Statut de l’hémoglobine glyquée et prédiction du contrôle glycémique chez les patients diabétiques de type 2 sous insulinothérapie dans le nord de la Chine : étude observationnelle multicentrique
Résumé
Le diabète sucré de type 2 (DT2) représente un défi sanitaire mondial, avec une prévalence attendue en augmentation. En Chine, la situation est critique, le pays hébergeant la plus grande population diabétique. Un contrôle glycémique efficace est crucial pour prévenir les complications. Cette étude visait à évaluer le statut du contrôle glycémique chez des patients DT2 sous insulinothérapie dans le nord de la Chine et à explorer l’application d’algorithmes d’apprentissage automatique combinés à une régression élastique (EN) pour prédire ce contrôle.
Méthodes
Une étude observationnelle a été menée dans 27 centres répartis dans six villes du nord de la Chine (Tianjin, Tangshan, Datong, Qinhuangdao, Cangzhou, Taiyuan). Les données de 2787 participants consécutifs ont été recueillies entre janvier 2016 et décembre 2017. Les critères d’inclusion incluaient un diagnostic de DT2, un âge ≥18 ans, et une utilisation d’insuline basale ≥3 mois. Les critères d’exclusion comprenaient le refus de consentement, des antécédents d’allergie médicamenteuse, la grossesse, ou des troubles psychiatriques.
Les paramètres recueillis couvraient les données démographiques, les habitudes de vie, les complications, les doses d’insuline, les examens physiques (poids, tour de taille, pression artérielle) et biologiques (glycémie à jeun, HbA1c, lipidémie). Le contrôle glycémique était défini par une HbA1c <7,0 % selon les recommandations chinoises. Une régression EN a été utilisée pour réduire la dimensionnalité des données, suivie de trois algorithmes d'apprentissage automatique : Random Forest (RF), Support Vector Machine (SVM), et Back Propagation Artificial Neural Network (BP-ANN).
Résultats
Seuls 45,82 % des participants atteignaient une HbA1c <7,0 %. Les facteurs associés à un meilleur contrôle incluaient les antécédents d'hypertension, de maladie cardiovasculaire athéroscléreuse (ASCVD), l'exercice régulier, et des taux élevés de cholestérol total. À l'inverse, l'adiposité centrale, les antécédents familiaux de diabète, la durée prolongée du DT2, les complications, les doses élevées d'insuline, et l'hypertension étaient liés à un mauvais contrôle.
La régression EN a sélectionné 19 variables prédictives sur 42 initiales. Parmi les algorithmes testés, le RF a montré les meilleures performances (sensibilité : 0,79 ; spécificité : 0,73 ; exactitude : 0,75 ; AUC : 0,75). La SVM a présenté la plus forte amélioration post-réduction dimensionnelle, avec une augmentation de 37,70 % en sensibilité. Comparés à la régression logistique traditionnelle (sensibilité : 0,52 ; exactitude : 0,56), les modèles d’apprentissage automatique ont démontré une supériorité significative.
Discussion
Cette étude souligne l’importance des interventions multifactorielles, notamment l’activité physique et les ajustements diététiques, dans la gestion du DT2. L’intégration de méthodes d’apprentissage automatique et de régression EN offre une approche prédictive plus robuste que les modèles statistiques classiques, facilitant une prise en charge personnalisée.
Limites
Les limites incluent l’absence d’échantillonnage aléatoire rigoureux et la focalisation sur des patients ambulatoires, limitant la généralisation des résultats. Des études futures devraient inclure des populations plus diversifiées et explorer les liens de causalité.
Conclusion
Plus de la moitié des patients DT2 sous insulinothérapie dans le nord de la Chine présentent un contrôle glycémique sous-optimal. L’utilisation combinée de régression EN et d’apprentissage automatique représente un outil prometteur pour optimiser la gestion thérapeutique et réduire le risque de complications diabétiques.
doi.org/10.1097/CM9.0000000000000585