La nouvelle maladie à coronavirus 2019 (COVID-19) a des évolutions cliniques hétérogènes, ce qui indique qu’il pourrait y avoir différents sous-phénotypes chez les patients gravement malades. Bien que des recherches antérieures aient identifié ces sous-phénotypes, la structure temporelle de plusieurs caractéristiques cliniques n’a pas été prise en compte dans les modèles de grappes. Notre objectif était d’identifier les sous-phénotypes temporels chez les patients gravement malades atteints de COVID-19 à l’aide d’une nouvelle analyse par grappes de séquences et de les associer à des résultats cliniquement pertinents. Matériels et méthodes Nous avons analysé 1 036 patients gravement malades présentant une infection par le SRAS-COV-2 confirmée en laboratoire et admis dans le système de santé Mount Sinai à New York. La méthode de regroupement hiérarchique agglomératif avec la distance de Levenshtein et le lien de variance minimale de Ward a été utilisée. Résultats Nous avons identifié quatre sous-phénotypes. Le sous-phénotype I (N = 233 [22,5 %]) incluait des patients présentant une respiration et un rythme cardiaque rapides, mais nécessitant moins d’interventions invasives dans les premières 24 heures, ainsi qu’un pronostic relativement bon. Le sous-phénotype II (N = 418 [40,3 %]) représentait les patients présentant le degré de maladie le plus faible, une mortalité relativement faible et la probabilité la plus élevée de sortie de l’hôpital. Le sous-phénotype III (N = 259 [25,0 %]) représentait des patients ayant présenté une détérioration clinique au cours des premières 24 heures suivant leur admission à l’unité de soins intensifs, entraînant des résultats défavorables. Le sous-phénotype IV (N = 126 [12,2 %]) représentait une trajectoire de syndrome de détresse respiratoire aiguë avec un besoin presque universel de ventilation mécanique. Conclusion Nous avons utilisé l’analyse par grappes de séquences pour identifier les sous-phénotypes cliniques chez les patients gravement malades atteints de COVID-19 qui présentaient des schémas temporels distincts et des résultats cliniques différents. Cette étude souligne l’utilité d’inclure des informations temporelles dans les approches de sous-phénotypage. |
commentaires
Les chercheurs de Mount Sinai ont décrit quatre nouveaux sous-groupes de COVID-19 qui peuvent être identifiés chez les patients dans les 24 heures suivant leur admission à l’unité de soins intensifs (USI). Ces résultats aideront à associer les patients à des traitements spécifiques, améliorant ainsi leurs soins et leurs résultats globaux.
L’étude, qui a identifié des sous-phénotypes ou sous-groupes de COVID-19 sur la base de biomarqueurs et de traitements mesurés au fil du temps, a été publiée dans le Journal of the American Medical Informatics Association .
Les chercheurs de Mount Sinai ont utilisé l’analyse de regroupement de séquences, une nouvelle technique d’exploration de données capable de détecter les schémas de progression de la maladie, pour identifier les sous-phénotypes cliniques chez les patients gravement malades atteints du COVID-19 qui présentaient des schémas temporels distincts au cours des premières semaines. 24 heures et résultats cliniques différents à 30 jours. Ces caractéristiques temporelles ne sont évidentes que lorsque plusieurs caractéristiques sont prises en compte sur une période donnée.
« Bien que les patients hospitalisés avec le COVID-19 puissent avoir des caractéristiques de base similaires, leurs trajectoires cliniques et leurs résultats en matière de santé au fil du temps peuvent être très différents », a déclaré l’auteur correspondant Girish N. Nadkarni, MD, chef de la Division de médecine numérique et basée sur les données, Codirecteur du Mount Sinai Center for Clinical Intelligence, directeur clinique de l’Institut Hasso Plattner pour la santé numérique et professeur de médecine Irene et Dr Arthur M. Fishberg, École de médecine Icahn du Mount Sinai. "Notre étude démontre l’importance de révéler les similitudes temporelles des maladies pour identifier des sous-phénotypes reproductibles et cliniquement pertinents et suggère qu’une exploration plus approfondie des progressions temporelles de ces caractéristiques cliniques est justifiée."
L’équipe du Mont Sinaï a analysé les données de plus de 1 000 patients gravement malades avec une infection confirmée par le SRAS-CoV-2, le virus à l’origine du COVID-19, qui ont été admis à l’unité de soins intensifs. Ils ont transformé 10 biomarqueurs et 7 traitements au cours des 24 premières heures d’admission aux soins intensifs en une séquence composée de 16 fenêtres d’intervalle non chevauchantes, chacune d’une durée de 1,5 heure et caractérisées comme l’un des 10 états distincts.
Les chercheurs ont identifié quatre sous-phénotypes à l’aide de biomarqueurs et d’administrations de traitements :
|
« Le COVID-19 a été étudié de manière approfondie, mais nous avons encore des connaissances limitées sur les soins cliniques efficaces pour les patients gravement malades atteints du COVID-19 », a déclaré Wonsuk Oh, PhD, chercheur postdoctoral au laboratoire Nadkarni d’Icahn Mount Sinai et membre de l’Institut. Hasso Plattner de la santé numérique.
« Les méthodes d’apprentissage automatique de pointe nous permettent de révéler de nouveaux sous-phénotypes temporels à partir des dossiers médicaux avec une résolution horaire. Ces sous-phénotypes temporels fournissent de nouvelles informations sur les conditions sous-jacentes des patients et l’évolution de la maladie pendant le séjour en unité de soins intensifs et facilitent finalement les soins cliniques personnalisés des patients avec une décision éclairée. " .
Ce travail a été soutenu par les subventions R01DK108803, U01HG007278, U01HG009610, U01DK116100 et K23DK124645 des National Institutes of Health (NIH).
