Nieuw predictiemodel om diagnose astma te stellen

Een nieuw predictiemodel op basis van patientgerapporteerde uitkomsten, spirometrie en FeNO kan bijdragen aan het verbeteren van accurate astmadiagnoses in de dagelijkse praktijk. Hoewel astma vrij veel voorkomt, blijft het stellen van de diagnose een uitdaging, met zowel over- als onderdiagnostiek. Onderzoekers ontwikkelden daarom een nieuw predictiemodel dat mogelijk bijdraagt aan een accuratere diagnose.

Zij verdeelden 303 onbehandelde patienten met symptomen die zouden kunnen passen bij astma (piepen, dyspneu, hoest, sputum en druk op de borst) in een trainingscohort en een validatiecohort. De diagnose astma werd gesteld bij een positieve reversibiliteitstest en/of een positieve bronchoprovocatietest. In totaal was 63% van het trainingscohort en 58% van het validatiecohort gediagnosticeerd met astma.

Uit logistische regressie bleek dat alleen het patientgerapporteerde symptoom 'piepen' geassocieerd was met de diagnose astma, samen met de FEV1, de FEV1/FVC en het FeNO-gehalte. Een combinatie van deze vier parameters vormde het sterkste predictiemodel, met een AUC van 0,76 in het trainingscohort; in het validatiecohort bleef dit model overeind met een AUC van 0,73. De onderzoekers stellen dat het combineren van de patientgerapporteerde intensiteit van piepende ademhaling met spirometrie en FeNO bijdraagt aan het accuraat stellen van de diagnose astma.