" La mort est un horizon, et un horizon n'est que la limite de notre vue " (Citation souvent attribuée à Pedro Pietri)
- Signes vitaux : Fréquence cardiaque, pression artérielle, saturation en oxygène, température, etc.
- Analyses de laboratoire : Résultats d'examens sanguins récents.
- Évaluations infirmières : Échelles neurologiques ou notes de suivi de l'état général.
| Score EDI | Niveau de Risque | Action Clinique Générale |
|---|---|---|
| < 37.9 | 🟢 Faible | Surveillance de routine standard. |
| 37.9 à 68.8 | 🟡 Intermédiaire | Vigilance accrue, réévaluation des paramètres. |
| ≥ 68.8 (ou >60-65 selon le site) | 🟠 Élevé | Alerte mobile automatique, déclenchement d'une équipe de réponse rapide (ERR). |
- Anticipation des urgences : Permet d'éviter les arrêts cardio-respiratoires ou l'obligation de transférer le patient en urgence absolue vers l'unité de soins intensifs (USI).
- Réduction de la mortalité : Des retours d'expérience hospitaliers sur EpicShare rapportent des baisses de mortalité allant jusqu'à 17 % dans certains réseaux de soins.
- Optimisation des soins infirmiers : Réduit le besoin de contrôles nocturnes intempestifs chez les patients stables tout en ciblant les cas critiques.
- Faux positifs et fausses alertes : Un score qui fluctue trop peut entraîner une « fatigue des alertes » chez les soignants.
- Efficacité relative : Plusieurs études cliniques indépendantes (comme celle publiée par le réseau de santé de Yale dans JAMA Network Open) soulignent que l'EDI n'est pas toujours supérieur aux scores cliniques traditionnels et manuels (tels que le MEWS ou le NEWS).
Mise en œuvre d'une réponse rapide déclenchée par l'IA — Association avec la mortalité
Contexte
Méthodes
Résultats
Conclusions
Cette étude apporte une preuve de l'efficacité, en conditions réelles et à grande échelle, d'un système de détection précoce de la détérioration clinique piloté par intelligence artificielle couplé à une activation automatisée de l'équipe de réponse rapide (RRT), avec une réduction de la mortalité intra-hospitalière ajustée au risque. [1]
Conception et population
Il s'agit d'une étude quasi-expérimentale, en cohortes échelonnées, comparant une période pré- et post-implémentation dans un système de santé régional comprenant 11 hôpitaux (académiques, communautaires universitaires et non universitaires). Elle a inclus plus de 23 000 admissions médico-chirurgicales d'adultes à haut risque (score EDI ≥ 60, Epic Deterioration Index), entre octobre 2022 et août 2024. [1]
Intervention testée
L'innovation réside dans la combinaison de deux éléments : l'identification des patients à haut risque par l'EDI (modèle propriétaire de régression logistique ordinale intégrant 31 variables, basé sur le machine learning, déployé sur 187 instances Epic) et une activation automatisée et standardisée du RRT, plutôt qu'une simple alerte laissée à la discrétion clinique — contrairement à des études antérieures (CHARTwatch, eCART, TREWS) où l'escalade dépendait du jugement humain. [1]
Principaux résultats
-
Les activations du RRT ont augmenté significativement en période post-intervention (37,5 % vs 25,3 % ; différence absolue de 12,2 points ; odds ratio ajusté 1,74 [IC95 % 1,61–1,88]). [1]
-
La mortalité hospitalière brute a diminué (18,6 % vs 23,1 % ; différence absolue de −4,5 points). [1]
-
Après ajustement sur l'âge, les comorbidités, le type d'hôpital, le score EDI et le regroupement par établissement, les probabilités de mortalité hospitalière restaient significativement plus faibles dans le groupe intervention (odds ratio ajusté 0,82 [IC95 % 0,74–0,91]). [1]
-
Il n'y a pas eu d'augmentation significative des escalades de soins (1,1 % vs 1,0 % ; odds ratio ajusté 1,34 [IC95 % 0,97–1,85]), suggérant que le bénéfice ne s'accompagne pas d'un surcroît de charge en soins intensifs. [1]
-
L'effet était présent dans les trois types d'établissements, avec une réduction significative dans les centres académiques (21,2 % → 17,2 %) et les hôpitaux communautaires universitaires (28,5 % → 25,1 %), mais une tendance non significative dans les hôpitaux communautaires non universitaires, probablement en raison d'un plus petit échantillon (3 établissements). [1]
Le graphique suivant illustre cette hétérogénéité de l'effet selon le type d'hôpital.
Used under license from The New England Journal of Medicine.
Portée et limites
Cette étude comble une lacune importante : elle apporte des données prospectives sur un modèle largement disponible dans le commerce (EDI, très répandu via Epic) couplé à un protocole d'escalade automatisé et standardisé, plutôt qu'à une recommandation non contraignante — contrairement aux limites méthodologiques des études antérieures sur CHARTwatch, eCART et TREWS. [1] Cependant, le design quasi-expérimental (avant-après, non randomisé) limite la causalité, et d'autres facteurs temporels concomitants (amélioration des pratiques, effet Hawthorne) ne peuvent être totalement exclusif
Cette étude ne permet pas de conclure à un allongement de la survie des patients : elle mesure uniquement la mortalité intra-hospitalière (« inhospital mortality »), et non la survie à long terme après la sortie. [1] Une réduction de la mortalité hospitalière ne prouve pas en soi une prolongation de la vie — elle peut refléter un décès réellement évité, mais aussi un simple déplacement du moment ou du lieu du décès (par exemple si des patients plus fragiles sont transférés en soins palliatifs, en réanimation, ou décèdent après leur sortie plutôt que pendant l'hospitalisation).
Ce que l'étude montre réellement
-
Une diminution de la mortalité pendant l'hospitalisation, brute (18,6 % vs 23,1 %) et ajustée au risque (odds ratio ajusté 0,82 [IC95 % 0,74–0,91]). [1]
-
Aucune donnée de suivi post-sortie (mortalité à 30 jours, 90 jours ou à 1 an) n'est rapportée dans les sections consultées, ce qui empêche d'affirmer un bénéfice de survie durable plutôt qu'un effet sur le lieu/moment du décès à l'hôpital. [1]
-
Pas d'augmentation significative des escalades de soins (transferts en réanimation), ce qui est plutôt rassurant contre l'hypothèse d'un simple report de la mortalité vers les soins intensifs, mais ne renseigne pas sur le devenir après la sortie. [1]
Mise en perspective avec la littérature existante
La revue Cochrane sur les systèmes d'alerte précoce (EWS) et les équipes de réponse rapide (RRS) montre des résultats hétérogènes sur la mortalité hospitalière : preuves de certitude modérée à faible, avec un effet nul ou incertain dans plusieurs essais randomisés, et un effet positif retrouvé principalement dans les études non randomisées de type avant-après (comme celle-ci). [2] Cette hétérogénéité renforce la prudence : le design quasi-expérimental de l'étude NEJM est du même type que les études non randomisées où les effets sont jugés d'une « certitude très faible » par Cochrane.
Pour affirmer une véritable prolongation de la vie plutôt qu'un simple déplacement de la mortalité, il faudrait des données de mortalité toutes causes avec un suivi post-hospitalisation prolongé (comme cela a par exemple été fait pour d'autres systèmes d'alerte IA, où le bénéfice a été démontré sur la mortalité à 90 jours par courbes de survie de Kaplan-Meier). Ce type d'analyse à plus long terme n'a pas été rapporté dans l'étude discutée ici.
Cette étude n'a pas été réalisée sur le plan d'une prolongation de vie mais sur le déplacement de la mortalité. Alors, la question qui se pose est la suivante : cette étude était-elle nécessaire ? Compte tenu de la loi sur la fin de vie en France, est-ce que cette alarme signifie l'autorisation de l'injection létale ? Personnellement, je suis opposé à cette loi. La question reste sans réponse aujourd'hui, malgré les efforts pour tout rationaliser et intégrer l'IA dans tous les domaines. Demain probablement c'est l'IA qui décidera de l'injection létale qui sera réalisée par un robot et on n'en est pas loin. Après "mort sur ordonnance", " la mort par IA" arrive !
