Facteurs prédictifs d'évènements cardiovasculaires post-opératoires, en particulier la fibrillation atriale, après traitement chirurgical d'une insuffisance mitrale primitive (Predictors of postoperative cardiovascular events, focused on atrial fibrillation, after valve surgery for primary mitral regurgitation) Pimor, Anna - (2017-10-10) / Universite de Rennes 1 - Facteurs prédictifs d'évènements cardiovasculaires post-opératoires, en particulier la fibrillation atriale, après traitement chirurgical d'une insuffisance mitrale primitive Accéder au document :  https://ecm.univ-rennes1.fr/nuxeo/site/esupversion...

Langue : Anglais Directeur(s) de thèse:  Donal, Erwan Discipline : Cardiologie Classification : Médecine et santé Mots-clés : Insuffisance mitrale primitive, fibrillation atriale, phénotypage, échocardiographie, algorithmes d'apprentissage statistique. Insuffisance mitrale  - Chirurgie  - Thèses et écrits académiques Fibrillation auriculaire  - Thèses et écrits académiques Phénotype  - Thèses et écrits académiques Échocardiographie  - Thèses et écrits académiques

Résumé : Contexte: L’insuffisance mitrale primitive (IMP) est une maladie à expression clinique hétérogène et le délai optimal de son traitement chirurgical demeure incertain. Objectif: Evaluer si en soumettant des données phénotypiques à une analyse objective de regroupement (phenomapping), on peut identifier des phénotypes distincts de patients atteints d’IMP sévère ayant des pronostics différents. Méthodes: Après inclusion prospective, les données cliniques et échocardiographiques préopératoires de 201 patients ont été collectées. Ces variables phénotypiques ont été regroupées en grappes par classification ascendante hiérarchique. La population a ensuite été divisée en plusieurs groupes grâce à un algorithme dédié au phenomapping. Les évènements cardiovasculaires postopératoires (ECP) ont été comparés entre les groupes : mortalité, fibrillation atriale (FA), accidents vasculaires cérébraux, ré-hospitalisations. Résultats: Les données de 122 patients opérés ont été analysées, en excluant ceux en FA permanente préopératoire. Trois phénogroupes ayant des caractéristiques et des pronostics différents ont été identifiés. Le groupe 1 (67 patients) était représentatif de la population totale. Le groupe 2 incluait 33 patients à risque intermédiaire d’ECP, majoritairement des hommes, fumeurs, ayant un remodelage des cavités cardiaques. Le groupe 3 incluait 22 patients, surtout des femmes âgées avec des comorbidités (insuffisance rénale, FA paroxystique) et ayant une dysfonction diastolique échocardiographique. Le groupe 3 présentait un surrisque d’ECP [HR=3.57(1.72-7.44), p<0.001] dont la FA [HR=4.75(2.03-11.10), p<0.001]. La FA paroxystique préopératoire était un facteur prédictif indépendant d’ECP. Conclusion: La prise en charge de l’IMP peut être améliorée par des algorithmes d’apprentissage statistique définissant des sous-classes thérapeutiques homogènes. L’identification des phénogroupes permet un suivi rapproché des patients à haut risque qui pourraient être traités plus précocement. Abstract : Background: Primary mitral regurgitation (PMR) can be considered as a heterogeneous clinical disease and the optimal timing of valve surgery for severe PMR remains unknow. Aims: Evaluating whether unbiased clustering analysis using dense phenotypic data (phenomapping) could identify phenotypically distinct PMR categories of patients. Methods: 201 patients with severe PMR were prospectively included before surgery. They benefited from an extensive echocardiographic evaluation before surgery and clinical data were collected. These phenotypic variables were grouped in clusters using hierarchical clustering analysis. Then the population was split in different groups using a dedicated phenomapping algorithm. Finally, postoperative outcomes were compared between groups. The primary endpoint was postoperative cardiovascular events (PCE) defined as a composite of: deaths, AF, stroke, re-hospitalization. The secondary endpoint was postoperative AF. Results: Data from 122 patients who underwent surgery were analysed, excluding patients with preoperative permanent AF. Three phenogroups having different characteristics and prognosis were identified. Phenogroup 1 (67 patients) was considered as the control group. Phenogroup 2 (33 patients) included intermediate-risk male and smoker patients with heart remodeling. Phenogroup 3 (22 patients) included older female patients with comorbidities (chronic renal failure, paroxysmal AF) and diastolic dysfunction. They had a higher risk of developing both PCE [HR=3.57(1.72-7.44), p<0.001] and postoperative AF [HR=4.75(2.03-11.10), p<0.001]. Preoperative paroxysmal AF was identified as an independent risk factor for PCE. Conclusion: Classification of PMR can be improved using statistical learning algorithms to define therapeutically homogeneous patient subclasses. High-risk patients can be identified and should be carefully monitored and even may be treated earlier.