Un algorithme pour prédire le risque de syndrome métabolique

Published by Bovet Remund Virginie on 16.09.2022
Les troubles cardiométaboliques sont fréquents en psychiatrie et peuvent être liés à la prescription d’antipsychotiques. Le CHUV a contribué à valider pour la Suisse un algorithme développé en Angleterre pour prédire ce risque.

Les groupes de recherche des Profs. Chin B. Eap (Département de psychiatrie, CHUV-UNIL), Benedicto Crespo-Facorrod (Département de psychiatrie, Hôpital universitaire Marqués de Valdecilla, Espagne) et Graham K. Murray (Département de psychiatrie, Université de Cambridge, Angleterre) ont publié le 26.08.2022 dans la revue scientifique internationale Lancet regional health Europe les résultats de cette étude de validation. Ce travail, mené par les co premiers auteurs Dr Vandenberghe Frederik (pharmacologue clinique SSPTC de l’Unité de pharmacogénétique et psychopharmacologie clinique du CHUV), du Dr Benjamin Perry (psychiatre à l’Université de Cambridge, Angleterre) et la Dre Nathalia Garrido-Torres (psychiatre aux Hôpitaux universitaires Virgen del Rocío, Espagne), est visible sous forme d’application dans le lien suivant : https://psymetric.shinyapps.io/psymetric.

L’algorithme déjà existant PsyMetRiC (psychosis metabolic risk calculator) permet de prédire le risque de syndrome métabolique dans les 6 ans suivant une introduction d’un antipsychotique chez des patient·es souffrant de psychoses âgé·es de 16 à 35 ans. Cet algorithme a été initialement développé et validé dans plusieurs cohortes indépendantes anglo-saxonnes en incluant différents paramètres tels que le genre, l’origine ethnique, le statut tabagique, l’âge, l’indice de masse corporelle et la présence d’un antipsychotique à risque. Ce modèle permet de prédire, avec une sensibilité de 75% et une spécificité de 74%, le risque de syndrome métabolique dans la population psychiatrique anglaise. Une version incluant des paramètres de laboratoires tels que les triglycérides ou le HDL cholestérol a également été développée.

Un algorithme validé sur 588 patient·es

Ce modèle ne pouvait pas être appliqué à la population psychiatrique suisse en raison de différences sociodémographiques (par ex. fréquence des origines ethniques) et de prévalences des facteurs de risques (indice de masse corporelle initial, prévalence du tabagisme, etc.). Afin de pouvoir l’utiliser en Suisse, cet algorithme a été validé sur 558 patient·es sélectionné·es dans les cohortes psychiatriques lausannoises PsyMetab et PSyClin. Après une recalibration du modèle, des performances prédictives comparables au modèle initial ont été obtenues permettant d’utiliser cet outil dans la population psychiatrique suisse. Une approche similaire a été initiée par un groupe de recherche en Espagne permettant son utilisation dans la population espagnole.

À titre d’exemple, un patient de 22 ans, non-fumeur, avec un indice de masse corporelle de 25 Kg/m2, domicilié en Suisse et d’origine caucasienne aurait un risque de développer un syndrome métabolique de 10% dans les 6 ans après l’introduction d’aripiprazole (antipsychotique considéré à faible risque métabolique). Pour ce même patient, le risque augmenterait de 60% (risque de 16%) si le choix du traitement se portait sur l’olanzapine, molécule à risque métabolique élevé.

Choix du traitement : mieux apprécier le risque de complications somatiques/métaboliques

L’utilisation de cet outil pourrait permettre aux clinicien·nes de visualiser l’impact de différents facteurs de risques (modifiables ou non) dans la population psychiatrique et d’aborder la problématique des maladies cardiovasculaires avec leurs patient·es. Toutefois, cet outil ne peut être utilisé comme dispositif médical ; le choix de l’antipsychotique doit continuer à être basé sur le jugement clinique du prescripteur ou de la prescriptrice. Cet algorithme permettra cependant de mieux apprécier le risque de complications somatiques/métaboliques potentielles lors du choix du traitement, tout en prenant en compte différents paramètres tels que le souhait du·de la patient·e, son historique médicamenteux, ses co médications ainsi que ses facteurs de risques cardiovasculaires.

 Last updated on 22/09/2022 at 16:10