A Community-Based Machine Learning Model for Predicting Major Adverse Cardiovascular Events in Kazakh Hypertensive Patients

Résumé Technique : Un modèle d'apprentissage automatique communautaire pour la prédiction des événements cardiovasculaires majeurs chez les patients hypertendus kazakhs

Énoncé du problème
La Chine est confrontée à un fardeau de santé publique important avec environ 240 millions d'individus souffrant d'hypertension, où les maladies cardiovasculaires restent la principale cause de décès. Le groupe ethnique kazakh du Xinjiang présente la prévalence d'hypertension la plus élevée de la région, caractérisée par des habitudes de vie et alimentaires distinctes (ex. : consommation élevée de sel, régime riche en viande, mode de vie nomade) qui contribuent à une fréquence élevée d'événements cardiovasculaires majeurs (MACE). Les modèles de prédiction de risque existants manquent souvent de spécificité pour cette minorité ethnique, et les ressources de santé dans les zones rurales et pastorales du Xinjiang sont inégalement réparties, rendant difficile la prévention primaire et la gestion individualisée. Il existe un besoin critique pour un modèle de prédiction validé, interprétable et spécifiquement adapté à la population hypertendue kazakhe afin de faciliter les stratégies de prévention primaire.

Méthodologie
L'étude a utilisé un plan de cohorte prospective impliquant 1 180 patients hypertendus kazakhs enregistrés au « Centre de contrôle de l'hypertension » de l'hôpital du peuple de la ville d'Altay et dans trois centres de santé de cantonnement. La collecte des données a eu lieu de janvier à décembre 2020, avec un suivi prospectif se poursuivant jusqu'au 31 décembre 2024 (médiane de suivi : 1 176 jours).

• Collecte des données : Les données de base comprenaient la démographie, les antécédents médicaux, les examens physiques (pression artérielle de bureau et pression artérielle ambulatoire sur 24 heures) et les indicateurs biochimiques (profil lipidique, glucose, homocystéine, électrolytes, fonction rénale). Le critère de jugement principal était la première occurrence de MACE (angine de poitrine instable, infarctus du myocarde non fatal, insuffisance cardiaque, accident vasculaire cérébral ischémique ou décès), vérifiée par les codes CIM-10.
• Sélection des caractéristiques : Les prédicteurs ont été sélectionnés via un processus en trois phases : analyse univariée, régression LASSO (Least Absolute Shrinkage and Selection Operator) et validation par des experts cliniques. Huit prédicteurs finaux ont été identifiés : l'âge, le statut diabétique, le potassium sérique, la glycémie à jeun, l'homocystéine (Hcy), le cholestérol total (CT), le cholestérol à lipoprotéines de basse densité (LDL-C) et la pression artérielle systolique de bureau.
• Développement du modèle : L'ensemble de données a été divisé aléatoirement en un groupe d'entraînement (70 %) et un groupe de validation (30 %). Quatre modèles statistiques et d'apprentissage automatique ont été construits et comparés : la régression de Cox, la Forêt Aléatoire (Random Forest), l'Arbre de Décision (DT) et l'Extreme Gradient Boosting (XGBoost).
• Mesures d'évaluation : La performance a été évaluée à l'aide de l'aire sous la courbe (AUC), de l'exactitude (ACC), des valeurs prédictives positives/négatives (VPP/VPN), du score F1, des courbes de calibration et de l'analyse de la courbe de décision (DCA).
• Interprétabilité : Le modèle optimal a été interprété à l'aide des explications de Shapley (SHAP) pour quantifier l'importance des caractéristiques et visualiser les contributions au risque. Un calculateur basé sur le Web a été développé à l'aide du framework R Shiny pour faciliter l'application clinique.

Résultats clés

• Incidence : Pendant la période de suivi, 327 participants (27,7 %) ont développé des MACE.
• Performance des modèles :
  • Le modèle d'Arbre de Décision (DT) a démontré la performance la plus robuste et la plus équilibrée. Dans l'ensemble de validation, il a atteint une AUC de 0,776, une exactitude de 0,797, une VPP de 0,444, une VPN de 0,933 et un score F1 de 0,550.
  • XGBoost a obtenu l'AUC la plus élevée dans l'ensemble de validation (0,829) mais a souffert d'une faible précision (VPP = 0,242) et d'un taux élevé de faux positifs, entraînant un score F1 inférieur (0,390).
  • Random Forest et la régression de Cox ont montré une généralisabilité inférieure, Random Forest présentant l'AUC la plus faible (0,577) et la régression de Cox montrant une faible exactitude (0,599) malgré une VPP élevée.
• Calibration et utilité : Le modèle DT a présenté une excellente calibration (erreur absolue moyenne ≈ 0,021) et a maintenu un bénéfice net stable à travers des probabilités de seuil de 0 % à 75 % dans l'analyse de la courbe de décision, indiquant une forte utilité clinique.
• Importance des caractéristiques (SHAP) : L'analyse SHAP a classé les quatre principaux facteurs de risque comme suit :
  1. LDL-C : Le prédicteur le plus influent ; des niveaux plus élevés sont corrélés à un risque accru.
  2. Âge : Le risque augmente progressivement avec l'avancement de l'âge.
  3. Pression artérielle systolique de bureau : Des valeurs plus élevées sont associées à un risque élevé.
  4. Potassium sérique : Des niveaux plus bas (hypokaliémie) sont associés à un risque accru, tandis que des niveaux plus élevés sont protecteurs.
     D'autres facteurs significatifs incluaient l'Hcy, la glycémie à jeun, le CT et le statut diabétique.

Signification et affirmations
L'article affirme que le modèle développé, basé sur l'Arbre de Décision, prédit efficacement le risque à 3 ans de MACE spécifiquement pour les patients hypertendus kazakhs de la région d'Altay. L'étude souligne que :

1. Spécificité ethnique : Le modèle comble la lacune de la littérature existante en se concentrant sur le profil de risque unique de la population kazakhe, en incorporant des facteurs pertinents pour leur mode de vie (ex. : impacts alimentaires spécifiques sur l'apport en potassium et en sel).
2. Applicabilité clinique : Contrairement aux modèles d'ensemble complexes qui peuvent agir comme des « boîtes noires », le modèle d'Arbre de Décision offre une structure intuitive adaptée aux contextoth de soins primaires disposant de ressources limitées. Sa valeur prédictive négative (VPN) élevée permet l'identification efficace des patients à faible risque, réduisant potentiellement les interventions inutiles.
3. Interprétabilité : L'intégration de l'analyse SHAP fournit une transparence, confirmant que les prédictions du modèle s'alignent sur les connaissances cliniques établies (ex. : l'effet protecteur de niveaux normaux de potassium et le risque associé à l'élévation du LDL-C et de l'âge).
4. Déploiement : Pour combler le fossé entre la recherche et la pratique, les auteurs ont déployé le modèle sous la forme d'un calculateur accessible via le Web, visant à soutenir des stratégies de prévention et de traitement individualisées dans les contextes communautaires et cliniques.

L'étude conclut que, bien que l'apprentissage automatique offre de la flexibilité, le modèle d'Arbre de Décision a fourni le meilleur équilibre entre précision prédictive, stabilité et interprétabilité clinique pour ce groupe démographique spécifique, servant de base scientifique pour une gestion ciblée du risque cardiovasculaire.