Variation dans l'utilisation de la thrombolyse pour le traitement des AVC

L'AVC est une cause majeure de décès et de handicap dans le monde. Alors que les taux d'AVC ont diminué dans certaines régions, une population vieillissante signifie que le nombre total de cas d'AVC continue d'augmenter. En Europe, l'AVC coûte cher aux systèmes de santé chaque année. Un traitement efficace pour un type spécifique d'AVC, appelé AVC ischémique, est un médicament connu sous le nom de Thrombolyse. Ce traitement peut réduire considérablement le handicap s'il est administré dans les quelques heures suivant le début de l'AVC. Cependant, l'utilisation de la thrombolyse varie énormément d'un hôpital à l'autre.

Au Royaume-Uni, des données ont montré que les taux de thrombolyse dans les hôpitaux pouvaient être aussi bas que 1 % dans certains endroits, tandis que dans d'autres, cela pouvait atteindre 28 %. Cette variation signifie que beaucoup de patients qui pourraient bénéficier de la thrombolyse ne la reçoivent pas. Il y a plusieurs raisons à cette incohérence. Certains patients arrivent trop tard à l'hôpital, tandis que d'autres n'ont peut-être pas de personnel médical avec les compétences nécessaires pour administrer le traitement ou des protocoles à suivre.

Créer des centres d'AVC dédiés pourrait aider à améliorer les soins aux patients victimes d'AVC et s'assurer que plus de gens reçoivent la thrombolyse. De plus, les médecins peuvent avoir des avis différents sur les patients qui devraient recevoir le traitement en fonction de leurs cas individuels. Certaines études ont montré que les cliniciens pourraient hésiter à donner la thrombolyse à des patients plus âgés ou à ceux avec des AVC légers, même s'ils pourraient en bénéficier.

#Le Problème

La recherche a souligné que les raisons des taux variés de thrombolyse sont complexes et impliquent plusieurs facteurs. Par exemple, des retards pour amener les patients à l'hôpital ou un manque de personnel spécialisé peuvent freiner le traitement. Pour résoudre ces problèmes, établir des centres d'AVC primaires a été proposé pour améliorer les soins d'urgence aux patients victimes d'AVC.

En outre, des études ont révélé que la façon dont les médecins prennent des décisions sur l'administration de la thrombolyse peut varier considérablement. Cette variation dans la pratique peut amener certains patients à recevoir le traitement tandis que d'autres ne le reçoivent pas, même s'ils se trouvent dans des situations de santé similaires. Comprendre pourquoi cela se produit peut aider à améliorer les résultats pour les patients victimes d'AVC.

#Ce que nous avons fait

Nous avons mené une étude pour déterminer comment les caractéristiques des patients et les facteurs hospitaliers influencent l'utilisation de la thrombolyse en Angleterre et au Pays de Galles. Nous avons utilisé des données sur les admissions d'urgence pour construire des modèles qui pourraient prédire qui recevrait la thrombolyse en fonction de certaines caractéristiques des patients.

Pour que nos résultats soient compréhensibles, nous avons utilisé une méthode appelée apprentissage automatique explicable. Cette approche nous permet de voir comment différents facteurs contribuent à la décision de donner de la thrombolyse à un patient. Nous avons spécifiquement utilisé un modèle appelé eXtreme Gradient Boosting (XGBoost) pour nos prédictions et un autre outil, SHAP, pour expliquer les décisions du modèle.

#Les Données

Notre étude a analysé des données d'une grande base de données qui capture des informations sur les admissions d'urgence pour AVC en Angleterre et au Pays de Galles sur trois ans. Ces données comprenaient une large gamme de détails sur les patients, comme l'âge, la gravité de l'AVC et les antécédents médicaux. Nous nous sommes concentrés sur les patients arrivés à l'hôpital dans les quatre heures suivant le début de leur AVC, car ces personnes étaient encore éligibles à la thrombolyse.

Nous avons travaillé avec des données de 132 hôpitaux qui avaient admis un nombre significatif de patients AVC et qui fournissaient un traitement par thrombolyse. Cette large couverture nous a permis de développer une compréhension complète de la façon dont différents hôpitaux gèrent la thrombolyse.

#Construction du Modèle

Nous avons commencé par sélectionner les caractéristiques les plus pertinentes du jeu de données à inclure dans notre modèle. Nous nous sommes concentrés sur l'identification des caractéristiques principales ayant le plus d'impact sur la prédiction de l'utilisation de la thrombolyse. Notre objectif était de réduire l'ensemble initial de caractéristiques à celles qui comptent le plus pour nos prédictions.

Après avoir sélectionné les caractéristiques les plus importantes, nous avons construit un modèle pour prédire la probabilité qu'un patient reçoive la thrombolyse. Nous avons utilisé diverses méthodes statistiques pour évaluer la précision et la fiabilité du modèle.

#Caractéristiques Clés Affectant l'Utilisation de la Thrombolyse

Les caractéristiques jugées les plus importantes pour prédire si un patient recevrait la thrombolyse comprenaient :

1. Temps d'arrivée au scan : Le temps qu'il a fallu au patient pour être scanné après son arrivée à l'hôpital.

2. Type d'AVC : Si l'AVC était causé par un blocage de la circulation sanguine (infarctus) ou par un saignement (hémorragie).

3. Gravité de l'AVC : Mesurée par une échelle qui indique à quel point l'état du patient est grave à son arrivée.

4. Temps de début connu : Si on connaissait précisément l'heure à laquelle l'AVC a commencé.

5. Handicap antérieur : Le niveau de handicap du patient avant que l'AVC ne se produise.

6. Identifiant de l'hôpital : Identifier quel hôpital a été fréquenté par le patient.

7. Utilisation de médicaments : Si le patient prenait des médicaments anticoagulants avant l'AVC.

8. Temps de début à l'arrivée : Le temps écoulé entre le début de l'AVC et l'arrivée du patient à l'hôpital.

9. Âge : L'âge du patient.

10. Début du sommeil : Si l'AVC s'est produit pendant le sommeil.

#Résultats

Après avoir analysé les données, nous avons constaté que l'utilisation de la thrombolyse variait considérablement d'un hôpital à l'autre. Le taux moyen de thrombolyse dans les hôpitaux n'était que d'environ 10 %, ce qui est bien en dessous de l'objectif idéal fixé par les autorités de santé. Dans certains hôpitaux, l'utilisation pouvait n'être que de 1,5 %, tandis que dans d'autres, elle atteignait jusqu'à 49 % pour les patients arrivés dans les quatre heures.

Notre modèle a réussi à prédire la probabilité d'utilisation de la thrombolyse en fonction des caractéristiques des patients. Il a pu expliquer une partie significative des différences de taux de traitement entre les hôpitaux. Par exemple, les hôpitaux avec une forte probabilité d'administrer la thrombolyse étaient beaucoup plus susceptibles de traiter des patients même s'ils présentaient des facteurs qui diminueraient généralement les chances de recevoir un traitement.

Le modèle a également identifié des différences clés dans le traitement des sous-groupes de patients. Les patients considérés comme des candidats idéaux pour la thrombolyse recevaient le traitement plus souvent que ceux avec des conditions non idéales. Cependant, même dans le groupe de patients idéaux, il y avait encore une variation significative des taux de traitement entre les hôpitaux.

#Comprendre la Variation Hospitalière

Nous avons examiné dans quelle mesure la différence d'utilisation de la thrombolyse entre les hôpitaux pouvait être expliquée par les caractéristiques des patients par rapport aux processus hospitaliers et à la prise de décision. Nos résultats ont indiqué qu'une portion substantielle de la variation dans l'utilisation de la thrombolyse pourrait être attribuée aux hôpitaux eux-mêmes plutôt qu'aux patients individuels.

Dans notre analyse, nous avons trouvé que 74 % des différences dans les taux de thrombolyse pouvaient être expliquées par l'identité de l'hôpital et par sa préparation à offrir le traitement. En revanche, seulement 36 % de la variation était due aux caractéristiques spécifiques des patients.

#Insights de l'Apprentissage Automatique

L'utilisation de l'apprentissage automatique nous a permis de découvrir des relations complexes entre les caractéristiques des patients et la probabilité de recevoir la thrombolyse. Le modèle a indiqué que certaines caractéristiques des patients, comme le type d'AVC et les temps d'arrivée, avaient un impact significatif sur le fait qu'ils seraient traités par thrombolyse.

De plus, nous avons trouvé que les hôpitaux ayant tendance à utiliser la thrombolyse traitaient plus fréquemment des patients avec des caractéristiques non idéales. Cela suggère que les hôpitaux avec une approche plus agressive du traitement peuvent être plus enclins à administrer la thrombolyse à des patients qui ne correspondent pas aux critères typiques.

#Conclusion

Notre étude a mis en lumière la variation significative dans l'utilisation de la thrombolyse à travers les hôpitaux en Angleterre et au Pays de Galles. Malgré les avantages connus de ce traitement, de nombreux patients qui pourraient en bénéficier ne le reçoivent pas, et les raisons de cette incohérence sont complexes.

Nous avons montré que les modèles d'apprentissage automatique explicables peuvent fournir des insights sur les facteurs qui influencent les décisions de traitement. En identifiant les caractéristiques clés qui affectent l'utilisation de la thrombolyse, nous pouvons travailler à améliorer la cohérence des soins fournis aux patients victimes d'AVC.

Comprendre ces schémas est crucial pour développer des stratégies qui peuvent améliorer la délivrance de la thrombolyse et réduire les disparités existantes entre les hôpitaux. Des efforts supplémentaires devraient être faits pour renforcer la formation et les ressources pour les hôpitaux tout en s'assurant que des protocoles sont en place pour maximiser l'utilisation de la thrombolyse pour tous les patients éligibles. L'objectif ultime est d'améliorer les résultats pour les patients victimes d'AVC, menant à une meilleure récupération et à un handicap réduit.