Standard-of-Care vs. Machine Learning–Recommended Discharge Destinations for Geriatric Surgical Inpatients: Algorithm Development and Internal Validation

Résumé technique : Destination de sortie standard de soins vs recommandation par apprentissage automatique pour les patients gériatriques hospitalisés en chirurgie

Énoncé du problème
Les personnes âgées subissant une intervention chirurgicale sont confrontées à des risques accrus de résultats indésirables, notamment le déclin fonctionnel, une hospitalisation prolongée et une institutionnalisation inappropriée, souvent dus à des vulnérabilités liées à l'âge telles que la fragilité et la multimorbidité. Bien que l'Évaluation Gériatrique Complète (EGC) et la co-gestion gériatrique soient reconnues pour améliorer la planification de la sortie et les résultats, leur mise en œuvre généralisée est entravée par une pénurie de gériatres et des contraintes de ressources. Les conclusions précédentes du projet SURGE-Ahead ont indiqué que les décisions de sortie de soins standards pour les patients chirurgicaux gériatriques étaient incongruentes avec les recommandations des experts en gériatrie dans 27 % des cas, une divergence liée à des taux de réadmission plus élevés et à un déclin fonctionnel. Il existe un besoin critique d'outils évolutifs et fondés sur les données pour soutenir une planification de sortie individualisée qui puisse augmenter, plutôt que remplacer, l'expertise clinique.

Méthodologie
L'étude a développé et validé en interne un algorithme d'apprentissage automatique (ML) pour prédire les destinations de sortie des patients chirurgicaux gériatriques, en utilisant les recommandations des experts en gériatrie comme vérité de terrain (ground truth).

• Source de données : L'étude a utilisé les données de 169 patients âgés de ≥70 ans admis dans les services de traumatologie, de chirurgie générale/viscérale et d'urologie du centre médical universitaire d'Ulm (février 2023 – mars 2024). Les données comprenaient les dossiers de santé électroniques (DSE) et un ensemble de données gériatriques minimales (MGDS) contenant des variables telles que l'indice de Barthel, l'échelle de fragilité clinique (CFS), le test de l'examen cognitif de Montréal (MoCA), le nombre de polypharmacie et les détails chirurgicaux.
• Vérité de terrain : Les destinations de sortie ont été classées en quatre catégories : domicile, unité de soins gériatriques aigus, établissement de réadaptation post-aiguë et maison de retraite. La « vérité de terrain » a été définie par les recommandations d'experts dérivées de consultations gériatriques en personne, du MGDS et d'un examen conjoint par deux gériatres expérimentés, plutôt que par les décisions de soins standards de routine.
• Algorithme : Un classificateur AdaBoost utilisant des souches d'arbres de décision (decision tree stumps) a été sélectionné pour privilégier la transparence et l'interprétabilité du modèle plutôt que la complexité des « boîtes noires ». Le modèle a employé une stratégie de classification multiclasse de type « un contre un » pour gérer le déséquilibre des classes.
• Cadre de validation : Un cadre de validation croisée (CV) à 5 plis a été utilisé. Pour pallier la taille limitée de l'échantillon, l'ensemble d'entraînement a été augmenté de 82 échantillons provenant d'un registre de traumatologie orthogériatrique (registre ATZ), les plis étant réutilisés à partir d'une étude compagne pour éviter toute fuite d'informations. Les hyperparamètres (incluant l'inclusion des données ATZ, le nombre d'estimateurs, le taux d'apprentissage et les divisions de calibration) ont été optimisés par recherche par grille (grid search) au sein des plis d'entraînement.
• Métriques d'évaluation : La performance a été évaluée par l'exactitude, l'aire sous la courbe ROC micro-moyennée (AUC), les valeurs prédictives positives/négatives (VPP/VPN) et la calibration (score de Brier). Une simulation « l'humain dans la boucle » (human-in-the-loop) a été réalisée en excluant les 15 % de prédictions présentant l'incertitude la plus élevée (probabilités prédites les plus faibles) afin d'évaluer l'impact du signalement des cas complexes pour un examen manuel.
• Comparaison statistique : L'exactitude du modèle ML a été comparée aux décisions de soins standards publiées précédemment à l'aide du test de McNemar.

Contributions clés

1. Développement d'algorithme : La création d'un modèle d'apprentissage automatique explicable et sensible à l'incertitude, spécifiquement conçu pour prédire les destinations de sortie gériatriques en utilisant les DSE et les données de l'EGC.
2. Étalonnage de la performance : Comparaison directe du modèle ML par rapport aux décisions de soins standards, démontrant que l'algorithme peut mieux s'aligner sur les recommandations des experts en gériatrie que la pratique clinique de routine.
3. Stratégie de l'humain dans la boucle : Démonstration que le filtrage des prédictions à haute incertitude (les 15 % inférieurs) améliore considérablement l'exactitude des recommandations automatisées restantes, offrant une voie pratique pour l'intégration clinique.
4. Interprétabilité : Identification des principaux moteurs cliniques (ex. : seuils de l'indice de Barthel, scores CFS, âge et polypharmacie) et dérivation d'un système de notation préliminaire pour aider les cliniciens à identifier les patients aptes aux soins gériatriques aigus.

Résultats

• Exactitude globale : Le modèle ML a atteint une exactitude de validation interne de 82 % (IC 95 % 0,76–0,86) pour correspondre aux recommandations des experts. Cela représentait une amélioration statistiquement significative par rapport aux décisions de soins standards, qui ont atteint 73 % d'exactitude (124/169 corrects vs 138/169 corrects pour le ML ; p = 0,041).
• Pouvoir de discrimination : Le modèle a démontré une AUC ROC micro-moyennée de 0,94 (IC 95 % 0,92–0,96).
  • AUC pour le retour à domicile : 0,93
  • AUC pour l'unité de soins gériatriques aigus : 0,89
  • AUC pour la maison de retraite : 0,98
  • AUC pour l'établissement de réadaptation : 0,52 (notée comme difficile en raison de la petite taille de l'échantillon et de facteurs situationnels).
• Performance de l'humain dans la boucle : Lorsque les 15 % de prédictions ayant l'incertitude la plus élevée ont été exclus, l'exactitude des prédictions de confiance restantes est montée à 85 % (IC 95 % 0,80–0,90), avec une augmentation correspondante de l'AUC micro-moyennée à 0,95 (p = 0,006 par rapport aux soins standards).
• Prédicteurs clés : L'inspection du modèle a identifié les prédicteurs les plus influents suivants :
  • Indice de Barthel ≤ 50 au troisième jour postopératoire.
  • Échelle de fragilité clinique (CFS) ≥ 5.
  • Indice de Barthel ≤ 60 au premier jour postopératoire.
  • Âge ≥ 88 ans.
  • Polypharmacie (≥ 8 médicaments).
• Calibration : Le modèle présentait une bonne calibration (score de Brier 0,33), les probabilités prédites s'alignant étroitement sur les résultats observés.

Signification et affirmations
Les auteurs positionnent cette étude comme une preuve de concept démontrant qu'une approche basée sur l'apprentissage automatique peut soutenir efficacement la planification de sortie individualisée pour les patients chirurgicaux gériatriques. La principale signification réside dans la capacité du modèle à surpasser de manière significative les soins standards actuels en termes de congruence avec le jugement des experts en gériatrie (82 % vs 73 %).

L'article souligne que le modèle est conçu comme un outil de soutien plutôt que comme un décideur autonome. En produisant des probabilités calibrées et en intégrant un mécanisme « l'humain dans la boucle » pour les cas à haute incertitude, l'approche vise à améliorer la sécurité des patients et l'efficacité opérationnelle sans remplacer le jugement clinique. Les auteurs déclarent explicitement que, bien que l'algorithme présente une haute validité interne et un fort pouvoir de discrimination, ces résultats ne constituent pas encore une validation de l'efficacité clinique. Par conséquent, l'étude sert de fondement empirique à un essai interventionnel en cours (DRKS00030684) évaluant actuellement l'impact réel de ce système d'aide à la décision sur les résultats des patients et la qualité de la sortie.

Les auteurs font preuve de modestie concernant les limites, notant que les petits échantillons pour les classes minoritaires (réadaptation et maison de retraite) limitent la stabilité des prédictions pour ces catégories spécifiques et que les résultats sont des estimations de validation interne sujettes à un potentiel surapprentissage (overfitting). L'étude conclut que la transition d'un algorithme performant vers un outil clinique fiable nécessite des preuves supplémentaires issues d'essais cliniques.