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

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.