S'abonner

Prognostic importance of Kidney, Heart and Interstitial lung diseases (KHI triad) in PH: A machine learning study - 21/10/20

Importance pronostique de l’insuffisance rénale, coronarienne et de l’atteinte interstitielle pulmonaire dans l’hypertension pulmonaire : une étude par machine learning

Doi : 10.1016/j.acvd.2020.05.011 
Charles Fauvel a, , Olivier Raitière a, Nassima Si Belkacem a, Stéphane Dominique b, Elise Artaud-Macari b, Catherine Viacroze b, Dominique Schleifer b, Fabrice Bauer c
a Department of cardiology, CHU de Rouen, FHU REMOD-VHF, 76000 Rouen, France 
b Department of pneumology, CHU de Rouen, 76000 Rouen, France 
c INSERM U1096, Normandie université, UNIROUEN, pulmonary hypertension referral centre 27/76, department of cardiac surgery, CHU de Rouen, FHU REMOD-VHF, 76000 Rouen, France 

Corresponding author at: Cardiology department, Rouen university hospital, 1, rue de Germont, 76000 Rouen, France.Cardiology department, Rouen university hospital1, rue de GermontRouen76000France

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Summary

Background

Pulmonary hypertension (PH) is a heterogeneous, severe and progressive disease with an impact on quality of life and life-expectancy despite specific therapies.

Aims

(i) to compare prognosis significance of each PH subgroup in a cohort from a referral center, (ii) to identify phenotypically distinct high-risk PH patient using machine learning.

Methods

Patients with PH were included from 2002 to 2019 and routinely followed-up. We collected clinical, laboratory, imaging and hemodynamic variables. Four-year survival rate of each subgroups was then compared. Next, phenotypic domains were imputed with 5 eigenvectors for missing values and filtered if the Pearson correlation coefficient was>0.6. Thereafter, agglomerative hierarchical clustering was used for grouping phenotypic variables and patients: a heat map was generated and participants were separated using Penalized Model-Based Clustering. P<0.05 was considered significant.

Results

328 patients were prospectively included (mean age 63±18 yo, 46% male). PH secondary to left heart disease (PH-LHD) and lung disease (PH-LD) had a significantly increased mortality compared to pulmonary arterial hypertension (PAH) patients: HR=2.43, 95%CI=(1.24–4.73) and 2.95, 95%CI=(1.43–6.07) respectively. 25 phenotypic domains were pinpointed and 3 phenogroups identified. Phenogroup 3 had a significantly increased mortality (log-rank P=0.046) compared to the others and was remarkable for predominant pulmonary disease in older male, accumulating cardiovascular risk factors, and simultaneous three major comorbidities: coronary artery disease, chronic kidney disease and interstitial lung disease.

Conclusion

PH-LHD and PH-LD has 2-fold and 3-fold increase in mortality, respectively compared with PAH. PH patients with simultaneous kidney-cardiac-pulmonary comorbidities were identified as having high-risk of mortality. Specific targeted therapy in this phenogroup should be prospectively evaluated.

Le texte complet de cet article est disponible en PDF.

Résumé

Introduction

L’hypertension pulmonaire (HTP) est une pathologie hétérogène, sévère et chronique avec un impact sur la qualité et l’espérance de vie malgré l’arrivée de plusieurs thérapeutiques spécifiques.

Objectifs

Comparer le pronostic des 5 formes d’HTP entre elles à partir d’une cohorte d’un centre de compétence, et identifier, à l’aide du machine learning, un phénotype de patient au pronostic péjoratif.

Méthodes

Les patients porteurs d’une HTP ont été inclus de 2002 à 2019 et régulièrement suivis. Leurs données cliniques, biologiques, d’imagerie et hémodynamiques ont été collectées. La mortalité à 4 ans de chacun des groupes a ensuite été comparée. Les variables phénotypiques avec des données manquantes ont été imputées et filtrées si le coefficient de corrélation de Pearson était>0,6. Par la suite, la fonction « agglomerative hierarchical clustering » a été utilisée pour grouper les variables phénotypiques choisies ainsi que les patients et une heat map a été générée. La cohorte a été ensuite séparée en phénogroupes. Un p<0,05 était considéré comme significatif.

Résultats

Au total, 328 patients ont été prospectivement inclus (âge moyen de 63±18 ans, 46 % d’hommes). L’HTP secondaire aux pathologies cardiaques gauches (groupe 2) et celle secondaire aux pathologies pulmonaires (groupe 3) avaient une surmortalité comparée à celle des patients porteur d’une hypertension artérielle pulmonaire (HTAP) : HR=2,43, IC95 %=(1,24–4,73) et 2,95, IC95 %=(1,43–6,07) respectivement. Vingt-cinq variables phénotypiques ont été choisies et 3 phénogroupes identifiés. Comparé aux 2 autres, le 3e phénogroupe avait une surmortalité (log rank p=0,046) et se différenciait par la prédominance d’hommes âgés, accumulant plusieurs facteurs de risques cardiovasculaires, et simultanément 3 comorbidités : insuffisance rénale chronique, insuffisance coronarienne et pneumopathie interstitielle diffuse.

Conclusion

L’HTP secondaire aux pathologies cardiaques gauches et celle secondaire aux pathologies pulmonaires ont une mortalité respectivement multipliée par 2 et 3 comparé aux patients avec une HTAP. La présence simultanée de comorbidités cardiaque, rénale et pulmonaires est associés à un sur-risque de mortalité chez les patients porteurs d’une HTP.

Le texte complet de cet article est disponible en PDF.

Keywords : Pulmonary hypertension, Prognosis, Machine learning, Comorbidities

Mots clés : Hypertension pulmonaire, Pronostique, Machine learning, Comorbidités

Abbreviations : CAD, CI, CKD, CTEPH, ERS, ESC, HFpEF, HR, ILD, NT-proBNP, NYHA, PAH, PAP, PAWP, PH, PH-LD, PH-LHD, PVR, RHC


Plan


© 2020  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 113 - N° 10

P. 630-641 - octobre 2020 Retour au numéro
Article précédent Article précédent
  • Lipid-lowering treatment and low-density lipoprotein cholesterol target achievement in patients with type 2 diabetes and acute coronary syndrome
  • Jean Ferrières, Dominik Lautsch, Peter Bramlage, Martin Horack, Carl A. Baxter, Baishali Ambegaonkar, Peter P. Toth, Kian-Keong Poh, Gaetano Maria De Ferrari, Anselm K. Gitt
| Article suivant Article suivant
  • Non-vitamin K antagonist oral anticoagulants in patients with atrial fibrillation and atrial thrombosis: An appraisal of current evidence
  • Paolo Calabrò, Felice Gragnano, Arturo Cesaro, Fabio Marsico, Ivana Pariggiano, Giuseppe Patti, Elisabetta Moscarella, Ilaria Cavallari, Celestino Sardu, Vito Maurizio Parato, Giulia Renda, Giampaolo Niccoli, Rossella Marcucci, Raffaele De Caterina, Working Group of Thrombosis and, Working Group of Interventional Cardiology of the Italian Society of Cardiology

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.