ABSTRACT
Introduction Prédire le devenir des patients gravement malades hospitalisés en unité de soins intensifs (USI) et atteints de la maladie du coronavirus 19 (COVID-19) est un défi majeur pour éviter les séjours futiles et prolongés en USI. L'objectif de cette recherche était de développer des modèles de prédictifs de la survie à 90 jours applicable à ce type de patients à différents moments de leur séjour en USI. Methodes Sur la base de la cohorte nationale multicentrique COVID-ICU, qui a recueilli de manière prospective les caractéristiques, la prise en charge et le devenir des patients atteints de COVID-19 et hospitalisés en USI pendant la première vague de la pandémie, nous avons utilisé un algorithme d'apprentissage automatique (eXtreme Gradient Boosting) pour développer des modèles destinés à prédire la mortalité à 90 jours à l'aide d'informations recueillies à J1, J7 ou J14 du séjour du patient, en tenant compte des données manquantes (que ce soit pendant l'estimation, ou lors de l'utilisation de ces modèles sur de nouveaux individus). Ces modèles ont été évalués par une double validation interne (bootstrap et échantillon de validation) et l'estimation de l'aire sous la courbe ROC, la courbe de calibration, et le score de Brier. Resultats Les scores Survival Of Severely Ill COVID (SOSIC)-1, SOSIC-7 et SOSIC-14 ont été construits et validés avec 4244, 2877 et 1349 patients respectivement. Dans l’échantillon de validation, l'aire sous la courbe ROC de SOSIC-7 était légèrement supérieure (0,80 [0,74-0,86]) à celles de SOSIC-1 (0,76 [0,71-0,81]) et de SOSIC-14 (0,76 [0,68-0,83]). SOSIC-1 et SOSIC-7 présentaient d'excellentes courbes de calibration, avec des scores de Brier similaires pour les trois modèles. Conclusion Les scores SOSIC-1, -7 et -14 ont globalement montré une bonne capacité discriminante et une bonne calibration. D'autres études sont maintenant nécessaires pour évaluer la validité externe de ces scores dans des cohortes plus récentes de patients hospitalisés en USI. L'application web disponible publiquement (sosic.shinyapps.io/shiny) devrait faciliter cet objectif. Légende de la figure : Calibration et discrimination des scores SOSIC-1, SOSIC-7, and SOSIC-14 dans l’échantillon de validation Mots clés Syndrome de détresse respiratoire aiguë ;COVID-19 ;Score prédictif Déclaration de liens d'intérêts Les auteurs n'ont pas précisé leurs éventuels liens d'intérêts
ABSTRACT
Introduction: Dyspnea seems to be rarely reported in pneumonitis caused by severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2), sometimes giving rise to the term "silent hypoxemia". Dyspnea, the perception of sensory information related to breathing, is associated with a negative emotional experience. It would result from the activation of structures of the limbic/paralimbic system, including the insula. The latter would be the interoceptive alarm center, linking the perception of visceral sensations (including dyspnea) to the conscious experience of emotions. The neuroinvasive potential of SARS-CoV-2 via the olfactory bulbs raises suspicion of limbic/paralimbic damage but also of the brain stem during respiratory damage from Coronavirus Disease 2019 (COVID-19). We formulate the hypothesis that an attenuation of the affective component of dyspnea during hypoxia, resulting from impairment of interoception, is the consequence of impairment of these neurological structures.