L’anticorps anti-peptides cycliques citrullinés prédit le développement de la polyarthrite rhumatoïde chez les patients atteints d’arthrite indifférenciée
L’arthrite indifférenciée (AI) est une forme courante d’arthrite inflammatoire ne pouvant être classée dans une maladie rhumatismale spécifique au moment du diagnostic. Les évolutions cliniques de l’AI sont variées : près de la moitié des patients connaissent une rémission spontanée sans traitement, tandis qu’une proportion moindre développe une polyarthrite rhumatoïde (PR). L’identification de marqueurs prédictifs précoces est essentielle pour distinguer les patients à haut risque de progression vers la PR, justifiant une intervention précoce, et ceux à faible risque, évitant des traitements inutiles. Cette étude visait à analyser l’évolution de l’AI et à identifier les facteurs prédictifs de développement de la PR.
Méthodes
Cette étude prospective multicentrique a inclus des patients chinois atteints d’AI, recrutés dans 22 hôpitaux de soins tertiaires entre janvier 2013 et octobre 2016. Les critères d’inclusion étaient un âge supérieur à 18 ans et une arthrite persistante (6 à 24 semaines). Les critères d’exclusion comprenaient la grossesse, l’hypertension non contrôlée, des anomalies cardiaques, hépatiques ou rénales, et une addiction à l’alcool. Aucun patient n’avait reçu de glucocorticoïdes, de traitements de fond anti-rhumatismaux (DMARD) ou de biothérapies avant l’inclusion.
Résultats
Sur 234 patients recrutés, 17 (7,3 %) ont été perdus de vue. Parmi les 217 patients suivis, 83 (38,2 %) ont obtenu une rémission après deux ans : 50 (60,2 %) sous glucosides de pæonia, 30 (36,1 %) sous traitement symptomatique, et 2 (2,4 %) sans traitement. Parmi les autres, 20 (9,2 %) ont développé une PR, 10 (4,6 %) une arthrose, et 2 (0,9 %) une arthrite psoriasique. Des cas isolés de lupus érythémateux systémique, dermatomyosite, syndrome de Rhupus et arthrite réactionnelle ont été observés (0,5 % chacun).
Les caractéristiques initiales des patients étaient : âge moyen de 44,2 ans, 74,7 % de femmes, raideur matinale chez 59,4 %, avec une médiane d’articulations douloureuses et gonflées de 2 et 1 respectivement. Les articulations les plus touchées étaient les interphalangiennes proximales et les poignets. Les taux de positivité pour l’anticorps anti-CCP et le facteur rhumatoïde (FR) étaient de 16,1 % et 19,4 %, respectivement. L’hypertension était la comorbidité principale (6,9 %), et 6,9 % avaient des antécédents familiaux de PR. Tabagisme et parodontite concernaient 6,9 % et 5,1 % des patients, et 8,8 % avaient des antécédents infectieux.
Les patients ayant développé une PR présentaient des taux significativement plus élevés de FR (42,9 % vs 16,8 %), d’anti-CCP (66,7 % vs 10,7 %) et de double positivité FR/anti-CCP (38,1 % vs 4,1 %). En analyse multivariée, l’anti-CCP (mais pas le FR) était un prédicteur indépendant de PR, avec un rapport de risque de 18,017 (IC 95 % : 5,803–55,938).
Discussion
L’anti-CCP, marqueur clé de la PR, confirme son utilité prédictive dans l’AI, contrairement au FR. Bien que la double positivité FR/anti-CCP soit plus fréquente chez les progresseurs, elle n’était pas un facteur indépendant. Le tabagisme et la parodontite, bien que liés à la PR dans la littérature, n’ont pas montré d’association significative ici, probablement en raison de leur faible prévalence dans la cohorte.
Limites
L’étude présente deux limites majeures : un effectif réduit et l’absence d’évaluation des DMARD en prévention précoce. Des travaux antérieurs suggèrent que le méthotrexate ou les biothérapies pourraient retarder ou prévenir la PR dans l’AI.
Conclusion
Seule une minorité de patients atteints d’AI évolue vers la PR. L’anti-CCP est un prédicteur indépendant fort, justifiant son dosage précoce pour identifier les patients à haut risque. Une intervention thérapeutique ciblée pourrait ainsi prévenir la progression, tout en évitant des traitements inutiles chez les patients à faible risque. Ces résultats soulignent l’importance de paramètres simples et cliniquement pertinents pour optimiser la prise en charge de l’AI.
doi.org/10.1097/CM9.0000000000000570