📌Contexte & Problématique
Le vieillissement augmente le risque de toxicités liées au traitement (TLT) chez les patients atteints de cancer. Cette revue systématique fournit un aperçu des modèles de prédiction existants pour les TLT dans cette population et évalue leurs performances prédictives.
🧪Méthodologie
Une recherche systématique a été menée dans les bases de données MEDLINE (Ovid), Embase, PubMed, CINAHL et CENTRAL (Cochrane Central Register of Controlled Trials) pour les études développant des modèles de prédiction des TLT sévères chez les patients âgés atteints de cancer, publiées entre le 1er janvier 2000 et le 31 octobre 2023. Les modèles inclus ont été résumés et évalués à l'aide de l'outil d'évaluation du risque de biais des modèles de prédiction (PROBAST).
📊Résultats Clés
Sur les 6192 études identifiées par la recherche documentaire, 12 études impliquant 90 819 participants répondaient aux critères d'inclusion. Environ 15 modèles de prédiction (9 (60 %) pour divers types de cancer ; 6 (40 %) pour des types de cancer spécifiques) ont été analysés. Les modèles comprenaient entre 4 et 11 variables. Les prédicteurs les plus courants étaient la fonction physique (n = 12, 80 %), l'indice de performance (n = 5, 33,3 %) et l'indice MAX2 (n = 5, 33,3 %). Environ 2 modèles (13,3 %) avaient une validation externe, 9 (60,0 %) avaient une validation interne et 6 (40,0 %) n'avaient aucune validation. Toutes les études ont été évaluées comme présentant un risque élevé de biais selon les critères PROBAST.
🩺Impact Clinique
Cette revue systématique a démontré que les modèles de prédiction existants pour les TLT présentaient une capacité de discrimination modérée chez les patients âgés atteints de cancer, avec une hétérogénéité significative dans les contextes cliniques et les variables prédictives. Des procédures standardisées pour le développement et la validation des modèles de prédiction sont essentielles pour améliorer la prédiction des TLT sévères dans cette population vulnérable.