Une étude récente a tenté de dégager 5 facteurs cliniques utiles pour se faire une idée de l’évolution d’un épisode de lombalgie aigue qui subsiste une semaine après la première consultation.

Les données utilisées étaient celles d’un essai contrôlé randomisé évaluant l’efficacité du paracétamol dans la lombalgie aigue (essai PACE). 1070 patients porteurs d’une lombalgie aigue avec un score supérieur ou égal à 2/10 à une semaine de leur première consultation étaient choisis pour participer à cette étude. On mesurait le temps nécessaire (en jours) pour récupérer. La récupération de l’épisode douloureux était définie comme une douleur à 1/10 ou une absence de douleur (0/10) pendant une semaine consécutive (les participants remplissaient un agenda quotidien pour évaluer leur douleur).

Dans un premier temps, 10 facteurs de prédiction étaient dégagés de la littérature. Ensuite, les auteurs ont réalisé une régression multivariée de Cox pour dégager un modèle à 5 variables : durée de l’épisode actuel, nombre d’épisodes précédents, présence de symptômes dépressifs, intensité de la douleur à une semaine et variation de la douleur dans la semaine suivant la première consultation. L’évaluation de la performance de ce modèle (discrimination et calibration) était jugée comme acceptable par les auteurs.

En fonction des valeurs de ces variables (reportez-vous aux tableaux d’interprétation de l’article), la probabilité de récupération (douleur à 0 ou 1 pendant 7j) lorsqu’un sujet continue d’avoir mal une semaine après sa première consultation est comprise :
– Entre 4 et 59% à une semaine
– Entre 19 et 91% à un mois
– Entre 30 et 97% à trois mois

Bref, il vous faudra sortir vos petits tableaux pour estimer le pronostic de votre patient et réfléchir avec lui à la meilleure conduite à adopter… ou attendre encore un peu, comme le mentionnent les auteurs, pour vérifier la validité externe de ce travail et réaliser quelques ECR pour vérifier la pertinence de l’emploi de ce modèle de prédiction clinique en termes de résultats et/ou de couts.

Références

Silva, T., Macaskill, P., Mills, K., Maher, C., Williams, C., Lin, C., & Hancock, M. J. (2017). Predicting recovery in patients with acute low back pain: A Clinical Prediction Model. European Journal of Pain, 21(4), 716-726.