Pr JF TIMSIT - DESC Réanimation Médicale

Utilisation des scores de gravité et
des scores de défaillance
viscérale
JF Timsit
Réanimation médicale
CHU Grenoble
Beaucoup de perspectives…à utiliser
avec prudence

Scores de gravité et de dysfonction d’organes
–

Méthodes de création
Utilisation (intérêt et limites)
–
–
–
Obligation légale et médico-économique
Outil de mesure de la performance
Outil de recherche



–
Ajustement/appariement
Sélections de sous-populations « à risque » pour les études
randomisées
Critères de jugement (dysfonction d’organes)
Prédiction individuelle


Triage (input,output)
Outil d’aide à la décision
Indices de sévérité généraux: SAPS II, APACHE II et III, MPM II
Evaluation du risque de mortalité
But: Prédiction
Complexe
Pas d’individualisation du degré de défaillances d’organes
Scores de dysfonction d’organes: LOD, SOFA, ODIN, MODS, OSF
Evaluation de la morbidité
But: Description
Simple (plus)
Individualisation du degré de chaque défaillances d’organes
évaluation quotidienne
Moindre capacité de prédire le décès
Variables enclosed
Severity scores
Age
Type of adm.
Chronic HS
Case-mix
MV
Vasopressors
Temp
K, NA, CO3HPao2/fiO2
HR
BP
WBC
Platelets
PTT
Bilirubin
Urea
Creatinine
Urine output
GCS
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
Organ dysfunction scores
X
X
X
X
X
X
X
X
X
X
X
X
X
Création d’un score: base méthodologique
Méthode 1:
•Un groupe d’expert définit un score
•Validation secondaire sur un échantillon de population pour
vérifier que ce score mesure bien ce qu’il est censé mesurer
OSF, SOFA , MODS
Méthode 2
•Une variable à expliquer  DC
• Des covariables pronostiques candidates d’un échantillon
représentatif +++
•Construction d’un modèle:
DC = f (covariables)
•Validation du modèle
Est t’ il susceptible de prédire correctement la réalité?
Quel que soit le niveau de la variable à expliquer?
SAPS, APACHE, LOD, ODIN
Création d’un score: base méthodologique

La variable à expliquer est-elle bien définie?
–
–
–
–

DC en réanimation, hospitalier
DC à J28, DC à 3 mois
(Triage…)
(Limitations thérapeutiques…)
Les covariables pronostiques sont elles bien
définies?, bien recueillies? Reproductibles?
–
–
–
Qualité de la méthodologie,
Qualité du recueil
Audit
[10 % – 15 %]
Interobserver variability in the use of APACHE II scores.
Polderman KH, Thijs LG, Girbes AR.
Lancet 1999 Jan 30;353(9150):380
[10 % – 15 %]
[From 30 % to 10 %]
Prérequis statistique

Log
p (p/1-p)
Y
Modèle de régression linéaire
–
–
–
Y=  + X
X est une variable quantitative ou discrète
La variable à expliquer va de 0 à l’infini

0

Modèle logistique
–
On transforme la variable de façon à avoir une réponse [0-1]
Notion de Logit: Log (p/1-p)
–
On a toujours: Probabilité p [0-1] alors que logit [-, + ]
–
Log (p/1-p)) =  + X
–
p= exp ( + X)/ (1+ exp( + X))
(ici p=proba (DC) varie de 0 à 100%)
–
X
Propriétés du modèle logistique

Calibration:
P(DC)
DC prédits (%)
Chi 2 de Hosmer Lemeshow: On coupe en
10 tranches d ’effectifs
identiques
On compare proba
observés et proba
calculés pour chaque
tranche par un test du
Chi 2 (à 8 ddl)
SAPSII
Seuil à 5
DC observés
(%)
Détecte de tous les DC
Se
1

Discrimination
Capacité de p à séparer
pour un seuil donné les
DCD et les VV.
Courbes ROC: Construire
courbes Se / 1-Sp en
faisant varier le seuil de
positivité
d






Seuil à 30
Détection de 2/3 DC
Se  66%
Mais 1/3 VV à test +
Sp  66%
1-SP  34%
AUC

1-Sp
Se=P(T+)/DC  100%
bcp de VV à test +
Sp  0%
1-SP  100%
Prognostic performance and customization of the SAPS II:
Results of a multicenter Austrian study;
Hospital mortality
(Metnitz PGH et al., Intensive Care Med 1999)
1.0
0.8
Predicted
Observed
0.6
0.4
0.2
0.0
C = 85.7, p < 0.0001
AUC ROC curve = 0.81
0.0
0.2
0.4
0.6
0.8
1.0
Original SAPS II-predicted probability of death
The hospital mortality of the sample influence
the discrimination of the MPM II system
Zhu et al – Crit Care Med 1996; 24:57-63
0.86
AUC ROC curves
0.84
0.82
0.8
0.78
0.76
0.74
0.72
0.7
0.68
0.66
8.7
9.7
10.7
11.7 12.7
13.7 14.7 15.7
16.7 17.7
18.7 19.7 20.7
21.7 22.7 23.7
Simulated Hospital mortality (%)
24.7 25.7
26.7 27.7 28.7
Facteurs influençant la performance des
scores de gravité
Zhu et al – Crit Care Med 1996; 24:57-63
Murphy-Wilkins RL – Crit Care Med 1996; 24:1968
Escarce JJ et al – JAMA 1990; 264-2389
•Propriétés influencée par:
•Echantillon de construction du score
•Mortalité de l’échantillon
Population
•Taille de l’unité
•Modification de « case-mix »
•Source d’admission
•Pays
•Date des données
•Politique de triage
Echantillon
•Erreur de mesure
représentatif
•Erreur aléatoire du modèle
??
•Performance de l’unité?
Utilisation: Intérêt et limites
–
–
–
Obligation légale et médico-économique
Outil de mesure de la performance
Outil de recherche



–
Critères de jugement (dysfonction d’organes)
Sélections de sous-populations « à risque » pour les
études randomisées
Ajustement/appariement
Prédictions individuelles


Triage (input,output)
Outil d’aide à la décision
Liberté . Égalité . Fraternité
RÉPUBLIQUE FRANÇAISE
Ministère de la santé,
de la famille,
et des personnes handicapées
DIRECTION DE L'HOSPITALISATION
ET DE L'ORGANISATION DES SOINS
Le recueil de l'IGS II est obligatoire depuis le 1er janvier 1997
dans les établissements de soins de courte durée pour les patients
adultes faisant l'objet de soins de réanimation voire de soins
intensifs ou de surveillance continue si le recueil semble pertinent
au clinicien
Obligation d’analyser notre activité et nos coûts (consommation
de ressource
Janvier 2004: Tarif forfaitaire de la journée en réanimation dès
lors que IGS II > 15 et acte marqueur
Mesure de la performance des unités
Le taux de mortalité standardisé
(=Standard Mortality Ratio ou SMR)
• C ’est un rapport qui compare la mortalité
observée (0) sur la mortalité prédite (P)
• La mortalité prédite (probabilité de mortalité)
est établie par une équation de probabilité à
partir d ’un score de gravité
Actual mortality
SMR =
Predicted mortality
SMR
Gunning & Rowan – BMJ 1999; 319:241
APACHE III system in a UK
database
Pappachan – Chest 1999; 115:802
April 1993- December 1995
16 ICUs
SMR= 1.23 (95% CI: 1.12-1.25)
 UK poor ICU performance
 Failure of the APACHE III to fit the UK data
AUC ROC: 0.89, 82.9% correct classification
2 Hosmer-Lemeshow= 333, p<0.01
Prognostic performance and customization of the SAPS II:
Results of a multicenter Austrian study;
Hospital mortality
(Metnitz PGH et al., Intensive Care Med 1999)
1.0
C = 11.6, p = 0.24
0.8
0.6
0.4
0.2
0.0
C = 89.1, p < 0.0001
AUC ROC curve = 0.81
0.0
0.2
0.4
0.6
0.8
1.0
Customized SAPS II-predicted probability of death
SMR 0.81±0.26, 95%CI 0.66-0.97 VS SMR 0.93±0.29 95%CI 0.76-1.10
Descriptions of the databases
APACHE III
SAPS II
MPMII0
MPMII24
MPMII48
MPMII72
N° pts
Development
Validation
17440
7840
7840
12997
8369
4628
19124
12610
6514
14925
10357
5568
3023
2049
974
2233
1497
736
North america
Europe
40
0
27
110
30
110
30
110
6
0
6
0
% Pts
Elective surg
Emergency surg
Medicine
33
9
58
31
20
49
31
24
45
25
27
48
18
39
43
16
41
43
Lemeshow and Le Gall – JAMA 1994; 272:1049
3.5
3
SMR: lequel?
(base PMSI, 89747 séjours)
2.5
2
SMR
SMR
SMR
1.5
1
0.5
0
SMR « hospitalier » par centres
(mortalité hospitalière observée / mortalité hospitalière prédite par le SAP
3.5
3
2.5
2
SMR
SMR
SMR
1.5
1
0.5
0
Moine P et al – Projet « performance » 2001
SMR de réanimation par centres
60
Mortality (%)
50
40
30
20
10
0
ICUs
Post ICU
ICU
(Moreno R et al. Intensive Care Med 2001;27:999-1004)
SMR…




Très dépendant des propriétés du score sur
l’échantillon
Utilisable uniquement si la variable à expliquer
est connue (DC hospitalier+++)
Intérêt d’une recalibration préalable…
Intérêt de la mesure du SMR de certaines sous
populations bien définies: intoxication aux
BZD, décompensation de BPCO…???
Utilisation: Intérêt et limites
–
–
–
Obligation légale et médico-économique
Outil de mesure de la performance
Outil de recherche



–
Critères de jugement (dysfonction d’organes)  Sepsis
Sélections de sous-populations « à risque » pour les
études randomisées  Sepsis
Ajustement/appariement
Prédictions individuelles


Triage (input,output)
Outils d’aide à la décision
Appariement et ajustement sur la
gravité de la maladie aiguë: facteur
de confusion
Gravité
Evènement
X
DC
La discrimination du SAPSII à l’admission diminue
pour les séjours prolongés
IGS II et séjours prolongés
<1 jour
% patients
41%
% journées
8%
SAPS II vivants
21
SAPS II décédés 55*
AUC-ROC
0.91
<4 jours >7 jours >14 jours >30 jours
81%
34%
22
50*
0.87
10%
52%
38
43*
0.62
4%
33%
35
38
0.59
1%
13%
32
33
0.54
(*): p<0.05
Base de données finlandaise, 23953 Patients,
40.6% Post-op.
Durée de séjour médiane: 1.3 jours
Suistomaa M et al- Intensive Care Med 2002; 28:479-85.
Pneumonie à P aeruginosa
Rello CID 1996

APACHE II identique entre les PN fatales et celles à évolution
favorable…
APACHE II
40
35
*
30
25
Décès
20
Vivant
*
15
10
5
0
Admission
J pneumonie
J +3
DC:44%
DC: 14.6%
Les malades qui vont développer une infection nosocomiale
sont ceux qui évoluent le moins bien initialement
Girou et al AJRCCM 1998; 157:1151
But de l'appariement ou de
l'ajustement…
Faire ou prendre des jumeaux parfaits
Identiques en tout points sauf…
La variable qui nous interresse
…il faut tenir compte de l’évolution
des scores avant la survenue de
l’évènement
Gravité évolutive et risque de décès
Ferreira et al – JAMA 2001; 1754
L’évolution
Rué et al – Crit Care Med 2001; 45
des scores de gravité et de dysfonction d’organes est ,
indépendamment du score initial un Facteur pronostic
C’est les scores mesurés le plus tard au cours de l’évolution des patients par
rapport à l’admission qui contribue le plus aux modèles pronostiques
Gravité évolutive et risque de décès

Utilisation:
–
Les scores de dysfonctions d’organes évolutifs sont
correctement calibrés et discriminants
Timsit et al - Crit Care Med 2002; 30:2003
–
On peux construire des scores composites
particulièrement adapté à une population
hospitalisée longtemps

Le score TRIO basé sur le SAPS II, le LOD et l’évolution
des scores entres J2 et J3 est bien calibré et posséde une
discrimination correcte
Timsit et al – Intens care Med 2001; 27:1012
Catheter-related
septicemia
ICU
admission
Exposed patients
Day -7
Day -3
Day 0
Diagnosis
MATCHING
CRITERIA
=
SAPS II
+
Death?
Mc Cabe
Length of catheterization
Day -7
Day -3
ICU
admission
Matched unexposed patients
Day 0
Measure of severity scores
Soufir et al ICHE, 1999
Gravité avant la bactériémie:
évolution au cours du temps
60
53% chocs septiques
Taux brut de mortalité:
Exposés: 50%, Non exposés: 21%
SAPS II
55
50
*
45
*
40
35
30
Adm.
D-7

Exposed
D-3

D0
Unexposed
Estimations:
Non ajustée:
HR 2.06 (1.16-3.68)
Ajustée sur les variables
pronostiques à l’admission:
HR=2.01 (1.08-3.73)
Ajustement sur gravité J-7
HR=1.41 (0.76-2.61)
Ajustement sur gravité J-7 et J-3
HR= 1.3 (0.69-2.46)
Les malades qui vont acquérir une bactériémie ont une gravité
déjà plus importante 7 jours avant …
Soufir et al ICHE, 1999;20:396
SOFA maximal et pronostic
Vincent et al – Crit Care med 1998; 26: 1793
1449 Pts, 16 pays
Mai 1995
DC hos: 26.7%
SOFA journalier et pronostic
Vincent et al – Crit Care med 1998; 26: 1793
1449 Pts, 16 pays
Mai 1995
DC hos: 26.7%
Scores évolutifs

Description:
–

Suivi de l’évolution des scores comme témoins
sensibles de l’amélioration des malades et d’un
risque potentiel de décès
Prédiction:
–
–
Affiner la prédiction chez les malades hospitalisés
longtemps
Ajustement sur des scores dynamiques de
dysfonction d’organes
Prédiction individuelle
Triage et scores de gravité

Admission:
Scores non adaptés:
Construit sur les malades admis
–
le MPM0 ne discrimine pas les vivants des décédés chez les malades
proposés
Garrouste-Orgeas et al- Intensive Care Med 2003;29:774

Limitations thérapeutiques
–
Tentative avec l’APACHE III à J3…
SUPPORT prognostic model – Knaus WA Ann Intern Med 1995; 122:191
–

Peut-être un des paramètres à prendre en compte???
Mortalité post-réanimation
–
Le SOFA la veille de la sortie
Azoulay et al – Crit Care Med 2003;31:428
PERFORMANCE TRES INSUFFISANTE, ETHIQUE DISCUTABLE
Avenir

Routine:
–
Amélioration de la prédiction pour un groupe de
malade



Recalibration, Réactualisation
Nouveaux modèles simples
Outils plus précis
–
–
–
SAPS III project
Modèles de prédiction tenant compte de l’évolution
(complexe mais informatisation)
Outils d’aide à la décision