Mort subite : un algorithme simple identifie les personnes à même de bénéficier d'un défibrillateur

Un algorithme simple prédit avec succès les personnes qui bénéficieraient le plus d'un défibrillateur implantable en cas de risque d’arrêt cardiaque se manifestant par une FV/TV. Il utilise des marqueurs cliniques et non invasifs largement disponibles.

Des chercheurs de l'Institut de cardiologie Smidt du Cedars-Sinai ont mis au point un algorithme clinique (VFRisk) qui, pour la première fois, permet de distinguer les personnes qui bénéficieraient le plus d'un défibrillateur implantable de celles dont les formes sont non traitables avec ce dispositif.

Ces résultats, publiés aujourd'hui dans le Journal of the American College of Cardiology : Clinical Electrophysiology, ont le potentiel d'améliorer la prévention de l'arrêt cardiaque soudain en fonction des facteurs de risque clés identifiés dans cette étude. Ils pourraient améliorer la prévention primaire, en particulier chez les patients dont la FEVG est moyenne ou préservée.

Un algorithme performant

La mort subite d’origine cardiaque traduit souvent une fibrillation ventriculaire (FV)/tachycardie ventriculaire (TV) potentiellement traitable par défibrillation, ou des troubles du rythme non choquables (activité électrique sans pouls/asystole) avec une faible probabilité de survie.

Un algorithme clinique (VFRisk), construit à partir de 13 variables cliniques, électrocardiographiques et échocardiographiques, apporte une très bonne discrimination (statistique C = 0,808 ; [IC à 95 % : 0,774 - 0,842]) et a été validé avec succès dans les ensembles de données internes (statistique C = 0,776 [IC à 95 % : 0,725 - 0,827]) et externes (statistique C = 0,782 [IC à 95 % : 0,718 - 0,846]).

L'algorithme a largement surpassé la valeur pronostique d’une fraction d'éjection ventriculaire gauche (FEVG) ≤35 % (statistique C = 0,638) et a obtenu de bons résultats dans tout le spectre des valeurs de la FEVG.

Un algorithme simple

Dans le cadre de la lutte contre cette affection souvent mortelle en cas d’arrêts cardiaques en dehors de l’hôpital, la prévention aurait un impact profond. Toutefois, le plus grand défi consiste à distinguer les personnes qui bénéficieraient le plus d'un défibrillateur implantable de celles qui ne profiteraient pas de la décharge électrique.

Cette nouvelle étude fournit un algorithme d'évaluation du risque clinique qui permet de mieux identifier les patients qui ont le risque le plus élevé d'arrêt cardiaque soudain traitable, et donc de mieux comprendre les patients qui pourraient bénéficier d'un défibrillateur.

L'algorithme d'évaluation du risque se compose de 13 variables cliniques, électrocardiographiques et échocardiographiques susceptibles d'accroître le risque d'arrêt cardiaque soudain traitable chez un patient. Les facteurs de risque comprennent le diabète, l'infarctus du myocarde, la fibrillation auriculaire, l'accident vasculaire cérébral, l'insuffisance cardiaque, la bronchopneumopathie chronique obstructive, les troubles convulsifs, la syncope et quatre indicateurs distincts relevés lors d'un électrocardiogramme, dont la fréquence cardiaque.

Une validation en population réelle

L'étude a utilisé les données de deux études pluriannuelles prospectives fondées par M. Chugh. L'Oregon Sudden Unexpected Death Study est une évaluation complète des arrêts cardiaques soudains parmi le million de résidents de la région métropolitaine de Portland, Oregon.

Les sujets ayant eu un arrêt cardiaque soudain hors de l'hôpital et présentant une FV documentée ou une TV sans pouls (33% du total des cas) ont été recensés de manière prospective dans la région métropolitaine de Portland, Oregon, dont la population est de ≈1 million de résidents (n = 1 374, 2002-2019).

Des comparaisons des dossiers cliniques ont été effectuées avec un groupe témoin (n = 1 600) dont la prévalence des maladies coronariennes était de ≈70 %. Les modèles de prédiction ont été construits à partir d'un ensemble de données d'entraînement en utilisant la régression logistique pas à pas inverse et appliqués à un ensemble de données de validation interne.