Performance et comparaison des modèles d’évaluation pour prédire la mortalité à 30 jours chez les patients atteints de pneumonie nosocomiale
La pneumonie nosocomiale (PN), incluant la pneumonie associée à la ventilation mécanique (PAVM), constitue l’infection nosocomiale la plus fréquente en Chine et est associée à une morbidité et une mortalité significatives. Malgré les progrès des thérapies antimicrobiennes, les taux de mortalité restent élevés, nécessitant une stratification précise des risques pour guider les décisions cliniques. Les recommandations actuelles prônent des régimes antibiotiques basés sur le risque mais manquent d’outils précis pour prédire la mortalité chez les patients atteints de PN. Cette étude a évalué cinq systèmes de score établis—l’indice de gravité de la pneumonie (PSI), CURB-65 (état de conscience, urée, fréquence respiratoire, pression artérielle, âge ≥65 ans), l’Acute Physiology and Chronic Health Evaluation II (APACHE II), le Sequential Organ Failure Assessment (SOFA) et le Quick SOFA (qSOFA)—pour déterminer leur utilité dans la prédiction de la mortalité à 30 jours chez les patients non chirurgicaux atteints de PN.
Contexte et justification
La PN survient ≥48 heures après l’hospitalisation et est diagnostiquée par des infiltrats radiographiques associés à des caractéristiques cliniques (fièvre, leucocytose/leucopénie, sécrétions purulentes). En Chine, la mortalité liée à la PN reste élevée, avec un taux de mortalité à 30 jours de 22,3 % selon les études épidémiologiques. Les recommandations actuelles insistent sur la stratification des risques pour le choix des antibiotiques mais s’appuient sur des critères larges (ventilation mécanique, choc septique), qui ne reflètent pas la gravité précoce ou les présentations atypiques. Les lignes directrices de la Société Chinoise de Pneumologie (2018) ont souligné le besoin d’outils validés adaptés aux patients atteints de PN, particulièrement en dehors des unités de soins intensifs (USI).
Cette étude visait à combler cette lacune en évaluant des systèmes de score initialement conçus pour le sepsis, les patients de réanimation ou les pneumonies communautaires (PC). Par exemple, le PSI et CURB-65 sont spécifiques aux PC, tandis que l’APACHE II et le SOFA évaluent le dysfonctionnement multiviscéral chez les patients critiques. Le qSOFA, outil simplifié de dépistage du sepsis, a été inclus pour sa facilité d’utilisation au lit du patient.
Méthodologie
Conception de l’étude et population
Cette étude rétrospective monocentrique a inclus 223 patients atteints de PN dans des services non chirurgicaux de l’hôpital universitaire de Pékin entre 2012 et 2017. Les critères d’exclusion comprenaient l’âge <18 ans, un état périnatal, des infections extrapulmonaires concomitantes et des données incomplètes. Le diagnostic de PN exigeait des infiltrats radiographiques et ≥2 critères cliniques. Les patients ont été stratifiés en survivants et non-survivants selon le statut à 30 jours.
Collecte des données et systèmes de score
Les données démographiques, les comorbidités et les paramètres biologiques dans les 24 heures suivant le diagnostic ont été recueillis. Les scores ont été calculés en utilisant les valeurs les plus défavorables :
- PSI : Intègre données démographiques, comorbidités, signes physiques et biologiques.
- CURB-65 : Évalue l’état de conscience, urée >7 mmol/L, fréquence respiratoire ≥30/min, pression artérielle systolique <90 mmHg ou diastolique ≤60 mmHg, et âge ≥65 ans.
- APACHE II : Combine 12 variables de physiologie aiguë, âge et état de santé chronique.
- SOFA : Score respiratoire, cardiovasculaire, hépatique, de coagulation, rénal et neurologique.
- qSOFA : Altération de la conscience, pression artérielle systolique ≤100 mmHg, fréquence respiratoire ≥22/min.
Analyse statistique
Des tests non paramétriques ont comparé survivants et non-survivants. Les courbes ROC (Receiver Operating Characteristic) ont déterminé le pouvoir discriminatif via l’aire sous la courbe (AUC). Le test de DeLong a comparé les AUC. Les seuils optimaux ont été déterminés par l’indice de Youden. Sensibilité, spécificité, valeur prédictive positive (VPP) et négative (VPN) ont été rapportées.
Résultats clés
Caractéristiques des patients
La cohorte avait un âge médian de 75 ans (IQR : 63–84), avec 70 % d’hommes. Les non-survivants (18,4 %, 41/223) étaient plus âgés (79 vs 73,5 ans, P=0,036) et présentaient des taux plus élevés de cancers (39 % vs 17 %, P=0,002), de pathologies cardiovasculaires (56,1 % vs 21,4 %, P<0,001) et rénales (39 % vs 20,9 %, P=0,014).
Performance des scores
Tous les scores étaient significativement plus élevés chez les non-survivants (P<0,001) :
- PSI : 141 (non-survivants) vs 99.
- CURB-65 : 3 vs 2.
- SOFA : 6 vs 2.
- APACHE II : 21 vs 11.
- qSOFA : 1 vs 0.
Stratification de la mortalité
La mortalité augmentait avec les strates de risque pour tous les scores (P<0,001) :
- PSI : 5,7 % (faible), 9,2 % (intermédiaire), 50,9 % (élevé).
- CURB-65 : 6,6 %, 14,9 %, 38,5 %.
- APACHE II : 1,2 %, 17,9 %, 65,6 %.
- SOFA : 1,3 % (faible) vs 27,6 %.
- qSOFA : 13,5 % vs 48,4 %.
Pouvoir discriminatif
Les AUC étaient les suivantes :
- APACHE II : 0,863 (IC 95 % : 0,806–0,920).
- SOFA : 0,856 (0,796–0,915).
- PSI : 0,808 (0,728–0,889).
- qSOFA : 0,767 (0,686–0,848).
- CURB-65 : 0,744 (0,660–0,827).
L’APACHE II et le SOFA surpassaient le CURB-65 et le qSOFA :
- APACHE II vs CURB-65 : Z=3,055, P=0,002.
- APACHE II vs qSOFA : Z=3,017, P=0,003.
- SOFA vs CURB-65 : Z=2,589, P=0,010.
- SOFA vs qSOFA : Z=2,170, P=0,030.
Seuils optimaux
Les nouveaux seuils maximisant l’indice de Youden :
- SOFA ≥4 : Sensibilité 75,6 %, spécificité 78,0 %, VPP 42,9 %, VPN 92,8 %.
- APACHE II ≥14 : Sensibilité 85,4 %, spécificité 70,3 %, VPP 39,3 %, VPN 95,5 %.
- qSOFA ≥1 : Sensibilité 85,4 %, spécificité 58,8 %, VPP 31,8 %, VPN 94,7 %.
Implications cliniques et discussion
Supériorité de l’APACHE II et du SOFA
L’APACHE II et le SOFA ont démontré la plus grande puissance discriminative, probablement grâce à leur évaluation globale du dysfonctionnement d’organes, critère clé de la mortalité dans la PN. Le SOFA, axé sur l’échec multiviscéral, reflète la physiopathologie du sepsis, tandis que l’APACHE II intègre les comorbidités, fréquentes chez ces patients. Ces outils sont précieux en milieu non chirurgical, où les antécédents médicaux complexes sont courants.
Rôle du qSOFA
Bien que moins spécifique, la simplicité du qSOFA le rend utile pour le triage rapide hors USI. Un score ≥1 identifie 85,4 % des non-survivants, permettant une escalade précoce des soins. Cependant, sa faible VPP (31,8 %) risque de surestimer la gravité, nécessitant des examens complémentaires.
Limites du PSI et du CURB-65
Conçus pour les PC, ces scores montrent une performance modérée dans la PN. Leur dépendance à des critères démographiques et leur faible évaluation du dysfonctionnement d’organes limitent leur applicabilité à la PN, où les comorbidités et l’hospitalisation prolongée modifient le profil de risque.
Considérations pratiques
Les seuils optimisés améliorent l’utilité clinique :
- APACHE II ≥14 : Justifie un monitorage intensif ou une antibiothérapie empirique large.
- SOFA ≥4 : Indique un transfert en réanimation pour support multiviscéral.
- qSOFA ≥1 : Nécessite une évaluation rapide du sepsis et des tests biologiques.
Limites de l’étude
Le design rétrospectif et les données monocentriques limitent la généralisation. L’exclusion des PAVM et la taille modeste de l’échantillon sous-estiment potentiellement l’hétérogénéité. Des études prospectives multicentriques sont nécessaires pour valider les seuils et développer des modèles spécifiques à la PN.
Conclusion
L’APACHE II et le SOFA, calculés dans les 24 heures suivant le diagnostic de PN, prédisent efficacement la mortalité à 30 jours chez les patients non chirurgicaux (AUC >0,85). Le qSOFA sert d’outil de dépistage rapide malgré une spécificité réduite. L’adoption de ces scores pourrait optimiser la stratification des risques, guider l’antibiothérapie et améliorer le pronostic. Les recherches futures devraient développer des modèles spécifiques à la PN et valider ces résultats dans des populations diversifiées.
doi.org/10.1097/CM9.0000000000001252