Validation des scores de risque clinique pronostique dans la prédiction des résultats pour les patients atteints de COVID-19 lors du triage initial

Arrière-plan:

Depuis décembre 2019, lorsque le syndrome respiratoire aigu sévère coronavirus-2 (SRAS-CoV-2) provoquant la maladie COVID -19 est apparu dans la ville de Wuhan et le 11 mars 2020 s'est rapidement propagé dans le reste du monde, y compris les Émirats arabes unis en tant que pandémie. Le COVID-19 continue d'être une menace pour la santé mondiale avec un fardeau massif sur les systèmes de santé, entraînant plus de six millions de décès dans 188 pays (1).

L'infection au COVID-19 se caractérise par un large spectre clinique de gravité de la maladie allant d'une maladie asymptomatique à une maladie grave pouvant évoluer vers des complications potentiellement mortelles telles que le choc et le syndrome de détresse respiratoire aiguë (2). Ainsi, disposer d'outils de pronostic cliniquement applicables pour l'identification précoce des patients symptomatiques à haut risque de progression vers une maladie grave / critique est essentiel pour guider l'allocation des ressources de santé limitées (3). Jusqu'à présent, les outils de pronostic clinique se sont concentrés sur les facteurs de l'hôte, mais des données plus récentes ont indiqué une association significative entre les variantes du SRAS-CoV-2 et le développement de complications telles que le long COVID (4).

Actuellement, l'évaluation clinique des patients infectés par le COVID-19 est basée sur l'âge du patient, le nombre de comorbidités, les symptômes subjectifs et l'étendue de l'infiltrat pulmonaire à l'examen radiologique, ce qui rend la prédiction précoce d'une maladie grave/critique plutôt difficile (5-7). Des outils de prédiction pronostique récemment publiés (ALA et ALKA) ont été proposés pour faciliter le triage des patients infectés par le COVID-19 lors du diagnostic initial (8). Ces outils de prédiction sont basés sur des tests de laboratoire simples et facilement disponibles et peuvent donc offrir un net avantage par rapport à d'autres outils pour guider les décisions de sortie et d'admission dans les centres d'évaluation de triage. Néanmoins, la validation externe de ces outils simples à l'aide d'une autre cohorte de patients fournirait une preuve plus solide pour soutiennent leur utilité dans le triage des patients lors du diagnostic initial. En outre, cela permettra également d'optimiser davantage ces outils pour améliorer leur utilité en tant qu'outils d'aide à la décision clinique pour trier les patients lors du diagnostic initial. Les patients jugés à haut risque sur la base de ces outils prédictifs pourraient être triés vers l'admission à l'hôpital où l'unité de soins intensifs (USI) est disponible en prévision d'un résultat pire. Par conséquent, ces patients peuvent bénéficier d'une mise en route plus précoce du niveau de soins et de soutien requis, y compris une thérapie spécifique.

L'objectif de cette étude est de valider et de comparer les outils de prédiction ALA & ALKA avec le système de notation d'évaluation des risques cliniques actuellement proposé pour l'évaluation initiale des patients infectés par COVID-19.

Méthodologie:

Un suivi longitudinal d'observation de tous les patients consécutifs avec un test SARS-CoV-2 positif sur des écouvillons nasopharyngés selon les définitions de l'OMS se présentant au service des urgences . En outre, les données de séquence d'ARN du SRAS-CoV-2 au niveau de la population seront également examinées et corrélées avec la gravité du COVID-19 et les performances des outils de prédiction.

Les données seront extraites des dossiers médicaux électroniques à l'aide d'un outil de collecte de données. Cela comprend les données démographiques, les manifestations cliniques, le nombre de comorbidités, les résultats initiaux des examens de laboratoire et radiologiques et leurs résultats finaux, comme détaillé ci-dessous.

Le score d'évaluation des risques lors de la présentation initiale sera calculé pour chaque patient à l'aide de la notation d'évaluation clinique de l'ALA et de l'ALKA et comparé au système de notation d'évaluation des risques cliniques actuellement proposé.

L'utilité du score de risque dans le triage des patients lors de leurs premières visites au service des urgences (SU) sera validée par rapport aux résultats mesurés suivants :

1. Admission à l'hôpital lors de la première rencontre à l'urgence
2. Admission aux soins intensifs pour la durée de l'hospitalisation COVID-19
3. Mortalité hospitalière et extra-hospitalière
4. Retour à l'urgence après la sortie initiale (dans la période actuelle de maladie covid, maximum 30 jours à compter du diagnostic initial)

Processus de collecte d'échantillon :

Les données seront extraites des dossiers médicaux électroniques à l'aide d'un outil de collecte de données. Les données comprendraient les données démographiques, les manifestations cliniques, les comorbidités, les résultats de laboratoire et radiologiques et les résultats finaux.

Le score de risque d'évaluation lors de la présentation initiale sera calculé à l'aide d'un calculateur en ligne gratuit sur le Web.

Traitement et analyse des données :

Des statistiques descriptives seront générées pour toutes les variables. Modèles de régression logistique multivariée pour s'adapter aux résultats. Les variables incorporées dans le score de risque de COVID-19 seront incluses dans l'analyse de régression pour prédire les résultats. Les résultats de la régression logistique multivariée seront présentés en termes de rapports de cotes ajustés avec les intervalles de confiance à 95 % et les valeurs de p correspondants.

La discrimination sera évaluée à l'aide de la statistique C, ainsi que de ses intervalles de confiance à 95 % et de la courbe caractéristique de fonctionnement du récepteur (ROC) correspondantes. Les statistiques C ≥ 0,7 seront considérées comme bonnes et ≥ 0,8 seront considérées comme excellentes (9). L'étalonnage sera évalué en fonction de la probabilité prédite pour le résultat tel que prédit à partir des régressions. Des courbes d'étalonnage seront générées. Les valeurs P <0,05 sont considérées comme statistiquement significatives. Toutes les analyses seront effectuées à l'aide du logiciel SPSS (version 28, IBM Corp, NY, USA).