Etude des marqueurs de risque de survenue d’une mort subite

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Cette étude vise à mettre en évidence les facteurs de risque de survenue d’une MS en population générale, afin de permettre une meilleure prévention médicamenteuse et non médicamenteuse d’une pathologie dont le traitement post évènement reste très difficile.
Cet algorithme, n’impliquant qu’un traitement informatique de données préexistante est peu couteux et transparent pour les patients et les professionnels de santé et permettra à terme de faciliter la détection et la prise en charge des patients à risque sans générer de couts ni examens supplémentaires.

Trois populations constituent l’étude :
o Comme cas, les patients issus du registre exhaustif de la mort subite du CEMS (sujets majeurs victimes de mort subite de Paris et sa petite couronne, avec des contrôles qualités fréquents permettent d'évaluer l'exhaustivité à 99 % des cas) constituant une cohorte prospective des MS de mai 2011 à aout 2024 de l’aire géographique concernée. Cette cohorte sera appariée au SNDS afin d’obtenir les antériorités des patients. Il n’y a pas de critère d’exclusion en dehors de la minorité civile.
o Comme témoins, l’ensemble des résidents de cette même zone géographique en aout 2024, sans critère d’exclusion en dehors de la minorité civile et la mort subite (définie comme appartenant au groupe des cas), constituant une cohorte transversale.
o Comme témoins décédés, les habitants décédés de cette même zone géographique, majeurs au moment du décès et en excluant les MS, sur la même période (mai 2011 à aout 2024), constituant une cohorte rétrospective longitudinale qui servira aux études de sensibilité.
Pour toutes ces populations : De mai 2011 à aout 2024 (ciblage) et de mai 2006 à aout 2024 (inclusion)

L’algorithme sera dans un premier temps un CatBoost entrainé dans une tache de classification sur les cohortes des cas et des témoins avec une cross validation. Dans un second temps, Dans un second temps, un modèle concurrent basé sur G-BERT sera utilisé. Les performances des algorithmes seront évaluées avec des indicateurs de performances habituels (AUC, F1-score, sensibilité et spécificité pour chaque classe).
L’analyse de l’importance des marqueurs de risque sera effectuée à l’aide des SHAP values et comparée aux données issues de la bibliographie mais aussi des autre méthodes d’appréciation de l’importance des variables propres à chaque modèle.
Les analyses de sensibilité seront constituées de comparaison avec des modèles habituels (régression logistique), une analyse de la capacité du modèle à différencier mort subite et mort autres causes, ainsi qu’une comparaison avec un modèle entrainé uniquement sur un set de variables cardiovasculaires prédéfinies. La calibration du modèle sera vérifiée visuellement.