Développer des outils de planification des traitements du diabète
Le DT2 — une maladie complexe caractérisée par un taux de glycémie élevé — touche plus de 500 millions de personnes dans le monde. En 2021, les complications liées à cette maladie ont coûté environ 900 milliards d’EUR à l’économie mondiale, un chiffre qui devrait encore augmenter à l’avenir avec le vieillissement des populations et l’augmentation de l’obésité, de la mauvaise alimentation et de l’inactivité physique. Les patients atteints de DT2 présentent des degrés variables de résistance à l’insuline et d’altération de la sécrétion d’insuline, ce qui signifie que l’intensité du traitement et l’utilisation des services de santé diffèrent dans chaque cas. Il est urgent d’optimiser les traitements et l’utilisation des ressources de soins de santé avec des modèles de prévision individualisés basés sur les caractéristiques du patient. Les conclusions d’une nouvelle étude peuvent aider à mieux cerner le groupe hétérogène des patients atteints de DT2. Menée dans le cadre du projet HTx financé par l’UE, l’étude a fait appel à l’apprentissage automatique pour identifier les patients présentant un contrôle déficient de la glycémie. «L’identification des groupes de patients présentant des difficultés dans le cadre du traitement du DT2 constitue un outil susceptible d’aider les cliniciens à mieux planifier le traitement, ce qui permet également d’optimiser l’utilisation des ressources de soins de santé. Des soins plus intenses pourraient être alloués aux patients dont l’équilibre du traitement pose problème, tandis que ceux présentant des valeurs d’HbA1c appropriées et optimales pourraient bénéficier d’une surveillance moins fréquente de leur taux d’HbA1c», soulignent les auteurs de l’étude. Sur une période de six ans, les chercheurs ont étudié le contrôle glycémique de plus de 9 600 patients atteints de DT2 dans la région de Carélie du Nord en Finlande. Le contrôle glycémique des patients a été déterminé sur la base des taux de glycémie sur le long terme, estimés à l’aide de l’hémoglobine A1c (HbA1c).
Contrôle adéquat et inadéquat
À partir des données, l’équipe a identifié trois trajectoires d’HbA1c sur six ans. Pour 86,5 % des patients, le contrôle glycémique était stable et adéquat, pour 7,3 % il s’améliorait, mais était inadéquat, et pour 6,2 % il était considéré comme fluctuant et inadéquat. L’association des caractéristiques de base des patients, des facteurs cliniques et liés au traitement, et du statut socio-économique avec le contrôle glycémique a été évaluée à l’aide de méthodes d’apprentissage automatique. Plus de 200 caractéristiques de base ont été incluses comme variables. L’étude a révélé que l’utilisation de données sur la durée du DT2, les taux antérieurs d’HbA1c, la glycémie à jeun et l’utilisation de médicaments antidiabétiques permettent d’identifier de manière fiable les patients présentant un risque persistant d’hyperglycémie à tout moment de leur maladie. Cela signifie qu’un contrôle glycémique inadéquat pourrait être anticipé de manière fiable à partir des données systématiquement recueillies dans le cadre de la surveillance et de la prise en charge standard du diabète. Les auteurs de l’étude HTx (Next Generation Health Technology Assessment to support patient-centred, societally oriented, real-time decision-making on access and reimbursement for health technologies throughout Europe) concluent: «Nos conclusions suggèrent que l’hétérogénéité des résultats du traitement à long terme est prévisible en fonction des facteurs de risque propres au patient [sic]. Cela constitue un outil utile d’aide à la planification du traitement futur. Cependant, d’autres études sont nécessaires pour pouvoir effectuer des prévisions encore plus précises et personnalisées.» Pour plus d’informations, veuillez consulter: site web du projet HTx
Mots‑clés
HTx, diabète, diabète de type 2, apprentissage automatique, hémoglobine A1c, HbA1c, contrôle glycémique