8 JUILLET 2019
Des chercheurs ont démontré l'efficacité de l'utilisation d'algorithmes analysant les dossiers médicaux électroniques (DME) pour aider les cliniciens à identifier les patients à risque d'infection par le VIH susceptibles de bénéficier d'une prophylaxie pré-exposition (PrEP), qui réduit considérablement leur risque d'infection. Ces études, financées par l'Institut national de la santé mentale (NIMH) et l'Institut national des allergies et des maladies infectieuses (NIAID), qui font partie des Instituts nationaux de la santé (NIH), promeuvent une méthode novatrice permettant aux cliniciens d'identifier les personnes ayant le plus besoin de PrEP. Les résultats de ces deux études ont été publiés dans la revue The Lancet HIV.
« La mise au point d’outils novateurs pour accroître l’utilisation et l’observance de la PrEP aux États-Unis est essentielle à nos efforts pour mettre fin à l’épidémie de VIH », a déclaré Dianne Rausch, Ph.D., directrice de la Division de la recherche sur le sida au NIMH. « Identifier les personnes susceptibles de bénéficier de la PrEP représente un défi majeur pour les cliniciens, et il s’agit d’une avancée importante qui pourrait contribuer à améliorer la distribution et l’utilisation de la PrEP. »
La PrEP est une stratégie qui consiste pour les personnes en bonne santé à prendre régulièrement un ou plusieurs médicaments antirétroviraux afin de réduire leur risque d'infection par le VIH. Bien qu'elle soit très efficace pour réduire ce risque, elle reste sous-utilisée. Les Centres pour le contrôle et la prévention des maladies (CDC) estiment que jusqu'à 1,1 million d'Américains pourraient être éligibles à la PrEP, mais en 2016, seulement 78 360 personnes environ (soit environ 7 %) ont reçu une prescription de ce traitement.
Il arrive que les médecins prescrivent moins la PrEP par manque de temps ou de compétences pour évaluer correctement le risque d'infection par le VIH chez leurs patients. Dans d'autres cas, ils peuvent ne pas être familiarisés avec la PrEP ou considérer que sa prescription dépasse leur champ de compétences.
« L’intégration d’algorithmes de dépistage automatisés dans les dossiers médicaux électroniques pourrait aider les cliniciens débordés à identifier et à évaluer plus efficacement les patients susceptibles de bénéficier de la PrEP, et leur permettre de prescrire la PrEP plus fréquemment », a déclaré l’auteur de l’étude, le Dr Douglas Krakower, du Beth Israel Deaconess Medical Center et de la Harvard Medical School.
Dans deux études à grande échelle, qui ont utilisé les dossiers médicaux électroniques de grands systèmes de santé du Massachusetts et de Californie, des chercheurs ont créé et testé des algorithmes qui analysent une grande variété de données de santé et d'informations sur les patients pour aider les médecins à identifier automatiquement les personnes présentant un risque plus élevé d'infection par le VIH et, par conséquent, les plus susceptibles de bénéficier des médicaments PrEP.
Dans la première étude, Krakower et ses collègues ont utilisé l'apprentissage automatique pour créer un algorithme de prédiction du VIH à partir des données des dossiers médicaux électroniques (DME) de plus d'un million de patients suivis par Atrius Health, un important réseau de santé du Massachusetts, entre 2007 et 2015. Le modèle exploitait des variables issues des DME, telles que les codes de diagnostic pour le VIH ou les consultations en matière d'infections sexuellement transmissibles (IST), les résultats des analyses de laboratoire pour le VIH ou les IST, et les prescriptions de médicaments liés au traitement des IST. Le modèle a ensuite été validé à l'aide des données de 537 257 patients suivis par Atrius Health en 2016, ainsi que de celles de 33 404 patients suivis par Fenway Health, un centre de santé communautaire de Boston spécialisé dans la prise en charge des minorités sexuelles et de genre, entre 2011 et 2016. Ces études de validation,
Les chercheurs ont découvert de nombreuses occasions manquées de prescrire la PrEP. Par exemple, plus de 9 500 personnes dans l’ensemble de données de 2016 présentaient des scores de risque particulièrement élevés selon l’algorithme de prédiction et n’avaient jamais reçu de prescription de PrEP auparavant.
Selon Krakower, « l’une des conclusions surprenantes de notre analyse suggère que près de 40 % des nouveaux cas de VIH auraient pu être évités si les médecins avaient été incités à discuter et à proposer la PrEP à leurs patients présentant les 2 % de risques les plus élevés. »
La seconde étude, menée par Julia Marcus, docteure en philosophie, de la faculté de médecine de Harvard et du Harvard Pilgrim Health Care Institute, en collaboration avec Krakower et ses collègues, a étendu cette approche prédictive en utilisant les dossiers médicaux électroniques (DME) de plus de 3,7 millions de patients bénéficiant de soins ambulatoires chez Kaiser Permanente en Californie du Nord. Ils ont élaboré un modèle de prédiction de l'incidence du VIH à partir des données de patients inscrits au système Kaiser Permanente entre 2007 et 2014, puis l'ont validé avec les données de patients inscrits entre 2015 et 2017. Ce modèle intégrait des variables issues des DME telles que les indicateurs de comportements sexuels à risque, la fréquence des dépistages du VIH et des IST, ainsi que les diagnostics et traitements des IST.
« Notre modèle a permis d'identifier près de la moitié des nouveaux cas de VIH chez les hommes en ne signalant que 2 % de la population générale de patients », a déclaré Marcus. « L'intégration de notre algorithme au dossier médical électronique de Kaiser Permanente pourrait permettre aux professionnels de santé de discuter de la PrEP avec les patients les plus susceptibles d'en bénéficier. »
Informations complémentaires : Douglas S Krakower et al. Développement et validation d’un algorithme automatisé de prédiction du VIH pour identifier les candidats à la prophylaxie pré-exposition : une étude de modélisation, The Lancet HIV (2019). DOI : 10.1016/S2352-3018(19)30139-0
Julia L. Marcus et al. Utilisation des données des dossiers médicaux électroniques et de l'apprentissage automatique pour identifier les candidats à la prophylaxie pré-exposition au VIH : une étude de modélisation, The Lancet HIV (2019). DOI : 10.1016/S2352-3018(19)30137-7
ps://medicalxpress.com/news/2019-07-method-patients-hiv-benefit-strategies.html