Intérêts et Limites de l’utilisation des Indices de gravité Généralistes en Réanimation des Pays à ressources limitées.

Introduction

Les patients de réanimation souffrent d’une difficulté à être correctement classifiés par un diagnostic ou une thérapeutique unique, car les pathologies et les traitements sont en général multiples [1,15]. Le pronostic dépend de 4 facteurs qui sont généralement pris en compte dans les indices pronostics notamment : l’âge, l’état de sante antérieur, la gravité proprement dite estimée sur les perturbations physiologiques et le diagnostic de la maladie aigue. Les premiers indices de gravité étaient construits de façon subjective tandis que les indices modernes sont construits par une méthode statistique [2]. Depuis plusieurs années et essentiellement pour des raisons économiques, différents scores de gravite ont été utilisés pour tenter de prédire la mortalité hospitalière et celle des patients de réanimation [3,15,12]. Ces scores sont soit spécifiques [4, 5,] soit polyvalents (APACHE II, IGS II, MPM). Les scores généralistes (Polyvalents) sont les plus conseillés car ont montré leurs performances par rapport aux scores spécifiques, surtout qu’ils remplissent les critères de discrimination aire sous la courbe ROC (Receiver Operator Curve) > 0,85, ainsi que les critères de calibration (jugée sur le test de « Goodness of Fit » [7,15,]. Ces scores sont utilisés en occident depuis 1980 et en Afrique, une étude sénégalaise faite dans le service de réanimation hyper équipé de l’hôpital des armées principal de Dakar avait montré leur applicabilité ainsi que leurs bénéfices en termes des renseignements importants sur la gravité des patients permettant de mieux les catégoriser afin de prévoir leur évolution [7,8,15]. Une mise au point récente faite à l’est de la RD Congo par Itéké et al. sur « la place de l’utilisation de ces indices de gravité pronostique en réanimation » avait mis en exergue le débat dans la littérature concernant l’amélioration des scores existants en proposant des études sur leur évaluation dans les pays à ressources limitées étant donné leur complexité, par conséquent leur cout afin de voir lequel serait mieux adapté pour ces pays vu leur bénéfice dans un système des soins (Aide à la décision, évaluation de la qualité, recherche clinique) [6]. La littérature sur l’utilisation de ces scores dans les services de réanimation des pays à ressources limitées (dont la RD Congo) étant très pauvre, nous nous sommes proposé de mener cette étude qui a pour objectif de montrer les intérêts et les limites de l’utilisation de ces indices dans notre contexte afin de proposer des solutions pouvant en faciliter l’accessibilité dans un horizon proche.

Patients et Méthode

Il s’agissait d’une étude prospective à visée descriptive et analytique sur une période de 5 mois (1er septembre 2014 au 31 janvier 2015) au service de réanimation polyvalente de l’HGR de Panzi de Bukavu à l’Est de la RD Congo, ayant inclus tous les patients admis en réanimation durant la période d’étude. Les paramètres étaient recueillis dans les 24 premières heures suivant l’admission pour chaque patient et comprenaient : les données sociodémographiques, cliniques, biologiques et thérapeutiques permettant de calculer les indices de gravité généralistes (IGS II, MPM) ainsi que le score de charge de travail (OMEGA). La performance de ces scores dans la prédiction de la mortalité a été évaluée par les tests de discrimination et de calibration, développés par Hosmer et Lemeshow [11]. Le coefficient de corrélation linéaire (r) de Pearson pour mesurer la relation linéaire entre 2 variables quantitatives était utilisé. En outre, pour comparer les moyennes des deux variables quantitatives chez les patients décédés et chez patients sortis de l’hospitalisation, nous avons eu recours au t-test pour échantillons indépendants ; une p-value inférieure à 5% était retenue comme significative. Les données étaient recueillies, saisies puis analysées par les logiciels Microsoft Excel 2010 et SPSS version 18. Nous signalons quelques difficultés rencontrées lors de la récolte des données liées au biais de non réponse car certains paramètres entrant dans le calcul des scores étaient difficiles à obtenir d’emblée a l’admission ou simplement ne sont pas testes dans nos hôpitaux. Par ailleurs, notre taux de recrutement était de 100%.

Résultats

Données Sociodémographiques : Au total 223 patients étaient suivis durant toute la période, avec une moyenne de 44 admissions par mois dans le service de Réanimation. L’âge moyen était de 40±19 ans (extrêmes de 6 mois et 84 ans). L’âge moyen des patients décédés était de 45.9 ans ±18 et de 38 ± 19 pour les malades ayant survécu. Une différence significative des moyennes (au sein des deux groupes) a été trouvée pour les variables suivantes : l’âge, l’urée sanguine, le score de Glasgow, la bilirubine, et la kaliémie. Par contre, aucune différence significative des moyennes n’était trouvée au sein des deux groupes. Les principaux motifs d’admission étaient respectivement l’HTA sévère, l’insuffisance cardiaque et rénale ainsi que les complications du diabète et du Sida. Environ 60% des patients provenaient des services chirurgicaux.

Les Scores de Gravité

Le cout des Indices de Gravité. Le cout était calcul selon le système tarifaire de l’HGR de Panzi, qui a un plateau technique d’un hôpital tertiaire ou dans les pays voisins comme le Rwanda pour des examens non réalisables à l’est de la RD Congo**. Il variait en fonction de l’indice utilisé, ainsi on a

L’analyse des paramètres utilisés dans le calcul du score OMEGA revient à 1920 dollars USD. Le calcul de la MPM ne prend qu’un seul paramètre biologique (créatininémie) qui revient à 6 dollars USD, mais aussi d’autres techniques non encore pratiquées dans notre milieu.
Le score IGS II et la mortalité prédite
L’indice de gravité simplifié (IGS II) moyen de nos patients était de 32.23 avec un écart type de 21.2. Pour les patients décédés, l’IGS II moyen était de 55.98±19.78 vs 21.5±10.3 pour ceux ayant survécu. La différence entre les deux moyennes est statistiquement significative au seuil de 5% et au seuil de 1%.
Grâce à l’IGS II, nous avons estimé un modèle de régression logistique, qui nous a permis d’estimer la probabilité de décès. Le score IGS II était significatif au seuil de 5%.A partir du Logit donné par

Nous avons calculé la mortalité prédite qui correspondait à :

Cette mortalité était en moyenne élevée à 56% pour les survivants et à 6,9% pour les patients décédés et à 22% pour l’ensemble des patients admis. Remarquons une différence significative des scores moyens au sein des deux groupes. A titre d’interprétation, nous dirons que lorsque l’ISGII augmente d’un point (1 point), la probabilité de décès augmente de (1,101-1)% =10 %, toutes choses restant égales par ailleurs. Le modèle avec ISG II comme variable explicative a permis de classer correctement 86% des patients. Le test de Hosmer-Lemeshow (avec une probabilité de 0,109 supérieure au seuil de 0,05%) indique que le modèle est bien calibré. Le modèle a aussi un pouvoir discriminatif excellent (AUC compris entre 0,8 et 0,9) comme l’exhibe l’aire sous la courbe ROC, « Area Under the Curve », qui est de 86,5% (voir figure suivante)

Une corrélation positive significative est à signaler entre le score IGS II et les variables Age (r = 0,31 et p = 0,00), Urée sanguine (r = 0,57 et p = 0,001), kaliémie (r = 0,33 et p=0,00). Aussi, une corrélation négative significative était observée entre le score IGS II d’une part et les variables : Pression artérielle systolique (r= -0,28 et p = 0,001) et le score de Glasgow (r = -0,64 et p = 0,001) d’autre part. La même corrélation existe entre toutes ces variables et la mortalité prédite avec ISG II mais aussi avec le score OMEGA. Aucune corrélation significative n’existe entre d’une part le score IGSII, la mortalité prédite et le score OMEGA, et d’autre part, la fréquence cardiaque, la diurèse, le taux de leucocyte car les coefficients de corrélation sont tous inférieurs à 0,2 et les p values supérieurs au seuil de signification de 5%.
Le Score de charge de travail infirmier (Oméga) et la mortalité prédite
Le ratio personnel soignant/patient dans notre service était de 1 médecin pour 8 lits et 2 infirmiers par shift donc 1 infirmier/4 patients.
Une corrélation forte et significative est à observer entre le score IGS II et le score OMEGA (r = 0,67 avec une p-valeur de 0.0001< 0,01). Les valeurs du score IGS II ont varié dans le même sens que ceux du score OMEGA comme on peut le visualiser sur la figure suivante

La mortalité prédite avec le score OMEGA égale à

moyenne de 25,9% pour les patients décédés, et de 53,8% pour les patients ayant survécu ainsi que de 36%

pour l’ensemble des patients admis. Le modèle de prédiction de mortalité avec le score OMEGA classe correctement 81.1% des patients et possède aussi un pouvoir discriminatif acceptable (AUC de 0,787 compris entre 0,7 et 0,8)

Discussion

L’évaluation des patients de réanimation connait d’énormes progrès ces dernières décennies bien que encore critiqués pour n’évaluer que la mortalité et non la morbidité. La présente étude nous a permis de ressortir les avantages et les limites de l’utilisation des scores généralistes dans notre milieu car ils sont de plus en plus conseilles par les sociétés savantes pour des raisons de facilite d’usage, de mise à jour évolutive et d’une recalibration sur des grandes bases des données des patients de réanimation [l7].

Données Sociodémographiques

Effectif : nous avons enregistré 223 dossiers durant la période d’étude et cela était dans les normes car Gal J1 et al. [1,15] recommandent un effectif d’au moins 200 patients tout en tenant compte de l’intervalle de confiance.
Age : l’âge moyen dans notre série était de 40±19 ans (extrêmes de 6 mois et 84 ans), ce qui rejoint les séries européennes (35±21 ans), tunisiennes (40±15 ans) et Sénégalaises (42 ± 20,2 ans). [2, 3, 4].
Coût de l’utilisation des scores. Hormis le coût des logiciels utilisés, notre étude avait trouvé un cout élevé des paramètres mesurés au laboratoire pour calculer les scores. Ce cout calculé en dollars américain (USD) avait montré que l’IGS II, le MPM et l’OMEGA coutent respectivement 66, 16 et 1920 dollars UDS. Ce cout est très élevé pour nos patients surtout en RD Congo ou le SMIG fixe par arrêté ministériel de 2008 est de 1,8 dollars USD par fonctionnaire [9], donc environ 36 fois plus élevé pour le calcul de l’IGS II par patient. Ceci montre une inaccessibilité financière de ces scores dans les pays à ressources limitées.
Motif d’admission. Il nous était difficile de déterminer le diagnostic principal dès l’admission des patients car nombreux présentaient des affections chroniques et/ou aigues superposées. Cette difficulté était aussi rencontrée dans d’autres séries [15,3]. Néanmoins, les principaux motifs d’admission étaient respectivement l’HTA sévère, l’insuffisance cardiaque et rénale ainsi que les complications du diabète et du Sida. Par ailleurs, 60% des patients étaient chirurgicaux à l’admission.

Scores de gravite

L’IGS II / le MPM : après l’ancienne version (IGS I), la mise à jour de l’IGS II s’est cependant faite en utilisant les méthodes statistiques appropriées, permettant de tester la corrélation entre les variables entrant dans le score et la mortalité hospitalière. Il conserve son approche pragmatique et il est le score de
gravité le plus utilise en France. Dans la série européenne de Moine P et al. [2], chez les patients de réanimation, un IGS II moyen de 35±12 était retrouve. En Afrique, une série sénégalaise avait trouvé un IGS II moyen de 32,1±19,5 avec souvent des IGS II moyens plus élevés chez des patients admis pour choc septique, paludisme grave, comas de cause non retrouvées et Insuffisance rénale aigue, contre des IGS II moyens bas retrouves chez des patients admis pour tétanos, intoxications et surveillance post opératoire [3]. Ceci pourrait expliquer que l’ordre de hiérarchisation de ces affections par l’IGS II et la MPM n’était pas respecté par la mortalité des patients graves comme dans le tétanos. Notre série avait retrouvé presque la même réalité car l’IGS II moyen était de 32,2 ± 21,2 en général ; et 55,98 ± 19,98 pour les patients décédés ainsi que 21,5±10,3 pour les patients ayant survécu des pathologies moins graves (surveillance post opératoire, pré éclampsie sévère). L’IGS, comme variable explicative avait permis de classer correctement 86 % des patients malgré quelques biais de non réponse suite à certains paramètres difficiles à mesurer dans notre service. Par ailleurs, nous avions trouvé aussi une corrélation positive entre l’IGS II et les variables (Age, Urée sanguine, Kaliémie) et une corrélation négative pour les variables comme la pression artérielle systolique et le score de Glasgow. La même liaison existait entre ces variables et la mortalité prédite avec l’IGS II et le score Omega.
Le score de charge de travail (OMEGA). Ce score à visées généralistes repose sur l’attribution arbitraire d’un certain nombre de points à chacune des interventions possibles sur un patient de réanimation qu’elles concernent la surveillance ou le traitement. Le score de charge de travail dans notre série avait trouvé un bon ratio personnel/soignant avec une corrélation forte et positive avec le score IGS II car le pouvoir discriminatif de l’IGS était supérieur (86,5%) par rapport à la charge de travail (78,7% et p-value >0,096). Ceci explique à suffisance que ce modèle était bien calibre. Par contre notre ration parait légèrement faible par rapport aux recommandations de la Société européenne des Soins Intensifs [5]. Dans la série sénégalaise, le score de charge de travail n’était corrélé ni à la mortalité prédite, encore moins aux nombre des défaillances d’organes, mais plus à la durée de séjour des patients [3].
Evolution : dans notre série, le modèle de prédiction de mortalité avec le score OMEGA classe correctement 81.1% des patients et possède aussi un pouvoir
discriminatif acceptable (AUC de 0,787 compris entre 0,7 et 0,8). Elle était en moyenne de 25,9% pour les patients décédés, et de 53,8% pour les patients ayant survécu ainsi que de 36% pour l’ensemble des patients admis. Ces résultats étaient non loin de ceux trouves dans les séries européenne (26 à 30%), Nord-américaine (23 à 33%), et Sénégalaise (31,3%) [2,3,10]. Elle était très élevée dans les groupes comme le choc septique, l’Accident Vasculaire Cérébral, le tétanos comme dans la série Sénégalaise [3]. Ces variations peuvent s’expliquer soit par une mauvaise prise en charge, soit une mauvaise cotation de l’IGS II (biais de non réponse), ou tout simplement une inadéquation du score IGS II pour les groupes pathologiques car la littérature reporte qu’un service de réanimation est théoriquement performant lorsque le rapport mortalité observée et mortalité prédite (MO/MP) est < 2 et meilleur si < 2 [15] ; ce qui est encourageant pour nos pays a ressources limitées au vu de nos résultats.
Etude de faisabilité : dans la littérature, la majorité des travaux publies ont rapporté certaines limites dans l’utilisation de ces scores, surtout les systèmes des défaillances multi viscérales expliquant pourquoi ils ont une assise beaucoup plus réduite et sont beaucoup moins utilises [12]. Si ce problème est encore rémanent dans les pays industrialisés, que dire des pays a ressources limitées ou les hôpitaux sont sous équipés, non informatisés avec un revenu faible de la population rendant ainsi très difficile l’application de ces sores dans nos milieux, pourtant importants apportant car ils apportent des renseignements importants sur la gravité des patients, permettant de mieux les catégoriser afin de prévoir leur évolution.

Conclusion

Il apparait dans notre travail que les scores généralistes de gravite sont meilleurs dans la prédiction de la mortalité et peuvent aider un service de réanimation à améliorer ses performances. Leur utilisation dans les pays à ressources limitées dont la RD Congo rencontre encore plusieurs limites en termes de cout, la complexité des paramètres nécessitant une logistique sophistiquée que ne possèdent pas nos hôpitaux. L’accessibilité de ces scores dans nos pays, nécessite urgemment la mise sur pieds des scores plus faciles d’usage et moins couteux adaptes aux pays à ressources limitées

Références

1. Le Gall J, Klar J, Lemeshow S, Saulnier F, Alberti C, Artigas A, et al. logistic Organ Dysfunction System (LOD). JAMA 1996 ; 27610 : 802-10.
2. Moine P, Hemery F, Bleriot J P, Fulgencio J P, Garrigues B, Gouzes C, Le Gall J R, Lepage E, Villers D. Exhaustivité des résumés d’unités médicales adressés aux départements d’information médicale. Ann Fr Anesth Réanim 2004 ; 23 : 15-20
3. Wade KA, Diallo A, Beye SA, Niang EH, Diop M, Diatta B. Evaluation de l’utilisation des scores de gravité dans le service de réanimation de l’hôpital d’instruction des armées principal de Dakar. Rev Afr Anesth Med Urgence. 2011 ; 16 : 12-17.
4. Kammoun w, Othman, Cherni m. Epidémiologie des décès dans un service des urgences. Am Rev Respir Dis 1990 ; 142 : 421-511.
5. Ferdinande P. Recommandations of minimal Requirements for intensive care department. Intensive Care Med 1997 ; 23 : 226-32.
6. Iteke F R, Ahuka O L, Mugisho G, Brouh Y. Quelle place pour les indices de gravites pronostique des patients de réanimation ? Great lakes Medical Review 2014 ; 6 : 2-4.
7. Lemeshow S, Teres D, Klar J, Avrunin J, Gehlbach S, Rapoport J, et al. Mortality Prediction Models [MPM II] based on an international cohort of intensive care patients. JAMA 1993 ; 270 : 2478-86.
8. Le Gall J, Lemeshow S, Saulnier F. A new simplified acute physiology score (SAPS II) based on a European/North American multicenter study. JAMA 1993 ; 270 : 2957- 63.
9. Ministère de l’Emploi, Travail et Prévoyance sociale : Mesures d’application du nouveau SMIG en vaguer en RD Congo. Art 4. Ord n°08/040 du 30 avril 2008. Digital congo.net.
10. Sculier J P, Paesmans M, Markiewicz E, Berghmans T. Scoring systems in cancer patients admitted for an acute complication in a medical intensive care unit. Crit Care Med 2000 ; 28 : 2786-92.
11. H. Azendour, A. El Wali, M. Bensghir, H. Balkhi, B. Haimeur, M. Atmani. Performances des scores de gravite et des systèmes de défaillances viscérales dans la prédiction de la mortalité des insuffisances rénales aigues en réanimation. J. Magh, A. Réa. 2004 ; XI : 188.
12. Auriant I, Vinatier I, Thaler F, Loirat P. Evaluation des unités de surveillance continue : intérêt du SAPS II et de l’intermediate TISS. Réanim Urgence 1997 ; 61:13-9.
13. Zimmerman J, Wagner D, Knaus W, Williams J, Kolakowski D, Draper E. The use of risk prediction to identify candidates for intermediate care units. Chest 1995 ; 108 : 490-9.
14. Bosman R, Oudemane van Straaten H, Zandstra D. the use intensive care information sytems alters outcome prediction. Intensive Care Med 1998 ; 9 : 953-8.
15. Le Gall J, Alberti C. Indices de gravité et applications en réanimation. Encyclopédie Médico-Chirurgicale 36-700-A-10.