Latent Class Trajectory Phenotypes of Longitudinal Visit and Follow-up Patterns Among Patients with Hypertension

Résumé technique : Phénotypes de trajectoires de classes latentes des modèles de visites et de suivi longitudinaux chez les patients souffrant d'hypertension

Énoncé du problème
La gestion de l'hypertension repose largement sur le maintien durable de la rétention dans les soins, pourtant les modèles de suivi à long terme sont hétérogènes, de nombreux patients interrompant leurs visites précocement. Les mesures de synthèse conventionnelles (par exemple, le nombre total de visites) supposent une homogénéité de la population et ne parviennent pas à capturer des sous-groupes longitudinaux distincts. De plus, les données des dossiers de santé électroniques (DSE) capturent le « contact observé » (rétention) mais ne peuvent mesurer directement l'engagement du patient ou l'observance thérapeutique. Une lacune critique existe dans la caractérisation des trajectoires spécifiques de rétention des visites dans l'hypertension et dans la compréhension de la manière dont le cens administratif (fenêtres d'observation variables) influence ces modèles et leur association avec les résultats cliniques tels que le contrôle de la pression artérielle (PA).

Méthodologie
Les auteurs ont mené une étude de cohorte rétrospective utilisant des données de DSE déidentifiées issues du programme d'amélioration de la qualité EvidenceNOW.

• Cohorte : 26 710 patients souffrant d'hypertension et présentant au moins deux visites enregistrées.
• Approche de modélisation : L'étude a employé une modélisation de trajectoire de classe latente (LCTM) d'indicateurs de visite binaires répétés dans un cadre de mélange fini de Bernoulli. Contrairement à la modélisation de trajectoire basée sur des groupes (GBTM) classique qui ajuste des courbes polynomiales, cette approche estime les probabilités de présence spécifiques à chaque classe indépendamment à chaque intervalle de temps, permettant des formes non paramétriques flexibles.
• Résolutions temporelles : Les modèles ont été ajustés avec des intervalles de 1 mois (principal) et de 3 mois (test de robustesse) sur une période de 36 mois.
• Sélection du modèle : Le nombre de classes latentes ($K$) a été déterminé par le critère d'information bayésien (BIC) et les métriques recommandées par GRoLTS : la probabilité postérieure moyenne (APP), l'entropie relative et l'indice d'odds de classification correcte (OCC).
• Validation : La stabilité a été évaluée via 200 rééchantillonnages par bootstrap à l'aide de l'indice de Rand ajusté (ARI). Une analyse de sensibilité a restreint la cohorte aux patients ayant $\ge$ 24 mois de suivi pour évaluer l'impact du cens administratif.
• Analyse statistique : Une régression linéaire multivariable a examiné les associations entre les phénotypes de trajectoire, la documentation du traitement et le contrôle de la PA, en ajustant selon l'âge, le sexe, la race, la PA de base et la charge de comorbidité.

Principales contributions et résultats

1. Identification de quatre phénotypes : L'étude a identifié quatre classes latentes de contact EHR observé, reproductibles en interne, cohérentes à la fois pour les résolutions de 1 mois et de 3 mois :
   • Faible suivi observé (67–68 %) : Déclin rapide du contact après la visite index, approchant de zéro au mois 27.
   • Rétention faible observée stable (12–18 %) : Déclin initial marqué suivi d'une probabilité de présence stable et faible (~0,2).
   • Déclin retardé des visites observées (11–15 %) : Contact modéré maintenu pendant environ 12 à 18 mois avant un déclin graduel.
   • Rétention observée soutenue (2–6 %) : Probabilité de contact élevée et constante tout au long de la période de 36 mois.
2. Reproductibilité et stabilité : La structure à quatre classes a démontré une excellente reproductibilité par bootstrap (moyenne ARI 0,966–0,969). La concordance entre les modèles de 1 mois et de 3 mois était élevée pour les groupes extrêmes (Faible suivi et Rétention soutenue) mais plus faible pour les groupes intermédiaires, suggérant une sensibilité à l'agrégation temporelle.
3. Impact du cens administratif : Un résultat majeur est que 79,2 % de la cohorte présentait moins de 24 mois de suivi, le cens étant fortement concentré dans les groupes à faible contact. L'étude conclut que le déclin observé du contact pour ces groupes reflète probablement les limites d'observation administratives plutôt qu'un désengagement confirmé du patient. La structure à quatre classes a persisté dans l'analyse de sensibilité (patients avec $\ge$ 24 mois de suivi), bien qu'avec des métriques de séparation réduites.
4. Associations cliniques :
   • Documentation du traitement : Les phénotypes à haut contact ont montré des taux de documentation du traitement systématiquement et significativement plus élevés que le groupe Faible suivi observé, même après ajustement pour les comorbidités et la démographie.
   • Contrôle de la pression artérielle : Les associations entre les groupes de trajectoire et le contrôle de la PA étaient faibles et incohérentes après ajustement. Le groupe « Rétention observée soutenue » n'a pas atteint la PA la plus basse aux points temporels fixes (12, 24, 36 mois) malgré avoir montré la plus grande réduction de la PA de la première à la dernière visite. Les auteurs attribuent cela à un biais provenant de la longueur différentielle des fenêtres d'observation ; les analyses à temps fixe ont révélé des différences négligeables dans les niveaux de PA absolus entre les groupes.

Signification et affirmations
L'article affirme que la modélisation de trajectoire de classe latente des indicateurs de visite binaires fournit un cadre robuste pour caractériser l'hétérogénéité du contact EHR observé. L'étude souligne que ces phénotypes sont reproductibles en interne mais substantiellement influencés par le cens administratif, mettant en garde contre l'interprétation de ces derniers comme un désengagement comportemental confirmé sans validation supplémentaire.

Les auteurs affirment que les trajectoires de contact observé sont plus fortement associées aux mesures de processus de soins (spécifiquement la documentation du traitement) qu'aux résultats de PA absolus. Ils soutiennent que l'amélioration apparente de la PA pour les groupes à haut contact est un artefact de fenêtres d'observation plus longues plutôt qu'une réponse thérapeutique supérieure. Par conséquent, l'étude conclut que si ces phénotypes aident à identifier des sous-groupes ayant des modèles de rétention différents, leur utilité pour la stratification du risque ou le ciblage d'interventions nécessite des études futures pour distinguer le cens administratif de la perte de suivi réelle et pour lier ces trajectoires à des critères de jugement cardiovasculaires durs. Le papier ne prétend pas que ces phénotypes sont actuellement prêts pour une mise en œuvre clinique, mais qu'il établit un fondement méthodologique pour des recherches futures.