Reliability and Structure of Diabetes Diet Adherence Scale (D-DAS): A Follow-up Study among Type 2 Diabetes Patients of India

Cette étude de suivi menée en Inde sur 120 patients diabétiques de type 2 a validé la fiabilité et la structure du D-DAS, une échelle de mesure de l'adhésion au régime alimentaire, révélant un taux d'adhésion modéré (68,3 %) et soulignant la nécessité d'interventions ciblées pour améliorer la gestion de la maladie.

L'essentiel

🍽️ Le Défi : Manger "Bien" quand on a du Diabète

Imaginez que le diabète de type 2 est comme un moteur de voiture très sensible. Pour qu'il tourne bien, il a besoin d'un carburant très spécifique (un régime alimentaire précis). Les médecins donnent les instructions : "Mangez ceci, évitez cela".

Mais le problème, c'est que suivre ces instructions est l'un des exercices les plus difficiles pour les patients. C'est comme essayer de changer ses habitudes de toute une vie, jour après jour, face à des plats délicieux, des traditions familiales et un budget serré.

En Inde, les médecins se demandaient souvent : "Est-ce que nos patients suivent vraiment le régime qu'on leur a donné ?" Le problème, c'est qu'ils n'avaient pas de règle à mesurer fiable pour le vérifier. Ils avaient une règle en bois (imprécise) au lieu d'une règle en métal (précise).

🔍 La Mission : Créer la "Règle de Mesure" (Le D-DAS)

C'est là qu'intervient l'équipe de chercheurs de l'Institut PGIMER à Chandigarh. Leur mission était de créer et de tester un nouvel outil, appelé D-DAS (Échelle d'Adhésion au Régime Diabétique).

Ils voulaient savoir :

1. Est-ce que cet outil mesure vraiment ce qu'il doit mesurer ? (Est-ce une bonne règle ?)
2. Est-il fiable ? (Si on l'utilise deux fois, donne-t-il le même résultat ?)
3. Comment les patients indiens se débrouillent-ils réellement avec leur régime ?

🛠️ Comment ils ont fait l'expérience ?

Imaginez que vous êtes un détective culinaire.

• Les suspects : 120 patients diabétiques.
• L'enquête : Pendant 4 mois, les chercheurs ont suivi ces patients. Ils ne les ont pas juste laissés seuls ; ils les ont appelés chaque mois et envoyé des SMS pour les encourager, un peu comme un coach personnel dans votre poche.
• L'outil : À la fin, ils ont utilisé le nouveau questionnaire (D-DAS) pour voir qui avait bien suivi le plan et qui avait dévié.

Ils ont utilisé des mathématiques très sophistiquées (comme des rayons X pour voir la structure des réponses) pour s'assurer que le questionnaire fonctionnait bien. Ils ont même éliminé certaines questions qui ne servaient à rien, comme on retire les pièces rouillées d'une machine pour qu'elle soit plus efficace.

📊 Ce qu'ils ont découvert (Les Résultats)

Voici le verdict de l'enquête, traduit en langage simple :

1. La règle fonctionne ! 🎉
   Le questionnaire D-DAS est solide. Il est fiable et mesure vraiment l'adhésion au régime. C'est comme avoir enfin une balance de cuisine précise au lieu d'estimer le poids à l'œil nu.

2. Le score de l'équipe : 📉
   Sur 100 patients, environ 68 ont bien suivi leur régime (c'est plutôt bien !). Mais 32 ont eu du mal à tenir le coup.

   • L'analogie : Imaginez une course de relais. La majorité de l'équipe a couru vite, mais un tiers a trébuché ou a ralenti.

3. Le problème n'est pas la volonté, mais la pratique :
   L'étude montre que les patients savent quoi manger, mais ils butent sur la réalité du quotidien (le coût, la disponibilité des aliments, les habitudes familiales). C'est comme essayer de faire du vélo avec des pneus crevés : même si vous pédalez fort, ça ne va pas vite.

💡 Pourquoi c'est important pour tout le monde ?

Cette étude est une boussole pour les médecins indiens.

• Avant : Ils devaient deviner si le patient mangeait bien.
• Maintenant : Ils peuvent utiliser le D-DAS comme un outil de diagnostic rapide. Si le score est bas, le médecin sait immédiatement : "Ah, ce patient a des difficultés pratiques, pas un manque de volonté. Je dois l'aider à trouver des solutions concrètes (moins chères, plus faciles à cuisiner)."

🚀 Conclusion : La suite des événements

L'étude conclut que si nous voulons mieux soigner le diabète en Inde, il ne suffit pas de donner une liste de courses. Il faut :

1. Utiliser cet outil pour repérer les patients en difficulté.
2. Adapter les conseils à la réalité du patient (ce qu'il peut se payer, ce qu'il aime).
3. Changer les politiques pour que les aliments sains soient accessibles à tous.

En résumé, cette recherche a forgé un nouvel outil de précision pour aider les patients diabétiques à rester sur la bonne voie, transformant un défi quotidien en une tâche plus gérable pour tous.

Résumé technique

1. Problématique et Contexte

La gestion du diabète de type 2 repose fondamentalement sur la thérapie nutritionnelle médicale (MNT). Cependant, l'adhésion des patients aux régimes alimentaires prescrits reste un défi majeur, avec des taux de non-conformité variant considérablement (de 2,2 % à 87,5 %). Bien que des échelles existent pour mesurer l'adhésion médicamenteuse ou à d'autres régimes (comme le régime méditerranéen), aucune échelle validée spécifiquement pour mesurer l'adhésion au régime prescrit pour le diabète n'existait auparavant pour la population indienne. Cette lacune entrave la capacité des professionnels de santé à évaluer précisément les obstacles à l'adhésion et à adapter les interventions.

2. Méthodologie

L'étude est une étude de suivi non randomisée d'une seule cohorte menée sur une période de quatre mois au sein du département d'endocrinologie du PGIMER (Chandigarh, Inde).

• Population : 120 patients atteints de diabète de type 2 recrutés au départ (104 ont complété l'étude, soit un taux d'attrition de 14 %).
• Intervention : Les patients ont reçu un plan alimentaire personnalisé basé sur les recommandations du Conseil indien de la recherche médicale (ICMR), adapté à l'accessibilité et au coût local. Un suivi mensuel par téléphone et des messages textes bimensuels ont été mis en place pour soutenir l'adhésion.
• Instrument : Utilisation de l'échelle D-DAS (Diabetes Diet Adherence Scale), initialement développée en anglais (Mohammed et al., 2019), traduite et validée culturellement en hindi selon les protocoles internationaux (traduction avant/arrière, validation par un panel d'experts, pré-test cognitif).
• Analyses Statistiques Avancées :
  • Analyse des Correspondances Multiples (MCA) : Pour identifier les dimensions sous-jacentes et la structure des variables catégorielles.
  • Analyse Factorielle Confirmatoire (CFA) : Utilisant l'estimateur WLSMV (Weighted Least Squares Mean and Variance Adjusted) pour gérer la non-normalité des données et les variables catégorielles.
  • Mesures de Fiabilité : Utilisation de l'omega de McDonald ($\omega$) et du lambda de Guttman ($\lambda_2$) plutôt que du coefficient alpha de Cronbach, car l'hypothèse de tau-équivalence n'était pas respectée dans les données.
  • Théorie de la Réponse à l'Item (IRT) : Modèle logistique à deux paramètres (2PL) pour évaluer la discrimination et la difficulté des items.
  • Analyse des Classes Latentes (LCA) : Pour déterminer les seuils de coupure et identifier des profils distincts d'adhésion (faible vs élevée).

3. Contributions Clés

• Validation Transculturelle : Première validation psychométrique de l'échelle D-DAS pour la population indienne, incluant une adaptation linguistique rigoureuse (anglais-hindi).
• Raffinement de l'Échelle : L'étude a permis d'identifier qu'une version de 7 items (D1-D7) était statistiquement supérieure à la version originale de 10 items. Les items D8, D9 et D10 (liés à la consommation de fruits, légumes et graisses sans lien direct avec le plan prescrit spécifique) ont montré une faible discrimination et n'ont pas convergé dans le modèle IRT.
• Approche Méthodologique Rigoureuse : L'application combinée de MCA, CFA, IRT et LCA offre une validation multidimensionnelle robuste, dépassant les simples analyses de fiabilité interne traditionnelles.

4. Résultats Principaux

• Structure Factorielle :
  • La MCA a révélé que la première dimension expliquait la majeure partie de la variance, séparant clairement les comportements de non-adhésion des comportements d'adhésion.
  • La CFA a confirmé une structure à un facteur pour les 7 items retenus, avec un bon ajustement global (CFI = 0,981 ; TLI = 0,975 ; RMSEA = 0,056). Bien que le SRMR soit légèrement élevé (0,144), les autres indices soutiennent la validité du modèle.
• Fiabilité et Validité :
  • Fiabilité : L'omega de McDonald et le lambda de Guttman sont tous deux de 0,836, indiquant une excellente cohérence interne.
  • Validité Convergente : La fiabilité composite (CR) est de 0,900 et la variance moyenne expliquée (AVE) est de 0,565, confirmant que les items mesurent bien le construit latent d'adhésion.
  • IRT : Les items D2, D3, D4 et D7 ont montré une discrimination excellente ($a_i > 2,0$).
• Taux d'Adhésion :
  • Selon l'analyse des classes latentes (LCA), 68,3 % des participants ont été classés dans le groupe à « haute adhésion », tandis que 31,7 % présentaient une « non-adhésion ».
  • Aucune différence significative n'a été observée selon le genre, la consommation d'alcool, le tabagisme ou l'IMC.
• Limites notées : L'échantillon (n=104 à la fin) était sous-dimensionné pour la stabilité de la CFA et de la LCA, et l'utilisation de mesures auto-rapportées introduit un risque de biais de désirabilité sociale.

5. Signification et Implications

• Outil Clinique : Le D-DAS (version 7 items) est désormais un outil fiable et valide pour évaluer l'adhésion au régime alimentaire chez les patients diabétiques indiens. Il permet aux cliniciens d'identifier précocement les patients à risque de non-adhésion.
• Prise en Charge Personnalisée : La distinction entre les items liés aux « lacunes d'implémentation » (D1-D7) et les autres comportements aide à cibler les interventions : résoudre des barrières pratiques pour les premiers, et travailler sur la motivation ou l'autorégulation pour les seconds.
• Politique de Santé : Les résultats soulignent la nécessité d'interventions ciblées et de politiques alimentaires pour améliorer l'accessibilité et l'abordabilité des régimes sains en Inde, afin de soutenir l'adhésion à long terme.
• Intégration Numérique : L'étude suggère que l'échelle peut être facilement intégrée dans des pratiques cliniques via des outils numériques (QR codes, tablettes avec synthèse vocale pour les patients analphabètes), facilitant le suivi à grande échelle.

En conclusion, cette étude comble un vide méthodologique crucial en fournissant un instrument validé pour la recherche et la pratique clinique en Inde, tout en mettant en lumière le besoin persistant d'améliorer l'adhésion aux régimes alimentaires pour un meilleur contrôle glycémique.