5 raisons pour lesquelles vous devriez être prudent en utilisant les règles de prédiction clinique dans la pratique

Les règles de la cheville d'Ottawa sont l'exemple classique de la façon dont une simple règle de prédiction clinique peut améliorer la pratique clinique. Cependant, il existe de nombreux défis et obstacles qui expliquent pourquoi il faut faire attention à l'utilisation des règles de prédiction clinique dans la pratique. Dans cet article de blog, nous allons discuter des problèmes auxquels les CPR sont confrontés :

Les règles de prédiction clinique (RPC) sont des outils mathématiques destinés à guider les cliniciens dans leur prise de décision quotidienne. Les RPC sont créés à l'aide de méthodes statistiques multivariées, sont conçus pour examiner la capacité prédictive de groupes sélectionnés de variables cliniques. Les règles de prédiction clinique peuvent être classées en trois groupes distincts : diagnostique, pronostique et prescriptif. Les études qui se concentrent sur les facteurs prédictifs liés à un diagnostic spécifique sont appelées RPC diagnostiques. Les règles de prédiction clinique qui sont conçues pour prédire un résultat tel que le succès ou l'échec sont considérées comme pronostiques. Les règles de prédiction clinique conçues pour cibler les interventions les plus efficaces sont considérées comme prescriptives. Leur avantage est qu'ils peuvent aider les cliniciens à prendre des décisions rapides qui peuvent normalement être soumises à des biais sous-jacents.

Un exemple de RCP prédictif, auquel nous ferons référence dans cette vidéo, est le RCP de Flynn et al. (2002) pour le succès de la manipulation lombaire : Si 3 ou plus des 5 éléments suivants sont présents, la probabilité de réussite de la manipulation est augmentée d'un facteur de 2,6, avec 4+ ou plus avec un facteur de 24. Ces facteurs sont les suivants : absence de symptômes distaux au genou, apparition des symptômes depuis moins de 30 jours, score FABQ <19, hypomobilité de la colonne lombaire et rotation interne de la hanche de plus de 35 degrés dans au moins une hanche.

Les RPC doivent passer par trois étapes avant d'être pleinement mises en œuvre dans un cadre clinique :

1. Dérivation : Dans cette phase, les RPC sont calculés à l'aide de méthodes statistiques multivariées afin d'examiner la capacité de prédiction de groupes sélectionnés de variables cliniques.
2. Validation : Le RCP est testé dans un environnement clinique similaire (ce qui est appelé validation interne), puis le RCP est testé dans un environnement clinique différent (ce qui est appelé validation externe).
3. Impact : Mesure de l'utilité de la règle dans le contexte clinique en termes de coût-bénéfice, de satisfaction du patient, d'allocation de temps/ressources, etc. généralement testée dans des essais contrôlés randomisés.

La dernière étape serait la phase de mise en œuvre, au cours de laquelle l'acceptation et l'adoption généralisées de la règle dans la pratique clinique sont réalisées.

Keogh et al. (2014) ont trouvé 434 règles individuelles jusqu'à l'année 2014. Seuls 54,8% d'entre eux ont été validés et seulement 2,8% ont fait l'objet d'une analyse d'impact. La plupart des études ont été menées dans le domaine des maladies cardiovasculaires et respiratoires, suivies par le domaine musculo-squelettique.

La première mise en garde est donc que, bien qu'il existe un grand nombre de RPC, beaucoup d'entre elles n'ont pas été validées, et encore moins fait l'objet d'études d'impact, et nous ne pouvons donc pas dire si leur utilisation améliorera la pratique clinique. Le RCP de Flynn est l'un des rares RCP prédictifs que nous connaissons qui ait été validé avec succès deux ans plus tard par Childs et al. (2004 ) dans un essai contrôlé randomisé. Ils ont constaté que la probabilité d'une issue favorable pour les patients ayant obtenu un résultat positif à la RCP avec 4 éléments sur 5 par rapport aux patients ayant obtenu un résultat négatif à la règle et ayant bénéficié d'un exercice était de 60,8.

Comme la RPC de Flynn et de ses collègues, la plupart des règles de prédiction clinique utilisées dans la pratique musculo-squelettique sont des RPC prédictives. Ces RPC utilisent des critères de base appelés modificateurs de l'effet du traitement, qui sont recueillis lors d'un examen physique, pour déterminer le type de traitement qu'un patient devrait recevoir de préférence. Malheureusement, les règles de prédictions cliniques comportent d'autres pièges potentiels, que Haskins et Cook (2016 ) ont souligné dans un éditorial pour le BJSM :

1. De nombreuses méthodes de modélisation simples et dérivées utilisées par de nombreuses études saisissent les facteurs pronostiques plutôt que les facteurs prescriptifs. En d'autres termes, les règles identifiaient les patients qui allaient de toute façon s'améliorer, quel que soit le traitement qu'ils recevaient. Si nous reprenons le RCP de Flynn, une durée des symptômes inférieure à 30 jours ou l'absence de symptômes distaux au genou et un faible niveau d'évitement de la peur sont des facteurs de pronostic positif général qui favorisent la guérison indépendamment du traitement. En réalité, l'histoire naturelle associée à ces signes et symptômes est très favorable, ce qui signifie que l'amélioration ne sera pas associée aux soins reçus, mais au temps.
2. De nombreux RPC prescriptifs contiennent des facteurs non modifiables tels que l'âge, le sexe ou la durée des symptômes qui ne peuvent être modifiés par le traitement. Pour maximiser le potentiel du modèle, les prédicteurs doivent être des facteurs médiateurs qui peuvent être influencés par le traitement, tels que la peur, le catastrophisme, la perte de force ou la flexibilité.
3. Un autre point important est que les facteurs inclus dans le modèle doivent avoir une grande fiabilité. Dans le cas du CPR de Flynn, un des facteurs du modèle est "l'hypomobilité de la colonne lombaire". Un examen systématique de van Trijffel et al. (2005) a cependant montré que la fiabilité inter-juges dans la colonne lombaire n'est que faible à moyenne. Il sera donc difficile pour différents évaluateurs utilisant le RCP d'utiliser la même conclusion sur cet item.
4. La plupart des RPC manquent de puissance en raison de la taille insuffisante des échantillons, ce qui conduit à des intervalles de confiance extrêmement larges indiquant un manque de précision de l'exactitude prédictive d'un RPC. Dans l'étude de Flynn, nous avons un intervalle de confiance de 95% allant de 4,63 à 139,41 en cas de 4 éléments positifs ou plus. Ainsi, l'effet de la manipulation chez les patients qui obtiennent un score positif à la RCP peut être modéré, mais il peut aussi être énorme avec un odds ratio de 139 dans 95 cas sur 100.

Très bien, résumons les raisons pour lesquelles nous ne devons pas nous fier aveuglément aux RPC pour la pratique clinique : La plupart des RPC ont seulement été dérivées, mais n'ont jamais été validées (avec succès), et encore moins atteint la phase d'impact clinique. Les résultats d'une étude et d'un contexte particulier ne peuvent pas être simplement transférés à votre contexte clinique. Un grand nombre de facteurs dans une RCP sont des facteurs de pronostic positifs qui sont associés à une évolution naturelle favorable. Donc ces patients allaient s'améliorer de toute façon. Enfin, il est important que des facteurs fiables et modifiables soient inclus dans un modèle afin de maximiser son potentiel, tandis que les études devraient augmenter la taille de leurs échantillons afin de décrire l'effet du RCP avec plus de précision.

L'application Manual Therapy (iOS et Android)

L'application de thérapie manuelle de Physiotutors propose plus de 150 techniques de mobilisation et de manipulation pour le système musculo-squelettique. Vous trouverez également des informations sur les tests de dépistage du système vasculaire et de l'intégrité ligamentaire.

Si vous souhaitez rester à jour et être informé dès que nous publions un nouvel article de blog, assurez-vous de vous abonner à notre flux RSS qui vous enverra la notification du nouvel article directement dans votre boîte de réception. 

Références :

Adams ST, Leveson SH. Règles de prédiction clinique. Bmj. 2012 Jan 16;344:d8312.

Childs JD, Fritz JM, Flynn TW, Irrgang JJ, Johnson KK, Majkowski GR, Delitto A. A clinical prediction rule to identify patients with low back pain most likely to benefit from spinal manipulation : a validation study. Annales de médecine interne. 2004 Dec 21;141(12):920-8.

Cook C. Potential pitfalls of clinical prediction rules.

Article du blog de Chad Cook : https://relief.news/2016/09/05/rip-prescriptive-clinical-prediction-rules/

Flynn T, Fritz J, Whitman J, Wainner R, Magel J, Rendeiro D, Butler B, Garber M, Allison S. A clinical prediction rule for classifying patients with low back pain who demonstrate short-term improvement with spinal manipulation. Dos. 2002 Dec 15;27(24):2835-43.

Haskins R, Cook C. Enthousiasme pour les règles prescriptives de prédiction clinique (par exemple, les maux de dos et autres) : un petit mot de prudence.

Keogh C, Wallace E, O'Brien KK, Galvin R, Smith SM, Lewis C, Cummins A, Cousins G, Dimitrov BD, Fahey T. Developing an international register of clinical prediction rules for use in primary care : a descriptive analysis. Les Annales de la médecine familiale. 2014 Jul 1;12(4):359-66.

van Trijffel E, Anderegg Q, Bossuyt PM, Lucas C. Inter-examiner reliability of passive assessment of intervertebral motion in the cervical and lumbar spine : a systematic review. Thérapie manuelle. 2005 Nov 1;10(4):256-69.

Wallace E, Johansen ME. Règles de prédiction clinique : défis, obstacles et promesses.