, M. A., Chaqués, A. M., Zapardiel, J., Gallego-Cabrera, A.,... & Maesa, J. M. (2017). Comparison of automated devices UX-2000 and SediMAX/AutionMax for urine samples screening: A multicenter Spanish study. Clinical biochemistry, 50(12), 714-718.
De Santo, N. G., Nuzzi, F., Capodicasa, G., Lama, G., Caputo, G., Rosati, P., & Giordano, C. (1987). Phase contrast microscopy of the urine sediment for the diagnosis of glomerular and nonglomerular bleeding-data in children and adults with normal creatinine clearance. Nephron, 45(1), 35-39.
Sayer, J., McCarthy, M. P., & Schmidt, J. D. (1990). Identification and significance of dysmorphic versus isomorphic hematuria. The Journal of urology, 143(3), 545-548.
Shayanfar, N., Tobler, U., von Eckardstein, A., & Bestmann, L. (2007). Automated urinalysis: first experiences and a comparison between the Iris iQ200 urine microscopy system, the Sysmex UF-100 flow cytometer and manual microscopic particle counting. Clinical Chemistry and Laboratory Medicine (CCLM), 45(9), 1251-1256.
Shichiri, M., Nishio, Y., Suenaga, M., Tomura, S., Hosoda, K., Ogura, M.,... & Shiigai, T. (1988). Red-cell-volume distribution curves in diagnosis of glomerular and non-glomerular haematuria. The Lancet, 331(8591), 908-911.
Singbal, R., & Mittal, B. V. (1996). Haematuria: glomerular or non-glomerular?. Indian journal of pathology & microbiology, 39(4), 281-286.
Uhl, Z., & Borso, G. (1995). Differentiation of glomerular erythrocyturia by light-microscopy. Nieren-und Hochdruckkrankheiten, 24(10), 559-561.
Wańkowicz, Z., & Smoszna, J. (1991). Value of phase-contrast microscopy in differential diagnosis of erythrocyturia. Polskie Archiwum Medycyny Wewnetrznej, 86(1), 31-38.
Wann, S., Su, Y. L., & Huang, T. P. (1986). RBC morphology in differential diagnosis of hematuria. Taiwan yi xue hui za zhi. Journal of the Formosan Medical Association, 85(3), 289-297.
Wesarachkitti, B., Khejonnit, V., Pratumvinit, B., Reesukumal, K., Meepanya, S., Pattanavin, C., & Wongkrajang, P. (2016). Performance Evaluation and Comparison of the Fully Automated Urinalysis Analyzers UX-2000 and Cobas 6500. Laboratory medicine, 47(2), 124–133.
Yüksel, H., Kiliç, E., Ekinci, A., & Evliyaoğlu, O. (2013). Comparison of fully automated urine sediment analyzers H800‐FUS100 and labumat‐urised with manual microscopy. Journal of clinical laboratory analysis, 27(4), 312-316.
Zaman, Z., Fogazzi, G. B., Garigali, G., Croci, M. D., Bayer, G., & Kránicz, T. (2010). Urine sediment analysis: Analytical and diagnostic performance of sediMAX - a new automated microscopy image-based urine sediment analyser. Clinica chimica acta; international journal of clinical chemistry, 411(3-4), 147–154.
Zhao, F., Jin, Y., Chen, X., & Xie, X. (2013). Clinical application of UF-1000i in combination with AX-4280 for the screening test ability of urinary formed elements. Journal of clinical pathology, 66(3), 229–231.

Evidence tabellen

Research question: Met welke techniek kunnen erytrocytenmorfologie en (cel)cilinders het beste beoordeeld worden?

P: Urinemonsters van patiënten met hematurie;

I: Fasecontrastmicroscopie, automatische urinesediment analyzers;

C: Lichtmicroscopie;

R: Nierbiopt, klinische diagnose;

O: Diagnostische accuratesse, gemak van beoordeling.

Study reference

Study characteristics

Patient characteristics

Index test

(test of interest)

Reference test

Follow-up

Outcome measures and effect size

Comments

Abolfathi, 2007

Type of study^[1]:

Case-control

Setting and country:

Biochemistry department, Imam Khomeini Hospital, Tabriz University of Medical sciences, Iran

Funding and conflicts of interest:

Not specified

Inclusion criteria:

not reported (“The study included 169 patients referred to nephrology and urology wards of Imam Khomeini hospital since October 2001 to September 2003 with the complaint of hematuria”)

Exclusion criteria: specimens with pH more than 8 and less than 5 and specific gravity less than 1010 were excluded; patients with abnormal morphology of red blood cells in peripheral blood and MCV less than 75 fl or end stage renal failure were excluded

N=169

Cases:

glomerular haematuria N= 89

(53%)

Mean age ± SD:

35±17

Controls: non-glomerular hematuria N= 80 (47%)

Mean age ± SD: 46±20 years

Sex: not reported

Describe index test:

light microscopy, phase contrast microscopy

Cut-off point(s):

≥20 % dysmorphic RBCs

≥25 % dysmorphic RBCs

Comparator test^[2]:

Cut-off point(s):

Describe reference test^[3]:

Conventional evaluation (intravenous pyelography (IVP), ultrasonography, cystoscopy, or

renal biopsy)

Cut-off point(s):

Established glomerular aetiology of hematuria

Time between the index test and reference test:

Not specified

For how many participants were no complete outcome data available?

N (%)

Reasons for incomplete outcome data described?

N/A

Outcome measures and effect size (include 95%CI and p-value if available)⁴:

Outcome: correct diagnosis of glomerular hematuria

≥20 % dysmorphic RBCs

Light microscopy

sensitivity 75/89=84%

specificity 75/80=94%

Phase contrast microscopy

sensitivity 86/89=97%

specificity 78/80=98%

≥25 % dysmorphic RBCs

Light microscopy

Sensitivity 90%

Specificity 96%

Others unclear

A correlation coefficient of 0.93 was obtained when phase contrast microscopy and light microscopy were compared.

Not clear how patients were selected for this study; therefore probably inflated results.

Figure 3 unreadable

Numbers on sensitivity and specificity for ≥25 % dysmorphic RBCs are incomplete.

Barros Silva, 2010

Type of study:

Comparative double-blind cohort study

Setting and country:

Department of pathology, Faculty of Medicine of Ribeirão Preto University Hospital, Brazil

Funding and conflicts of interest:

Not specified

Inclusion criteria:

Patients with haematuria (>10 erythrocytes/high-power field)

Exclusion criteria:

Not specified

N=55

Prevalence:

51%

Mean age ± SD:

Group I (non-glomerular): median 42.4y (16-79)

Group II (glomerular): median 41.3y (15-66)

Sex: % M / % F

Group I: 50%/50%

Group II: 79%/21%

Describe index test:

Phase-contrast microscopy (PCM)

Cut-off point(s):

30% (determined in this study)

Comparator test:

Light microscopy

Cut-off point(s):

40% (determined in this study)

Describe reference test:

Clinical diagnosis (final diagnosis on the basis of laboratorial, histological and radiological findings)

Cut-off point(s):

Established glomerular aetiology of hematuria

Time between the index test and reference test:

max 9 months

For how many participants were no complete outcome data available?

N (%)

29% (16 cases)

Reasons for incomplete outcome data described?

No confirmation with reference test by the end of data collection (9 months)

Outcome measures and effect size (include 95%CI and p-value if available):

The sensitivity and specificity of the method were calculated by comparing the clinical–diagnosis with the result obtained by the morphological study of urinary erythrocytes.

PCM

Sensitivity 95%

Specificity 100%

Sensitivity 90%

Specificity 100%

Area under curve (AUC)

PCM: 0.99

LMLC 0.96

The difference was not significant (P = 0.287)

The CV were very similar between PCM (35.0%) and LM (35.3%) in the glomerular haematuria group. In the non-glomerular haematuria group, the CV showed smaller agreement between PCM (60.5%) and LMLC (97.95%).

Number of observers not specified.

Kim, 2019

Type of study[4]:

Prospective case-control

Setting and country: Departments of Laboratory Medicine, Internal Medicine, and Pediatrics, College of Medicine, The Catholic University of Korea, Seoul, Korea

Funding and conflicts of interest:

No potential conflicts of interest reported.

Inclusion criteria:

Patients with urine samples showing five or more RBCs per high-power field (HPF) on light microscopy.

Glomerulonephritis (GN) group: patients with pathologically confirmed GN by biopsy or overt proteinuria (>3,000 mg/day on 24-hour urine collection

Non-GN (NGN) group:

patients with microscopic hematuria from other urological abnormalities, such as kidney laceration and urolithiases, etc.

Exclusion criteria:

patients with bacteriuria, urinary tract infection, or cystitis

N=103

Cases: GN group:

N= 47

(46%)

Mean age ± SD:

54.1±17.8 years

Sex: 21:26 (M:F)

Controls: NGN group

N= 56 (54%)

Mean age ± SD: 63.6±15.9 years

Sex: 21:26 (24:32)

Describe index test:

Phase contrast microscopy

Cut-off point(s):

>6.7/10/75% dysmorphic RBC (determined in this study)

Comparator test[5]:

Automated analysis (UF-1000i; flow cytometry; RBC size)

Cut-off point(s):

>14.6/40.5/72.0% small RBC (determined in this study)

Describe reference test[6]:

Previously established diagnosis

Cut-off point(s):

Established glomerulonephritis

Time between the index test and reference test:

Not specified

For how many participants were no complete outcome data available?

N (%)

Reasons for incomplete outcome data described?

N/A

Outcome measures and effect size (include 95%CI and p-value if available)⁴:

Outcome: correct diagnosis of glomerular hematuria

Phase-contrast microscopy

Cut-off >6.7% (preferred)

Sens: 74.5 (59.7–86.1)

Spec: 73.2 (59.7–84.2)

Cut-off >10%

Sens: 59.6 (44.3–73.6)

Spec: 82.1 (69.6–91.1)

Cut-off >75%

Sens: 12.8 (4.8–25.7)

Spec: 98.2 (90.4–100.0)

Automated analysis

Cut-off >14.6%

Sens: 83.0 (69.2–92.4)

Spec: 60.7 (46.8–73.5)

Cut-off >40.5% (preferred)

Sens: 70.2 (55.1–82.7)

Spec: 76.8 (63.6–87.0)

Cut-off >72.0%

Sens: 23.4 (12.3–38.0)

Spec: 92.9 (82.7–98.0)

Martinez, 2014

Type of study:

Case-control (blind)

Setting and country:

Single center; Divisions of Nephrology and Clinical Pathology; and Department Biostatistics. University Medical School Botucatu, Brazil

Funding and conflicts of interest:

Funded by FAPESP (The São Paulo Research Foundation; no. 2010/11591-1 and 2010/14686-3); no competing interests

Inclusion criteria:

Patients with known source of hematuria (nephrological confirmation by renal biopsy or urological confirmation by imaging) were included in the study.

Exclusion criteria:

Glomerulonephritis in patients with kidney stones or urolithiasis in patients with glomerulopathies; urine samples from menstruating patients; urinary tract infection; renal trauma; frozen or preserved urine samples; urine samples with a great amount of epithelial cells that hamper the visualization of hematuria, and density < 1.007

N= 131

Cases: glomerulopathies, N=66 (50%)

Derivation group N=39; mean age: 43.0±16.3; sex: 46% M / 54% F; RBCs per field 13 (8-22)

Validation group N=27; mean age: 37±13.6; sex: 26% M / 74% F; RBCs per field 13 (8-22)

Controls: nephrolithiasis, N=65 (50%)

Derivation group N=34; mean age: 43.5±14.6, sex: 38% M / 62% F; RBCs per field 13 (8-13)

Validation group N=31; mean age: 46.3±12.2; sex: 29% M / 71% F; RBCs per field 8 (8-13)

Describe index test:

Conventional optical microscopy

Cut-off point(s):

≥22% total dysmorphic erythrocytes

≥17% doughnut cells

≥6% acanthocytes

Comparator test:

Phase-contrast microscopy

Cut-off point(s):

≥41% total dysmorphic erythrocytes

≥27% doughnut cells

≥7% acanthocytes

Describe reference test:

Renal biopsy to diagnose glomerulonephritis and radiological evidence to diagnose nonglomerular disease

Cut-off point(s):

Established glomerular aetiology of hematuria

Time between the index test and reference test:

Not specified

For how many participants were no complete outcome data available?

N (%)

Reasons for incomplete outcome data described?

N/A

Outcome measures and effect size (include 95%CI and p-value if available):

Outcome: correct diagnosis of glomerular hematuria

Derivation group

Conventional optical microscopy

Total dysmorphism: Sens 90%/Spec 88%

95% CI: 0.866-0.998; p<0.001

Doughnut cells: Sens 90%/Spec 85%

95% CI: 0.849-0.984; p<0.001

Acanthocytes: Sens 85%/Spec 82%

95% CI: 0.762-0.948; p<0.001

Phase-contrast microscopy

Total dysmorphism: Sens 82%/Spec 82%

95% CI: 0.777-0.954; p<0.001

Doughnut cells: Sens 74%/Spec 74%

95% CI: 0.655-0.884; p<0.001

Acanthocytes: Sens 92%/Spec 85%

95% CI: 0.858-0.988; p<0.001

Validation group

Conventional optical microscopy

Total dysmorphism: Sens 78%/Spec 84%

95% CI: 0.857-0.995; p<0.001

Doughnut cells: Sens 70%/Spec 87%

95% CI: 0.797-0.967; p<0.001

Acanthocytes: Sens 85%/Spec 84%

95% CI: 0.800-0.991; p<0.001

Phase-contrast microscopy

Total dysmorphism: Sens 78%/Spec 93%

95% CI: 0.870-1.000; p<0.001

Doughnut cells: Sens 70%/Spec 84%

95% CI: 0.778-0.963; p<0.001

Acanthocytes: Sens 96%/Spec 87%

95% CI: 0.870-1.021; p<0.001

Limitations:

-Samples were evaluated by a single observer

-Patients with non-glomerular hematuria only suffered from renal stones

Ohsaki, 2013

Type of study:

Cohort

Setting and country:

Single center; Kochi Red Cross Hospital, Kochi, Japan

Funding and conflicts of interest:

No funding specified.

The authors have no connection with any companies or products mentioned in this article

Inclusion criteria:

Urine samples from 52 patients with hematuria were selected between December 2010 and May 2011.

These 52 cases were selected because of either typical dysmorphic or isomorphic erythrocytes in the urine sediment examinations.

Exclusion criteria:

None specified

N=52

Cases:

Glomerular disease, N=32 (62%)

Controls:

Lower urinary tract disease, N=20 (38%)

No mean age/sex specified

Describe index test:

Bright-field microscopy

Cut-off point(s):

≥20% total dysmorphic erythrocytes

>80% uniform erythrocytes

>1% doughnut/target cells

>1% acanthocytes

Comparator test:

Cut-off point(s):

Describe reference test:

Histological diagnosis (N=26), others not specified

Cut-off point(s):

Established glomerular aetiology of hematuria

Time between the index test and reference test:

Not specified

For how many participants were no complete outcome data available?

N (%)

Reasons for incomplete outcome data described?

N/A

Outcome measures and effect size (include 95%CI and p-value if available):

Outcome: correct diagnosis of glomerular hematuria

Bright-field microscopy

Total dysmorphism:

Sens 100%

Spec 100%

Doughnut/target cells:

Sens 100%

Spec 100%

Acanthocytes:

Sens 87.5%

Spec 100%

High risk of selection bias

Reference test not described

Scharnhorst, 2006

Type of study:

Cohort

Setting and country:

Single center, departments of Clinical chemistry, Internal Medicine and Urology, Máxima Medical Center, The Netherlands

Funding and conflicts of interest:

Not specified

Inclusion criteria:

Patients for whom extensive urinalysis was requested by a physician to determine the origin of hematuria

Exclusion criteria:

When insufficient data were available, the diagnosis remained uncertain and the patients were excluded from the study. In addition, patients with more than one source of bleeding were excluded.

N=92 (136 samples)

Prevalence:

92 patients with hematuria (≥20 RBCs/µl)

136 samples:

100 samples from patients with glomerular, 36 from patients with nonglomerular hematuria (number of pt not specified)

Mean age ± SD:

53 (range 0-88 years)

Sex: 53% M / 47% F

Describe index test:

Microscopic sediment analysis (phase-contrast microscopy)

Cut-off point(s):

≥1 erythrocyte- or cell-containing casts: glomerular bleeding

Absence of cellular casts in combination with <30% dysmorphic erythrocytes: non-glomerular bleeding

Absence of cellular casts in combination with >30% dysmorphic erythrocytes: inconclusive

Comparator test:

Flow cytometric analysis using UF-100

Cut-off point(s):

RBC size: ‘microcytic’ flag (≤70% of non-lysed RBCs below channel 81) corresponds to glomerular bleeding; ‘normocytic’ (70% of all RBC have a volume greater than channel 99 and 60% of those RBCs are found within 50 channels or fewer) corresponds to non-glomerular hematuria

Describe reference test:

Clinical diagnosis

Cut-off point(s):

A renal biopsy was performed in nine patients (nine samples). Without a renal biopsy, the repeated presence of cellular casts (erythrocytes, leukocytes or renal tubular cells) in urine alone or in combination with more than 50% dysmorphic erythrocytes, and the presence of hypertension, proteinuria and/or renal insufficiency (serum creatinine >150 mmol/L) were the criteria for clinical diagnosis.

Time between the index test and reference test:

Not specified

For how many participants were no complete outcome data available?

N=45 (26%; 45/174)

Reasons for incomplete outcome data described?

-A clear clinical diagnosis

could not be made (N=38; 47 samples)

-Patients had evidence of concomitant glomerular and non-glomerular bleeding (N=7; 8 samples)

Outcome measures and effect size (include 95%CI and p-value if available):

Outcome: correct diagnosis of glomerular hematuria

Phase-contrast microscopy

Sensitivity: 0.99 (95% CI: 0.93-1.00)

81/100=81%

Specificity: 0.93 (95% CI: 0.66-1.00)

13/36=36%

UF-100

Sensitivity: 0.99 (95% CI: 0.93-1.00)

73/100=73%

Specificity: 0.42 (95% CI: 0.22-0.63)

10/36=27%

Number of patients not clear (only samples)

Unclear how sens/spec were calculated (Table 2)

Rodgers, 2006

Type of study:

Systematic review

Study designs: Case-control:

B, C, G, H, I, K, L, S, V, AA, AB, AD, AE, AH, AJ, AK, AM, AN, AO, AP, AT, AU,

Cohort:

A, D, E, F, J, M, N, O, Q, R, T, U, W, X, AF, AG, AI, AL, AQ, AR, AV,

A: Ahmad, 1993

B: Andreev, 1995

C: Apeland, 2001

D: Apeland, 1995

E: Banks, 1989

F: Birch, 1983

G: de Caestecker, 1992

H: Catala Lopez, 2002

I: Chu, 1990

J: Costa, 1996

K: de Kermerchou, 1993

L: de Metz, 1991

M: De Santo, 1987

N: Docci, 1990

O: Docci, 1988

Q: Fairley, 1982

R: Fassett, 1982

S: Fünfstück, 1989

T: Fukuzaki, 1996

U: Game, 2003

V: Gerc, 1997

W: Gimbel, 1988

X: Goncalves, 1986

AA: Hyodo, 1997

AB: Hyodo, 1999

AD: Janssens, 1992

AE: Jean, 1993

AF: Kohler, 1991

AG: Kore, 1999

AI: Mohammad, 1993

AJ: Nagy, 1985

AK: Naicker, 1992

AL: Obroniecka, 1998

AM: Rath, 1991

AN: Roth, 1991

AO: Saito, 1999

AP: Sayer, 1990

AQ: Shichiri, 1988

AR: Singbal, 1996

AT: Uhl, 1995

AU: Wankowicz, 1991

AV: Wann, 1986

Setting and country:

Not specified in SR

Funding and conflicts of interest:

Not specified in SR

Inclusion criteria SR: Diagnostic cohort or case–control studies evaluating any test or combination of tests used in the detection or investigation of haematuria were eligible for inclusion.

Exclusion criteria SR: Studies were excluded if no reference standard was reported, if insufficient

information was reported to allow construction of a 2 × 2 table, if included patients were all paediatric (<18 years old) or if there were <20 participants. Studies of tests used to investigate the underlying cause of haematuria were be excluded if they included a mixed population of patients from which 2 × 2 data could not be separately extracted for the subset of patients with haematuria.

N= 42 studies included

Describe index test:

A: Microscopy (phase contrast microscopy, urinary RBC morphology)

B: Microscopy (phase contrast microscopy, urinary RBC morphology)

C: Microscopy (bright-field microscopy, using Sternheimer–Malbin stain); Autoanalyser (flow

cytometry) (urinary RBC size)

D: Autoanalyser (flow cytometry) (urinary RBC volume and density)

E: Autoanalyser (Coulter Counter) (urinary RBC volume)

F: Microscopy (phase contrast microscopy, urinary RBC morphology)

G: Autoanalyser (Coulter Counter) (urinary RBC volume)

H: Microscopy (phase contrast microscopy, acanthocyte count; phase contrast microscopy,

urinary RBC morphology)

I: Microscopy (phase contrast microscopy)

J: Microscopy

K: Microscopy (phase contrast microscopy)

L: Microscopy (phase contrast microscopy; light microscopy) (May–Grunwald–Giemsa stain)

M: Microscopy (phase contrast microscopy, urinary RBC morphology)

N: Autoanalyser (Coulter Counter) (urinary RBC size)

O: Autoanalyser (Coulter Counter) (urinary RBC size)

Q: Microscopy (phase contrast microscopy)

R: Microscopy (phase contrast microscopy)

S: Microscopy (erythrocyte morphology, urine sediment analysis)

T: Microscopy (phase contrast microscopy; immunocytochemical staining)

U: Microscopy (phase contrast microscopy), autoanalyser (flow cytometry) (urinary RBC volume)

V: Microscopy (phase contrast microscopy)

W: Microscopy (urinary RBC size)

X: Microscopy (phase contrast microscopy)

AA: Autoanalyser (flow cytometry) (urinary RBC volume)

AB: Autoanalyser (flow cytometry) (urinary RBC volume)

AD: Microscopy (urinary RBC morphology); microscopy (immunocytochemical staining)

AE: Autoanalyser (Coulter Counter) (urinary RBC volume)

AF: Microscopy (phase contrast microscopy, urinary RBC morphology)

AG: Autoanalyser (flow cytometry) (urinary RBC volume)

AI: Microscopy (phase contrast microscopy)

AJ: Microscopy (urinary RBC morphology)

AK: Microscopy (phase contrast microscopy, urinary RBC morphology); autoanalyser (Coulter

Counter) (urinary RBC volume)

AL: Microscopy (phase contrast microscopy)

AM: Microscopy (bright-field microscopy)

AN: Microscopy (phase contrast microscopy)

AO: Microscopy (urinary RBC morphology)

AP: Autoanalyser (Coulter Counter) (urinary RBC volume)

AQ: Autoanalyser (Coulter Counter) (urinary RBC size)

AR: Microscopy (phase contrast microscopy; light microscopy (using Wright’s stain); light

microscopy)

AT: Microscopy

AU: Microscopy (phase contrast microscopy)

AV: Microscopy (phase contrast microscopy, urinary RBC morphology)

Cut-off point(s):

The index test thresholds above which glomerular haematuria was diagnosed varied from 10 to 80% dysmorphic cells.

(See tables 11-14)

Describe reference test:

Previously established diagnosis:

B, C, G, H, I, K, L, S, V, AA, AB, AD, AE, AH, AJ, AK, AM, AN, AO, AP, AT, AU,

Final diagnosis:

A, D, E, F, J, M, N, O, Q, R, T, U, W, X, AF, AG, AI, AL, AQ, AR, AV,

Cut-off point(s):

Glomerular diagnosis/diagnosis of glomerular bleeding

Time between the index test and reference test:

Only 6/48 studies gave any indication of the time elapsed between the index test and reference standard.

For how many participants were no complete outcome data available?

N (%)

Not specified.

Reasons for incomplete outcome data described?

Most studies explained withdrawals from the study (39/48).

Outcome measures and effect size (include 95%CI and p-value if available):

Outcome measure: correct diagnosis of glomerular hematuria

LM – light microscopy

PCM – phase-contrast microscopy

AA – automated analysis

Sensitivities and specificities per cut-off: table 12 (page 36)

A: PCM Sensitivity: 93.0-93.5%

Specificity: 97.7-98.4%

B: PCM Sensitivity: 92.9%

Specificity: 90.0%

C: LM Sensitivity: 90.3%

Specificity: 79.2%

AA Sensitivity: 93.5%

Specificity: 83.3%

D: AA Sensitivity: 86.0%

Specificity: 75.0%

E: AA Sensitivity: 85.7%

Specificity: 85.7%

F: PCM Sensitivity: 98.9%

Specificity: 93.3%

G: AA Sensitivity: 58.8-70.7%

Specificity: 100.0%

H: PCM Sensitivity: 68.5-87.8%

Specificity: 100.0%

I: PCM Sensitivity: 61.1-100.0%

Specificity: 72.2-100.0%

J: LM Sensitivity: 18.2-100.0%

Specificity: 17.6-100.0%

K: PCM Sensitivity: 3.6-92.9%

Specificity: 17.9-96.4%

L: PCM Sensitivity: 48.5-88.9%

Specificity: 97.0-100.0%

M: PCM Sensitivity: 94.2-96.3%

Specificity: 96.3-100.0%

N: AA Sensitivity: 93.5%

Specificity: 90.7%

O: AA Sensitivity: 100.0%

Specificity: 97.4%

Q: PCM Sensitivity: 94.8%

Specificity: 100.0%

R: PCM Sensitivity: 77.7-93.5%

Specificity: 95.2-96.6%

S: LM Sensitivity: 92.0-94.8%

Specificity: 100.0%

T: LM Sensitivity: 100.0%

Specificity: 83.3%

PCM Sensitivity: 55.6-82.6%

Specificity: 55.6-91.3%

U: PCM Sensitivity: 58.3-62.5%

Specificity: 83.3-100.0%

AA Sensitivity: 25.0-87.5%

Specificity: 58.3-100.0%

V: PCM Sensitivity: 27.0-67.6%

Specificity: 65.5-89.7%

W: LM Sensitivity: 97.1%

Specificity: 89.7%

X: PCM Sensitivity: 65.2-95.7%

Specificity: 85.1-100.0%

AA: AA Sensitivity: 89.4-100.0%

Specificity: 95.7-100.0%

AB: AA Sensitivity: 86.6-100.0%

Specificity: 92.7-100.0%

AD: LM Sensitivity: 53.8-96.2%

Specificity: 71.4-100.0%

AE: AA Sensitivity: 64.5-66.7%

Specificity: 85.3-100.0%

AF: PCM Sensitivity: 35.7-79.0%

Specificity: 94.7-99.5%

AG: AA Sensitivity: 90.0%

Specificity: 95.9%

AI: PCM Sensitivity: 100.0%

Specificity: 85.0%

AJ: LM Sensitivity: 95.8-100.0%

Specificity: 95.8-100.0%

AK: PCM Sensitivity: 65.0%

Specificity: 33.3%

AA Sensitivity: 95.0%

Specificity: 94.4%

AL: PCM Sensitivity: 87.1-98.2%

Specificity: 50.0-76.9%

AM: LM Sensitivity: 60.0-90.9%

Specificity: 86.0-95.5%

AN: PCM Sensitivity: 100.0%

Specificity: 100.0%

AO: LM Sensitivity: 8.7-94.0%

Specificity: 50.0-100.0%

AP: AA Sensitivity: 100.0%

Specificity: 100.0%

AQ: AA Sensitivity: 20.3-97.0%

Specificity: 79.7-100.0%

AR: LM Sensitivity: 93.3%

Specificity: 94.0%

PCM Sensitivity: 96.7%

Specificity: 94.0%

AT: LM Sensitivity: 85.7%

Specificity: 91.7%

AU: PCM Sensitivity: 25.0-100.0%

Specificity: 100.0%

AV: PCM Sensitivity: 100.0%

Specificity: 87.5%

These data are summarized in tables 11/12/13/14 and visualized in ROC space in Figures 3/4/5

Summary

No data were identified on the clinical effectiveness of investigations to determine the cause of haematuria. It therefore remains open to question whether and at what point patients with haematuria should be actively investigated. If further investigation of patients with haematuria is contemplated, it would be desirable to reduce the number of investigations required by optimizing referral. Microscopic methods for localising the source of bleeding have been widely evaluated and may have the potential to aid in directing referral. However, there are currently organisational, technological and knowledge barriers which prevent the recommendation of the routine use of these techniques to direct referral from primary care.

Forty-eight of 80 studies addressed methods to localise the source of bleeding (renal or lower urinary tract). The methods and thresholds described in these studies varied greatly, precluding any estimate of a ‘best performance’ threshold that could be applied across patient groups. However, studies of red blood cell morphology that used a cut-off value of 80% dysmorphic cells for glomerular disease reported consistently high specificities (potentially useful in ruling in a renal cause for haematuria). The reported sensitivities were generally low.

Quality assessment highlighted the poor methodological and reporting quality of many studies included in this review.

Risk of bias assessment diagnostic accuracy studies (QUADAS II, 2011)

Research question: Met welke techniek kunnen erytrocytenmorfologie en (cel)cilinders het beste beoordeeld worden?

P: Urinemonsters van patiënten met hematurie;

I: Fasecontrastmicroscopie, automatische urinesediment analyzers;

C: Lichtmicroscopie;

R: Nierbiopt, klinische diagnose;

O: Diagnostische accuratesse, gemak van beoordeling.

Study reference

Patient selection

Index test

Reference standard

Flow and timing

Comments with respect to applicability

Abolfathi, 2007

Was a consecutive or random sample of patients enrolled?

Yes

Was a case-control design avoided?

Did the study avoid inappropriate exclusions?

Yes

Were the index test results interpreted without knowledge of the results of the reference standard?

Yes

If a threshold was used, was it pre-specified?

Yes

Is the reference standard likely to correctly classify the target condition?

Yes

Were the reference standard results interpreted without knowledge of the results of the index test?

Yes

Was there an appropriate interval between index test(s) and reference standard?

Unclear

Did all patients receive a reference standard?

Yes

Did patients receive the same reference standard?

Unclear

Were all patients included in the analysis?

Are there concerns that the included patients do not match the review question?

Are there concerns that the index test, its conduct, or interpretation differ from the review question?

Are there concerns that the target condition as defined by the reference standard does not match the review question?

CONCLUSION:

Could the selection of patients have introduced bias?

RISK: HIGH

CONCLUSION:

Could the conduct or interpretation of the index test have introduced bias?

RISK: LOW

CONCLUSION:

Could the reference standard, its conduct, or its interpretation have introduced bias?

RISK: LOW

CONCLUSION

Could the patient flow have introduced bias?

RISK: HIGH

(Barros) Silva, 2010

Was a consecutive or random sample of patients enrolled?

Yes

Was a case-control design avoided?

Did the study avoid inappropriate exclusions?

Unclear

Were the index test results interpreted without knowledge of the results of the reference standard?

Yes

If a threshold was used, was it pre-specified?

Is the reference standard likely to correctly classify the target condition?

Yes

Were the reference standard results interpreted without knowledge of the results of the index test?

Yes

Was there an appropriate interval between index test(s) and reference standard?

Unclear

Did all patients receive a reference standard?

Yes

Did patients receive the same reference standard?

Unclear

Were all patients included in the analysis?

Are there concerns that the included patients do not match the review question?

Are there concerns that the index test, its conduct, or interpretation differ from the review question?

Are there concerns that the target condition as defined by the reference standard does not match the review question?

CONCLUSION:

Could the selection of patients have introduced bias?

RISK: HIGH

CONCLUSION:

Could the conduct or interpretation of the index test have introduced bias?

RISK: HIGH

CONCLUSION:

Could the reference standard, its conduct, or its interpretation have introduced bias?

RISK: LOW

CONCLUSION

Could the patient flow have introduced bias?

RISK: HIGH

Kim, 2019

Was a consecutive or random sample of patients enrolled?

Was a case-control design avoided?

Did the study avoid inappropriate exclusions?

Yes

Were the index test results interpreted without knowledge of the results of the reference standard?

Yes

If a threshold was used, was it pre-specified?

Is the reference standard likely to correctly classify the target condition?

Yes

Were the reference standard results interpreted without knowledge of the results of the index test?

Yes

Was there an appropriate interval between index test(s) and reference standard?

Unclear

Did all patients receive a reference standard?

Yes

Did patients receive the same reference standard?

Were all patients included in the analysis?

Unclear

Are there concerns that the included patients do not match the review question?

Are there concerns that the index test, its conduct, or interpretation differ from the review question?

Are there concerns that the target condition as defined by the reference standard does not match the review question?

CONCLUSION:

Could the selection of patients have introduced bias?

RISK: HIGH

CONCLUSION:

Could the conduct or interpretation of the index test have introduced bias?

RISK: HIGH

CONCLUSION:

Could the reference standard, its conduct, or its interpretation have introduced bias?

RISK: LOW

CONCLUSION

Could the patient flow have introduced bias?

RISK: HIGH

Martinez, 2014

Was a consecutive or random sample of patients enrolled?

Unclear

Was a case-control design avoided?

Did the study avoid inappropriate exclusions?

Yes

Were the index test results interpreted without knowledge of the results of the reference standard?

Yes

If a threshold was used, was it pre-specified?

Is the reference standard likely to correctly classify the target condition?

Yes

Were the reference standard results interpreted without knowledge of the results of the index test?

Yes

Was there an appropriate interval between index test(s) and reference standard?

Unclear

Did all patients receive a reference standard?

Yes

Did patients receive the same reference standard?

Unclear

Were all patients included in the analysis?

Yes

Are there concerns that the included patients do not match the review question?

Yes

(non-glomerular population not heterogenous)

Are there concerns that the index test, its conduct, or interpretation differ from the review question?

Are there concerns that the target condition as defined by the reference standard does not match the review question?

CONCLUSION:

Could the selection of patients have introduced bias?

RISK: HIGH

CONCLUSION:

Could the conduct or interpretation of the index test have introduced bias?

RISK: HIGH

CONCLUSION:

Could the reference standard, its conduct, or its interpretation have introduced bias?

RISK: LOW

CONCLUSION

Could the patient flow have introduced bias?

RISK: LOW

Ohsaki, 2013

Was a consecutive or random sample of patients enrolled?

Was a case-control design avoided?

Yes

Did the study avoid inappropriate exclusions?

Unclear

Were the index test results interpreted without knowledge of the results of the reference standard?

Unclear

If a threshold was used, was it pre-specified?

Yes

Is the reference standard likely to correctly classify the target condition?

Unclear

Were the reference standard results interpreted without knowledge of the results of the index test?

Unclear

Was there an appropriate interval between index test(s) and reference standard?

Unclear

Did all patients receive a reference standard?

Unclear

Did patients receive the same reference standard?

Unclear

Were all patients included in the analysis?

Yes

Are there concerns that the included patients do not match the review question?

Are there concerns that the index test, its conduct, or interpretation differ from the review question?

Are there concerns that the target condition as defined by the reference standard does not match the review question?

CONCLUSION:

Could the selection of patients have introduced bias?

RISK: HIGH

CONCLUSION:

Could the conduct or interpretation of the index test have introduced bias?

RISK: HIGH

CONCLUSION:

Could the reference standard, its conduct, or its interpretation have introduced bias?

RISK: UNCLEAR

CONCLUSION

Could the patient flow have introduced bias?

RISK: UNCLEAR

Scharnhorst, 2006

Was a consecutive or random sample of patients enrolled?

Yes

Was a case-control design avoided?

Yes

Did the study avoid inappropriate exclusions?

Yes

Were the index test results interpreted without knowledge of the results of the reference standard?

Yes

If a threshold was used, was it pre-specified?

Yes

Is the reference standard likely to correctly classify the target condition?

Yes

Were the reference standard results interpreted without knowledge of the results of the index test?

Unclear

Was there an appropriate interval between index test(s) and reference standard?

Unclear

Did all patients receive a reference standard?

Yes

Did patients receive the same reference standard?

Unclear

Were all patients included in the analysis?

Are there concerns that the included patients do not match the review question?

Are there concerns that the index test, its conduct, or interpretation differ from the review question?

Are there concerns that the target condition as defined by the reference standard does not match the review question?

CONCLUSION:

Could the selection of patients have introduced bias?

RISK: LOW

CONCLUSION:

Could the conduct or interpretation of the index test have introduced bias?

RISK: LOW

CONCLUSION:

Could the reference standard, its conduct, or its interpretation have introduced bias?

RISK: UNCLEAR

CONCLUSION

Could the patient flow have introduced bias?

RISK: HIGH

Table of quality assessment for systematic reviews of RCTs and observational studies

Study

First author, year

Appropriate and clearly focused question? 1

Yes/no/unclear

Comprehensive and systematic literature search? 2

Yes/no/unclear

Description of included and excluded studies?3

Yes/no/unclear

Description of relevant characteristics of included studies?4

Yes/no/unclear

Appropriate adjustment for potential confounders in observational studies?5

Yes/no/unclear/not applicable

Assessment of scientific quality of included studies?6

Yes/no/unclear

Enough similarities between studies to make combining them reasonable?7

Yes/no/unclear

Potential risk of publication bias taken into account?8

Yes/no/unclear

Potential conflicts of interest reported?9

Yes/no/unclear

Rodgers, 2006

Yes

Unclear

‘The following information was extracted for all studies: bibliographic details; objective; country and location (primary/secondary care) where the study was conducted; study design; number of participants; participant characteristics (age, sex, presentation); details of the index test(s) investigated (including definition of a positive test); details of the reference standard of diagnosis (including definition of a positive test); reported values for sensitivity and specificity; results (2 × 2 data); time elapsed between the index test and reference standard; details of any subgroup analyses, adverse events or drop-outs reported.’ - Data extraction, page 8. These are not all listed in the SR.

Unclear

No confounders mentioned, but ‘A multivariate linear regression analysis was conducted, again weighted by sample size. QUADAS items were investigated as possible sources of heterogeneity.’

Yes

Included diagnostic accuracy studies (for both diagnosis and further investigation of haematuria) were assessed for methodological quality using the QUADAS tool.

Yes

Heterogeneity was investigated using the Q statistic through visual examination of study results and regression analyses.

No (no test value of funnel plot)

There is evidence that publication bias is a particular problem for studies of small sample size, although these data are not specific to the diagnostic literature. With the aim of reducing the impact of higher levels of publication bias in smaller studies, this review excluded studies with less than 20 participants. Future work exploring the impact of publication bias in diagnostic accuracy studies would be useful in determining the extent to which this approach is valid.

Yes

Declared competing interests of authors: none

The SR does not specify if included articles reported conflicts of interest.

Judgments on risk of bias are dependent on the research question: some items are more likely to introduce bias than others, and may be given more weight in the final conclusion on the overall risk of bias per domain:

Patient selection:

Consecutive or random sample has a low risk to introduce bias.
A case control design is very likely to overestimate accuracy and thus introduce bias.
Inappropriate exclusion is likely to introduce bias.

Index test:

This item is similar to “blinding” in intervention studies. The potential for bias is related to the subjectivity of index test interpretation and the order of testing.
Selecting the test threshold to optimise sensitivity and/or specificity may lead to overoptimistic estimates of test performance and introduce bias.

Reference standard:

When the reference standard is not 100% sensitive and 100% specific, disagreements between the index test and reference standard may be incorrect, which increases the risk of bias.
This item is similar to “blinding” in intervention studies. The potential for bias is related to the subjectivity of index test interpretation and the order of testing.

Flow and timing:

If there is a delay or if treatment is started between index test and reference standard, misclassification may occur due to recovery or deterioration of the condition, which increases the risk of bias.
If the results of the index test influence the decision on whether to perform the reference standard or which reference standard is used, estimated diagnostic accuracy may be biased.
All patients who were recruited into the study should be included in the analysis, if not, the risk of bias is increased.

Judgement on applicability:

Patient selection: there may be concerns regarding applicability if patients included in the study differ from those targeted by the review question, in terms of severity of the target condition, demographic features, presence of differential diagnosis or co-morbidity, setting of the study and previous testing protocols.
Index test: if index tests methods differ from those specified in the review question there may be concerns regarding applicability.
Reference standard: the reference standard may be free of bias but the target condition that it defines may differ from the target condition specified in the review question.

Summary of literature

Author, year	Participants	Type of study	Index test	Threshold	Cut-off glomerular hematuria	Sensitivity	Specificity	Reference test
Abolfathi, 2007	169	Case-control	Brightfield microscopy	Single	≥20% dRBC	84,3%	93,8%	Previously established diagnosis
			Brightfield microscopy	Single	≥25% dRBC	70,8%	unclear
			Phase contrast microscopy	Single	≥20% dRBC	96,6%	97,5%
			Phase contrast microscopy	Single	≥25% dRBC	89,9%	unclear
Ahmad, 1993	105	Cohort	Phase contrast microscopy	Dual	Glomerular: urinary RBCs showing a wide range of variation, frequently with loss of haemoglobin. Nonglomerular and mixed are classified as negative	93,5%	97,7%	Final diagnosis
Ahmad, 1993	105	Cohort	Phase contrast microscopy	Dual	Non-glomerular: RBCs morphologically uniform with not more than two cell populations present. Glomerular and mixed are classified as negative)	93,0%	98,4%	Final diagnosis
Andreev, 1995	not specified	Case-control	Phase contrast microscopy	Single	≥15% dRBC	92,9%	90,0%	Previously established diagnosis
Apeland, 2001	112	Case-control	Autoanalyser (flow cytometry) (urinary RBC size)	Single	>80% of RBC volumes ≤126 channels and <80% ≥84 channels.	93,5%	83,3%	Previously established diagnosis
Apeland, 1995	63	Cohort	Autoanalyser (flow cytometry) (urinary RBC volume and density)	Single	Index <1 (= count area 1 – (RBC dil) – count area 1 (HGB dil)]/[count area 2 (RBC dil) – count area (HGB dil))	86,0%	75,0%	Final diagnosis
Banks, 1989	42	Cohort	Autoanalyser (Coulter Counter) (urinary RBC volume)	Single	MCV of urinary RBC <80 fl	85,7%	85,7%	Final diagnosis
Barros Silva, 2010	55	Comparative double-blind cohort study	Brightfield microscopy	Single	40%	90,0%	100,0%	Final diagnosis
Barros Silva, 2010	55	Comparative double-blind cohort study	Phase contrast microscopy	Single	30%	95,0%	100,0%	Final diagnosis
Birch, 1983	141	Cohort	Phase contrast microscopy (urinary RBC morphology)	Single	'dysmorphic changes in RBC'	98,9%	93,3%	Final diagnosis
de Caestecker, 1992	440	Case-control	Autoanalyser (Coulter Counter) (urinary RBC volume)	Dual	Glomerular: modal volume 30–59 fl, where modal volumes were derived from volume frequency histograms. Non-glomerular and mixed are classified as negative.	58,8%	100,0%	Previously established diagnosis
de Caestecker, 1992	440	Case-control	Autoanalyser (Coulter Counter) (urinary RBC volume)	Dual	Non-glomerular: modal volume 60–180 fl, where modal volumes were derived from volume frequency histograms. Glomerular and mixed are classified as negative.	70,7%	100,0%	Previously established diagnosis
Catalá López, 2002	170	Case-control	Phase contrast microscopy (acanthocyte count)	Single	≥5% acanthocytes	87,7%	100,0%	Previously established diagnosis
Catalá López, 2002	170	Case-control	Phase contrast microscopy (urinary RBC morphology)	Single	≥35% dRBC	68,5%	100,0%	Previously established diagnosis
Chu, 1990	not specified	Case-control	Phase contrast microscopy	Dual	Glomerular: >20% of RBC with glomerular morphology. Non-glomerular and mixed are classified as negative.	72,2%	100,0%	Previously established diagnosis
					Glomerular: >80% of RBC of RBCs distorted with variation in size and shape, and fragmentation.. Non-glomerular and mixed are classified as negative.	61,1%	100,0%
					Non-glomerular: <10% of RBC with glomerular morphology. Glomerular and mixed are classified as negative.	100,0%	94,4%
					Non-glomerular: >80% of RBC of RBCs undistorted and uniform in size and shape. Glomerular and mixed are classified as negative.	100,0%	72,2%
Costa, 1996	39	Cohort	Brightfield microscopy	Single	>1% dRBC	100,0%	0,0%	Final diagnosis
					>10% dRBC	100,0%	17,6%
					>20% dRBC	100,0%	35,3%
					>30% dRBC	100,0%	52,9%
					>40% dRBC	100,0%	82,4%
					>50% dRBC	100,0%	94,1%
					>60% dRBC	100,0%	94,1%
					>70% dRBC	90,9%	100,0%
					>80% dRBC	72,7%	100,0%
					>90% dRBC	18,2%	100,0%
de Kermerchou, 1993	84	Case-control	Phase contrast microscopy	Single	>10 dRBC per mm3 of urine	92,9%	17,9%	Previously established diagnosis
					>15 dRBC per mm3 of urine	85,7%	21,4%
					>20 dRBC per mm3 of urine	73,2%	60,7%
					>80 dRBC per mm3 of urine	3,6%	96,4%
de Metz, 1991	82	Case-control	Phase contrast microscopy	Dual	Glomerular: ≥80% dRBC. Non-glomerular and mixed are classified as negative.	88,9%	97,0%	Previously established diagnosis
de Metz, 1991	82	Case-control	Phase contrast microscopy	Dual	Non-glomerular: ≥80% isomorphic RBCs. Glomerular and mixed are classified as negative.	48,5%	100,0%	Previously established diagnosis
De Santo, 1987	163	Cohort	Phase contrast microscopy	Dual	Glomerular: >80% dRBC on 2 consecutive days. Non-glomerular and mixed are classified as negative.	94,2%	96,3%	Final diagnosis
De Santo, 1987	163	Cohort	Phase contrast microscopy	Dual	Non-glomerular: >80% uniform RBCs. Glomerular and mixed are classified as negative.	96,3%	100,0%	Final diagnosis
Docci, 1990	85	Cohort	Autoanalyser (Coulter Counter) (urinary RBC size)	Single	MCV <70fl	93,5%	90,7%	Final diagnosis
Docci, 1988	60	Cohort	Autoanalyser (Coulter Counter) (urinary RBC size)	Single	Ref to Sichiri	100,0%	97,4%	Final diagnosis
Fairley, 1982	88	Cohort	Phase contrast microscopy	Single	dRBC present	94,8%	100,0%	Final diagnosis
Fassett, 1982	303	Cohort	Phase contrast microscopy	Dual	Glomerular: >80% urinary red cells distorted. Non-glomerular and mixed are classified as negative.	77,7%	95,2%	Final diagnosis
Fassett, 1982	303	Cohort	Phase contrast microscopy	Dual	Non-glomerular: >80% urinary red cells undistorted. Glomerular and mixed are classified as negative.	93,5%	96,6%	Final diagnosis
Fünfstück, 1989	325	Case-control	Brightfield microscopy	Dual	Glomerular: >70% dRBC. Non-glomerular and mixed are classified as negative.	94,8%	100,0%	Final diagnosis
Fünfstück, 1989	325	Case-control	Brightfield microscopy	Dual	Non-glomerular: <20% dRBC. Glomerular and mixed are classified as negative.	92,0%	100,0%	Final diagnosis
Fukuzaki, 1996	74	Cohort	Phase contrast microscopy	Dual	Glomerular: >70% dRBC. Non-glomerular and mixed are classified as negative.	82,6%	55,6%	Previously established diagnosis
Fukuzaki, 1996	74	Cohort	Phase contrast microscopy	Dual	Non-glomerular: >70% normal RBC. Glomerular and mixed are classified as negative.	55,6%	91,3%	Previously established diagnosis
Gamé, 2003	45	Cohort	Phase contrast microscopy	Dual	Glomerular: cut-off values not reported.	62,5%	83,3%	Final diagnosis
			Phase contrast microscopy	Dual	Non-glomerular: cut-off values not reported.	58,3%	100,0%
			Autoanalyser (flow cytometry) (urinary RBC volume)	Dual	Glomerular RBC volume distribution curve. Non-glomerular and mixed are classified as negative. Cut-off values not reported.	87,5%	58,3%
			Autoanalyser (flow cytometry) (urinary RBC volume)	Dual	Non-glomerular RBC volume distribution curve. Glomerular and mixed are classified as negative. Cut-off values not reported.	25,0%	100,0%
Gerc, 1997	147	Case-control	Phase contrast microscopy	Single	≥10% glomerular RBC	67,6%	65,5%	Previously established diagnosis
					≥20% glomerular RBC	51,4%	79,3%
					≥30% glomerular RBC	27,0%	89,7%
Goncalves, 1986	not specified	Cohort	Phase contrast microscopy	Single	≥20% dRBC	95,7%	85,1%	Final diagnosis
					≥50% dRBC	95,7%	95,7%
					≥65% dRBC	87,0%	100,0%
					≥80% dRBC	65,2%	100,0%
Hyodo, 1997	66	Case-control	Autoanalyser (flow cytometry) (urinary RBC volume)	Dual	Glomerular: >80% of RBCs were equal to or smaller than the Forward Scatter intensity (FSC) of 126. Non-glomerular and mixed are classified as negative.	100,0%	95,7%	Previously established diagnosis
Hyodo, 1997	66	Case-control	Autoanalyser (flow cytometry) (urinary RBC volume)	Dual	Non-glomerular: >80% of RBCs were equal to or larger than the FSC of 84. Glomerular and mixed are classified as negative.	89,4%	100,0%	Previously established diagnosis
Hyodo, 1999	98	Case-control	Autoanalyser (flow cytometry) (urinary RBC volume)	Dual	Glomerular: ≥80% RBCs have an FSC intensity of 126 or less and less than 80% of all RBCs have FSC intensities of at least 84. Non-glomerular and mixed are classified as negative.	100,0%	92,7%	Previously established diagnosis
					Glomerular: ≥80% dRBCs. Non-glomerular and mixed are classified as negative.	90,3%	100,0%
					Non-glomerular: ≥80% RBCs have an FSC intensity of at least 84 and less than 80% of all RBCs have FSC intensities of 126 or less. Glomerular and mixed are classified as negative.	86,6%	100,0%
					Non-glomerular: ≥80% isomorphic RBCs. Glomerular and mixed are classified as negative.	92,5%	100,0%
Janssens, 1992	51	Case-control	Brightfield microscopy	Single	30% dRBC	96,2%	71,4%	Previously established diagnosis
					40% dRBC	92,3%	81,0%
					50% dRBC	84,6%	85,7%
					60% dRBC	73,1%	95,2%
					70% dRBC	53,8%	100,0%
Jean, 1993	100	Case-control	Autoanalyser (Coulter Counter) (urinary RBC volume)	Single	volume >71 fl	64,6%	85,7%	Previously established diagnosis
					volume >71 fl	64,5%	100,0%
					volume >71 fl	66,7%	85,3%
Kim, 2019	103	Prospective case-control	Phase contrast microscopy	Single	>6,7% dRBC	74,5%	73,2%	Previously established diagnosis
					>10% dRBC	59,6%	82,1%
					>75% dRBC	12,8%	98,2%
			Autoanalyser (flow cytometry) (urinary RBC volume)	Single	>14,6% small RBC (FSC intensity <70)	83,0%	60,7%
					>40,5% small RBC (FSC intensity <70)	72,0%	76,8%
					>72,0% small RBC (FSC intensity <70)	23,4%	92,9%
Köhler, 1991	384	Cohort	Phase contrast microscopy	Single	≥2% acanthocyturia	79,0%	94,7%	Final diagnosis
					≥5% acanthocyturia	52,4%	97,9%
					≥10% acanthocyturia	35,7%	99,5%
Kore, 1999	106	Cohort	Autoanalyser (flow cytometry) (urinary RBC volume)	Single	Mean cell size <4,75µm	90,0%	95,9%	Final diagnosis
Martinez, 2014	131	Case-control	Brightfield microscopy (derivation group)	Single	≥22% total dysmorphic erythrocytes	90,0%	85,0%	Previously established diagnosis
					≥17% doughnut cells	90,0%	85,0%
					≥6% acanthocytes	85,0%	82,0%
			Brightfield microscopy (validation group)	Single	≥22% total dysmorphic erythrocytes	78,0%	84,0%
					≥17% doughnut cells	70,0%	87,0%
					≥6% acanthocytes	85,0%	84,0%
			Phase contrast microscopy (derivation group)	Single	≥41% total dysmorphic erythrocytes	82,0%	82,0%
					≥27% doughnut cells	74,0%	74,0%
					≥7% acanthocytes	92,0%	85,0%
			Phase contrast microscopy (validation group)	Single	≥41% total dysmorphic erythrocytes	78,0%	93,0%
					≥27% doughnut cells	70,0%	84,0%
					≥7% acanthocytes	96,0%	87,0%
Mohammad, 1993	109	Cohort	Phase contrast microscopy	Single	>20% dRBC	100,0%	85,0%	Final diagnosis
Nagy, 1985	200	Case-control	Brightfield microscopy	Dual	Glomerular: >70% of RBCs showing abnormalities, being small, irregularly shaped and deformed. Non-glomerular and mixed (intact and altered RBCs in equal proportion) are defined as negative.	95,8%	100,0%	Previously established diagnosis
Nagy, 1985	200	Case-control	Brightfield microscopy	Dual	Non-glomerular: sediment contained intact, regularly round RBCs of uniform size. Glomerular and mixed (intact and altered RBCs in equal proportion) are defined as negative.	100,0%	95,8%	Previously established diagnosis
Naicker, 1992	38	Case-control	Phase contrast microscopy	Single	>50% dRBC	65,0%	33,0%	Previously established diagnosis
Naicker, 1992	38	Case-control	Autoanalyser (Coulter Counter) (urinary RBC volume)	Single	Glomerular: urinary RBC size distribution curve that peaked at a volume less than that of the peripheral RBCs. A mixed pattern was recorded if distinct glomerular and non-glomerular populations were present and the glomerular portion was >2% of the total. Treatment of mixed results is unclear	95,0%	94,4%	Previously established diagnosis
Obroniecka, 1998	123	Cohort	Phase contrast microscopy	Dual	Glomerular: >60% dRBC. Non-glomerular and mixed are defined as negative.	87,1%	50,0%	Final diagnosis
Obroniecka, 1998	123	Cohort	Phase contrast microscopy	Dual	Non-glomerular: <20% dRBC. Glomerular and mixed are defined as negative.	98,2%	76,9%	Final diagnosis
Ohsaki, 2013	52	Cohort	Brightfield microscopy	Dual	Glomerular: ≥20% total dysmorphic erythrocytes	100,0%	100,0%	Final diagnosis
					Glomerular: >1% doughnut/target cells	100,0%	100,0%
					Glomerular: >1% acanthocytes	87,5%	100,0%
					Non-glomerular: >80% uniform erythrocytes	100,0%	100,0%
Rath, 1991	99	Case-control	Brightfield microscopy	Dual	Glomerular: >80% dRBC. Non-glomerular and mixed are defined as negative.	60,0%	95,5%	Previously established diagnosis
Rath, 1991	99	Case-control	Brightfield microscopy	Dual	Non-glomerular: <20% dRBC. Glomerular and mixed are defined as negative.	90,9%	86,0%	Previously established diagnosis
Roth, 1991	30	Case-control	Phase contrast microscopy	Single	>40% dRBC	100,0%	100,0%	Previously established diagnosis
Saito, 1999	not specified	Case-control	Brightfield microscopy	Single	>10% dRBC	97,1%	50,0%	Previously established diagnosis
					>20% dRBC	94,2%	70,6%
					>30% dRBC	87,0%	85,3%
					>40% dRBC	81,2%	88,2%
					>50% dRBC	69,6%	94,1%
					>60% dRBC	52,2%	94,1%
					>70% dRBC	34,8%	97,1%
					>80% dRBC	15,9%	97,1%
					>90% dRBC	8,7%	100,0%
Sayer, 1990	100	Case-control	Autoanalyser (Coulter Counter) (urinary RBC volume)	Single	Broad, uneven distribution curve reflecting the varying size and shapes of dysmorphic RBCs. Sharp, peaked curve representing a uniform, homogeneous population of RBCs indicating non-glomerular diseases classified as negative.	100,0%	100,0%	Previously established diagnosis
Scharnhorst, 2006	92	Cohort	Phase contrast microscopy	Dual	Glomerular: ≥1 erythrocyte- or cell-containing casts. Samples with absence of cellular casts in combination with >30% dysmorphic erythrocytes were classified as inconclusive (negative).	81,0%	19,0%	Final diagnosis
			Phase contrast microscopy	Dual	Non-glomerular: absence of cellular casts in combination with <30% dysmorphic erythrocytes. Samples with absence of cellular casts in combination with >30% dysmorphic erythrocytes were classified as inconclusive (negative).	35,0%	64,0%
			Autoanalyser (flow cytometry) (urinary RBC size)	Dual	Glomerular: RBC size: ‘microcytic’ flag (≥70% of non-lysed RBCs below channel 81). The flag ‘‘non-classified’’ and the absence of a flag (no indication of ‘‘microcytic’’, ‘‘normocytic’’ or ‘‘non-classified’’, mostly due to low numbers of erythrocytes) were considered inconclusive (negative).	73,0%	27,0%
			Autoanalyser (flow cytometry) (urinary RBC size)	Dual	Non-glomerular: ‘normocytic’ (70% of all RBC have a volume greater than channel 99 and 60% of those RBCs are found within 50 channels or fewer). The flag ‘‘non-classified’’ and the absence of a flag (no indication of ‘‘microcytic’’, ‘‘normocytic’’ or ‘‘non-classified’’, mostly due to low numbers of erythrocytes) were considered inconclusive (negative).	27,8%	72,2%
Shichiri, 1988	146	Cohort	Autoanalyser (Coulter Counter) (urinary RBC size)	Dual	Glomerular: standard urinary RBC volume distribution with a peak at lower volume than that of peripheral RBC. Non-glomerular and mixed distributions are classified as negative.	97,0%	79,7%	Final diagnosis
Shichiri, 1988	146	Cohort	Autoanalyser (Coulter Counter) (urinary RBC size)	Dual	Non-glomerular: standard urinary RBC volume distribution with a peak at higher volume than that of peripheral RBC. Glomerular and mixed distributions are classified as negative.	20,3%	100,0%	Final diagnosis
Singbal, 1996	80	Cohort	Brightfield microscopy	Single	>20% dRBC	93,3%	94,0%	Final diagnosis
Singbal, 1996	80	Cohort	Phase contrast microscopy	Single	>20% dRBC	96,7%	94,0%	Final diagnosis
Uhl, 1995	not specified	Case-control	Brightfield microscopy	Single	>20% defomed RBC	85,7%	91,7%	Previously established diagnosis
Wańkowicz, 1991	41	Case-control	Phase contrast microscopy	Dual	Glomerular: >60% dRBC. Non-glomerular and mixed are defined as negative.	25,0%	100,0%	Previously established diagnosis
					Glomerular: >60% dRBC. Non-glomerular and mixed are defined as negative.	80,0%	100,0%
					Non-glomerular: ≤20% dRBC. Glomerular and mixed are classified as negative.	100,0%	100,0%
					Non-glomerular: ≤20% dRBC. Glomerular and mixed are classified as negative.	100,0%	100,0%
Wann, 1986	not specified	Cohort	Phase contrast microscopy	Dual	Glomerular: ≥80% dysmorphic RBCs. Non-glomerular defined as negative: ≥80% isomorphic RBC.	100,0%	87,5%	Final diagnosis

Tabel Exclusie na het lezen van het volledige artikel

Auteur en jaartal	Module	Redenen van exclusie
Alam, 2005	2.1.1	Voldoet niet aan PICO: andere test (urinekweek)
Anpalahan, 1994	2.1.2	Onvolledig; geen diagnostische accuratesse, geen erytrocytenmorfologie
Bottini, 2005	2.1.2	Onvolledig; uitkomsten niet duidelijk beschreven
Boven, 2012	2.2	Onvolledig; geen diagnostische accuratesse
Bunjevac, 2018	2.1.3	Onvolledig; onduidelijke vergelijking, weinig monsters met erytrocyten, geen erytrocytenmorfologie
Chawla, 2008	2.3	Voldoet niet aan PICO: andere vraag en uitkomstmaat (cilinders bij acuut nierfalen)
Chu-Su, 2017	2.1.3	Onvolledig, weinig monsters
Rodríguez Moreno, 1999	2.1.2	Voldoet niet aan PICO: geen hematurie; geen erytrocytenmorfologie
Ekşioğlu, 2016	2.1.2	Voldoet niet aan PICO: geen hematurie; geen erytrocytenmorfologie
Emerson, 2005	2.3	Voldoet niet aan PICO: andere vergelijking (Hycor) en onvolledig; slechts één monster met RBC
Ercan, 2015	2.1.2	Voldoet niet aan PICO: geen hematurie; geen erytrocytenmorfologie
Iversen, 1977	2.1.3	Onvolledig; geen diagnostische accuratesse, geen erytrocytenmorfologie
Kim, 2002	2.1.3	Voldoet niet aan PICO: geen hematurie (weinig monsters met hoge RBC); geen erytrocytenmorfologie
Komarova, 2003	2.1.2	Onvolledig; uitkomsten niet duidelijk beschreven, geen diagnostische accuratesse
Kouri, 2002	2.1.2	Voldoet niet aan PICO: geen hematurie (weinig monsters met hoge RBC); geen erytrocytenmorfologie
Kouri, 2008	2.1.2	Voldoet niet aan PICO: niet specifiek hematurie; geen erytrocytenmorfologie
Kurup, 2012	2.1.3	Onvolledig; uitkomsten niet duidelijk beschreven, geen diagnostische accuratesse, geen erytrocytenmorfologie
Larocco, 2015	2.1	Voldoet niet aan PICO: andere test (urinekweek)
Lee, 2019	2.2	Voldoet niet aan PICO: andere test (urinekweek)
Linko, 2006	2.2	Voldoet niet aan PICO: geen hematurie; geen erytrocytenmorfologie
Macfarlane, 2005	2.1.1	Onvolledig; analyse van zes monsters met maximaal 13 erytrocyten per µl, verder geen informatie
Manoni, 2008	2.1.2	Voldoet niet aan PICO: geen hematurie (monsters met weinig RBC); geen erytrocytenmorfologie
Manoni, 2012	2.1.1	Voldoet niet aan PICO: geen hematurie (monsters met weinig RBC)
Pillsworth, 1987	2.1.2	Onvolledig; uitkomstmaten niet duidelijk beschreven
Ren, 2019	2.2	Voldoet niet aan PICO: niet specifiek hematurie; geen erytrocytenmorfologie
Salazar-García, 2020	2.1.2	Onvolledig, geen hematurie (slechts 1/50 samples >2 erytrocyten), geen erytrocytenmorfologie
Sharda, 2014	2.2	Voldoet niet aan PICO: andere vraag en uitkomstmaat (korrelcilinders bij ATN (acute tubulaire necrose))
Topcuoglu, 2017	2.1.3	Voldoet niet aan PICO: geen hematurie (weinig monsters met hoge RBC); geen erytrocytenmorfologie
Veljkovic, 2012	2.1.2	Voldoet niet aan PICO: geen hematurie; geen erytrocytenmorfologie
Weinstein, 1985	2.1.2	Voldoet niet aan PICO: andere test (urinekweek)
Wesarachkitti, 2016	2.2	Voldoet niet aan PICO: geen hematurie; geen erytrocytenmorfologie

[1] In geval van een case-control design moeten de patiëntkarakteristieken per groep (cases en controls) worden uitgewerkt. NB; case control studies zullen de accuratesse overschatten (Lijmer et al., 1999)

[2] Comparator test is vergelijkbaar met de C uit de PICO van een interventievraag. Er kunnen ook meerdere tests worden vergeleken. Voeg die toe als comparator test 2 etc. Let op: de comparator test kan nooit de referentiestandaard zijn.

[3] De referentiestandaard is de test waarmee definitief wordt aangetoond of iemand al dan niet ziek is. Idealiter is de referentiestandaard de Gouden standaard (100% sensitief en 100% specifiek). Let op! dit is niet de “comparison test/index 2”.

⁴ Beschrijf de statistische parameters voor de vergelijking van de indextest(en) met de referentietest, en voor de vergelijking tussen de indextesten onderling (als er twee of meer indextesten worden vergeleken).

[4] In geval van een case-control design moeten de patiëntkarakteristieken per groep (cases en controls) worden uitgewerkt. NB; case control studies zullen de accuratesse overschatten (Lijmer et al., 1999)

[5] Comparator test is vergelijkbaar met de C uit de PICO van een interventievraag. Er kunnen ook meerdere tests worden vergeleken. Voeg die toe als comparator test 2 etc. Let op: de comparator test kan nooit de referentiestandaard zijn.

[6] De referentiestandaard is de test waarmee definitief wordt aangetoond of iemand al dan niet ziek is. Idealiter is de referentiestandaard de Gouden standaard (100% sensitief en 100% specifiek). Let op! dit is niet de “comparison test/index 2”.

Verantwoording

Autorisatiedatum en geldigheid

Laatst beoordeeld : 05-01-2022

Laatst geautoriseerd : 05-01-2022

Geplande herbeoordeling : 01-01-2028

Voor het beoordelen van de actualiteit van deze richtlijn is de werkgroep niet in stand gehouden. Uiterlijk in 2026 bepaalt het bestuur van de Nederlandse Vereniging voor Klinische Chemie en Laboratoriumgeneeskunde 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 Klinische Chemie en Laboratoriumgeneeskunde 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.

Module[1]	Regiehouder(s)[2]	Jaar van autorisatie	Eerstvolgende beoordeling actualiteit richtlijn[3]	Frequentie van beoordeling op actualiteit[4]	Wie houdt er toezicht op actualiteit[5]	Relevante factoren voor wijzigingen in aanbeveling[6]
Optimale analysetechniek	NVKC	2021	2026	5 jaar	NVKC	Nieuwe literatuur, ontwikkelingen automatische sedimentanalyzers, beschikbaarheid verbeterde software/AI.

[1] Naam van de module

[2] Regiehouder van de module (deze kan verschillen per module en kan ook verdeeld zijn over meerdere regiehouders)

[3] Maximaal na vijf jaar

[4] (half)Jaarlijks, eens in twee jaar, eens in vijf jaar

[5] regievoerende vereniging, gedeelde regievoerende verenigingen, of (multidisciplinaire) werkgroep die in stand blijft

[6] Lopend onderzoek, wijzigingen in vergoeding/organisatie, beschikbaarheid nieuwe middelen

Initiatief en autorisatie

Initiatief:

Nederlandse Vereniging voor Klinische Chemie en Laboratoriumgeneeskunde

Geautoriseerd door:

Nederlandse Vereniging voor Kindergeneeskunde
Nederlandse Vereniging voor Neurologie
Nederlandse Vereniging voor Urologie
Nederlandse Vereniging voor Klinische Chemie en Laboratoriumgeneeskunde
Nierpatiënten Vereniging Nederland
Nederlandse Internisten Vereniging - Nefrologie

Algemene gegevens

De ontwikkeling/herziening van deze richtlijnmodule werd ondersteund door het Kennisinstituut van de Federatie Medisch Specialisten (www.demedischspecialist.nl/kennisinstituut) en werd gefinancierd uit Kwaliteitsgelden Medisch Specialisten (SKMS, projectnummer 55092985).

De financier heeft geen enkele invloed gehad op de inhoud van de richtlijn.

Doel en doelgroep

Doel

Deze evidence-based richtlijn heeft als doel om advies te geven voor de verzameling, voorbereiding, uitvoering, rapportage en interpretatie van de morfologische beoordeling van urine bij hematurie. Dit dient te leiden tot standaardisatie en harmonisatie van diagnostiek.

Doelgroep

De richtlijn is primair bedoeld voor laboratoriumspecialisten klinische chemie die in de praktijk te maken krijgen met de morfologische beoordeling van urine. Daarnaast is de richtlijn ook bedoeld voor zorgverleners, zoals internisten, nefrologen, urologen, kinderartsen en huisartsen, die instructies geven aan de patiënt over het verzamelen van materiaal en die de uitslagen interpreteren.

Samenstelling werkgroep

Voor het ontwikkelen van de richtlijnmodule is in 2019 een multidisciplinaire werkgroep ingesteld, bestaande uit vertegenwoordigers van alle relevante specialismen die betrokken zijn bij de diagnostiek en zorg voor patiënten met hematurie.

De werkgroepleden zijn door hun beroepsverenigingen gemandateerd voor deelname en/of hebben deelgenomen vanwege hun specifieke vakinhoudelijke expertise. De werkgroep is verantwoordelijk voor de integrale tekst van deze richtlijn.

Werkgroep

Dr. A.Y. (Ayşe) Demir, klinisch chemicus, Meander Medisch Centrum, Amersfoort, NVKC, voorzitter
Dr. J.J. (Jolien) Luimstra, AIOS klinische chemie, Meander Medisch Centrum, Amersfoort, NVKC, vicevoorzitter
Dr. A.H. (Arnold) Boonstra, internist-nefroloog, Flevoziekenhuis, Almere, NIV/NFN
Dr. D.S. (David) Boss, klinisch chemicus, Sint Antonius Ziekenhuis, Nieuwegein, NVKC
Dr. R. (Rob) Castel, klinisch chemicus, Resultlaboratorium BV Albert Schweitzer Ziekenhuis, Dordrecht, NVKC
Prof. dr. L.B. (Luuk) Hilbrands, internist-nefroloog, Radboudumc, Nijmegen
Drs. M.C. (Marina) Hovius, uroloog, Onze Lieve Vrouwe Gasthuis, Amsterdam, NVU
Dr. J.J. (Janine) Hulstein, klinisch chemicus, Gelre, Apeldoorn, NVKC
Dr. W.H.A. (Helma) Kniest-de Jong, klinisch chemicus, Saltro, Utrecht, NVKC
Dr. E.G.W.M. (Eef) Lentjes, klinisch chemicus, Universitair Medisch Centrum Utrecht, Utrecht, NVKC
Dr. R.G.H.J. (Ronald) Maatman, klinisch chemicus, Medlon, Enschede, NVKC (tot januari 2020)
Dr. K. (Karin) Mohrmann, klinisch chemicus, Star-shl, Etten-Leur, NVKC
Dr. D.M. (Dorien) Rotteveel, klinisch chemicus, Canisius-Wilhelmina Ziekenhuis, Nijmegen, NVKC

Met dank aan

Dr. L.J.P. (Lourens) Nonkes voor zijn bijdrage aan de totstandkoming van de bijlage ‘Mini atlas’

Klankbordgroep

Drs. J. (Jacintha) van Balen, huisarts, NHG
Dr. C. (Caroline) Douma, internist-nefroloog, Spaarne Ziekenhuis, Hoofddorp, NIV/NFN
Dr. H. (Huib) de Jong, kindernefroloog, Erasmus MC-Sophia Kinderziekenhuis, Rotterdam, NVK
Drs. K. (Karen) Prantl, beleidsmedewerker kwaliteit en onderzoek, NVN

Met ondersteuning van

Dr. I.M. (Irina) Mostovaya, senior adviseur, Kennisinstituut van de Federatie Medisch Specialisten, Utrecht
Dr. H. (Hanneke) van der Lee, senior adviseur, Kennisinstituut van de Federatie Medisch Specialisten, Utrecht
Dr. W.P.H.G. (Wilhelmine) Verboeket-van de Venne, kwaliteitsmedewerker, NVKC

Belangenverklaringen

De Code ter voorkoming van oneigenlijke beïnvloeding door belangenverstrengeling is gevolgd. Alle werkgroepleden hebben schriftelijk verklaard of zij in de laatste drie jaar directe financiële belangen (betrekking bij een commercieel bedrijf, persoonlijke financiële belangen, onderzoeksfinanciering) of indirecte belangen (persoonlijke relaties, reputatiemanagement) hebben gehad. Gedurende de ontwikkeling of herziening van een module worden wijzigingen in belangen aan de voorzitter doorgegeven. De belangenverklaring wordt opnieuw bevestigd tijdens de commentaarfase.

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.

*Achternaam werkgroeplid*	*Hoofdfunctie*	*Neven werkzaam heden*	*Persoonlijke financiële belangen*	*Persoonlijke relaties*	*Extern gefinancierd onderzoek*	*Intellectuele belangen en reputatie*	*Overige belangen*	*Getekend op*	*Actie*
*Demir*	Klinisch chemicus, Meander Medisch Centrum, Amersfoort	Vakdeskundige Raad voor Accreditatie (betaald), werkgroeplid herziening richtlijn hematurie NVU (vacatiegelden)	geen	geen	geen	geen	geen	22-03-2019	geen
*Boss*	Klinisch chemicus, St. Antonius ziekenhuis Nieuwegein, Utrecht	geen	geen	geen	geen	geen	geen	23-04-2019	geen
*Castel*	Klinisch chemicus, Albert Schweitzer Ziekenhuis, Dordrecht en Ikazia Ziekenhuis, Rotterdam	geen	geen	geen	geen	geen	geen	18-03-2019	geen
*Hulstein*	Klinisch chemicus, Gelre Ziekenhuizen, Apeldoorn en Zutphen	geen	geen	geen	geen	geen	geen	21-03-2019	geen
*Kniest-de Jong*	Klinisch chemicus, Saltro-Unilabs, Utrecht	geen	geen	geen	geen	geen	geen	27-06-2019	geen
*Lentjes*	Klinisch chemicus, UMC Utrecht	geen	geen	geen	geen	geen	geen	12-05-2019	geen
*Maatman*	Klinisch chemicus, Medlon-Unilabs, Twente	geen	geen	geen	geen	geen	geen	24-06-2019	geen
*Mohrmann*	Klinisch chemicus, Star-SHL, Rotterdam	Vakdeskundige Raad voor Accreditatie (betaald), werkgroeplid NHG LESA labdiagnostiek (vacatiegelden)	geen	geen	geen	geen	geen	03-07-2019	geen
*Rotteveel-de Groot*	Klinisch chemicus, Canisius Wilhelmina Ziekenhuis, Nijmegen	Vakdeskundige Raad voor Accreditatie (betaald)	geen	geen	geen	geen	geen	20-03-2019	geen
*Luimstra*	AIOS klinische chemie, Meander Medisch Centrum, Amersfoort	geen	geen	geen	geen	geen	geen	16-07-2019	geen
*Hovius*	Uroloog, OLVG, Amsterdam	VZ herziening richtlijn hematurie NVU (vacatiegelden), tot nov 2019: bestuurslid NVU (penningmeester, vacatiegelden), lid commissie Kwaliteitsvisitatie (vacatiegelden), tot nov 2019: redactielid Urograaf/NTvU WeFURU, NVU	geen	geen	geen	geen	geen	18-07-2019	geen
*Hilbrands*	Internist-nefroloog, Hoofd afdeling nierziekten, Radboudumc, Nijmegen	Docent cursus ‘Morfologische beoordeling van het urinesediment’, georganiseerd door Hogeschool Arnhem-Nijmegen	geen	geen	geen	geen	geen	02-11-2019	geen
*Boonstra*	Internist-nefroloog, Flevoziekenhuis, Almere	onderwijs AIOS huisartsengeneeskunde, betaald	geen	geen	geen	geen	geen	23-10-2019	geen
*De Jong*	Kindernefroloog, Erasmus MC-Sophia kinderziekenhuis, Rotterdam	geen	geen	geen	geen	geen	geen	01-07-2019	geen
*Douma*	Internist-nefroloog Spaarne Gasthuis, Hoofddorp/Haarlem	Programma commissie Dialysisis Initiatives Nephrology, lid Richtlijn Commissie NFN	geen	geen	geen	geen	geen	25-06-2019	geen
*Van Balen*	Senior wetenschappelijk medewerker NHG (0.6 fte), huisarts (0.2 fte)	geen	geen	geen	geen	geen	geen	27-06-2019	geen
*Prantl*	Beleidsmedewerker kwaliteit en onderzoek, Nierpatiënten Vereniging Nederland	geen	geen	geen	geen	geen	geen	14-06-2019	geen

Inbreng patiëntenperspectief

Er werd aandacht besteed aan het patiëntenperspectief door de Nierpatiënten Vereniging Nederland en de Patiëntenfederatie Nederland te betrekken bij de knelpuntenanalyse. De conceptrichtlijn is voorafgaand aan de commentaarfase voorgelegd aan de Nierpatiënten Vereniging Nederland en de eventueel aangeleverde commentaren zijn besproken en verwerkt.

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 in de module Kwaliteitsborging. Er zijn geen indicatoren ontwikkeld bij de huidige richtlijn. De reden hiervoor is dat nagenoeg alle medische laboratoria in Nederland zijn geaccrediteerd volgens de ISO 15189 norm, waarin kwaliteitsindicatoren gewaarborgd zijn.

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 en uitgangsvragen

Tijdens de voorbereidende fase inventariseerde de werkgroep de knelpunten in de zorg voor patiënten met hematurie. Tevens zijn er knelpunten aangedragen door de leveranciers Analis, Beckman Coulter, Menarini, Roche, Siemens en Sysmex via een knelpuntenanalyse. Een overzicht hiervan is opgenomen in de Bijlagen.

Op basis van de uitkomsten van de knelpuntenanalyse zijn door de werkgroep concept-uitgangsvragen opgesteld, die betrekking hebben op pre-analyse, analyse en post-analyse. De uitgangsvragen zijn in de schrijffase definitief vastgesteld.

Uitkomstmaten

Voor uitgangsvragen die zich lieten omvatten door een zoekvraag en PICO (waarbij PICO staat voor patient/problem/population, intervention, comparison/control/comparator and outcome(s)), is een systematische search verricht. Bij een diagnostische zoekvraag wordt ervoor gekozen ook de referentietest (R) te vermelden en wordt overeenkomstig een PICRO in plaats van PICO opgesteld. Na het opstellen van de zoekvraag behorende bij de uitgangsvraag inventariseerde de werkgroep 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 cruciaal (kritiek voor de besluitvorming), belangrijk (maar niet cruciaal) en onbelangrijk. Tevens definieerde de werkgroep tenminste voor de cruciale uitkomstmaten welke verschillen zij klinisch (patiënt) relevant vonden. De voor- en nadelen van de interventies zijn per uitkomstmaat beschreven in de overwegingen.

Methode literatuursamenvatting

Een uitgebreide beschrijving van de strategie voor zoeken en selecteren van literatuur en de beoordeling van de risk-of-bias van de individuele studies is te vinden onder ‘Zoeken en selecteren’ onder Onderbouwing. De beoordeling van de kracht van het wetenschappelijke bewijs wordt hieronder toegelicht.

Beoordelen van de kracht van het wetenschappelijke bewijs

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/). De basisprincipes van de GRADE-methodiek zijn: het benoemen en prioriteren van de klinisch (patiënt) relevante uitkomstmaten, een systematische review per uitkomstmaat, en een beoordeling van de bewijskracht per uitkomstmaat op basis van de acht GRADE-domeinen (domeinen voor downgraden: risk of bias, inconsistentie, indirectheid, imprecisie, en publicatiebias; domeinen voor upgraden: dosis-effect relatie, groot effect, en residuele plausibele confounding).

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, in het bijzonder de mate van zekerheid dat de literatuurconclusie de aanbeveling adequaat ondersteunt (Schünemann, 2013; Hultcrantz, 2017).

GRADE	Definitie
Hoog	er is hoge zekerheid dat het ware effect van behandeling dichtbij het geschatte effect van behandeling ligt; het is zeer onwaarschijnlijk dat de literatuurconclusie klinisch relevant 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; het is mogelijk dat de conclusie klinisch relevant 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; er is een reële kans dat de conclusie klinisch relevant 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; de literatuurconclusie is zeer onzeker.

Bij het beoordelen (graderen) van de kracht van het wetenschappelijk bewijs in richtlijnen volgens de GRADE-methodiek spelen grenzen voor klinische besluitvorming een belangrijke rol (Hultcrantz, 2017). Dit zijn de grenzen die bij overschrijding aanleiding zouden geven tot een aanpassing van de aanbeveling. Om de grenzen voor klinische besluitvorming te bepalen moeten alle relevante uitkomstmaten en overwegingen worden meegewogen. De grenzen voor klinische besluitvorming zijn daarmee niet één op één vergelijkbaar met het minimaal klinisch relevant verschil (Minimal Clinically Important Difference, MCID). Met name in situaties waarin een interventie geen belangrijke nadelen heeft en de kosten relatief laag zijn, kan de grens voor klinische besluitvorming met betrekking tot de effectiviteit van de interventie bij een lagere waarde (dichter bij het nuleffect) liggen dan de MCID (Hultcrantz, 2017).

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 aanvullende argumenten uit bijvoorbeeld de biomechanica of fysiologie, waarden en voorkeuren van patiënten, kosten (middelenbeslag), aanvaardbaarheid, haalbaarheid en implementatie. Deze aspecten zijn systematisch vermeld en beoordeeld (gewogen) onder het kopje ‘Overwegingen’ en kunnen (mede) gebaseerd zijn op expert opinion. Hierbij is gebruik gemaakt van een gestructureerd format gebaseerd op het evidence-to-decision framework van de internationale GRADE Working Group (Alonso-Coello, 2016a; Alonso-Coello 2016b). Dit evidence-to-decision framework is een integraal onderdeel van de GRADE methodiek.

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 (Agoritsas, 2017; Neumann, 2016). De sterkte van de aanbeveling wordt altijd bepaald door weging van alle relevante argumenten tezamen. De werkgroep heeft bij elke aanbeveling opgenomen hoe zij tot de richting en sterkte van de aanbeveling zijn gekomen.

In de GRADE-methodiek wordt onderscheid gemaakt tussen sterke en zwakke (of conditionele) aanbevelingen. De sterkte van een aanbeveling verwijst naar de mate van zekerheid dat de voordelen van de interventie opwegen tegen de nadelen (of vice versa), gezien over het hele spectrum van patiënten waarvoor de aanbeveling is bedoeld. De sterkte van een aanbeveling heeft duidelijke implicaties voor patiënten, behandelaars en beleidsmakers (zie onderstaande tabel). Een aanbeveling is geen dictaat, zelfs een sterke aanbeveling gebaseerd op bewijs van hoge kwaliteit (GRADE gradering HOOG) zal niet altijd van toepassing zijn, onder alle mogelijke omstandigheden en voor elke individuele patiënt.

Implicaties van sterke en zwakke aanbevelingen voor verschillende richtlijngebruikers
	Sterke aanbeveling	Zwakke (conditionele) aanbeveling
Voor patiënten	De meeste patiënten zouden de aanbevolen interventie of aanpak kiezen en slechts een klein aantal niet.	Een aanzienlijk deel van de patiënten zouden de aanbevolen interventie of aanpak kiezen, maar veel patiënten ook niet.
Voor behandelaars	De meeste patiënten zouden de aanbevolen interventie of aanpak moeten ontvangen.	Er zijn meerdere geschikte interventies of aanpakken. De patiënt moet worden ondersteund bij de keuze voor de interventie of aanpak die het beste aansluit bij zijn of haar waarden en voorkeuren.
Voor beleidsmakers	De aanbevolen interventie of aanpak kan worden gezien als standaardbeleid.	Beleidsbepaling vereist uitvoerige discussie met betrokkenheid van veel stakeholders. Er is een grotere kans op lokale beleidsverschillen.

Kwaliteitsborging

In de knelpuntenanalyse en bij de ontwikkeling van de richtlijnmodule is expliciet aandacht geweest voor de kwaliteitsborging: alle aspecten die randvoorwaardelijk zijn voor het komen tot een betrouwbare uitslag. Randvoorwaarden die relevant zijn voor het beantwoorden van deze specifieke uitgangsvraag zijn genoemd bij de overwegingen. Meer algemene, overkoepelende, of bijkomende aspecten van de kwaliteitsborging worden behandeld in de module Kwaliteitsborging.

Commentaar- en autorisatiefase

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

Literatuur

Agoritsas, T., Merglen, A., Heen, A. F., Kristiansen, A., Neumann, I., Brito, J. P.,... & Guyatt, G. H. (2017). UpToDate adherence to GRADE criteria for strong recommendations: an analytical survey. BMJ open, 7(11).

Alonso-Coello, P., Schünemann, H. J., Moberg, J., Brignardello-Petersen, R., Akl, E. A., Davoli, M.,... & GRADE Working Group. (2016a). GRADE Evidence to Decision (EtD) frameworks: a systematic and transparent approach to making well informed healthcare choices. 1: Introduction. bmj, 353.

Alonso-Coello, P., Oxman, A. D., Moberg, J., Brignardello-Petersen, R., Akl, E. A., Davoli, M.,... & GRADE Working Group. (2016b). GRADE Evidence to Decision (EtD) frameworks: a systematic and transparent approach to making well informed healthcare choices. 2: Clinical practice guidelines. bmj, 353.

Brouwers, M. C., Kho, M. E., Browman, G. P., Burgers, J. S., Cluzeau, F., Feder, G.,... & Zitzelsberger, L. (2010). AGREE II: advancing guideline development, reporting and evaluation in health care. Cmaj, 182(18), E839-E842.

Hultcrantz, M., Rind, D., Akl, E. A., Treweek, S., Mustafa, R. A., Iorio, A.,... & Guyatt, G. (2017). The GRADE Working Group clarifies the construct of certainty of evidence. Journal of clinical epidemiology, 87, 4-13.

Medisch Specialistische Richtlijnen 2.0 (2012). Adviescommissie Richtlijnen van de Raad Kwalitieit. https://richtlijnendatabase.nl/over_deze_site/richtlijnontwikkeling.html.

Neumann, I., Santesso, N., Akl, E. A., Rind, D. M., Vandvik, P. O., Alonso-Coello, P.,... & Guyatt, G. H. (2016). A guide for health professionals to interpret and use recommendations in guidelines developed with the GRADE approach. Journal of clinical epidemiology, 72, 45-55.

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, 2013. Available from http://gdt.guidelinedevelopment.org/central_prod/_design/client/handbook/handbook.html.

Zoekverantwoording

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

Richtlijnendatabase

Eenduidige en accurate laboratoriumdiagnostiek bij hematurie

Eenduidige en accurate laboratoriumdiagnostiek bij hematurie

Optimale analysetechniek bij hematurie

Uitgangsvraag

Aanbeveling

Overwegingen

Onderbouwing

Achtergrond

Conclusies

Samenvatting literatuur

Zoeken en selecteren

Referenties

Evidence tabellen

Verantwoording

Autorisatiedatum en geldigheid

Initiatief en autorisatie

Algemene gegevens

Doel en doelgroep

Samenstelling werkgroep

Belangenverklaringen

Inbreng patiëntenperspectief

Methode ontwikkeling

Implementatie

Werkwijze

Zoekverantwoording

Bijlagen