Risque périopératoire de Gupta d'infarctus du myocarde ou d'arrêt cardiaque (MICA)

Contexte clinique

L'infarctus du myocarde et l'arrêt cardiaque périopératoires sont des complications rares mais graves de la chirurgie non cardiaque, de mortalité élevée lorsqu'ils surviennent. Décider de l'étendue du bilan cardiologique préopératoire, et communiquer le risque au patient, exige une estimation quantifiée. L'instrument dominant avant le modèle de Gupta était le Revised Cardiac Risk Index (RCRI), qui repose sur six variables cliniques et fournit une classe de risque grossière. Le RCRI a toutefois été critiqué pour sa capacité discriminante relativement faible et parce qu'il ne tient pas compte en détail du profil de risque propre au type d'intervention. Le modèle de Gupta pour le risque périopératoire d'infarctus du myocarde ou d'arrêt cardiaque (MICA) a été développé précisément pour corriger ces faiblesses, en particulier pour intégrer la sous-catégorie chirurgicale comme un déterminant majeur du risque et fournir ainsi un pourcentage de risque plus différencié et plus individualisé [1].

Calcul du risque périopératoire de Gupta

Le modèle est une régression logistique à cinq prédicteurs : âge, statut fonctionnel, classe ASA, créatinine préopératoire et type d'intervention. Il se calcule ainsi :

$$x = 0{,}02 \times \text{âge} + \beta_{\text{statut fonctionnel}} + \beta_{\text{classe ASA}} + \beta_{\text{créatinine}} + \beta_{\text{type d'intervention}} - 5{,}25$$

$$\text{risque ($$

où chaque $\beta$ correspond au coefficient de la catégorie retenue pour la variable concernée. L'âge contribue linéairement à raison de 0,02 par année de vie. Le statut fonctionnel donne 0 point pour indépendant, 0,65 pour partiellement dépendant et 1,03 pour totalement dépendant. La classe ASA contribue par des coefficients négatifs pour les classes basses (I : −5,17 ; II : −3,29 ; III : −1,92 ; IV : −0,95 ; V : 0), si bien que les patients en meilleure santé ont un risque plus faible. Une créatinine préopératoire >1,5 mg/dL ajoute 0,61. Les coefficients du type d'intervention vont de −1,61 (chirurgie mammaire) à +1,60 (chirurgie de l'aorte) et constituent le déterminant du risque le plus puissant du modèle.

La cohorte de dérivation comptait 211 410 patients du American College of Surgeons National Surgical Quality Improvement Program (NSQIP) de 2007, base de données multicentrique prospective réunissant plus de 250 hôpitaux. Le critère était l'infarctus du myocarde ou l'arrêt cardiaque périopératoire, survenu chez 1 371 patients (0,65 %). Le modèle a ensuite été validé sur les données NSQIP 2008, portant sur 257 385 patients [1].

Interprétation en pratique

À la différence des index fournissant des classes de risque, le modèle de Gupta délivre une probabilité continue en pourcentage. Il n'existe pas, dans le calculateur lui-même, de valeurs seuils consacrées et généralement admises pour dire à partir de quand le risque devient « élevé » ou « faible », et les recommandations de l'ESC de 2022 ne définissent pas davantage de bornes fixes déclenchant des mesures précises [3]. Le chiffre de risque doit donc s'interpréter dans son contexte clinique :

Il importe que le chiffre de risque serve de base à une décision partagée, et non d'outil décisionnel autonome. Un patient dont le chiffre de risque est bas mais qui a présenté récemment un infarctus du myocarde ou un angor instable doit être pris en charge selon le tableau clinique, non selon le calculateur.

Validation et performance

Dans l'étude de dérivation, le modèle présentait une statistique c de 0,884 dans la cohorte de développement et de 0,874 dans la cohorte de validation temporelle (NSQIP 2008). À titre de comparaison, le RCRI appliqué aux mêmes données de 2008 donnait une statistique c de 0,747 [1].

La validation externe a montré une performance nettement inférieure. Fronczek et al. ont validé le NSQIP MICA et le RCRI chez 870 patients de ≥45 ans opérés d'une chirurgie vasculaire non cardiaque dans un centre tertiaire, avec dosage systématique de la troponine T ultrasensible en postopératoire et diagnostic selon la troisième définition universelle de l'infarctus du myocarde. Le critère composite est survenu chez 8,7 %. Le NSQIP MICA avait une statistique c de 0,64 (IC 95 % 0,57–0,70) contre 0,60 pour le RCRI. Le calibrage était médiocre : le modèle sous-estimait systématiquement le risque (P<0,001) [2].

Alrezk et al. ont testé le Gupta MICA sur les données NSQIP 2012 restreintes aux patients gériatriques (≥65 ans, n=172 905). L'AUC tombait à 0,70, soit une dégradation d'environ 17 % par rapport à la performance initiale dans le NSQIP 2007. Le calibrage était insuffisant : le modèle sous-estimait le risque dans les catégories basses et le surestimait dans les catégories hautes, avec un écart médian de −0,73 point de pourcentage chez les patients gériatriques [4].

En résumé, le modèle se comporte bien dans la population dont il est issu, mais sa discrimination chute nettement en validation externe, en particulier dans les cohortes gériatriques et en chirurgie vasculaire. Le calibrage est un problème récurrent, avec une sous-estimation systématique du risque observé.

Limites

Le modèle est dérivé de données NSQIP de 2007 et reflète la technique chirurgicale et la population de patients de l'époque. Les résultats chirurgicaux se sont améliorés depuis, si bien que les coefficients peuvent être dépassés. Alrezk et al. soulignent que les modèles doivent être actualisés à intervalles réguliers pour refléter l'évolution des pratiques [4].

La population gériatrique pose un problème particulier. L'hypothèse de linéarité pour l'âge fait que le modèle ne capte pas l'augmentation non linéaire du risque observée chez les patients âgés, ce qui contribue à la dégradation de la performance et à la sous-estimation systématique du risque dans ce groupe [4].

Fronczek et al. ont montré que, lorsque les infarctus périopératoires sont diagnostiqués par dosage systématique de troponine selon la définition universelle en vigueur, la statistique c chute fortement par rapport à l'étude de dérivation, laquelle reposait sur des infarctus détectés cliniquement [2]. C'est une limite fondamentale : le modèle a été entraîné sur une définition de critère qui méconnaît les élévations asymptomatiques de troponine, lesquelles représentent une part notable des lésions myocardiques périopératoires en pratique moderne.

Le modèle est dépourvu de plusieurs prédicteurs cliniquement pertinents : la cardiopathie ischémique, l'insuffisance cardiaque, le diabète, l'accident vasculaire cérébral et l'anémie n'y figurent pas. Le RCRI en inclut plusieurs, ce qui explique en partie pourquoi il reste utilisé en parallèle. En revanche, le modèle de Gupta intègre le type d'intervention en détail, ce que ne fait pas le RCRI.

Le seuil de créatinine de 1,5 mg/dL (soit environ 133 µmol/L) est le même que dans le RCRI et constitue une dichotomisation grossière, sans prise en compte du DFGe ni des différences de créatinine liées au sexe.

Sources

1. Gupta PK, Gupta H, Sundaram A, et al. Development and validation of a risk calculator for prediction of cardiac risk after surgery. Circulation. 2011;124(4):381–7. PMID: 21730309
2. Fronczek J, Polok K, Devereaux PJ, et al. External validation of the Revised Cardiac Risk Index and National Surgical Quality Improvement Program Myocardial Infarction and Cardiac Arrest calculator in noncardiac vascular surgery. Br J Anaesth. 2019;123(4):421–429. PMID: 31256916
3. Halvorsen S, Mehilli J, Cassese S, et al. 2022 ESC Guidelines on cardiovascular assessment and management of patients undergoing non-cardiac surgery. Eur Heart J. 2022;43(39):3826–3924. PMID: 36017553
4. Alrezk R, Jackson N, Al Rezk M, et al. Derivation and validation of a geriatric-sensitive perioperative cardiac risk index. J Am Heart Assoc. 2017;6(11):e006648. PMID: 29146612