Dans cette étude, nous avons utilisé des techniques d’apprentissage automatique avec un algorithme XGB pour identifier les variables associées à MINS et créé des modèles de prédiction. L’incidence de MINS, définie par l’élévation de la cTn au-dessus de la limite supérieure de référence, chez les patients ayant un taux de cTn normal avant l’opération était de 22,0 %. Les 12 principales variables retenues dans nos modèles de prédiction étaient le niveau de cTn préopératoire, la perfusion peropératoire de médicament inotrope, la durée de l’opération, l’opération d’urgence, le type d’opération, l’âge, la chirurgie à haut risque, l’indice de masse corporelle, l’insuffisance rénale chronique, la maladie coronarienne, l’érythème peropératoire. la transfusion cellulaire et la consommation actuelle d’alcool. Nous avons créé deux modèles en fonction du nombre de variables, et les modèles de prédiction ont atteint un AUROC de 0,78 (IC à 95 % 0,77-0,78) pour le modèle à 12 variables et de 0,77 (IC à 95 % 0,77-0,78) pour le modèle à 6 variables.
Les directives actuelles recommandent une surveillance sélective de la cTn postopératoire, mais il existe encore des difficultés à prédire la probabilité de MINS2,3,4,5,6. Dans cette étude, nous avons inclus les patients qui avaient un niveau de cTn pré- et postopératoire disponible pour exclure les patients présentant une élévation chronique de la cTn. Deux mécanismes discrets sont impliqués dans le développement de MINS. Bien que l’inadéquation entre l’offre et la demande d’oxygène soit plus importante que la thrombose, les facteurs de risque pour les deux mécanismes doivent être pris en compte dans le développement du MINS12. De plus, les causes non ischémiques qui contribuent à l’élévation de la cTn sont fréquemment trouvées dans la période périopératoire, ce qui complique la prédiction de MINS13. L’apprentissage automatique pourrait être un outil approprié pour interpréter les données interactives des dossiers hospitaliers électroniques et les transformer en connaissancesdix. Dans cette étude, nous avons organisé des données du monde réel directement à partir des dossiers hospitaliers électroniques de patients consécutifs subissant une chirurgie non cardiaque avec un niveau de cTn préopératoire normal et avons étudié les effets des variables sur l’élévation postopératoire de cTn. Nous avons appliqué des techniques d’apprentissage automatique avec l’algorithme XGB, connu comme l’algorithme le plus performant14. Dans notre étude précédente, nous avons comparé les performances de divers algorithmes d’apprentissage automatique pour la prédiction de la mortalité des patients après MINS, et XGB s’est avéré être l’algorithme le plus performant15.
L’un des problèmes d’interprétation des résultats des techniques d’apprentissage automatique est que l’inférence causale des données d’observation n’est pas résolue16. En d’autres termes, les prédicteurs issus des techniques d’apprentissage automatique ne sont pas nécessairement les causes d’un événement16. Cependant, les variables qui ont été sélectionnées pour notre modèle prédictif ont montré une pertinence clinique. Selon nos résultats, la cTn préopératoire a montré le plus grand effet sur le MINS, malgré notre inclusion des seuls patients avec un niveau de cTn préopératoire dans la plage normale. Dans la période périopératoire, il a été rapporté que le niveau de cTn, même dans la plage normale, était associé au résultat17. Les directives actuelles ne fournissent pas de recommandation claire pour la mesure préopératoire de la cTn2,3,4,5,6et seule la ligne directrice de la société canadienne fait référence à la nécessité d’un niveau de base de cTn3. Notre modèle soutient que le niveau préopératoire de cTn peut devoir être mesuré chez les patients à haut risque. De nombreuses variables de notre modèle reflétaient la charge myocardique des procédures chirurgicales telles que l’utilisation peropératoire de médicaments inotropes, l’opération d’urgence ou la durée de la procédure. La nécessité d’une perfusion peropératoire de médicaments inotropes et d’une transfusion de globules rouges pourrait également être liée à l’hypotension ou à l’anémie, qui est associée à un risque plus élevé de MINS18,19,20. De plus, les transfusions en elles-mêmes pourraient constituer un fardeau supplémentaire21,22. D’autre part, cela peut également être dû à une anémie préexistante, et cela nécessite une enquête plus approfondie. En ce qui concerne les types de chirurgie, il n’y a eu aucun cas où un pontage cardiopulmonaire peropératoire a été nécessaire. Une incidence plus élevée de MINS a été signalée en chirurgie thoracique où le péricarde a été manipulé en fonction de l’étendue de la résection pulmonaire23et un résultat similaire a été observé dans notre modèle.
Nos modèles ont également retenu les facteurs de risque connus à partir des caractéristiques des patients telles que l’âge et les antécédents de maladie cardiovasculaire. Une surveillance postopératoire de la cTn a été recommandée pour les patients de plus de 45 ans à titre d’avis d’expert24et le coût de surveillance du MINS était attrayant par gain de santé pour les patients de plus de 65 ans25. L’association avec l’indice de masse corporelle a également été rapportée. Bien que les personnes obèses soient connues pour avoir des risques plus élevés de maladies cardiovasculaires et de décès, le «paradoxe de l’obésité» d’une mortalité plus faible chez les patients légèrement obèses a été suggéré pour les MINS et les lésions myocardiques périopératoires26,27.
La force de nos modèles est la possibilité d’être adoptés dans la pratique clinique quotidienne après une validation supplémentaire, car les variables sont cliniquement convaincantes et facilement disponibles à partir des dossiers médicaux de routine. Pour la commodité de l’utilisateur, nous avons fourni plusieurs modèles basés sur un nombre inférieur de variables retenues et avons montré des valeurs prédictives similaires. Nous avons également fourni les valeurs seuils estimées de chaque modèle en fonction de notre ensemble de données. Cependant, la question de savoir si le modèle avec plus de variables pourrait offrir une valeur prédictive supérieure et la valeur seuil optimale qui peut être universellement appliquée nécessite une validation supplémentaire. De plus, la faible sensibilité du modèle limite son utilisation comme test de dépistage en pratique clinique. Il semble plus raisonnable de considérer ce modèle pour exclure les patients à faible risque plutôt que de sélectionner les patients à haut risque, compte tenu de la spécificité élevée et de la faible sensibilité. Cela pourrait aider à épargner des ressources médicales limitées aux patients qui ont été exclus du MINS. Dans ce modèle, nous n’avons inclus que des variables préopératoires, il pourrait donc être utilisé à partir de la période préopératoire lorsqu’il est appliqué à la pratique clinique. Certaines de nos variables étaient même modifiables, mais il n’est pas clair si la modification de ces variables pourrait réduire l’incidence des MINS. Une méthode efficace pour prévenir les MINS n’a pas encore été établie2,7et épargner une ressource limitée aux patients à faible risque sur la base de notre modèle pourrait être un bon début pour une identification et un traitement précoces des patients MINS. Cependant, dans cette étude, nous avons évalué divers médicaments préopératoires, mais aucun n’a montré d’effet significatif sur la survenue de MINS. Ceci est conforme aux résultats précédents où l’utilisation de bêta-bloquants diminuait l’infarctus du myocarde postopératoire mais augmentait l’incidence des accidents vasculaires cérébraux28. D’autres médicaments cardiovasculaires, notamment l’aspirine, le protoxyde d’azote et la clonidine dans la période préopératoire, ont montré des résultats non significatifs pour la prévention des MINS7.
Notre étude comporte plusieurs limites dont il faut tenir compte. Premièrement, cette étude a utilisé des données rétrospectives monocentriques et il existe un risque résiduel d’effets confondants de facteurs non mesurés. Notre analyse manquait d’évaluations cardiaques détaillées telles que l’échocardiographie, car tous les patients ne disposaient pas de telles données. Les résultats préopératoires d’autres tests sanguins de laboratoire et les variables peropératoires qui n’ont pas pu être retenus en raison du manque de disponibilité des données pourraient devoir être pris en compte dans les études futures. Pour exclure les patients présentant une élévation chronique de cTn, nous avons recruté ceux dont le niveau de cTn préopératoire était disponible, et de nombreux patients ont été exclus en raison de l’absence de niveau de cTn préopératoire. De plus, la cTn périopératoire a été mesurée de manière sélective, de sorte que l’incidence de MINS pourrait avoir été surestimée, et il peut y avoir des patients qui étaient censés être évalués avec la cTn mais qui ne l’ont pas été. De plus, la cTn postopératoire n’a pas fait l’objet d’un suivi systémique. Il peut y avoir des patients qui ont été perdus pendant la surveillance cTn, et une association graduée n’a pas pu être évaluée. De plus, notre étude a été menée auprès de cTn I, et les résultats ont pu différer selon le dosage de cTn. Ainsi, pour que notre modèle devienne généralisable, il a besoin de validations internes et externes supplémentaires, en particulier chez les patients chez lesquels la cTn a été mesurée en routine. De plus, la définition de cause non ischémique d’élévation de la cTn a été strictement appliquée en raison du caractère rétrospectif de l’étude, ce qui a pu entraîner un biais de sélection. Dans une étude plus approfondie, différents modèles devront peut-être être développés selon les types de chirurgie et les procédures d’urgence. De plus, notre population d’étude a montré une mortalité relativement élevée, car il s’agissait de patients à haut risque chez lesquels la cTn a été mesurée à la fois dans les périodes pré- et postopératoires. Cela peut également avoir causé un biais de sélection. Enfin, la prise en charge périopératoire n’était pas bien maîtrisée. Bien que nous ayons suivi le protocole institutionnel basé sur les directives actuelles, il se peut qu’il ait été mis à jour au cours de la période d’étude. Malgré ces limites, il s’agit de la première étude à démontrer des modèles prédictifs de MINS basés sur des facteurs de risque identifiés par des techniques d’apprentissage automatique.