Study of predictive criteria for lesion detected by non-injected cranial computed tomography in patients presenting in emergency department with non-traumatic headache
Étude de facteurs prédictifs d'anomalie au scanner cérébral non injecté chez les patients consultant aux urgences pour céphalées non traumatiques
Résumé
Le but principal de notre étude était d'identifier des facteurs prédictifs d'anomalie au scanner cérébral non injecté dans le contexte de céphalée non traumatique aux urgences. Les temps de passage et devenir des patients ainsi que la pertinence des diagnostics posés aux urgences ont également été étudiés comme objectifs secondaires.
Méthodes
Notre étude était analytique rétrospective comparative monocentrique menée du 01/01/2013 au 31/12/2015 au SAU de l'hôpital du Havre. Tous les patients consultant pour céphalées et chez qui un scanner a été réalisé ont été inclus puis séparés en deux groupes selon les résultats de leur scanner. Ils ont été comparés par analyse univariée puis par modélisation numérique multivariée.
Résultats
622 patients ont été inclus. On retrouve un taux d'anomalies significatives de 18,3%. L'analyse univariée ne retrouvait que les vomissements comme facteur protecteur d'anomalie au scanner. Le modèle multivariée de type Machine à Vecteur Support fournit la meilleure prédiction avec une sensibilité de 94,6% et une spécificité de 99,2%. Les facteurs prédictifs majeurs sont le score de Glasgow, l'âge, l'échelle numérique de douleur, les troubles de la parole et l'absence de photophobie ou de troubles de l'équilibre.
Conclusion
Malgré une sensibilité insuffisante pour une application clinique immédiate, ces résultats sont encourageants. Le modèle SVM bénéficie d'une capacité d'auto-apprentissage nous permettant d'améliorer ses caractéristiques avec l'inclusion de nouveaux patients.
Méthodes
Notre étude était analytique rétrospective comparative monocentrique menée du 01/01/2013 au 31/12/2015 au SAU de l'hôpital du Havre. Tous les patients consultant pour céphalées et chez qui un scanner a été réalisé ont été inclus puis séparés en deux groupes selon les résultats de leur scanner. Ils ont été comparés par analyse univariée puis par modélisation numérique multivariée.
Résultats
622 patients ont été inclus. On retrouve un taux d'anomalies significatives de 18,3%. L'analyse univariée ne retrouvait que les vomissements comme facteur protecteur d'anomalie au scanner. Le modèle multivariée de type Machine à Vecteur Support fournit la meilleure prédiction avec une sensibilité de 94,6% et une spécificité de 99,2%. Les facteurs prédictifs majeurs sont le score de Glasgow, l'âge, l'échelle numérique de douleur, les troubles de la parole et l'absence de photophobie ou de troubles de l'équilibre.
Conclusion
Malgré une sensibilité insuffisante pour une application clinique immédiate, ces résultats sont encourageants. Le modèle SVM bénéficie d'une capacité d'auto-apprentissage nous permettant d'améliorer ses caractéristiques avec l'inclusion de nouveaux patients.
Loading...