Scores de prédiction du risque de mortalité liée à la COVID-19 : une étude de validation issue du registre national chinois

La pandémie mondiale de COVID-19 a entraîné plus de 700 millions de cas confirmés, avec des issues cliniques variables allant de symptômes bénins à une défaillance respiratoire fatale. L’identification précoce des individus à haut risque lors des premières consultations est cruciale pour une intervention rapide et une allocation optimale des ressources. Cette étude développe et valide deux modèles de prédiction du risque – le Score de prédiction du risque de COVID-19 (CRPS) et sa version simplifiée (S-CRPS) – pour stratifier le risque de mortalité à l’aide de paramètres mesurables à l’admission hospitalière ou même à domicile.

Sources des données et caractéristiques des cohortes

Les données rétrospectives proviennent de 2 188 patients COVID-19 confirmés, admis dans deux hôpitaux de Wuhan (Chine) entre le 1er janvier et le 28 mars 2020. Ces patients ont été répartis en une cohorte de développement (1 531 patients) et une cohorte de validation interne (657 patients) selon un ratio 7:3. Une cohorte de validation externe inclut 30 120 patients issus de la Commission nationale de la santé (NHC) chinoise, colligés entre le 2 janvier et le 12 mai 2020. Dans les cohortes de Wuhan, l’âge médian était de 62 ans, 48,2 % étaient des hommes, et 9,8 % (215/2 188) sont décédés durant l’hospitalisation. Les données démographiques, les comorbidités et les résultats biologiques ont été extraits des dossiers médicaux, avec imputation des données manquantes (10 % des paramètres biologiques) via le logiciel R.

Sélection des variables et développement des modèles

Trente-six variables recueillies à l’admission ont été analysées, incluant des paramètres démographiques, des comorbidités et des marqueurs biologiques. Trois méthodes ont été utilisées pour la sélection des variables : pondération de régression logistique, classement par importance via forêts aléatoires, et régression Lasso-Cox. Cinq variables ont systématiquement obtenu les scores les plus élevés : l’âge, la saturation en oxygène (SpO₂), le ratio neutrophiles-lymphocytes (NLR), la protéine C-réactive (CRP) et la lactate déshydrogénase (LDH). L’urée sanguine (BUN) a été exclue après le test de DeLong, n’apportant aucune amélioration significative.

Toutes les variables continues ont été normalisées entre 0 et 1 par transformation min-max. Par exemple, la SpO₂ a été normalisée comme (SpO₂ – 29)/71, et l’âge comme (âge – 15)/82.

CRPS : un modèle de prédiction multivarié

Le modèle CRPS intègre les cinq variables sélectionnées dans une régression logistique. La formule du score évite les expressions mathématiques complexes en combinant des valeurs normalisées pondérées. L’âge et la SpO₂ émergent comme prédicteurs dominants : chaque année supplémentaire multiplie le risque de mortalité (OR = 61,07 ; IC 95 % : 29,58–132,29), tandis qu’une augmentation unitaire de la SpO₂ réduit considérablement le risque (OR = 0,003 ; IC 95 % : 0,002–0,006). Le NLR, la CRP et la LDH reflètent l’inflammation systémique et les lésions organiques.

Les performances du modèle sont remarquables :

Validation interne : AUC = 0,91 (IC 95 % : 0,89–0,93), sensibilité = 97 %, spécificité = 56 %.
Validation externe (cohorte NHC) : AUC = 0,91, sensibilité = 97 %, spécificité = 53 %.
Un seuil de 0,05 optimise l’équilibre sensibilité-spécificité, facilitant le triage des patients à risque.

S-CRPS : modèle simplifié pour usage domestique

Le S-CRPS, basé uniquement sur l’âge et la SpO₂, maintient des performances robustes :

Validation interne : AUC = 0,87 (IC 95 % : 0,84–0,90), sensibilité = 96 %, spécificité = 37 %.
Validation externe : AUC = 0,85, sensibilité = 95 %, spécificité = 39 %.

Implications cliniques et validation

Le CRPS permet aux services d’urgence de prioriser les soins intensifs, tandis que le S-CRPS, accessible en milieu extra-hospitalier, comble les lacunes des régions à ressources limitées. La validation externe via la cohorte NHC – diversifiée et nationale – confirme la généralisabilité des modèles, une avancée par rapport aux études antérieures.

Avantages comparatifs

Les modèles existants (Zhou et al., 2020 ; Wu et al., 2020) se limitaient à de petites cohortes ou manquaient de validation externe. Le CRPS se distingue par des données nationales, une sélection transparente des variables, et l’inclusion de la SpO₂ – paramètre clé du pronostic respiratoire.

Limites et perspectives

Le biais rétrospectif et la focalisation sur des populations chinoises limitent la portée générale. Des validations prospectives multinationales et des outils d’évaluation dynamique sont nécessaires.

Conclusion

Les modèles CRPS et S-CRPS offrent des outils validés pour stratifier le risque de mortalité. Le CRPS s’applique en milieu hospitalier, tandis que le S-CRPS étend cette capacité au domicile, optimisant l’efficacité du triage et l’allocation des ressources pendant les pandémies.

doi.org/10.1097/CM9.0000000000002973