Une vaste étude européenne révèle des modèles de risque cardiovasculaire cachés dans le diabète de type 1, montrant comment un profilage plus intelligent pourrait aider les médecins à détecter les complications plus tôt et à adapter la prévention.
Étude : Prédiction du risque cardiovasculaire de précision dans le diabète de type 1 : Une analyse IMI2 SOPHIA. Crédit image : Chinnapong/Shutterstock.com
Les maladies cardiovasculaires (MCV) sont l'une des principales causes de décès liées au diabète de type 1 (DT1). L'évaluation des risques est compliquée par la présence d'une hyperglycémie chronique ainsi que d'anomalies lipidiques et d'hypertension. Pour combler cette lacune, une étude en Communications naturelles appliqué un outil existant de prédiction du risque basé sur le phénotype aux patients atteints de DT1 pour affiner la stratification du risque de maladie cardiovasculaire basée sur la discordance entre l'indice de masse corporelle (IMC) et les biomarqueurs cardiométaboliques.
La littérature existante montre que le risque de maladies cardiovasculaires chez les patients atteints de DT1 reste élevé malgré un bon contrôle de la glycémie, ce qui fait de la prise de poids une préoccupation majeure. Dans une étude antérieure impliquant l'un de ces auteurs, les chercheurs ont distingué cinq profils discordants dans la population générale afin d'améliorer la détection du risque de maladie cardiovasculaire.
Sommaire
Attribution du profil de discordance dans le DT1
La présente étude visait à évaluer si ces profils s'appliquent au DT1 en reproduisant ce cadre dans une population de DT1. Les auteurs ont étendu l’analyse pour inclure les patients atteints de DT1. Ils ont analysé les données transversales d'environ 44 000 patients atteints de DT1 dans trois cohortes (KUL, DPV et SIDIAP) dans plusieurs centres en Europe. Les marqueurs conventionnels des maladies cardiovasculaires ont été analysés, notamment les données démographiques, anthropométriques, de style de vie, de biomarqueurs sanguins et de tension artérielle.
Ils ont calculé les scores de discordance pour chaque individu en fonction de la correspondance entre les biomarqueurs et l'IMC. Chaque sujet s'est ensuite vu attribuer des probabilités pour chaque phénotype, soulignant le caractère continu plutôt que catégorique de cet exercice. Enfin, ils ont utilisé la méthode UMAP (Uniform Manifold Approximation and Projection) pour tracer toutes ces données et comparer les résultats avec ceux de l’étude originale.
Profil hyperglycémique discordant surreprésenté dans le DT1
Cela démontre que trois profils étaient majoritairement représentés dans le DT1 : concordant, hyperglycémique et inflammatoire, bien que d’autres profils soient présents à des fréquences plus faibles.
Le phénotype hyperglycémique discordant représentait 2,5 % des personnes dans l'étude originale, mais 55 à 76 % dans la population DT1. Par rapport au profil concordant, l'hémoglobine glyquée (HbA1c) était plus élevée dans le groupe hyperglycémique, tandis que des taux d'HbA1c plus faibles étaient associés au profil concordant. (à faible risque, plus proche de la population générale).
Le modèle actuel montre des améliorations sélectives par rapport à la notation conventionnelle
Ils ont ensuite comparé deux modèles de prédiction de survie spécifiques au sexe : l'un basé sur SCORE2, un outil de stratification du risque de MCV recommandé par la Société européenne de cardiologie qui intègre des biomarqueurs et d'autres variables liées au risque de MCV, et l'autre qui ajoutait les probabilités de profil assignées. L’objectif était d’identifier lequel était le plus performant pour prédire les événements cardiaques indésirables majeurs (MACE).
Les résultats ont montré que l’ajout de probabilités d’attribution de profils améliorait les prédictions dans des modèles, des résultats et des cohortes spécifiques, mais pas universellement.
Les tests de rapport de vraisemblance significatif, une approche de référence couramment utilisée pour comparer des modèles imbriqués, ont démontré une meilleure prédiction des complications macrovasculaires dans la cohorte KUL, bien que cela se soit limité aux hommes.
De même, la prédiction MACE s’est améliorée pour les hommes de la cohorte SIDIAP, tandis que la prédiction MACE étendue s’est améliorée pour les femmes de la même cohorte. De plus, la prédiction de la rétinopathie était améliorée chez les hommes de la cohorte KUL et chez les femmes de la cohorte DPV.
Ces résultats concordent avec les améliorations de la prédiction MACE rapportées par les auteurs originaux de l’étude, en particulier chez les hommes du Royaume-Uni.
Comparaison avec d'autres outils
En comparaison, il a été démontré que d’autres outils de prédiction des risques conçus pour le diabète, tels que la United Kingdom Prospective Diabetes Study (UKPDS) (principalement développée pour le diabète de type 2) et des outils spécifiques au DT1 tels que STENO-T1D, sous-estiment le risque de MCV dans le DT1 ou n’incluent pas l’IMC, contrairement au plus récent LIFE-T1D, qui prend également en compte les complications rénales et rétiniennes.
L’analyse des avantages nets favorise le modèle actuel
Lorsque l'on considère le bénéfice pour la population de l'utilisation de ces outils, plutôt que l'amélioration des performances prédictives seules, l'étude originale a montré le bénéfice net de l'utilisation de n'importe quel modèle, y compris ceux avec des données de profil discordantes, sur une plage de probabilités MACE allant jusqu'à 15 %, par rapport au traitement de personne ou de tout le monde (respectivement aucune intervention ou intervention universelle).
Avec un risque MACE de 10 % à 10 ans, ce modèle a identifié quatre personnes supplémentaires correctement traitées, tout en évitant 37 interventions inutiles pour 10 000 personnes testées.
Si seuls les patients DT1 étaient testés à l’aide de ce modèle, deux interventions supplémentaires seraient correctement réalisées à ce seuil (pour les hommes de la cohorte SIDIAP), tout en évitant 5 746 interventions inutiles pour 10 000 personnes testées, selon les estimations de l’analyse de la courbe de décision.
Les mécanismes spécifiques qui sous-tendent ces distinctions semblent remonter aux différences de glycémie à jeun entre les hommes et les femmes, aux différences de tension artérielle systolique chez les femmes et aux lipoprotéines de basse densité (LDL, « mauvais » cholestérol) chez les hommes. Ceux-ci représentent des cibles préventives potentielles pour réduire le risque de maladies cardiovasculaires dans cette population.
L'hyperglycémie chronique associée au DT1 peut masquer d'autres facteurs et profils de risque cardiovasculaire pertinents, ce qui rend la stratification du risque plus difficile. De plus, les voies de maladies cardiovasculaires chez les personnes ayant un bon contrôle glycémique peuvent différer de celles des personnes souffrant d'hyperglycémie.
Avantages de cette approche
Notamment, cette approche s'appuie sur des biomarqueurs cliniques collectés en routine et ne nécessite pas de tests spécialisés supplémentaires au-delà du rapport taille-hanche, une mesure facile à obtenir, et n'impose aucune charge supplémentaire au système de santé. Cependant, cela pourrait aider les cliniciens à déterminer quand et comment tester la prévention des maladies cardiovasculaires dans la population à risque de DT1, à condition qu'il soit intégré à la routine clinique, par exemple via des outils numériques accessibles au public. (par exemple, https://shiny.gbiomed.kuleuven.be/UMAP_app/), surtout si liés aux dossiers de santé électroniques.
En outre, même de petits progrès dans la capacité à identifier correctement les patients à haut et à faible risque sont importants pour identifier précocement les complications et les prévenir.
Limites potentielles
L'étude a utilisé des données transversales, alors que les données du monde réel changent avec le temps et pourraient modifier les profils de risque vers d'autres phénotypes. Des études longitudinales sont nécessaires pour retracer les changements dans ces profils dans la population générale et dans la population DT1.
Cependant, de nouvelles données suggèrent que les données transversales peuvent prédire les résultats aussi bien, voire mieux, que les données longitudinales et qu’elles sont plus faciles d’accès dans la pratique clinique quotidienne.
L'étude a utilisé des données européennes, ce qui limite sa généralisabilité.
Implications et orientations futures
Les résultats confirment la validité du modèle original lorsqu’il est étendu aux patients atteints de DT1. Il illustre également une association entre un meilleur contrôle glycémique et des profils à risque plus faible, plutôt que d'établir une réduction causale directe du risque de MCV, contrairement à des rapports antérieurs suggérant que le contrôle glycémique à lui seul ne peut pas influencer le risque de MCV.
Les futurs modèles de risque devraient inclure le contrôle de la glycémie dans la répartition des risques. Des études longitudinales pourraient aider à valider les catégories de risque basées sur l’IMC et à suivre l’évolution des profils de risque. Cela aiderait à développer des stratégies de prévention et de traitement adaptées au diabète de type 1.
Téléchargez votre copie PDF en cliquant ici.
