Prédire le risque de neutropénie sévère

La neutropénie chimio-induite est une complication relativement fréquente et potentiellement mortelle dont le risque varie considérablement en fonction des schémas de chimiothérapie utilisés et des patients traités. Identifier le risque permettrait, notamment en ces périodes de confinement où les venues à l’hôpital doivent être évitées, de réduire le nombre d’épisodes en adaptant au mieux le traitement pour en éviter autant que possible, cette toxicité.

La publication rapportée ici a évalué un modèle statistique spécifique au cancer bronchique, à partir de données de patients traités dans des essais cliniques depuis 20 ans (entre 1991 et 2010), de phase II ou III, de cancers bronchiques non à petites cellules ou à petites cellules, dans six intergroupes nationaux (ECOG, CALGB, NCCTG, ACOSOG, RTOG et SWOG). 

Au total, 7606 patients (67 %) ont été inclus dans la cohorte de training et 3746 (33 %) dans la cohorte de validation. Les neutropénies sévères étaient définies comme étant au moins de grade 3 voire fébriles. Les auteurs ont identifié différentes caractéristiques pré-thérapeutiques (associant des données démographiques, des caractéristiques de la tumeur, des données sur le traitement lui-même et l’utilisation ou non de facteurs de croissances granulocytaires). Le model final  a inclus l’âge (> 65 ans), le sexe, le poids (kg), l’index de masse corporelle, le statut d’assuré ou non, le stade de la maladie (IIIB/IV pour les BCNPC, et forme étendue pour les CPC), le nombre de sites métastatiques atteints (1, 2 ou ≥3), les molécules utilisées (gemcitabine, taxanes), le nombre de molécules utilisées (2 or ≥3), l’utilisation planifiée de GCSF, l’association à une radiothérapie , l’utilisation de traitements préalables (chimiothérapie, radiothérapie, chirurgie), durée du traitement, présence d’un épanchement pleural (oui/non), performance status (1, ≥2) et la présence éventuelle de symptômes (oui/inconnu). 

Le model final associe à la fois les avantages d’une régression logistique et d’une sélection Lasso, et permet d’obtenir, sous les courbes ROC  une AUC = 0.8348 pour la cohorte de training  et AUC = 0.8234 pour la cohorte de validation. Les auteurs considèrent qu’il s’agit d’un model « facile » à utiliser au quotidien, basé sur des données faciles obtenir. Ils soulignent néanmoins qu’ils ont fait face à de nombreuses données manquantes (données rétrospectives) et que de fait, ce model devrait être validé prospectivement.