Contexte clinique
L'insuffisance cardiaque aiguë décompensée est une situation où la mortalité pendant le séjour varie fortement d'un patient à l'autre, de quelques pour cent à plus de vingt. Évaluer le risque dès l'admission est déterminant pour plusieurs décisions : choix du niveau de soins (unité de surveillance, soins continus ou réanimation), intensité du traitement diurétique et vasodilatateur, et moment d'un éventuel soutien inotrope. Sans instrument structuré, l'appréciation clinique du risque varie beaucoup d'un évaluateur à l'autre et tend à surestimer la mortalité, en particulier chez les patients dont la pression artérielle est normale ou élevée à l'admission.
L'algorithme ADHERE a été élaboré pour offrir une évaluation simple au lit du patient reposant sur trois variables déjà disponibles à l'admission : l'azote uréique sanguin (BUN), la pression artérielle systolique et la créatininémie. L'objectif était d'identifier à la fois les patients à mortalité très faible, chez qui une prise en charge moins intensive peut convenir, et les patients à mortalité élevée, chez qui un traitement agressif précoce et un niveau de soins supérieur peuvent se justifier.
Application de l'algorithme ADHERE
L'algorithme ADHERE est un arbre de classification (CART, classification and regression tree) reposant sur trois variables recueillies à l'admission :
- Azote uréique sanguin (BUN) en mg/dL
- Pression artérielle systolique en mmHg
- Créatininémie en mg/dL
L'arbre peut s'exprimer comme une règle décisionnelle séquentielle :
La cohorte de dérivation comprenait 33 046 séjours hospitaliers du registre ADHERE (Acute Decompensated Heart Failure National Registry), qui a recueilli des données dans 263 hôpitaux des États-Unis entre octobre 2001 et février 2003 [1]. L'âge moyen était de 72,5 ans et 52 % étaient des femmes. Tous les patients avaient pour diagnostic principal une insuffisance cardiaque aiguë décompensée. La mortalité pendant le séjour était de 4,2 % dans la cohorte de dérivation. Parmi 39 variables analysées, le BUN a été identifié comme le prédicteur le plus puissant à lui seul, suivi de la pression artérielle systolique et de la créatininémie. Le modèle a été validé prospectivement sur 32 229 séjours ultérieurs (mars à juillet 2003), où la mortalité était de 4,0 % et où la stratification du risque conservait sa capacité à séparer les groupes [1].
Interprétation en pratique
L'arbre répartit les patients en trois groupes de risque dont la mortalité pendant le séjour va de 2,1 % à 21,9 % dans la cohorte de dérivation [1,2]. L'odds ratio de mortalité entre les groupes à risque élevé et faible était de 12,9 (IC 95 % 10,4 à 15,9) [1].
| Groupe de risque | Critères | Mortalité pendant le séjour |
|---|---|---|
| Faible | BUN <43 mg/dL et PAS ≥115 mmHg | environ 2 % |
| Intermédiaire | Toutes les autres combinaisons hormis faible et élevé | environ 5,7 à 6,4 % |
| Élevé | BUN ≥43 mg/dL, PAS <115 mmHg et créatinine ≥2,75 mg/dL | environ 21,9 % |
Un risque faible signifie que le patient peut être pris en charge dans une unité d'hospitalisation classique avec un traitement diurétique standardisé et une surveillance, sans indication immédiate de réanimation sur le seul motif du risque de mortalité. C'est le groupe le plus fréquent et il comprend la majorité des patients.
Un risque intermédiaire exige une appréciation clinique au-delà du score. On y trouve des patients à fonction rénale altérée mais à pression artérielle conservée, ainsi que des patients à pression artérielle basse mais à BUN normal. Le niveau de soins doit être décidé d'après le tableau global : insuffisance respiratoire, oxygénation, besoin de vasodilatateurs intraveineux et réponse au traitement initial.
Un risque élevé correspond à une mortalité d'environ un patient sur cinq pendant le séjour. Ces patients doivent être envisagés pour une réanimation ou des soins continus, un monitorage hémodynamique invasif précoce et une recherche structurée des causes de la décompensation. Le risque de choc cardiogénique et d'insuffisance rénale est marqué.
Validation et performance
Lors de la validation interne prospective au sein du registre ADHERE, l'algorithme a conservé sa capacité de discrimination, avec des résultats comparables dans la cohorte de validation et dans celle de dérivation [1].
Dans une validation externe de Lagu et al. (2016), sept modèles de prédiction de la mortalité dans l'insuffisance cardiaque aiguë décompensée ont été testés sur 13 163 patients de 62 hôpitaux américains (base HealthFacts, 2010 à 2012) [3]. L'âge médian était de 74 ans, la moitié étaient des femmes et 27 % étaient noirs. La mortalité pendant le séjour était de 4,3 %. L'algorithme ADHERE avait une statistique c de 0,68 à 0,70, comparable à celle des autres modèles cliniques (EFFECT et deux variantes de GWTG-HF) mais inférieure à celle des modèles fondés sur des données administratives et sur le dossier électronique (LAPS2 et Premier+, statistique c de 0,76 à 0,81) [3]. L'intervalle de prédiction de l'algorithme ADHERE dans cette population était de 1,2 à 17,4 %, un peu plus étroit que dans la cohorte d'origine [3].
Dans une étude plus récente de Palmer et al. (2025) portant sur 5 602 patients admis en soins intensifs cardiologiques dans la base MIMIC-IV, l'AUC de l'algorithme ADHERE était de 0,63 (IC 95 % 0,57 à 0,70), inférieure à celle du GWTG-HF (AUC 0,66) et à celle d'un modèle d'apprentissage automatique (AUC 0,72) [4]. Cette population était toutefois sélectionnée, composée de patients de réanimation à mortalité plus élevée (6,2 %), ce qui ne correspond pas à la population hospitalière générale pour laquelle l'algorithme ADHERE a été développé.
Une sous-analyse au sein de l'ADHERE Emergency Module (ADHERE-EM) a montré que le modèle CART stratifiait aussi bien les hommes que les femmes, sans différence significative de mortalité entre les sexes à l'intérieur de chaque groupe de risque [5].
Limites
L'algorithme ADHERE s'applique à l'insuffisance cardiaque aiguë décompensée et n'a pas été validé pour l'insuffisance cardiaque chronique stable, le choc cardiogénique ou l'insuffisance cardiaque à haut débit. Il a été conçu pour la mortalité pendant le séjour et ne dit rien du pronostic à long terme ni du risque de réhospitalisation.
L'arbre n'utilise que trois variables et ignore donc d'autres prédicteurs importants tels que la natrémie, la fréquence cardiaque, la fréquence respiratoire, la troponine, le NT-proBNP, la saturation en oxygène et la ventilation mécanique. C'est une simplification délibérée destinée à garantir un usage immédiat dès l'admission, mais elle implique que des patients à score bas peuvent malgré tout être à haut risque du fait de facteurs que l'arbre ne capte pas.
Les valeurs seuils reposent sur des données de patients américains du début des années 2000. Depuis, la prise en charge de l'insuffisance cardiaque aiguë a nettement évolué avec un usage plus large des inhibiteurs de l'enzyme de conversion, des bêtabloquants, des antagonistes des récepteurs minéralocorticoïdes et des inhibiteurs de SGLT2, ce qui a pu modifier la mortalité dans les différents groupes de risque. Les chiffres absolus de mortalité doivent donc être considérés comme des valeurs de référence historiques plutôt que comme des estimations actuelles.
Une erreur fréquente consiste à utiliser des valeurs de BUN en unités SI (mmol/L) au lieu de mg/dL. Le seuil de 43 mg/dL correspond à environ 15,4 mmol/L. De même, le seuil de créatinine de 2,75 mg/dL correspond à environ 243 µmol/L. Saisir des valeurs dans la mauvaise unité donne un classement totalement erroné.
L'algorithme ne doit pas servir de base unique à la décision du niveau de soins. Il fournit une stratification grossière du risque qui doit être complétée par l'appréciation clinique, en particulier chez les patients à risque intermédiaire, où l'arbre ne distingue pas les différentes causes sous-jacentes de la décompensation.
Sources
- Fonarow GC, Adams KF Jr, Abraham WT et al. Risk stratification for in-hospital mortality in acutely decompensated heart failure: classification and regression tree analysis. JAMA 2005. PMID: 15687312
- Adams KF Jr, Uddin N, Patterson JH. Clinical predictors of in-hospital mortality in acutely decompensated heart failure: piecing together the outcome puzzle. Congest Heart Fail 2008. PMID: 18550923
- Lagu T, Pekow PS, Shieh MS et al. Validation and comparison of seven mortality prediction models for hospitalized patients with acute decompensated heart failure. Circ Heart Fail 2016. PMID: 27514749
- Palmer DQ, Gismondi RA, Gemal P et al. Mortality prediction in heart failure patients: machine learning versus Get With The Guidelines-Heart Failure (GWTG-HF) and Acute Decompensated Heart Failure National Registry (ADHERE). Cureus 2025. PMID: 40895687
- Diercks DB, Fonarow GC, Kirk JD et al. Risk stratification in women enrolled in the Acute Decompensated Heart Failure National Registry Emergency Module (ADHERE-EM). Acad Emerg Med 2008. PMID: 18275445