Quelle est la meilleure première ligne de traitement de l'hypertension?
Quelle est la meilleure thérapie pour l'hypertension? Bien que la question puisse paraître simple, la réponse est beaucoup plus complexe qu'il n'y paraît à première vue. Les chercheurs ont appliqué des algorithmes complexes pour le découvrir, et les résultats sont surprenants.
Les lignes directrices actuelles conseillent cinq classes de médicaments parmi lesquelles les médecins peuvent choisir comme première ligne de traitement de l'hypertension, mais quels sont les critères sous-tendant cette fourchette?
Un nouvel article - dont le premier auteur est le Dr Marc A. Suchard, du département de biostatistique de l'Université de Californie à Los Angeles - présente certains des pièges qui empêchent de décider quelle est la meilleure première ligne de traitement pour l'hypertension.
Premièrement, la littérature existante sur laquelle des organisations telles que l'American College of Cardiology et l'American Heart Association (AHA) ont fondé leurs lignes directrices sont des essais cliniques randomisés avec un nombre insuffisant de participants, dont très peu commencent tout juste leur traitement, explique le Dr Suchard et ses collègues.
Deuxièmement, les études d'observation qui sont parfois utilisées pour combler les lacunes dans les connaissances dans les essais ont leurs propres biais et limites d'échantillons.
Par conséquent, les avis d'experts ont tendance à être le moteur des recommandations cliniques, plutôt que des preuves tangibles. Pour remédier à cela, le Dr Suchard et ses collègues ont utilisé des mégadonnées et une méthode unique et fiable pour générer et analyser des preuves à grande échelle afin d'évaluer l'efficacité des options de traitement de première intention.
Les chercheurs ont publié leurs résultats dans la revue The Lancet.
Le manque de fiabilité des preuves existantes
Le co-auteur de l'étude, le Dr George Hripcsak, directeur du département d'informatique biomédicale de l'Université Columbia, à New York, explique en outre la motivation de la recherche.
Il dit: «Les essais cliniques randomisés démontrent l’efficacité et la sécurité d’un médicament dans une population de patients hautement définie, mais ils ne sont pas bons pour faire des comparaisons entre plusieurs classes de médicaments dans un groupe diversifié de patients que vous rencontreriez dans le monde réel.»
«Non intentionnellement ou non, les revues et les auteurs ont tendance à publier des études qui donnent des résultats passionnants, et les chercheurs peuvent même sélectionner les méthodes analytiques les mieux adaptées pour obtenir les résultats qui correspondent à leurs hypothèses», ajoute le Dr Hripcsak.
«Cela se résume à un exercice de sélection, ce qui rend les résultats moins fiables.»
Qu'est-ce que LEGEND et en quoi cela aide-t-il?
Pour surmonter cela, le Dr Suchard, le Dr Hripcsak et leurs collègues ont utilisé une méthode développée pour corriger et prévenir les biais des études d'observation. La méthode est appelée Génération et évaluation de preuves à grande échelle sur un réseau de bases de données (LEGEND).
«LEGEND fournit un cadre systématique qui peut générer des preuves de manière reproductible en appliquant des analyses avancées sur un réseau de bases de données disparates pour un large éventail d'expositions et de résultats», explique le co-auteur de l'étude, Patrick Ryan, Ph.D.
LÉGENDE également «nous aident à comprendre à quel point nous pouvons faire confiance aux preuves que nous avons produites», dit Ryan.
Ryan est professeur adjoint d'informatique biomédicale à l'Université de Columbia et vice-président de l'analyse des données d'observation de la santé de la société pharmaceutique Janssen Research & Development.
Lui, avec ses collègues Dr Suchard et Martijn Schuemie, Ph.D., un autre co-auteur de la nouvelle étude, a présenté les avantages de LEGEND au nom de l'équipe qui l'a créée lors du symposium Observational Health Data Science Initiative en 2018.
Dans la présentation, ils ont exposé les principes directeurs de la nouvelle méthode, montrant comment elle peut utiliser les avantages des études observationnelles à grande échelle et appliquer leurs résultats à des conditions telles que la dépression et l'hypertension dans un contexte réel.
Les inhibiteurs de l'ECA ne sont pas aussi efficaces que d'autres médicaments
Dans la nouvelle étude, les auteurs ont appliqué LEGEND aux données de 4,9 millions de personnes dans quatre pays différents qui venaient de commencer à prendre un médicament contre l'hypertension.
Après avoir appliqué l'algorithme complexe LEGEND et compté pour environ 60000 variables, les chercheurs ont identifié plusieurs cas de crise cardiaque, d'hospitalisation pour insuffisance cardiaque, d'accident vasculaire cérébral et un nombre élevé d'effets secondaires des médicaments de première intention contre l'hypertension.
L'étude a révélé que les inhibiteurs de l'enzyme de conversion de l'angiotensine (ECA), qui sont les médicaments de première intention les plus couramment prescrits, avaient plus d'effets secondaires que les diurétiques thiazidiques, une classe de médicaments qui ne sont pas prescrits aussi souvent.
Plus précisément, dans cette analyse, les médecins ont prescrit des inhibiteurs de l'ECA 48% du temps, tandis que les médecins ont prescrit des diurétiques thiazidiques comme première ligne de traitement à seulement 17% des personnes souffrant d'hypertension nouvellement diagnostiquée.
Malgré cela, les diurétiques thiazidiques étaient associés à 15% moins de crises cardiaques, d'hospitalisations pour insuffisance cardiaque et d'accidents vasculaires cérébraux. En outre, les inhibiteurs de l'ECA ont entraîné des taux plus élevés de 19 effets secondaires, par rapport aux autres traitements de première intention.
En outre, les inhibiteurs calciques non dihydropyridiniques étaient le traitement de première intention le moins efficace identifié par les auteurs de l'étude.
Enfin, les auteurs estiment que 3 100 événements cardiovasculaires indésirables auraient pu être évités si les médecins avaient prescrit des diurétiques thiazidiques à la place des IEC.
