The Case Against the 'S': Is Functional Neurological Disorder(s) One Condition or Many?

Cette étude démontre, grâce à une comparaison bayésienne de modèles appliquée aux données de 697 patients, que le trouble neurologique fonctionnel (FND) constitue une entité unique avec un phénotype hétérogène plutôt qu'une collection de maladies distinctes.

L'essentiel

🧩 Le Grand Mystère du "S" : Une seule maladie ou plusieurs ?

Imaginez que vous êtes un détective médical. Vous avez devant vous un grand groupe de patients qui souffrent tous d'un problème nerveux étrange appelé Trouble Neurologique Fonctionnel (TNF). Ces gens ont des symptômes très variés : certains ne peuvent plus marcher, d'autres ont des tremblements, d'autres encore ont des troubles de la parole ou de la vision.

Le grand débat parmi les médecins et les chercheurs est le suivant :

• Hypothèse A : Tous ces patients ont une seule et même maladie, mais elle se manifeste de 100 façons différentes (comme un caméléon qui change de couleur).
• Hypothèse B : En réalité, il n'y a pas une seule maladie, mais plusieurs maladies différentes que l'on a malheureusement collées ensemble sous le même nom.

Les auteurs de cette étude (David Palmer, Mark Edwards et Jason Mattingley) ont décidé de trancher ce débat non pas avec des opinions, mais avec des mathématiques.

🕵️‍♂️ L'Enquête : Deux théories en compétition

Pour résoudre le mystère, ils ont comparé deux modèles mathématiques, comme on comparerait deux cartes pour trouver le meilleur chemin.

1. Le Modèle "Spectre Continu" (Hypothèse A) : Imaginez une palette de couleurs. La maladie est une seule teinte, mais elle peut être plus ou moins claire, plus ou moins foncée, ou mélangée à d'autres couleurs. Les symptômes varient doucement d'une personne à l'autre. C'est comme une rampes : on glisse doucement d'un état à l'autre.
2. Le Modèle "Boîtes Séparées" (Hypothèse B) : Imaginez une étagère avec plusieurs boîtes distinctes. Chaque boîte contient un type de maladie différent. Si vous êtes dans la boîte rouge, vous avez la maladie rouge. Si vous êtes dans la boîte bleue, c'est la maladie bleue. Il y a des murs entre elles. C'est comme des escaliers : on passe d'une marche à l'autre, mais on ne peut pas être "entre" deux marches.

📊 L'Expérience : 697 témoins

Les chercheurs ont pris les données de 697 personnes atteintes de TNF. Ils ont regardé quels symptômes chacune d'elles avait (faiblesse, troubles de la marche, dépersonnalisation, etc.) et ont demandé à leurs ordinateurs : "Quelle carte explique le mieux la réalité ? La rampe ou les escaliers ?"

🏆 Le Verdict : La Rampe Gagne !

Les résultats sont clairs et sans équivoque :

• Le modèle de la rampe (une seule maladie) a expliqué les données beaucoup mieux que le modèle des boîtes séparées.
• Quand ils ont essayé de forcer les patients à entrer dans des "boîtes" (catégories distinctes), les résultats étaient flous. Beaucoup de patients se trouvaient "entre deux boîtes", comme s'ils étaient collés aux murs.
• En fait, les "groupes" que l'on croyait voir n'étaient que des coupures artificielles dans un continuum fluide.

L'analogie du nuage :
Imaginez un nuage. Vous pouvez essayer de le découper en plusieurs morceaux distincts avec un couteau (les boîtes séparées), mais ce sera arbitraire. Le nuage est en réalité une seule masse de vapeur d'eau qui change de forme doucement. C'est exactement ce que l'étude dit du TNF : c'est un "nuage" de symptômes, pas une collection de blocs de pierre séparés.

💡 Ce que cela signifie pour vous

1. C'est une seule maladie (pour l'instant) : Même si les causes peuvent être différentes (stress, traumatisme, génétique), le cerveau semble utiliser un seul mécanisme pour produire les symptômes. C'est comme si plusieurs routes différentes (les causes) menaient toutes au même embouteillage (les symptômes).
2. Oubliez les étiquettes rigides : Essayer de dire "Vous avez le type A" ou "Vous avez le type B" de TNF n'est pas très utile, car les symptômes se mélangent et changent doucement d'une personne à l'autre.
3. L'avenir de la recherche : Au lieu de chercher à trier les patients dans des cases, les médecins devraient se concentrer sur l'intensité des symptômes et sur ce qui déclenche la maladie chez chaque individu.

En résumé

Cette étude nous dit que le Trouble Neurologique Fonctionnel est probablement une seule entité complexe et fluide, et non une collection de maladies différentes. C'est une bonne nouvelle pour la recherche : au lieu de chercher à comprendre 10 maladies différentes, les scientifiques peuvent se concentrer sur la compréhension d'un seul mécanisme fondamental qui se décline de mille façons.

Note : Cette étude est basée sur des données préliminaires (preprint) et n'a pas encore été validée par un comité de pairs, mais elle apporte un éclairage mathématique très fort sur la nature de cette condition.

Résumé technique

1. Problématique

Le trouble neurologique fonctionnel (TNF ou FND en anglais) est l'une des affections les plus courantes en neurologie, mais l'une des moins étudiées. Un débat fondamental persiste quant à la nature nosologique de cette condition :

• Hypothèse 1 : Le TNF est une entité unique avec une expression phénotypique hétérogène (variations dimensionnelles continues).
• Hypothèse 2 : Le TNF regroupe plusieurs entités distinctes (sous-types discrets) qui ont été erroneusement amalgamées sous une même étiquette diagnostique.

Cette distinction est cruciale car elle influence les hypothèses sur l'étiologie, le pronostic, les approches thérapeutiques et la conception des études scientifiques. L'article vise à trancher ce débat par des preuves empiriques plutôt que par des modèles conceptuels ou des intuitions cliniques.

2. Méthodologie

Les auteurs ont abordé la question comme un problème de comparaison de modèles statistiques, en utilisant des données de symptômes auto-déclarés provenant de 697 patients atteints de TNF issus de la base de données FND Research Connect.

• Données : Présence/absence de 19 symptômes spécifiques sur les deux mois précédant l'enquête.
• Approche comparative :
  1. Modèles de traits latents (Latent Trait Models) : Représentent le TNF comme une entité unique où la variation des symptômes est continue le long de dimensions latentes (modèles binaires/facteurs).
  2. Analyses de classes latentes (Latent Class Analysis - LCA) : Représentent le TNF comme composé de plusieurs entités discrètes (classes catégorielles), chacune générant un profil de symptômes spécifique.
• Procédure d'ajustement :
  • Les modèles LCA ont été ajustés pour un nombre de classes allant de 1 à 8.
  • Les modèles de traits latents ont été ajustés séquentiellement jusqu'à 5 traits (le modèle à 5 traits étant le point de convergence avant que l'ajout d'un trait ne détériore l'ajustement).
• Critère de sélection : Comparaison des modèles via la densité logarithmique prédictive moyenne croisée (K-fold cross-validated mean log predictive density).
• Analyses secondaires : Pour les modèles LCA, les auteurs ont examiné :
  • Le nombre effectif de classes ($K_{eff}$).
  • L'incertitude d'appartenance postérieure (masse de frontière).
  • Des embeddings (représentations) de faible dimension pour visualiser la similarité des symptômes.

3. Résultats Clés

• Performance des modèles : Tous les modèles de traits latents (sauf le modèle à 1 dimension) ont mieux ajusté les données que le meilleur modèle de classe latente.
  • La différence de densité logarithmique prédictive entre le meilleur modèle continu (traits latents) et le meilleur modèle discret (LCA) était de 0,12, ce qui correspond à une augmentation d'environ 13 % de la probabilité prédictive en faveur du modèle continu.
• Analyse des classes latentes (LCA) :
  • Le meilleur modèle LCA (5 classes) présentait un nombre effectif de classes ($K_{eff}$) de 1,38, indiquant que les données des patients occupaient en moyenne moins de 1,5 classe, suggérant une forte superposition.
  • Une incertitude postérieure substantielle a été observée : 22,4 % des patients avaient une probabilité d'appartenance à leur classe la plus probable inférieure à 0,8.
  • Les visualisations en 2D (basées sur la distance de Jaccard) ont montré un chevauchement important entre les catégories, sans espaces vides nets, ce qui est compatible avec une variation continue plutôt que des sous-groupes discrets.
• Structure des symptômes (Modèle à 4 dimensions) : Après rotation Varimax, les quatre dimensions principales identifiées regroupaient les symptômes suivants :
  1. Faiblesse, trouble de la marche, symptômes somatosensoriels.
  2. Troubles de la parole.
  3. Dépersonnalisation/déréalisation et dystonie.
  4. Acouphènes, problèmes d'élimination et symptômes visuels.

4. Contributions et Signification

• Preuve empirique de l'unité du TNF : L'étude fournit la première preuve statistique robuste suggérant que la structure symptomatique du TNF résulte d'un seul processus pathophysiologique (ou d'une voie commune dominante), se manifestant sous forme de variations dimensionnelles continues plutôt que de catégories discrètes.
• Réfutation des sous-types symptomatiques : Les résultats contredisent l'hypothèse selon laquelle le TNF est un regroupement de maladies distinctes basées sur des clusters de symptômes. Les "classes" identifiées par des méthodes catégorielles semblent être des artefacts de la discrétisation d'une variation continue sous-jacente.
• Implications pour la recherche et la clinique :
  • La stratification des patients devrait se concentrer sur la variation dimensionnelle, les facteurs de risque, les trajectoires longitudinales et la réponse au traitement, plutôt que sur des clusters de symptômes catégoriels.
  • Même si plusieurs processus causaux en amont existent, ils convergent vers une voie commune qui détermine le phénotype clinique.
  • Les sous-groupes psychologiques précédemment identifiés sont probablement des facteurs de risque ou des modificateurs, et non des entités pathophysiologiques distinctes.
• Limites et robustesse : Bien que les données soient auto-déclarées et binaires (ce qui pourrait théoriquement masquer la sévérité), les auteurs notent que ces limitations biaisent généralement l'analyse vers la détection de sous-groupes catégoriels. Le fait que le modèle continu ait tout de même mieux fonctionné renforce la validité de la conclusion.

En conclusion, l'article plaide pour l'abandon du pluriel "Functional Neurological Disorders" au profit d'une vision unifiée du TNF comme une entité unique à phénotype hétérogène, guidant ainsi les futures recherches vers des mécanismes communs plutôt que vers des sous-types symptomatiques.