快速檢測提升準確度：自動尿液分析中的關鍵時刻

本翻譯僅作學術交流用，無商業意圖，請勿轉載，如有疑議問請來信

本研究強調尿液採集後分析的時間窗口對結果的準確性至關重要。研究發現，在採集後90分鐘內進行分析可顯著減少誤判率，尤其在pH值、白血球、紅血球和蛋白質等參數上。此結果提示臨床上應儘快進行尿液分析，以確保診斷和治療的準確性。

評估自動尿液分析中取樣與分析之間的適當時間間隔

Evaluation of the appropriate time period between sampling and analyzing for automated urinalysis

Dolscheid-Pommerich RC, Klarmann-Schulz U, Conrad R, Stoffel-Wagner B, Zur B. Evaluation of the appropriate time period between sampling and analyzing for automated urinalysis. Biochem Med (Zagreb). 2016;26(1):82-89. doi:10.11613/BM.2016.008

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4783094/

Abstract

Preanalytical specifications for urinalysis must be strictly adhered to avoid false interpretations. Aim of the present study is to examine whether the preanalytical factor ‘time point of analysis’ significantly influences stability of urine samples for urine particle and dipstick analysis.

In 321 pathological spontaneous urine samples, urine dipstick (Urisys™2400, Combur-10-Test™strips, Roche Diagnostics, Mannheim, Germany) and particle analysis (UF-1000 i™, Sysmex, Norderstedt, Germany) were performed within 90 min, 120 min and 240 min after urine collection.

For urine particle analysis, a significant increase in conductivity (120 vs. 90 min: P < 0.001, 240 vs. 90 min: P < 0.001) and a significant decrease in WBC (120 vs. 90 min P < 0.001, 240 vs. 90 min P < 0.001), RBC (120 vs. 90 min P < 0.001, 240 vs. 90 min P < 0.001), casts (120 vs. 90 min P < 0.001, 240 vs. 90 min P < 0.001) and epithelial cells (120 vs. 90 min P = 0.610, 240 vs. 90 min P = 0.041) were found. There were no significant changes for bacteria. Regarding urine dipstick analysis, misclassification rates between measurements were significant for pH (120 vs. 90 min P < 0.001, 240 vs. 90 min P < 0.001), leukocytes (120 vs. 90 min P < 0.001, 240 vs. 90 min P < 0.001), nitrite (120 vs. 90 min P < 0.001, 240 vs. 90 min P < 0.001), protein (120 vs. 90 min P < 0.001, 240 vs. 90 min P<0.001), ketone (120 vs. 90 min P < 0.001, 240 vs. 90 min P < 0.001), blood (120 vs. 90 min P < 0.001, 240 vs. 90 min P < 0.001), specific gravity (120 vs. 90 min P < 0.001, 240 vs. 90 min P < 0.001) and urobilinogen (120 vs. 90 min, P = 0.031). Misclassification rates were not significant for glucose and bilirubin.

Most parameters critically depend on the time window between sampling and analysis. Our study stresses the importance of adherence to early time points in urinalysis (within 90 min).

Key words: urinalysis, automation, analytical sample preparation methods, flow cytometry, specimen handling

摘要

尿液分析的前處理規範必須嚴格遵守，以避免錯誤解讀。本研究旨在探討前處理因素「分析時間點」是否會顯著影響尿液樣本在尿液顆粒和試紙分析中的穩定性。

在321份病理性自然排尿樣本中，使用尿液試紙（Urisys™2400，Combur-10-Test™ 試紙，羅氏診斷，德國曼海姆）和顆粒分析儀（UF-1000 i™，Sysmex，德國Norderstedt）分別在收集尿液後90分鐘、120分鐘及240分鐘進行分析。

在尿液顆粒分析中，導電率顯著增加（120 分鐘 vs. 90 分鐘：P < 0.001，240 分鐘 vs. 90 分鐘：P < 0.001），白血球（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、紅血球（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、管型（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）及上皮細胞（120 分鐘 vs. 90 分鐘 P = 0.610，240 分鐘 vs. 90 分鐘 P = 0.041）顯著減少。細菌數量則無顯著變化。針對尿液試紙分析，不同時間點之間的誤判率在pH值（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、白血球（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、亞硝酸鹽（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、蛋白質（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、酮體（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、血液（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、比重（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）及尿膽原（120 分鐘 vs. 90 分鐘，P = 0.031）均顯著。葡萄糖與膽紅素的誤判率則無顯著變化。

大多數參數在取樣與分析之間的時間窗口中至關重要。本研究強調在尿液分析中遵守早期時間點（90分鐘內）的重要性。

關鍵詞：尿液分析、自動化、分析樣本準備方法、流式細胞儀、樣本處理

引言

尿液試紙和尿液顆粒分析是日常診斷和控制泌尿道感染（UTI）中常用的標準方法，廣泛應用於醫院實驗室和門診部門。尿液分析的適應症包括診斷、疾病監測、篩檢、健康檢查及感染、出血、腎臟與泌尿道疾病、新陳代謝失調（如糖尿病）、肝臟及血液疾病的治療控制等（1）。為了持續改善診斷，自動化尿液分析已經被引入，並成為標準檢查的一部分（2, 3）。比較使用 UF 1000i™（Sysmex，德國 Norderstedt）進行尿流式細胞計數與細菌培養的研究顯示，二者之間有良好的相關性，且部分表現更為優越（4, 5）。然而，目前的客觀性和標準化程度仍無法避免前處理中的潛在錯誤。考慮到泌尿道感染是全球最常見的感染之一，前處理錯誤可能帶來深遠的影響（6）。在美國，每年有超過七百萬例泌尿道感染病例由醫生處理（7）。《歐洲尿液分析指南》將尿液試紙分析和顯微鏡檢視為無併發性膀胱炎的替代診斷工具，並建議根據現有的併發疾病進行抗生素治療（8）。正確的尿液分析結果對於區分生理性與病理性細胞數量尤為重要。進一步的診斷方法以及是否進行治療的臨床決策均基於此分析。因此，尿液分析中的錯誤結果會導致過度或不足治療的高風險。

《歐洲尿液分析指南》首次發表於2000年（8）。由於超過50%的實驗室錯誤來自於前處理階段，因此尿液分析指南針對尿液分析的時間及正確遵循標準化前處理程序提供了明確指導（9）。為確保分析的準確性，2009年發布的最新版本《CLSI指南》提供了關於不同類型尿液樣本的重要信息，詳細描述了晨尿樣本的定義以及男性和女性患者清潔中段尿樣本的收集方法。指南還詳細說明了運輸與儲存對尿液分析前處理的影響。在樣本接受性方面，CLSI指南建議在取樣後兩小時內進行尿液分析。如果無法在此時間內完成，應立即將樣本儲存在4°C下，並在四小時內完成進一步分析（1）。尿液培養在4°C下可分析24小時（10）。一項研究分析了在室溫下存放2小時和4小時且未添加防腐劑的尿液樣本，發現結果之間沒有顯著差異（11）。尿液參數的參考範圍存在問題（12）。文獻中報告的某些臨界值不一致。例如，在1005份樣本的集體研究中，UF-100™（Sysmex，德國 Norderstedt）對白血球（WBC）的臨界值為111 WBC/µL，對細菌的臨界值為3000 細菌/µL。雖然對於白血球，這在製造商推薦的參考範圍內，但製造商對細菌的臨界值實際上是8000 細菌/µL（13）。尿液分析中另一個關鍵因素是樣本收集後的分析時間間隔。在樣本儲存期間，前處理的重點不僅要放在正確儲存上，還要關注樣本的穩定性（14）。

然而，目前尚不清楚這些關於分析時間的建議基於何種數據。關於尿液分析結果在早期分析時間的行為和/或變化的信息有限（11）。由於這可能對患者有直接影響，仍有必要調查是否存在必須進行尿液分析的關鍵時間段。因此，本研究的目的是探討前處理因素「分析時間點」是否顯著影響尿液顆粒分析和尿液試紙分析中尿液樣本的穩定性。

材料與方法

在本研究中，我們分析了321份病理性尿液樣本（自發性尿液、中段尿、清潔中段尿樣本），這些樣本是在兩個月內收集的。樣本收集在10 mL的尿液採集管（Sarstedt，德國Nümbrecht）中，未使用抑制細菌生長的添加劑，並在收集後立即進行分析。

所有樣本均來自德國波恩大學醫院中央實驗室的日常集體檢驗樣本（由波恩大學醫院各病房及門診部收集），作為臨床檢查的一部分。所有樣本在首次測量時需符合以下納入標準之一：紅血球 > 20 / µL、白血球 > 20 / µL、細菌 > 100 / µL，或試紙測試結果為陽性（血液/白血球/亞硝酸鹽）。兒科患者的樣本被排除在外。為確保首次分析在90分鐘內完成，樣本到達時間由病房和門診部的工作人員共同監控。尿液樣本在分析期間以密封容器在室溫下儲存。

尿液試紙測量使用Urisys™ 2400（羅氏診斷公司，德國曼海姆）和Combur10Test™試紙進行。該分析儀使用以下測量方法：反射光度法（波長470 nm、555 nm、620 nm）、折射法（比重）和濁度法（混濁度）。尿液顆粒分析使用UF-1000i™（Sysmex，德國Norderstedt）進行定量和半定量分析。該儀器採用以下測量方法：二極管激光和流體動力聚焦的螢光流式細胞儀及導電法。參考範圍依據各製造商的推薦值。

測量分別在取樣後90分鐘、120分鐘及240分鐘進行。選擇90分鐘作為測量時間點，是因為在我們的日常工作中，這是一個可行的前處理時間段。

在每次測量前，尿液均自動及手動混合。首先，進行尿液試紙分析，測量以下參數：比重、pH值、白血球、紅血球、亞硝酸鹽、蛋白質、葡萄糖、酮體、尿膽原和膽紅素。接著，進行自動化尿液顆粒分析，測量以下參數：導電率、白血球計數（WBC）、紅血球計數（RBC）、上皮細胞（EC）、細菌（bac）及管型。每次測量使用4 mL的尿液樣本。

數據使用IBM SPSS Statistics 20版（IBM公司，美國紐約）進行統計分析。採用了Kolmogorov-Smirnov檢驗、Friedman檢驗以及McNemar檢驗的配對樣本檢定。P < 0.05 被視為具有統計顯著性：尿液顆粒分析的變數以中位數和四分位距（IQR）表示。尿液試紙參數的誤判率也進行了分析。所有變數的分布正態性均通過Kolmogorov-Smirnov檢驗測試。所有參數均呈現非正態分布。連續數據使用非參數重複測量檢驗（Friedman檢驗）進行檢測。類別數據則通過McNemar檢驗的配對樣本檢定進行檢查。當某些類別中的頻率較低（< 5）時，將其合併至頻率至少為十的類別中。

結果

表1展示了所研究的顆粒分析參數。尿液收集後120分鐘和240分鐘的導電率顯著增加（導電率 120 分鐘 vs. 90 分鐘：P < 0.001，240 分鐘 vs. 90 分鐘：P < 0.001）。在白血球、紅血球和管型的細胞數量方面，尿液收集後120分鐘和240分鐘均顯著減少（白血球 120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001；紅血球 120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001；管型 120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）。細菌數量則沒有顯著變化（細菌 120 分鐘 vs. 90 分鐘 P = 0.283，240 分鐘 vs. 90 分鐘 P = 0.194）。

表1 三個不同時間點的尿液顆粒分析參數。

各參數的統計數據顯示於表2。在不同時間間隔（120 分鐘 vs. 90 分鐘，240 分鐘 vs. 90 分鐘）之間的誤判率在以下參數中具有顯著性：pH值（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、白血球（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、亞硝酸鹽（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、蛋白質（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、酮體（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、血液（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）、比重（120 分鐘 vs. 90 分鐘 P < 0.001，240 分鐘 vs. 90 分鐘 P < 0.001）和尿膽原（120 分鐘 vs. 90 分鐘 P = 0.031，240 分鐘 vs. 90 分鐘 P = 0.125）。而在葡萄糖和膽紅素方面，誤判率則無顯著性（葡萄糖 120 分鐘 vs. 90 分鐘 P = 0.250，240 分鐘 vs. 90 分鐘 P = 1.000；膽紅素 120 分鐘 vs. 90 分鐘 P = 1.000，240 分鐘 vs. 90 分鐘 P = 0.125）。

表2 尿液試紙分析的誤判率。

討論

本研究顯示，在自動化尿液顆粒分析中，白血球（WBC）、紅血球（RBC）、管型及導電率等參數隨著不同測量時間點發生顯著變化。在90分鐘與120分鐘之間，RBC、WBC及管型的濃度顯著下降。導電率則隨著時間點的推移顯著增加。在自動化尿液顆粒分析中，細菌數量沒有顯著變化，但在部分患者中，我們觀察到細菌數量的增加，而在其他患者中則發現數量減少。尿液試紙分析中的以下參數在不同時間點出現顯著誤判：比重、pH值、白血球、血液、亞硝酸鹽、酮體、蛋白質及尿膽原（僅在收集後120分鐘）。葡萄糖和膽紅素則無顯著變化。與自動化尿液顆粒分析的結果一致，兩種測量方法都顯示出WBC和RBC的減少；在尿液試紙分析中，血液和白血球也出現了顯著的誤判。臨床評估時需注意，尿液試紙分析中的蛋白質檢測主要測量尿液白蛋白。

CLSI 指南指出，只有在充分收集並正確運送到實驗室的分析材料下，才能進行最佳分析。該指南表示，雖然尿液分析應儘快進行，但在樣本收集後的兩小時內完成分析是可行的，在此期間樣本可儲存在室溫下（1）。然而，我們的結果顯示，尿液收集後不到120分鐘，個別測量結果已顯示出差異。這引發了一個問題：這是否具有臨床相關性。在尿液顆粒計數中，通常結合白血球尿和紅血球尿來確認泌尿道感染的診斷，而在尿液試紙分析中，則通過白血球和血液檢測墊的陽性來確認診斷（15）。與使用UF100™（Sysmex）進行的早期研究相比，本研究顯示RBC在室溫下存放三天後未顯著減少，而本研究顯示該參數隨時間顯著減少（16）。因此，延遲分析可能會導致潛在的假陰性結果。無法準確分類WBC可能會造成臨床解釋上的問題。根據初步診斷，準確分類中性粒細胞（細菌感染）（17）、嗜酸性粒細胞（如急性間質性腎炎）（18）或淋巴細胞（如移植排斥）（19）將更為有利。尿液試紙分析顯示了粒細胞的酯酶活性。對於臨床醫生而言，將對應的檢測墊標記為「白血球」可能具有誤導性，因為它僅指中性粒細胞。在以後的時間點對獲得的檢測結果進行錯誤解釋，不僅可能導致治療不足，還可能因不合理的結果而增加分析成本。在美國，泌尿道感染的抗生素治療年成本估計超過十億美元（20）。基於我們的結果，我們建議根據CLSI指南進行尿液分析時，應儘快進行分析，最好在樣本收集後90分鐘內完成。選擇90分鐘作為時間點，是因為這在我們日常的樣本收集和運送流程中是可行的。在德國波恩大學醫院中央實驗室，我們發現從樣本收集到分析之間的90分鐘時間幾乎是可以實現的。在德國，許多醫院和診所依賴於距離較遠的實驗室服務，因此在樣本收集到分析之間實現90分鐘的時間要求是困難的，甚至是不可行的。

儘管這是個眾所周知的問題，但前處理問題卻很少受到關注。然而，在臨床上出現不合理的結果時，必須考慮到可能的前處理偏差。在泌尿道感染這種常見的疾病模式中，臨床醫生嚴格遵循正確的前處理程序具有挑戰性。此外，目前沒有標準化的參考範圍。不同的臨界值也同時存在。在一項對438個樣本使用UF-100™（Sysmex，德國Norderstedt）分析的研究中，紅血球（RBC）的臨界值為30 RBC / µL，而白血球（WBC）的臨界值為41 WBC / µL（21）。在2010份樣本的集體研究中，評估膿尿的臨界值為25個細胞/mL，評估細菌尿的臨界值為100,000個細菌/mL（22）。在一項比較自動化分析（UF-100™）與尿液顯微鏡檢查的研究中，臨界值分別為26 WBC / µL、26 RBC / µL、1.95 鱗狀上皮細胞 / µL 和 0.39 管型 / µL（23）。這凸顯了尿液分析中的問題以及由於眾多潛在陷阱而可能導致的錯誤或延遲診斷的風險。由於泌尿道感染是最常見的細菌感染之一，許多患者可能由於該疾病的頻率而受到錯誤診斷的影響（24）。尿液試紙分析作為一種簡單的篩查工具，通常僅在出現病理結果時才進行更深入的檢查。我們的研究顯示，樣本收集後的分析時間比以前假設的更為重要。

最近的一項研究調查了是否可以在培養分析之前通過流式細胞儀檢測到泌尿道病原體。該研究的目的是獲得精確、經濟且快速可靠的結果，以確認非常常見的泌尿道感染臨床診斷（25）。該研究的弱點在於分析時間為三小時內。如果採用早期分析時間的研究設計會更具吸引力，因為我們已經顯示出許多參數在尿液收集後的90至120分鐘內發生了顯著變化。一項意大利多中心研究進行了類似的調查。然而，UF-1000i™分析是在收集後四小時內進行的（26）。

儘管在我們的研究時間範圍內，細菌數量沒有顯著變化，但臨床解釋時應考慮病原譜，因為我們在一些樣本中注意到細菌數量的增加，而在其他樣本中則注意到數量的減少。還應研究這些變化是否與相應的病原體相關。女性無併發症泌尿道感染中最常見的病原體包括：大腸桿菌、糞腸球菌、腐生葡萄球菌、克雷伯氏肺炎菌和奇異變形桿菌（27）。未來的微生物學分析應能確定在收集的尿液樣本中實際繁殖的細菌。為包含儘可能多的病理性發現，自動化尿液分析的標準越來越精確，目標是降低錯失診斷的可能性（28）。除了廣泛用於診斷泌尿道感染外，我們還注意到尿液試紙中蛋白質墊在不同分析時間點出現顯著誤判，該墊主要檢測尿液白蛋白。必須討論假陰性蛋白質值對患者可能產生的影響，因為白蛋白尿/蛋白尿可能表明潛在的腎損傷診斷（29）。

臨床常規和實驗室診斷至關重要，當出現不一致時，必須仔細檢查分析方法，並檢視潛在的誤差來源，以避免錯誤的治療。我們使用的分析系統的製造商說明書列出了大量可能干擾結果正確解釋的潛在干擾因素。例如，尿液試紙的紅血球墊結果可能因月經血或劇烈體力活動而出現假陽性。酮體結果可能因發燒或禁食而出現偏差，白血球結果可能因陰道分泌物而受到影響。

與Veljkavic等人相比，我們的研究顯示更早的分析時間點應得到關注，他們同樣強調了尿液分析時間點的關鍵性（11）。

我們研究的一個限制是，我們沒有檢查細菌陽性結果的病原譜，也未研究是否存在特定病原體與細菌數量增加/減少之間的關聯。此外，我們使用了Urisys™ 2400（羅氏診斷公司，德國曼海姆），這是一款較舊的型號，雖然已停止生產，但仍在實驗室中廣泛使用。缺乏通用有效的參考範圍也是另一個問題。因此，實驗室必須建立自己的參考範圍。這更加需要嚴格遵守前處理程序，我們的研究結果也證實了這一點。然而，參考範圍的制定也是有問題的，因為它需要一個健康人的集體，而這在醫院環境中並不容易找到。因此，迫切需要為自動化尿液診斷建立一個大型集體的參考範圍。對於UF-1000i™，目前尚無德國EQA計劃可用。

當考慮到尿液分析在醫療問題中的決定性作用時，正確分析結果的重要性顯而易見。最終，我們的研究顯示，尿液樣本收集與分析之間的時間越長，由於某些參數的不穩定性，誤判的可能性越高。這尤其適用於進一步診斷中決定性的生理和病理細胞計數。本研究強調在尿液分析中遵守早期時間點（收集後90分鐘內）的重要性。

參考文獻

1. Clinical Laboratory Standards Institute (CLSI). Urinalysis; approved guideline -third Edition. CLSI document GP16-A3. Wayne, PA, USA: CLSI, 2009. [Google Scholar]2. Penders J, Fiers T, Delanghe JR. Quantitative evaluation of urinalysis test strips. Clin Chem. 2002;48:2236–41. [PubMed] [Google Scholar]3. Fenili D, Pirovano B. The automation of sediment urinalysis using a new urine flow cytometer (UF-100). Clin Chem Lab Med. 1998;36:909–17. 10.1515/CCLM.1998.158 [PubMed] [CrossRef] [Google Scholar]4. Okada H, Horie S, Inoue J, Kawashima Y. The basic performance of bacteria counting for diagnosis of urinary tract infection using the fully automated urine particle analyzer UF-1000i. Sysmex J Int. 2007;17:95–101. [Google Scholar]5. Manoni F, Fornasiero L, Ercolin M, Tinello A, Ferrian M, Hoffer P, et al. Cutoff values for bacteria and leukocytes for urine flow cytometer Sysmex UF-1000i in urinary tract infections. Diagn Microbiol Infect Dis. 2009;65:103–7. 10.1016/j.diagmicrobio.2009.06.003 [PubMed] [CrossRef] [Google Scholar]6. Roos V, Nielsen EM, Klemm P. Asymptomatic bacteriuria Escherichia coli strains: adhesins, growth and competition. FEMS Microbiol Lett. 2006;262:22–30. 10.1111/j.1574-6968.2006.00355.x [PubMed] [CrossRef] [Google Scholar]7. Foxman B, Brown P. Epidemiology of urinary tract infections: transmission and risk factors, incidence, and costs. Infect Dis Clin North Am. 2003;17:227–41. 10.1016/S0891-5520(03)00005-9 [PubMed] [CrossRef] [Google Scholar]8. European urinalysis guidelines. European confederation of laboratory medicine. Scand J Clin Lab Invest. 2000;231:1–86. [PubMed] [Google Scholar]9. Carraro P, Plebani M. Errors in a stat laboratory: types and frequencies 10 years later. Clin Chem. 2007;53:1338–42. 10.1373/clinchem.2007.088344 [PubMed] [CrossRef] [Google Scholar]10. Koivula T, Grönroos P, Gävert J, Icen A, Irjala K, Penttilä I, et al. Basic urinalysis and urine culture: Finnish recommendations from the working group on clean midstream specimens. Scand J Clin Lab Invest Suppl. 1990;200:26–33. 10.3109/00365519009090552 [PubMed] [CrossRef] [Google Scholar]11. Veljkovic K, Rodríguez-Capote K, Bhayana V, Pickersgill R, Beattie J, Clark L, et al. Assessment of a four hour delay for urine samples stored without preservatives at room temperature for urinalysis. Clin Biochem. 2012;45:856–8. 10.1016/j.clinbiochem.2012.04.010 [PubMed] [CrossRef] [Google Scholar]12. Delanghe JR, Kouri TT, Huber AR, Hannemann-Pohl K, Guder WG, Lun A, et al. The role of automated urine particle flow cytometry in clinical practice. Clin Chim Acta. 2000;301:1–18. 10.1016/S0009-8981(00)00342-9 [PubMed] [CrossRef] [Google Scholar]13. Evans R, Davidson MM, Sim LR, Hay AJ. Testing by Sysmex UF-100 flow cytometer and with bacterial culture in a diagnostic laboratory: a comparison. J Clin Pathol. 2006;59:661–2. 10.1136/jcp.2005.032847 [PMC free article] [PubMed] [CrossRef] [Google Scholar]14. Caleffi A, Manoni F, Alessio MG, Ottomano C, Lippi G. Quality in extra-analytical phases of urinalysis. Biochem Med (Zagreb). 2010;20:179–83. 10.11613/BM.2010.022 [CrossRef] [Google Scholar]15. Little P, Turner S, Rumsby K, Warner G, Moore M, Lowes JA, et al. Developing clinical rules to predict urinary tract infection in primary care settings: sensitivity and specificity of near patient tests (dipsticks) and clinical scores. Br J Gen Pract. 2006;56:606–12. [PMC free article] [PubMed] [Google Scholar]16. Kouri T, Vuotari L, Pohjavaara S, Laippala P. Preservation of urine for flow cytometric and visual microscopic testing. Clin Chem. 2002;48:900–5. [PubMed] [Google Scholar]17. Agace WW, Hedges SR, Ceska M, Svanborg C. Interleukin-8 and the neutrophil response to mucosal gram-negative infection. J Clin Invest. 1993;92:780–5. 10.1172/JCI116650 [PMC free article] [PubMed] [CrossRef] [Google Scholar]18. Muriithi AK, Nasr SH, Leung N. Utility of urine eosinophils in the diagnosis of acute interstitial nephritis. Clin J Am Soc Nephrol. 2013;8:1857–62. 10.2215/CJN.01330213 [PMC free article] [PubMed] [CrossRef] [Google Scholar]19. Mihovilović K, Kardum-Skelin I, Ljubanović D, Sabljar-Matovinović M, Vidas Z, Knotek M. Urine immunocytology as a noninvasive diagnostic tool for acute kidney rejection: a single center experience. Coll Antropol. 2010;34:63–7. [PubMed] [Google Scholar]20. Foxman B. Epidemiology of urinary tract infections: incidence, morbidity, and economic costs. Am J Med. 2002;113:5S–13S. 10.1016/S0002-9343(02)01054-9 [PubMed] [CrossRef] [Google Scholar]21. Hannemann-Pohl K, Kampf SC. Automation of urine sediment examination: a comparison of the Sysmex UF-100 automated flow cytometer with routine manual diagnosis (microscopy, test strips, and bacterial culture). Clin Chem Lab Med. 1999;37:753–64. 10.1515/CCLM.1999.116 [PubMed] [CrossRef] [Google Scholar]22. Manoni F, Valverde S, Antico F, Salvadego MM, Giacomini A, Gessoni G. Field evaluation of a second-generation cytometer UF-100 in diagnosis of acute urinary tract infections in adult patients. Clin Microbiol Infect. 2002;8:662–8. 10.1046/j.1469-0691.2002.00452.x [PubMed] [CrossRef] [Google Scholar]23. Ben-Ezra J, Bork L, McPherson RA. Evaluation of the Sysmex UF-100 automated urinalysis analyzer. Clin Chem. 1998;44:92–5. [PubMed] [Google Scholar]24. Car J. Urinary tract infections in women: diagnosis and management in primary care. BMJ. 2006;332:94–7. 10.1136/bmj.332.7533.94 [PMC free article] [PubMed] [CrossRef] [Google Scholar]25. Monsen T, Rydén P. Flow cytometry analysis using sysmex UF-1000i classifies uropathogens based on bacterial, leukocyte, and erythrocyte counts in urine specimens among patients with urinary tract infections. J Clin Microbiol. 2015;53:539–45. 10.1128/JCM.01974-14 [PMC free article] [PubMed] [CrossRef] [Google Scholar]26. Gessoni G, Saccani G, Valverde S, Manoni F, Caputo M. Does flow cytometry have a role in preliminary differentiation between urinary tract infections sustained by gram positive and gram negative bacteria? An Italian polycentric study. Clin Chim Acta. 2015;440:152–6. 10.1016/j.cca.2014.11.022 [PubMed] [CrossRef] [Google Scholar]27. Naber KG, Schito G, Botto H, Palou J, Mazzei T. Surveillance study in Europe and Brazil on clinical aspects and antimicrobial resistance epidemiology in females with cystitis (ARESC): implications for empiric therapy. Eur Urol. 2008;54:1164–75. 10.1016/j.eururo.2008.05.010 [PubMed] [CrossRef] [Google Scholar]28. Du J, Xu J, Wang F, Guo Y, Zhang F, Wu W, et al. Establishment and development of the personalized criteria for microscopic review following multiple automated routine urinalysis systems. Clin Chim Acta. 2015;444:221–8. 10.1016/j.cca.2015.02.022 [PubMed] [CrossRef] [Google Scholar]29. Lamb EJ, Levey AS, Stevens PE. The Kidney Disease Improving Global Outcomes (KDIGO) guideline update for chronic kidney disease: evolution not revolution. Clin Chem. 2013;59:462–5. 10.1373/clinchem.2012.184259 [PubMed] [CrossRef] [Google Scholar]