Evolution du profil des patients hospitalisés au cours des trois premières vagues de COVID-19 par des techniques d'apprentissage automatique

INTRODUCTION: La COVID-19 a rapidement évolué d'une épidémie locale à une pandémie mondiale, obligeant la plupart des pays à prendre de fortes mesures pour contenir la propagation au cours des différentes vagues et soulager la pression sur les centres hospitaliers, en particulier sur les unités de soins intensifs. Une abondante littérature a détaillé les caractéristiques des patients et les facteurs de protection et de risque lors du l'éclatement de la pandémie [1]. Malheureusement, très peu d'études ont ensuite été menées pour décrire l'évolution de ces caractéristiques au cours des vagues ultérieures [2,3]. De plus, comme les premiers facteurs de risque identifiés étaient pluriels (de l'âge aux comorbidités, multiples interactions) les méthodes classiques d'analyse ne suffisent pas à obtenir une compréhension précise de la population à risque de développer des formes sévères de COVID-19. MÉTHODES: Les données ont été recueillies prospectivement au Centre hospitalier intercommunal de Créteil sur plus d'un an, correspondant aux trois premières vagues de COVID-19 en France. Les caractéristiques disponibles étaient l'âge, le sexe et de nombreuses comorbidités. La variable cible indiquant si le patient avait développé une forme sévère (ventilation mécanique, réanimation, décès) de COVID-19 pendant son l'hospitalisation. L'évolution des caractéristiques entre les cas non sévères et sévères au fil des vagues a été analysée en couplant un modèle d'apprentissage automatique [4] à une méthode d'explicabilité produisant des influences locales [5]. Ainsi, chaque patient se voit associé un niveau de risque (une probabilité d'être un cas sévère) et un score de contribution de chacune de ses variables explicatives, permettant de repérer les facteurs de protection et de risque. RÉSULTATS: Il y avait 1076 patients sur les trois vagues: 429 pour la première vague, 214 pour la deuxième et 433 pour la troisième. Les formes sévères concernaient respectivement 29 %, 31 % et 18 % de chaque vague. Les facteurs de risque de la première vague comprenaient l'âge avancé (≥70 ans), être un homme et des comorbidités telles que le diabète et l'obésité, tandis que les problèmes cardiovasculaires apparaissaient comme un léger facteur de protection. Il y avait de plus des effets d'interaction entre l'âge et les autres variables importantes. La deuxième vague présentait moins de facteurs de risque, puisque seuls l'âge avancé (≥70 ans) et le fait d'être un homme étaient des informations importantes. Lors de la troisième vague, l'âge avancé (≥70 ans) a également été identifié comme un facteur de risque mais de manière plus hétérogène que pour les vagues précédentes. Être un homme et les comorbidités telles que l'obésité, la grossesse ainsi que les problèmes cardiovasculaires et pulmonaires sont également apparus comme des facteurs de risque mais il n'y avait pas d'interaction avec l'âge. DISCUSSION: La typologie des patients hospitalisés atteints de formes sévères de COVID-19 a rapidement évolué au fil des vagues. L'analyse a notamment mis en évidence que les facteurs de risque étaient beaucoup plus hétérogènes pour la troisième vague. Cette évolution peut être due aux changements des pratiques hospitalières à mesure que la maladie était mieux comprise ainsi qu'à la campagne de vaccination [6] ciblant en premier lieu les personnes comme à haut risque telles les personnes âgées ou présentant des comorbidités. MOTS CLÉS: COVID; 19; Intelligence artificielle; Explicabilité DÉCLARATION DE LIENS D'INTÉRÊTS: Les auteurs n'ont pas précisé leurs éventuels liens d'intérêts.