TrialsgrambêtaRCTs are beautiful
Traduction non vérifiéeLa traduction en Français de cette entrée n'a pas été vérifiée par les pairs et peut différer de la source. L'acronyme, le titre complet et la citation restent toujours dans la langue d'origine.Ouvrir la publication d'origine ↗

EAGLE (AI-ECG)

Artificial Intelligence-Enabled Electrocardiograms for Identification of Patients with Low Ejection Fraction: a Pragmatic, Randomized Clinical Trial

Patient / Population Intervention / Exposition Comparaison Critère de jugement

Chez 22 641 adultes sans insuffisance cardiaque connue ayant un ECG de routine, l'accès du clinicien à une prédiction de fraction d'éjection basse par ECG-IA a augmenté les nouveaux diagnostics de fraction d'éjection basse dans les 90 jours par rapport à la prise en charge habituelle sans le résultat de l'IA.

N
22 641patients
Schéma
RCT en grappes pragmatique, États-Unis (120 équipes de soins primaires)
Critère
Nouveau diagnostic de FE basse (≤50 %) dans les 90 jours suivant l'ECG
Pertinence
1Structure la pratique — l’essai sur lequel repose la recommandation.
RésultatDiagnostic de FE basse 2,1 % vs. 1,6 % (OR 1,32, 1,01–1,61 ; p=0,007) ; chez les patients ECG-IA positifs (6 % de la cohorte) 19,5 % vs. 14,5 % (OR 1,43, 1,08–1,91 ; p=0,01) ; recours à l'échocardiographie similaire dans l'ensemble (19,2 % vs. 18,2 %, p=0,17).
Yao X, et al. Nat Med. 2021;27(5):815-819. 10.1038/s41591-021-01335-4
Discussion et critique

Première preuve randomisée qu'un outil d'aide à la décision par ECG-IA modifie le diagnostic en soins primaires courants, et le modèle des essais ultérieurs de repérage de cas par ECG-IA. Le gain absolu était faible, le critère est un diagnostic à 90 jours plutôt qu'un résultat clinique, et l'essai était par nature en ouvert. Ses gains ne sont survenus que lorsque les cliniciens ont agi sur l'alerte — l'adoption par les cliniciens a été l'étape limitante (voir l'entrée Rushlow), et TRICORDER a montré plus tard le même mécanisme avec un stéthoscope IA.