Subtyping patients with chronic disease using longitudinal BMI patterns

Résumé technique : Sous-typage des patients atteints de maladies chroniques par les modèles longitudinaux de l'IMC

Énoncé du problème
L'obésité est un facteur de risque bien établi pour de nombreuses maladies chroniques majeures, notamment le diabète, le cancer et les maladies cardiovasculaires. Bien que la relation entre l'obésité et ces maladies ait été largement étudiée à l'aide de mesures transversales de l'IMC (données à un instant T), le rôle des trajectoires longitudinales de l'IMC (modèles de changement de poids au fil du temps) reste sous-exploré, particulièrement à grande échelle. La littérature existante suggère que les schémas d'obésité historiques sont critiques pour comprendre le risque de maladie, pourtant les méthodes prédictives traditionnelles échouent souvent à capturer ces dynamiques temporelles, tandis que les approches avancées d'apprentissage profond manquent fréquemment d'interprétabilité. Cette étude aborde cette lacune en examinant si les modèles d'obésité longitudinaux peuvent, à eux seuls, prédire le risque futur de développer 18 maladies chroniques majeures et en sous-typant les patients sur la base de ces modèles.

Méthodologie
L'étude a utilisé un vaste ensemble de données de dossiers de santé électroniques (DSE) géographiquement diversifié provenant du système athenahealth, couvrant environ 1,53 million d'individus (après filtrage des visites multiples) sur une période de six ans (2013–2018).

1. Définition de la cohorte : Les chercheurs ont défini 18 cohortes distinctes, une pour chaque maladie chronique majeure (par exemple, diabète, accident vasculaire cérébral, Alzheimer, cancer, hypertension). Chaque cohorte comprenait des patients diagnostiqués avec la maladie spécifique et un nombre égal de témoins sains sélectionnés de manière aléatoire. Une cohorte combinée de patients présentant l'une des 18 maladies a également été analysée.
2. Ingénierie des caractéristiques : Pour capturer les modèles d'obésité temporels tout en maintenant l'interprétabilité, neuf nouvelles caractéristiques ont été extraites des trajectoires de l'IMC individuelles :
   • Moyenne pondérée de l'IMC : Prend en compte les intervalles de temps irréguliers entre les visites.
   • Tendance : La moyenne pondérée des différences entre les valeurs d'IMC consécutives (première dérivée).
   • Comptage normalisé des hausses et des baisses : Mesure la fréquence des cycles de gain et de perte de poids (cycles de poids).
   • IMC maximum : La valeur d'IMC la plus élevée enregistrée.
   • Variation maximale de l'IMC : Le pic ou la chute la plus importante entre deux visites consécutives.
   • Catégories d'IMC de début et de fin : Variables catégorielles indiquant la classification de l'IMC (par exemple, insuffisance pondérale, obésité) au début et à la fin de la période d'observation.
   • Médiane de l'IMC : La tendance centrale de la trajectoire.
3. Clustering (Sous-typage) : L'algorithme de clustering k-means a été appliqué à chaque cohorte en utilisant les neuf caractéristiques extraites. Le nombre optimal de clusters a été déterminé via la méthode du coude (elbow method), et la qualité des clusters a été validée par les scores Silhouette et Calinski-Harabasz. Les auteurs ont comparé k-means au clustering hiérarchique et au Deep Temporal Clustering (DTC), constatant que k-means produisait les clusters les plus distincts et non chevauchants.
4. Analyse : Les clusters identifiés ont été analysés selon des caractéristiques démographiques (âge, sexe, race), socio-économiques (revenu, assurance) et physiologiques (HbA1c, pression artérielle, LDL). Les risques relatifs d'incidence de la maladie ont été calculés pour les clusters dominés par des cas positifs par rapport aux cas négatifs.

Principales contributions

• Ensemble de caractéristiques interprétables : Les auteurs ont défini une série de neuf caractéristiques interprétables et fondées sur des preuves, dérivées des valeurs longitudinales de l'IMC. Contra-irement aux méthodes de régression qui peuvent manquer des modèles temporels ou aux modèles d'apprentissage profond qui agissent comme des « boîtes noires », ces caractéristiques capturent explicitement la tendance, la saisonnalité et l'irrégularité dans les données d'IMC.
• Validation de la pertinence temporelle : L'étude a démontré que les caractéristiques capturant les modèles d'IMC temporels sont directement associées à l'incidence de maladies spécifiques, incluant l'obésité, le diabète, le cancer, l'hypertension, l'AVC, la démence et d'autres.
• Sous-typage des patients : La recherche a réussi à identifier des sous-types de patients (clusters) distincts pour huit des 18 maladies étudiées. Ces sous-types présentent des modèles d'incidence de maladie distinguables et sont caractérisés par des profils démographiques, socio-économiques et physiologiques uniques.

Résultats
L'analyse de clustering a révélé des modèles notables et distincts dans 8 des 18 cohortes de maladies chroniques. Les 10 maladies restantes n'ont pas montré de sous-types distincts liés à l'IMC, potentiellement en raison d'un nombre insuffisant de cas positifs ou de l'absence d'un signal fort lié uniquement à l'IMC.

• Diabète : Deux clusters (2 et 3) présentaient une forte concentration de patients diabétiques (60,83 % et 57,28 %, respectivement). Ces groupes étaient caractérisés par des risques physiologiques plus élevés (HbA1c, pression artérielle, LDL élevés), des revenus plus faibles et des tendances d'IMC restant au-dessus de 30 avec peu de baisse.
• Cancer : Le cluster 2 présentait un risque plus élevé de cancer (59,68 % de cas positifs) avec des tendances d'IMC élevées (>40), tandis que le cluster 3 comprenait principalement des individus en bonne santé mais avec des mesures physiologiques moins bonnes et une tendance d'IMC plus faible.
• Hypertension : Le cluster 5 présentait un risque d'hypertension 1,66 fois plus élevé que le cluster 2. Le cluster 5 affichait des tendances d'IMC plus élevées, des revenus plus faibles et une proportion plus élevée de patients noirs ou afro-américains.
• Alzheimer/Démence : Les clusters 2 et 3, composés de personnes âgées présentant des tendances d'IMC élevées ou un IMC élevé stable, présentaient des risques significativement plus élevés (2,93 et 2,51 fois) par rapport au cluster 1.
• Obésité : La cohorte d'obésité a présenté les modèles les plus distincts. Les clusters 2 et 3 présentaient des risques d'obésité extrêmement élevés (29,7 et 32,87 fois plus élevés que le cluster 1) et étaient caractérisés par des individus plus jeunes/d'âge moyen avec un LDL et une pression artérielle élevés.
• Fracture de la hanche/Ostéoporose : Une relation inverse a été observée ; les clusters avec plus de cas positifs (fractures) présentaient des mesures physiologiques comparativement plus saines, tandis que les clusters avec des conditions de santé plus dégradées présentaient moins de cas positifs.
• Cohorte combinée : L'analyse des patients présentant l'une des 18 maladies a révélé que les clusters malades présentaient généralement de moins bonnes mesures physiologiques et des revenus inférieurs par rapport à la cohorte asymptatique (saine), avec des disparités raciales et géographiques significatives.

Signification et affirmations
L'article affirme que les modèles longitudinaux de l'IMC peuvent, à eux seuls, sous-typer efficacement les individus à risque de maladies chroniques spécifiques, rétablissant ainsi la relation directe entre les trajectoires d'obésité et des maladies telles que le diabète, l'hypertension et la démence. L'étude souligne que le sous-typage des patients basé sur les trajectoires de l'IMC corrobore le rôle de l'obésité comme facteur de maladies chroniques majeures, révélant des sous-groupes distincts dotés de caractéristiques démographiques et physiologiques spécifiques.

Les auteurs adoptent une position modeste, notant que bien que les modèles d'IMC soient significatifs, les maladies chroniques résultent d'interactions complexes de nombreuses covariables. Ils reconnaissent les limites, notamment l'absence de cohortes séparées homme/femme pour préserver la taille de l'échantillon, et le recours à des caractéristiques interprétables plutôt qu'à des modèles d'apprentissage profond plus complexes et moins interprétables (comme les RNN ou les transformers) qui pourraient révéler des modèles cachés si des ensembles de données plus vastes étaient disponibles. L'étude conclut que ces résultats soutiennent les directives existantes (par exemple, le dépistage du diabète chez les personnes en surpoids âgées de 40 à 59 ans) et suggèrent que les recherches futures devraient explorer les tendances de l'IMC en conjonction avec d'autres covariables.