Cargando…

Développement et validation externe d’un modèle de prédiction du passage d’une forme légère à modérée ou sévère de COVID-19, à l’aide du scanner thoracique

INTRODUCTION: La plupart des patients atteints d’une forme légère de COVID-19 évoluent favorablement de façon spontanée mais 5 à 10 % développent une forme modérée à sévère avec une issue potentiellement fatale. Ainsi, identifier les patients à risque d’évolution défavorable représente un défi impor...

Descripción completa

Detalles Bibliográficos
Autores principales: Zysman, M., Asselineau, J., Saut, O., Frison, E., Oranger, M., Maurac, A., Charriot, J., Klein, E., Bommart, S., Bourdin, A., Dournes, G., Casteigt, J., Blum, A., Ferretti, G., Degano, B., Thiébaut, R., Chabot, F., Berger, P., Laurent, F., Benlala, I.
Formato: Online Artículo Texto
Lenguaje:English
Publicado: Published by Elsevier Masson SAS 2023
Materias:
8
Acceso en línea:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9836887/
http://dx.doi.org/10.1016/j.rmra.2022.11.010
_version_ 1784868957025468416
author Zysman, M.
Asselineau, J.
Saut, O.
Frison, E.
Oranger, M.
Maurac, A.
Charriot, J.
Klein, E.
Bommart, S.
Bourdin, A.
Dournes, G.
Casteigt, J.
Blum, A.
Ferretti, G.
Degano, B.
Thiébaut, R.
Chabot, F.
Berger, P.
Laurent, F.
Benlala, I.
author_facet Zysman, M.
Asselineau, J.
Saut, O.
Frison, E.
Oranger, M.
Maurac, A.
Charriot, J.
Klein, E.
Bommart, S.
Bourdin, A.
Dournes, G.
Casteigt, J.
Blum, A.
Ferretti, G.
Degano, B.
Thiébaut, R.
Chabot, F.
Berger, P.
Laurent, F.
Benlala, I.
author_sort Zysman, M.
collection PubMed
description INTRODUCTION: La plupart des patients atteints d’une forme légère de COVID-19 évoluent favorablement de façon spontanée mais 5 à 10 % développent une forme modérée à sévère avec une issue potentiellement fatale. Ainsi, identifier les patients à risque d’évolution défavorable représente un défi important. Par conséquent, la création d’un modèle de prédiction du risque de progression d’une forme initiale légère vers une forme modérée, sévère ou critique de COVID-19, en combinant des paramètres cliniques et biologiques simples avec des données qualitatives ou quantitatives (incluant l’intelligence artificielle) du scanner thoracique initial, semble pertinent pour une prise en charge optimale des patients. MÉTHODES: Quatre hôpitaux français (CHU Bordeaux, Grenoble, Montpellier et clinique Bordeaux Nord) ont participé à l’élaboration du modèle ainsi qu’à sa validation interne de manière rétrospective. La validation externe a été effectuée sur des patients admis dans des hôpitaux français indépendants. Le risque de progression vers une forme modérée à sévère a été déterminé à partir des paramètres cliniques (âge, sexe, tabagisme, apparition des symptômes, comorbidités cardiovasculaires, diabète, maladies respiratoires chroniques, immunodépression), biologiques (lymphocytes, CRP), données qualitatives ou quantitatives (dont les données d’intelligence artificielle) issues du scanner thoracique initial chez les patients atteints d’une forme légère initiale du COVID-19. RÉSULTATS: Les analyses qualitatives tomodensitométriques associées aux paramètres cliniques et biologiques prédisent l’aggravation vers une forme modérée à sévère avec une performance de 0,70 (IC95 % : 0,63 à 0,77). L’utilisation de l’analyse quantitative tomodensitométrique et de l’intelligence artificielle permettent d’améliorer la performance du modèle de prédiction respectueusement à 0,73 (IC95 % : 0,67 à 0,79) et 0,77 (IC95 % : 0,71 à 0,83). Les résultats étaient similaires dans les deux cohortes de validation, en considérant les scanners thoraciques avec ou sans injection. CONCLUSION: Les analyses qualitatives tomodensitométriques combinées à des paramètres cliniques et biologiques simples semblent déterminer le risque de progression d’une forme initialement légère de COVID-19 vers une forme modérée à sévère. L’ajout d’une analyse quantitative tomodensitométrique améliore le modèle de prédiction tout comme l’utilisation de l’intelligence artificielle.
format Online
Article
Text
id pubmed-9836887
institution National Center for Biotechnology Information
language English
publishDate 2023
publisher Published by Elsevier Masson SAS
record_format MEDLINE/PubMed
spelling pubmed-98368872023-01-17 Développement et validation externe d’un modèle de prédiction du passage d’une forme légère à modérée ou sévère de COVID-19, à l’aide du scanner thoracique Zysman, M. Asselineau, J. Saut, O. Frison, E. Oranger, M. Maurac, A. Charriot, J. Klein, E. Bommart, S. Bourdin, A. Dournes, G. Casteigt, J. Blum, A. Ferretti, G. Degano, B. Thiébaut, R. Chabot, F. Berger, P. Laurent, F. Benlala, I. Rev Malad Respir Actual 8 INTRODUCTION: La plupart des patients atteints d’une forme légère de COVID-19 évoluent favorablement de façon spontanée mais 5 à 10 % développent une forme modérée à sévère avec une issue potentiellement fatale. Ainsi, identifier les patients à risque d’évolution défavorable représente un défi important. Par conséquent, la création d’un modèle de prédiction du risque de progression d’une forme initiale légère vers une forme modérée, sévère ou critique de COVID-19, en combinant des paramètres cliniques et biologiques simples avec des données qualitatives ou quantitatives (incluant l’intelligence artificielle) du scanner thoracique initial, semble pertinent pour une prise en charge optimale des patients. MÉTHODES: Quatre hôpitaux français (CHU Bordeaux, Grenoble, Montpellier et clinique Bordeaux Nord) ont participé à l’élaboration du modèle ainsi qu’à sa validation interne de manière rétrospective. La validation externe a été effectuée sur des patients admis dans des hôpitaux français indépendants. Le risque de progression vers une forme modérée à sévère a été déterminé à partir des paramètres cliniques (âge, sexe, tabagisme, apparition des symptômes, comorbidités cardiovasculaires, diabète, maladies respiratoires chroniques, immunodépression), biologiques (lymphocytes, CRP), données qualitatives ou quantitatives (dont les données d’intelligence artificielle) issues du scanner thoracique initial chez les patients atteints d’une forme légère initiale du COVID-19. RÉSULTATS: Les analyses qualitatives tomodensitométriques associées aux paramètres cliniques et biologiques prédisent l’aggravation vers une forme modérée à sévère avec une performance de 0,70 (IC95 % : 0,63 à 0,77). L’utilisation de l’analyse quantitative tomodensitométrique et de l’intelligence artificielle permettent d’améliorer la performance du modèle de prédiction respectueusement à 0,73 (IC95 % : 0,67 à 0,79) et 0,77 (IC95 % : 0,71 à 0,83). Les résultats étaient similaires dans les deux cohortes de validation, en considérant les scanners thoraciques avec ou sans injection. CONCLUSION: Les analyses qualitatives tomodensitométriques combinées à des paramètres cliniques et biologiques simples semblent déterminer le risque de progression d’une forme initialement légère de COVID-19 vers une forme modérée à sévère. L’ajout d’une analyse quantitative tomodensitométrique améliore le modèle de prédiction tout comme l’utilisation de l’intelligence artificielle. Published by Elsevier Masson SAS 2023-01 2023-01-13 /pmc/articles/PMC9836887/ http://dx.doi.org/10.1016/j.rmra.2022.11.010 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 8
Zysman, M.
Asselineau, J.
Saut, O.
Frison, E.
Oranger, M.
Maurac, A.
Charriot, J.
Klein, E.
Bommart, S.
Bourdin, A.
Dournes, G.
Casteigt, J.
Blum, A.
Ferretti, G.
Degano, B.
Thiébaut, R.
Chabot, F.
Berger, P.
Laurent, F.
Benlala, I.
Développement et validation externe d’un modèle de prédiction du passage d’une forme légère à modérée ou sévère de COVID-19, à l’aide du scanner thoracique
title Développement et validation externe d’un modèle de prédiction du passage d’une forme légère à modérée ou sévère de COVID-19, à l’aide du scanner thoracique
title_full Développement et validation externe d’un modèle de prédiction du passage d’une forme légère à modérée ou sévère de COVID-19, à l’aide du scanner thoracique
title_fullStr Développement et validation externe d’un modèle de prédiction du passage d’une forme légère à modérée ou sévère de COVID-19, à l’aide du scanner thoracique
title_full_unstemmed Développement et validation externe d’un modèle de prédiction du passage d’une forme légère à modérée ou sévère de COVID-19, à l’aide du scanner thoracique
title_short Développement et validation externe d’un modèle de prédiction du passage d’une forme légère à modérée ou sévère de COVID-19, à l’aide du scanner thoracique
title_sort développement et validation externe d’un modèle de prédiction du passage d’une forme légère à modérée ou sévère de covid-19, à l’aide du scanner thoracique
topic 8
url https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9836887/
http://dx.doi.org/10.1016/j.rmra.2022.11.010
work_keys_str_mv AT zysmanm developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT asselineauj developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT sauto developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT frisone developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT orangerm developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT mauraca developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT charriotj developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT kleine developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT bommarts developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT bourdina developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT dournesg developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT casteigtj developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT bluma developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT ferrettig developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT deganob developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT thiebautr developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT chabotf developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT bergerp developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT laurentf developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique
AT benlalai developpementetvalidationexternedunmodeledepredictiondupassageduneformelegereamodereeouseveredecovid19alaideduscannerthoracique