Développement et validation interne d’un nomogramme pour prédire la thrombose veineuse précoce du mollet après une fracture de la hanche

Résumé

Cette étude rétrospective a développé et validé en interne un nomogramme à six variables pour estimer le risque de thrombose précoce de la veine musculaire du mollet dans les 48 heures suivant la fracture de la hanche. Le modèle prend en compte les effets non linéaires des triglycérides et peut soutenir la sensibilisation au risque en attendant une validation externe.

Résumé

Une thrombose précoce des veines musculaires du mollet (MCVT) détectée dans les 48 heures suivant la blessure peut affecter la prise en charge périopératoire chez les patients fracturés de la hanche. Cette étude visait à développer et valider en interne un nomogramme pour estimer le risque précoce de MCVT dans cette population. Cette étude a examiné rétrospectivement les patients atteints de fracture de la hanche admis entre 2021 et 2024. Les patients ont été classés en groupes MCVT et non MCVT sur la base d’une échographie d’admission réalisée dans les 48 heures suivant la blessure. La régression par lasso (Least Absolute Shrinkage and Selection Operator) a été utilisée pour la sélection des caractéristiques, et les splines cubiques restreintes (RCS) ont été employées pour évaluer les associations non linéaires. Un modèle de régression logistique multivariable a été construit et visualisé sous forme de nomogramme. La performance du modèle a été évaluée par discrimination (zone sous la courbe caractéristique de fonctionnement du récepteur, AUC), par étalonnage (score Brier) et par utilité clinique (analyse de la courbe de décision, DCA), avec une validation interne à l’aide de 1 000 rééchantillons bootstrap, suite aux directives Transparent Reporting of a Multivariable Prediction Model for Individual Pronosis ou Diagnosis Plus Artificial Intelligence (TRIPOD + AI). Parmi les 665 patients inclus, 44 (6,6 %) présentaient un MCVT précoce. Six variables ont été conservées dans le modèle final de prédiction : le temps entre la blessure et l’admission (TFIA), les triglycérides (TG), le cholestérol total (CT), le temps de thromboplastine partielle activée (APTT), le ratio neutrophiles/lymphocytes (NLR) et le rapport plaquettes/lymphocytes (PLR). L’analyse RCS a révélé une association non linéaire significative entre le risque de TG et MCVT (valeur p pour la non-linéarité <0,001). Le modèle a montré une bonne discrimination (AUC : 0,894 ; IC à 95 % : 0,829–0,941) et une calibration acceptable (score Brier : 0,041). L’indice C corrigé optimisme était de 0,884. Le DCA a suggéré un bénéfice net clinique potentiel au-delà des probabilités seuils pertinentes. En conclusion, le nomogramme développé peut aider à la stratification précoce du risque, mais une validation externe dans des cohortes indépendantes est nécessaire avant l’application clinique.

Introduction

Les fractures de la hanche chez les personnes âgées représentent un défi important de santé publique mondiale et sont fréquemment associées à une morbidité élevée, une mortalité élevée et des dépenses de santé importantes¹. Les recommandations cliniques actuelles recommandent fortement une intervention chirurgicale accélérée, idéalement dans les 48 heures suivant l’admission, afin de soulager la douleur, faciliter la mobilisation précoce et atténuer les complications potentiellement^{mortelles 2,3}. Cependant, la thrombose veineuse profonde (TVP) préopératoire reste un obstacle redoutable à une chirurgie rapide. La thrombose veineuse musculaire du mollet (MCVT), un sous-type spécifique de TVP distale, implique la formation de thrombus au sein du plexus veineux des muscles du mollet, principalement les muscles solèus et^{gastrocnémiens 4}. Bien que souvent asymptomatique et historiquement perçue comme moins cliniquement significative que la TVP proximale, les preuves émergentes suggèrent que la TVM peut propager la céphalade dans les veines proximales ou déclencher une embolie pulmonaire (EP), compromettant ainsi la sécurité du^{patient 5,6}. Par conséquent, la MCVT détectée tôt après une blessure peut nécessiter un report chirurgical, prolonger les séjours à l’hôpital et compliquer la prise en charge périopératoire en nécessitant un pontage anticoagulant ou la pose d’un filtre de la veine cave inférieure. Par conséquent, un outil robuste pour identifier les patients atteints de fracture de la hanche à haut risque de MCVT précoce, détecté lors de l’échographie d’admission, est cliniquement important pour optimiser les voies chirurgicales et améliorer les résultats des patients.

Malgré un dépistage échographique de routine, la stratification précoce du risque pour le MCVT aigu chez les patients atteints de fracture de la hanche reste cliniquement difficile. Des études antérieures ont tenté d’identifier les facteurs de risque de la thrombose périopératoire ; cependant, la plupart se sont concentrés sur des caractéristiques démographiques isolées ou des paramètres de coagulation^{traditionnels 4,7}. Ces études sont souvent limitées par les limites inhérentes aux modèles de régression linéaire, qui peuvent ne pas saisir la dynamique complexe et non linéaire ni l’interaction complexe de la réponse thrombo-inflammatoire induite par le traumatisme. D’un point de vue physiopathopathologique, les fractures aiguës déclenchent une libération massive de cytokines inflammatoires, qui activent ensuite la cascade de^{coagulation 8,9}. Bien que de nouveaux indices inflammatoires composites — tels que le ratio neutrophiles/lymphocytes (NLR) et le ratio plaquettes/lymphocytes (PLR) — aient démontré une valeur pronostique significative dans les domaines cardiovasculaire et chirurgical, leur utilité pour prédire la MCVT en phase précoce reste largement^{sous-explorée 10,11}.

Pour combler ce fossé en recherche, un outil prédictif multidimensionnel et individualisé est nécessaire. Cette étude visait à étudier les prédicteurs précoces du MCVT dans une cohorte bien définie de patients ayant subi une fracture de la hanche admis dans les 48 heures suivant la blessure. En utilisant la régression par Minimum Retrait Absolu et l’Opérateur de Sélection (LASSO) pour la sélection des caractéristiques et les splines cubiques restreintes (RCS) pour caractériser des associations complexes non linéaires, cette étude a cherché à développer et valider en interne un nomogramme interprétable cliniquement. Cette étude a émis l’hypothèse que l’intégration des marqueurs inflammatoires systémiques et des profils métaboliques améliorerait la stratification précoce du risque et soutiendrait la planification de la surveillance durant la phase aiguë des soins aux fractures de la hanche.

Protocole

Le protocole de l’étude a été approuvé par le Conseil d’Éthique Institutionnel (IRB) de l’hôpital ([2025B], Approbation d’éthique de l’IIT n° 0407).

Conception de l’étude et participants

Cette étude de cohorte rétrospective unicentre a été menée au Premier Hôpital Affilié de la Faculté de Médecine de l’Université du Zhejiang. Cette étude a dépisté consécutivement les dossiers cliniques des patients admis avec fractures de la hanche entre janvier 2021 et décembre 2024. Comme il s’agissait d’une étude rétrospective, une renonciation au consentement éclairé des participants a été demandée et accordée. Sur la base des résultats de l’échographie Doppler colorée de routine réalisée à l’admission aux urgences, les patients ont été classés dans les groupes MCVT ou non MCVT.

Les fractures de la hanche étaient définies comme des fractures du fémur proximal, incluant le cou fémoral, les régions intertrochantérique et sous-trochantérique, tout en excluant les fractures pelviennes. Pour garantir la pureté de la population étudiée, les critères d’inclusion étaient strictement définis comme suit : (1) fracture primaire de la hanche fermée confirmée par radiographie ou tomodensitométrie ; (2) délai entre la blessure et l’admission (TFIA) dans un délai de 48 heures ; (3) réalisation de l’échographie Doppler veineuse profonde bilatérale des membres inférieurs à l’admission (généralement dans les 2 heures suivant la confirmation radiographique de la fracture de la hanche et avant le début de la thérapie anticoagulante) ; et (4) planification d’intervention chirurgicale. Les patients ont été exclus selon les critères suivants : (1) traumatismes multiples (par exemple, lésions cranio-cérébrales, thoraciques ou abdominales concomitantes) ; (2) fractures pathologiques (par exemple, métastases osseuses) ; (3) antécédents de TVP ou d’EP, ou de traitement anticoagulant/antiplaquettaire ≥ 30 jours avant l’admission ; (4) dysfonctionnement hépatique ou rénal sévère altération significative de la synthèse ou du métabolisme des facteurs de coagulation ; (5) tumeurs malignes concomitantes ; (6) des données manquantes substantielles concernant des variables cliniques ou de laboratoire primaires ; et (7) la TVP proximale détectée lors de l’échographie d’admission (par exemple, une thrombose impliquant les veines poplitée, fémorale, fémorale commune ou iliaque).

Collecte de données et prédicteurs candidats

Tous les prédicteurs candidats ont été extraits rétroactivement du système de dossier médical électronique (DME) institutionnel. Pour garantir l’exactitude et l’intégrité des données, le processus d’extraction a été réalisé de manière indépendante par deux chercheurs, les écarts étant résolus par consensus ou consultation avec un médecin senior. Les données collectées ont été catégorisées dans les domaines suivants : (1) Caractéristiques démographiques : incluant l’âge, le sexe et l’indice de masse corporelle (IMC). (2) Variables cliniques et liées aux blessures : Le TFIA (mesuré en heures) a été précisément documenté. De plus, les comorbidités de base ont été quantifiées à l’aide de l’indice de comorbidité de Charlson (ICC). (3) Biomarqueurs de laboratoire : Les paramètres de laboratoire ont été obtenus à partir des premiers échantillons de sang veineux prélevés dans les 24 heures suivant l’admission. Celles-ci comprenaient la numération sanguine complète (NFS), les tests de fonction hépatique et rénale, ainsi que les profils de coagulation. De plus, des indices inflammatoires systémiques composites, en particulier le NLR et le PLR, ont été calculés à partir des résultats de la NFS en admission.

Définition des critères de jugement et critères diagnostiques

Le critère principal de cette étude était la survenue précoce du MCVT, défini comme une thrombose détectée lors de l’évaluation initiale à l’admission. Tous les patients concernés ont subi une échographie Doppler bilatérale des membres inférieurs à l’admission, avant l’initiation de toute thérapie anticoagulante. L’examen a été réalisé à l’aide d’un EPIQ-5 avec eL18-4. Les patients ont été examinés en position couchée et/ou latérale selon la tolérance. Le diagnostic a été établi par une échographie Doppler bilatérale de couleur des membres inférieurs de routine. Selon les critères échographies établis pour la phase aiguë, un diagnostic positif de MCVT a été confirmé sur la base des manifestations^{suivantes :} (1) dilatation et tortuosité significatives des lumières veineuses musculaires du mollet ; (2) la présence d’échos floculents ou hypoéchoïques intraluminaux uniformes, apparaissant sous forme de masses circulaires ou ovales multiples sur des sections transversales ; (3) la non-compressibilité totale de la veine sous la pression du transducteur ; (4) absence de signaux de flux sanguin spontané ou phasique, sans flux détectable même lors de l’augmentation distale du membre (compression manuelle) ; et (5) une démarcation nette entre le segment thromboisé et le tissu musculaire adjacent. L’échographie Doppler bilatérale des membres inférieurs a été réalisée à l’admission par des échologistes certifiés selon le protocole institutionnel standardisé. Les cas ambigus ont été examinés par un échologiste senior.

Analyse statistique

Toutes les analyses statistiques ont été réalisées à l’aide du logiciel R (version 4.5.2). La normalité des variables continues a été évaluée à l’aide du test de Shapiro-Wilk. Les données continues étaient présentées comme des moyennes ± écarts-types (SD) ou médianes avec des plages interquartiles (IQR), selon le cas. Les variables catégorielles étaient exprimées en fréquences et en pourcentages.

Les variables avec une valeur p < 0,01 en analyse univariable et les variables considérées comme cliniquement importantes ont été saisies dans la régression LASSO. Les prédicteurs candidats ont été sélectionnés en fonction de leur pertinence clinique et de leur disponibilité à l’admission. Les variables continues étaient standardisées avant la régression LASSO. Onze caractéristiques candidates ont été évaluées dans la procédure LASSO, comprenant neuf variables continues et deux variables factices pour le type de fracture. La régression logistique LASSO avec validation croisée 10 fois a été utilisée pour réduire la dimensionnalité et filtrer les variables pour le modèle multivariable final. Les valeurs lambda.min et lambda.1se ont été examinées, et la rétention finale des variables a été déterminée par sélection pénalisée ainsi que la pertinence clinique et une évaluation ultérieure du RCS. Les associations entre les prédicteurs et le MCVT ont été quantifiées à l’aide de rapports de cotes (OR) et d’intervalles de confiance (IC) correspondants à 95 %.

Sur la base des prédicteurs identifiés dans la régression logistique multivariée, un nomogramme clinique a été construit pour faciliter l’estimation individualisée du risque précoce de MCVT. La performance prédictive du nomogramme a été évaluée de manière exhaustive sur trois dimensions : la discrimination, l’étalonnage et l’utilité clinique. La discrimination a été quantifiée à l’aide de la zone sous la courbe caractéristique de fonctionnement du récepteur (AUC). L’étalonnage a été évalué à l’aide de graphiques de calibration avec 1 000 échantillons bootstrap afin d’évaluer l’accord entre les probabilités prédites et les résultats observés ; le score Brier a également été calculé pour mesurer la précision prédictive globale. Enfin, une analyse de la courbe de décision (DCA) a été réalisée pour déterminer le bénéfice net clinique du modèle sur une large gamme de probabilités seuils. Toutes les analyses statistiques étaient bilatérales, et les valeurs p < 0,05 étaient considérées comme statistiquement significatives.

Conformément au plan rétrospectif, la taille de l’échantillon a été déterminée par la disponibilité de données consécutives sur les patients sur la période de quatre ans de l’étude, plutôt que par un calcul de puissance a priori. Compte tenu de l’incidence relativement faible des événements MCVT positifs (n = 44), l’ensemble de l’ensemble des données a été utilisé pour le développement de modèles sans être partitionné en ensembles d’entraînement et de validation distincts pour maintenir la puissance statistique. Pour atténuer le risque de surajustement associé à ce taux d’événement, la régression LASSO a été employée pour la sélection des caractéristiques et la régularisation du rétrécissement (shrinkage system). Le modèle final comprenait six prédicteurs mais sept paramètres de régression, excluant l’interception, car TG était représenté par deux termes spline ; par conséquent, l’EPV basé sur les paramètres était d’environ 6,3. Le modèle ne respectait pas l’heuristique traditionnelle des événements par candidat (EPV) ≥10, qui est désormais considérée comme une ligne directrice approximative plutôt qu’un critère absolu. Par conséquent, cette étude a également évalué le surapprentissage en utilisant des estimations de performance corrigées par bootstrap et une pente d’étalonnage. La validation interne a été réalisée à l’aide de 1 000 rééchantillonnages bootstrap pour estimer et ajuster le biais optimiste. Cette étude a été réalisée conformément aux directives de déclaration TRIPOD+^{AI 13}.

Pour faciliter la validation et la mise en œuvre indépendantes, l’équation complète du modèle, incluant l’interception, les coefficients de régression, les coefficients de spline des triglycérides (TG) et les emplacements des nœuds RCS, est fournie dans le Tableau 1. La probabilité prédite d’un MCVT précoce a été calculée comme P = 1 / [1 + exp(-LP)], où LP est le prédicteur linéaire.

Résultats

Données démographiques

Au total, 665 patients atteints de fractures de la hanche remplissaient les critères d’inclusion et ont été inscrits dans cette étude (Figure 1). Parmi eux, 44 patients (6,6 %) ont été diagnostiqués avec un MCVT précoce détecté lors de l’échographie d’admission dans les 48 heures suivant la blessure. Une comparaison détaillée des caractéristiques démographiques et cliniques entre les groupes MCVT et non-MCVT est résumée dans le tableau 2.

Régression LASSO et résultats du RCS

Les variables candidates identifiées comme statistiquement significatives (< de valeur p 0,01) dans l’analyse univariée, ainsi que les paramètres cliniquement pertinents, ont été ensuite dépistées à l’aide de la régression LASSO (Figure 2). Onze caractéristiques candidates ont été évaluées, dont neuf variables continues et deux variables fictives de type fracture. Le modèle de prédiction final a conservé TFIA, cholestérol total (TC), Activation Partial Thromboplastin Time (APTT), NLR, PLR et TG. La RPP a montré une signification statistique limite dans le modèle multivarié (valeur p = 0,068) mais a été conservée sur la base du dépistage LASSO et de la plausibilité clinique. Pour assouplir l’hypothèse de linéarité, une analyse RCS a été réalisée pour les six prédicteurs continus, en ajustant pour les autres variables identifiées (Tableau 3). Une relation dose-réponse non linéaire significative a été observée entre TG et le risque de MCVT (valeur p globale < 0,001). Comme illustré dans la Figure 3, le risque de MCVT a fortement augmenté sur des valeurs de TG inférieures à moyennes, puis a augmenté plus progressivement, avec une incertitude plus large à des niveaux TG plus élevés. L’analyse RCS a été réalisée à 3 nœuds. Pour TG, les nœuds étaient placés à 0,62 mmol/L, 1,03 mmol/L et 1,64 mmol/L, correspondant aux 10e, 50e et 90e percentiles de la distribution TG. Le point de référence apparent autour de 1,03-1,04 mmol/L doit être considéré comme exploratoire plutôt qu’un seuil clinique validé.

Analyse de régression logistique multivariable

En intégrant les variables identifiées via les analyses LASSO et RCS, un modèle final de régression logistique multivariable a été construit. Dans ce modèle, TFIA, TC, APTT, NLR et PLR étaient inclus en termes linéaires, tandis que TG était incorporé comme spline cubique restreinte pour tenir compte de son effet non linéaire (Tableau 4). Six variables ont été conservées dans le modèle final de prédiction : TFIA (OR = 1,026, IC 95 % : 1,004–1,049, valeur p = 0,021), TC (OR = 0,244, IC 95 % : 0,146–0,406, valeur p < 0,001), APTT (OR = 0,856, IC 95 % : 0,764–0,959, valeur p = 0,007), NLR (OR = 1,189, IC 95 % : 1,103–1,280, valeur p <0,001), PLR (OR = 1,004, IC 95 % : 1.000–1.008, valeur p = 0.068), et TG modélisé avec RCS. L’effet global de TG dans le modèle était très significatif (valeur p < 0,001). Sur la base de ces variables, un nomogramme clinique a été développé pour faciliter l’estimation individualisée du risque (Figure 4). Les coefficients complets de régression, l’interception du modèle, les coefficients de spline TG et les emplacements des nœuds sont fournis dans le Tableau 1. Les définitions des prédicteurs sont résumées dans le tableau 5.

Performance du modèle

La performance discriminante du modèle a été évaluée à l’aide d’une analyse des caractéristiques de fonctionnement du récepteur (ROC) (Figure 5), donnant un AUC de 0,894 (IC à 95 % : 0,829–0,941). La courbe d’étalonnage a montré un accord global entre les probabilités prédites et les résultats observés (Figure 6), soutenue par un score Brier de 0,041 (IC bootstrap à 95 % : 0,031–0,053). La DCA a suggéré que l’utilisation du modèle pourrait offrir un bénéfice net plus élevé que les stratégies « traite-tout » et « traite-rien » sur une gamme de probabilités seuils (Figure 7). Des indicateurs d’étalonnage supplémentaires ont été calculés. L’interception apparente d’étalonnage était d’environ 0, la pente d’étalonnage apparente de 1,000, et celle de calibration en grande échelle d’environ 0. La pente d’étalonnage corrigée par bootstrap était de 0,896, suggérant un optimisme modéré après validation interne. La validation interne avec 1 000 rééchantillons bootstrap a montré un optimisme limité, avec un indice C corrigé optimisme de 0,884 (IC bootstrap à 95 % : 0,837-0,946) contre un AUC apparent de 0,894. La courbe d’étalonnage corrigée en biais a approximé la droite idéale, avec une erreur absolue moyenne de 0,013. Les intervalles de confiance à 95 % pour les estimations des bénéfices nets de la DCA sont présentés à la Figure 7. Le test de bonté d’ajustement de Hosmer-Lemeshow a montré χ² = 21,77, df = 8, valeur p = 0,005, suggérant un certain écart entre les probabilités prédites et observées entre les déciles de risque. Par conséquent, l’étalonnage doit être interprété avec prudence et réévalué dans des cohortes externes.

Disponibilité des données :

Le jeu de données individuel des participants désidentifié, la checklist complète TRIPOD+AI, ainsi que le code complet d’analyse statistique R utilisé pour le traitement des données, le développement de modèles, la validation et l’évaluation des performances sont fournis sous forme de fichiers complémentaires 1–3. Ces documents contiennent toutes les données et ressources analytiques nécessaires pour reproduire les résultats rapportés dans cette étude.

Figure 1 : Diagramme de flux des participants. Ce diagramme de flux résume les critères de dépistage, d’inclusion et d’exclusion des patients, ainsi que la cohorte finale utilisée pour le développement du modèle. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 2 : Régression LASSO pour la sélection du prédictor. Le graphique montre la déviance binomiale validée en croisée en fonction de log(lambda) dans la validation croisée à 10 ans. Onze caractéristiques candidates ont été évaluées, comprenant neuf variables continues et deux variables fictives de type fracture. Les chiffres supérieurs indiquent le nombre de coefficients non nuls à chaque valeur lambda. Les barres d’erreur indiquent les erreurs standards. Les lignes verticales pointillées représentent lambda.min (0,00526) et lambda.1se (0,02558). Abréviations : CCI = Indice de comorbidité de Charlson ; TFIA = Temps entre la blessure et l’admission ; WBC = globule blanc ; N = neutrophile ; L = lymphocyte ; M = monocyte ; HB = Hémoglobine ; HCT = Hématocrite ; PLT = Plaquettes ; NLR = Ratio neutrophiles/lymphocytes ; PLR = Rapport plaquettes/lymphocytes ; TP = Protéine totale ; Alb = Albumine ; Tbil = Bilrubine totale ; Crea = Créatinine ; TC = cholestérol total ; GFR = Taux de filtration glomérulaire ; IP = Phosphate inorganique ; INR = Ratio international normalisé ; Fbg = Fibrinogène ; APTT = Temps de thromboplastine partielle activée ; TT = Temps de thrombine ; PT = Temps de prothrombine. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 3 : Analyse RCS des TG et des premiers MCVT. La courbe montre les OR ajustées pour le MCVT précoce selon le niveau TG (mmol/L). Le modèle était ajusté pour TC, NLR, TFIA, APTT et PLR et utilisait 3 nœuds à 0,62 mmol/L, 1,03 mmol/L et 1,64 mmol/L. La valeur de référence était le niveau médian TG (1,03 mmol/L). La zone ombragée représente 95 % d’IC. La TG a été modélisée comme un prédicteur non linéaire continu, et la courbe ne doit pas être interprétée comme définissant un seuil clinique validé. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 4 : Nomogramme pour prédire un MCVT précoce détecté dans les 48 heures suivant la blessure. Le nomogramme estime la probabilité prédite d’un MCVT précoce en utilisant TFIA (h), TG (mmol/L), TC (mmol/L), APTT (secondes), NLR et PLR. Les définitions des prédicteurs et les unités de mesure sont fournies dans le tableau 5. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 5 : Courbe ROC du modèle final de prédiction. La courbe ROC montre la capacité de discrimination du modèle de prédiction pour le MCVT précoce. L’AUC était de 0,894 (IC à 95 % : 0,829-0,941). Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 6 : Courbe d’étalonnage du modèle final de prédiction. Le graphique d’étalonnage compare les probabilités prédites et observées du MCVT précoce. La droite idéale représente une calibration parfaite ; La courbe apparente représente la performance du modèle sur le jeu de données de développement ; et la courbe corrigée par biais représente l’étalonnage corrigé par bootstrap après 1 000 rééchantillons. Le score Brier était de 0,041, l’interception d’étalonnage apparente d’environ 0, la pente d’étalonnage apparente était de 1,000, et la pente d’étalonnage corrigée par bootstrap était de 0,896. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 7 : DCA du modèle final de prédiction. Le DCA montre le bénéfice net du nomogramme à travers les probabilités seuils. La courbe modèle représente l’avantage net de l’utilisation du nomogramme ; la lignée traitant tout part du principe que tous les patients développent un TCVM ; et la ligne du traitement sans traitement suppose qu’aucun patient ne développe de TCVM. La courbe doit être interprétée comme une preuve d’utilité clinique potentielle uniquement lors de la validation interne, car aucun seuil de traitement validé n’a été établi. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Prédicteur/terme	Transformation / définition	Coefficient bêta
Intercept	Interception de modèle	-1.621145541
TFIA	Linéaire ; Heures entre la blessure et l’admission	0.025977241
NLR	Linéaire ; Ratio neutrophiles/lymphocytes	0.172703853
PLR	Linéaire ; Ratio plaquettes/lymphocytes	0.004034446
TG_linear	Terme linéaire RCS ; TG en mmol/L	6.24150855
TG_rcs1	terme non linéaire RCS ; nœuds à 0,62, 1,03, 1,64 mmol/L	-4.814103739
TC	Linéaire ; cholestérol total en mmol/L	-1.411933879
APTT	Linéaire ; Secondes	-0.155260603
Nœuds TG RCS	0,62, 1,03, 1,64 mmol/L
Probabilité prédite	P = 1 / (1 + exp(-LP))

TABLEAU 1 : Spécification complète du modèle de prédiction. Ce tableau présente le modèle de prédiction complet, incluant l’interception, les coefficients de régression, les coefficients de spline cubiques restreints pour TG, ainsi que les emplacements des nœuds nécessaires à la mise en œuvre du modèle et à la validation indépendante.

Variable	Groupe MCVT	Groupe non-MCVT	Valeur p
Moyenne ± SD ou n ( %)	(n = 44)	(n = 621)
Genre (homme/femme)	15/29 (34.1/65.9)	224/397 (36.1/63.9)	0,872a
Âge	79,68 ± 12:03	75,66 ± 15,65	0,041b
IMC	22.05 ± 2.74	21,94 ± 3,12	0,796b
Hypertension (oui/non)	15/29 (34.1/65.9)	196/425 (31.6/68.4)	0,739a
Diabète (oui/non)	6/38 (13.6/86.4)	91/530 (14.7/85.3)	1 000a
Maladie coronarienne (oui/non)	1/43 (2.3/97.3)	29/592 (4.7/95.3)	0,713a
Type de fracture (cou fémoral/intertrochantéric/sous-trochantéric)	22/19/3 (50.0/43.2/6.8)	462/153/6 (74.4/24.6/1.0)	<0,001c
CCI	2,55 ± 2,12	2.31 ± 2.09	0,472b
TFIA (heures)	25.58 ± 18.89	16.22 ± 14.60	0,002b
Nombre de globules blancs (x 10⁹/L)	9.19 ± 2.92	8,90 ± 3,18	0,529b
Nombre de N (*10⁹/L)	7,48 ± 2,99	4.20 ± 3.11	<0.001b
Compte L (x 10⁹/L)	0.99 (0.78-1.21)	1.15 (0.92-1.52)	0,003d
M compte (*10⁹/L)	0.57 (0.44-0.71)	0.59 (0.43-0.75)	0,941d
Compte de HB (g/L)	105.13 ± 22.33	110.02 ± 21.16	0,165b
HCT	32.07 ± 6.46	33,62 ± 6,09	0.127b
Nombre de PLT (x 10⁹/L)	195.06 ± 69.21	165,82 ± 65,07	0,009b
NLR	6.16 (4.30-12.05)	3.21 (1.56-5.20)	<0,001d
PLR	181.51 (126.19-260.71)	131.76 (96.00-176.23)	<0,001d
TP (g/L)	61,79 ± 7,25	62,33 ± 7,31	0,637b
Alb (g/L)	35,77 ± 5,90	36,58 ± 4,91	0,381b
Tbil (μmol/L)	11.20 (9.23-14.38)	12.70 (9.00-16.70)	0,117d
Crea (μmol/L)	70.50 (58.80-89.50)	67.00 (57.47-82.00)	0,280d
Urée (mmol/L)	6.57 (5.28-9.15)	6.18 (4.92-8.14)	0,121d
TG (mmol/L)	1.24 (1.03-1.62)	1.01 (0.77-1.27)	<0,001d
TC (mmol/L)	3.11 ± 0.76	3,84 ± 0,95	<0.001b
GFR (ml/min)	70,1 ± 25,32	78.04 ± 24.45	0,050b
IP (mmol/L)	1,04 ± 0,24	1,06 ± 0,24	0,787b
INR	1.04 (0.99-1.07)	1.05 (1.01-1.10)	0,094d
Fbg (g/L)	3.7 ± 1.01	4.04 ± 1.06	0,034b
APTT (deuxième)	28.16 ± 3.23	29,48 ± 3,88	0,012b
TT (deuxième)	15.95 (15.30-16.95)	16.10 (15.60-16.80)	0,533d
PT (deuxième)	11.90 (11.40-12.50)	12.27 (11.70-12.80)	0,064d
D-Dimère (μg/L)	7186.00 (4,447.25-17,346.75)	4780.90 (1,980.00-12,140.00)	0,017d
Les données sont présentées en moyenne ± SD, médiane (IQR) ou n ( %), selon le cas. aLe test t de Welch ; bTest de somme des rangs de Wilcoxon ; cTest du chi-carré ; dLe test exact de Fiisher (le test exact de Fisher-Freeman-Halton a été utilisé pour les variables multi-catégories lorsque le nombre de cellules attendu était faible).

TABLEAU 2 : Caractéristiques de base des patients avec et sans MCVT. Les variables continues sont présentées comme moyenne ± écart-type ou médiane avec plage interquartile, selon le cas. Les variables catégorielles sont présentées sous forme de nombres et de pourcentages. La cohorte analytique finale ne contenait aucune valeur manquante pour les prédicteurs candidats ou les variables de résultat ; 12 patients dépistés ont été exclus en raison de données clés cliniques ou de laboratoire manquantes.

Variable	Nœuds (10e, 50e, 90e percentiles)	Valeur p non linéaire	Valeur p globale
TC	2.61, 3.77, 4.92	0.369	<0,001
NLR	0.708, 3.35, 8.68	0.058	<0,001
TG	0.62, 1.03, 1.64	<0,001	<0,001
TFIA	2, 12, 48	0.327	0.072
APTT	25.5, 28.9, 33.9	0.554	0.003
PLR	74, 134, 250	0.923	0.163

TABLEAU 3 : Associations non linéaires évaluées par analyse RCS. Le tableau présente les emplacements des nœuds, les valeurs p globales et les valeurs p non linéaires pour certains prédicteurs. Les modèles RCS utilisaient 3 nœuds placés aux 10e, 50e et 90e percentiles de chaque distribution prédictrice. 

Variables	OU	CI-lower	CI-upper	valeur p
TFIA	1.026	1.004	1.049	0.021
TC	0.244	0.146	0.406	<0,001
APTT	0.856	0.764	0.959	0.007
NLR	1.189	1.103	1.28	<0,001
PLR	1.004	1	1.008	0.068
TG (modélisé avec RCS)	-	-	-	<0,001

TABLEAU 4 : Modèle de régression logistique multivariable pour le MCVT précoce. Les OR, IC à 95 % et valeurs p sont indiquées pour les termes linéaires. Comme la TG a été modélisée à l’aide du RCS, un seul RO et un IC à 95 % n’ont pas été rapportés. La relation dose-réponse ajustée est illustrée à la Figure 3, et les coefficients de spline ainsi que la localisation des nœuds sont fournis dans le Tableau 1. 

Prédicteur	Définition	Unité	Synchronisation
TFIA	Période entre la blessure et l’admission	Horaires	Test sanguin d’admission
TG	Triglycérides	mmol/L	Test sanguin d’admission
TC	Cholestérol total	mmol/L	Test sanguin d’admission
APTT	Temps de thromboplastine partielle activée	Secondes	Test sanguin d’admission
NLR	Nombre de neutrophiles / nombre de lymphocytes	Ratio	Test sanguin d’admission
PLR	Nombre de plaquettes / nombre de lymphocytes	Ratio	Test sanguin d’admission

TABLEAU 5 : Définitions des variables du modèle de prédiction. Ce tableau résume les prédicteurs inclus dans le modèle final, ainsi que leurs définitions, unités de mesure et, le cas échéant, leurs interprétations cliniques. 

Fichier supplémentaire 1 : Checklist de vérification TRIPOD+IA complété. Ce fichier contient la liste de contrôle complète du Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis ou Diagnosis Plus Artificial Intelligence (TRIPOD+AI), documentant la conformité aux recommandations de reporting pour les études de modèles de prédiction. Veuillez cliquer ici pour télécharger ce fichier.

Fichier supplémentaire 2 : Résultats d’analyse statistique pour le développement et la validation des modèles de prédiction. Ce cahier contient les résultats d’analyse statistique générés lors du développement et de la validation du modèle, y compris les analyses univariées, les résultats de régression LASSO, les analyses de splines cubiques restreintes, les coefficients de régression logistique multivariable, les métriques de performance du modèle, les analyses d’étalonnage, les résultats du test de bonheur d’ajustement Hosmer-Lemeshow, l’analyse de la courbe de décision et les tableaux résumés associés. Veuillez cliquer ici pour télécharger ce fichier.

Fichier supplémentaire 3 : script R pour le traitement des données et l’analyse statistique. Ce fichier contient le script R complet utilisé pour le prétraitement des données, la sélection des variables, le développement du modèle, la validation interne, l’étalonnage, l’analyse de la discrimination, l’analyse de la courbe de décision et la génération des résultats statistiques rapportés dans cette étude. Veuillez cliquer ici pour télécharger ce fichier.

Discussion

Après une fracture de la hanche, une mobilité restreinte des membres inférieurs peut réduire la fonction de la pompe gastrocnémiale et la vitesse du flux sanguin veineux. En raison de leurs diamètres relativement petits et de la rareté des valves, les veines musculaires du mollet sont susceptibles à la stase sanguine et peuvent devenir un site précoce de détection de thrombus. Une étude précédente de Zhao et al. rapportait une incidence de MCVT préopératoire de 23,5 % chez les patients atteints de fracture de la^{hanche 14}. En revanche, l’incidence de la cohorte était plus faible à 6,6 %. Cette divergence peut être attribuable à des critères stricts d’inclusion et d’exclusion conçus pour se concentrer sur la fenêtre post-traumatique aiguë. Plus précisément, cette étude a exclu les patients présentant des facteurs pré-traumatiques confondants, tels qu’un antérieur de thromboembolie veineuse ou une utilisation prolongée de médicaments anticoagulants et antiplaquettaires, offrant ainsi une évaluation plus ciblée du MCVT détecté tôt après une blessure.

Cette étude a identifié une interaction synergique significative entre les TFIA, les indices inflammatoires systémiques (NLR, PLR) et le métabolisme lipidique (TG, TC) dans la prédiction précoce du MCVT. Une TFIA prolongée aggrave non seulement le risque physique de stase veineuse due à l’immobilisation, mais prolonge également la fenêtre de stress aigu durant la phase post-traumatique^{critique 15,16}. L’analyse univariée a révélé une altération bidirectionnelle caractérisée par une augmentation du nombre de N et une diminution du nombre de L dans le groupe MCVT, ce qui a collectivement conduit à l’augmentation significative du NLR. Le recrutement du nombre de N reflète l’activation de la cascade inflammatoire aiguë après un traumatisme ; plus précisément, la libération de pièges extracellulaires neutrophiles (NET) a démontré qu’elle fournit un échafaudage prothrombotique facilitant directement le dépôt de fibrine et la formation^{de caillots 17}. Inversement, la lymphopénie observée sous stress traumatique continu souligne l’interaction complexe entre le syndrome de réponse inflammatoire systémique (SIRS) et le syndrome de réponse anti-inflammatoire compensatoire (CARS). Ce phénomène est principalement provoqué par l’activation de l’axe hypothalamo-hypophyse-surrénalienne (HPA), induite par un traumatisme, dans laquelle une augmentation des glucocorticoïdes endogènes accélère l’apoptose des cellules L. En intégrant à la fois « l’intensité inflammatoire » et le « dysfonctionnement immunitaire », le NLR a été solidement sélectionné par la régression LASSO comme un puissant prédicteur indépendant (OR = 1,189, valeur p < 0,001). De plus, l’inclusion de la PLR dans le modèle reflète le déséquilibre synergique entre l’hyperréactivité plaquettaire et la lymphopénie sous stress. Bien que la PLR n’ait pas atteint la signification statistique conventionnelle dans le modèle multivarié, elle a été conservée comme variable prédictive potentielle car elle a été sélectionnée par la régression LASSO et reflète l’activité inflammatoire liée aux plaquettes. Par conséquent, la RPP doit être interprétée comme un composant du modèle de prédiction plutôt que comme un facteur de risque indépendamment significatif.

De plus, ce processus thrombo-inflammatoire est aggravé par une dysrégulation du métabolisme lipidique induite par un traumatisme. L’association inverse entre le TC et le MCVT précoce mérite une interprétation attentive. Bien qu’un cholestérol élevé soit traditionnellement associé à une maladie athéroscléreuse artérielle, la thrombose veineuse après un traumatisme aigu implique des mécanismes distincts, notamment l’inflammation, la stase veineuse, les lésions endothéliales et l’activation de la coagulation induite par un traumatisme. Dans la cohorte actuelle, le groupe MCVT a montré un TC plus faible mais des niveaux plus élevés de TG, suggérant une réponse lipidique en phase aiguë plutôt qu’un schéma conventionnel de dyslipidémie chronique. Des preuves antérieures indiquent que l’inflammation et l’infection peuvent réduire les niveaux de TC, LDL-C et HDL-C tout en augmentant les niveaux de TG, et que l’ampleur de ces altérations lipidiques peut être corrélée à la gravité de la maladie¹⁸. Par conséquent, un TC plus faible peut refléter un stress inflammatoire systémique plus important, un état catabolique ou une fragilité chez les patients âgés fracturés de la hanche, plutôt que de provoquer directement une thrombose. Cette découverte doit être considérée comme génératrice d’hypothèses et nécessite une validation externe. L’élévation observée de TG et la réduction concomitante de TC au sein du groupe MCVT caractérisent un profil distinct de « remodelage métabolique ». L’hypertriglycéridémie déclenche non seulement des cascades inflammatoires systémiques et un stress oxydatif, mais stimule aussi les cellules endothéliales à sécréter des facteurs procoagulants, induisant ainsi un dysfonctionnement endothélial profond¹⁹. Inversement, la baisse du cancer testoculaire est fréquemment corrélée à une augmentation des cytokines pro-inflammatoires telles que l’interleukine-6, ce qui signale une stabilité altérée des membranes cellulaires et un épuisement métabolique accéléré. L’interaction complexe entre inflammation systémique et perturbations métaboliques entraîne une transition pathologique critique de l’endothélium vasculaire, passant d’un « phénotype résistant au thrombo-résistant » à un « phénotype procoagulant ». Ce décalage phénotypique endothélial constitue le substrat biologique fondamental pour la formation précoce de MCVT après des fractures de la hanche²⁰. Le point de référence TG apparent autour de 1,03 mmol/L doit être interprété avec prudence. Comme cette valeur provient du jeu de données actuel et peut être influencée par la spécification des splines, le placement des nœuds et la distribution des valeurs TG, elle ne doit pas être considérée comme un seuil clinique définitif. Des analyses de sensibilité supplémentaires et une validation externe sont nécessaires avant que tout seuil de TG puisse être recommandé pour la prise de décision clinique. Bien que les niveaux de fibrinogène (Fbg) aient été plus faibles chez les patients atteints de MCVT dans l’analyse univariée, la Fbg n’a pas été conservée dans le modèle prédictif final. Cela suggère que son association avec le MCVT peut s’expliquer en partie par d’autres variables inflammatoires, de coagulation et métaboliques incluses dans le modèle. Bien qu’une réduction de la GbB puisse traditionnellement être interprétée comme une diathèse hémorragique, dans le contexte clinique d’un traumatisme orthopédique aigu, elle signifie plus probablement l’apparition d’une coagulopathie de la consommation²¹. Pendant la phase hyperaiguë suivant une fracture de la hanche, la libération systémique des facteurs procoagulants déclenche la cascade de coagulation exogène. En tant que substrat fondamental de la réticulation de la fibrine, la Fbg est consommée en grandes quantités lorsqu’elle est convertie en polymères insolubles de fibrine qui se déposent dans des lumières veineuses endommagées ou stagnantes^22,23. Ce phénomène s’inscrit dans la phase de recherches antérieures sur la coagulopathie induite par un traumatisme (TIC), où une diminution localisée de la Gf circulante sert de marqueur substitutif pour une activité thrombotique focale étendue²¹. De plus, le léger raccourcissement de l’APTT observé dans le modèle corrobore la pré-activation de la voie endogène de coagulation, reflétant une transition systémique de la stabilité homéostatique à un état prothrombotique. Le raccourcissement concomitant de l’APTT et l’épuisement de la Fbg établissent une logique cohérente d’hypercoagulation-consommation : l’activation des voies endogènes accélère la génération de fibrine, nécessitant un déclin compensatoire des réserves circulantes de Fbg. Ces résultats suggèrent que la surveillance de la tendance dynamique à la baisse des paramètres de coagulation peut offrir une valeur prédictive supérieure pour le MCVT que de s’appuyer uniquement sur les seuils d’hypercoagulabilité conventionnels durant la première période post-traumatique.

Ces dernières années, des modèles prédictifs de la thrombose veineuse chez les patients atteints de fractures de la hanche ont été explorés. Jiang et al. ont développé un modèle de nomogramme MCVT à partir des données de 388 patients âgés, obtenant un AUC de 0,805²⁴. De même, Pan et al. ont identifié le sexe, le TFIA, le grade ASA, la protéine C-réactive et le D-dimère comme prédicteurs dans une cohorte de 419 patients, avec un AUC modèle de 0,794-25. Un autre nomogramme récent a cherché à prédire la TVP préopératoire en intégrant cinq facteurs de risque répartis dans les domaines de la stase veineuse, de la coagulation et de l’inflammation^{immunitaire 26}. Bien que ces modèles se concentraient sur les paramètres de coagulation, la démographie et l’état nutritionnel, leurs fenêtres prédictives étaient souvent largement définies comme la période préopératoire. En pratique clinique, cependant, la chirurgie peut avoir lieu dans les 48 heures suivant le traumatisme ou être significativement retardée en raison de comorbidités. Cette étude s’est spécifiquement concentrée sur le MCVT détecté dans les 48 heures suivant la blessure, ce qui peut être plus pertinent pour la fenêtre décisionnelle aiguë. L’échelle d’évaluation des risques Caprini est largement utilisée pour le dépistage^{TEV 27}, mais son application en situation d’urgence pour les patients âgés souffrant de fracture de la hanche peut être difficile car elle intègre de nombreux facteurs reposant sur des antécédents médicaux détaillés. En revanche, le nomogramme actuel utilise des variables d’admission disponibles de manière routinière. Cependant, le modèle doit être interprété comme un outil d’estimation du risque validé en interne plutôt que comme un guide définitif pour le traitement. L’analyse RCS a suggéré une association non linéaire entre le risque de TG et MCVT, avec un changement de pente autour du niveau médian de TG. Ce motif doit être considéré comme exploratoire car il peut dépendre de la spécification des splines, du placement des nœuds et de la distribution des valeurs TG dans le jeu de données actuel. Une validation externe est nécessaire avant que tout seuil TG puisse être recommandé pour la prise de décision clinique.

L’historique tabagiste a été exclu de la collecte initiale des données principalement en raison de considérations de fiabilité des données et de caractéristiques spécifiques de la population. Compte tenu du profil démographique de la cohorte, composée principalement de femmes âgées avec une prévalence extrêmement faible du tabagisme actif, cette variable manquerait de variance statistique suffisante pour contribuer de manière significative au modèle prédictif. Par conséquent, pour soutenir l’objectivité et l’utilité clinique du nomogramme, cette étude a privilégié les biomarqueurs standardisés en laboratoire obtenus lors de l’admission. Ces indicateurs objectifs peuvent refléter plus précisément le déplacement physiopathologique aigu vers un état prothrombotique dans la fenêtre de 48 heures suivant la blessure, comparé aux facteurs chroniques du mode de vie auto-déclarés. Certaines variables cliniquement importantes, telles que l’âge, le sexe, le type de fracture, les comorbidités, le D-dimer et la GbB, n’ont pas été retenues dans le modèle final. Cela n’indique pas nécessairement que ces facteurs soient cliniquement sans importance. Au contraire, après sélection pénalisée, ils n’ont pas ajouté suffisamment d’informations prédictives indépendantes au-delà de TFIA, TG, TC, APTT, NLR et PLR dans ce jeu de données. En particulier, le D-dimère et la Gb (FbG) peuvent en partie se recouper avec d’autres variables liées à la coagulation et à l’inflammation. Compte tenu du nombre limité d’événements MCVT, un modèle parcimonieux a été privilégié pour réduire le surappoint.

Concernant la construction du modèle, le nombre limité d’événements (n = 44) a donné un EPV conventionnel basé sur un prédicteur d’environ 7,3 et un EPV basé sur des paramètres d’environ 6,3 lorsque les termes du spline TG étaient comptés séparément. Bien que le modèle final ne respecte pas l’heuristique traditionnelle de l’EPV ≥10, cette règle n’est pas un critère absolu. Cette étude a donc utilisé la validation interne bootstrap pour évaluer l’optimisme et l’étalonnage. Néanmoins, le nombre limité d’événements peut encore augmenter le risque de sur-ajustement, et une validation externe est justifiée. Premièrement, plutôt que de se fier uniquement à la sélection traditionnelle par étapes, la régression LASSO a été utilisée pour soutenir le criblage variable et réduire la complexité du modèle. Deuxièmement, des travaux méthodologiques antérieurs suggèrent que la règle du dix peut parfois être assouplie dans la modélisation^{prédictive 28}, à condition que la performance et l’étalonnage du modèle soient soigneusement évaluées. Troisièmement, la validation interne bootstrap de 1 000 répétitions a montré un optimisme limité dans la discrimination et des indicateurs d’étalonnage globalement acceptables, bien que le test significatif de Hosmer-Lemeshow indique que l’étalonnage doit être interprété avec prudence et réévalué dans les cohortes externes.

Le modèle est destiné aux médecins et aux professionnels infirmiers impliqués dans les soins des fractures aiguës de la hanche. Les utilisateurs doivent saisir six variables d’admission disponibles de façon courante avec les unités correctes ; Aucune expertise statistique n’est requise une fois le nomogramme ou le calculateur mis en place, mais l’interprétation clinique doit être réalisée par des cliniciens formés. Pour appliquer ce modèle, les cliniciens doivent collecter les tests TFIA, TG, TC, APTT, NLR et PLR à l’admission. Le prédicteur linéaire est calculé à l’aide de l’équation de régression complète, et la probabilité prédite est obtenue par P = 1/[1+exp(-LP)]. La spécification complète du modèle, incluant l’interception, les coefficients de régression, les coefficients de spline TG et la localisation des nœuds RCS, est fournie dans le Tableau 1. Les définitions détaillées des prédicteurs sont fournies dans le tableau 5. La probabilité prédite doit être interprétée uniquement comme un risque estimé. Aucun seuil d’intervention validé n’est actuellement disponible. Pour les patients prédit à haut risque, le nomogramme peut avoir une valeur potentielle en incitant à une vigilance clinique accrue plutôt qu’à dicter directement le traitement. Les stratégies de prise en main potentielles incluent une évaluation précoce ou répétée par échographie Doppler lorsque cliniquement indiquée, une réévaluation minutieuse des risques thrombotiques et de saignement, l’évitement de retards inutiles dans la chirurgie, une mobilisation précoce, une hydratation adéquate et l’initiation rapide d’une prophylaxie de l’EVP basée sur des recommandations lorsque ce n’est pas contre-indiqué. Comme aucune catégorie de risque validée ni seuil de traitement n’a été établi dans cette étude, le modèle doit être considéré comme un outil de sensibilisation au risque et de planification de la surveillance, plutôt que comme une base autonome pour les décisions sur l’anticoagulation. Bien que la courbe d’étalonnage et le score Brier aient suggéré une calibration globale acceptable, le test de Hosmer-Lemeshow était statistiquement significatif. Cette constatation peut en partie refléter la sensibilité de groupement du test et le faible taux d’événement, mais elle indique aussi que l’étalonnage doit être interprété avec prudence et nécessite une validation externe.

Plusieurs limites doivent être reconnues. Premièrement, il s’agissait d’une étude rétrospective à centre unique avec uniquement une validation interne bootstrap ; Par conséquent, la généralisation et l’applicabilité clinique du nomogramme nécessitent une validation externe prospective multicentrique. La performance et l’équité spécifiques à chaque sous-groupe n’ont pas pu être évaluées formellement en raison du nombre limité d’événements MCVT. Deuxièmement, comme les données échographies pré-blessure étaient indisponibles, le résultat doit être interprété comme une MCVT détectée dans les 48 heures suivant la blessure plutôt que comme une thrombose à début récent. Troisièmement, aucune catégorie de risque validée ni seuil d’intervention n’a été établi ; Ainsi, la nomogramme devrait soutenir la sensibilisation aux risques, un suivi plus strict et une évaluation échographique rapide, plutôt que de servir de base autonome pour les décisions d’anticoagulation. Quatrièmement, la fiabilité inter-observateurs pour le diagnostic par échographie n’a pas été formellement évaluée, ce qui a pu introduire une variabilité diagnostique. Enfin, l’utilisation d’un criblage univariable avant le développement du modèle a pu exclure des variables cliniquement pertinentes, telles que l’âge, le dimère D, la GbG, le type de fracture et les comorbidités. De futures études plus vastes, validées par l’extérieur, devraient répondre à ces limitations.

Conclusion :

Cette étude a développé et validé en interne un nomogramme incorporant six biomarqueurs facilement disponibles pour estimer le risque de MCVT précocement chez les patients atteints de fractures de la hanche. Le modèle a démontré une bonne performance discriminatoire, une calibration globale acceptable après validation interne, et un bénéfice net clinique potentiel lors de la validation bootstrap interne. De plus, l’association non linéaire entre les niveaux de TG et le risque de MCVT offre un éclairage supplémentaire sur la modélisation des risques dans cette population. Ce modèle validé en interne peut aider à la stratification précoce du risque chez les patients atteints de fractures de la hanche. Cependant, compte tenu du design rétrospectif unicentrique et de l’absence de validation externe, les résultats doivent être considérés comme exploratoires. D’autres études prospectives multicentriques sont nécessaires pour évaluer la généralisabilité du modèle et déterminer son utilité clinique potentielle avant la mise en œuvre clinique.

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Système d'échographie Doppler couleur	Philips	EPIQ-5 avec eL18-4	Détection et diagnostic de MCVT
Analyseur de coagulation	Stago	STAR MAX (https://www.stago-cn.com)	Mesure APTT
Analyseur d'hématologie	Cobas	8000 (https://www.cobase.com/)	Numération cellulaire sanguine, NLR, PLR
Analyseur biochimique de laboratoire	Sysmex	BC7500 (https://www.sysmex.com.cn/)	Mesure TG et TC
Microsoft Excel	Microsoft	2023 (https://www.microsoft.com)	Organisation des données
Logiciel R	R Foundation	https://www.r-project.org/	Analyse statistique
Package R glmnet	CRAN	https://cran.r-project.org/web/packages/glmnet/index.html	Régression LASSO
Package R rms	CRAN	https://cran.r-project.org/web/packages/rms/index.html	RCS, nomogramme, calibration
Package R pROC	CRAN	https://cran.r-project.org/web/packages/pROC/index.html	Analyse ROC
Package R rmda / dcurves	CRAN	https://cran.r-project.org/web/packages/dcurves/index.html	Analyse de la courbe de décision