Socioeconomic and lifestyle factors predict the association between sleep health and depression

Résumé technique : Les facteurs socioéconomiques et de mode de vie prédisent l'association entre la santé du sommeil et la dépression

Énoncé du problème
La santé du sommeil (SS) et la dépression sont des construits multidimensionnels présentant une relation bidirectionnelle bien établie ; cependant, leurs déterminants communs restent mal compris, particulièrement au niveau individuel. La recherche antérieure s'est largement appuyée sur des comparaisons de groupe ou des corrélations univariées examinant des caractéristiques de sommeil individuelles (ex. : l'insomnie) par rapport aux scores de dépression totaux. Ces approches ne parviennent pas à capturer la nature complexe et multiforme du nexus sommeil-dépression ni à rendre compte de la variabilité interindividuelle. De plus, bien que les facteurs socioéconomiques et de mode de vie soient connus pour influencer ces deux conditions indépendamment, il reste incertain de la manière dont ces facteurs modifiables façonnent la variance partagée entre la SS et la dépression. L'étude vise à identifier les principaux prédicteurs socioéconomiques et de mode de vie de la « dépression liée au sommeil » (DLS) — un nouveau construit représentant la dimension spécifique des symptômes dépressifs qui co-varie avec les caractéristiques de la SS — et à évaluer la généralisabilité de ces prédicteurs à travers des échantillons de la population générale et de la dépression clinique.

Méthodologie
L'étude a utilisé les données de la UK Biobank, analysant quatre domaines : les composantes de la santé du sommeil, les symptômes dépressifs, les variables socioéconomiques et les facteurs de mode de vie. Le cadre d'analyse a employé une approche de validation croisée imbriquée pour éviter la fuite de données et maximiser l'utilisation des données :

1. Dérivation des scores de DLS : Une analyse de corrélation canonique régularisée (rCCA) a été effectuée sur un sous-échantillon principal de la population générale (GP1 ; n = 87 405) pour identifier des phénotypes latents. La première variable canonique de la dépression, qui maximisait la corrélation avec les variates de la SS, a été utilisée pour calculer les scores de DLS au niveau individuel.
2. Modélisation prédictive : Des modèles d'apprentissage automatique (ML) (incluant Ridge, LASSO, Elastic Net, Random Forest, XGBoost et la régression par vecteurs de support) ont été entraînés dans GP1 pour prédire les scores de DLS en utilisant les facteurs socioéconomiques et de mode de vie comme caractéristiques d'entrée. XGBoost a démontré la meilleure performance.
3. Validation : Le modèle le plus performant a été validé dans des sous-échantillons indépendants :
   • GP2 : Un sous-échantillon de la population générale (n = 5 187) évalué à l'inclusion et lors d'un suivi à 9,2 ans.
   • CD : Un sous-échantillon de dépression clinique (n = 7 454) comprenant des individus avec des diagnostics ICD-10 d'épisodes dépressifs ou prenant des antidépresseurs. Note : Dans l'échantillon CD, la rCCA a été ré-entraînée pour tenir compte de l'association multivariée plus forte observée chez les patients cliniques avant d'appliquer le modèle XGBoost entraîné sur GP1.
4. Analyses complémentaires : L'étude a examiné les contributions différentielles des prédicteurs à travers d'autres phénotypes latents, incluant la dépression liée au sommeil (DLS), la dépression non liée au sommeil (DNLS), le sommeil non lié à la dépression (SND) ainsi que la SS globale et la dépression globale.
5. Importance des caractéristiques : Les valeurs SHapley Additive exPlanations (SHAP) ont été utilisées pour quantifier les contributions des caractéristiques et évaluer l'hétérogénéité entre les sous-groupes d'âge et de sexe.

Résultats clés

• Association multivariée : Une association multivariée robuste a été identifiée entre la SS et la dépression dans GP1 (corrélation canonique $r = 0,42$, $P_{FDR} < 0,001$). Les composantes de la SS les plus liées à la dépression étaient l'insomnie et la difficulté à se lever le matin ; la composante de dépression la plus forte était la fréquence de la fatigue ou de la léthargie.
• Performance prédictive : Les facteurs socioéconomiques et de mode de vie ont prédit modérément les scores de DLS dans GP1 ($r = 0,25$ ; $R^2 = 0,06$). Le modèle a surpassé un modèle uniquement démographique.
• Principaux prédicteurs : Les prédicteurs les plus significatifs de scores de DLS élevés étaient :
  • Moindre fréquence de confidence auprès d'autrui (connexion sociale).
  • Visionnage de télévision plus sédentaire.
  • Activité physique vigoureuse moins fréquente.
  • Exposition plus grande au tabagisme passif (à l'extérieur de l'habitat).
• Généralisabilité : Le modèle prédictif a montré des schémas similaires dans GP2 à l'inclusion et au suivi, ainsi que dans le sous-échantillon de dépression clinique (CD). Bien que la performance soit moindre pour prédire les scores de DLS de suivi basés sur les caractéristiques initiales, les principaux prédicteurs sont restés stables à travers tous les échantillons de validation.
• Différences de sous-groupes : Le tabagisme passif était un prédicteur plus fort chez les adultes plus jeunes (<65 ans) et les hommes, tandis que l'activité physique vigoureuse était plus critique pour les adultes plus âgés (≥65 ans) et les femmes.
• Profils distincts : Les analyses complémentaires ont révélé que les prédicteurs différaient selon le type de profil. Le manque de confidence et le visionnage de télévision prédisaient principalement les profils liés à la dépression (DNLS, dépression globale). En revanche, la fréquence de consommation d'alcool, la marche moins fréquente et le moins de temps passé à l'extérieur en hiver étaient les principaux prédicteurs pour les profils de mauvaise santé du sommeil (SND, SS globale).

Signification et affirmations
L'article affirme que son approche systématique parvient à démêler les dimensions latentes partagées et distinctes sous-jacentes à la relation entre la santé du sommeil et la dépression. En identifiant un modèle prédictif généralisable, l'étude souligne des facteurs socioéconomiques et de mode de vie modifiables critiques qui pourraient servir de cibles pour des interventions personnalisées.

Les auteurs soulignent que bien que les tailles d'effet soient modestes (expliquant 6 à 11 % de la variance), les résultats mettent en évidence l'impact à long terme des facteurs de mode de vie initiaux sur l'interaction sommeil-dépression. Les résultats suggèrent que les interventions ciblant la connexion sociale (confidence), le comportement sédentaire, l'activité physique et l'exposition au tabagisme peuvent atténuer simultanément les troubles du sommeil et les symptômes dépressifs. L'étude conclut que ces facteurs modifiables offrent des pistes potentielles pour des stratégies de prévention visant à réduire le fardeau interrelié de la mauvaise santé du sommeil et de la dépression, bien que les auteurs avertissent que la conception observationnelle empêche toute inférence causale.