En transplantation rénale, des scores pronostiques sont déjà proposés pour identifier les patients à fort risque d’échec de greffe. À partir de variables mesurées à un temps prédéfini, la prédiction du risque d’échec de greffe peut être calculée pour un temps lui aussi prédéfini. Nous avons proposé d’inclure les mesures répétées de créatininémie afin de mettre à jour les prédictions du risque d’échec de greffe tout au long du suivi des patients transplantés rénaux. Notre objectif est maintenant de valider les capacités pronostiques de ce modèle dynamique.

À partir de 2589 patients indépendants issus de la cohorte DIVAT, nous étudions les capacités pronostiques en évaluant la calibration et la discrimination (AUC et R² dynamiques) de ce modèle dynamique. Ces capacités sont comparées avec celles des modèles existant qui ne sont pas dynamique mais calculés à un an post-greffe (temps de landmark fixé).

Les capacités pronostiques des prédictions dynamiques sont bonnes avec des valeurs d’AUC variant entre 0,73 (Confidence Bands [CB] 95 % : 0,67–0,78) à un an post-transplantation et 0,77 (IC95 % : 0,68–0,85) à six ans post-transplantation, et des valeurs de R² variant entre 13,9 % (CB 95 % : 6,4 %–21,3 %) à un an post-transplantation et 16,0 % (CB 95 % : 1,9 %–33,9 %) à six ans post-transplantation. L’apport du dynamisme est montré par une augmentation des capacités pronostiques avec l’avancée du temps pronostique.

Fort de cette validation, nous avons développé une application accessible en ligne (preddyn) pour calculer ces prédictions dynamiques. Nous pensons que cet outil s’inscrit dans l’implémentation de la médecine 4P en transplantation rénale (prédictive, personnalisée, préventive et participative), en particulier en améliorant l’information donnée au patient. La perspective de ce travail est d’évaluer l’utilité de ces prédictions pour la promotion de prises de décisions partagées entre le médecin et le patient.