Cargando…
Prédiction de la survie à 90 jours des patients atteints de COVID-19 hospitalisés en réanimation : Survival Of Severely Ill COVID (SOSIC) scores
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 mo...
Autores principales: | , , , , , , , |
---|---|
Formato: | Online Artículo Texto |
Lenguaje: | English |
Publicado: |
Published by Elsevier Masson SAS
2022
|
Materias: | |
Acceso en línea: | https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9059248/ http://dx.doi.org/10.1016/j.respe.2022.03.009 |
_version_ | 1784698270687166464 |
---|---|
author | David Hajage, D. Guidet, B. Demoule, A. Ponnaiah, M. Fartoukh, M. Puybasset, L. Combes, A. Schmidt, M. |
author_facet | David Hajage, D. Guidet, B. Demoule, A. Ponnaiah, M. Fartoukh, M. Puybasset, L. Combes, A. Schmidt, M. |
author_sort | David Hajage, D. |
collection | PubMed |
description | 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 |
format | Online Article Text |
id | pubmed-9059248 |
institution | National Center for Biotechnology Information |
language | English |
publishDate | 2022 |
publisher | Published by Elsevier Masson SAS |
record_format | MEDLINE/PubMed |
spelling | pubmed-90592482022-05-02 Prédiction de la survie à 90 jours des patients atteints de COVID-19 hospitalisés en réanimation : Survival Of Severely Ill COVID (SOSIC) scores David Hajage, D. Guidet, B. Demoule, A. Ponnaiah, M. Fartoukh, M. Puybasset, L. Combes, A. Schmidt, M. Rev Epidemiol Sante Publique P7 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 Published by Elsevier Masson SAS 2022-05 2022-05-02 /pmc/articles/PMC9059248/ http://dx.doi.org/10.1016/j.respe.2022.03.009 Text en Copyright © 2022 Published by Elsevier Masson SAS. Since January 2020 Elsevier has created a COVID-19 resource centre with free information in English and Mandarin on the novel coronavirus COVID-19. The COVID-19 resource centre is hosted on Elsevier Connect, the company's public news and information website. Elsevier hereby grants permission to make all its COVID-19-related research that is available on the COVID-19 resource centre - including this research content - immediately available in PubMed Central and other publicly funded repositories, such as the WHO COVID database with rights for unrestricted research re-use and analyses in any form or by any means with acknowledgement of the original source. These permissions are granted for free by Elsevier for as long as the COVID-19 resource centre remains active. |
spellingShingle | P7 David Hajage, D. Guidet, B. Demoule, A. Ponnaiah, M. Fartoukh, M. Puybasset, L. Combes, A. Schmidt, M. Prédiction de la survie à 90 jours des patients atteints de COVID-19 hospitalisés en réanimation : Survival Of Severely Ill COVID (SOSIC) scores |
title | Prédiction de la survie à 90 jours des patients atteints de COVID-19 hospitalisés en réanimation : Survival Of Severely Ill COVID (SOSIC) scores |
title_full | Prédiction de la survie à 90 jours des patients atteints de COVID-19 hospitalisés en réanimation : Survival Of Severely Ill COVID (SOSIC) scores |
title_fullStr | Prédiction de la survie à 90 jours des patients atteints de COVID-19 hospitalisés en réanimation : Survival Of Severely Ill COVID (SOSIC) scores |
title_full_unstemmed | Prédiction de la survie à 90 jours des patients atteints de COVID-19 hospitalisés en réanimation : Survival Of Severely Ill COVID (SOSIC) scores |
title_short | Prédiction de la survie à 90 jours des patients atteints de COVID-19 hospitalisés en réanimation : Survival Of Severely Ill COVID (SOSIC) scores |
title_sort | prédiction de la survie à 90 jours des patients atteints de covid-19 hospitalisés en réanimation : survival of severely ill covid (sosic) scores |
topic | P7 |
url | https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9059248/ http://dx.doi.org/10.1016/j.respe.2022.03.009 |
work_keys_str_mv | AT davidhajaged predictiondelasurviea90joursdespatientsatteintsdecovid19hospitalisesenreanimationsurvivalofseverelyillcovidsosicscores AT guidetb predictiondelasurviea90joursdespatientsatteintsdecovid19hospitalisesenreanimationsurvivalofseverelyillcovidsosicscores AT demoulea predictiondelasurviea90joursdespatientsatteintsdecovid19hospitalisesenreanimationsurvivalofseverelyillcovidsosicscores AT ponnaiahm predictiondelasurviea90joursdespatientsatteintsdecovid19hospitalisesenreanimationsurvivalofseverelyillcovidsosicscores AT fartoukhm predictiondelasurviea90joursdespatientsatteintsdecovid19hospitalisesenreanimationsurvivalofseverelyillcovidsosicscores AT puybassetl predictiondelasurviea90joursdespatientsatteintsdecovid19hospitalisesenreanimationsurvivalofseverelyillcovidsosicscores AT combesa predictiondelasurviea90joursdespatientsatteintsdecovid19hospitalisesenreanimationsurvivalofseverelyillcovidsosicscores AT schmidtm predictiondelasurviea90joursdespatientsatteintsdecovid19hospitalisesenreanimationsurvivalofseverelyillcovidsosicscores |