Rapportens indhold er frit tilgængeligt, men oentliggørelse må kun ske efter aftale med forfatterne.

Titel: Prædiktion af CD34 + celler ved leukaferese på Klinisk Immunologisk Afdeling, Aalborg Sygehus Tema: Teknologi i Sundhedssektoren Projektperiode: Efterårssemesteret 2007 Projektgruppe: ST 572 Gruppe medlemmer: Majken Munch Ask Schou Jensen Jens Stampe Sørensen Lisbeth Lundager Gylstor Vejledere: John Bæch Ole Hejlesen Oplagstal: 9 Sidetal: 67 Bilagsantal og -art: 1 CD Afsluttet den 20. december, 2007 Synopsis: Det Ingeniør-, Natur- og Sundhedsvidenskabelige Fakultet Institut for Sundhedsvidenskab og Teknologi Fredrik Bajers Vej 7D, DK-9220 Aalborg Øst Telefon + 45 96 35 80 80 Fax + 45 98 15 40 08 http://www.hst.aau.dk I forbindelse med Hodgkins og non-hodgkins lymfom, myelomatose, kronisk myeloid- og kronisk lymfatisk leukæmi er højdosis kemoterapi efterfulgt af autolog stamcelletransplantation en behandlingsmulighed. Før denne behandling skal hæmatopoietiske stamceller opsamles fra patientens perifere blod ved leukaferese. Det er pga. stor variation i udbyttet af denne procedure hensigtsmæssigt at kunne prædiktere udbyttet under forløbet. I dette projekt analyseres hvorvidt denne prædiktion foregår optimalt på Klinisk Immunologisk Afdeling, Aalborg Sygehus, samt hvilken indydelse prædiktionen har på leukafereseforløbet. Efter observation, interviews og analyse af data der er udleveret af afdelingen er det vurderet, at prædiktionen ikke foregår optimalt, og at der er begrundelse for at optimere den. På baggrund af dette undersøges det, hvordan prædiktionen kan forbedres. Det vælges at anvende multipel lineær regression til at undersøge sammenhængen mellem udbyttet af en leukaferese og patientens fysiologiske parametre målt på morgenen for leukaferesen. Der er fundet signikant sammenhæng mellem udbyttet af leukaferesen og mængden af CD34 + celler i det perifere blod samt leukocyttallet. En model er blevet udarbejdet, der beskriver denne sammenhæng for de benyttede data. Grundet en utilstrækkelig datamængde mangler dog en endelig validering af modellen. Rapportens indhold er frit tilgængeligt, men oentliggørelse må kun ske efter aftale med forfatterne.

Forord Dette projekt er udarbejdet i efteråret 2007 af projektgruppe 572, 5. semester på Sundhedsteknologi, Aalborg Universitet. Det overordnede tema for dette semester er Teknologi i Sundhedssektoren. Rapporten henvender sig til medarbejdere på Klinisk Immunologisk Afdeling, Aalborg Sygehus (KIA), vejledere og censor, som er knyttet til projektet, samt andre med interesse for området. I forbindelse med udarbejdelse af projektet har gruppen været i kontakt med ere personer, der har været behjælpelige med oplysninger omkring arbejdsgangen på KIA og Hæmatologisk Dagafsnit i forbindelse med et leukafereseforløb. Derfor vil gruppen gerne sige tak til: Helle Hylander, sygeplejerske, KIA. Anitta Holmager, bioanalytiker, KIA. Noomi Knudsen, bioanalytiker, KIA. Ilse Christiansen, overlæge, Hæmatologisk Afdeling, Aalborg Sygehus. Desuden vil gruppen gerne rette en tak til: Søren Lundbye Christensen, lektor på Institut for Sundhedsvidenskab og Teknologi, Aalborg Universitet, der har hjulpet gruppen med statistisk assistance. John Bæch, Overlæge, KIA og Ole Hejlesen, lektor på Institut for Sundhedsvidenskab og Teknologi, der har fungeret som vejledere på projektet. Majken Munch Lisbeth Lundager Gylstor Ask Schou Jensen Jens Stampe Sørensen

Læsevejledning Rapporten er opbygget efter AAU-modellen, illustreret på Figur 1. Rapporten tager, i henhold til modellen, udgangspunkt i et bredt initierende problem. Herudfra udarbejdes en analyse af problemet i dets kontekst. På baggrund af denne analyse dannes en egentlig problemformulering i form af et spørgsmål og herudfra analyseres behovet for mere viden og det egentlige problem. [23] Figur 1: AAU-modellen er formet som et timeglas. Øverst startes med et bredt initierende problem, dette indsnævres gennem en problemanalyse, og der nås frem til en problemformulering. Problemformuleringen lægger op til den egentlige analyse af problemet. Til slut diskuteres de opnåede resultater, og der perspektiveres herover. Rapporten er inddelt i tre dele, og som en indledning til hver del ndes en kort beskrivelse af delens indhold. Del I indeholder problemanalysen. Heri beskrives metoder anvendt til at indsamle information omkring arbejdsgangen på Klinisk Immunologisk Afdeling, dernæst følger en beskrivelse af leukafereseproceduren. Herefter analyseres problemstil-

lingerne forbundet med prædiktion af stamcelleudbyttet og den metode, der nu benyttes til prædiktionen. Dette leder frem til problemformuleringen, der afslutter Del I. Del II starter med en beskrivelse af de metoder og overvejelser, der ligger til grund for en statistisk analyse af data. Dernæst følger selve den statistiske analyse og modellering. Del III afrunder rapporten med en diskussion af de opnåede resultater og hvad der videre kan foretages inden for området. Efter rapportens tre dele ndes appendix, der indeholder relevant baggrundsmateriale omkring emner der er relevante for rapportens indhold. En grundlæggende beskrivelse af blodets indhold og stamceller ndes i appendix A på side 56. I appendix B på side 60 ndes en generel beskrivelse af cancer og en gennemgang af de for dette projekt relevante cancersygdomme. Appendix C på side 64 indeholder en gennemgang af den grundlæggende teori bag lineær regression. Den vedlagte CD indeholder referater fra de afholdte interviews. Herudover ndes en PDF udgave af de internetkilder, der er refereret til i rapporten. På CD'erne til vejledere og censor er desuden tilføjet lydler fra afholdte interviews og det datasæt, der er brugt til analysen. Kilder i rapporten er angivet efter Vancouver systemet. Kilder angivet inden punktum refererer til sætningen, mens kilder angivet efter punktum refererer til hele afsnittet. Ved punktopstillinger er kilden angivet ved sidste punkt. I rapporten benyttes forkortelsen KIA for 'Klinisk Immunologisk Afdeling, Aalborg Sygehus'.

INDHOLD Indhold 1 Indledning 1 2 Initierende problem 3 Del I - Problemanalyse 5 3 Metode til informationsindsamling 6 3.1 Dataindsamlingsteknikker........................... 6 3.2 Beskrivelse af metode til dataindsamling................... 7 4 Procedure for leukaferese 11 4.1 Morgenprøve.................................. 12 4.2 Leukaferese................................... 17 4.3 Nedfrysning................................... 18 5 Problemstillinger forbundet med prædiktion 20 5.1 Patient...................................... 20 5.2 Organisation................................... 21 5.3 Økonomi..................................... 23 6 Analyse af nuværende metode 24 6.1 Databeskrivelse................................. 24 6.2 Analyse af den nuværende prædiktionsmetode................ 25

INDHOLD 7 Problemformulering 31 Del II - Analyse og modellering 33 8 Metode til analyse og modellering 34 8.1 Metodevalg................................... 34 8.2 Beskrivelse af statistisk metode........................ 35 8.3 Overvejelser om data og metode........................ 36 9 Modellering 38 9.1 Model specikation............................... 38 9.2 Parameter estimering.............................. 39 9.3 Test af modellens tilstrækkelighed....................... 42 9.4 Model validering................................ 45 Del III - Syntese 47 10 Diskussion 48 Referenceliste 54 Appendix 55 A Blodets cellulære komponenter 56 B Cancer 60 C Lineær regression 64

Kapitel 1 Indledning I perioden fra 1996-2000 har cancer i Danmark årligt været årsag til gennemsnitligt ca. 15.300 dødsfald [3], hvilket gør cancer til den næststørste dødsårsag i landet næstefter hjertekarsygdomme [5]. I den samme periode er der i gennemsnit konstateret ca. 30.700 nye tilfælde af cancer pr. år [3]. Afhængigt af, hvilken cancersygdom patienten har, bliver der af sygehusvæsenet tilbudt forskellige behandlinger. Denne rapport tager udgangspunkt i en del af en behandling, der er fælles for de fem cancersygdomme myelomatose, kronisk myeloid leukæmi, kronisk lymfatisk leukæmi, non-hodgkins lymfom og Hodgkins lymfom. På Tabel 1.1 kan prævalensen og antallet af nye tilfælde pr. år for hver af de fem cancersygdomme ses. Prævalens (2001) Nye tilfælde pr. år (2001) Mænd Kvinder Mænd Kvinder Myelomatose Kronisk myeloid leukæmi 595-524 - 142 46* 125 30* Kronisk lymfatisk leukæmi - - 199* 140* Non-Hodgkins lymfom 2449 2361 396 358 Hodgkins lymfom 1282 904 71 48 Tabel 1.1: Prævalensen pr. 31.12.2001 for de fem cancersygdomme, der kan behandles med autolog stamcelletransplantation samt antallet af nye tilfælde pr. år. Tallene markeret med * er et årligt gennemsnit i perioden fra 1998-2000. [3] Behandlingen af de nævnte cancersygdomme er forskellig alt efter patientens diagnose, men ved alle fem kræftformer kan der anvendes højdosis kemoterapi. Ved behandling med kemoterapi, angriber cytostatika (cellegifte) især de hurtigtdelende celler, herunder cancerceller. Visse andre celler er også hurtigtdelende, dette gælder f.eks. celler i slimhinder, hår, hud og knoglemarv, der fornyer sig oftere end andre celler i kroppen. Derfor bliver disse områder af kroppen særligt påvirket ved behandling med kemoterapi. Ved højdosis kemoterapi intensiveres den skadelige virkning på cancercellerne, men de andre hurtigtdelende celler i kroppen bliver også tilsvarende hårdere ramt. Den alvorligste konsekvens ved højdosis kemoterapi behandling er, at hæmatopoietiske stamceller i knoglemarven bliv- 1

1. Indledning er ødelagt. Dette er et livstruende problem, da stamcellerne i knoglemarven producerer blodets cellulære komponenter; dvs. erytrocytter (røde blodlegemer), leukocytter (hvide blodlegemer) og trombocytter (blodplader). Dermed opretholder de hæmatopoietiske stamceller indirekte vitale funktioner såsom respiration på cellulært niveau, kroppens immunforsvar og blodkoagulering. En enten autolog (fra personen selv) eller allogen (fra en donor) stamcelletransplantation er derfor nødvendig kort efter højdosis kemoterapi for at sikre knoglemarvens reetablering. [26] På Aalborg Sygehus, hvor projektet tager sit udgangspunkt, er der anvendt autolog stamcelletransplantation siden år 2005. Dette er det helbredsmæssigt sikreste for patienten, da kroppens immunforsvar normalt ikke identicerer kroppens egne celler som fremmedlegemer [8]. Det er muligt at opsamle hæmatopoietiske stamceller, herefter blot refereret til som 'stamceller', i det perifere blod ved en såkaldt leukaferese (stamcellehøst), hvor patienten tilsluttes en maskine, der kan separere stamcellerne fra blodet. De opsamlede stamceller kan herefter nedfryses, indtil der er behov for at reetablere patientens knoglemarvsfunktion ved en reinfusion af stamcellerne. [13] Bestemmelsen af, hvornår leukaferesen skal foregå, bygger på en vurdering af, hvilket udbytte der kan forventes af høsten. Udbyttet kan variere kraftigt fra dag til dag, hvilket kan være et problem, da et vist antal stamceller skal opsamles fra patienten for senere at opnå et tilfredsstillende resultat ved reinfusionen. Dette betyder, at det er vigtigt, at leukaferesen foregår på det mest optimale tidspunkt. Hvis antallet af opsamlede stamceller er utilstrækkeligt, vil det være nødvendigt at foretage ere mobiliserings- og leukafereseforløb for at opfylde målsætningen, hvilket har både patientmæssige, organisatoriske og økonomiske konsekvenser. Dette betyder, at en tilfredsstillende prædiktion af udbyttet af leukaferesen er central for at kunne optimere leukafereseforløbet. [32] 2

Kapitel 2 Initierende problem Formålet med dette projekt er at vurdere anvendeligheden af metoderne brugt til prædiktion af udbyttet ved leukaferese på Aalborg Sygehus. For at opfylde denne målsætning og danne grundlag for det videre arbejde, er det nødvendigt at foretage en analyse af, hvilken indydelse prædiktionen har på kvaliteten af leukafereseforløbet. Desuden skal det vurderes, om prædiktionen foregår optimalt på nuværende tidspunkt. Hvis prædiktionen af udbyttet har en betydelig indydelse på leukafereseforløbet, og hvis prædiktionen på nuværende tidspunkt ikke foregår optimalt, må dette være et argument for at undersøge, om prædiktionsmetoderne kan optimeres og i givet fald hvordan. Disse overvejelser kan opsummeres i følgende initierende problemstilling: Foregår prædiktionen af udbyttet ved leukaferese optimalt, og hvilken indydelse har prædiktionen på leukafereseforløbet? For at opnå en fyldestgørende forståelse af, hvordan prædiktionen påvirker leukafereseforløbet, ønskes det at foretage en bredspektret analyse. Dette omfatter patientmæssige aspekter samt organisatoriske og økonomiske forhold. For at danne et vidensgrundlag for denne analyse er der udarbejdet en detaljeret gennemgang af det nuværende leukafereseforløb samt en kortere beskrivelse af de anvendte teknologiske principper, hvor dette er relevant for forståelsen af behandlingsforløbet. For at kunne vurdere hvorvidt prædiktionen på nuværende tidspunkt foregår optimalt, undersøges der også i denne sammenhæng ere aspekter. Dette omfatter en analyse af de opnåede stamcelleudbytter fra de hidtil behandlede patienter. Desuden foretages der en analyse og vurdering af, om der er eventuelle problemstillinger forbundet med denne metode. På baggrund af de udførte analyser opstilles en problemformulering, som det videre projektarbejde tager udgangspunkt i. 3

Del I Problemanalyse I Del I beskrives hvilke metoder, der er til rådighed ved en informationsindsamling, og derefter de metoder der er anvendt til at indsamle information omkring leukafereseforløbet på KIA. Efter det indledende metodeafsnit ndes en detaljeret gennemgang af proceduren for leukaferese, herunder hvilke forudsætninger der skal opfyldes, for at leukaferesen gennemføres, og en kort gennemgang af de teknisk hjælpemidler der anvendes ved stamcellebestemmelse og leukaferese. Til slut ndes en analyse og vurdering af de nuværende matematiske modeller, der anvendes på afdelingen.

3. Metode til informationsindsamling Kapitel 3 Metode til informationsindsamling For at kunne analysere de problemstillinger der er beskrevet i det foregående kapitel er det nødvendigt at indsamle information. Dette kapitel indeholder en overordnet gennemgang af de mulige dataindsamlingsteknikker samt de overvejelser og beslutninger, der er foretaget med henblik på valget af dataindsamlingsteknikker i forbindelse med dette projekt. 3.1 Dataindsamlingsteknikker Data kan indsamles på mange forskellige måder afhængigt af, hvilken problemstilling der skal belyses. Dataindsamlingsteknikker kan deles op i kvantitative og kvalitative metoder. Kvantitative metoder omfatter indsamling af data, der kan beskrives med tal, hvorimod kvalitative metoder omfatter indsamling af data såsom tekster og ustrukturerede interviews. Indsamlet data kan yderligere opdeles i primær data og sekundær data. Primær data er data, som undersøgeren selv indsamler i forbindelse med en undersøgelse, hvorimod sekundær data er indsamlet af andre. Figur 3.1 viser en oversigt over forskellige dataindsamlingsteknikker. [2] Figur 3.1: Oversigt over forskellige dataindsamlingsteknikker [2]. 6

3.2. Beskrivelse af metode til dataindsamling 3.2 Beskrivelse af metode til dataindsamling I forbindelse med projektets problemstilling er der blevet valgt en række dataindsamlingsteknikker, som omfatter kvalitative og kvantitative metoder samt primær og sekundær data. De anvendte dataindsamlingsteknikker er interviews, observationer, dokumenter og registre/statistik. Kendetegnet ved interviews er, at der opsamles primær data, som enten kan være struktureret eller ustrukturerede og kvantitative eller kvalitative. Til at indsamle informationer ved et interview kan der anvendes forskellige spørgeteknikker såsom et personligt interview eller spørgeskemateknik. Observationer kan ligesom interviews opdeles i kvantitative og kvalitative data samt en række teknikker, hvormed en given begivenhed kan observeres. Observationsteknikkerne afhænger af observatørens deltagelse, undersøgelsespersonernes viden om formålet med observationerne, samt hvor strukturerede observationerne er. Dokumenter samt registre/statistik betegnes som sekundær data. Dokumenter er procesdata, som er produceret i tilknytning til løbende aktiviteter i samfundet, altså kvalitativ data, der beskriver et patientforløb eller lignende. Registre og statistik er kvantitativ data, der f.eks. kan beskrive prævalensen af cancertilfælde i Danmark. [2] Interview For at belyse problemstillingen er der valgt at udføre interviews med relevant sundhedsfagligt personale, der er involveret før, under og efter leukaferesen. Det er derfor valgt at udføre interviews med en bioanalytiker, en aferesesygeplejerske (begge fra KIA) og en overlæge fra Hæmatologisk Afdeling. Det er valgt kun at interviewe en enkelt person i hver faggruppe af ressourcemæssige årsager. Ved interview af ere personer i de enkelte grupper ville et mindre subjektivt billede kunne dog opnås, da det ikke kan undgås, at den enkeltes svar påvirkes af egne meninger. Interviewene er udført på baggrund af en række spørgsmål, der er blevet opdelt i tre kategorier: Patient, organisation/økonomi og tekniske aspekter. Interviewspørgsmålene blev nedskrevet før interviewet, og de interviewede personer læste i de este tilfælde samtlige spørgsmål lige inden interviewet. På denne måde blev der udført en række personlige semistrukturerede interviews. De udførte interviews er blevet dokumenteret ved optagelser samt tilhørende referater. Formålet med de afholdte interviews har været dels at få nogle praktiske/tekniske oplysninger, som det ikke har været muligt at nde andre steder, og dels at få personalets vurdering af, hvad en forbedret prædiktion vil betyde for deres arbejdsprocesser og for patienternes velbendende. Da det ville være ganske ressourcekrævende at interviewe samtlige involverede parter, er det blevet forsøgt at få det bredest mulige indblik ved at vælge personer, der er involveret i forskellige dele af processen. Det er f.eks. valgt ikke at interviewe patienter for at spare ressourcer, og da det vurderes, at aferesesygeplejersken 7

3. Metode til informationsindsamling har et overblik over patienternes velbendende, idet hun arbejder med mange patienter. Et interview med en aferesesygeplejerske kan dog ikke anvendes som en ukritisk erstatning for interviews med patienter, da det må formodes, at leukafereseforløbet opleves forskelligt, alt efter hvor mange bivirkninger patienten får, og hvordan deres generelle helbredstilstand er. Det ville derfor være at foretrække at lave et kvantitativt eller kvalitativt spørgeskema til et udsnit af patienterne. Ved interviews kan intervieweren præge svarene ved bevidst eller ubevidst at lave ledende spørgsmål, dette gælder især kvalitative undersøgelser, hvori der som regel indgår væsentlige tolkningselementer [2]. Men på trods af dette er metoden dog vurderet som den mest anvendelige ved udarbejdelse af dette projekt. Observationer Formålet med at anvende observation i dette projekt er at få et indblik i de forskellige arbejdsgange og procedurer, der foretages i forbindelse med en leukaferese. Af denne grund er det blevet observeret, hvorledes en morgenprøve bliver analyseret, selve leukafereseproceduren, nedfrysningproceduren og reinfusionen af stamceller. Desuden er en bioanalytikers og aferesesygeplejerskes arbejdsgang i forbindelse med ovenstående processer observeret. Undersøgelsespersonerne var velvidende om formålet med observationen, og det var derfor også muligt at stille spørgsmål under arbejdsgangen. Observationerne blev dokumenteret ved en løbende notering og senere renskrivning. Disse observationer er indarbejdet i Kapitel 4, og er derfor ikke vedlagt rapporten i noteform. En ulempe ved denne form for informationsindsamling kan være, at observatørernes tilstedeværelse kan påvirke arbejdsgangen [2]. Dokumenter Dokumenter er blevet indhentet fra KIA samt fra Hæmatologisk Afdeling. Dokumenterne fra KIA indeholder forskrifter for procedurer såsom leukaferesen, nedfrysningen og morgenprøven, mens dokumenter fra Hæmatologisk Afdeling hovedsageligt er patientrelateret materiale såsom informationsbrochurer omkring behandlingsforløbet for kemoterapien, leukaferesen og reinfusionen af stamceller. Materialet indeholder hovedsageligt kvalitativ information, dog ndes der kvantitativ information i forskrifterne. Dokumenterne er blevet indhentet med det formål at understøtte den viden, der er opnået under observationerne, samt for at give et dybere indblik i de procedurer der udføres, og af hvem de udføres, under leukafereseforløbet. 8

3.2. Beskrivelse af metode til dataindsamling Registre/statistik På KIA har personalet registreret data for alle de patienter, der har fået foretaget en mobilisering af stamceller. Disse data er stillet til rådighed for dette projekt, og al personhenførbar information er fjernet. Udover dette datasæt er der anvendt registre over prævalens og incidens af en række kræftsygdomme i Danmark. Studiemetode For at afklare om den metode, der anvendes til prædiktion af stamcelleudbyttet, fungerer optimalt er det nødvendigt at have nogle data, der kan bruges til at analysere metoden. Der ndes ere forskellige metoder til at indsamle kvantitative data, bl.a: Observationsstudie. Designet eksperiment. Retrospektivt studie. [7] Ved et observationsstudie opsamles relevant data løbende ved at observere processen, der har interesse. Dette kan f.eks. gøres ved, at medarbejderne får udleveret et skema, hvor værdien for specikke foruddenerede variable kan noteres til bestemte tidspunkter. Fordelen ved et observationsstudie vil være, at alle data er præcise, fuldstændige og troværdige, og risikoen for outliers (data der ligger langt fra middelværdien) mindskes. Der er dog også problemer ved observationsstudiet, da det kan være svært at undersøge indydelsen af forskellige faktorer, når det ikke er muligt at ændre på disse. [7] Et designet eksperiment giver mulighed for at kontrollere de forskellige faktorer, der formodes at have en indydelse på den undersøgte model. Fordelen ved dette er, at indydelsen af hver enkelt faktor bedre kan undersøges. [7] Ved et retrospektivt studie anvendes der historisk data, der tidligere er blevet opsamlet og nedskrevet under udførelse af den relevante proces [7]. I forbindelse med dette projekt svarer dette til at analysere de data, som medarbejdere på KIA har registreret ved de gennemførte mobiliseringsforsøg. Anvendelse af allerede indsamlede data har den fordel, at det minimerer de ressourcer, der skal bruges på studiet. Der kan dog også være nogle ulemper ved at anvende historiske data: Der mangler ofte relevante data. Pålideligheden og kvaliteten af opsamlet data er ofte tvivlsom. Arten af data kan måske ikke bruges i forbindelse med det problem, der skal analyseres. 9

3. Metode til informationsindsamling Forskeren prøver at anvende data på måder, det aldrig har været tiltænkt, at de skal bruges. Noter, erindringer osv. kan måske ikke forklare interessante fænomener, som er identiceret af forskeren. [7] Der vil altid ved anvendelse af historiske data være en risiko for, at data ikke er blevet noteret eller er gået tabt. Historiske data er ofte tilbøjelige til at indeholde outliers. Det er desuden ikke altid tilfældet, at relevante data er blevet noteret, hvorimod data, der ikke har betydning for problemstillingen, ofte er opsamlet. Ved et retrospektivt studie er det derfor ikke muligt at inkludere ere variable end de, der på forhånd er blevet opsamlet, hvilket sætter nogle begrænsninger for analysen. [7] På grund af projektets tids- og ressourcemæssige begrænsninger er det ikke muligt at foretage hverken et observationsstudie eller et designet eksperiment, og det vælges derfor at foretage et retrospektivt studie med de fordele og ulemper, dette indebærer. 10

Kapitel 4 Procedure for leukaferese I dette kapitel følger en beskrivelse af proceduren for leukaferese. Herunder gennemgås hvilke forberedelser, der foretages inden leukaferesens start, hvordan det afgøres, om stamceller kan opsamles eller ej på den pågældende dag, samt hvordan stamcelleproduktet videre behandles, efter at stamcellerne er blevet høstet. Det er vigtigt at have en viden om, hvordan den nuværende procedure for leukaferesen forløber for at kunne lave en vurdering af, hvorvidt prædiktionen foregår optimalt. Inden en cancerpatient kan starte leukaferesebehandlingen skal stamcellerne bringes fra knoglemarven og ud i blodbanen, og derfor er en forudgående mobilisering med kemoterapi og vækstfaktor nødvendig. Indledningsvis behandles patienten med kemoterapi i 10-21 dage inden leukaferesen. I denne periode vil patientens knoglemarvsfunktion hæmmes pga. kemoterapiens cellehæmmende eekt, hvorfor hæmoglobin-, trombocyt- og leukocyttallene vil være faldende. Faldet i knoglemarvsfunktion vil ske i løbet af nogle dage efter en kemoterapi behandling, og det vil være efterfulgt af en tilsvarende stigning af knoglemarvsfunktionen for at modvirke det faldende antal blodlegemer. I perioden fra den laveste knoglemarvsfunktion til reetableringen af den normale, vil knoglemarven være mere aktiv end normalt og dermed også producere ere stamceller. [31] Hvis patienten har gennemgået et tidligere kemoterapi behandlingsforløb, kan dette påvirke mobiliseringen negativt [15]. I perioden hvor knoglemarven er ekstra aktiv, behandles patienten med vækstfaktor, der mangedobler stimuleringen af de tidlige stamceller og får stamcellerne til at trænge ud til blodbanen [31]. Behandlingen med vækstfaktor starter som regel fem dage inden stamcellehøsten og gives til patienten hver dag igennem forløbet. Fredagen inden stamcellehøstens start får patienten lagt et tobenet centralt venekateter, der skal anvendes ved leukaferesen. Stamcellehøsten starter som regel den følgende mandag, men dette besluttes ud fra resultatet af en blodprøve fra patientens perifere blod, der er bestemmende for, hvorvidt leukaferesen skal sættes i gang eller ej. Denne prøve kaldes i daglig tale 'morgenprøven'. [13] 11

4. Procedure for leukaferese 4.1 Morgenprøve I dette afsnit følger en beskrivelse af proceduren for analyse af morgenprøven. Heri er inkluderet metoden til at analysere blodprøven fra patienten og en kort beskrivelse af, hvordan et owcytometer fungerer, da owcytometeret er et af de primære redskaber anvendt i analysen. Omkring kl. 6 om morgenen tages en blodprøve fra patienten, der er indlagt på Hæmatologisk Afdeling. Prøven bringes til KIA, hvor den bliver analyseret. Dette gøres af en bioanalytiker på afdelingen, som skal kontrollere, hvorvidt der er det ønskede antal stamceller pr. µl i det perifere blod [9]. Stamcellerne kan identiceres vha. cluster of dierentiation (CD) protokollen, som er en benævnelse af overademolekyler på leukocytter. CD molekylerne betragtes som markører, og kan dermed anvendes til at identicere celler ud fra tilstedeværelsen eller fraværet af specikke overademolekyler. Hvis en celle besidder et overademolekyle CDxx benævnes det som en CDxx + celle, mens en celle uden dette molekyle benævnes CDxx. I denne sammenhæng benyttes, at leukocytter er CD45 + celler, mens bl.a. hæmatopoietiske stamceller er CD34 +. [22] Antallet af en bestemt type celler i en prøve kan bestemmes vha. et owcytometer. Flowcytometri Flowcytometri er en teknologi, der kan anvendes til at undersøge celler i en strøm af væske. I forbindelse med en leukaferese anvendes owcytometeret til at bestemme antallet af stamceller i blodet og stamcelleproduktet. Et owcytometer fungerer ved, at celler i en væskestrøm bevæges enkeltvis forbi en laser. På KIA anvendes en laser med bølgelængden 488 nm. Ved at lade cellerne passere forbi laseren illumineres disse, og herved er det muligt at udlede information om cellen vha. måden, hvorpå lyset spredes. Spredningen af lyset detekteres af to kanaler; én kanal måler spredning fra 1-20, mens den anden måler 90 spredningen. Disse kanaler kaldes henholdsvis forward scatter channel (FSC) og side scatter channel (SSC), som det kan ses på Figur 4.1 på næste side. [9,24] 12

4.1. Morgenprøve Figur 4.1: Skematisk opbygning af et owcytometer. Cellerne bevæges forbi en laser, og ud fra måden hvorpå lyset spredes, kan cellens størrelse og granuleringsgrad bestemmes. Spredningen af lyset detekteres af to kanaler; forward scatter (FSC) der måler spredning fra 1-20 og giver en estimering af cellens størrelse, og side scatter (SSC) der måler 90 spredningen og herved giver en estimering af cellens granulering. FL 1-4 betegner uorescens-kanaler, der benyttes til at detektere bølgelængden af fotoner udsendt fra antistoer konjugeret med uorochromer. Modiceret fra [24] Den målte intensitet af FSC er proportional med partiklens størrelse, mens intensiten af SSC angiver granuleringen af cellen. Idet celler af forskellige typer har forskellig størrelse og granulering, er det muligt at plotte FSC overfor SSC for dermed at opdele celler i en række karakteristiske områder, som kan bruges til at identicere en suspensions indhold af bestemte celletyper. Et typisk output fra et owcytometer kan ses på Figur 4.2. [24] Figur 4.2: Et muligt output fra et owcytometer. 1. aksen angiver forward scatter, 2. aksen angiver side scatter. Cellerne lægger sig som populationer i forhold til deres type. Modiceret screenshot fra Diva 5.03. Illumineringen af cellerne betyder også, at disse kan markeres med uorescerende stoffer vha. antistoer, der binder specikt til receptorer på cellen. Et uorescerende stof 13

4. Procedure for leukaferese (uorochrom) har den egenskab, at når en foton absorberes, udsendes der en foton med en længere bølgelængde. Dette sker ved, at elektroner i det uorescerende stof exciteres til ustabil tilstand ved absorption af en foton, hvorefter elektronerne henfalder til en mere stabil tilstand under udsendelse af en foton. Denne foton vil have mindre energi end den absorberede foton, og da en fotons bølgelængde og energi er omvendt proportionale, vil fotonen have en længere bølgelængde. I owcytometeret ndes detektorer til at måle bølgelængder på de udsendte fotoner, disse er betegnet med FL på Figur 4.1. Ved at binde antistoer konjugeret med uorochromer til receptorspecikke celler samt bestemme størrelse og granulering kan bestemte celletyper identiceres vha. owcytometeret. Stamcellerne betragtes som en del af lymfocytterne, da de minder om hinanden hvad angår størrelse og granulering. [9,24] Stamcelle bestemmelse Procentdelen af stamceller i patientens blod bestemmes ved at undersøge indholdet af re suspensioner [9]. Indhold og funktion af hver af disse suspensioner er beskrevet herunder. En oversigt over de re suspensioner kan ses på Figur 4.3. 14 Den første suspension indeholder kseret testblod (CD34-CHEX), hvori antallet af CD34 + celler er kendt, tilsat antistoerne CD45 konjugeret med uorochromet FITC og CD34 konjugeret med uorochromet PE. Denne suspension bruges til sikre, at owcytometeret kan identicere stamceller pålideligt. Dette gøres som en kvalitetssikring. Den anden suspension er en negativ kontrol, og suspensionen består af patientens blod, CD45 antistof konjugeret med uorochromet FITC og et kontrolantistof IgG konjugeret med uorochromet PE. Da kontrolantistoet ikke er rettet mod leukocytterne, skal det ikke binde sig, og der bør derfor ikke være noget signal af PE i resultatet af kontrollen. I sjældne tilfælde kan kontrolantistoet dog binde sig uspecikt til celleoveraden. Hvis PE-signalet er højt, tyder dette på, at der er meget autouorescens, og dette signal skal trækkes fra signalet på dobbeltbestemmelsen af CD34 PE. Dette gøres for at sikre, at stamcellebestemmelsen er så præcis som muligt. De sidste to suspensioner er en dobbeltkontrol, der begge består af fuldblod fra patienten, CD45 FITC antistof og CD34 PE antistof. Disse bruges til at bestemme den procentvise andel af leukocytterne, der er CD34 +, hvilket inkluderer stamceller. [29]

4.1. Morgenprøve Figur 4.3: Fire suspensioner anvendt under morgenprøven med tilhørende CD antistoer konjugeret med uorochromer. Én suspension indeholdende kseret blod og tre indeholdende patientens blod. Figuren er lavet på baggrund af observationer på KIA. I owcytometeret analyseres de re suspensioner. På Figur 4.4 ses et eksempel på et resultat fra en analyseret prøve. På billedet til venstre ses FSC og SSC værdier for 50.000 events, og det ses, at cellerne fordeles efter størrelse og granulering. Jo mere granuleret og jo større en celle er, jo længere oppe i højre hjørne vil den ligge. Cellerne er grupperet således, at den største gruppe længst oppe i højre hjørne er granulocytter, der er de største og mest granulerede leukocytter, derefter ligger monocytterne og til sidst lymfocytterne, se Figur 4.2 på side 13. Der er lagt en afgrænsning (gate) omkring de levende celler, derved frasorteres cellerester mm. (de sorte prikker). På billedet i midten ses et plot af CD34 PE og CD45 FITC værdier. Stamcellerne vil ligge som en population i øverste højre kvadrant, da de både er CD34 + og CD45 +. Der lægges en gate omkring de CD45 + celler, derved sorteres de CD45 celler fra. På billedet til højre ses et plot af CD34 PE og SSC værdier. Stamcellerne vil ligge i CD34 + delen, og idet det vides, at stamcellerne har en lav granulering, kan der lægges en gate om disse. Dermed kan procentdelen af leukocytter, der er stamceller, bestemmes. [9] Der ndes forskellige metoder til at gate stamceller, afdelingen har selv valgt at bruge den beskrevne metode, der er en af de mere enkle. Uanset metoden vil der dog altid være en vis usikkerhed på målingen. [29] Figur 4.4: Til venstre: Plot af FSC og SSC værdier for 50.000 events med gate omkring leukocytterne. I midten: Værdier for uorescensen af CD45 + celler og uorescensen af CD34 + celler med gate omkring de CD45 + celler. Til højre: Værdier for uorescensen af CD34 + celler og SSC, hvorudfra stamcellerne kan identiceres ved deres granulering, samt at de er CD34 +. Screenshot fra Diva 5.03. 15

4. Procedure for leukaferese Gennemsnittet af procentdelen af stamceller fra glas 3 og 4 bruges i den videre beregning af antallet af stamceller pr. µl. Dette kan beregnes på baggrund af Formel 4.1. CD34 + celler/µl = Lkc 10 6 /ml CD34 % 10 (4.1) [9] Hvor Lkc er antallet af leukocytter, og CD34 % er procentdelen af CD34 + celler af det samlede leukocyttal. Værdien for den totale mængde af leukocytter pr. ml blod kommer fra en blodprøve, der er analyseret på Klinisk Biokemisk Afdeling om morgenen. Formel 4.1 angiver en værdi for hvor mange stamceller, der ndes pr. µl i patientens perifere blod. Denne værdi bruges til at bestemme, hvorvidt leukaferesen skal udføres den pågældende dag eller ej. Følgende værdier bruges som referenceområde [9]: Fra 0 til 10 - Ingen leukaferese foretages. Undtagelsesvis kan leukaferesen dog foretages, hvis det observeres, at tallet aldrig bliver højere, eller hvis der mangler et mindre antal stamceller for at have nok til en transplantation. Fra 10 til 20 - Det vurderes i samarbejde med en læge på KIA, om leukaferesen skal foretages denne dag. Fra 20 og derover - Leukaferesen foretages. [11] Hvis det ud fra morgenprøven besluttes at foretage leukaferesen, skal der laves en vurdering af, hvor stort udbyttet vil blive. Hvordan dette gøres beskrives i det følgende. Udbytte, eektivitet og blodvolumen Når det er besluttet, at der skal foretages leukaferese, fastsættes det hvor mange liter blod, der skal processeres. Hvis det ser ud til, at der er mulighed for, at leukaferesen kan afsluttes på en enkelt dag, vil dette være en begrundelse for at processere et større blodvolumen for at sikre et kort, samlet leukafereseforløb. Hvis det derimod ser ud til, at leukaferesen under alle omstændigheder kommer til at tage to dage, vil dette være en begrundelse for at holde leukaferesen så kort som mulig for at undgå, at patienten skal gennemgå processen i unødvendigt lang tid den pågældende dag, samt for at undgå overarbejde for personalet. [29] Til at forudsige udbyttet af leukaferesen og bestemme det blodvolumen, der skal processeres, anvendes Formel 4.2. 16 Y = eff estimat Lkc 10 6 /ml CD34 % blod ml vægt kg 10 4 (4.2)

4.2. Leukaferese hvor Y er det estimerede udbytte af stamceller pr. kg kropsvægt, eff estimat er den estimerede eektivitet i procent, blod ml er det blodvolumen, der skal processeres, og vægt kg er patientens kropsvægt. Leukocyttallet, CD34 % procentdelen og kropsvægten kendes på forhånd. [29] Eektiviteten estimeres ved at gennemgå et regneark, der indeholder samtlige data opnået fra patienter, der tidligere har gennemgået leukaferese. Her forsøges det at nde en eller ere tidligere patienter, hvor leukocyttal, CD34 % og kropsvægt ligner den nuværende patients. Hvis en lignende patient ndes, anvendes eektiviteten af leukaferesen som en indikator for eektiviteten ved leukaferesen for den nye patient. Hvis der ikke ndes en patient med lignende værdier, angives i stedet en subjektiv vurdering. Med disse værdier kendt vurderes det, hvor mange ml blod det er nødvendigt at processere, for at opnå det ønskede resultat. [29] Det påkrævede stamcelleudbytte er forskelligt fra patient til patient. For myelomatosepatienter skal der opsamles 4,0 10 6 CD34 + celler pr. kg kropsvægt og for øvrige diagnosegrupper er værdien 2,0 10 6 CD34 + celler pr. kg kropsvægt [11]. På grund af usikkerhed ved bestemmelse af udbyttet er det på afdelingen besluttet at lægge 10 % til det ønskede antal stamceller, dvs. at der skal opsamles 4,4 10 6 CD34 + celler pr. kg kropsvægt ved myelomatosepatienter og 2,2 10 6 CD34 + celler pr. kg kropsvægt for øvrige diagnosegrupper. Der skal opnås et dobbelt så stort udbytte for myelomatosepatienter, da disse patienter typisk skal gennemgå to højdosis kemoterapi forløb og stamcelletransplantationer. [32] 4.2 Leukaferese I dette afsnit ndes en kort beskrivelse af princippet bag separationen af stamceller i leukaferesemaskinen. Der følger desuden en kort beskrivelse af, hvilke bivirkninger patienten eventuelt kan få i forbindelse med leukaferesen. Hvis det besluttes at gennemføre leukaferesen, meddeles dette til en aferesesygeplejerske, der tager fra KIA på Aalborg Sygehus, Afsnit Nord, ud til Hæmatologisk Dagafsnit, der ligger på Afsnit Syd. Her gøres leukaferesemaskinen klar. På Aalborg Sygehus anvendes en model af mærket Amicus fra producenten Fenwal. Leukaferesemaskinen kobles til patientens centrale venekateter, som har to 'ben', der kobles til inlet og outlet af leukaferesemaskinen. Herved kan blod kontinuerligt pumpes ud af patienten, behandles i maskinen og føres tilbage igen, hvilket gør det muligt at adskille stamcellerne fra patientens blod. [11] I maskinen tilsættes blodet Anticoagulant Citrate Dextrose (ACD), som forhindrer blodet i at koagulere. Blodet lagdeles ved en centrifugering, hvor blodmaterialet med den højeste densitet (erytrocytterne) falder til bunden, mens blodmaterialet med den laveste densitet (hovedsageligt plasma) stiger til toppen. I overgangen mellem plasma og erytrocytter er buy coat'en, der består af trombocytter, leukocytter og stamceller. Efter lagdelingen 17

4. Procedure for leukaferese bliver stamcellerne separeret fra blodmaterialet ved endnu en centrifugering, hvorefter det bringes til en opbevaringspose. [18] Maskinen, der bruges til leukaferesen, anvender engangsudstyr for at sikre en optimal hygiejne. Engangsudstyret er et lukket system, der sikrer isoleringen af patientens blod fra omgivelserne for at mindske risikoen for kontaminering af stamcelleproduktet. ACD tilført blodet binder til calcium i kroppen, hvilket kan have den bivirkning for patienten, at koncentrationen af calcium i blodet falder. Dette kan medføre let ubehag i form af prikken i læberne eller kuldefølelse, og i værste fald kan patienten få krampe [32]. Bivirkningerne kan afhjælpes ved tilførsel af calcium f.eks. i form af et glas mælk. [11] Det tilstræbes, at der behandles 10-15 L blod. Hastigheden hvormed blodet processeres, afhænger af patientens kropsvægt, hvilket skyldes, at patienten som nævnt bliver givet ACD. En kraftigt bygget patient vil kunne optage mere ACD end en spinkel patient og samtidig vedligeholde en tilstrækkelig lav koncentration af stoet. [11] Ved afslutning af leukaferesen bliver det opsamlede stamcelleprodukt bragt til KIA i en køleboks, hvorefter det nedfryses. Proceduren for nedfrysning beskrives i næste afsnit. 4.3 Nedfrysning Når stamcelleproduktet er ankommet til KIA, skal det nedfryses. Denne proces foretages af en bioanalytiker. Stamcelleproduktet overføres under sterile forhold til en anden pose, så det kan centrifugeres og dermed opdeles i plasma og blodlegemer. Det ønskes af hensyn til nedfrysningsprocessen at volumenreducere stamcelleproduktet til 50 ml, da det skal opblandes i forholdet 1:1 med et frysemedie, der indeholder det toksiske stof dimetylsulfoxid (DMSO). DMSO tilsættes stamcelleproduktet for at mindske skader på stamcellerne under nedfrysningen, men giver stærke bivirkninger for patienten ved reinfusionen. I det tilfælde, at der ikke opnås 50 ml stamcelleprodukt, forøges volumenet til 50 ml ved tilsættelse af plasma, så det endelige produkt altid opbevares i 100 ml poser. [12] DMSO hindrer cellerne i at krystallisere under nedfrysningen, men det har den bivirkning, at det er højst toksisk for celler ved temperaturer over 4 C. Af denne grund nedkøles stamcelleproduktet til 4 C inden DMSO tilsættes. Nedkølingen af stamcelleproduktet foregår ved at placere produktet i en balje med is. Tilsvarende gøres med en pose med frysemedie, så denne har samme temperatur som stamcelleproduktet, inden de blandes. En automatisk nedkøler tændes og indstilles til 4 C. Når stamcelleproduktet og frysemediet er hældt sammen, placeres blandingen i nedkøleren. Denne nedkøler har et program, der styrer nedkølingshastigheden efter en prædeneret temperaturkurve. [10] Det tager omkring en time at nedfryse stamcelleproduktet kontrolleret. Imens dette foregår, analyserer bioanalytikeren en prøve af stamcelleproduktet for at nde det aktuelle CD34 + 18

4.3. Nedfrysning tal. Dette gøres på samme måde som analysen af morgenprøve. Når produktet er frosset, placeres det i en lille beholder med ydende kvælstof, der holder temperaturen i nærheden af -196 C, og blandingen bringes til den permanente fryser, der ligeledes indeholder ydende kvælstof. [10,12,20] Beregning af eektivitet og stamcelleindhold i produktet Mens produktet nedfryses bestemmer bioanalytikeren stamcelleindholdet i produktet og eektiviteten af leukaferesen. Først beregnes antallet af CD34 + celler i produktet pr. kg kropsvægt, dette udregnes ud fra Formel 4.3. CD34 produkt/kg 10 6 = Lkc produkt 10 6 /ml CD34 %,produkt produkt ml vægt kg 10 2 (4.3) hvor CD34 produkt/kg er antallet af CD34 + celler 10 6 i produktet pr. kg kropsvægt, Lkc produkt er leukocyttallet målt i stamcelleproduktet, CD34 %,produkt er procentdelen af leukocytter, der er stamceller, ligeledes målt i stamcelleproduktet, produkt ml er volumen af stamcelleproduktet (sædvanligvis 50 ml efter volumenreduktionen), og vægt kg er patientens kropsvægt. [9] Derefter beregnes eektiviteten, der er deneret som antallet af CD34 + celler i produktet divideret med antallet af CD34 + celler, der er processeret, gange 100. Denne udregnes ud fra Formel 4.4. eff = vægt kg CD34 produkt/kg Lkc morgen CD34 %,morgen blod ml /10 2 102 (4.4) hvor eff er den opnåede eektivitet. [9] De udregnede værdier registeres, og produktet lagres, indtil det skal anvendes. I det følgende kapitel opridses de problemstillinger, der er relevante i forbindelse med leukafereseforløbet. 19

5. Problemstillinger forbundet med prædiktion Kapitel 5 Problemstillinger forbundet med prædiktion Som beskrevet i det initierede problem, Kapitel 2 på side 3, ønskes det at undersøge, hvilke konsekvenser en utilfredstillende prædiktion kan medføre for derved at kunne vurdere perspektivet i en optimering af behandlingsforløbet. Flere forskellige aspekter behandles i denne sammenhæng for at kunne foretage en helhedsorienteret vurdering af grundlaget for projektet. Disse aspekter omfatter patientmæssige, organisatoriske samt økonomiske forhold i forbindelse med prædiktion af stamcelleudbyttet. 5.1 Patient Fredagen før leukafereseforløbets begyndelse bliver et tobenet venekateter indopereret i patienten ved halsroden. Kateteret indsættes allerede om fredagen, da det nødvendige personale ikke er til stede lørdag og søndag, og det fjernes først igen, når leukafereseperioden er overstået. Dette kateter er til betydelig gene for patienten, og jo længere leukafereseperioden varer, desto længere vil patienten være udsat for denne gene. [31] Ved leukaferesen er patienten sengebundet i en periode, hvis længde varierer afhængigt af patientens størrelse samt det blodvolumen, der ønskes processeret. Leukaferesen varer typisk fra 3-5 timer pr. dag og foregår over 1-4 dage alt efter udbyttet af den enkelte leukaferese. For nogle patienter er mere end ét mobiliseringsforsøg nødvendigt for at opsamle en tilstrækkelig mængde stamceller. Det kan være til gene for patienten at være sengebundet i et støjfyldt miljø (pga. leukaferesemaskinen). Patienten kan blive fysisk og mentalt udmattet efter længere tids leukaferese, og kan ofte have kvalme pga. den forudgående kemoterapi. Desuden kan uvisheden om, hvor lang tid leukaferesen vil vare, samt hvor mange dage den skal foregå over, være en belastning for patienten. [30] Under leukaferesen anvendes, som beskrevet i Afsnit 4.2 på side 18, et antikoaguleringsstof. Dette har bivirkninger, der dog som oftest kan modvirkes [30]. Derfor vurderes det, at dette ikke er noget væsentligt problem, omend det kan være ubehageligt for patienten. For hver leukaferese bliver der lavet en nedfrysningpose med stamcelleprodukt, hvor der til hver pose tilsættes et frysemedie indeholdende DMSO. Jo ere dage leukafereseforløb- 20

5.2. Organisation et foregår over, desto mere DMSO vil der være i det samlede produkt. Ved reinfusion af stamcelleproduktet modtager patienten også stoet, hvilket har både meget ubehagelige almindelige bivirkninger og ganske alvorlige men sjældnere bivirkninger. De almindelige bivirkninger omfatter: Kraftig kvalme, opkast og mavekramper samt en stærk og ganske ubehagelig lugt, som patienten kan være omgivet af i op til en uge. Af sjældnere bivirkninger kan nævnes: Hypotension og brakykardi, hypertension og takykardi, fatale arrytmier, åndedrætsstop, alveolar blødning, leukoencephalopati (ødelæggelse af myelinskeder over nervebaner), epileptisk anfald og apopleksi. [20] Grænseværdien, for hvor meget DMSO patienten må modtage ved en reinfusion, er sat til 1 ml/kg kropsvægt. Hvis denne værdi overskrides, vurderes det i samspil med en læge, hvorvidt reinfusionen bør foregå over to dage. [29] Der er ikke evidens for, at en reduktion i mængden af DMSO optaget i kroppen vil medføre færre bivirkninger [20]. Dog må det vurderes at være ønskværdigt at reducere mængden af DMSO til patienten, da stoet er toksisk. For at minimere den anvendte mængde af DMSO ville det være en fordel at foretage så få leukafereser som muligt. Samtidig vil færre leukafereser medføre, at patienten skal være sengebundet i kortere tid, hvilket også vil være en fordel for patienten. Derfor vurderes det ud fra et patientmæssigt perspektiv at være relevant at undersøge, om prædiktionen ved leukaferese foregår optimalt. 5.2 Organisation Når en patient skal gennemgå en leukaferese, er det planlagt lang tid i forvejen, men det er uvist, hvor mange dage leukaferesen skal foretages over, og hvilken dag den skal begynde. Dette giver organisatoriske problemer, da det ikke er muligt med sikkerhed at planlægge arbejdsopgaverne for det personale, der skal udføre leukaferesen, da det nødvendige personale skal stå klar til at varetage opgaven, i det tilfælde at leukaferese skal foretages. Hvis det derimod besluttes at vente med at udføre leukaferesen, skal personalet omstilles til at udføre andre arbejdsopgaver. Det berørte personale er i denne sammenhæng en bioanalytiker og en aferesesygeplejerske fra KIA samt en sygeplejerske fra Hæmatologisk Dagafsnit, der skal være til rådighed under leukaferesen. [29,30] At aferesesygeplejersken skal stå til rådighed ved leukaferesen betyder, at vedkommende ikke kan forventes at indgå i det team, der står for tapninger af donorer i Blodbanken, der er en del af KIA. Hvis det besluttes at gennemføre leukaferesen, skal sygeplejersken pakke de nødvendige remedier og tage til Hæmatologisk Dagafsnit på Aalborg Sygehus, Afsnit Syd, hvor leukaferesen udføres. Hvis det omvendt besluttes ikke at høste den pågældende dag, vil aferesesygeplejersken i stedet skulle omstille sig til at indgå i teamet i Blodbanken. Her vil det så være nødvendigt at indkalde ere donorer for at udnytte de forhåndenværende ressourcer optimalt. At indkalde ere donorer end først beregnet 21

5. Problemstillinger forbundet med prædiktion kan være tidskrævende, og der vil derfor som regel gå et vist tidsrum før den ekstra arbejdskraft udnyttes fuldt ud. [30] Hvis det besluttes ikke at foretage leukaferesen på den planlagte dag, er der for bioanalytikeren nogle arbejdsopgaver, der umiddelbart skal udføres. Vedkommende skal bruge omkring 30 minutter på at indregistrere oplysninger, rydde op og lignende efter analysen af morgenprøven. Efter dette skal bioanalytikeren omstille sig til nye arbejdsopgaver, hvilket kan være mere eller mindre besværligt afhængigt af, hvor meget der er at lave i afdelingen. Denne omstilling kan tage op til 30 minutter. I alt vil der altså gå omkring en time foruden den tid, der er brugt på at analysere morgenprøven, før bioanalytikeren er klar til at varetage en anden arbejdsopgave. [29] Efter leukaferesen skal produktet nedfryses, hvilket sammenlagt tager omkring 3 timer. Da en leukaferese kan slutte sent på arbejdsdagen, vil nedfrysningen i disse tilfælde foregå uden for den normale arbejdstid. Nedfrysningen af stamcelleproduktet foretages oftest samme dag, og der skal derfor være en bioanalytiker klar til at foretage denne opgave. Det er nødvendigt at nedfrysningen foregår samme dag, når det skal besluttes, om der skal høstes igen dagen efter, og udbyttet af stamceller i produktet derfor skal bestemmes [32]. Dette er både bekosteligt i form af overarbejdstimer for afdelingen og er til gene for den bioanalytiker, der skal udføre nedfrysningen, idet vedkommende ikke ved, hvornår arbejdsdagen er slut, og derfor ikke kan planlægge sin fritid. [29] Den sene bestemmelse af stamcelleindholdet betyder også, at aferesesygeplejersken og bioanalytikeren ikke på forhånd har viden om hvilke arbejdsopgaver, der skal udføres den efterfølgende dag. Dette har både betydning for den enkelte medarbejder og for afdelingens administration. [30] KIA og Hæmatologisk Dagafsnit er placeret på henholdsvis Afsnit Nord og -Syd. Dette betyder, at aferesesygeplejersken og enten bioanalytikeren eller en portør skal fragtes med taxa imellem de enkelte afdelinger. Tidsforbruget for fragten mellem de to afdelinger estimeres til at tage minimum omkring en halv time pr. leukaferesedag for hver enkelt person. Det er på nuværende tidspunkt upraktisk, men det er umiddelbart svært at se en løsning på denne problemstilling, da der ikke er fysisk kapacitet til at foretage leukaferese på KIA. [30] Dog må det antages, at hvis antallet af leukafereser reduceres, reduceres spildtiden for fragten mellem de to afdelinger også. Samlet set er der både en del spildtid forbundet med omorganisering af arbejdsopgaver og mange arbejdstimer forbundet med de arbejdsopgaver, der skal udføres på en dag, hvor leukaferese foretages. Derfor vil det ud fra et organisatorisk perspektiv være fordelagtigt, hvis det er muligt at prædiktere udbyttet af leukaferesen med større sikkerhed, og derved muligvis kunne mindske antallet af dage, som leukafereseforløbet skal foregå over og derved give bedre mulighed for planlægning. 22

5.3 Økonomi 5.3. Økonomi De organisatoriske og økonomiske problemstillinger er tæt forbundne. De organisatoriske problemstillinger er overordnet spildtid og overarbejdstimer forbundet med en ineektiv prædiktion, og disse problemstillinger vil også medføre økonomiske konsekvenser. Af denne grund vil de økonomiske konsekvenser blive vurderet på baggrund af de organisatoriske. På nuværende tidspunkt (2007) fungerer det således, at KIA har et fast budget at udføre leukafereser for. Fra næste år (2008) ændres økonomien, sådan at Hæmatologisk Afdeling skal betale KIA for hver enkelt ydelse f.eks. en leukaferese eller reinfusion. Der er på nuværende tidspunkt ved at blive udarbejdet en rapport over, hvor meget hver enkelt tjeneste koster. [32] Udstyret, der anvendes til leukaferese, er engangsudstyr, hvilket betyder, at desto ere leukafereser der gennemføres, desto større økonomiske omkostninger er der til dette udstyr. Yderligere omkostning er forbundet med de forskellige remedier, der anvendes i forbindelse med nedfrysningen af produktet [30]. Det vurderes desuden, at det for sygehuset er økonomisk uhensigtsmæssigt, at en sengeplads skal være afsat til patienten under hele forløbet, også selvom der ingen leukaferese foretages. Dette er et spild af ressourcer, da sengepladsen derved ikke kan bruges til en anden patient. Ud over disse omkostninger er der også omkostninger forbundet med overarbejde og standby tid. Ved en bedre forudsigelse af mængden af stamceller i produktet må det formodes, at en del af disse omkostninger kunne mindskes. I næste kapitel analyseres den metode, der på KIA anvendes til at bestemme leukafereseforløbet og stamcelleudbyttet. 23

6. Analyse af nuværende metode Kapitel 6 Analyse af nuværende metode I dette kapitel analyseres den metode, der på nuværende tidspunkt anvendes til at prædiktere udbyttet af leukaferese på Aalborg Sygehus. Denne analyse er foretaget på baggrund af et datasæt, som er udleveret af KIA. Som udgangspunkt gives en beskrivelse af datasættet, hvilket inkluderer en gennemgang af de enkelte datatyper og grupperinger af diagnoser, og desuden beskrives data, som af forskellige grunde ønskes ekskluderet fra analysen. Efter beskrivelsen af datasættet analyseres den nuværende metode, som er beskrevet i Kapitel 4 på side 11, med det formål at vurdere, om prædiktionen på nuværende tidspunkt fungerer optimalt. På baggrund af analysen vurderes det, hvorvidt der er mulighed for at forbedre den nuværende metode. 6.1 Databeskrivelse Datasættet indeholder data for alle patienter, for hvilke der er taget morgenprøver for at vurdere hvorvidt en leukafere kunne gennemføres. Dataoplysningerne er registreret fra d. 5.12.2005 til d. 16.10.2007 af personale på KIA. Hver observation i datasættet indeholder dato samt patientens diagnose. Alle observationer indeholder desuden en værdi for leukocyttallet, morgenprøveværdien og CD34 % i morgenprøven. Patientens vægt er angivet, og i omkring halvdelen af tilfældene er der også angivet en værdi for granulocyttallet. Desuden er det angivet, hvor mange mobiliseringsforsøg patienten har været igennem, samt om leukaferesen er gennemført. Hvis leukaferesen er gennemført, er der desuden angivet: Processeret blodvolumen, udbyttet af leukaferesen, CD34 % for produktet samt eektiviteten af leukaferesen. Datasættet indeholder overordnet seks diagnoser: Myelomatose (MM), kronisk myeloid leukæmi (CML), kronisk lymfatisk leukæmi (CLL), non-hodgkins lymfomer (NHL), Hodgkins lymfomer (HD) og POEMS. Nogle af disse diagnoser kan yderligere underopdeles i mere specikke diagnoser, men vil i det følgende blive underlagt de nævnte overordnede grupper. Den kronisk lymfatiske leukæmi dækker over T-celle prolymfocytisk leukæmi, 24

6.2. Analyse af den nuværende prædiktionsmetode mens non-hodgkins lymfomer omfatter T-non-Hodgkins lymfom, diust storcelle B-lymfom, mantlecelle lymfom og follikulært lymfom. De resterende diagnoser har ingen undergrupper i dette datasæt. En beskrivelse af de forskellige sygdomme kan ndes i appendix B på side 60. Datasættet indeholder 235 observationer, der omfatter 58 patienter fordelt på 36 mænd og 22 kvinder. Af de 235 observationer er der gennemført 112 leukafereser fordelt på 52 patienter: 33 mænd og 19 kvinder med en middelalder på 54 år. Det vil sige, at seks personer udgår af analysen, da ingen leukaferese er gennemført på disse. Yderligere fjernes: To leukafereseobservationer, da de repræsenterer det samme produkt, der er blevet delt i to. Én patient med diagnosen POEMS syndrom, da stamcelletransplantation ikke er standardbehandling for denne sygdom og derfor kun er blevet anvendt som en sidste behandlingsmulighed. Én patient, hvis eneste leukaferese lader til at have givet en eektivitet på 109 %. Dette tyder på, at der kan være sket en beregningsfejl et sted i forløbet. Tre kraftigt afvigende observationer: To observationer med meget høje morgenprøveværdier; 286 og 411 CD34 + celler pr. µl, til sammenligning er gennemsnittet for morgenprøveværdien 40,0 CD34 + celler pr. µl. Desuden er der fjernet en enkelt observation med et meget højt udbytte; 11,23 10 6 CD34 + celler pr. kg kropsvægt, her er gennemsnittet 2,03 10 6 CD34 + celler pr. kg kropsvægt. Årsagen til at fjerne disse værdier er ikke, at de ikke er korrekte, men derimod at der er risiko for, at de kan forvrænge resultaterne af den videre analyse. En observation, hvor der kun er processeret ca. 5 L blod, i modsætning til alle andre, hvor der er processeret ca. 10-15 L. Dette efterlader 46 patienter (32 mænd og 14 kvinder) og 104 observationer. Figur 6.1 på den følgende side viser aldersfordelingen for de inkluderede patienter og fordelingen af de forskellige diagnoser. 6.2 Analyse af den nuværende prædiktionsmetode I dette afsnit analyseres den nuværende metode til bestemmelse af, hvorvidt leukaferese skal udføres, samt metoden til prædiktion af udbyttet af leukaferesen. Afsnittet bygger dels på proceduren for forløbet, som er beskrevet i Kapitel 4 på side 11, og dels på datasættet, der er beskrevet i det foregående afsnit. Den nuværende metode til at afgøre, 25

6. Analyse af nuværende metode Figur 6.1: Til venstre: Histogram over aldersfordeling for cancerpatienter i de anvendte data, der har modtaget autolog stamcelletransplantation. Det ses en stor overvægt af personer over 45 år. Til højre: Histogram over antallet af patienter fordelt på diagnosegrupperne: Kronisk lymfatisk leukæmi(cll), Kronisk myeloid leukæmi(cml), Hodgkins lymfomer(hd), myelomatose (MM), og non-hodgkins lymfomer (NHL). Figuren er udarbejdet i SPSS 15.0. om en leukaferese skal gennemføres den pågældende dag, er blevet detaljeret beskrevet i afsnit 4.1 på side 14, dog vil dette afsnit begynde med et resume af de relevante beregninger og metoder. Beslutningsmodel for leukaferese På en morgen, hvor leukaferese er planlagt, vurderer bioanalytikeren og lægen ud fra patientens blodprøve, hvorvidt leukaferesen skal gennemføres. Der udregnes en morgenprøveværdi ud fra leukocyt- og CD34 % tallene, der angiver antallet af CD34 + celler pr. µl i det perifere blod ud fra Formel 6.1. CD34 + celler/µl = Lkc 10 6 /ml CD34 % 10 (6.1) Hvis den opnåede værdi er under 10 CD34 + celler pr. µl, vil der kun undtagelsesvis blive foretaget leukaferese. Hvis værdien er mellem 10 og 20 CD34 + celler pr. µl, vurderes det i samarbejde med en læge, om leukaferesen skal foretages, og hvis værdien er over 20 CD34 + celler pr. µl, foretages leukaferesen. [29] Analyse For at undersøge, om denne metode fungerer optimalt, er morgenprøveværdierne blevet sammenlignet med udbyttet af den enkelte leukaferese. Denne sammenligning er blevet foretaget for alle diagnoserne samlet, som det kan ses på Figur 6.2 på næste side, vha. et scatterplot af morgenprøveværdien overfor udbyttet af leukaferesen set i forhold til 26

6.2. Analyse af den nuværende prædiktionsmetode patientens kropsvægt. I det følgende afsnit er alle morgenprøveværdier (X-værdier) angivet i enheden CD34 + celler pr. µl. Alle udbytter (Y-værdier) er angivet i enheden CD34 + celler 10 6 pr. kg kropsvægt. Figur 6.2: Scatterplot for samtlige diagnosegrupper. På X-aksen er patienternes morgenprøveværdi og på Y -aksen er udbyttet af hver leukaferese set i forhold til patientens kropsvægt. Linjerne i X = 10CD34 + celler/µl og X = 20CD34 + celler/µl opdeler de tre intervaller, der med den nuværende metode angiver, om der skal høstes eller ej. Linjen i Y = 2, 2 10 6 /kg angiver det punkt, hvor der er høstet tilstrækkeligt med stamceller ved en enkelt leukaferese. Figuren er udarbejdet i SPSS 15.0. På Figur 6.2 kan det ses, at det for samtlige patienter med en morgenprøveværdi på X < 10 kun er lykkedes at opsamle halvdelen eller derunder af den ønskede mængde stamceller. Der er dog en klar overvægt af tilfælde, hvor udbyttet ligger tættere på 0 end på 1,1. For intervallet 10 X < 20 er der en større spredning i udbyttet, her ligger værdierne ca. mellem 0 og 2. Der er dog en samling af tilfælde, hvor omkring halvdelen af det ønskede udbytte er nået, altså en værdi på omkring 1,1. I dette interval er der ikke nogen patienter, som har opnået det ønskede udbytte. I intervallet X 20 er der en stor spredning i resultaterne fra en udbytteværdi tæt på 0 til en værdi omkring 8. Trods den store spredning er der et mønster i den første del af intervallet. Fra X = 20 til X = 28 blev der opnået et udbytte for alle patienter, der ligger i nærheden af det ønskede, men ingen patienter opnåede et tilstrækkeligt udbytte på en enkelt høst. I intervallet 28 X 62 begynder en større del af patienterne at få et tilstrækkeligt udbytte på en enkelt høst, men næsten halvdelen af dem (15 ud af 34 tilfælde) opnår det ikke. Desuden ligger 5 patienter betydeligt under halvdelen af det ønskede udbytte. Først for X > 62 er der en meget stor sandsynlighed for, at det ønskede udbytte opnås på et enkelt forsøg. Kun en enkelt patient ligger under målsætningen, men i dette tilfælde ligger patienten 27

6. Analyse af nuværende metode tæt på den ønskede værdi. Ud fra disse mønstre opdeles scatterplottet i fem intervaller i stedet for de oprindelige tre. Flere forskellige værdier for disse fem intervaller er angivet i Tabel 6.1. Disse værdier inkluderer antallet af datapunkter i intervallet, det gennemsnitlige udbytte for hvert interval, standardafvigelsen for datapunkterne i hvert interval, antallet af datapunkter under målsætningen og tilsvarene over målsætningen. Interval Antal Gennemsnit SD Y < 2, 2 Y 2, 2 1: X < 10 19 0,53 0,32 19 0 2: 10 X < 20 24 1,00 0,46 24 0 3: 20 X < 28 11 1,41 0,41 11 0 4: 28 X < 62 33 2,54 1,32 14 19 5: X 62 17 4.00 1.59 1 16 Tabel 6.1: Tabel over morgenprøveværdier og resultater af leukaferese set i forhold til kropsvægten inddelt i intervaller. X er morgenprøveværdier. Antal er det antal datapunkter, der ligger i intervallet. Gennemsnit er det gennemsnitlige udbytte i intervallet. SD er standardafvigelsen af udbytterne i intervallet. Y < 2, 2 og Y 2, 2 er det antal datapunkter, der ligger henholdsvis under og over målsætningen på 2,2. Der opnås i interval 1 generelt et dårligt udbytte af leukaferesen (under en fjerdedel af målsætningen). I interval 2 opnås der generelt et noget bedre, med dog stadig utilstrækkeligt udbytte (gennemsnitligt lidt under halvdelen af målsætningen). En morgenprøveværdi over 20 er dog ikke nødvendigvis ensbetydende med en rimelig chance for at nå det ønskede udbytte på en enkelt dag, og for interval 3 og 4 er spredningen i resultaterne væsentligt større, end det er tilfældet for interval 1 og 2. I interval 3 opnås målsætningen ikke i nogen tilfælde, men gennemsnitligt er resultatet dog stadig 41 % bedre end for interval 2. Først i interval 4 efter en morgenprøveværdi på 28 opnås en rimelig sandsynlighed (59 %) for at nå målsætningen på en enkelt dag. Dog er der i dette interval også en stor spredning i resultaterne, idet mange datapunkter bender sig langt over eller under grænseværdien. I interval 5 er målsætningen nået i en stor del af tilfældene (94 %). Der er også her en stor spredning. Vurdering Ud fra de ovenstående observationer vurderes det, at der ses en sammenhæng mellem morgenprøveværdien og det opnåede udbytte af leukaferese. Den nuværende metode ser ud til at beskrive det opnåede udbytte for interval 1 og 2. For interval 3 følger det opnåede udbytte ikke noget entydigt mønster. Det vurderes, at de opnåede udbytter kan inddeles i ere intervaller end de oprindelige tre - hver med sine mønstre. Dette antyder, at udbyttet 28

6.2. Analyse af den nuværende prædiktionsmetode muligvis vil kunne beskrives med en større nøjagtighed med en anden model, idet der er en stor usikkerhed på udbyttet ved en morgenprøveværdi over 20. Prædiktionsmodel for udbytte, eektivitet og blodvolumen Inden leukaferesens start skal det besluttes hvor stort et blodvolumen, der skal processeres. Metoden er nærmere beskrevet i Afsnit 4.1 på side 16. Blodvolumenet bestemmes ud fra Formel 6.2. Y = eff estimat Lkc 10 6 /ml CD34 % blod ml vægt kg 10 4 (6.2) Hvor kropsvægten, leukocyttallet og CD34 % er målte værdier, eektiviteten er en estimeret værdi, og processeret blodvolumen fastsættes. Analyse Metoden til at forudsige det nødvendige blodvolumen er ved udarbejdelsen af dette projekt kun blevet anvendt i omkring seks måneder. Dette betyder, at en stor del af datasættets observationer ikke er opnået ved denne metode. [29] Desuden er den estimerede eektivitet kun blevet noteret i datasættet ved ganske få personer. Af disse årsager vurderes det, at det ikke er muligt at foretage nogen statistisk analyse af denne prædiktionsmetode. Derfor behandles metodologien i stedet for at vurdere, hvorvidt denne metode fungerer optimalt. Sammenligning med tidligere patienter kunne muligvis godt anvendes til at prædiktere eektiviteten af leukaferesen, men der er visse problemer forbundet med den nuværende metode. Da udfaldet af udregningen er kraftigt påvirket af den estimerede eektivitet, er det derfor vigtigt, at eektiviteten forudsiges så præcist som muligt. For at opnå en høj sikkerhed i prædiktionen er det nødvendigt at sammenligne en nuværende patient med et antal tidligere patienter. Da der er forholdsvis få observationer fra tidligere patienter til rådighed, og da der er stor variation i værdierne, vil det i mange tilfælde ikke være muligt at nde en tidligere patient med tilsvarende værdier. Derfor vil der i det tilfælde, hvor lignende patienter ndes, oftest kun være et ganske lille antal sammenlignelige data til rådighed, hvilket giver en betydelig usikkerhed. I den anvendte formel bliver det antaget, at der er et proportionalt forhold mellem det processerede blodvolumen og det opnåede udbytte, hvor f.eks. en forøgelse fra 10 til 15 L medfører en 50 % forøgelse i udbyttet. For at undersøge om dette er tilfældet, er blodvolumen og udbytte for hver observation blevet plottet, se Figur 6.3 på den følgende side. Det ses på guren, at et sådant forhold ikke gør sig gældende. For de anvendte data er der 29

6. Analyse af nuværende metode tilsyneladende en begrænset eller ingen sammenhæng mellem blodvolumen og udbytte. Figur 6.3: På X-aksen ses det processerede blodvolumen. På Y-aksen ses den totale mængde stamceller i stamcelleproduktet. Figuren er udarbejdet i SPSS 15.0. Vurdering På baggrund af de ovennævnte usikkerheder og begrænsninger forbundet med metoden må det vurderes, at den på nuværende tidspunkt ikke fungerer optimalt. Det vurderes, at der er store usikkerheder forbundet med metoden til estimering af eektiviteten, samt at vægtningen af blodvolumen ikke stemmer overens med det opnåede udbytte. 30

Kapitel 7 Problemformulering Analysen af de nuværende metoder, beskrevet i det foregående kapitel, indikerer, at disse metoder ikke er tilstrækkelige til at prædiktere stamcelleudbyttet, hvilket medfører, at personalet har begrænset information til at planlægge deres arbejdsdag eektivt i forbindelse med en leukaferese. Tilsyneladende underbygger analysen af problemstillinger i forbindelse med en leukaferese, beskrevet i Kapitel 5 på side 20, behovet for en bedre prædiktionsmodel, da det vurderes, at der herved muligvis kan opnås en forbedring både for patienten og på et organisatorisk og økonomisk plan. På baggrund af disse betragtninger formuleres følgende problemformulering; Hvordan kan prædiktionen af udbyttet af en stamcellehøst på Aalborg Sygehus forbedres? I Del II analyseres de data, der er udleveret fra KIA med henblik på at udarbejde en bedre model til prædiktion af stamcelleudbyttet. 31

Del II Analyse og modellering Det er i den foregående del af rapporten blevet vurderet, at der er begrundelse og mulighed for at optimere den nuværende prædiktionsmetode. Derfor er formålet med Del II at undersøge, hvordan en ny prædiktionsmodel kan udvikles. Denne model skal kunne forklare observationer mere præcist, end det med de nuværende metoder er tilfældet. Der vælges en metode til at udarbejde denne model, og denne metode anvendes til at analysere datasættet.

8. Metode til analyse og modellering Kapitel 8 Metode til analyse og modellering I dette kapitel foretages et valg af, hvilken metode skal anvendes til at udarbejde en ny prædiktionsmodel. 8.1 Metodevalg Det er valgt at bygge analysen på et retrospektivt studie af data, da et datasæt med observationer fra tidligere patienter er til rådighed. Der tages udgangspunkt i en simpel statistisk metode til at udvikle en model til prædiktion af stamcelleudbyttet ved leukaferese, da en simpel metode både er gennemskuelig og nemt kan give et overblik over data. Der kunne også have været anvendt fysiologisk modellering, men dette er blevet fravalgt, da det vurderes, at det vil være uforholdsmæssigt kompliceret og tidskrævende at foretage en sådan modellering. Desuden vurderes det, at dette ikke realistisk ville kunne gennemføres, da der ikke ville være tilstrækkelige data til rådighed. Dette ville også kompliceres af, at der er et antal forskellige diagnoser involveret. For at kunne udvikle en ny model ud fra de kendte data, er det nødvendigt at nde eventuelle sammenhænge mellem de inkluderede værdier og de opnåede resultater. For at modellen skal kunne anvendes til prædiktion af udbyttet er det desuden nødvendigt, at modellen bygger på værdier, der kan måles eller fastsættes inden høsten. På nuværende tidspunkt noteres følgende ved hver enkelt leukaferese: Alder, vægt, morgenprøveværdi, leukocyttal, og processeret blodvolumen. I visse tilfælde er granolucyttallet også noteret. Det skal altså undersøges, om der er sammenhæng mellem disse parametre og udbyttet af leukaferesen, og i så fald hvordan de enkelte parametre vægter. Idet der er tale om et retrospektivt studie, er det ikke muligt at inddrage ere variable end de ovenfor nævnte. Ud fra de opstillede kriterier kan der f.eks. anvendes regressionsanalyse eller neurale netværk. Ved regressionsanalyse ndes ud fra tidligere kendte datapunkter en beskrivende linje, der kan anvendes til at forudsige fremtidige datapunkter. Neurale netværk er en metode, der ved træning af articielle neurale netværk kan nde en sammenhæng mellem et antal inputs og outputs. Det vælges at anvende regressionsanalyse, da det vurderes, at 34

8.2. Beskrivelse af statistisk metode princippet bag denne metode er det simpleste, samt at det opnåede resultat vil være mest gennemskueligt. 8.2 Beskrivelse af statistisk metode Regressionsanalyse er en statistisk metode, der kan anvendes til at estimere forholdet mellem et antal variable. Modellen tager form af en ligning, der giver værdien af en afhængig variabel (Y-variabel) som funktion af en eller ere uafhængige variable (Xvariable) samt et antal parametre. [7] Figur 8.1: Den iterative proces anvendt til udviklingen af en regressionsmodel. Modiceret fra [7] Udviklingen af en regressionsmodel kan, som illustreret i Figur 8.1, foretages som en iterativ procedure, der følger et antal trin. Model specikation: En initierende specikation af regressionsmodellen udføres på basis af den kendte teori omkring den studerede proces samt opsamlet data fra processen. For dette projekt tager dette trin udgangspunkt i det udleverede datasæt samt viden om betydningen af nogle af de kendte værdier. Parameter estimering: Flere forskellige metoder kan anvendes til at estimere regressionsligningens parametre. I dette projekt anvendes mindste kvadraters metode. Test af modellens tilstrækkelighed: Efter estimeringen af parametrene skal modellens tilstrækkelighed efterprøves. Dette gøres f.eks. ved at teste, om alle betydende variable er inkluderet, eller om der er inkluderet overødige variable. Desuden kan det undersøges, om der er blevet inkluderet usædvanlig eller uhensigtsmæssig data. Det kan være relevant at fjerne data med ekstreme værdier (outliers), da mindste 35

8. Metode til analyse og modellering kvadraters metode er følsom overfor forvrængning forårsaget af sådanne datapunkter. Det skal testes, i hvilken grad modellen opfylder de antagelser, der bliver gjort i forbindelse med regressionsanalyse. Disse antagelser er 1: At der er en lineær sammenhæng mellem afhængige (Y-værdier) og uafhængige variable (X-værdier). 2: At fejlen er normalfordelt. 3: At variansen er ens, dvs. at standardafvigelsen er den samme for alle niveauer af uafhængige variable. Hvis modellen vurderes til ikke at være tilstrækkelig, returneres der til modelspecikationstrinnet, mens der i modsat tilfælde fortsættes til validering af modellen. Model validering: Ved model validering undersøges det, om modellen producerer acceptable resultater. Dette kan gøres ved at sammenligne modellens parametre og prædikterede værdier med tidligere erfaringer, teoretisk viden eller modeller udviklet med andre analysemetoder. Desuden kan modellen valideres ved at opsamle nye data og sammenligne disse med prædikterede værdier. Ud over at indsamle nye data kan de allerede kendte data også deles op, så en del af dem bruges til udvikling af modellen, mens den anden del benyttes til validering af modellen. Hvis modellen vurderes til ikke at give acceptable resultater, returneres der til model specikation, ellers kan modellen tages i brug. [7] Der er overordnet to former for regressionsanalyse; lineær regression og nonlineær regression. Lineær regression anvendes ved en lineær sammenhæng mellem inputs og output, og nonlineær regression anvendes tilsvarende ved en nonlineær sammenhæng. Det vurderes, at lineær regression i denne sammenhæng vil være simplere at benytte. Desuden er det i visse tilfælde muligt matematisk at transformere en nonlineær sammenhæng til en lineær ved f.eks. logaritmetransformation. Lineær regression er mere udførligt beskrevet i Appendix C på side 64. 8.3 Overvejelser om data og metode Ved udviklingen af en ny prædiktionsmodel er det blevet valgt at anvende datasættet beskrevet i Afsnit 6.1 på side 24. Der er dog nogle problemstillinger forbundet med datasættet, som det er nødvendigt at diskutere. Inhomogen patientgruppe Det kan være et problem, at patientgruppen i datasættet er inhomogen. Datasættet består af værdier fra patienter, der kan opdeles i seks forskellige diagnosegrupper. Heraf er én diagnosegruppe (POEMS) blevet ekskluderet. Datasættet består herefter af fem forskellige diagnosegrupper. Den forudgående behandling af de forskellige grupper er forskellig, 36

8.3. Overvejelser om data og metode hvilket bevirker, at forudsætningerne for højdosis kemoterapibehandlingen er forskellige. Den mest homogene patientgruppe er myelomatosepatienterne, for hvilke primærbehandlingen er autolog stamcelletransplantation. [16] Desuden er patienterne også inhomogene hvad angår alder (se Figur 6.1 på side 26) og vægt, og det skal derfor undersøges, om alder og vægt har betydning for modellen. At patientgruppen er inhomogen formodes at påvirke resultaterne, men inhomogeniteten er dog en næsten uundgåelig konsekvens af, at denne analyse udføres som et retrospektivt studie, samt at der kun er et forholdsvis lille antal observationer til rådighed. Det vælges derfor at acceptere denne metode trods problemet med inhomogenitet, da det ville ligge uden for rammerne og tidsbegrænsningen for dette projekt at udføre studiet på anden vis. Kriterier for anvendelse af lineær regression Der er et antal kriterier, som skal opfyldes, for at lineær regression kan opfattes som en passende metode til behandling af et datasæt: 1. Beregningen af allerede kendte Y-værdier må ikke involvere X-værdierne. 2. X-værdierne skal kendes præcist. I de este virkelige tilfælde kan det dog antages, at upræcis opsamling af data vil være ubetydelig i forhold til variationen af Y-værdier. 3. Kendte Y-værdier skal være indbyrdes uafhængige. For eksempel skal de være opnået fra forskellige patienter. [28] Kriteriet i punkt 1 er opfyldt, da det opnåede resultat af leukaferesen måles på det endelige produkt, og ikke udregnes som funktion af værdierne målt før leukaferesen. Der er et problem i forbindelse med kriteriet i punkt 2, da der er omkring 10 % usikkerhed på målingerne foretaget med owcytometeret og målingen af leukocyttallet [32]. Det vurderes dog, at det ikke er muligt at undgå denne fejlkilde, og derfor vælges det at acceptere dette. Der er yderligere et problem forbundet med kriteriet i punk 3. Da de samme patienter i mange tilfælde gennemgår ere leukafereser, kan udbyttet af proceduren (Y-værdierne) ikke siges at være indbyrdes uafhængige. Der ndes mere avancerede statistiske metoder til at løse problemet, men det vurderes, at dette ligger uden for projektets rammer. En anden løsning kunne være tilfældigt at udvælge en enkelt leukaferese pr. patient. Dette ville dog medføre, at datasættets omfang reduceres væsentligt. Derfor vælges det at anvende metoden trods dette problem. Metoden, der her er blevet beskrevet, vil i det følgende kapitel anvendes til at udarbejde en model. 37

9. Modellering Kapitel 9 Modellering I dette kapitel anvendes metoden beskrevet i det foregående kapitel til at udarbejde en ny prædiktionsmodel. Analysen foretages i henhold til Figur 8.1 på side 35. 9.1 Model specikation I dette afsnit opstilles en initierende specikation af regressionsmodellen på baggrund af kendt viden og data. På KIA bliver resultatet af morgenprøveværdien, der angiver antallet af CD34 + celler pr. µl i det perifere blod, betragtet som den primære prædiktor for hvorvidt der skal gennemføres en leukaferese eller ej [32]. Ved litteratursøgning er det fundet, at ere studier viser det samme [14,19,21]. Af disse årsager er det valgt at anvende morgenprøveværdien i datasættet som en variabel i modellen. Desuden betragter KIA leukocyttallet som en negativ prædiktor for leukaferese, idet et højt leukocyttal kan have sammenhæng med et lavere udbytte. Dette menes at være forårsaget af, at den anvendte leukaferesemaskine har sværere ved at sortere stamceller fra det perifere blod, hvis leukocyttallet er højt. [32] I modsætning hertil er det i ere studier blevet vurderet, at antallet af leukocytter i blodet har en lille eller ingen sammenhæng med udbyttet af leukaferese [14,19,21]. I disse studier er der dog anvendt andre leukaferesemaskiner end den på KIA, og da denne prædiktionsmodel er henvendt specikt til KIA, vælges det derfor som udgangspunkt at inddrage leukocyttallet i modellen. Til at udregne et estimat af udbyttet af leukaferesen anvendes på nuværende tidspunkt Formel 9.1. I denne formel anvendes et antal variable, som bliver målt eller fastsat morgenen for leukaferesen. En undtagelse er dog den formodede eektivitet, der bliver estimeret ved sammenligning med tidligere patienter. Y = eff estimat Lkc 10 6 /ml CD34 % blod ml vægt kg 10 4 (9.1) Efter leukaferesen bliver den egentlige eektivitet udregnet udfra Formel 9.2. I denne 38

9.2. Parameter estimering udregning indgår værdier, der er blevet målt om morgenen samt i det endelige produkt. vægt kg CD34 produkt/kg eff = Lkc morgen CD34 %,morgen blod ml /10 (9.2) 2 102 En ny prædiktionsmodel kunne baseres på lineær regression ved at estimere eektiviteten ud fra de målte værdier. Den estimerede eektivitet kunne så indsættes i ligning 9.1 på modstående side, som allerede anvendes til at estimere udbyttet. Der er dog et problem forbundet med denne metode. Idet eektiviteten bliver udregnet ud fra værdier målt om morgenen, inklusiv CD34 % og leukocyttallet, ville dette være i strid med et af kriterierne for lineær regression nævnt i det foregående kapitel, da den afhængige variabel ville være udregnet ud fra de uafhængige. Derfor ville regressionsanalyse ikke kunne anvendes til at udvikle en sådan model. Det vælges derfor i stedet direkte at nde sammenhængen mellem det totale udbytte af leukaferesen og de tidligere nævnte variable; morgenprøveværdien og leukocyttallet. Det totale udbytte vil fremover blive betegnet som Y T ot, og morgenprøveværdien og leukocyttallet vil blive betegnet som henholdsvis X CD34 og X Lkc. 9.2 Parameter estimering I det foregående afsnit er det besluttet, hvilke variable der skal indgå i den initierende modelspecikation. I dette afsnit bestemmes modellens parametre. Ved lineær regressionsanalyse antages det, at forholdet mellem den afhængige og de uafhængige variable kan angives som en ret linje. Derfor skal det undersøges, om dette er tilfældet. For at undersøge om der er lineær sammenhæng mellem Y T ot og X CD34, er de to blevet plottet overfor hinanden, som det kan ses på Figur 9.1 på næste side. Desuden er X Lkc blevet anvendt til at farve punkterne i plottet for at undersøge, om denne variabel har en betydning for resultatet. Det ses på Figur 9.1, at datapunkterne er kompakt samlet omkring (0,0) og spredes desto større værdier af X CD34, der observeres. Derfor vurderes det, at der umiddelbart ikke er et lineært forhold mellem Y T ot og X CD34. Plottet antyder dog, at der ndes en sammenhæng mellem størrelsen af leukocyttallet og stamcelleproduktet, hvilket understøtter den hypotese, at leukocyttallet har en indvirkning på stamcelleproduktet. Det forsøges at logaritmetransformere værdierne for X CD34 og Y T ot med det formål at opnå en lineær sammenhæng mellem de to variable. Begrundelsen for dette valg er, at ved en logaritmetransformation vil de kompakte værdier vil blive mere spredt, mens de spredte værdier bliver mere kompakte, og derved kan der muligvis dannes en lineær sammenhæng. Plottet med logaritmetransformerede variable er illustreret på Figur 9.2. Her er dog valgt ikke at farve punkterne efter X Lkc, da der her ikke ses nogen sammenhæng. Som det ses på 39

9. Modellering Figur 9.1: Den totale mængde stamceller i stamcelleproduktet (Y T ot ) overfor morgenprøveværdien (X CD34 ). Punkterne i plottet er farvet, efter hvor højt leukocyttallet er. Figuren er udarbejdet i SPSS 15.0. guren, er der opnået en bedre lineær sammenhæng mellem ln(y T ot ) og ln(x CD34 ), end det var tilfældet før logaritmetransformeringen, og dermed anvendes ln(y T ot ) og ln(x CD34 ). Figur 9.2: Logaritmetransformation af den totale mængde stamceller i stamcelleproduktet (ln(y T ot )) overfor den logaritmetransformerede morgenprøveværdi (ln(x CD34 )). Figuren er udarbejdet i SPSS 15.0. For at undersøge, om leukocyttallet skal logaritmetransformeres eller ej er den samme type af plot blevet lavet både for Y T ot og X Lkc samt ln(y T ot ) og ln(x Lkc ). Dette er illustreret på Figur 9.3 på modstående side. Ud fra Figur 9.3 vurderes det, at der ikke umiddelbart kan ses en lineær sammenhæng 40

9.2. Parameter estimering Figur 9.3: Til venstre: Den totale mængde stamceller i stamcelleproduktet (Y T ot ) plottet overfor leukocyttallet (X Lkc ). Til højre: Tilsvarende for de logaritmetransformerede data ln(y T ot ) og ln(x Lkc ). Figuren er udarbejdet i SPSS 15.0. på de to plot. Derfor er der blevet foretaget en linjetilpasning af to regressionsligninger, én for ln(y T ot ), ln(x CD34 ) og X Lkc og en for ln(y T ot ), ln(x CD34 ) og ln(x Lkc ). I det første tilfælde opnås en R 2 værdi på 0,731 og i det andet tilfælde opnås en R 2 værdi på 0,714. En højere R 2 antyder, at en større del af variationen i den afhængige variabel bliver beskrevet af de valgte uafhængige variable. I begge tilfælde opnås desuden en p-værdi for X Lkc og ln(x Lkc ) på 0,000. I denne analyse betragtes en p-værdi under 0,05 som en indikation for statistisk signikans, så disse p-værdier antyder, at begge variable er lige signikante. Af disse årsager vælges det ikke at logaritmetransformere X Lkc. Ved en tilpasning af en lineær regressionslinje (mindste kvadraters metode) for de valgte variable opnås følgende ligning: med parameterværdierne: ln(y T ot ) = a + b CD34 ln(x CD34 ) + b Lkc X Lkc + ɛ (9.3) hvilket kan omskrives til: ln(y T ot ) = 2, 246 + 0, 886 ln(x CD34 ) 0, 018 X Lkc + ɛ (9.4) Y T ot = e 2,246+0,886 ln(x CD34) 0,018 X Lkc +ɛ (9.5) 41

9. Modellering 9.3 Test af modellens tilstrækkelighed I dette afsnit undersøges det, om der skal inkluderes yderligere variable i regressionen. Det vurderes på baggrund af det foregående afsnit, at de foreløbigt inkluderede variable ikke er overødige. Desuden undersøges det i dette afsnit, om antagelserne ved brug af lineær regression er opfyldte. Inklusion af variable Der er ere værdier tilgængelige i datasættet, end der indtil nu er anvendt. Derfor er det relevant at undersøge, om de resterende variable også har en prædiktiv værdi. Disse variable inkluderer følgende: Granulocyttal, processeret blodvolumen (X Blod ), alder (X Alder ) og kropsvægt (X V ægt). Som udgangspunkt vælges det at se bort fra granulocyttallet, idet kun ca. halvdelen af observationerne inkluderer denne værdi. Det vurderes, at der ikke er tilstrækkeligt med data til, at denne kan anvendes i regressionen. Det virker umiddelbart naturligt, at det processerede blodvolumen vil have en prædiktiv indydelse på det opnåede resultat, da leukaferesemaskinen ved et større blodvolumen har mere tid til at opsamle stamceller. For at undersøge dette er Y T ot og X Blod blevet plottet overfor hinanden, se Figur 6.3 på side 30. På Figur 6.3 på side 30 ses det, at datapunkterne hovedsageligt er samlet i to grupper - én omkring 11 L og en omkring 15,5 L. Der ses dog ikke nogen tydelig sammenhæng mellem de to variable. p-værdien er 0, 409, hvilket indikerer, at det processerede blodvolumen ikke er signikant. Der er blevet foretaget en linjetilpasning for de foreløbigt valgte variable kombineret med det processerede blodvolumen. Ud fra denne analyse fås en p-værdi på 0,000, og en forøgelse af R 2 på 0,037. Der kan dog ikke foretages en entydig vurdering af eekten ved at processere et større blodvolumen, da dette er en fastsat variabel og ikke blot en målt, hvilket gør den sårbar overfor beslutningsmønstre. Derfor bliver denne variabel ikke omfattet af modellen, men dette behandles nærmere i Diskussionen i Kapitel 10 på side 48. For at undersøge om patientens alder og kropsvægt har en prædiktiv værdi, er der blevet foretaget re linjetilpasninger for de foreløbigt valgte variable kombineret med en af re nye: X Alder, ln(x Alder ), X V ægt samt ln(x V ægt). p-værdierne og parametrene for de relevante variable ndes i Tabel 9.1 på modstående side. Som det fremgår af Tabel 9.1 på næste side, er der ikke for nogen af de valgte variable opnået en tilstrækkelig p-værdi. Da der ikke inkluderes yderligere variable, bevares den opnåede model. Da modellen skal bruges til at prædiktere fremtidige værdier, udregnes der også et 95 % 42

9.3. Test af modellens tilstrækkelighed X Alder ln(x Alder ) X V ægt ln(x V ægt) p-værdi 0,285 0,402 0,072 0,142 Parameter -0,005-0,185 0,006 0,376 Tabel 9.1: Tabel over p-værdier og parametre for regressionsanalyse af X Alder, ln(x Alder ), X V ægt og ln(x V ægt). prædiktionsinterval. Dette interval approksimeres som ±1, 96 SD, hvor SD er residualernes standardafvigelse. Da standardafvigelsen er lig kvadratroden af residualernes varians (i SPSS fået til 0, 244), er SD = 0, 244 = 0, 473. Prædiktionsintervallet bliver derved ±1, 96 0, 473 = ±0, 928. Regressionslinjen med prædiktionsinterval kan derfor angives som Formel 9.6. Efterprøvning af antagelser YPræd = e 2,246+0,886 ln(x CD34) 0,018 X Lkc ±0,928 (9.6) For at undersøge om modellen er tilstrækkelig, skal det efterprøves, om den opfylder antagelserne ved lineær regression. Dette inkluderer følgende punkter: Lineær sammenhæng. Normalfordelt fejl. Ens standardafvigelsen for alle niveauer af uafhængige variable. [7] Lineær sammenhæng Det vurderes, om sammenhængen mellem de afhængige og uafhængige variable er lineær ved at plotte residualerne for regressionsmodellen overfor de uafhængige variable. Der skulle gerne ses et plot uden struktur. Det vil sige, at en indlagt glat kurve gerne skulle ligne en vandret linie, hvor en forøgelse af en uafhængig variabel hverken formindsker eller forstørrer fejlen. Hvis en tilnærmelsesvis ret linje ikke opnås, kan modellen muligvis rettes herefter. [7] Figur 9.4 på næste side viser residualerne for regressionsmodellen plottet overfor hver af de uafhængige variable. På begge plots ses det, at der opnåes en noget ujævn linje, der dog antyder en horisontal linje. Derfor vurderes det, at der er en tilstrækkelig lineær sammenhæng. 43

9. Modellering Figur 9.4: Til venstre: De standardiserede residualer plottet overfor den logaritmetransformerede morgenværdi (ln(x CD34 )). Til højre: De standardiserede residualer plottet overfor leukocyttallet (X Lkc ). Figuren er udarbejdet i SPSS 15.0. Normalfordelt fejl Det undersøges, om fejlen er normalfordelt, altså om spredningen omkring regressionslinjen er normalfordelt. Hvorvidt en variabel er normalfordelt kan undersøges med et Q-Q plot, hvor en fordeling af punkter liggende som en ret linje antyder, at variablen er normalfordelt. Tilsvarende kan et histogram anvendes, som gerne skal ligne en gaussisk kurve. Disse metoder giver to forskellige muligheder til at vurdere, hvorvidt dataene er normalfordelte. Figur 9.5 viser de to diagrammer. Figur 9.5: Til venstre: Q-Q plot over regressionsmodellens fejl. Til højre: Histogram over fejlen. Figuren er udarbejdet i SPSS 15.0. Værdierne i Q-Q plottet ligger i hovedtræk langs den rette linie. De ydre værdier i begge ender følger ikke linjen, men de er tæt på. Ud fra dette plot vurderes det, at regressionsmodellens fejl er tæt på at være normalfordelt. Dette understøttes af histogrammet, hvor 44

det dog ses, at dataene ligger lidt skævt i forhold til normalfordelingen. Ens standardafvigelsen for alle niveauer af uafhængige variable 9.4. Model validering Det undersøges hvorvidt regressionsmodellen har samme varians langs hele den tilpassede linje. Dette kan undersøges ved at plotte de standardiserede residualer overfor de standardiserede prædiktive værdier (Y-værdier). Det illustrerer, om residualerne holdes konstant langs hele linjen. Plottet er vist på Figur 9.6. Hvis værdierne ligger ligeligt fordelt omkring 1. aksen, kan antagelsen siges at være opfyldt. Figur 9.6: De standardiserede residualer plottet overfor de standardiserede prædiktive værdier. Figuren er udarbejdet i SPSS 15.0. Som det ses på Figur 9.6 ligger langt hovedparten af værdierne ligeligt fordelt omkring X-aksen. Dog er der et lille antal værdier, der ligger lavere end de resterende og forskyder plottet nedad. Denne forskydning er dog så lille, at det vurderes, at standardafvigelsen er nogenlunde ens langs hele linjen. 9.4 Model validering I henhold til Afsnit 8.2 på side 35 er det næste trin i regressionsanalysen en validering af modellen. For at foretage denne validering vil det dog være nødvendigt at anvende observationer, som ikke er inkluderede i modellens datagrundlag. En mulig måde at gøre dette kunne være at opdele datasættet og bruge den ene del til modellering og den anden til validering. Denne metode fravælges, da dette ville reducere datamængden til rådighed ved modelleringen. I den næste del af rapporten følger en diskussion af de opnåede resultater, hvor det bl.a. bliver diskuteret, hvordan en validering vil kunne foretages ved et videre arbejde med modellen. 45

Del III Syntese I denne del bringes en opsummering af projektets problemstillinger, anvendte metoder og opnåede resultater. Derefter diskuteres muligheder og begrænsninger ved den udarbejdede model. Afsluttende perspektiveres der over muligheder for et videre arbejde med prædiktion af udbyttet ved leukaferese.

10. Diskussion Kapitel 10 Diskussion I dette kapitel ndes først en kort gennemgang af projektets grundlæggende problemstilling, de overordnede metoder brugt til at behandle problemstillingen samt resultaterne opnået ved dette arbejde. Derefter diskuteres de opnåede resultater - både hvad angår muligheder og begrænsninger. Til slut perspektiveres der over nogle mulige måder at arbejde videre med projektets problemstilling. For Hodgkins- og non-hodgkins lymfom, myelomatose, kronisk myeloid- og kronisk lymfatisk leukæmi er højdosis kemoterapi en behandlingsmulighed. Ved højdosisbehandling dræbes især de hurtigtdelende celler såsom cancerceller og hæmatopoietiske stamceller, og derfor er det nødvendigt at efterfølge kemoterapien med en autolog stamcelletransplantation. Hæmatopoietiske stamceller opsamles fra patienten ved en leukaferese, hvilket i Region Nordjylland udføres på Klinisk Immunologisk Afdeling, Aalborg Sygehus (KIA). Det er under leukafereseproceduren hensigtsmæssigt at kunne prædiktere hvor stort et stamcelleudbytte, der på en given dag kan opnås. Derfor er det i dette projekt blevet undersøgt, om prædiktionen på nuværende tidspunkt foregår optimalt, samt hvilken ind- ydelse prædiktionen har på det samlede leukafereseforløb. Til at belyse leukafereseproceduren er der anvendt observation af arbejdsprocessen og interviews af involveret personale. Desuden er der foretaget en analyse af et datasæt med fysiologiske værdier fra tidligere leukaferesepatienter. Metoden, anvendt til prædiktion på KIA, er opdelt i to modeller; én model med fastsatte grænseværdier for, om der skal foretages leukaferese, og en der giver et estimat af udbyttet af leukaferesen. Den første model anvendes udelukkende til at give en indikation om, hvorvidt et anvendeligt udbytte vil kunne opnås, men den giver intet estimat af, hvor stort et udbytte der kan opnås. Dette er hensigten med den anden model. Det vurderes på baggrund af en analyse af metoden, at der er mulighed for forbedring af denne. Dette skyldes, at modellen anvendt til at estimere udbyttet på nuværende tidspunkt er forbundet med betydelige usikkerheder. Disse usikkerheder inkluderer estimering af eektiviteten og vægtningen af det processerede blodvolumen. Det vurderes derfor, at den nuværende metode muligvis kan give en vis understøttelse af beslutningen om, hvorvidt leukaferese skal foretages, men at muligheden for pålideligt at estimere udbyttet 48

er begrænset. Den begrænsede prædiktion vurderes til at være et problem i forhold til planlægning og beslutningstagen under leukafereseforløbet. Det er desuden fundet, at der kan være mulighed for forbedring af leukafereseforløbet relateret til en optimeret prædiktionen. Disse forbedringer kan bl.a. inkludere, at en reduceret mængde DMSO gives til patienten ved reinfusion, en bedre mulighed for planlægning, nedsatte materielle omkostninger og sparede arbejdstimer for personalet med dertil hørende økonomiske besparelser. På baggrund af ovenstående vurdering er det undersøgt, om det er muligt at optimere prædiktionen. For at behandle denne problemstilling er der foretaget en statistisk analyse af det udleverede datasæt. Det er blevet valgt at anvende multipel lineær regression for at undersøge, om der er en relation mellem patienternes fysiologiske parametre og det opnåede udbytte. For ikke at begrænse den tilgængelige datamængde er det valgt at anvende ere obsevationer fra de samme patienter, hvilket overskrider et af kriterierne for lineær regression. Det er fundet, at der for de benyttede data er en statistisk signikant sammenhæng mellem udbyttet af leukaferese og antallet af CD34 + celler i det perifere blod samt for leukocyttallet morgenen for leukaferesen. Det er vurderet, at der for de benyttede data ikke er grundlag for at inkludere følgende værdier: Vægt, alder, granulocyttal og processeret blodvolumen. Den udarbejdede regressionsmodel udgør Formel 10.1, der har et 95 % prædiktionsinterval som angivet i Formel 10.2. Det vil være nødvendigt at foretage en validering af modellen med yderligere data, før den kan tages i brug. Y T ot = e 2,246+0,886 ln(x CD34) 0,018 X Lkc +ɛ (10.1) YPræd = e 2,246+0,886 ln(x CD34) 0,018 X Lkc ±0,968 (10.2) At der ikke er nogen statisktisk signikans for at medtage det processerede blodvolumen som en variabel i regressionsligningen er umiddelbart overraskende, da et større processeseret blodvolumen medfører, at leukaferesemaskinen har mere tid til at skille stamcellerne fra patientens blod. Det er i et studie blevet observeret, at der ved længere tids leukaferese kan blive udskilt ere stamceller til patientens perifere blod [17]. Hvor stor betydningen af dette er, vides dog ikke. Når der ikke kan ndes en signikant sammenhæng ved det processerede blodvolumen i dette projekt, vurderes det, at det skyldes, at denne variabel bliver fastsat af personalet før en leukaferese. At det delvist er en subjektiv vurdering fra personalets side, kan betyde at der muligvis er en sammenhæng mellem patientens tilstand og det processerede blodvolumen. For eksempel er det muligt, at de patienter, der ser ud til at få det dårligste resultat af leukaferesen, gennemsnitligt bliver høstet længere. Det vurderes dog, at det ikke er muligt at eftervise dette ved et retrospektivt studie med de tilgængelige data. Den udarbejdede regressionsmodel giver et estimat af udbyttet, der i modsætning til den oprindelige metode ikke inkluderer den estimerede eektivitet og det processerede blod- 49

10. Diskussion volumen som variable. Derved ekskluderes faktorer forbundet med usikkerhed, og det er derfor muligt, at denne model vil kunne give en mere pålidelig estimering af udbyttet. Et mere pålideligt estimat vil muligvis have den fordel, at det vil give afdelingen et forbedret grundlag for at foretage planlægning og beslutninger, der er mere individuelt tilpasset den enkelte patients situation, og dermed kan leukafereseforløbet muligvis optimeres. En betydelig gevinst ved dette ville være, hvis det i nogle tilfælde gav mulighed for at foretage leukaferesen over færre dage og stadig opnå et tilstrækkeligt udbytte. Dette ville medføre, at patienten i kortere tid vil være udsat for de fysiske og mentale belastninger, der er forbundet med leukaferesen, samt at patienten ville blive udsat for en mindre mængde DMSO under reinfusion. Desuden ville et kortere forløb formodentligt medføre en reduktion i de økonomiske omkostninger, der er forbundet med arbejdstid og materialer under forløbet. En pålidelig prædiktion vil muligvis også kunne medføre en organisatorisk optimering, da arbejdsdagen ville kunne planlægges bedre. Som beskrevet i Kapitel 8 er det sidste trin i udarbejdelsen af en regressionsmodel en validering af modellen med det formål at sikre, at den er i stand til at beskrive observationer, som ikke er inkluderet i modellens datagrundlag. Da det er valgt ikke at opdele datasættet i to og bruge den ene del til at validere en model udledt af den anden, vil en mulig måde at foretage en validering være at indsamle mere data. Hvis det er muligt at opnå en betydeligt større datamængde, vil en anden fordel være, at det er muligt kun at medtages en enkelt observation fra hver patient. Derved opfyldes kriteriet om, at observationerne af udbyttemængden skal være indbyrdes uafhængige. Dette vil forbedre modellens grundlag. Derfor forekommer der i det følgende en perspektivering over, hvordan det vil være muligt at opnå ere data. En mulighed for at indsamle yderligere data er udarbejdelsen af et observationsstudie udført på Aalborg Sygehus. Dette studie kan foretages ved, at den nuværende prædiktionsmodel anvendes sideløbende med den udarbejdede regressionsmodel. Den nuværende prædiktionsmodel skal danne grundlaget for estimeringen af udbyttet og beslutningen om, hvorvidt leukaferesen skal gennemføres. Estimeringen af udbyttet skal sideløbende udregnes med den nye model. Det vil herved efter en forudbestemt periode kunne undersøges, om modellen er i stand til at prædiktere det opnåede udbytte mere præcist end ved den gamle prædiktionsmodel. Problemet ved denne metode til at foretage en validering er, at det vil tage lang tid, før et tilstrækkeligt antal leukafereser er blevet gennemført, og en endelig validering af modellen vil derfor have lange fremtidsudsigter. En anden mulighed er at indsamle data fra andre sygehuse, hvor der udføres leukaferese. Begrænsningen ved denne fremgangsmåde er, at det for at sikre dataenes sammenlignelighed må være et krav, at der er blevet anvendt den samme leukaferesemaskine. Desuden bør leukafereseproceduren afvige så lidt som muligt fra den, der anvendes på KIA. Det eneste sted i Danmark hvor dette er tilfældet, er Herlev Hospital, hvor der er udført leukaferese med en tilsvarende metode i ca. re år [32]. At indhente data fra Herlev Hospital 50

har den fordel, at det vil være langt mindre tidskrævende end at foretage et observationsstudie. En ulempe ved dette kan dog være, at det igen bliver et retrospektivt studie. Ud over at benytte data fra Herlev Hospital til at validere den udarbejdede model vil det også være muligt at benytte en del af disse data til at forbedre modellen. Det er også en mulighed at udarbejde en model baseret på data fra Herlev Hospital og validere denne model med data fra KIA. Hvis der indsamles yderligere data, giver dette mulighed for at arbejde videre med prædiktionen af udbyttet. F.eks kunne dataene inddeles i mere homogene grupper såsom diagnose eller køn for at undersøge, om dette har en indydelse på udformningen af regressionsligningen. Det er også en mulighed at foretage en mere grundig undersøgelse af, hvilke fysiologiske parametre, der har en betydning for udbyttet. Én måde at gøre dette kunne være at foretage en regressionsanalyse svarende til den der er anvendt i dette projekt, blot med et større datasæt som grundlag. Specielt er det oplagt at undersøge sammenhængen mellem det processerede blodvolumen og udbyttet nærmere. Dette kunne gøres som et designet eksperiment, hvor der processeres et fastsat blodvolumen for alle patienter. Der kunne så foretages løbende målinger af stamcelleindholdet i blodet under leukaferesen for at afgøre, hvilken eekt det processerede blodvolumen har på maskinens mulighed for at opsamle stamceller. Hvis det viser sig, at der kan opnås et forøget udbytte ved en længere leukaferese, vil dette muligvis kunne give et bedre grundlag for at beslutte, hvor stort et volumen, der skal processeres. Hvis der derimod ikke er nogen væsentlig gevinst ved at foretage en længere leukaferese, vil leukaferesens længde for fremtiden kunne mindskes, hvilket igen vil give en fordel i et patientmæssigt, økonomisk og organisatorisk perspektiv. 51

10. Diskussion Referenceliste Litteratur Fagbøger [1] Bruce Alberts, Alexander Johnson, Julian Lewis, Martin Ra, Keith Roberts og Peter Walter. Molecular Biology of the Cell. Garland Science, 3. udgave, 2002. [2] Ib Andersen. Den skinbarlige virkelighed - vidensproduktion inden for samfundsvidenskaberne. Forlaget Samfundslitteratur, 3. udgave, 2005. [3] Inge Haunstrup Clemmensen, Katrine Hedengran Nedergaard og Hans Henrik Storm. Kræft i Danmark - En opslagsbog. Fadl's forlag, 1. udgave, 2006. [4] Lasse Foghsgaard. Bogen om kræft. Erhvervsskolernes Forlag, 1. udgave, 2001. [5] Mette Madsen og Jørgen Videbæk. 2004 HjerteStatistik. Hjerteforeningen, 2004. [6] Frederic H. Martini. Fundamentals of Anatomi and Physiologi. Pearson Benjamin Cummings, 7. udgave, 2006. [7] Douglas C. Montgomery, Elizabeth A. Peck og G. Georey Vining. Introduction to Linear Regression Analysis. Wiley, 4. udgave, 2006. [8] Torben V. Schroeder, Svend Schulze, Jannik Hilsted og Liv Gøtzsche. Basisbog i Medicin og Kirurgi. Munksgaard Danmark, 4. udgave, 2007. Forskrifter [9] CD34 bestemmelse på perifert blod. Klinisk Immunologisk Afdeling, Aalborg Sygehus, 7. august 2006. [10] Nedfrysning af stamcelleprodukt i IceCube 1810CD. Klinisk Immunologisk Afdeling, Aalborg Sygehus, 7. september 2006. 52

[11] Opsamling af blodstamceller i perifert blod. Klinisk Immunologisk Afdeling, Aalborg Sygehus, 1. oktober 2007. [12] Volumenreduktion, split og forbehandling af stamcelleprodukt inden nedfrysning. Klinisk Immunologisk Afdeling, Aalborg Sygehus, 15. december 2006. [13] Patient information omkring høj dosis kemoterapi på Aalborg Sygehus. Hæmatologisk Afdeling, Aalborg Sygehus, 22. oktober 2007. Artikler [14] Giovanni D'Arena, Pellegrino Musto, Lazzaro Di Mauro, Nicola Cascavilla, Nicola Dello Iacono, Potito Rosario Scalzulli, Rosella Matera og Mario Carotenuto. Predictive parameters for mobilized peripheral blood CD34+ progenitor cell collection in patients with hematological malignancies. American Journal of Hematology, 58:255-262, 1998. [15] C.D. Ford, W. Green, S. Warenski og F.B. Petersen. Progenitor cell mobilization eect of prior chemotherapy on hematopoietic stem cell mobilization. Nature, 33:901-905, 2004. [16] Christian Hartmann Geisler, Kirsten Gedske Daugaard, Ebbe Dickmeiss, Marianne Ifversen og Lene Meldgaard Knudsen. Behandling af kræftsygdomme med højdosis kemoterapi og autolog stamcelletransplantation. Ugeskrift for Læger, 165(50), 2003. [17] Jeane Hester. Peripheral blood stem cell collection: The interaction of technology, procedure, and biological factors. Transfusion Science, 23:125-132, 2000. [18] R. Moog. Harvesting of CD34 antigen-expressing cells with a new programme for the collection of mononuclear cells with use of the Amicus (Baxter) blood cell separator. Transfusion Medicine, 12:367-371, 2002. [19] Ruth Seggewiss, Eike Christian Buss, Doris Herrmann, Hartmut Goldschmidt, Anthony Dick Ho og Stefan Fruehauf. Kinetics of peripheral blood stem cell mobilization following G-CSF-supported chemotherapy. Stem Cells, 21:568-574, 2003. [20] P. Windrum, T.C.M. Morris, M.B. Drake, D. Niederwieser og T. Ruutu. Variation in dimethyl sulfoxide use in stem cell transplantation: a survey of EBMT centres. Bone Marrow Transplantation, 36:601-603, 2005. [21] J. Yu, W. Leisenring, W.I. Bensinger, L.A. Holmberg og S.D. Rowley. The predictive value of white cell or CD34+ cell count in the peripheral blood for timing apheresis and maximizing yield. Transfusion, 39:442-450, 1999. 53

10. Diskussion Ph.d.-afhandlinger [22] John Bæch. Kvantitering af CD34+ hæmopoietiske forstadier: Analyse af de tekniske variabler og evaluering af den kliniske betydning ved autolog stamcelletransplantation. Ph.d.-afhandling, Københavns Universitet, 2002. Internetkilder [23] Tina Bering Keiding. Kompendium til kurset i samarbejde, læring og projektstyring. AAU, 2000. Kan læses på http://tnb.aau.dk/slpba/slpkompendie.pdf. [24] Introduction to Flow Cytometry. www.ab-direct.com/uploads/flow-cytometry.pdf, 31. oktober 2007. [25] Hematopoiesis. http://www.answers.com/topic/hematopoiesis?cat=health, 11. oktober 2007. [26] Autolog stamcelletransplantation. http://www.cancer.dk/alt+om+kraeft/behandling/stamcelletransplantation/, 16. oktober 2007. [27] Multipel Regression. http://www2.chass.ncsu.edu/garson/pa765/regress.htm, 5. november 2007. [28] Lineær Regression. http://www.curvet.com/linear_regression.htm, 1. november 2007. Interview [29] Interview med Anitta Holmager, Bioanalytiker, Klinisk Immunologisk Afdeling, Aalborg Sygehus, 21. nov. 2007. [30] Interview med Helle Hylander, Sygeplejerske, Klinisk Immunologisk Afdeling, Aalborg Sygehus, 22. nov. 2007. [31] Interview med Ilse Christiansen, Overlæge, Hæmatologisk Afdeling, Aalborg Sygehus, 7. dec. 2007. [32] Klinisk vejledning med John Bæch, Overlæge, Klinisk Immunologisk Afdeling, Aalborg Sygehus, 24. okt. og 4. dec. 2007. 54

Appendix

A. Blodets cellulære komponenter Appendix A Blodets cellulære komponenter I kroppen fungerer blodet som en transportmekanisme, der bl.a. transporterer ilt, næringsstoer og aaldsstoer rundt i blodbanen. Blod er hovedsageligt sammensat af plasma og blodlegemer, der kan inddeles i erytrocytter (røde blodlegemer), trombocytter (blodplader) og et antal forskellige leukocytter (hvide blodlegemer). [6] I det følgende ndes en kort gennemgang af blodets cellulære bestanddele, der samlet skal give en forståelse af de forskellige funktioner, som blodet varetager. Desuden bringes en beskrivelse af dannelsen af blodets cellulære komponenter. Erytrocytter Erytrocytter er de mest talrige celler i kroppen. Hæmoglobin i erytrocytterne transporterer oxygen fra lungerne til perifere væv og er også bærere af kuldioxid fra disse væv til lungerne. Erytrocytter forbliver i cirkulation i blodbanen i ca. 120 dage, før de bliver nedbrudt. For at opretholde koncentrationen af erytrocytter i blodet producerer kroppen omkring tre millioner nye celler hvert sekund. Erytrocytter har ingen cellekerne og mangler desuden ere af de organeller, der kendetegner andre celler i kroppen. [6] Trombocytter Trombocytter har en stor betydning for vaskulær koagulering (størkning). Ved skade på en blodåre udløser trombocytterne enzymer, der har betydning for initiering og kontrol af blodets koagulering. Ved at klumpe sig sammen og klæbe til karvæggen danner trombocytterne en midlertidig prop på skadesstedet, der mindsker blodtabet. Når der er dannet en størknet masse omkring hullet, trækker trombocytterne sig sammen og reducerer dermed størrelsen af hullet i karvæggen. [6] Leukocytter Leukocytter er en samlet betegnelse for alle de hvide blodlegemer i kroppen. Fælles for disse er, at de har en stor betydning for opretholdelse af kroppens immunforsvar. Leuko- 56

cytter kan opdeles i tre hovedgrupper efter deres cellekerne; granulocytter, lymfocytter og monocytter. De forskellige undergrupper bliver beskrevet i det følgende. Granulocytter Granulocytgruppen består af neutrole, eosinole og basole leukocytter. Neutrole leukocytter er de almindeligste leukocytter i normalt sundt blod og udgør 50-70 % af de cirkulerende leukocytter. Ved detektering af antigener i kroppen, såsom virus eller bakterier, ødelægger og fagocyterer de neutrole leukocytter disse antigener. De opslugte antigener nedbrydes vha. lysosomer i cellen, der indeholder fordøjelsesenzymer, som nedbryder antigenet og dermed uskadeliggør det. [6] Eosinole leukocytter spiller en central rolle ved bl.a. allergiske tilstande og i forsvaret mod ercellede parasitter, hvor de reagerer ved afgivelse af giftstoer, der nedbryder de fremmede celler. Desuden fagocyterer de celler, der er dækket med antistoer. Eosinole leukocytter udgør 2-4 % af de cirkulerende leukocytter. [6] Basole leukocytter migrerer til skadede steder i kroppen, hvor de frigiver granula, der er små cellekorn, til interstitialvæsken. Cellekornene indeholder histamin, der dilaterer blodårerne og heparin, som forhindrer blodkoagulering. Basole leukocytter udgør ca. 1 % af de cirkulerende leukocytter. [6] Lymfocytter Lymfocytter migrerer kontinuerligt fra blodstrømmen til perifere væv og tilbage igen. De cirkulerende lymfocytter i blodbanen udgør derfor til enhver tid kun en brøkdel af alle lymfocytter i kroppen. Lymfocytter har en grundlæggende funktion i kroppens immunologiske forsvar og er centrum for immunapparatets specikke forsvar. Lymfocytter udgør 20-30 % af de cirkulerende leukocytter, og der ndes tre forskellige hovedgrupper af lymfocytter; T-celler, B-celler og NK-celler. [6] T-celler har betydning for den cellemedierede immunitet, hvilket er en specik forsvarsmekanisme imod fremmede celler og væv, og for koordination af immunforsvaret. B-celler har betydning for humoral immunitet, en specik forsvarsmekanisme der involverer produktion og distribution af antistoer, som angriber antigener i kroppen. Aktiverede B-celler dierentieres til plasmaceller, der er specialiserede i at syntisere og udskille antistoer. NK-celler kan dræbe uden aktivering og har betydning for detektion og senere destruktion af unormale vævsceller som f.eks. cancerceller. [6] Monocytter Monocytter er blodets største celler og cirkulerer i blodet i omkring 24 timer, før de forlader blodbanen. Idet de når bindevævet, bliver monocytterne til makrofager, der er aggressive fagocytter. Monocytter udgør 2-9 % af de cirkulerende leukocytter. [6] 57

A. Blodets cellulære komponenter Hæmatopoiese Begrebet hæmatopoiese dækker over dannelsen af blodets cellulære komponenter. Blodcellerne uddierentieres alle fra den samme multipotente hæmatopoietiske stamcelle. Fra den hæmatopoietiske stamcelle opstår den myeloide- og den lymfoide progenitor, der videre uddierentieres til blodets erytrocytter, trombocytter og leukocytter. Det følgende er en beskrivelse af uddierentieringen fra hæmatopoietiske stamceller i knoglemarven til cellelegemer i det perifere blod. Se desuden Figur A.1. [6] Figur A.1: Dannelsen af blodets cellulære komponenter. Den hæmatopoiteiske stamcelle uddierentieres til alle blodets cellelegemer. Modiceret fra [25] Erytrocytter: Blodets erytrocytter dannes udelukkende i den røde knoglemarv. Fra den myeloide progenitorcelle opstår unipotente progenitor celler, der igen giver ophav til proerytroblaster. Disse celler går igennem ere stadier i en modningsproces, hvor bl.a. hæmoglobin syntetiseres. Efter re dage afgives cellekernen, og cellen bliver til en reticulocyt. Syntetiseringen af hæmoglobin fortsætter i to dage, hvorefter cellen trænger ind i blodstrømmen. Efter endnu 24 timer er cellen blevet til en fuldt moden og fungerende erytrocyt. Trombocytter: Produktionen af trombocytter foregår i knoglemarven ved, at store megakaryocyt celler dannes fra myeloide progenitorceller. Disse celler afgiver trombocytter, der trænger ind i blodbanen. Efter at have afgivet omkring 4000 trombocytter bliver megakaryocytten nedbrudt. 58

Leukocytter: Granulocytter: I knoglemarven produceres granulocytter, ved at myeloblaster opstår fra de myeloide progenitorceller. Myeloblaster uddierentieres så til basole, eosinole og neutrole granulocytter. Nogle af disse celler trænger ind i blodbanen, før modningen er færdig. Normalt består 3-5 % af blodets leukocytter af disse umodne celler. Monocytter: Monocytter opstår ligesom granulocytter fra myeloblaster. Disse celler begynder deres uddiferentiering i knoglemarven, men frigives til blodstrømmen mens cellerne endnu er umodne. Modningsprocessen foregår da i perifere væv. Lymfocytter: Lymfocytter opstår fra de lymfoide progenitorceller. Mange af disse celler bevæger sig fra knoglemarven til perifære lymfoide væv, og derfor kan produktionen af lymfocytter foregå både i knoglemarven og i disse væv (bl.a. thymus, milten og lymfeknuder). Fra den lymfoide progenitorcelle opstår lymfoblaster, der modnes og uddierentieres til de forskellige typer af lymfocytter. [6] 59

B. Cancer Appendix B Cancer Kroppen indeholder omkring 75 milliarder celler med varierende levetid. Opretholdelsen af cellepopulationen sker ved hjælp af celledeling. Celledelingen er under skarp kontrol fra kroppen, men hvis kontrollen fejler, kan cancer forekomme. Cancer er kendetegnet ved at en gruppe celler, der har en stor væksthastighed, vokser ind i omgivende normalt væv og med tiden kan sprede sig til andre organer. Dette kapitel giver en beskrivelse af de fem cancersygdomme, for hvilke autolog stamcelletransplantation bliver anvendt som en behandlingsmulighed. [6] Udvikling af cancer Hvorvidt en celle skal dele sig afhænger af en række faktorer indenfor og udenfor cellen. Inden i cellen ndes en lang række gener, der koder for vækst og deling. Tilsvarende kan celledelingsraten styres af udefrakommende faktorer såsom hormoner og vækstfaktorer. Der forekommer uundgåeligt fejl i replikationen af DNA forbundet med celledelingen, men cellerne sørger dog ofte selv for at rette evt. fejl. Cancerrelaterede mutationer forekommer i gener, der koder for celledeling, vækst og inhibering af celledelingen, men en enkelt mutation i et gen vil dog ikke medføre cancer. Hvis en celle får en mutation i et gen, og dette ikke repareres, vil mutationen gives videre til cellens datterceller, men cancer vil først udvikles, hvis en række uafhængige mutationer forekommer i dattercellerne i løbet af ere generationer. Dette skyldes, at cellerne har komplekse reguleringsmekanismer til at opretholde kontrollen over deres funktionalitet og adfærd. Derfor skal disse mekanismer påvirkes, før en mutation kan udvikle sig til cancer. [1] Hvis celledeling kommer ud af kontrol, vil cellerne i første omgang være afgrænset til et specikt væv, hvilket kaldes for den primære tumor. Cancercellerne kan danne metastaser, hvilket er en spredning af cancerceller fra den afgrænsede primære tumor til et andet organ. Før en metastase er mulig, skal cancercellerne igennem afgræsningen af den primære tumor, trænge igennem blodbanens barrierer, forlade blodbanen og danne en ny koloni af cancerceller, se Figur B.1 på næste side. Det er kun i begrænsede tilfælde, at cancercellerne fra den primære tumor får mulighed for at metastasere, men i tilfælde hvor dette sker, 60

forværres prognosen for patienten betydeligt. [1,6] Figur B.1: Udvikling af metastaser fra primærtumoren. 1: En cancercelle løsriver sig. 2: Den ytter sig. 3: Den trænger ud til blod- eller lymfebanen. 4: Den bliver ført videre i kroppen gennem blod- eller lymfebanen og skal her overleve kroppens immunforsvar. 5: Den nder et nyt sted at sætte sig. 6: Den trænger gennem karvæggen til det nye organ. 7: Den tilpasser sig det nye sted og begynder at dele sig. [4] Cancersygdomme I dette afsnit beskrives kort de fem specikke cancersygdomme, for hvilke behandling med stamcelletransplantation kan være gavnligt. Maligne hæmatologiske sygdomme inddeles i lymfoproliferative og myeloproliferative. Begge typer hæmatologiske sygdomme kan underinddeles, og ved nogle af disse sygdomme kan autolog stamcelletransplantation indgå i behandlingen. Disse sygdomme omfatter maligne lymfomer, herunder Hodgkins og non-hodgkins lymfom, myelomatose, kronisk myeloid leukæmi og kronisk lymfatisk leukæmi. [8] Hodgkins lymfom Betegnelsen maligne lymfomer dækker over en mængde forskellige tumorer, der dannes ud fra lymfoidt væv. Lymfomerne inddeles i Hodgkins lymfom (HL) og non-hodgkins lymfom (NHL). [8] Hodgkins lymfom dannes ud fra B-lymfocytter og inddeles i re stadier alt efter spredningen af sygdommen og dermed antallet af lymfeknuder. I 1. stadie er der udviklet én lymfeknude i én enkelt region, mens der i 2. stadie er udviklet ere lymfeknuderegioner på én side af mellemgulvet. I 3. stadie er der udviklet cancer i lymfeknuderegioner på begge sider af mellemgulvet, og i 4. stadie har sygdommen spredt sig til andre organer. Overlevelsen for patienten afhænger af stadiet af sygdommen, og samlet set er overlevelsen på omkring 80 %. Patienter med stadierne 3 eller 4 vil være plaget af hyppigere tilbagefald end patienter med 1. eller 2. stadie af sygdommen. [8] 61

B. Cancer Non-Hodgkins lymfom NHL dannes ud fra B-lymfocytter og T-lymfocytter. Ætiologien for NHL er ikke fastlagt, men det antages, at ere faktorer såsom virus og miljø har indvirkning. NHL opdeles i to hovedgrupper; småcellede langtsomt voksende lymfomer og storcellede, aggressive og hurtigvoksende lymfomer. Førstnævnte er ikke kurable, mens sidstnævnte i nogle tilfælde er kurable. Som ved HL ses spredninger til andre organsystemer. Stamcelletransplantation indgår ikke i behandlingen af de småcellede lymfomer, da sygdommen kan holdes nede med moderate mængder kemoterapi. Ved storcellet NHL kan det i nogle tilfælde være relevant at anvende stamcelletransplantation. [8] Myelomatose Myelomatose (MM) opstår, når unormale plasmaceller i knoglemarven fortrænger de normale plasmaceller og danner et myelom (knoglemarvssvulst). Der vil i disse tilfælde være en øget mængde af det antistof, der dannes i de unormale plasmaceller, hvorimod mængden af de andre antistoer falder. Dette fører til en svækkelse af immunforsvaret. Udover dette bevirker sygdommen en øget aktivitet af osteoklaster, der er knoglenedbrydende celler, hvilket kan medføre osteolyse, som foruden svækkede knogler også giver en forøget mængde calcium i blodet. [8] Gennemsnitsalderen for personer, der bliver diagnostiseret med MM, er 70 år. Symptomerne på sygdommen kan være: Invaliderende knoglesmerte især i ryggen og rørknoglerne, anæmi, nyrepåvirkning grundet den øgede mængde calcium i blodet, vedvarende træthed og tilbagevendende infektioner grundet nedsat immunsystem. [8] Kronisk myeloid leukæmi Ved kronisk myeloid leukæmi producerer stamceller i knoglemarven for mange myeloide celler (primært granulocytter). [8] Sygdommen er hyppigst mellem 45-60 års alderen. Symptomer på sygdommen kan være: Træthed, let feber, vægttab, nattesved, trykken i maven, nedsat appetit og en forstørret milt. Forstørrelsen af milten skyldes den større mængde granulocytter, der ndes i blodet. Hermed vil der være større pres på miltens normale funktion, som bl.a. er fjernelse af defekte blodceller. [8] Kronisk lymfatisk leukæmi Kronisk lymfatisk leukæmi (CLL) er en sygdom, hvor B-lymfocytterne og i sjældne tilfælde T-lymfocytterne ikke bliver fuldt udviklet. Da B-lymfocytterne er en vigtig bestanddel af 62

kroppens immunsystem, vil dette svækkes betydeligt, og dermed vil kroppen være mere modtagelig overfor patogener. [8] Symptomerne er varierende, men hyppige debutsymptomer er forstørrelse af lymfeknuder, anæmisymptomer, tilbagevendende infektioner samt forstørret milt og lever. Sygdommen opdeles i stadier, alt efter om der ndes lymfomer i halsen, armhulerne, lyskeområdet, milten eller leveren, samt om hæmoglobin eller trombocyttallet falder under givne værdier. [8] 63

C. Lineær regression Appendix C Lineær regression Lineær regression er en statistisk metode, der kan anvendes til at undersøge forholdet mellem en afhængig variabel (her benævnt Y ) og et antal uafhængige variable (her benævnt X 1... X n ). Det er nødvendigt at have kendskab til et antal værdier af Y og X. Princippet i metoden er at nde den linje, der bedst beskriver sammenhængen mellem de kendte værdier af Y og X. Denne linje kan bruges til at forudsige fremtidige værdier af Y givet visse værdier af X og omvendt. [7] For det simple tilfælde af lineær regression med blot en enkelt uafhængig variabel, kan linjen skrives på formen: Y = a + b X + ɛ (C.1) hvor a er skæringen med y-aksen, b er regressionskoecienten (hældningen af linjen) og ɛ er fejlen. [7] Mindste kvadraters metode Den mest anvendte metode til at nde den bedst beskrivende linje er den såkaldte mindste kvadraters metode. Metoden indebærer, at kvadraterne af den vertikale afstand mellem de kendte værdier og linjen (residualerne) minimeres. Hvis de kendte værdier har en normalfordelt spredning, er der en langt større chance for en mellemstor gennemsnitsafstand mellem linjen og punkterne over og under linjen, end der er for en lille afstand til den ene side og en stor til den anden side af linjen. Hvis der blot anvendes en minimering af den absolutte residualafstand i stedet for en minimering af kvadraterne af afstanden, vil metoden ikke foretrække en linje, der ligger med en jævn afstand til datapunkterne frem for en linje, der ligger med en ujævn afstand. For eksempel vil der ved en minimering af den absolutte residualafstand ikke være nogen forskel på en linje med en øvre gennemsnitsafstand på 1 og en nedre på 9, og en linje med en gennemsnitsafstand på 5 både over og under linjen. I begge tilfælde vil residualsummen være 10. Derimod vil der ved en summering af kvadraterne være en residualkvadratsum på 82 i det første tilfælde og 50 i det sidste, og dermed bliver den mest ønskværdige linje valgt. [7,28] 64

Tilpasningsgrad Tilpasningsgraden af en linjetilpasning ved simpel lineær regresion angives som r 2, hvilket er en fraktionsværdi mellem 0,0 og 1,0. r 2 angiver forholdet mellem residualkvadratsummen af den valgte linje og residualkvadratsummen af den vandrette linje igennem middelværdien af alle de kendte værdier (nulhypotesen). Regressionslinjen og nulhypotesen er illustreret på Figur C.1. Figur C.1: Til venstre: Regressionslinjen. Til højre: Nulhypotesen. Tilpasningsgraden er et forhold mellem residualkvadratsummerne for disse to linjer. Modiceret fra [28]. Tilpasningsgraden kan udregnes ved Formel C.2. r 2 = 1 sum reg sum nul (C.2) hvor sum reg er residualkvadratsummen for regressionslinjen og sum nul er residualkvadratsummen for nulhypotesen. [28] En tilpasningsgrad på r 2 = 0 angiver, at der ingen korrelation er mellem den afhængige og den uafhængige variabel. Det vil sige, at regressionslinjen tilsvarer nulhypotesen. Derimod angiver en tilpasningsgrad på r 2 = 1 en perfekt korrelation, hvor alle kendte værdier ligger nøjagtigt på linjen. Tilpasningsgraden kan anses som den andel af variationen i Y, der kan tilskrives ændringer i X. Hvis der byttes om på Y og X vil linjen ændres, men tilpasningsgraden vil forblive uændret. Dermed er r 2 fraktionen af variationen, der er delt mellem Y og X. Hvis r 2 = 0, 5 kan halvdelen af variationen tilskrives den uafhængige variabel, mens den anden halvdel kan tilskrives andre faktorer. De tre tilfælde af r 2 er illustreret på Figur C.2 på næste side. [7,28] 65

C. Lineær regression Figur C.2: For r 2 = 0 til venstre er der ingen korrelation mellem X og Y. For r 2 = 0, 5 kan halvdelen af variationen i Y tilskrives X. For r 2 = 1 er der perfekt korrelation mellem X og Y. Modiceret fra [28]. Prædiktionsinterval På grund af den tilfældige variation i residualerne der vil forekomme i enhver opsamling af data, vil beliggenheden af fremtidige datapunkter naturligvis ikke kunne bestemmes med sikkerhed. For at bestemme den sandsynlige beliggenhed af disse punkter kan der udregnes et 95 % prædiktionsinterval, der angiver det område, hvori 95 % af punkterne kan forventes at ligge. Prædiktionsintervallet kan approksimeres simpelt som to kurver, der ligger 1,96 standardafvigelser over og under regressionslinjen. Et prædiktionsinterval er illustreret på Figur C.3. [7] Figur C.3: De stiplede linjer afgrænser prædiktionsintervallet for denne regressionslinje. Modiceret fra [28]. Multipel lineær regression I det tilfælde hvor der er en enkelt afhængig variabel og to eller ere uafhængige variable, kan der ikke anvendes simpel lineær regression. Derimod kan der anvendes multipel lineær regression, der dog blot er en generalisering af lineær regression. Af denne årsag gør mange af de samme principper sig gældende, men beregningerne bliver mere omfattende. En multipel regressionslinje (og det tilhørende prædiktionsinterval) kan ikke afbildes i et todimensionelt plan, da den afhænger af mere end én uafhængig variabel, men den kan udregnes tilsvarende til en simpel regressionslinje. [27] 66

Ligningen for en linjetilpasning ved multipel lineær regression kan skrives som i Formel C.3. Y = a + b 1 X 1 + b 2 X 2 +... + b n X n + ɛ (C.3) [27] Ved multipel regression anvendes ikke tilpasningsgraden r 2 men derimod den multiple tilpasningsgrad R 2, der angiver den samlede variation i den afhængige variabel, der kollektivt kan tilskrives de uafhængige variable. [27] 67