S'abonner

Prédiction de la survie à 90 jours des patients atteints de COVID-19 hospitalisés en réanimation : Survival Of Severely Ill COVID (SOSIC) scores - 03/05/22

Doi : 10.1016/j.respe.2022.03.009 
D. David Hajage 1, , B. Guidet 3, A. Demoule 4, M. Ponnaiah 5, M. Fartoukh 6, L. Puybasset 7, A. Combes 2, M. Schmidt 2
1 Sorbonne Université, INSERM, Institut Pierre Louis d'Epidémiologie et de Santé Publique, AP-HP.Sorbonne Université, Département de Santé Publique, Paris, France 
2 Sorbonne Université, INSERM UMRS 1166, Institute of Cardiometabolism and Nutrition, GRC 30 RESPIRE, APHP, Service de Médecine Intensive–Réanimation, Institut de Cardiologie, Paris, France 
3 Sorbonne Université, INSERM, Institut Pierre Louis d'Epidémiologie et de Santé Publique, GRC 30 RESPIRE, APHP, Service de Réanimation, Paris, France 
4 Sorbonne Université, INSERM UMRS_1158, Neurophysiologie Respiratoire Expérimentale et Clinique, GRC 30 RESPIRE, APHP, Service de Pneumologie, Médecine Intensive–Réanimation (Département R3S), Paris, France 
5 Sorbonne Université, INSERM UMRS 1166, Institute of Cardiometabolism and Nutrition, Institute of Cardiometabolism and Nutrition, Paris, France 
6 Sorbonne Université, GRC 30 RESPIRE, GRC CARMAS, Université Paris-Est Créteil, APHP, Service de Médecine Intensive–Réanimation, Paris, France 
7 Sorbonne Université, CNRS, INSERM, Laboratoire d'Imagerie Biomédicale, APHP, Department of Anesthesiology & Critical Care, Paris, France 

Auteur correspondant

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

Connectez-vous pour en bénéficier!

Résumé

Introduction

Prédire le devenir des patients gravement malades hospitalisés en unité de soins intensifs (USI)  et atteints de la maladie du coronavirus 19 (COVID-19) est un défi majeur pour éviter les séjours futiles et prolongés en USI. L'objectif de cette recherche était de développer des modèles de prédictifs de la survie à 90 jours applicable à ce type de patients à différents moments de leur séjour en USI.

Methodes

Sur la base de la cohorte nationale multicentrique COVID-ICU, qui a recueilli de manière prospective les caractéristiques, la prise en charge et le devenir des patients atteints de COVID-19 et hospitalisés en USI pendant la première vague de la pandémie, nous avons utilisé un algorithme d'apprentissage automatique (eXtreme Gradient Boosting) pour développer des modèles destinés à prédire la mortalité à 90 jours à l'aide d'informations recueillies à J1, J7 ou J14 du séjour du patient, en tenant compte des données manquantes (que ce soit pendant l'estimation, ou lors de l'utilisation de ces modèles sur de nouveaux individus). Ces modèles ont été évalués par une double validation interne (bootstrap et échantillon de validation) et l'estimation de l'aire sous la courbe ROC, la courbe de calibration, et le score de Brier.

Resultats

Les scores Survival Of Severely Ill COVID (SOSIC)-1, SOSIC-7 et SOSIC-14 ont été construits et validés avec 4244, 2877 et 1349 patients respectivement. Dans l’échantillon de validation, l'aire sous la courbe ROC de SOSIC-7 était légèrement supérieure (0,80 [0,74-0,86]) à celles de SOSIC-1 (0,76 [0,71-0,81]) et de SOSIC-14 (0,76 [0,68-0,83]). SOSIC-1 et SOSIC-7 présentaient d'excellentes courbes de calibration, avec des scores de Brier similaires pour les trois modèles.

Conclusion

Les scores SOSIC-1, -7 et -14 ont globalement montré une bonne capacité discriminante et une bonne calibration. D'autres études sont maintenant nécessaires pour évaluer la validité externe de ces scores dans des cohortes plus récentes de patients hospitalisés en USI. L'application web disponible publiquement (sosic.shinyapps.io/shiny) devrait faciliter cet objectif. Légende de la figure : Calibration et discrimination des scores SOSIC-1, SOSIC-7, and SOSIC-14 dans l’échantillon de validation

Mots clés  Syndrome de détresse respiratoire aiguë ; COVID-19 ; Score prédictif

Déclaration de liens d'intérêts  Les auteurs n'ont pas précisé leurs éventuels liens d'intérêts

Le texte complet de cet article est disponible en PDF.

© 2022  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 70 - N° S2

P. S89-S90 - mai 2022 Retour au numéro
Article précédent Article précédent
  • Modélisation flexible de la trajectoire du score de qualité de vie dans différentes dimensions avec prise en compte des sorties d’études informatives dans un essai clinique en oncologie
  • A. Winter, B. Cuer, T. Conroy, B. Juzyna, S. Gourgou, C. Mollevi, C. Touraine
| Article suivant Article suivant
  • Facteurs pronostiques histologiques et biologiques de récidive et de progression des tumeurs de vessie non infiltrant le muscle vésical.
  • I. Ziani, A. Ibrahimi, H. Elsayegh, R. Abouqal, Y. Nouini, A. Bouziane

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.