Messages clés
- Le modèle développé améliore la capacité de prédire l’arthrose du genou, permettant de mettre en place des mesures préventives précoces qui pourraient retarder l’apparition de l’arthrose du genou.
- L’intégration des biomarqueurs sériques dans le modèle prédictif augmente son exactitude, suggérant un rôle dans la détection précoce de l’arthrose du genou.
- C’est le premier modèle qui intègre des variables cliniques et des biomarqueurs protéiques, ce qui en fait une option idéale pour son application pratique, son potentiel impact sur la réduction des coûts et sur le fait de favoriser la médecine personnalisée.
Informations sur l’étude
Détails de l’étude
« Modèle pronostique pour prédire l’incidence de l’arthrose radiographique du genou » 1
Méthodes
L’étude a utilisé une approche méthodologique innovante, combinant des variables cliniques (âge, sexe, IMC, score de douleur WOMAC) et des biomarqueurs sériques (APOA1, APOA4, ZA2G et A2AP ont été sélectionnés sur la base d’études protéomiques antérieures). Le modèle a été développé en deux phases :
1. Phase de développement
Dans cette phase, 282 participants caucasiens de l’Osteoarthritis Initiative (OAI) sans signes radiographiques d’arthrose du genou (Kellgren et Lawrence (KL) = 0 dans les deux genoux) ont été suivis pendant 96 mois. Le résultat était l’AGR incidente, considérée lorsque l’AGR avec KL ≥ 2 était diagnostiquée dans l’un des genoux pendant la période de suivi. L’AGR incidente a été diagnostiquée chez 29 (10,3%) sujets.
La performance du modèle a été évaluée en utilisant la métrique de la surface sous la courbe (AUC), et une validation interne a été effectuée pour ajuster le surajustement.
2. Phase de validation
Une cohorte de 100 participants caucasiens de la Cohorte prospective de A Coruña (PROCOAC) a été incluse avec les mêmes critères d’inclusion et de résultats et la même période de suivi. L’AGR incidente a été diagnostiquée chez 15 (15%) sujets. L’AUC a été calculée pour évaluer l’exactitude prédictive du modèle dans cette cohorte externe.
Enfin, un nomogramme a été construit sur la base des paramètres estimés du modèle proposé.
Principaux résultats
Les chercheurs ont d’abord développé un modèle prédictif, basé sur les données démographiques et cliniques. Ce modèle clinique a obtenu une capacité modérée à de prédire l’incidence de l’AGR pendant la période de suivi avec une AUC de 0,702. En incorporant des biomarqueurs sériques spécifiques ZA2G, A2AP et APOA1 au modèle initial, l’AUC a atteint une valeur de 0,831. Cette amélioration significative a souligné le rôle que les biomarqueurs peuvent jouer dans la détection des changements précoces, associés à l’arthrose du genou.
Une version simplifiée a été testée avec les deux biomarqueurs les plus significatifs (ZA2G et A2AP) aux côtés des variables cliniques. Une haute précision prédictive a été maintenue avec une AUC de 0,820, tout en simplifiant ce modèle et en facilitant son intégration dans la pratique clinique. La validation externe avec une cohorte indépendante de PROCOAC n’a montré aucune différence statistiquement significative avec les modèles proposés de la cohorte OAI.
Conclusion
Cette étude présente un nouveau modèle pronostique, validé de manière externe, combinant des données cliniques et des biomarqueurs pour prédire l’AGR avec une grande précision. Le nomogramme développé est un outil précieux pour la stratification précoce des populations à haut risque, transformant potentiellement l’approche de l’arthrose du genou, en permettant des stratégies préventives et des interventions personnalisées.
Références
- Paz-González R, Balboa-Barreiro V, Lourido L, Calamia V, Fernandez-Puente P, Oreiro N, et al. Prognostic model to predict the incidence of radiographic knee osteoarthritis. Ann Rheum Dis. 11 de abril de 2024;83(5):661-8.
Lien vers l’étude complète
Cet article est un résumé réalisé sur la base de l’étude suivante. Pour plus d’informations et de détails, veuillez consulter l’étude complète. N’hésitez pas à nous contacter si vous avez des commentaires. https://pubmed.ncbi.nlm.nih.gov/38182405/
