Caractéristiques et issues des hospitalisations pour les cas de COVID-19 et d’influenza dans la région de Toronto

Conception et conditions de l’étude

Nous avons réalisé une étude de cohorte rétrospective à partir des données de 7 grands centres hospitaliers (5 centres universitaires et 2 hôpitaux communautaires d’enseignement) de Toronto et de Mississauga (Ontario) participant au projet de recherche collaborative en milieu hospitalier GEMINI12.

Collecte des données

Nous avons recueilli des données administratives et cliniques à partir des systèmes d’information hospitaliers du projet GEMINI, comme décrit précédemment12^,13. Nous avons colligé des données sur les caractéristiques démographiques des patients, l’utilisation des ressources hospitalières et les issues cliniques indiquées par l’hôpital à partir de la Base de données sur les congés des patients et le Système national d’information sur les soins ambulatoires de l’Institut canadien d’information sur la santé (ICIS). Nous avons également extrait directement des systèmes d’information hospitaliers des données cliniques additionnelles : résultats de tests de laboratoire et d’examens radiologiques, signes vitaux et prescriptions de médicaments durant l’hospitalisation (consulter l’annexe 1, accessible en anglais au www.cmaj.ca/lookup/doi/10.1503/cmaj.202795/tab-related-content pour de plus amples détails concernant la qualité des données).

Population étudiée

Nous avons inclus tous les adultes de plus de 18 ans hospitalisés dans des unités médicales ou des unités de soins intensifs médicaux et chirurgicaux, y compris des unités de soins coronariens, et qui ont obtenu leur congé entre le 1^er novembre 2019 et le 30 juin 2020. Les unités médicales comprennent toutes les spécialités médicales (médecine générale, cardiologie, pneumologie, etc.). Les données incluent tous les cas d’hospitalisations pour la COVID-19 et l’influenza ainsi que leurs complications médicales, mais elles pourraient ne pas tenir compte d’un petit nombre de patients atteints de la COVID-19 ou de l’influenza admis pour des raisons non médicales et n’ayant pas été transférés à un service médical par la suite.

Ont été considérés comme atteints de la COVID-19 les patients répondant aux critères de la version canadienne améliorée des codes de la Classification internationale des maladies et des problèmes de santé connexes, 10^e révision (CIM-10-CA), nommément U07.1 (« des résultats de laboratoire confirment le diagnostic de COVID-1914 ») et U07.2 (« un diagnostic de COVID-19 est posé à partir de la documentation clinique ou épidémiologique, mais les résultats de laboratoire ne sont pas concluants, ne sont pas disponibles ou aucun dépistage n’a été réalisé14 »). Dans 150 centres hospitaliers aux États-Unis, le code U07.1 était sensible à 98 % et spécifique à 99 % pour la COVID-1915. Les patients atteints de l’influenza ont été identifiés selon un algorithme validé basé sur la classification CIM-10-CA (codes J09, J10.0, J10.1, J10.8, J11.0, J11.1 et J11.8) qui était sensible à 83 % et spécifique a 98 % pour l’influenza en Ontario16. Moins de 6 patients étaient atteints simultanément de la COVID-19 et de l’influenza (le nombre exact a été supprimé pour limiter le risque de comptage en double); ils ont été intégrés au groupe COVID-19.

Issues cliniques et mesure

Les 5 principales issues cliniques à l’étude étaient la mortalité perhospitalière, la réadmission non planifiée dans une unité médicale ou une unité de soins intensifs médicaux ou chirurgicaux de l’un des centres hospitaliers participants dans les 30 jours suivant le congé, l’hospitalisation à l’unité de soins intensifs, la durée totale du séjour hospitalier et la durée du séjour à l’unité de soins intensifs. Nous avons aussi mesuré le taux de réadmission dans les 7 jours suivant le congé et la durée du séjour au service des urgences.

En outre, nous avons analysé l’utilisation de la tomodensitométrie (TDM) thoracique en raison de son rôle dans le diagnostic de la COVID-1917, ainsi que la prescription chez les patients hospitalisés d’antibiotiques fréquemment utilisés pour traiter des infections pulmonaires (voir l’annexe 1)18^–20, d’anticoagulants et de corticostéroïdes systémiques. La prescription de ces médicaments pourrait avoir été associée à la COVID-1921^,22; il faut toutefois noter que la période à l’étude était antérieure à la publication des résultats de l’essai clinique RECOVERY portant sur la dexaméthasone21. Nous avons utilisé les codes de la Classification canadienne des interventions en santé, élaborée par l’ICIS, pour recenser le recours à la ventilation artificielle effractive, à la dialyse (dialyse nouvellement amorcée ou dialyse chronique), à l’endoscopie gastro-intestinale et à la bronchoscopie. La dialyse pourrait être plus fréquemment requise chez les patients atteints de la COVID-1923, et l’endoscopie gastro-intestinale et la bronchoscopie sont des procédures effractives fréquentes dont le potentiel de contribution à la transmission de la COVID-19 est source de préoccupations24^,25.

Scores prédictifs de la mortalité

Nous avons calculé le risque de mortalité perhospitalière chez les patients atteints de la COVID-19 et de l’influenza à partir d’une adaptation de 7 scores, en fonction des données démographiques et cliniques obtenues dans les 24 premières heures après l’admission. Le score Acute Physiology and Chronic Health Evaluation modifié (mAPACHE)31 et le système de classification des maladies graves (CISSS)32 ont été conçus pour prédire le risque de mortalité à l’unité de soins intensifs et de mortalité dans les 30 jours à l’aide de données cliniques numériques systématiquement recueillies. Nous avons aussi sélectionné les 4 modèles (Lu,33 Hu,34 Xie35 et NEWS236) ayant le mieux performé dans une étude de validation externe37 du Royaume-Uni portant sur des modèles recensés dans une revue systématique de modèles de prédiction de la mortalité due à la COVID-1938. Enfin, nous avons inclus le score de mortalité ISARIC Coronavirus Clinical Characterisation Consortium 4C (ISARIC-4C)39, lequel a été dérivé d’une large cohorte du Royaume-Uni (voir l’annexe 1 pour de plus amples détails).

Analyse statistique

Nous avons comparé les caractéristiques de base des patients atteints de la COVID-19 et de ceux atteints de l’influenza à l’aide de différences normalisées, les différences supérieures à 0,1 étant évocatrices d’un déséquilibre entre les groupes40. Nous avons comparé les différences non ajustées dans les soins cliniques, l’utilisation des ressources et les issues cliniques à l’aide du test de χ², du test t de Student et du test de Mann–Whitney pour les variables catégorielles, les variables continues à distribution symétrique et les variables continues ne suivant pas une distribution normale, respectivement. Afin de tenir compte des comparaisons multiples, nous avons utilisé la correction de Bonferroni pour corriger les valeurs p pour l’ensemble des comparaisons, sauf dans le cas des 5 principales issues à l’étude. Nous avons utilisé la régression multivariée pour comparer les issues après avoir procédé à un ajustement selon l’âge du patient, le sexe, le score de Charlson, la résidence en établissement de soins de longue durée, le revenu moyen et la proportion de la population qui s’identifie comme appartenant à une minorité visible dans son quartier ainsi que le centre hospitalier où il a été admis. Les covariables ont été sélectionnées a priori en fonction d’associations avec la mortalité rapportées précédemment dans le contexte de la COVID-1910^,41^–43. Nous avons employé une régression de Poisson44 pour modéliser le risque de mortalité, de réhospitalisation et d’hospitalisation à l’unité de soins intensifs afin de générer des risques relatifs et d’éviter l’interprétation erronée des rapports de cotes obtenus par régression logistique. Une régression binomiale négative a été appliquée pour modéliser la durée de l’hospitalisation et la durée du séjour à l’unité de soins intensifs. Pour présenter la capacité des scores de risque à prédire avec exactitude le risque de mortalité perhospitalière dans le contexte de la COVID-19, nous avons calculé l’aire sous la courbe (ASC) de la fonction d’efficacité du récepteur ainsi que la sensibilité, la spécificité, la valeur prédictive négative et la valeur prédictive positive à différents seuils. La représentation visuelle du calage du modèle compare les scores modélisés aux proportions des issues observées pour les systèmes à pointage, et des courbes de calage ajustées par régression locale (Loess) comparent les probabilités observées aux probabilités prévues, pour les systèmes basés sur des scores de probabilité.

Analyses des sous-groupes et sensibilité

Tout d’abord, nous avons examiné les issues stratifiées selon le groupe d’âge, en utilisant a priori les groupes < 50 ans, 50–75 ans et > 75 ans. Deuxièmement, nous avons décrit les caractéristiques et les issues des patients hospitalisés à l’unité des soins intensifs. Troisièmement, afin de déterminer si les décès étaient dus, plutôt qu’associés, à la COVID-19, nous rapportons le diagnostic « le plus responsable » (principal) au moment du congé chez les patients atteints de la COVID-19 hospitalisés. Quatrièmement, nous avons refait toutes les analyses, cette fois en excluant les patients à qui on avait attribué le code U07.2 (absence de confirmation d’un diagnostic de COVID-19 par un test en laboratoire). Cinquièmement, puisque les centres hospitaliers participants étaient des centres de soins tertiaires et quaternaires dotés de grandes unités de soins intensifs, nous avons répété les analyses en incluant uniquement les patients hospitalisés depuis le service des urgences, ce qui exclut les transferts entre établissements, qui pourraient mener à une surestimation de la gravité de la maladie étant donné qu’ils concernent principalement des patients transférés aux soins intensifs. Sixièmement, afin de tenir compte des facteurs de risque concurrents, nous avons considéré dans notre modèle l’hospitalisation à l’unité des soins intensifs et le décès comme une issue mixte. Enfin, pour tenir compte de l’accumulation de données pour certains patients, nous avons refait nos analyses principales en choisissant au hasard une seule hospitalisation pour représenter les patients aux hospitalisations multiples.

Approbation éthique

Nous avons obtenu l’approbation des comités d’éthique de la recherche du Réseau universitaire de santé (Toronto), du Centre des sciences de la santé Sunnybrook (Toronto) et de l’Hôpital St. Michael (Toronto) par la plateforme intégrée de Clinical Trials Ontario; l’Hôpital St. Michael a agi à titre de comité d’éthique de référence. Les comités d’éthique de la recherche de Trillium Health Partners (Mississauga) et de l’Hôpital Mount Sinai (Toronto) ont aussi donné leur approbation.

Mortalité et réhospitalisation

Les patients atteints de la COVID-19 présentaient un taux de mortalité perhospitalière ajusté et non ajusté significativement plus élevé que ceux atteints de l’influenza (taux de mortalité non ajusté 19,9 % c. 6,1 %, p < 0,001; risque relatif [RR] ajusté 3,46, intervalle de confiance [IC] à 95 % 2,56–4,68) (tableau 3, tableau 4). Chez les patients atteints de la COVID-19, 4,3 % et 9,3 % des patients ont été réhospitalisés dans les 7 jours et dans les 30 jours suivants, respectivement, ce qui n’était pas significativement différent des patients atteints de l’influenza, avant ou après ajustement.

Parmi les patients atteints de la COVID-19 hospitalisés, les diagnostics principaux au moment du congé étaient la COVID-19, une pneumonie virale, le sepsis ou des soins palliatifs pour 183 (89,7 %) des 204 patients qui sont décédés et 681 (82,7 %) des 823 patients qui étaient vivants au moment du congé.

Utilisation des ressources et soins cliniques

Comparativement aux patients atteints de l’influenza, ceux atteints de la COVID-19 présentaient un risque plus élevé d’utilisation des ressources des unités de soins intensifs (taux non ajusté 26,4 % c. 18,0 %, p < 0,001; RR ajusté 1,50, IC à 95 % 1,25–1,80) et une durée d’hospitalisation accrue (durée médiane non ajustée 8,7 jours c. 4,8 jours, p < 0,001; taux d’incidence ajusté 1,45, IC à 95 % 1,25–1,69) (tableau 3, tableau 4), mais la durée du séjour à l’unité de soins intensifs n’était pas significativement différente après ajustement (tableau 3, tableau 4 et annexe 1, tableau S2).

Les patients atteints de la COVID-19 étaient plus susceptibles d’avoir besoin de ventilation artificielle (18,5 % c. 9,3 %, p < 0,001) mais moins susceptibles de subir une bronchoscopie (2,0 % c. 5,6 %, p = 0,005). Les patients atteints de la COVID-19 ont subi au moins une tomodensitométrie thoracique dans 20,4 % des cas et se sont vu prescrire des corticostéroïdes systémiques dans 16,7 % des cas.

Issues stratifiées selon l’âge

Le taux de mortalité non ajusté chez les patients atteints de la COVID-19 âgés de moins de 50 ans, 50–75 ans et de plus de 75 ans était de 5,1 %, de 13,5 % et de 38,9 %, respectivement. Le taux d’utilisation des ressources des unités de soins intensifs pour chaque groupe d’âge était de 29,8 %, de 35,2 % et de 11,3 %, respectivement, et le taux de réhospitalisation dans les 30 jours était de 9,2 %, de 9,9 % et de 7,9 %, respectivement (annexe 1, tableau S1).

Scores prédictifs de la mortalité

La discrimination et le calage des scores pronostiques sont présentés au tableau 5 et à l’annexe 1, tableau S3, tableau S4 et figure S1. Des données complètes étaient disponibles pour 1 % (ISARIC-4C) à 46 % (Xie) des cas. L’exactitude de la discrimination était maximale pour le score mAPACHE (ASC de 0,86 pour les cas aux données complètes et de 0,81 après répartition), le score CISSS (ASC de 0,83 pour les cas aux données complètes et de 0,80 après répartition) et le score ISARIC-4C (ASC de 0,78 après répartition). Le calage des modèles était peu exact pour les modèles de régression (Hu, Xie et CISSS), tandis que le risque observé augmentait de façon essentiellement linéaire pour les scores à pointage (annexe 1, figure S1).

Les résultats globaux n’ont généralement pas été modifiés par les analyses de sensibilité (voir l’annexe 1 pour de plus amples détails).

Limites de l’étude

Notre étude présente toutefois plusieurs limites. Premièrement, nous avons inclus 7 centres hospitaliers universitaires d’envergure qui acceptaient les transferts de patients atteints de la COVID-19 à l’unité des soins intensifs. Pour éviter de surestimer la gravité de la COVID-19, nous avons reproduit nos analyses avec des patients hospitalisés depuis le service des urgences afin d’exclure les transferts entre établissements, et nos résultats sont demeurés cohérents. Nous croyons que nos conclusions sont généralisables, puisque l’incidence de la mortalité observée dans notre cohorte était comparable à celle signalée dans de grandes études réalisées aux États-Unis1 et au Royaume-Uni4, et que notre étude comprenait environ 25 % des patients hospitalisés pour la COVID-19 en Ontario. Deuxièmement, nous avons recueilli uniquement les données saisies de façon systématique dans les sources administratives ou le dossier médical électronique; il n’a donc pas été possible de tenir compte des préférences des patients ou d’ajuster les données en fonction de celles-ci en ce qui a trait aux soins intensifs, aux symptômes présentés ou à certains facteurs de risques importants comme l’obésité ou le tabagisme. Nos analyses du revenu et du statut de minorité visible n’ont pu être réalisées qu’à l’échelle du quartier; elles n’offrent donc pas une granularité suffisante pour tirer des conclusions solides. Troisièmement, nous rapportons la réhospitalisation dans les 30 jours pour tous les centres hospitaliers participants. Bien que les réhospitalisations soient possiblement sousestimées, 82 % de celles survenues dans notre région se sont produites au centre hospitalier d’origine55, et nous avons été en mesure de capturer aussi celles survenues dans d’autres centres hospitaliers participants. Quatrièmement, la gravité de la grippe saisonnière varie chaque année, et nous avons seulement intégré les données de l’année 2019–2020. Cependant, dans notre étude, le taux de mortalité associé aux hospitalisations dues à l’influenza (6,1 %) correspond aux taux de mortalité d’environ 3 % à 6 % relevé dans une revue systématique examinant plus de 120 000 hospitalisations liées à l’influenza56, et nos résultats sont comparables à ceux publiés dans des études récentes réalisées en France10 et aux États-Unis11. Cinquièmement, l’utilisation accrue de la dexaméthasone et d’autres traitements contre la COVID-19 depuis la fin de la période couverte par notre étude pourrait modifier les estimations des taux de mortalité et l’exactitude des scores prédictifs. Une validation tenant compte des traitements les plus récents serait utile. Enfin, nous avons été incapables d’obtenir des données sur la cause du décès, lesquelles peuvent être peu fiables lorsqu’obtenues de sources administratives57; de ce fait, nous ne pouvons pas rapporter le nombre de patients dont le décès a été causé directement par la COVID-19. Les diagnostics principaux au moment du congé étaient la COVID-19, une pneumonie virale, le sepsis ou des soins palliatifs chez 89,7 % des patients décédés qui étaient atteints de la COVID-19, laissant sous-entendre que la plupart de ces décès sont probablement attribuables à la COVID-19.

Conclusion

Les adultes atteints de la COVID-19 hospitalisés dans 7 centres hospitaliers ontariens au cours de la première vague de la pandémie ont eu besoin de ressources hospitalières substantielles et ont connu un taux de mortalité élevé. Ces patients présentaient des taux accrus de mortalité, d’utilisation des ressources des unités de soins intensifs et de ventilation artificielle effractive, et nécessitaient un séjour à l’hôpital plus long que les patients hospitalisés en raison de l’influenza. On peut prédire avec une exactitude raisonnable le risque de mortalité chez les patients hospitalisés atteints de COVID-19 à l’aide de simples scores.