Caractéristiques de la population modélisée

Notre cohorte de départ est séparée en deux groupes : ceux ayant une pression artérielle dite contrôlée, et ceux ayant une pression non contrôlée. Une pression artérielle contrôlée a été considérée comme étant une pression systolique de 140 mmHg tandis qu’une pression non contrôlée a été considérée comme étant de 160 mmHg. Les autres éléments du score de Framingham ont été sélectionnés de façon à refléter la population de l’étude de référence pour estimer l’impact clinique du pharmacien. Ainsi, le seul élément différentiel entre les deux groupes de patients modélisés est la valeur de la pression artérielle considérée dans l’algorithme prédictif de Framingham. Le risque de subir une complication a été calculé chez les hommes et les femmes. Une moyenne a été retenue comme intrant dans le modèle en supposant une

répartition égale entre les deux sexes. Cette hypothèse est cohérente avec les caractéristiques des populations de l’étude retenue (47). Si nous avions eu les données individuelles pour chaque patient, nous aurions pu modéliser la variation du risque pour chacun de ceux-ci et réagglomérer les résultats pour tenir compte de la variation moyenne dans l’ensemble de la population. En absence de ces données, nous devons travailler avec les caractéristiques moyennes des patients à l’étude.

Les équations de Framingham étant un algorithme qui tient compte de plusieurs variables, nous devons définir chacune d’entre elles pour estimer les risques cardiovasculaires de notre cohorte. Les variables en question sont l’âge, le sexe, le tabagisme, la quantité de cigarettes fumées, l’hypertrophie ventriculaire gauche, le diabète, la pression artérielle systolique, le cholestérol total ainsi que le cholestérol C-HDL.

Afin d’être cohérents avec les caractéristiques de la population étudiée par Tsuyuki et coll., tous les patients entrent dans le modèle à un âge de 65 ans. En ce qui concerne le tabagisme, nous décrivons les patients modélisés comme non-fumeurs. Dans l’étude de Tsuyuki, seulement 18 % étaient fumeurs dans le groupe d’intervention et 13 % dans le groupe comparateur. Les autres patients étaient répartis de façon sensiblement équivalente entre anciens fumeurs et patients n’ayant jamais fumé. Nous traiterons des patients fumeurs en analyse de sensibilité. Nous avons considéré que les patients n’étaient pas atteints.

En ce qui concerne l’hypertrophie ventriculaire gauche, cette donnée n’est pas rapportée dans l’essai RxAction. Toutefois, seulement 1 % des patients étaient d’insuffisance cardiaque dans le groupe recevant l’intervention, contre 0 % dans le groupe recevant les soins usuels. Ainsi, nous avons considéré que la cohorte modélisée n’avait pas d’hypertrophie ventriculaire gauche.

En ce qui concerne le diabète, nous définissons nos patients dans la cohorte de départ comme non-diabétiques. Les données de l’étude de Tsuyuki et coll. indiquent aussi que pour les patients dans le groupe d’intervention, 39 % étaient diabétiques contre 57 % dans le groupe comparateur. Ces différences entre les deux bras de l’étude clinique posent un problème quant au choix optimal pour décrire la cohorte modélisée. Puisque les équations de Framingham demandent de caractériser la population comme étant diabétique ou non afin d’estimer adéquatement son risque, nous faisons le choix arbitraire de les décrire comme non diabétiques. Ceci sous-estime le risque cardiovasculaire de la cohorte. Ce choix nous permettra également d’utiliser le diabète comme paramètre intermédiaire pour augmenter le risque cardiovasculaire de la population. En ce qui concerne le cholestérol total et le cholestérol C-HDL, ces informations n’étaient pas fournies dans l’étude de Tsuyuki et coll. Pour pallier ce manque d’information, nous avons recueilli les données les plus récentes de Statistique Canada sur la valeur moyenne de la population canadienne (78). Il apparaît que le cholestérol C-HDL serait à 1,38 mmol/L en moyenne, tous âges confondus. La valeur moyenne du cholestérol n’a pas été publiée. Cela dit, nous pouvons la dériver à partir du [ratio cholestérol total : cholestérol C-HDL] qui, lui, a été publié. Ce dernier se chiffrait à 3,7 en 2012-2013 chez les patients de 60-79 ans. Ainsi, le cholestérol total moyen attendu est de 5,1 mmol/L.

Il convient de noter que les équations de Framingham ont démontré leur validité pour des patients allant jusqu’à 75 ans, tandis que notre modèle extrapole les données jusqu’à 85 ans (77). De plus, le modèle calcule adéquatement les risques absolus sur des horizons entre 4 et 12 ans. L’algorithme de Framingham calcule le risque des patients sur un horizon temporel de 10 ans. Nous avons reconverti cette probabilité sur un horizon temporel d’un an. Pour convertir ce risque, il faut d’abord trouver le taux pour ensuite recalculer le risque sur un autre horizon

temporel. À cet effet, nous avons utilisé les équations suivantes (79) où « p » désigne une probabilité, « t » désigne un horizon temporel et « r » désigne un taux.

Les équations utilisées :

Transformer une probabilité vers un taux : r = – (ln (1-p)/t. Transformer un taux vers une probabilité : p = 1 — exp (– rt).

Ainsi, en utilisant le risque associé à un horizon temporel de dix ans, nous pouvons trouver le taux sous-jacent pour retrouver le risque associé à un horizon temporel d’un an, en supposant qu’il soit constant dans le temps. Formellement, un taux représente un potentiel instantané. Il s’agit du nombre d’évènements par patient par unité de temps et ne peut être utilisé comme intrant dans un modèle. Les annexes quatre et cinq fournissent des exemples des tableaux Excel caractérisant la population modélisée et indiquant la probabilité annuelle de subir un évènement selon les caractéristiques précisées.