Prédiction de la réponse au traitement et des événements indésirables chez les enfants TDAH traités par acupuncture associée à un traitement conventionnel
Prediction of treatment response and adverse events in pediatric ADHD treated with acupuncture combined with conventional treatment.
L’essentiel
Une étude multicentrique rétrospective a développé et validé des modèles d'apprentissage automatique pour prédire la réponse au traitement et les événements indésirables chez 809 enfants atteints de TDAH (6-12 ans) recevant de l'acupuncture en complément d'un traitement conventionnel. Le modèle extreme gradient boosting a montré les meilleures performances discriminatives pour prédire la réponse (AUROC interne 0,83, externe 0,78-0,87) et des performances modérées pour les événements indésirables (AUROC externe 0,73-0,85). Les analyses d'interprétabilité ont identifié plusieurs domaines cliniques contributifs. Ces résultats soutiennent l'utilisation de modèles ML pour la stratification bénéfice-risque individualisée dans les contextes de traitement intégratif, bien qu'une évaluation prospective soit nécessaire.
- Dix modèles de machine learning ont été développés et validés sur des données cliniques de routine de 809 enfants avec TDAH.
- Le modèle extreme gradient boosting a atteint les meilleures performances pour prédire la réponse au traitement (AUROC interne 0,83).
- La validation externe a montré des performances stables (AUROC 0,78-0,87 pour la réponse, 0,73-0,85 pour les événements indésirables).
Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.
Comprendre l’analyse ↓Analyse du résumé uniquement. Confiance faible dans les informations extraites.
Voir les sources ↓Synthèse détaillée
Synthèse
Une étude multicentrique rétrospective a développé et validé des modèles d'apprentissage automatique pour prédire la réponse au traitement et les événements indésirables chez 809 enfants atteints de TDAH (6-12 ans) recevant de l'acupuncture en complément d'un traitement conventionnel. Le modèle extreme gradient boosting a montré les meilleures performances discriminatives pour prédire la réponse (AUROC interne 0,83, externe 0,78-0,87) et des performances modérées pour les événements indésirables (AUROC externe 0,73-0,85). Les analyses d'interprétabilité ont identifié plusieurs domaines cliniques contributifs. Ces résultats soutiennent l'utilisation de modèles ML pour la stratification bénéfice-risque individualisée dans les contextes de traitement intégratif, bien qu'une évaluation prospective soit nécessaire.
Résultats principaux
Dix modèles de machine learning ont été développés et validés sur des données cliniques de routine de 809 enfants avec TDAH. Le modèle extreme gradient boosting a atteint les meilleures performances pour prédire la réponse au traitement (AUROC interne 0,83). La validation externe a montré des performances stables (AUROC 0,78-0,87 pour la réponse, 0,73-0,85 pour les événements indésirables). Plusieurs domaines de caractéristiques cliniques contribuent aux prédictions du modèle.
Repères pour la pratique
Les modèles ML pourraient aider les cliniciens à stratifier les risques et bénéfices de l'acupuncture en complément du traitement conventionnel du TDAH. L'utilisation de données cliniques de routine facilite l'intégration de ces modèles dans les pratiques cliniques. Une évaluation prospective est nécessaire avant d'adopter ces modèles en pratique clinique.
Limites et précautions
Étude pertinente pour le suivi clinique du TDAH avec l'usage de modèles prédictifs, mais l'acupuncture comme thérapie complémentaire reste marginale dans les pratiques courantes en France. Étude rétrospective avec des biais potentiels de sélection et de mesure. L'acupuncture en complément n'est pas un traitement standard, limitant la généralisabilité. La définition de la réponse thérapeutique (réduction ≥30% du SNAP-IV) peut ne pas capturer tous les aspects cliniques pertinents. Les événements indésirables rapportés par les parents peuvent être sous-déclarés.
Analyse méthodologique
Non déterminable — Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.
Le texte intégral ouvert n’était pas accessible. Cela rend la robustesse non déterminable : l’absence d’information n’est pas interprétée comme une faiblesse de l’étude.
Une anomalie documentaire ou méthodologique a été détectée. L’article reste disponible et doit être interprété avec prudence.
Examiner les critères point par point
Cette analyse automatisée évalue une étude de cohorte rétrospective multicentrique portant sur 809 enfants atteints de TDAH âgés de 6 à 12 ans, ayant reçu de l'acupuncture en complément des soins conventionnels de première ligne. L'étude a développé et validé dix modèles d'apprentissage automatique pour prédire la réponse au traitement (définie comme une réduction d'au moins 30 % du score total SNAP-IV après 8 à 16 semaines) et les événements indésirables rapportés par les parents. Les performances prédictives étaient bonnes pour la réponse au traitement (AUROC interne de 0,83 ; AUROC externes de 0,78 à 0,87) et modérées pour les événements indésirables (AUROC externes de 0,73 à 0,85). Les auteurs concluent que ces modèles pourraient soutenir la stratification individuelle du rapport bénéfice-risque, mais ils reconnaissent la nécessité d'une évaluation prospective de l'impact clinique. Cependant, cette évaluation repose uniquement sur le résumé de l'étude, ce qui limite l'analyse méthodologique. Plusieurs critères méthodologiques n'ont pas pu être évalués en raison d'informations non rapportées dans la source analysée : le contrôle des facteurs de confusion, la gestion des données manquantes, les financements et les conflits d'intérêts. La mesure de l'exposition (protocole d'acupuncture standardisé) et la mesure des critères de jugement (définition objective de la réponse et recueil standardisé des événements indésirables) sont documentées comme adéquates. La sélection de la population est clairement décrite, avec des cohortes internes et externes pour la validation. Aucune incohérence numérique n'a été détectée dans les résultats rapportés. En raison de l'absence d'informations sur des éléments méthodologiques clés, la robustesse globale de l'étude est indéterminée et la confiance dans l'analyse est faible, nécessitant une lecture du texte intégral pour une évaluation complète.
confounding controlNon déterminable
L'étude ne mentionne pas explicitement de contrôle des facteurs de confusion dans la conception ou l'analyse.
L’information nécessaire n’est pas rapportée dans la source analysée.exposure measurementFavorable
L'exposition est l'acupuncture combinée au traitement conventionnel de première ligne, et l'étude est multicentrique avec des données démographiques, cliniques, comportementales et de laboratoire. La mesure de l'exposition semble standardisée par le protocole de traitement.
Un élément méthodologique adéquat est explicitement documenté.missing dataNon déterminable
Aucune information sur la gestion des données manquantes n'est fournie dans le résumé.
L’information nécessaire n’est pas rapportée dans la source analysée.outcome measurementFavorable
Le critère de jugement principal est la réponse au traitement définie comme une réduction d'au moins 30% du score total SNAP-IV après 8 à 16 semaines, et les événements indésirables sont rapportés par les parents. Cette définition est objective et standardisée.
Un élément méthodologique adéquat est explicitement documenté.population selectionFavorable
L'étude inclut 809 enfants atteints de TDAH âgés de 6 à 12 ans, issus de plusieurs centres, avec des cohortes internes et externes pour la validation. La sélection de la population est clairement décrite.
Un élément méthodologique adéquat est explicitement documenté.Cette analyse est produite automatiquement par une IA à partir des sources indiquées, puis l’appréciation est calculée avec des règles versionnées (scientific_analysis_v2). Elle ne constitue ni une validation par un professionnel ni une recommandation clinique. Consulter la méthodologie.
Classification détaillée
Informations sur l’article
- Publication
- Cohorte
- Source
- PubMed — neurosciences cognitives developpementales
- Date
- 08 juin 2026
- Langue
- Anglais
- Accès
- abstract only
- Licence
- Non déterminée