gms | German Medical Science

Deutscher Kongress für Orthopädie und Unfallchirurgie (DKOU 2021)

26. - 29.10.2021, Berlin

Validierung des PJI-TNM-Klassifikationssystems für Endoprotheseninfektionen Fragestellung

Meeting Abstract

  • presenting/speaker Susanne Bärtl - Universitätsklinikum Regensburg, Klinik und Poliklinik für Unfallchirurgie, Regensburg, Germany
  • Markus Rupp - Universitätsklinikum Regensburg, Klinik und Poliklinik für Unfallchirurgie, Regensburg, Germany
  • Nike Walter - Universitätsklinikum Regensburg, Klinik und Poliklinik für Unfallchirurgie, Regensburg, Germany
  • Maximilian Kerschbaum - Universitätsklinikum Regensburg, Klinik und Poliklinik für Unfallchirurgie, Regensburg, Germany
  • Christian Pfeifer - Universitätsklinikum Regensburg, Klinik und Poliklinik für Unfallchirurgie, Regensburg, Germany
  • Volker Alt - Universitätsklinikum Regensburg, Klinik und Poliklinik für Unfallchirurgie, Regensburg, Germany

Deutscher Kongress für Orthopädie und Unfallchirurgie (DKOU 2021). Berlin, 26.-29.10.2021. Düsseldorf: German Medical Science GMS Publishing House; 2021. DocAB42-833

doi: 10.3205/21dkou227, urn:nbn:de:0183-21dkou2273

Veröffentlicht: 26. Oktober 2021

© 2021 Bärtl et al.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Fragestellung: Ziel der Studie war es, die klinische Anwendbarkeit des PJI-TNM-Klassifikationssystems für Endoprotheseninfektionen (PJI) durch Bestimmung der Intra- und Interobserver-Reliabilität zu evaluieren. Außerdem sollten Stärken und Schwächen des Klassifikationssystems aufgezeigt werden, um die Anwendbarkeit in der klinischen Praxis weiter zu verbessern.

Methodik: Insgesamt 10 Fachärzte für Orthopädie und Unfallchirurgie klassifizierten 20 Fälle von Endoprotheseninfektionen mit Hilfe des PJI-TNM-Klassifikationssystems. Die Klassifizierungsgenauigkeit wurde für jede Subkategorie (r, T, N und M) berechnet, indem die gegebenen Antworten mit den von den Autoren definierten Referenzantwort verglichen wurden. Fleiss' Kappa (Fk) wurde zur Einschätzung der Interobserver-Reliabilität berechnet, während Cohen's Kappa (Ck) zur Beurteilung der Intraobserver-Reliabilität diente. Die erhaltenen Werte wurden gemäß Landis und Koch (1977) interpretiert.

Ergebnisse und Schlussfolgerung: Insgesamt war die Interobserver- (Fk=0,61) und Intraobserver-Übereinstimmung (Ck=0,78) für die 20 Fälle beachtlich (substantial). Subgruppenanalysen für die Variable "reinfection" ergaben eine nahezu perfekte Interobserver- (Fk=0,90) und Intraobserver-Übereinstimmung (Ck=0,92). Die Klassifikationsgenauigkeit erreichte 94,8 %. In der Dimension "Tissue and implant conditions" zeigte sich eine mittelmäßige (moderate) Interobserver- (Fk=0,48) und eine beachtliche Intraobserver-Übereinstimmung (Ck = 0,68), während die Klassifikationsgenauigkeit 70,8 % betrug. Für die Kategorie "Non-human cells (bacteria and fungi)" ergab sich eine Genauigkeit von 81,0 % und eine moderate Interobserver-Übereinstimmung (Fk = 0,60). Es lag eine nahezu perfekte Intraobserver-Übereinstimmung (Ck=0,81) vor. Die Klassifikationsgenauigkeit der Variable "Morbidity of the patient" erreichte 73,5 % bei einer mittelmäßigen Interobserver-Übereinstimmung (Fk=0,45), während die Intraobserver-Übereinstimmung beachtlich war (Ck=0,72) (Abbildung 1 [Abb. 1]).

Das PJI-TNM-System erlaubt eine zufriedenstellende Klassifizierung von PJIs in Bezug auf die Klassifizierungsgenauigkeit und die Intraobserver-Reliabilität. Die Komplexität des Klassifikationssystems erlaubt eine adäquate Abbildung der Heterogenität von Endoprotheseninfektionen, geht jedoch auch mit Einschränkungen einher, die sich insbesondere bei der Beurteilung der Patientenmorbidität und der Implantatsituation zeigen. Um dies zu verbessern, sind die Entwicklung eines speziellen Komorbiditätsscores für Endoprotheseninfektionen sowie eine Reevaluation des Implantatstatus postoperativ notwendig. Außerdem kann ein künftig zur Verfügung gestelltes App-basiertes Klassifikationsprogramm die korrekte Klassifizierung im klinischen Alltag erleichtern.