Cartographier la progression de la multimorbidité

Cartographie de la progression des multimorbidités parmi 190 maladies

Contexte

À l’échelle mondiale, avec le vieillissement de la population et l’augmentation significative des effets négatifs des maladies chroniques, la multimorbidité, c’est-à-dire la coexistence de multiples maladies chroniques, est devenue un défi de santé de plus en plus sérieux. Comprendre le processus cumulatif de la multimorbidité chez les individus peut aider les chercheurs à mieux appréhender ses mécanismes, aider les prestataires de soins de santé à intervenir ou à dépister d’autres maladies lors de l’apparition du premier symptôme, et permettre aux décideurs de formuler des méthodes de gestion intégrées pour mieux répondre aux besoins de santé des patients.

Trajectoire de Recherches

Les méthodes actuelles de regroupement de la multimorbidité reposent principalement sur la fréquence des combinaisons de maladies courantes, ce qui rend difficile la compréhension de l’évolution des maladies au fil du temps. La plupart des méthodes de clustering associatif tendent à exagérer les diagnostics les plus courants, regroupant ainsi trop de maladies non liées en un seul cluster. Plus important encore, ces méthodes de clustering basées sur l’association peuvent induire en erreur lors de la détermination des trajectoires de progression de la multimorbidité. Ces méthodes ne permettent pas la coexistence de trajectoires bidirectionnelles entre les maladies, c’est-à-dire qu’une maladie peut conduire à une autre ou être influencée par une autre. Par conséquent, les chercheurs ont proposé une méthode plus riche en informations pour étudier les modèles de progression de la multimorbidité.

Source du Document

Cette étude, rédigée par Chen Shaosha et al., a été publiée dans “Communications Medicine”, volume 4, en 2024.

Méthodologie de l’Étude

Conception de l’Étude et Population

Cette étude a été réalisée sur 502,413 participants adultes de la biobanque britannique (UK Biobank), âgés de 37 à 73 ans, avec une moyenne d’âge de 57,1 ans. L’étude s’est étendue de mars 2006 à décembre 2010 et a suivi les participants pendant 12,7 ans. L’étude a obtenu l’approbation éthique du Comité de gouvernance de l’information nationale britannique et du Comité d’éthique de la recherche multicentrique du Nord-Ouest. Tous les participants ont fourni un consentement éclairé électronique lors de l’évaluation initiale.

Conditions Médicales et Variables de Base

L’étude s’est concentrée sur les maladies dont la prévalence chez les hommes et les femmes est supérieure à 1%, identifiant 190 maladies les plus courantes (154 chez les femmes et 160 chez les hommes). Les variables de base incluaient des facteurs sociodémographiques, des comportements de santé, l’état de santé, toutes les conditions médicales et des facteurs influençant la santé et l’accès aux services de santé.

Analyse des Données

L’étude a utilisé la méthode de l’estimation du maximum de vraisemblance ciblée (Targeted Maximum Likelihood Estimation, TMLE) pour estimer l’influence d’une maladie sur le développement d’une autre, analysant les relations causales entre les maladies chez les femmes et les hommes, couvrant 23 562 paires directionnelles d’effets causaux (femmes) et 25 440 paires directionnelles d’effets causaux (hommes). Les maladies ont été regroupées par un algorithme de clustering hiérarchique, et une méthode de clustering k-moyennes auto-adaptative a été utilisée pour regrouper les progressions de la multimorbidité en constellations de progression de la multimorbidité.

Flux de Travail

L’étude a d’abord estimé la relation causale entre chaque paire de maladies, puis identifié les maladies les plus influentes et les plus affectées en traçant des cartes spectrales marginales. Ensuite, les maladies présentant des schémas similaires ont été regroupées par un algorithme de clustering. Enfin, un diagramme visuel montrant les clusters de maladies a été tracé et la stabilité du clustering a été évaluée.

Résultats de l’Étude

Carte des Effets Causals des Maladies

L’étude a révélé que, pour les femmes et les hommes, les maladies les plus influentes étaient souvent des maladies chroniques telles que l’hypertension et le diabète, tandis que les maladies aiguës avaient des spécificités sexuelles. La progression bidirectionnelle de la multimorbidité a montré une tendance significative au regroupement, traversant les chapitres de la classification internationale des maladies, ce qui suggère des mécanismes complexes entre les maladies.

Maladies Influentes et Affectées

L’étude a identifié les dix principales maladies influentes et affectées pour chaque sexe, constatant que la plupart des maladies étaient cohérentes entre les sexes, mais que certaines maladies aiguës étaient spécifiques à un sexe. De plus, certaines maladies ont été identifiées comme ayant un impact significatif sur d’autres maladies dans un court laps de temps.

Résultats de Clusters

L’analyse de clustering a identifié 26 clusters de maladies chez les femmes et 28 chez les hommes. Ces clusters reflètent des mécanismes partagés de développement des maladies. L’analyse des progressions bidirectionnelles des maladies a montré que les maladies au sein du même chapitre de la classification internationale des maladies étaient plus susceptibles de présenter des progressions bidirectionnelles.

Constellations de Multimorbidité

L’étude a identifié 10 constellations de progression de la multimorbidité chez les femmes et 9 chez les hommes, montrant des différences entre les sexes. Par exemple, la constellation hypertension-asthme a montré de nombreuses trajectoires de progression de l’hypertension vers l’asthme, tandis que la constellation de la maladie pulmonaire obstructive chronique-circulatoire a mis en évidence la progression de la multimorbidité entre les maladies du système respiratoire et cardiovasculaire.

Conclusion de l’Étude

L’étude a proposé un cadre de progression de la multimorbidité basé sur les relations causales entre les maladies, fournissant une base essentielle pour l’élaboration de mesures d’intervention ciblées. Le regroupement des maladies dans l’étude offre une perspective systémique pour mettre à jour les systèmes de classification des maladies et découvrir des stratégies thérapeutiques partagées potentielles. En identifiant les rôles des différentes maladies dans la multimorbidité, l’étude établit également une base pour des recherches futures visant à prévenir et gérer la multimorbidité.

Points Forts de l’Étude

1. Analyse des relations causales de la multimorbidité : Première analyse approfondie de la progression causale de 190 maladies.
2. Mécanismes de développement des maladies : Identification des mécanismes partagés de développement des maladies à travers le clustering de la progression bidirectionnelle de la multimorbidité.
3. Constellations de multimorbidité : Identification des constellations de progression de la multimorbidité propres à chaque sexe, montrant des trajectoires spécifiques de progression des maladies.

Valeur Scientifique et Pratique

Cette étude fournit des informations cruciales pour la prévention et la gestion de la multimorbidité, aidant à formuler des stratégies de dépistage communautaires et à restructurer les services pour mieux répondre aux besoins des patients.

Ces découvertes sont non seulement importantes pour une meilleure compréhension des mécanismes de développement de la multimorbidité, mais elles ont également des implications profondes pour l’élaboration de stratégies d’intervention médicale plus efficaces. Cela permet d’optimiser les services de santé en les rendant plus personnalisés et précis pour mieux relever les défis posés par la multimorbidité.