Améliorer les prévisions de risque de maladie cardiaque avec des biomarqueurs

Les maladies cardiaques sont une des principales causes de décès dans le monde. Pour prévenir ces maladies, il est important d'identifier les personnes à haut risque. Pour ça, les médecins utilisent certaines mesures appelées Biomarqueurs. Les biomarqueurs sont des substances dans le corps qui indiquent l'état de santé. Parmi les biomarqueurs courants pour les maladies cardiaques, on trouve le cholestérol total et le cholestérol HDL. Ces mesures, avec des facteurs de santé personnels comme l'âge et le mode de vie, aident les médecins à évaluer le risque d'une personne de développer une Maladie cardiaque dans les 10 prochaines années.

Récemment, des chercheurs se sont penchés sur d'autres biomarqueurs pour améliorer les prévisions de risque de maladies cardiaques. Certains d'entre eux incluent la protéine C-réactive (CRP), qui indique une inflammation dans le corps, et les scores de risque polygénique (PRS), qui tiennent compte de la génétique d'une personne. Bien que les PRS aient montré un certain potentiel pour prédire le risque de maladies cardiaques, l'ajout de biomarqueurs individuels n'a pas significativement amélioré les prévisions.

#Nouvelles méthodes pour mesurer les biomarqueurs

Une nouvelle technique appelée spectroscopie par résonance magnétique nucléaire (RMN) aide à analyser plusieurs biomarqueurs en même temps à partir d'un petit échantillon de sang. Cette méthode peut mesurer différents types de lipides, acides gras, acides aminés, et d'autres substances importantes liées aux maladies cardiaques. Au cours de la dernière décennie, les données RMN ont donné des aperçus sur les facteurs génétiques et environnementaux qui influencent les maladies cardiaques.

Plusieurs études ont tenté d'utiliser des combinaisons de biomarqueurs issus de la technique RMN pour faire de meilleures prévisions sur les risques de maladies cardiaques. Cependant, beaucoup de ces études n'ont pas utilisé les dernières directives pour l'évaluation des risques, ni ne se sont concentrées sur la façon dont ces nouveaux biomarqueurs pouvaient améliorer les prévisions pour les personnes déjà considérées à risque.

#Objectif de l'étude

Cette étude visait à utiliser les données RMN du UK Biobank, qui est un grand projet de recherche sur la santé, pour voir si ces marqueurs pouvaient améliorer la prédiction des risques de maladies cardiaques sur 10 ans. Les chercheurs ont ajouté ces biomarqueurs au modèle de risque SCORE2, qui est une directive recommandée par la Société Européenne de Cardiologie pour évaluer le risque de maladies cardiaques. Ils ont également évalué si ces améliorations étaient significatives aux niveaux de risque recommandés pour le traitement.

En plus, les chercheurs ont comparé l'efficacité des scores RMN et des PRS dans la prédiction des risques de maladies cardiaques. Au final, ils voulaient comprendre comment ces résultats pourraient impacter la santé publique, surtout dans le cadre de l'initiation du traitement pour les individus à risque.

#Conception de l'étude

L'étude a inclus des participants du UK Biobank qui ont accepté de lier leurs dossiers de santé à l'étude. Un total de 168 517 participants remplissaient les critères, ce qui signifie qu'ils étaient éligibles pour une évaluation du risque de maladies cardiaques sur 10 ans basée sur les directives SCORE2. Les participants éligibles étaient des adultes âgés de 40 à 69 ans, apparemment en bonne santé et sans antécédents de maladies cardiaques, de diabète ou d'autres conditions connexes.

Pendant la période de suivi de plus de 10 ans, les chercheurs ont enregistré les cas de maladies cardiaques parmi ces participants. L'étude visait à comprendre les caractéristiques de ces individus et comment ces facteurs étaient liés aux risques de maladies cardiaques.

#Évaluation des biomarqueurs

Les chercheurs ont évalué comment chacun des 249 biomarqueurs RMN et 28 biomarqueurs de chimie clinique amélioraient les évaluations de risque de maladies cardiaques lorsqu'ils étaient ajoutés au modèle SCORE2. Ils ont utilisé une mesure appelée l'indice C pour évaluer cette amélioration. Cet indice indique dans quelle mesure le modèle peut prédire le risque de maladie cardiaque.

Des améliorations statistiquement significatives ont été trouvées avec certains biomarqueurs, mais l'augmentation générale de la capacité prédictive d'un seul biomarqueur était modeste. Par exemple, l'ajout de la cystatine-C-un biomarqueur lié à la fonction rénale-montrait une amélioration, tout comme l'albumine, qui est connectée à l'inflammation.

#Développement des scores de biomarqueurs RMN

Les chercheurs ont créé des scores de biomarqueurs RMN spécifiques axés sur les maladies coronariennes (CHD) et les AVC ischémiques pour les hommes et les femmes. Ils visaient à combiner ces scores pour voir s'ils pouvaient améliorer les prévisions de risque de maladies cardiaques sur 10 ans. Les scores ont été développés séparément pour les hommes et les femmes afin de capturer les différences dans les niveaux de biomarqueurs et les résultats de santé.

Chaque score RMN incluait tous les biomarqueurs pertinents, et ceux qui contribuaient le plus au score ont été identifiés. Pour CHD, GlycA était le contributeur le plus significatif, tandis que l'albumine jouait un rôle critique dans le score d'AVC.

#Modèles de prédiction de risque

L'étude a comparé trois modèles différents pour évaluer le risque de maladies cardiaques sur 10 ans. Le premier modèle n'utilisait que l'évaluation SCORE2, tandis que les deux autres combinaient SCORE2 avec soit les scores RMN, soit les PRS. Le modèle final incluait à la fois les scores RMN et les PRS.

Les chercheurs ont constaté que tous les modèles, incluant les scores supplémentaires, montraient une amélioration significative par rapport au modèle SCORE2 seul. Le modèle combinant les scores RMN et les PRS montrait la plus grande amélioration de la capacité prédictive.

#Utilité clinique des modèles

L'étude visait à évaluer si ces améliorations étaient significatives pour la pratique clinique. Les chercheurs ont calculé les risques absolus de maladies cardiaques sur 10 ans et ont classé les participants en groupes de risque faible, moyen et élevé sur la base des directives ESC 2021 établies. Ils ont analysé à quel point les modèles alternatifs classaient bien les individus dans ces catégories de risque par rapport au modèle SCORE2.

En général, les modèles qui incluaient des biomarqueurs supplémentaires ont amélioré la classification des individus à risque de maladies cardiaques. Les scores RMN, en particulier, ont eu un impact plus important sur le reclassement des individus dans des groupes à plus haut risque que les PRS seuls.

#Impact sur la santé publique des biomarqueurs

Ensuite, les chercheurs ont simulé un modèle de population plus large pour comprendre les avantages potentiels pour la santé publique si les nouveaux modèles étaient appliqués de manière générale. Ils ont créé un groupe hypothétique de 100 000 adultes âgés de 40 à 69 ans, en utilisant des données représentatives de la population du Royaume-Uni.

En appliquant différents modèles de prédiction de risque, les chercheurs pouvaient estimer le nombre de personnes identifiées comme étant à haut risque, le nombre prévu de cas de maladies cardiaques, et les événements potentiels de maladies cardiaques qui pourraient être évités avec un traitement approprié. Ils ont modélisé les effets de la prescription de statines aux individus à risque élevé conformément aux directives.

Les résultats indiquaient que l'inclusion des scores RMN et des PRS pourrait augmenter considérablement le nombre de personnes classées à haut risque et potentiellement prévenir de nombreux futurs cas de maladies cardiaques.

#Résumé des résultats

L'étude a conclu que l'ajout de scores RMN et de PRS aux modèles d'évaluation des risques traditionnels pourrait effectivement améliorer les prévisions de première apparition de maladies cardiaques. Cette recherche contribue à une meilleure compréhension de la façon dont différents biomarqueurs peuvent être utilisés pour améliorer les stratégies de dépistage et de prévention dans les milieux cliniques.

Les résultats soulignent également l'importance de combiner les profils génétiques et métaboliques pour prédire les risques de maladies cardiaques, montrant que de telles combinaisons pourraient offrir de meilleures perspectives sur le risque d'un individu et aider à informer les décisions de traitement.

#Limitations de l'étude

Malgré les résultats prometteurs, cette étude a des limites. Par exemple, les participants du UK Biobank ont tendance à être en meilleure santé que la population générale. Cela pourrait affecter la façon dont les résultats se traduisent pour la santé de la population plus large. La distribution des facteurs de risque pourrait être différente dans la population générale, ce qui pourrait conduire à des résultats différents.

En plus, les bénéfices en termes de prédiction pourraient être surestimés à cause du processus de modélisation. La population simulée était tirée de données nationales plus larges, qui incluaient des individus qui ne pourraient pas être qualifiés pour le même type de dépistage dans des conditions cliniques typiques. Enfin, la plupart des participants à l'étude étaient d'ascendance européenne, ce qui pourrait limiter la généralisation des résultats à des populations diverses.

#Conclusion

En conclusion, l'étude indique que l'utilisation de scores dérivés de biomarqueurs métabolomiques RMN peut considérablement améliorer la prédiction du risque de maladies cardiaques sur 10 ans. En incorporant ces scores dans les modèles traditionnels, les professionnels de la santé pourraient mieux identifier les individus à risque et améliorer les efforts de prévention. Les résultats soutiennent l'idée que de nouvelles technologies peuvent aider à améliorer la précision des évaluations de risque, ce qui pourrait conduire à de meilleurs résultats dans la gestion des maladies cardiaques.

À mesure que la recherche continue, d'autres études sont nécessaires pour valider l'utilité clinique de ces résultats dans des populations diverses et explorer l'impact de ces modèles de prédiction de risque sur les résultats de santé à long terme. Des améliorations dans l'évaluation des risques et les stratégies de traitement pourraient finalement aider à réduire l'incidence des maladies cardiaques et à sauver des vies.