Lors de la première vague de COVID-19 fin 2020, la vitesse de propagation du virus était telle que les centres de dépistage et les laboratoires ont rapidement été submergés, entrainant ainsi des temps d’attente importants pour la réalisation des tests PCR et l’obtention des résultats d’analyses. Alors que la plupart des études se focalisaient sur les admissions en soins intensifs et l'identification des patients les plus à risque de développer une forme grave, très peu s’intéressaient aux facteurs prédictifs d’une simple infection (grave ou non). Nous avons donc cherché à identifier les caractéristiques et les symptômes rapportés par les patients pouvant prédire la COVID-19 et créer in fine un score utilisable dans le triage précoce des patients potentiellement infectés.
Cette étude rétrospective est basée sur les données de 9081 patients testés par PCR à l’Hôpital de La Tour entre le 1er août et le 30 novembre 2020. Les caractéristiques des patients (âge, sexe, comorbidités, tabagisme, etc.), leurs symptômes (mal de tête, fièvre, toux, perte d’odorat ou de goût, etc.) ainsi que le résultat de leur test PCR effectué au même moment ont été collectées au sein d’une même base de données. Une partie de cette base de données a été utilisée pour créer et entrainer un modèle d’intelligence artificiel calculant l’association de chaque symptôme ou caractéristique patient avec la COVID-19. Ce modèle a été ensuite perfectionné sur une base de données de validation (20%) puis sur une base de données test (20%) afin d'estimer sa réelle capacité à prédire l’infection sur de nouvelles données.
Au total, 2084 patients (22,9%) ont eu un résultat positif à la COVID-19. Le modèle a démontré que la COVID-19 était significativement associée à la perte d’odorat, la fièvre, aux antécédents de contact avec une personne infectée, la perte de goût, la raideur musculaire, la toux, les maux de dos, la perte d’appétit ainsi qu'au sexe masculin. Néanmoins, la COVID-19 était moins associée au tabagisme, au mal de gorge et à la douleur à l’oreille. Toutes les variables susmentionnées ont été incluses dans le score COV19-ID, qui a démontré sur l’ensemble des données tests une précision de 74,2% avec une bonne sensibilité (80,4%) et spécificité (72,2 %).
Cette étude illustre un bel exemple d'intelligence artificielle pouvant faciliter le triage des patients lorsque les laboratoires et centres de dépistage sont surchargés. Ce score a de nombreux avantages puisqu’il peut être calculé dès l’admission du patient (sans imagerie ou tests de laboratoires), utilisé pour dédier des zones à haut et bas risque de contamination dans les centres de dépistage, diminuer le temps d’attente et favoriser les tests PCR aux tests antigéniques pour les patients à haut risque d'infection, ou encore pour anticiper les faux négatifs des tests PCR. Le score COV19-ID doit néanmoins être adapté aux nouveaux variants et validé au sein d’une population vaccinée avant de pouvoir être utilisé à nouveau aujourd’hui.
Pour voir l'étude dans son intégralité
Retrouvez nos autres publications scientifiques sur cette page
