Attention : les modèles de prédiction du COVID-19 sont trop récents pour être fiables
- Univadis
- Clinical Summary
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.
Malheureusement, l’accès à l’intégralité de cet article est reservé uniquement aux professionnels de santé disposant d’un compte.
Vous avez atteint la limite d'articles par visiteur
Inscription gratuite Disponible uniquement pour les professionnels de santé