Pourquoi les équations de risque comptent avant l’apparition de la maladie
Certaines des décisions les plus déterminantes en matière de prise en charge cardiovasculaire sont prises avant qu’un patient ne fasse une crise cardiaque, un accident vasculaire cérébral ou un épisode d’insuffisance cardiaque. Les médecins utilisent des équations de risque pour estimer qui est le plus susceptible de développer une maladie et qui pourrait bénéficier d’un traitement préventif. Cela fait de la précision de ces équations une question clinique, et non statistique.
Une nouvelle étude de validation multinationale, publiée en accès anticipé dans Nature Medicine, examine les équations de risque cardiovasculaire PREVENT et SCORE2 auprès de 6,4 millions de personnes. Rien que par son ampleur, l’article se distingue. Il ne présente pas un test limité à un seul centre ni un exercice local de recalibrage. Il évalue deux cadres largement utilisés et demande comment ils se comportent dans une population très vaste et géographiquement diversifiée.
Ce qu’évalue l’étude
D’après le texte source fourni, les équations PREVENT de l’American Heart Association estiment le risque de maladie cardiovasculaire totale, de maladie cardiovasculaire athéroscléreuse et d’insuffisance cardiaque chez les adultes âgés de 30 à 79 ans aux États-Unis. Ces estimations sont conçues pour orienter les décisions concernant les traitements hypolipémiants et antihypertenseurs. En d’autres termes, PREVENT est destiné à déterminer quand les cliniciens interviennent et avec quelle intensité.
Le titre de l’étude indique clairement que SCORE2 est évalué aux côtés de PREVENT. Ensemble, ces deux outils occupent une place importante en cardiologie préventive, car les calculateurs de risque influencent les seuils de traitement, les échanges avec les patients et les politiques des systèmes de santé. Si un modèle surestime le risque, certains patients peuvent recevoir un traitement inutile. S’il le sous-estime, d’autres peuvent passer à côté d’une occasion de prévenir une maladie grave.
C’est pourquoi la validation est essentielle. Une équation de risque peut sembler performante dans l’ensemble de données utilisé pour la construire, mais donner des résultats inégaux lorsqu’elle est appliquée à différents systèmes de santé, populations ou profils de maladie. Les grandes études de validation externe aident à déterminer si un modèle est transportable ou s’il doit être recalibré avant une utilisation à grande échelle.





