La TAVR est destinée aux patients présentant des facteurs de risque trop importants pour une SAVR. Cependant, il n’existe pas de modèle prédictif du risque de mortalité liée à la TAVR. Une étude toute récente publiée dans le Journal of the American Medical Association propose un tel modèle basé sur les données de patients ayant subi une intervention de type TAVR aux Etats-Unis (DOI : 10.1001/jamacardio.2015.0326).
Le modèle de la mortalité à l’hôpital après intervention TAVR a été établi par régression logistique en se basant sur les données de 13718 patients non-éligibles pour une intervention SAVR, répartis sur 265 sites médicaux. Une mortalité de 5.3% a été relevée. Les covariables prises en compte pour l’établissement du modèle prédictif sont les suivantes : l’âge, le taux de filtration glomérulaire, l’hémodialyse, l’insuffisance cardiaque de catégorie IV, l’atteinte pulmonaire chronique sévère, le site d’accès non-fémoral et l’urgence de l’intervention. Ensuite, le modèle a été validé en le comparant aux données de 6868 patients similaires, non inclus dans l’établissement du modèle, répartis sur 314 centres médicaux. La comparaison de ces données observées avec les données théoriques issues du modèle préalablement établi ne mets pas en évidence de différence significative (ordonnée à l’origine=-0.18 et pente=0.97), validant ainsi le modèle.
La statistique évaluant la capacité prédictive du modèle est de 0.66, ce qui reflète une discrimination faible (entre 0.5 et 1, la discrimination est acceptable à partir de 0.7). Cependant, la capacité prédictive de ce modèle est meilleure que celles des modèles préalablement utilisés, qui n’étaient pas spécifiquement focalisés sur les cas de TAVR. De même, la qualité de la validation de ce modèle est nettement améliorée. Les auteurs concluent leur étude en pointant les facultés de leur modèle en terme de conseil aux patients, suivi local et amélioration de la qualité des interventions TAVR et la pertinence de la sélection des patients aptes à une TAVR. Si certains facteurs potentiellement influents ne sont pas pris en compte à l’heure actuelle, l’accumulation de données nouvelles permettra une évolution du modèle pour une qualité de soins toujours meilleure.
Texte : jd / esanum
Photo : Liya Graphics / Shutterstock
Découvrez d’autres comptes-rendus d’études ici : COMPTES-RENDUS D’ETUDES