Functional–behavioral patterns associated with care-related risk in hospitalized patients with Alzheimer’s disease: a real-world clustering analysis

Résumé technique : Profils fonctionnels et comportementaux chez les patients hospitalisés atteints de la maladie d'Alzheimer

Énoncé du problème
La maladie d'Alzheimer (MA) se caractérise par une hétérogénéité substantielle de l'altération fonctionnelle et des symptômes comportementaux au-delà du déclin cognitif. Bien que le fardeau mondial de la MA soit en augmentation, les approches de stratification multidimensionnelles cliniquement applicables restent limitées, particulièrement dans les contextes hospitaliers réels. Les recherches conventionnelles traitent souvent les populations atteintes de la MA comme homogènes ou s'appuient sur des comparaisons de groupe, ce qui peut occulter la variabilité cliniquement significative des profils de symptômes et des besoins de soins. Les études existantes utilisant des analyses de clusters ou de classes latentes ont largement été menées dans des cohortes communautaires ou des ensembles de données de dossiers de santé électroniques, manquant souvent de la prise en compte conjointe des mesures fonctionnelles et comportementales ou de la validation à travers des ensembles de données hospitaliers indépendants. Il est nécessaire d'établir un cadre permettant d'identifier des sous-types basés sur les données afin de soutenir la stratification des risques et la planification des soins individualisés dans les populations hospitalisées.

Méthodologie
Cette étude transversale rétrospective a analysé 118 patients hospitalisés avec un diagnostic clinique de la MA dans un hôpital psychiatrique tertiaire (janvier 2023 – décembre 2025). L'étude a employé un cadre analytique à deux voies :

1. Analyse de corrélation : La corrélation de Spearman a été utilisée pour examiner l'association entre la capacité fonctionnelle (indice de Barthel, BI) et les symptômes comportementaux (échelle d'observation des infirmiers pour l'évaluation en milieu hospitalier, NOSIE) afin d'évaluer la dissociation fonctionnelle-comportementale.
2. Analyse de clustering : Un partitionnement en k-moyennes (K-means clustering) a été réalisé sur les scores standardisés du score total du BI et de sept sous-échelles de la NOSIE (compétence sociale, intérêt social, propreté personnelle, irritabilité, psychose manifeste, ralentissement et dépression) ainsi que le score négatif total. Le nombre optimal de clusters a été déterminé par la méthode du coude (elbow method) et l'analyse de silhouette.
3. Caractérisation des sous-types : Les sous-types identifiés ont été comparés concernant les données démographiques, les comorbidités, les tâches fonctionnelles spécifiques (alimentation, toilettage, marche), les scores comportementaux et les marqueurs biologiques (rapport neutrophiles/lymphocytes, créatinine, hémoglobine, sodium) à l'aide de tests ANOVA, Kruskal–Wallis et de tests du chi carré.

Résultats clés

• Dissociation fonctionnelle-comportementale : Une faible corrélation négative a été trouvée entre l'indépendance fonctionnelle et la charge comportementale globale (Spearman ρ = −0,30). Si la capacité fonctionnelle était corrélée positivement avec la compétence sociale et la propreté personnelle, et négativement avec le ralentissement psychomoteur, elle ne présentait aucune corrélation significative avec l'irritabilité, la psychose manifeste ou la dépression, indiquant un certain degré d'indépendance entre le déclin fonctionnel et les symptômes comportementaux spécifiques.
• Identification de trois sous-types : Le partitionnement en k-moyennes a révélé trois sous-types fonctionnels-comportementaux distincts :
  • Sous-type 1 (29 patients) : Caractérisé par une altération fonctionnelle sévère, un ralentissement psychomoteur élevé et une compétence sociale réduite, avec des niveaux relativement plus faibles de symptômes psychotiques.
  • Sous-type 2 (51 patients) : Présentait une capacité fonctionnelle relativement préservée et des troubles comportementaux généralement légers dans tous les domaines.
  • Sous-type 3 (38 patients) : Présentait une altération fonctionnelle intermédiaire mais se distinguait par des symptômes psychotiques marqués et une charge comportementale élevée.
• Facteurs de différenciation : Les sous-types étaient principalement différenciés par les scores de l'indice de Barthel, le ralentissement, la psychose manifeste et la compétence sociale. Des différences significatives ont été observées dans les tâches fonctionnelles spécifiques (alimentation, toilettage, marche) et les scores d'irritabilité selon les sous-types.
• Homogénéité démographique et clinique : Aucune différence significative n'a été trouvée entre les sous-types concernant l'âge, le sexe, l'éducation, l'état civil ou les comorbidités (hypertension, diabète), suggérant que les clusters n'étaient pas dictés par l'hétérogénéité démographique et clinique de base.
• Profils de risque liés aux soins : La visualisation par carte de chaleur (heatmap) a révélé des profils de risque distincts. Le sous-type 1 nécessitait un soutien intensif pour les activités quotidiennes de base. Le sous-type 2 présentait une faible charge de soins mais montrait des taux d'hémoglobine réduits. Le sous-type 3 présentait une charge comportementale élevée (irritabilité, symptômes négatifs) parallèlement à une augmentation des marqueurs de risque inflammatoire et métabolique.

Contributions clés
L'étude fournit un cadre pour la stratification des risques liés aux soins chez les patients hospitalisés atteints de la MA en utilisant des mesures cliniques collectées de routine. Ses principales contributions incluent :

1. Sous-typage basé sur les données : L'identification de trois sous-types fonctionnels-comportementaux stables et cliniquement interprétables qui reflètent des configurations distinctes de dépendance et de perturbation plutôt qu'un simple continuum de sévérité.
2. Caractérisation multidimensionnelle du risque : La démonstration que ces sous-types capturent des profils de risque hétérogènes liés aux soins à travers les domaines fonctionnels, comportementaux et biologiques, soutenant l'utilité d'une stratification multidimensionnelle par rapport aux évaluations de sévérité globale.
3. Faisabilité clinique : L'utilisation d'évaluations standardisées au chevet du patient (BI et NOSIE) permet l'application de ce cadre dans des contextes hospitaliers et de soins de longue durée réels sans charge de ressources supplémentaires.

Signification et affirmations
Les auteurs affirment que cette étude étend les stratégies actuelles de sous-typage de la MA vers un phénotypage cliniquement réalisable. En intégrant les dimensions fonctionnelles et comportementales, le cadre offre une perspective complémentaire aux modèles basés sur l'imagerie neurofonctionnelle ou les biomarqueurs, facilitant la traduction dans la prise de décision clinique réelle. Les résultats suggèrent que la variation intrinsèque des manifestations fonctionnelles-comportementales représente une couche cliniquement significative de l'hétérogénéité de la MA qui n'est pas expliquée par les stratificateurs conventionnels tels que l'âge ou les comorbidités.

Les auteurs postulent que les profils spécifiques aux sous-types peuvent orienter la priorité des soins : le sous-type 1 peut nécessiter un soutien infirmier intensifié pour prévenir les complications physiques, tandis que le sous-type 3 peut bénéficier d'une gestion ciblée des symptômes neuropsychiatriques et d'une surveillance comportementale plus étroite. Bien que le sous-type 2 semble présenter une charge de soins globale plus faible, l'étude note que l'attention portée à l'état physiologique sous-jacent demeure nécessaire.

L'article maintient une position modeste concernant ses limites, reconnaissant que la conception transversale empêche l'inférence causale et que une validation externe dans des cohortes indépendantes est nécessaire. Les auteurs soulignent que, bien que les résultats soutiennent la robustesse des phénotypes identifiés, les recherches futures devraient employer des conceptions longitudinales pour examiner la stabilité des sous-types et intégrer des données multimodales afin d'améliorer la valeur pronostique.