CO9.2 - Développement d'un modèle de prédiction avec données de survie en présence de risques concurrents : exemple de la prédiction du risque d’événement vasculaire chez des patients suspects d'ischémie critique chronique des membres inférieurs

• Published in: Journal of Epidemiology and Population Health Vol. 72; p. 202430
• Main Authors: Asselineau, J., Constans, J., Boulon, C., Lhomme, E.
• Format: Journal Article
• Language: English
• Published: Elsevier Masson SAS 01.05.2024
• Subjects: Discrimination; Données de survie; Prédiction; Risques concurrents; Validation interne; Risques concurrents; Validation interne; Discrimination; Données de survie; Prédiction
• ISSN: 2950-4333
• DOI: 10.1016/j.jeph.2024.202430

L'ischémie critique chronique des membres inférieurs (ICCMI) est généralement causée par une artériopathie oblitérante des membres inférieurs et peut mener à une amputation majeure du membre inférieur ou au décès de cause vasculaire. Prédire le risque de ces événements vasculaires majeurs aurait un grand intérêt pour décider une revascularisation, souvent très délicate. L'objectif de ce travail était de développer un modèle de prédiction de survenue d'un événement vasculaire majeur dans l'année suivant la suspicion d'ICCMI, à partir de deux classifications d'ICCMI, de facteurs cliniques ou hémodynamiques, en tenant compte des défis statistiques liés aux données de survie avec présence de risques concurrents. PREDICCMI (NCT02637492) était une étude observationnelle prospective multicentrique française qui a inclus des patients suspects d'ICCMI en raison de la présence d'une douleur au repos ou d'un ulcère. Le taux d’événements vasculaires à un an a été modélisé par un modèle de Fine & Gray pour tenir compte de la survenue de décès d'autres causes. Les hypothèses de log-linéarité de la forme d'association des facteurs quantitatifs et de proportionnalité des risques dans le temps ont été explorées par l'analyse de la somme cumulée des résidus du modèle (Kvalov, 2004 ; Li, 2015) sur la base de données observées en supposant une indépendance entre ces hypothèses et le processus de survenue des données manquantes. Ces dernières ont été gérées par la méthode d'imputation multiple « Substantive Model Compatible Fully Conditionnal Specification » (Bartlett, 2015). L'adéquation des modèles a été étudiée par des graphes de calibration à partir des prédictions individuelles d’événements vasculaires à un an. La capacité de discrimination pour prédire la survenue des événements a été évaluée par l'aire sous la courbe ROC (AUC) par la méthode de pondération par la probabilité inverse de censure (Blanche, 2013). La validation interne des modèles a utilisé la correction 0,632 en combinant le rééchantillonnage (n=1000) et la méthode d'imputation multiple (m=1) par la stratégie « VAL-MI ». Les intervalles de confiance ont été calculés avec une approche dérivée de Jiang et al. (Wahl, 2016). Les packages R cmprsk, goftte, smcfcs et riskRegression ont été utilisés. Le développement des modèles a porté sur 574 patients avec un suivi médian de 22,3 mois pendant lequel 114 (19,9 %) événements vasculaires et 185 (32,2 %) décès d'autre cause ont été observés. Le pourcentage de patients avec au moins une donnée manquante variait entre 0,5 % et 42,0 % selon le modèle. Les quatre modèles de prédiction développés (1 par classification d'ICCMI, 1 avec facteurs cliniques et 1 avec facteurs hémodynamiques) ont montré de faibles capacités de discrimination variant entre 0,60 et 0,62. En combinant deux facteurs cliniques et un facteur hémodynamique, l'AUC était augmentée à 0,69 [0,62-0,72]. Ce dernier modèle permettait de classer à bas (haut) risque d’événements vasculaires à un an 29,4 % (11,8 %) des patients avec une sensibilité (spécificité) de 90 %. La particularité des données de survie en présence de risques concurrents a été prise en compte dans le processus de développement des modèles de prédiction. Le modèle combinant des facteurs cliniques et hémodynamiques semble utile pour écarter ou confirmer le risque d’événements vasculaires à un an et poursuivre les investigations pour les patients dans la « zone grise ». Ces résultats doivent être confirmés par une étude de validation externe.