Risk Factors and Screening Model for Sarcopenia among Community-Dwelling Older Adults: Development and Internal Validation with a WeChat Mini-Program Tool

Résumé technique : Facteurs de risque et modèle de dépistage de la sarcopénie chez les personnes âgées vivant en communauté

Énoncé du problème
La sarcopénie, un syndrome lié à l'âge caractérisé par une perte progressive de la masse et de la fonction musculaires squelettiques, augmente considérablement le risque de chutes, d'incapacité et de mortalité chez les personnes âgées. Bien que la prévalence dans les populations chinoises vivant en communauté soit estimée à environ 17 %, le dépistage systématique à grande échelle reste limité. Les critères de diagnostic actuels (AWGS 2019) nécessitent un équipement spécialisé pour mesurer la masse musculaire, la force et la performance physique, ce qui est souvent indisponible dans les structures de soins primaires. Les outils de dépistage rapide existants, tels que le questionnaire SARC-F, souffrent d'une faible sensibilité dans les populations asiatiques (30 % – 50 %) et alourdissent la charge de travail des infirmiers communautaires. Il existe un besoin critique pour une méthode de dépistage non invasive et sans équipement, utilisant des données déjà collectées lors des examens de santé de routine afin de permettre une identification opportuniste de l'identification des individus à risque, dirigée par le personnel infirmier.

Méthodologie
Cette étude transversale monocentrique respecte la déclaration TRIPOD et a été menée entre décembre 2021 et juillet 2022 à Dali, Yunnan, Chine.

• Participants : 626 adultes vivant en communauté âgés de ≥60 ans ont été inclus. L'échantillon a été divisé de manière aléatoire en une cohorte de développement (n=438) et une cohorte de validation interne (n=188) selon un ratio de 7:3.
• Collecte de données : Toutes les variables prédictives proviennent des composantes de l'examen de santé de routine du Programme national de service de santé publique de base en Chine. Cela comprenait des mesures anthropométriques, des enquêtes sur le mode de vie et la biochimie sanguine.
• Définition du résultat : La sarcopénie a été diagnostiquée par des cliniciens agréés selon les critères de l'Asian Working Group for Sarcopenia (AWGS) 2019, évaluant la masse musculaire (via la bioimpédance), la force musculaire (préhension de la main) et la performance physique (vitesse de marche).
• Analyse statistique : Des analyses univariées ont identifié les variables candidates, qui ont ensuite été introduites dans une régression logistique binaire par étapes pour identifier les facteurs de risque indépendants. Le modèle prédictif a été construit à l'aide des coefficients de régression. La performance du modèle a été évaluée à l'aide de l'aire sous la courbe (AUC), du test de Hosmer–Lemeshow (H-L) pour le calibrage, de la sensibilité, de la spécificité et de l'indice de Youden pour déterminer le seuil de probabilité optimal.
• Développement de l'outil : Un mini-programme WeChat a été développé pour automatiser le calcul du risque basé sur le modèle de régression logistique, permettant une utilisation au point de soin.

Contributions clés

1. Identification de six indicateurs de routine : L'étude a identé six facteurs de risque indépendants pour la sarcopénie prévalente qui sont couramment collectés lors des bilans de santé standards : le sexe, l'indice de masse corporelle (IMC), la fréquence de l'exercice physique, la durée de chaque séance d'exercice, l'albumine sérique et le cholestérol total.
2. Modèle prédictif de haute performance : Un modèle de régression logistique a été développé en utilisant ces six variables. Il a obtenu une excellente discrimination avec une AUC de 0,983 (IC 95 % 0,971–0,995) dans la cohorte de développement et de 0,947 (IC 95 % 0,894–0,998) dans la cohorte de validation.
3. Mise en œuvre numérique : Le modèle a été traduit en un mini-programme WeChat. Cet outil permet aux infirmiers communautaires de saisir les six indicateurs et de recevoir instantanément une probabilité de risque. Un seuil optimal de 45,22 % a été établi pour signaler les individus à haut risque.
4. Intégration au flux de travail : Contrairement aux modèles précédents qui reposent sur des nomogrammes ou nécessitent des tests supplémentaires, cette approche est conçue pour être intégrée directement dans les flux de travail infirmiers existants sans augmenter la charge de travail ni nécessiter d'équipement spécialisé.

Résultats

• Prévalence : La prévalence globale de la sarcopénie dans l'échantillon de l'étude était de 15,8 % (11,2 % chez les hommes, 19,0 % chez les femmes).
• Facteurs de risque :
  • Le sexe féminin était un facteur de risque significatif (OR = 0,149 pour les hommes par rapport aux femmes).
  • Un IMC plus faible était fortement associé à la sarcopénie (OR = 0,496 par unité d'augmentation, indiquant qu'un IMC plus élevé réduit le risque).
  • Activité physique : Un exercice peu fréquent (occasionnel ou ≥1 fois/semaine mais pas quotidien) augmentait considérablement le risque par rapport à un exercice quotidien. Une durée plus courte de chaque séance d'exercice était également un facteur de risque.
  • Marqueurs biochimiques : Un taux d'albumine sérique plus faible (OR = 0,930) et un taux de cholestérol total plus faible (OR = 0,34 de 0,348) étaient des facteurs de risque indépendants.
• Performance du modèle :
  • Calibrage : Le test H-L a indiqué un bon ajustement du modèle (P=0,887 dans le développement ; P=0,927 dans la validation).
  • Métriques de la cohorte de validation : Le modèle a démontré une sensibilité de 0,929 et une spécificité de 0,944.
  • Valeurs prédictives : Le modèle a montré une valeur prédictive négative (VPN) élevée de 98,67 %, indiquant une forte capacité à exclure les individus à faible risque. La valeur prédictive positive (VPP) était de 70,27 %, et la précision globale était de 93,08 %.

Signification et revendications
Les auteurs affirment que cette étude fournit une voie pratique, dirigée par les infirmiers, pour le dépistage opportuniste de la sarcopénie au sein des soins primaires. La principale signification réside dans la capacité du modèle à utiliser des données existantes (sexe, IMC, habitudes d'exercice, albumine, cholestérol) sans nécessiter de tests, de questionnaires ou d'équipement spécialisé supplémentaires.

L'étude souligne que le mini-programme WeChat facilite un dépistage « sans charge supplémentaire », permettant aux infirmiers communautaires d'identifier les personnes âgées à haut risque lors des examens de santé de routine. La VPN élevée est mise en avant comme étant particulièrement précieuse pour l'allocation des ressources, permettant aux infirmiers d'exclure avec confiance les individus à faible risque et de concentrer les ressources de suivi limitées sur ceux qui présentent un risque réel.

Les auteurs précisent explicitement que le modèle est un outil d'identification diagnostique pour la sarcopénie prévalente, et non un outil pronostique pour prédire l'incidence future, en raison de la conception transversale de l'étude. Ils reconnaissent les limites, notamment la nature monocentrique de l'étude, l'absence de validation externe et le potentiel de biais de mémoire concernant les données d'exercice auto-rapportées. Par conséquent, les auteurs concluent que bien que le modèle présente une excellente performance interne, sa robustesse et sa généralisabilité nécessitent une confirmation par une validation prospective multicentrique indépendante avant une mise en œuvre clinique généralisée.