Attention : les modèles de prédiction du COVID-19 sont trop récents pour être fiables


  • Jenny Blair, MD
  • Clinical Essentials
L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte. L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte.

À retenir

  • Les modèles existants de diagnostic et de pronostic de la maladie à coronavirus 2019 (COVID-19) sont soumis à des biais et à des insuffisances dans le rapport des résultats, ne sont pas encore robustes et sont potentiellement peu fiables.
  • Les auteurs affirment que les performances rapportées sont « probablement optimistes » et qu’ils ne sont pas en mesure de recommander l’utilisation d’un modèle spécifique.
  • Il est nécessaire que le partage des données des patients se fasse selon des procédures de rapport des résultats standardisées pour élaborer de meilleurs modèles.

Pourquoi est-ce important ?

  • L’établissement d’un diagnostic précoce et d’un pronostic exact pour les patients atteints du COVID-19 pourrait alléger la pression sur les systèmes de santé mis à rude épreuve en améliorant le triage des patients et l’affectation des ressources.

Principaux résultats

  • Le risque d’hospitalisation de la population générale pour cause de COVID-19 a été prédit par 3 modèles.
    • Statistique C : 0,73, 0,81, 0,81.
  • Le COVID-19 a été détecté par 5 modèles.
    • La statistique C a varié, en partie en fonction de la population (par ex., ceux atteints de COVID-19 suspecté, par rapport aux patients asymptomatiques ; enfants).
  • Des données de tomodensitométrie (TDM) ont été utilisées par 13 modèles pour détecter le COVID-19 chez différents patients.
    • La statistique C a varié de 0,81 à près de 1.
  • 10 modèles pronostiques n’ont pas décrit à quel moment ou chez quels patients ils devaient être utilisés, ni l’horizon temporel des prédictions.

Protocole de l’étude

  • Il s’agit d’une revue systématique et d’une évaluation rapide de modèles de prédiction multivariés, publiés entre le 3 janvier 2020 et le 24 mars 2020, notamment sur des serveurs de prépublication.
  • Critère d’évaluation : la performance du modèle.
  • Financement : Subventions aux auteurs du gouvernement britannique et de gouvernements de pays européens.

Limites

  • Toutes les études avaient un risque de biais élevé impliquant de multiples domaines.
  • Absence de calibrage et de validation externe dans la plupart des cas.
  • Des éléments importants, tels que la description de la population à l’étude, faisaient défaut dans de nombreux modèles.