Construction et validation d’un nomogramme pour identifier l’obstruction du mucus chez les patients atteints de maladie pulmonaire obstructive chronique

Summary

Cette étude visait à identifier des prédicteurs cliniques indépendants des bouchons de mucus des voies respiratoires détectés par tomodensitométrie (CT) chez les patients atteints de maladie pulmonaire obstructive chronique (MPOC) et à construire et valider un nomogramme pour une prédiction individualisée du risque.

Abstract

L’impaction du mucus des voies respiratoires fines en tomodensitométrie thoracique (CT) est un constat cliniquement significatif dans la maladie pulmonaire obstructive chronique (MPOC), associée à une accélération de la fonction pulmonaire, à une fréquence accrue des exacerbations aiguës et à une plus grande susceptibilité aux infections respiratoires. Cependant, un outil prédictif validé pour identifier les patients à risque de détecter des implants mucus détectés par scanner fait actuellement défaut. Cette étude visait à développer et valider un nomogramme pour prédire une petite obstruction du mucus des voies respiratoires chez les patients atteints de BPCO. Nous avons inscrit rétroactivement 212 patients atteints de BPCO du Shenzhen Second People’s Hospital (janvier 2021 à juin 2022), dont 47 présentaient des bouchons de mucus confirmés par un scanner (groupe des bouchons de mucus, MP) et 165 non (groupe des bouchons non muqueus, NMP). Des analyses univariées et des caractéristiques de fonctionnement du récepteur (ROC) ont été utilisées pour identifier les prédicteurs candidats. Une régression logistique multivariée a été réalisée pour construire le modèle prédictif final, qui a ensuite été transformé en nomogramme. La validation interne a été réalisée par échantillonnage bootstrap (1000 itérations). La bronchiectasie, la rhinosinusite chronique (CRS), l’indice de masse corporelle (IMC), le flux expiratoire forcé à 25–75 % de la prévision (FEF25–75 % de la pred), le rapport volume résiduel/capacité pulmonaire totale (RV/TLC) et le 25-hydroxyvitamine D sérique [25(OH)D] ont été identifiés comme des facteurs de risque indépendants pour les bouchons de mucus CT. Le nomogramme a démontré une excellente valeur prédictive avec une AUC de 0,9611. Les courbes d’étalonnage et les analyses de courbes de décision ont démontré une bonne utilité clinique. La validation interne bootstrap a également soutenu la stabilité prédictive du modèle. Cette nomogramme fournit un outil pratique et individualisé pour faciliter l’identification précoce et la prise en charge personnalisée des patients atteints de BPCO à risque d’obstruction du mucus des voies respiratoires fines.

Introduction

La maladie pulmonaire obstructive chronique (MPOC) se caractérise par une limitation persistante et largement irréversible du flux d’air. L’Organisation mondiale de la santé indique qu’elle devrait devenir la troisième cause de mortalité mondiale d’ici 2030¹. La maladie commence principalement dans les petites voies respiratoires (voies respiratoires d’un diamètre interne inférieur à 2 mm), qui représentent un site fondamental de la pathologie de la BPCO. Les changements structurels et inflammatoires dans ces régions précèdent souvent l’apparition des symptômes cliniques de plusieurs années, tout en contribuant de manière significative à l’obstruction du flux d’air. Les caractéristiques pathologiques des petites voies respiratoires dans la MPOC incluent l’infiltration par les cellules inflammatoires,2,3,4 l’altération des mécanismes de défense^{épithéliale 5,6} le remodelage des voies respiratoires^{et la fibrose 7,8,9} ainsi que la formation de bouchons muqueuses (MP)^10,11.

Les bouchons de mucus des voies respiratoires dans la BPCO représentent une accumulation pathologique de mucus dans la lumière des voies respiratoires, entraînant une limitation du flux^{d’air 12}. La formation des bouchons mucus est associée à un milieu pro-inflammatoire, caractérisé par un nombre élevé d’éosinophiles et une augmentation de l’expression du gène des cytokines^{de type 2 13}. Un excès de mucus intraluminal altère la diffusion de l’oxygène et provoque une hypoxie dans les cellules épithéliales des voies respiratoires, créant des conditions favorables à une colonisation bactérienne persistante et à des infections récurrentes des voies respiratoires^{inférieures 14}. Ces infections aggravent la gravité de la maladie et augmentent le risque^{de mortalité 15}. Une sécrétion élevée de mucus des voies respiratoires a également été identifiée comme un précurseur d’exacerbations aiguës dans la^{MPOC 16}. Cela souligne le besoin crucial d’une détection précoce et d’une compréhension mécaniste des facteurs contribuant à la formation de bouchons de mucus chez les patients atteints de BPCO.

Divers facteurs de risque ont été associés à la formation de bouchons de mucus des voies respiratoires dans les maladies chroniques des voies respiratoires, notamment des infections^{virales 17,18}, la colonisation par Pseudomonas aeruginosa^{, 19,20} épisodes d’exacerbation aiguë récurrents, une altération de la fonction pulmonaire mesurée par un volume expiratoire forcé en 1 seconde (FEV1)²¹, l’historique tabagisme²², un taux élevé de peroxydase d’éosinophiles²³, des concentrations de protéines intrabronchiques de mucine 5B (MUC5B), et des niveaux de 25-hydroxyvitamine D (25(OH)D), ainsi que des infections attribuables au mycoplasma et à l’espèce d’Aspergillus^. 24,25,26. Néanmoins, le profil de risque spécifique pour le développement de bouchons de mucus chez les patients atteints de MPOC reste incomplètement caractérisé, et l’utilité pronostique des facteurs de risque individuels isolément est limitée.

Une approche multifactorielle intégrant plusieurs prédicteurs pourrait produire une stratification du risque plus cliniquement significative. Les nomogrammes ont été largement appliqués dans des spécialités médicales, notamment en oncologie, cardiologie et pneumologie, pour faciliter les prédictions de survie, la stratification des risques et la prise de décision^{thérapeutique 27}. Ils offrent un moyen nuancé et interprétable de capturer des interactions complexes entre diverses variables cliniques. Malgré leur large utilité, aucun nomogramme validé n’existe pour prédire les bouchons de mucus détectés par le scanner chez les patients atteints de BPCO. Cette étude comble cette lacune en identifiant des facteurs de risque indépendants pour la formation de bouchons muqueuses dans la BPCO et en développant un nomogramme prédictif validé permettant une évaluation individualisée des risques. Un tel outil pourrait être facilement intégré dans les flux de travail routiniers de gestion de la BPCO, en particulier dans les centres disposant d’un accès à l’imagerie par CTR et à la spirométrie, afin de soutenir des interventions ciblées précoces et de réduire la charge des exacerbations chez les patients à risque.

Protocol

La présente étude a été approuvée par le Comité d’éthique du Second Hôpital Populaire de Shenzhen (Protocole n° 20193357024). Le consentement éclairé a été obtenu de tous les participants ou de leurs représentants légaux avant l’inscription.

Population d’étude et méthodologie

Cette étude a été conçue comme une étude de cohorte rétrospective à centre unique. Les dossiers médicaux des patients ayant un diagnostic primaire de BPCO au Département de médecine respiratoire du Shenzhen Second People’s Hospital, de janvier 2021 à juin 2022, ont été examinés. Tous les patients adultes (≥18 ans) ayant un diagnostic primaire de BPCO ont d’abord été dépistés à l’aide du codage de la Classification internationale des maladies (CIM-10) et d’une revue de dossiers du dossier médical électronique (DME) de l’hôpital.

Critères d’inclusion

(1) Diagnostic confirmé de la MPOC conformément aux directives de l’Initiative mondiale pour la maladie pulmonaire obstructive chronique (GOLD) ; (2) Disponibilité d’une tomodensitométrie à haute résolution (TCH) du thorax réalisée dans la semaine suivant l’hospitalisation ; (3) Disponibilité complète de la spirométrie et des données de laboratoire ; et (4) Au moins un an de données de suivi pour la surveillance des exacerbations aiguës.

Critères d’exclusion

(1) Infections pulmonaires actives (par exemple, pneumonie ou tuberculose) au moment de l’imagerie HRCT ; (2) Malignité pulmonaire coexistante ; (3) Chirurgie thoracique antérieure avec un impact potentiel sur l’anatomie des voies respiratoires ; et (4) Données cliniques critiques manquantes ou imagerie non évaluable en raison d’artefacts de mouvement. Après application de ces critères, une cohorte finale de 212 patients a été inscrite, comprenant 47 patients du groupe plug-positif (MP) et 165 patients du groupe non-mucus plug (NMP). Des images représentatives de la CRT sont illustrées à la Figure 1. Les patients du groupe NMP (n = 165) ont servi de contrôles internes, permettant la comparaison statistique des caractéristiques cliniques, des indices de fonction pulmonaire et des biomarqueurs de laboratoire entre groupes. Toutes les analyses ont été menées sur cette cohorte contrôlée en interne afin de soutenir le développement de modèles guidés par des hypothèses.

Collecte de données

L’extraction des données suivait un protocole structuré et séquentiel. Les variables démographiques collectées comprenaient l’âge, le sexe, l’indice de masse corporelle (IMC) et le statut de tabagisme. Les variables d’antécédents cliniques comprenaient la durée de la MPOC, la fréquence d’exacerbation aiguë et les comorbidités. Paramètres de spirométrie récupérés incluant le FEV1 %, le VEM 1 à la capacité vitale forcée (CVF), la capacité vitale (VC), le flux expiratoire forcé (FEF25–75 % de la pred), le volume résiduel (VR), la capacité pulmonaire totale (TLC) et le rapport VD/TLC. Les indices de laboratoire comprenaient l’immunoglobuline totale E sérique (IgE), la 25-hydroxyvitamine D(25(OH)D), le calcium sérique (Ca²⁺), le phosphore, l’antigène des glucides (CA199), l’oxyde nitrique fractionné expiré (FeNO), ainsi que l’oxyde nitrique conducteur des voies respiratoires (CaNO). Le dépistage de comorbidité comprenait la sinusite, l’asthme, la bronchiectasie, la colonisation fongique et bactérienne, ainsi que les maladies cardiovasculaires et métaboliques. Toutes les données ont été récupérées depuis le système de dossier médical électronique (DME) de l’hôpital. Les images HRCT étaient consultées depuis les archives du système d’archivage et de communication des images (PACS) de l’hôpital. Les détails des logiciels et équipements utilisés dans cette étude sont fournis dans le tableau des matériaux. Aucun réactif physique ni matériel de laboratoire n’a été utilisé ; Toutes les analyses ont été réalisées à partir de données cliniques et radiologiques existantes. Toutes les données des patients ont été examinées par deux enquêteurs indépendants. Les données manquantes ont été traitées à l’aide de la méthode d’imputation non paramétrique « missForest » implémentée dans R, afin de minimiser la distorsion dans les analyses multivariées.

Critères diagnostiques de la TCH pour les bouchons de mucus

Tous les patients ont subi une TCR en utilisant des protocoles d’imagerie institutionnelle standardisés. Les bouchons de mucus ont été définis radiologiquement sur des tranches axiales de scanner (CT) identifiées comme des structures d’atténuation des tissus mous tubulaires ou ramifiées occupant une lumière des voies respiratoires, visibles sur au moins deux tranches axiales contiguës, conformément aux critères diagnostiques publiés. Seuls les cas présentant des opacités clairement délimitées, segmentaires ou sous-segmentaires des voies respiratoires avec une atténuation des tissus mous similaire à un tissu mou et non attribuable à des artefacts ou à la bronchiectasie seule ont été étiquetés comme positifs au bouchon muqueus. L’imagerie HRCT a été réalisée à l’aide d’un scanner CT Siemens SOMATOM Definition AS (128 tranches) avec les paramètres d’acquisition suivants : épaisseur de tranche 1,0 mm, intervalle de reconstruction de 0,75 mm, et utilisation du noyau haute résolution B70f. Les images ont été examinées dans les réglages standards des fenêtres poumonaires (largeur de fenêtre : 1600 unités Hounsfield [HU] ; Niveau de la fenêtre : 600 HU. Deux radiologues thoraciques certifiés, avec plus de 8 ans d’expérience, ont examiné tous les examens de manière indépendante. Les cas présentant des divergences interprétatives ont été résolus par discussion consensuelle. Les critères diagnostiques ont été appliqués uniformément dans tous les cas afin d’assurer la cohérence de la classification.

Construction, évaluation et validation du nomogramme

Un nomogramme a été développé pour prédire les bouchons de mucus détectés par le CT chez les patients atteints de BPCO sur la base des résultats de régression logistique multivariée. Le modèle final incorporait les prédicteurs indépendants suivants : bronchiectasie, rhinosinusite chronique (CRS), exacerbations aiguës (EA), IMC, FEF25–75 % de pred, ratio RV/TLC et niveaux sériques de 25(OH)D. Chaque prédicteur se voit attribuer un score sur une échelle de points horizontale ; Les scores individuels sont additionnés pour obtenir un score total, qui correspond à une probabilité prédite de présence de bouchons de mucus sur l’échelle de probabilité de sortie. Le nomogramme a été soumis à une validation interne via un rééchantillonnage bootstrap (1000 itérations) afin d’évaluer la précision prédictive et la discrimination à l’aide de courbes d’étalonnage (AUC et ROC).

Analyses statistiques

Toutes les analyses statistiques ont été réalisées en utilisant la version 4.1.2 de R et la version 25.0 des statistiques IBM SPSS. Les données catégorielles étaient exprimées en fréquences et en pourcentages ; les comparaisons entre groupes ont été réalisées à l’aide du test du chi-carré ou du test exact de Fisher, selon le cas. Les données continues avec distribution normale ont été exprimées en moyenne ± écart-type (DS) et comparées à l’aide du test t des échantillons indépendants ; les données continues anormalement distribuées étaient exprimées en médiane (intervalle interquartile (IQR)) et comparées à l’aide du test U de Mann-Whitney. Les variables avec P < 0,1 dans l’analyse de régression logistique univariée ont été incluses dans le modèle, conformément à la pratique standard dans le développement de modèles prédictifs. Les paquets R utilisés étaient « rms », « mstate », « data.table », « pROC », « rmada », « rio », « boot » et « missForest ». La construction du nomogramme était réalisée en utilisant les fonctions lrm et nomogram du paquet rms. Les courbes ROC et les valeurs AUC étaient calculées à l’aide des fonctions roc et AUC du package pROC. Les courbes d’étalonnage étaient générées avec la fonction d’étalonnage dans RMS. L’analyse de la courbe de décision (DCA) était réalisée à l’aide de la fonction de courbe de décision du package RMDA. L’imputation des données manquantes a été effectuée à l’aide de la fonction missForest. La validation interne du bootstrap (1000 itérations) a été réalisée à l’aide du package de démarrage. Une graine aléatoire fixe (set.seed[240708] a été appliquée au début de l’analyse pour garantir la reproductibilité. Une valeur P de < 0,05 était considérée comme statistiquement significative. La formule du modèle de régression logistique était la suivante :

glm(mucus_status ~ bronchiectasie + CRS + IMC + FEF25_75 + RV_TLC + VitD, famille = « binomial »)

Results

Caractéristiques de base

L’étude comprenait une cohorte de 212 patients atteints de BPCO, répartis en deux groupes : 47 avec des bouchons de mucus (MP) et 165 sans bouchons de mucus (NMP). La présence de bouchons de mucus dans cette population de BPCO a été de 28,33 %. L’analyse statistique, détaillée dans le tableau 1, a identifié des différences significatives entre les groupes MP et NMP dans plusieurs indicateurs clés. Cela incluait l’indice de masse corporelle (IMC), la fréquence des exacerbations aiguës (EA), la prévalence de la bronchiectasie et de la rhinosinusite chronique, le flux expiratoire forcé à 25–75 % du volume pulmonaire (FEF25–75pred), le rapport volume résiduel/capacité pulmonaire totale (RV/TLC), ainsi que les niveaux sériques d’antigène glucide 199 (CA199) et de 25-hydroxyvitamine D (25(OH)D), chacun présentant une valeur P inférieure à 0,05. Les patients atteints de BPCO du groupe MP présentaient un AE significativement plus élevé, une bronchiectasie combinée, une sinusite, une infection fongique et un indice CA199 plus élevés que le groupe NMP (P < 0,05), ainsi qu’un IMC, un FEF de 25–75 % de préd % et une CV/TC significativement plus faibles que le groupe NMP (P < 0,05). Le tableau 1 présente les caractéristiques démographiques et cliniques de référence des cohortes BPCO, offrant un aperçu détaillé et quantitatif de la population étudiée. Ce tableau est essentiel pour mettre en lumière les différences cliniques et physiologiques entre les groupes MP et NMP chez les patients atteints de BPCO, posant ainsi les bases d’analyses et d’interprétations cliniques ultérieures.

Analyse de régression logistique univariée

Pour identifier les prédicteurs potentiels de la formation des bouchons muqueus, nous avons d’abord réalisé des analyses de régression logistique univariée pour les variables cliniques et radiologiques décrites ci-dessus. Plusieurs facteurs ont démontré des liens avec la présence de bouchons de mucus à un seuil de P < 0,1 et ont donc été sélectionnés pour une évaluation plus approfondie. Ce critère inclusif a permis de garantir que les variables pertinentes n’étaient pas exclues prématurément. Ces prédicteurs candidats ont ensuite été soumis à une analyse ROC et à une régression logistique multivariée pour développer le modèle prédictif final.

Analyse ROC et valeurs optimales de seuil

Dans cette étude, l’impaction mucoïde a été définie comme la variable dépendante. Nous avons sélectionné huit variables montrant des différences statistiquement significatives entre les groupes MP (impact mucoïde positif à l’impaction) et NMP (impaction mucoïde négative) pour l’analyse de la courbe des caractéristiques de fonctionnement du récepteur (ROC). Les résultats de cette analyse sont présentés méthodiquement dans le tableau 2. De plus, grâce à l’analyse de la courbe ROC, les valeurs de seuil optimales pour ces variables ont été déterminées, les résultats étant soigneusement documentés dans le tableau 3. Dans cette étude, les points de coupure optimaux pour les variables ont été déterminés à l’aide de l’indice de Youden maximal, comme détaillé dans le tableau. Le statut de mucus positif a été défini en fonction des critères de la TCR : présence de densité des tissus mous dans la lumière bronchique occupant au moins 50 % du diamètre des voies respiratoires, présence sur au moins deux coupes axiales consécutives, et cohérente avec du mucus plutôt qu’avec un artefact ou un liquide. Les valeurs de seuil pour les variables continues (par exemple, FEF25–75, RV/TLC, vitamine D) ont été déterminées à l’aide d’une analyse de la courbe ROC. Le seuil optimal pour chacun a été déterminé à l’aide de l’indice de Youden (sensibilité + spécificité – 1), qui identifie le seuil maximisant simultanément la sensibilité et la spécificité. Cela identifie la valeur qui maximise la sensibilité et la spécificité. Ces seuils ont été utilisés pour transformer des variables en catégories binaires pour la régression logistique multivariée.

Analyse de régression logistique multivariée de MP

Une analyse avancée de régression logistique progressive a été réalisée, avec la présence de bouchons mucus comme variable dépendante. L’analyse a utilisé des prédicteurs dichotomisés pour identifier des facteurs de risque indépendants. Ces résultats sont détaillés dans le tableau 4. En utilisant des variables significatives dans l’analyse univariée, le modèle de régression logistique multivariée a révélé des résultats statistiquement significatifs. L’analyse a identifié plusieurs facteurs de risque indépendants pour les bouchons de mucus détectés par le scanner chez les patients atteints de BPCO. Cela incluait la bronchiectasie, avec un rapport de cotes (OR) et un intervalle de confiance (IC) à 95 % de 13,699 (4,256, 44,1) ; rhinosinusite chronique, avec un IC de 95 % de 7,291 (1,867, 28,467) ; indice de masse corporelle, avec un IC OR à 95 % de 0,17 (0,053, 0,547) ; Flux expiratoire forcé à 25–75 % du volume pulmonaire prédit (FEF25–75 % de pred), avec un IC de 95 % en salle d’opération de 0,091 (0,027, 0,307) ; rapport volume résiduel/capacité pulmonaire totale (RV/TLC), avec un IC OR à 95 % de 0,144 (0,038, 0,541) ; et des niveaux sériques de 25-hydroxyvitamine D (25(OH)D), avec un IC OR à 95 % de 0,042 (0,011, 0,151) (P < 0,05). Ces résultats sont détaillés dans le tableau 5.

Évaluation par nomogramme

Le nomogramme construit dans cette étude est une traduction visuelle du modèle de régression logistique multivariée et sert d’outil d’estimation du risque individualisé et interprétable. Chaque prédicteur du modèle se voit attribuer une valeur en points sur un axe horizontal ; Ces points sont additionnés pour obtenir un score total, qui correspond à une échelle de probabilité indiquant le risque de présence de bouchons de mucus. Cette interface graphique permet aux cliniciens d’estimer le risque spécifique au patient en utilisant des données cliniques et d’imagerie disponibles de manière routinière. Cette approche suit des cadres précédemment validés, tels que le nomogramme de l’embolie pulmonaire proposé. La figure 1 illustre la modélisation du diagramme en colonnes en lignes, et la figure 2 présente un diagramme colonne-ligne construit pour visualiser l’influence relative des caractéristiques prédictives dans le modèle nomogramme. Les colonnes représentent les facteurs de risque individuels (par exemple, bronchiectasie, SCR, IMC), tandis que les hauteurs de raies indiquent leur force de contribution à la probabilité prédite de présence de bouchons de mucus. Le diagramme aide à l’interprétation des pondérations et interactions des caractéristiques. Toutes les valeurs ont été générées à partir de la régression logistique multivariée. Aucune barre d’erreur ni barre d’échelle n’est applicable ; les résultats de validation, illustrés à la Figure 3, démontrent une concordance significative entre les occurrences prédites et réelles des bouchons de mucus chez les patients atteints de BPCO. L’AUC de la Figure 4 valide la précision du modèle. Le schéma montré par les courbes d’étalonnage dans la Figure 5 met en avant la valeur prédictive fiable du nomogramme en contexte clinique, tandis que la Figure 6 met l’accent sur la fiabilité du modèle à travers le graphique de sensibilité.

DISPONIBILITÉ DES DONNÉES :

Toutes les données brutes pertinentes soutenant les résultats de cette étude ont été soumises sous forme de tableau complémentaire.

Figure 1 : Image représentative par TCR d’un patient avec MPOC du groupe mucus positif (MP) montrant l’état du petit plug de mucus des voies respiratoires. Les flèches jaunes indiquent des structures d’atténuation tubulaire des tissus mous occupant de petites lumières des voies respiratoires sur des tranches axiales contiguës, compatibles avec la formation de bouchons muqueuss. L’image a été prise à l’aide d’un scanner CT Siemens SOMATOM Definition AS (128 tranches) avec réglage de fenêtre pulmonaire (largeur : 1 600 HU ; niveau : −600 HU). Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 2 : Nomogramme pour prédire les bouchons de mucus des petites voies respiratoires détectés par le scanner chez les patients atteints de BPCO. Chaque prédicteur est représenté sur un axe horizontal avec une valeur en points attribuée. Les scores individuels sont additionnés pour générer un score total, qui correspond à la probabilité prédite de présence de bouchons de mucus sur l’échelle de sortie. Les prédicteurs comprenaient : bronchiectasie, rhinosinusite chronique (CRS), indice de masse corporelle (IMC), FEF25–75 % de pred, rapport RV/TLC et niveaux sériques de 25(OH)D. Toutes les valeurs ont été dérivées du modèle de régression logistique multivariée. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 3 : Courbe de caractéristique de fonctionnement du récepteur (ROC) du nomogramme. La courbe rouge démontre la performance discriminatoire du modèle pour distinguer les patients avec bouchon de mucus positif aux patients atteints de BPCO. L’axe des x représente le taux de faux positifs (spécificité de 1 −), et l’axe des y représente le taux de vrais positifs (sensibilité). La droite de référence diagonale représente un classificateur non discriminant. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 4 : Courbe d’étalonnage pour la validation interne du nomogramme. L’axe des x représente la probabilité prédite par le nomogramme, et l’axe des y représente la probabilité observée (réelle) de présence de bouchons de mucus. Trois courbes sont affichées : Apparente (pointée), Corrigée par biais (solide) et Idéale (pointillée). La validation interne bootstrap a été effectuée avec B = 1 000 répétitions (n = 212) ; Erreur absolue moyenne = 0,035, indiquant un fort accord entre les probabilités prédite et observée. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 5 : Analyse de la courbe de décision (DCA) pour le nomogramme. Le bénéfice clinique net (axe des y) est tracé par rapport à une plage de probabilités seuils de risque élevé (axe des x) pour trois stratégies : le nomogramme (rouge), le traité tout (bleu) et le traitement sans traitement (noir). Le nomogramme démontre un bénéfice net supérieur par rapport aux stratégies par défaut dans la fourchette de seuil cliniquement pertinente. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 6 : Courbe de caractéristique de fonctionnement du récepteur (ROC) validée par bootstrap du nomogramme. La courbe noire représente la courbe moyenne ROC, et les barres d’erreur rouges indiquent la variabilité sur 1 000 itérations de rééchantillonnage bootstrap. La zone sous la courbe (AUC = 0,9611 ; IC à 95 % : 0,9382–0,984) confirme la forte performance discriminatoire et la stabilité prédictive du nomogramme. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Variable	MP (n = 47)	NMP (n = 165)	Valeur p
Âge (années)	68 (65–78)	69 (64–74)	0.39
Hommes ( %)	39 (82.98%)	139 (84.24%)	1
Femmes ( %)	8 (17.02%)	26 (15.76%)	—
IMC (kg/m²)	20.76 (19.55–23.10)	23.03 (21.90–24.51)	<0,001
Durée de la maladie (mois)	10 (5–20)	10 (5–13)	0.06
Fumer (années de paquet)	30 (0–40)	20 (0–40)	0.35
AE ≥2/an ( %)	17 (36.17%)	19 (11.52%)	<0,001
Insuffisance respiratoire ( %)	8 (17.02%)	25 (15.15%)	0.82
Bronchiectasie ( %)	33 (70.21%)	38 (23.03%)	<0,001
Rhinosinusite chronique ( %)	18 (38.30%)	24 (14.55%)	<0,001
Infection fongique ( %)	5 (10.64%)	5 (3.03%)	0.05
FEF25–75 %	12.00 (9.40–18.71)	19.00 (13.27–29.30)	<0,001
RV/TLC ( %)	45.51 (42.85–49.25)	48.68 (43.32–54.51)	0.02
CA199	26.82 (17.65–49.94)	13.86 (10.60–20.61)	<0,001
25(OH)D (ng/mL)	21.05 (18.49–23.40)	25.32 (23.66–27.74)	<0,001

Tableau 1 : Caractéristiques cliniques et démographiques de base de la cohorte de l’étude. Comparaison entre les groupes bouchon muqueuse positif (MP) et bouchon muqueus-négatif (NMP). Les données sont présentées comme n ( %), moyenne ± DE ou médiane (IQR) selon le cas. Abréviations : IMC, indice de masse corporelle ; AE, exacerbations aiguës ; FEV1 %, volume expiratoire forcé en 1 seconde prédit ; FEV1/FVC, rapport FEV1/capacité vitale forcée ; FEF25–75 % de pred, débit expiratoire forcé de 25 à 75 % prévu. Abréviations ; RV = volume résiduel ; TLC = capacité pulmonaire totale ; RV/TLC = rapport volume résiduel/capacité pulmonaire totale ; IgE = immunoglobuline E ; 25(OH)D = 25-hydroxyvitamine D ; CA199 = antigène des glucides 199 ; FeNO = oxyde nitrique fractionné expiré ; CaNO = conducteur d’oxyde nitrique.

Variable	AUC	IC à 95 %	Valeur p
25(OH)D	0.826	0.755–0.896	<0,001
IMC	0.737	0.652–0.821	<0,001
CA199	0.757	0.670–0.843	<0,001
Bronchiectasie	0.736	0.651–0.820	<0,001
FEF25–75 %	0.716	0.632–0.800	<0,001
RV/TLC	0.616	0.535–0.697	0.015
AE	0.623	0.526–0.721	0.01
Rhinosinusite chronique	0.619	0.522–0.716	0.013

Tableau 2 : Résultats de l’analyse ROC pour les variables prédictrices candidates. Les valeurs de surface sous la courbe (AUC) sont présentées pour huit variables, démontrant des différences statistiquement significatives entre les groupes MP et NMP, ainsi que des intervalles de confiance, une sensibilité et une spécificité de 95 %.

Variable	Coupure	Sensibilité	Spécificité	Youden Index
IMC	21.11	0.842	0.617	0.459
25(OH)D	23.06	0.806	0.745	0.551
RV/TLC	49.82	0.473	0.787	0.26
FEF25–75 %	15.35	0.679	0.702	0.381
CA199	17.08	0.809	0.685	0.494
Bronchiectasie	0.5	0.702	0.77	0.472
AE	0.5	0.362	0.885	0.247
Rhinosinusite chronique	0.5	0.383	0.855	0.238

Tableau 3 : Valeurs de seuil optimales pour les prédicteurs continus. Les seuils ont été déterminés par l’indice de Youden (sensibilité + spécificité − 1) à partir de l’analyse de la courbe ROC. Les variables étaient dichotomisées à ces seuils avant l’entrée dans la régression logistique multivariée.

Variable	OU	IC à 95 %	Valeur p
IMC	0.116	0.056–0.239	<0,001
25(OH)D	0.082	0.039–0.177	<0,001
FEF25–75 %	0.201	0.099–0.406	<0,001
RV/TLC	0.301	0.141–0.646	0.002
CA199	7.109	3.403–14.852	<0,001
Bronchiectasie	7.878	3.825–16.226	<0,001
AE	4.354	2.030–9.341	<0,001
Rhinosinusite chronique	3.647	1.757–7.568	0.001

Tableau 4 : Analyse de régression logistique univariée des prédicteurs candidats. Les résultats sont présentés sous forme de rapports de cotes (OR) avec des intervalles de confiance (IC) à 95 % et des valeurs P correspondantes. Les variables de P < 0,1 ont été sélectionnées pour inclusion dans le modèle de régression logistique multivariée.

Variable	β	OU	IC à 95 %	Valeur p
Bronchiectasie	2.617	13.699	4.256–44.100	<0,001
Rhinosinusite chronique	1.987	7.291	1.867–28.467	0.004
IMC	-1.771	0.17	0.053–0.547	0.003
FEF25–75 %	-2.397	0.091	0.027–0.307	<0,001
RV/TLC	-1.941	0.144	0.038–0.541	0.004
25(OH)D	-3.179	0.042	0.011–0.151	<0,001

Tableau 5 : Analyse de régression logistique multivariée par étapes identifiant les facteurs de risque indépendants pour les bouchons de mucus détectés par le scanner. Les résultats sont présentés sous forme de rapports de cotes (OR) avec des intervalles de confiance (IC) et des valeurs P à 95 %. P < 0,05 était considéré comme statistiquement significatif.

Discussion

Dans cette étude, la prévalence de la formation de bouchons muqueuses détectée par le scanner chez les patients hospitalisés atteints de MPOC était de 22,16 %, conformément aux estimations rapportées dans la littérature^{antérieure 27}. Les bouchons de mucus dans la BPCO sont cliniquement significatifs en raison de leur association avec un déclin accéléré de la fonction pulmonaire, une fréquence accrue d’exacerbation aiguë et un risque de mortalité plus^{élevé 28}. Malgré cela, un outil prédictif validé pour identifier les patients à risque faisait auparavant défaut. Cette analyse a identifié la bronchiectasie, la rhinosinusite chronique (CRS), l’IMC, le FEF25–75 % de la pred, la VR/TLC et la 25(OH)D comme facteurs de risque indépendants pour les bouchons de mucus détectés par scanner, et ceux-ci ont été intégrés dans un nomogramme avec une excellente performance discriminatoire.

La bronchiectasie a montré l’association indépendante la plus forte avec la formation de bouchons mucus (OR = 13,70), conformément à son rôle établi dans l’altération du dégagement mucociliaire et la promotion de la stase muqueuse. Ces résultats soutiennent la conceptualisation du chevauchement bronchiectasie-MPOC (BCO) comme un phénotype clinique distinct avec une susceptibilité accrue à l’obstruction des voies respiratoires^{petites 29}. La bronchiectasie a été détectée radiologiquement chez 24,5 % des patients atteints de MPOC dans une étude^{antérieure 29}, et les patients atteints de maladie concomitante présentaient une atteinte des voies respiratoires plus étendue, incluant un emprisonnement de l’air et un épaississement de la paroi péribronchique. L’association indépendante de la CRS avec le risque de bouchon muquesois reflète probablement l’hypothèse unifiée des voies respiratoires, dans laquelle les processus inflammatoires supérieurs et inférieurs sont liés mécaniquement. Concernant l’IMC, les patients hospitalisés pour exacerbations aiguës de la MPOC avec un IMC plus faible présentaient des niveaux élevés de mucine des crachats et d’élastase de neutrophiles, ce qui suggère qu’une carence nutritionnelle pourrait potentialiser l’hypersécrétion de mucus, en particulier dans les cas avancés de la maladie.

FEF25–75 % de la pred est un marqueur spirométrique sensible de l’obstruction des petites voies respiratoires, et son association inverse avec la formation du bouchon muqueux est cohérente avec les preuves publiées liant l’impact du mucus CT à une diminution du débit expiratoire des petites voies^{respiratoires 30}. Une étude transversale a démontré une corrélation significative entre le marquage du mucus luminal, les paramètres de fonction pulmonaire et la qualité de vie liée à la santé chez les patients atteints de BPCO. Une autre étude impliquant 500 participants a rapporté une prévalence de 22 % d’impact du mucus CT, avec une initiative mondiale plus élevée pour les patients atteints de maladie pulmonaire obstructive chronique (GOLD) présentant une charge d’impaction plus élevée et des valeurs de FEV1 et FEF25–75 % plus faibles ; Notamment, 73 % des patients présentant une obstruction initiale du mucus CT l’ont conservée après cinq ans. Une étude supplémentaire a démontré que le VEF1 prédisait indépendamment le score de mucus luminal chez les patients hospitalisés présentant des exacerbations aiguës de la MPOC (DPECPO) (R2 = 0,348, F = 18,960, P < 0,001)³¹. Une augmentation de la VR/TLC reflète un piégeage de gaz, une conséquence physiologique de la maladie des voies respiratoires fines, corroborant le rôle de l’hyperinflation dynamique dans la pathogenèse des bouchons de^{mucus 32}.

La vitamine D joue un rôle crucial dans la défense immunitaire pulmonaire, notamment dans la régulation de la production de cytokines, l’amélioration de la phagocytose des macrophages et l’atténuation des réponses^{inflammatoires 33}. Des études antérieures ont démontré des associations entre de faibles niveaux sériques de 25(OH)D et une fonction pulmonaire moins^{bonne 34}, ou une sévérité de la MPOC³⁵. Ces constats, indiquant des niveaux significativement plus faibles de 25(OH)D dans le groupe MP, sont cohérents avec ce corpus de preuves et soulignent le rôle potentiel de la supplémentation en vitamine D comme cible d’intervention modifiable. La carence en vitamine D a été associée à une colonisation bactérienne respiratoire^{accrue 36,37}, à une délimitation ciliaire altérée par des altérations de l’homéostasie calcique intracellulaire et extracellulaire, ainsi qu’à une plus grande susceptibilité aux infections respiratoires. Il a également été démontré qu’une mortalité accrue chez les patients masculins présentant une MPOC légère à modérée est associée à des niveaux sériques de 25(OH)D significativement^{plus faibles 38,39}.

Contrairement aux outils pronostiques établis de la BPCO tels que l’indice BODE (indice de masse corporelle, obstruction du flux d’air, dyspnée, capacité d’exercice) ou le score ADO (âge, dyspnée, obstruction du flux d’air) — qui intègrent des paramètres cliniques systémiques et des mesures spirométriques (indices de fonction pulmonaire dérivés de la spirométrie, y compris le VEF1, la CVF et les rapports dérivés) pour prédire des résultats tels que le risque d’exacerbation ou la mortalité — ce modèle cible spécifiquement la présence radiologique de petits bouchons de mucus des voies respiratoires. Cela représente une caractéristique pathologique distincte avec des implications cliniques indépendantes qui n’est pas prise en compte par les outils de risque existants. Ce nomogramme apporte donc une valeur ajoutée pour le phénotypage au niveau des voies respiratoires chez les populations atteintes de MPOC. Avec une validation externe multicentrique supplémentaire, le modèle pourrait être intégré dans des plateformes de déclaration radiologique ou des systèmes de dossiers médicaux électroniques (DME) pour signaler les patients à haut risque pour une thérapie mucolytique précoce, des thérapies de défrichage des voies respiratoires ou une intervention bronchoscopique.

Cette étude démontre également la valeur d’intégrer plusieurs domaines de biomarqueurs, sérologique, fonctionnel, radiologique et clinique, dans un cadre prédictif unique. Une étude pharmacologique sur modèle animal a démontré que la tétrandrine réduit significativement une production excessive de MUC5AC et supprime l’expression de TNF-α, IL-6, IL-8 et IL-17A dans un modèle⁴⁰ d’hypersécrétion muqueuse induit par des lipopolysaccharides, suggérant des voies thérapeutiques candidates. Les preuves au niveau de la population issues de la cohorte de Copenhague ont établi une forte association entre une altération de la fonction pulmonaire, une hypersécrétion chronique de mucus, et une mortalité toutes causes confondues et spécifique à^{la MPOC 41} , tandis que l’étude sur le gène de la MPOC a confirmé que l’obstruction luminale détectée par le scanner est corrélée à une limitation du flux d’air, à une diminution de la qualité de vie et à des phénotypes emphysémateux⁴².

En conclusion, cette étude identifie la bronchiectasie, la rhinosinusite chronique, l’IMC, la FEF25–75 % de pred, la VR/TLC et le 25(OH)D sérique comme des facteurs de risque indépendants pour les bouchons de mucus de petites voies respiratoires détectées par le scanner chez les patients atteints de BPCO, et présente un nomogramme validé avec une grande précision prédictive (AUC = 0,96), une calibration forte et une utilité clinique démontrée. Le modèle se distingue par son intégration de divers domaines prédicteurs, son format graphique interprétable et sa dépendance à des données cliniques disponibles de manière routinière. Il offre un potentiel d’intégration future dans les flux de travail de soins pour la MPOC et les systèmes de DSE afin de soutenir une prise de décision individualisée et basée sur les données.

Cette étude rétrospective à centre unique est sujette à un biais de sélection inhérent, et la taille relativement faible de l’échantillon (n = 212) limite la puissance statistique pour les analyses de sous-groupes. Le nomogramme manque actuellement de validation externe à travers des populations de patients indépendantes et des systèmes d’imagerie, ce qui constitue une condition essentielle à une adoption clinique large. L’étude a été menée dans un seul centre tertiaire chinois, et la généralisation à d’autres populations ethniques ou milieux de santé nécessite une investigation. Les études futures devraient poursuivre la validation prospective multicentrique, envisager des approches d’apprentissage automatique (telles que les forêts aléatoires ou le gradient boosting) pour améliorer la performance prédictive et automatiser la sélection des caractéristiques, et évaluer la valeur prédictive longitudinale du modèle pour surveiller la dynamique des bouchons de mucus et la réponse au traitement au fil du temps.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Scanners HRCT   ;	Shenzhen Second Hôpital du Peuple		Utilisé pour diagnostiquer une petite obstruction du mucus des voies respiratoires chez les patients atteints de MPOC
Logiciels SPSS 25.0	1BM		Logiciels statistiques utilisés pour l’analyse de données, y compris les tests t et la régression logistique.
R Software (Paquets : mms, mstate, etc.)   ;	Fondation R pour l’informatique statistique		Utilisé pour l’analyse statistique et la validation de modèles, y compris le calcul de l’indice C.
Système de dossiers médicaux électroniques	Shenzhen Second Hôpital Populaire		Source de données pour les variables cliniques et de laboratoire, y compris l’historique des patients et les paramètres diagnostiques.
Régression logistique équation   ;	Custom (appliqué via SPSS et R)		Utilisé pour dépister les facteurs de risque indépendants liés à une petite obstruction du mucus des voies respiratoires chez les patients atteints de BPCO.