Analyse globale de l’impact combiné des scores de risque polygénique et du mode de vie sur le risque de maladie cardiovasculaire : Rapport d’étude de la cohorte biobanque Kadoorie en Chine

Introduction

Les maladies cardiovasculaires (MCV) représentent l’une des principales menaces pour la santé à l’échelle mondiale. Bien que l’incidence et la prévalence des MCV chez les personnes de plus de 50 ans soient restées stables ou aient diminué au cours des dernières décennies, l’incidence des MCV chez les 15-49 ans est en augmentation. En particulier, les MCV à début précoce touchent de plus en plus les jeunes, soulignant l’urgence de prévention efficace. Les risques des MCV à début précoce sont influencés par des facteurs génétiques et environnementaux. Les scores de risque polygénique (PRS), généralement issus d’études d’association pangénomique (GWAS), sont devenus un outil important pour quantifier la susceptibilité génétique individuelle. Cependant, les PRS actuels montrent de mauvaises performances dans les populations d’Asie de l’Est, surtout pour prédire des sous-types de MCV tels que les AVC. En outre, les PRS pour les hémorragies intracérébrales (ICH) dans la population chinoise sont encore absents. Cette étude vise à développer trois scores de risque polygénique spécifiques à des maladies (MetaPRS) en combinant divers PRS liés aux MCV et aux facteurs de risque associés, afin de mieux stratifier les risques génétiques des différents types de MCV et d’examiner leur relation avec l’incidence des MCV à différents âges.

Contexte de l’étude

Cette étude a été menée par le groupe collaboratif de la cohorte biobanque Kadoorie en Chine (CKB), une grande étude de cohorte prospective visant à évaluer l’impact combiné du risque génétique et du mode de vie. La cohorte CKB comprend 96 400 participants provenant de 10 régions à travers le pays. L’objectif principal de l’étude est de construire et de valider des MetaPRS adaptés à la population chinoise en intégrant des données GWAS issues de différentes origines, puis d’analyser leur relation avec le risque d’incidence des MCV à différents âges.

Méthodologie

Sources de données

Les données de cette étude proviennent de la biobanque Kadoorie en Chine. Entre 2004 et 2008, 512 723 participants âgés de 30 à 79 ans ont été recrutés. L’enquête de base comprenait des questionnaires électroniques, des examens physiques et des prélèvements sanguins. Les informations des participants ont été recueillies à partir des bases de données nationales de l’assurance maladie, des systèmes locaux d’enregistrement des maladies et des décès, et des suivis annuels actifs. L’étude a été approuvée par le Centre chinois de prévention et de contrôle des maladies et le Comité d’éthique de la recherche tropicale de l’Université d’Oxford.

Construction des scores de risque polygénique

Nous avons utilisé des données GWAS provenant des populations d’Asie et d’Europe pour construire divers PRS liés aux MCV à l’aide de trois algorithmes (y compris la méthode C+T, lassosum et PRS-CS). En utilisant des modèles de régression logistique avec réseau élastique, nous avons combiné ces PRS spécifiques à des traits en MetaPRS. Finalement, nous avons construit des MetaPRS spécifiques aux maladies coronariennes (CAD), aux AVC ischémiques (IS) et aux hémorragies intracérébrales (ICH).

Évaluation du mode de vie

Les questionnaires de base et les examens physiques ont permis de recueillir des informations sur les caractéristiques sociodémographiques et le mode de vie des participants. Nous avons sélectionné cinq facteurs de mode de vie malsains : le tabagisme, l’alimentation malsaine, l’inactivité physique, l’indice de masse corporelle (IMC) et le tour de taille. Le mode de vie a été classé en trois catégories : favorable (0-1 facteur malsain), moyen (2-3 facteurs malsains) et défavorable (4-5 facteurs malsains) en fonction du nombre de facteurs de mode de vie malsains.

Analyse des données

Nous avons utilisé des modèles de risques proportionnels de Cox pour évaluer l’association entre le risque génétique et le mode de vie avec le risque d’incidence des trois MCV. Les modèles ont été ajustés pour les covariables telles que le sexe, le niveau d’éducation le plus élevé et le statut matrimonial. En nous basant sur le test des résidus de Schoenfeld, nous avons divisé la chronologie en quatre groupes d’âge (<60 ans, 60-69 ans, 70-79 ans et ≥80 ans), permettant ainsi des variations des coefficients d’association au sein de différents groupes d’âge. Les intervalles de confiance à 95 % ont été calculés à l’aide de la méthode Bootstrap.

Résultats de l’étude

Caractéristiques de la population étudiée

L’étude a inclus 96 400 participants, dont l’âge moyen était de 53,3 ans et 42,8 % étaient des hommes. Le groupe d’apprentissage a enregistré 3 316 cas de CAD, 6 344 cas d’IS et 5 321 cas d’ICH ; le groupe de test a enregistré 1 745 cas de CAD, 7 506 cas d’IS et 1 193 cas d’ICH.

Impact combiné du risque génétique et du mode de vie

Nous avons constaté que la combinaison d’un risque génétique élevé et d’un mode de vie défavorable était significativement associée à une augmentation du risque de CAD précoce, d’IS et d’ICH. Par rapport aux participants ayant un faible risque génétique et un mode de vie favorable, les participants avec un haut risque génétique et un mode de vie défavorable avaient un risque multiplié par 6,62 pour le CAD précoce, par 3,34 pour l’IS et par 6,53 pour l’ICH. De plus, l’amélioration du mode de vie avait un effet plus marqué sur la réduction absolue du risque (ARR) dans le groupe à haut risque génétique, l’ARR pour le CAD précoce atteignant 14,7 fois, pour l’IS précoce et le CAD tardif atteignant respectivement 2,5 fois et 2,6 fois.

Interaction additive du risque génétique et du mode de vie

Nous avons observé une interaction additive positive entre le risque génétique élevé et le mode de vie défavorable dans les cas de CAD et d’IS précoces ainsi que pour les CAD tardifs. Respectivement, 74,3 %, 47,5 % et 43,8 % des effets des CAD précoces, de l’IS et des CAD tardifs étaient attribués à l’interaction entre le risque génétique et le mode de vie.

Analyse par sexe

Dans l’analyse par sexe, nous n’avons trouvé aucune interaction significative du risque génétique ou du mode de vie avec n’importe lequel des résultats. En outre, après l’exclusion des participants concernés, les résultats n’ont montré aucun changement notable.

Conclusion

Cette étude est la première à intégrer des PRS d’origines diverses et à construire des MetaPRS spécifiques aux CAD, IS et ICH dans une population chinoise, analysant leur relation avec l’incidence des MCV à différents âges. Les résultats montrent que la combinaison d’un risque génétique élevé et d’un mode de vie défavorable augmente significativement le risque de MCV précoces et que l’amélioration du mode de vie a un effet ARR plus important dans le groupe à haut risque génétique. Cela indique que la vulgarisation des tests génétiques et l’amélioration du mode de vie ont une grande importance en termes de santé publique pour les jeunes à haut risque génétique.

Importance de l’étude

Les résultats de cette étude ont une grande importance en matière de santé publique. Tout d’abord, les MetaPRS construits en intégrant divers facteurs de risque génétiques peuvent mieux stratifier les risques génétiques des différents types de MCV. Ensuite, l’étude révèle l’effet de l’interaction additive du risque génétique et du mode de vie dans les MCV précoces, soulignant l’importance de l’amélioration du mode de vie chez les personnes à haut risque génétique. Cela fournit une base scientifique pour l’élaboration de stratégies de prévention précises, en particulier pour les jeunes. Enfin, les résultats soutiennent l’application des tests génétiques dans le domaine de la santé publique, favorisant la mise en œuvre de mesures de prévention personnalisées.

En combinant les facteurs génétiques et de mode de vie, cette étude explore en profondeur les mécanismes de survenue des MCV, offrant de nouvelles idées et méthodes pour la prévention précise des MCV. Les recherches futures devraient valider ces découvertes et explorer davantage l’impact de divers facteurs génétiques et environnementaux sur l’incidence des MCV, afin de promouvoir le développement des efforts de prévention des MCV.