La clozapine est un antipsychotique atypique largement reconnue pour son efficacité dans le traitement de la schizophrénie, en particulier chez les patients présentant une intolérance ou une absence de réponse adéquate aux autres médicaments antipsychotiques traditionnels. Cependant, son utilisation représente un défi clinique en raison de la variabilité interindividuelle de ses concentrations résiduelles observées, de sa marge thérapeutique étroite et de ses effets indésirables qui justifient son suivi thérapeutique pharmacologique (STP). Toutefois, certaines situations, comme une mauvaise compliance aux soins ou des problématiques cliniques et/ou organisationnelles, peuvent conduire à une difficulté de mise en place de ce STP nécessitant des prélèvements répétés. L’aide d’outils comme la modélisation pharmacocinétique de population (popPK) peut donc se révéler précieuse.

Dans ce cadre, l’objectif de ce travail était de sélectionner, parmi les modèles popPK de clozapine disponibles dans la littérature, le(s)quel(s) présentai(en)t les meilleures capacités de prédiction des concentrations plasmatiques.

Ce travail a été réalisé en constituant une cohorte de patients schizophrènes sous clozapine ayant bénéficié d’au moins deux dosages médicamenteux de clozapine lors de leur hospitalisation au cours de l’année 2022. Les concentrations observées au sein de cette cohorte ont été comparées aux concentrations estimées pour ces patients à l’aide de chacun des modèles et d’informations apportées a priori. Les estimations des concentrations ont été réalisées en deux temps : tout d’abord, en donnant une concentration observée précédemment chez le patient comme information a priori puis en donnant deux concentrations observées.

La cohorte de cette étude était composée de 45 patients, avec un sex-ratio homme/femme de 3:1 ainsi que 75,6 % de patients fumeurs. La première estimation a été réalisée sur la cohorte entière, puis la deuxième estimation a été réalisée sur 29 patients ayant fait l’objet d’au moins trois dosages médicamenteux. Au total, six modèles ont été retenus dans la littérature et comparé entre eux. Pour chaque patient, et avec chaque modèle, l’erreur de prédiction (PE) entre concentration estimée et concentration observée a été calculée afin de déterminer la moyenne des PE (MPE) ou biais ainsi que la moyenne des valeurs absolues des PE (MAPE) ou imprécision. Les modèles testés ont montré un biais d’estimation entre −50,2 % et −2,6 % et présentent une imprécision comprise entre 53,2 % et 29,2 %. Le modèle d’Olmos et al. a présenté les meilleures capacités de prédiction dans cette étude (MPE=−2,6 % ; MAPE=29,2 %).

Néanmoins, l’imprécision du modèle d’Olmos et al. semble en faire un outil difficile à utiliser en l’état en routine hospitalière. Une amélioration des modèles disponibles serait souhaitable pour en faire un outil plus fiable.