Limited discriminative utility of resting-state heart rate variability for chronic pain–depression–anxiety comorbidity subtypes: an exploratory SHAP-based machine-learning analysis

Résumé Technique : Utilité Discriminante Limitée de la VFC au Repos pour les Sous-types de CPDA

Énoncé du Problème
La douleur chronique coïncide fréquemment avec la dépression et l'anxiété, formant une comorbidité complexe connue sous le nom de CPDA (Douleur Chronique–Dépression–Anxiété). Bien que les preuves cliniques suggèrent l'existence de sous-types distincts — spécifiquement la dominance douleur-dépression, la dominance douleur-anxiété, et la triple comorbidité douleur-dépression-anxiété — l'évaluation clinique actuelle repose largement sur des rapports de symptômes subjectifs. Il existe un manque d'indicateurs physiologiques objectifs établis capables de différencier ces sous-types spécifiques de CPDA. Bien que la variabilité de la fréquence cardiaque (VFC) soit un marqueur bien documenté de la régulation du système nerveux autonome associé à la douleur et aux troubles affectifs, son utilité spécifique pour distinguer ces présentations hétérogènes de CPDA reste incertaine. Cette étude examine si la VFC au repos peut servir de biomarqueur fiable pour la classification des sous-types ou si elle ne reflète qu'un schéma de dysrégulation autonome transdiagnostique large.

Méthodologie
Cette étude transversale exploratoire a utilisé les données de 172 patients hospitalisés adultes souffrant de douleur chronique, recrutés dans un hôpital du sud-ouest de la Chine.

• Stratification des Participants : À partir de la cohorte totale, 82 patients ont été classés en trois sous-types de CPDA mutuellement exclusifs basés sur la charge de symptômes par rapport à la moyenne de l'échantillon :
  • Dominance Douleur-Dépression ($n=8$) : Dépression élevée, anxiété faible.
  • Dominance Douleur-Anxiété ($n=11$) : Anxiété élevée, dépression faible.
  • Triple Comorbidité Douleur-Dépression-Anxiété ($n=63$) : Niveaux élevés de dépression et d'anxiété.
  • Note : Les participants restants ne répondaient pas aux critères de seuil spécifiques pour ces trois sous-types et ont été exclus des modèles de classification.
• Collecte des Données :
  • Métriques Cliniques : Sévérité/interférence de la douleur (Brief Pain Inventory–Short Form), symptômes dépressifs (Hamilton Depression Rating Scale, HAMD-24) et symptômes d'anxiété (Hamilton Anxiety Rating Scale, HAM-A).
  • Métriques Physiologiques : La VFC au repos a été enregistrée via un capteur de doigt non invasif de 5 minutes. Les caractéristiques extraites comprenaient des indices temporels (ex. SDNN, RMSSD, pNN50, TINN, Indice Triangulaire) ainsi que des indices de domaine fréquentiel, ainsi que des métriques de fréquence cardiaque.
• Approche d'Apprentissage Automatique (Machine Learning) :
  • Trois classifieurs de Forêt Aléatoire (Random Forest) binaires pondérés de type « un-contre-le-reste » (one-vs-rest) ont été construits pour distinguer chaque sous-type spécifique par rapport aux deux autres.
  • Gestion du Déséquilibre des Classes : Des poids de classe ont été appliqués en fonction de la fréquence inverse pour pénaliser la mauvaise classification des classes minoritaires.
  • Validation : Les modèles ont été évalués sur un ensemble de test tenu à l'écart (division stratifiée 8:2) en utilisant l'AUC-ROC, l'exactitude (accuracy), les matrices de confusion et les rapports de classification.
  • Interprétabilité : L'analyse SHAP (Shapley Additive Explanations) a été employée pour classer l'importance des caractéristiques et visualiser les schémas de contribution des indices de VFC, incluant des graphiques de dépendance pour les relations non linéaires.

Résultats Clés
L'étude a révélé que la VFC au repos présentait une utilité discriminante inégale et généralement limitée à travers les sous-types de CPDA :

• Modèle de Dominance Douleur-Dépression : A réalisé une faible performance avec un AUC de 0,483. Crucialement, le modèle n'a réussi à identifier aucun des 2 cas positifs dans l'ensemble de test, les classifiant comme négatifs.
• Modèle de Dominance Douleur-Anxiété : A également montré une faible discrimination avec un AUC de 0,433. Similairement au modèle de dominance de la dépression, il n'a pas réussi à identifier les 2 cas positifs dans l'ensemble de test.
• Modèle de Triple Comorbidité : A montré une discrimination comparativement plus élevée avec un AUC de 0,712. Cependant, le modèle a présenté un biais vers la classification positive, identifiant correctement 13 cas positifs mais classifiant à tort 4 cas négatifs comme positifs. Les auteurs précisent que cette performance reflète probablement la charge globale de comorbidité plus élevée plutôt qu'une signature spécifique de sous-type.
• Importance des Caractéristiques (SHAP) : Les principales caractéristiques de la VFC variaient selon le modèle :
  • Douleur-Dépression : Fréquence cardiaque max, Fréquence cardiaque moyenne, pNN50.
  • Douleur-Anxiété : TINN, pNN50, Indice Triangulaire de la VFC.
  • Triple Comorbidité : Indice Triangulaire de la VFC, SDNN, CV.
  • Les distributions SHAP pour les sous-types minoritaires étaient étroites et centrées près de zéro, indiquant une contribution marginale limitée des caractéristiques à la sortie du modèle.

Signification et Revendications
L'article affirme explicitement que la VFC au repos ne peut pas être utilisée comme un biomarqueur autonome pour la classification précise des sous-types de CPDA, particulièrement pour distinguer les présentations de dominance douleur-dépression et de dominance douleur-anxiété.

• Conclusion Primaire : L'incapacité de la VFC à différencier les sous-types à dominance unique suggère que la VFC reflète une dysrégulation autonome transdiagnostique partagée, commune à la douleur et aux troubles affectifs, plutôt qu'une signature spécifique à un trouble.
• Résultat Nuancé : Bien que le modèle de triple comorbidité ait montré une meilleure discrimination exploratoire, les auteurs l'attribuent à la détection d'un état de « haute charge » caractérisé par une dysrégulation autonome globale sévère, plutôt qu'à une empreinte physiologique unique pour la triple comorbidité.
• Contribution Méthodologique : L'étude fournit une évaluation rigoureuse, basée sur SHAP, des limites de la VFC dans ce contexte, allant au-delà de la simple corrélation pour tester la performance réelle de classification. Elle souligne les risques de s'appuyer sur de petits échantillons déséquilibrés pour la découverte de sous-types.
• Direction Future : Les auteurs concluent que la VFC peut avoir de la valeur en tant qu'indicateur de dépistage supplémentaire pour les comorbidités à haute charge, mais nécessite une validation dans des cohortes plus larges et équilibrées avec des indicateurs multimodaux (cliniques, inflammatoires, liés au sommeil) avant de pouvoir éclairer la stratification de la CPDA.

Limites Reconnu par les Auteurs
L'étude met l'accent sur plusieurs contraintes :

1. Définition des Sous-types : Les sous-types ont été définis à l'aide de seuils de moyenne d'échantillon plutôt que de seuils de diagnostic clinique établis, ce qui limite la généralisabilité aux catégories diagnostiques formelles.
2. Taille de l'Échantillon : Le faible nombre de participants dans les groupes douleur-dépression ($n=8$) et douleur-anxiété ($n=11$) a sévèrement limité la puissance statistique et la stabilité des modèles.
3. Validation : L'absence de validation externe et le recours à une seule division entraînement-test signifient que les AUC rapportées sont des estimations exploratoires.
4. Sensibilité Contextuelle : La VFC au repos à court terme est sensible à des facteurs tels que la respiration, la posture et la médication, ce qui peut réduire sa stabilité en tant que classificateur.