Repérer les patients avec une MRC dans les bases du Système National des Données de Santé (SNDS) serait un outil important dans l’aide à la décision en Santé Publique afin de proposer des stratégies de prévention et de prise en charge adaptées.
Un groupe d’expert REDSIAM (video abstract) associant néphrologues, biostatisticiens et épidémiologistes a développé un algorithme basé sur des consommations de soins propres aux personnes avec une MRC.
Cet algorithme a été appliqué à l’ensemble des bénéficiaires SNDS sur les années 2018-2020 afin d’estimer une prévalence nationale de la MRC. La cohorte CONSTANCES en population générale (environ 219 000 adultes de 18-69 ans avec une mesure de DFG initiale, estimation CKD-EPI) a été utilisée pour un premier test de performance.
Au total, en 2018, 5 235 393 bénéficiaires ont été identifiés comme MRC dans le SNDS, 5 116 566 en 2019 et 5 890 830 en 2020, i.e. une prévalence nationale de 7,6 à 8,6%.
Parmi les 169 884 volontaires CONSTANCES inclus, 33,9% avaient un eDFG<90 et 1,1% < 60 ml/min/1.73m² . L’algorithme a identifié 4,5% personnes comme MRC.
En définissant la MRC avec eDFG à 60ml/min, le nombre de faux positifs (ALGO+, eDFG>60) s’élevait à 4.2% et de faux négatifs (ALGO-, eDFG<60) à 0.8%. La moitié des faux positifs avaient un diagnostic de maladie rénale lors d’une hospitalisation et l’autre moitié des consommations de soins évoquant un profil « métabolique ». Les faux négatifs avaient un eDFG entre 45 et 60 ml/min/1.73m² pour 95% d'entre eux. La moitié avaient été hospitalisés mais sans diagnostic de MRC.
De par sa construction, l’algorithme permet de repérer des patients ayant un parcours de soins proches des parcours usuels et recommandés. Il ne permet pas de repérer les patients non diagnostiqués ou avec une prise en charge non adaptée. Il repère plus facilement les stades avancés. Un algorithme utilisant l’Intelligence Artificielle est en cours de développement.
