Simple Science

La science de pointe expliquée simplement

# Sciences de la santé# Néphrologie

Une nouvelle étude identifie des facteurs de risque dans la DPCD

Des recherches montrent des facteurs clés liés à la dégradation rapide de la fonction rénale chez les patients atteints d'ADPKD.

― 6 min lire


Facteurs de risque de laFacteurs de risque de laPKAD révélésreins.pour la dégradation de la santé desL'étude met en avant des facteurs clés
Table des matières

La maladie polykystique autosomique dominante des Reins, ou ADPKD, est une condition génétique assez courante qui touche les reins. Cette maladie entraîne la formation de kystes - des sacs remplis de liquide - à l'intérieur des reins. Avec le temps, ces kystes peuvent causer des dommages importants aux reins, entraînant une perte de fonction. On estime qu'environ 30 à 50 personnes sur 100 000 peuvent développer cette maladie. Aux États-Unis, l'ADPKD est une cause majeure de maladie rénale au stade terminal, représentant environ 5 % de tous les cas.

Qu'est-ce qui cause l'ADPKD ?

L'ADPKD est causée par des mutations génétiques, principalement dans deux gènes appelés PKD1 et PKD2. La plupart des cas, environ 85 %, sont dus à des changements dans le gène PKD1, tandis qu'environ 15 % sont liés au gène PKD2. La maladie peut se manifester de différentes manières au sein des familles, ce qui signifie que sa gravité et ses symptômes peuvent varier considérablement même parmi les membres de la même famille ayant le même background génétique.

Comment l'ADPKD progresse-t-elle ?

La progression de l'ADPKD peut être différente pour chaque personne. Environ la moitié des personnes touchées ressentiront une baisse significative de la fonction rénale vers l'âge de 50 ou 60 ans. Au début, certaines personnes peuvent avoir une fonction rénale normale, mais la baisse peut se produire rapidement dans les années suivantes alors que les reins peinent à gérer le nombre croissant de kystes.

Les tests actuels qui mesurent la fonction rénale incluent souvent des estimations de la manière dont les reins filtrent les déchets du sang, connues sous le nom d'eGFR. Cependant, cette mesure seule peut ne pas refléter avec précision le fardeau de l'ADPKD ou prédire les résultats pour les patients.

Identifier un déclin rapide de la fonction rénale

Traditionnellement, identifier les patients qui connaîtront un déclin rapide de la fonction rénale reposait sur des méthodes complexes qui peuvent ne pas être pratiques pour un usage quotidien. Une approche consiste à prendre des images des reins pour mesurer leur taille par rapport à la taille et à l'âge d'une personne. Une autre méthode, appelée score PROPKD (Predicting Renal Outcome in PKD), évalue divers facteurs, y compris des informations génétiques et des antécédents médicaux, mais a ses limites. Ces outils étaient principalement basés sur des études avec des populations majoritairement caucasiennes, ce qui peut ne pas représenter avec précision d'autres groupes raciaux et ethniques.

Une nouvelle approche d'étude

Dans une récente étude, des chercheurs ont examiné un groupe large et diversifié de patients atteints d'ADPKD pour découvrir quels facteurs pourraient être liés à un déclin rapide de la fonction rénale. Ils se sont concentrés sur des patients provenant d'un système de santé en Californie du Sud, qui dessert une population reflétant diverses races, ethnicités et milieux sociaux.

L'étude a suivi les patients pendant plusieurs années, examinant les données de leurs dossiers médicaux. Ces informations comprenaient des données démographiques, des problèmes de santé et des résultats de tests de laboratoire. Les scientifiques visaient à découvrir à quelle vitesse la fonction rénale déclinait chez les patients et quels facteurs cliniques étaient associés à ce déclin.

Qui faisait partie de l'étude ?

L'étude a impliqué 1 744 patients nouvellement diagnostiqués avec l'ADPKD. L'âge moyen était d'environ 50 ans, et le groupe comprenait un mélange de genres et d'origines ethniques. Beaucoup de patients avaient une Hypertension et d'autres problèmes de santé liés aux problèmes rénaux.

Identifier des groupes selon la fonction rénale

En utilisant les données collectées, les chercheurs ont créé des groupes en fonction de la rapidité avec laquelle la fonction rénale de chaque patient déclinait. Ils ont constaté que 7 % des patients montraient un déclin rapide, tandis que la majorité ne l'était pas. Fait intéressant, ceux avec un déclin rapide étaient généralement plus jeunes et avaient certains problèmes de santé, comme l'hypertension et des protéines dans l'urine.

Principaux prédicteurs d'un déclin rapide

Après avoir analysé une gamme d'informations de santé, les chercheurs ont identifié six facteurs clés qui étaient associés à un déclin rapide de la fonction rénale :

  1. Jeune âge : Les patients plus jeunes au moment du diagnostic étaient plus susceptibles de connaître un déclin rapide.
  2. Genre masculin : Les hommes étaient trouvés à un risque plus élevé par rapport aux femmes.
  3. Hypertension : Ceux avec des antécédents d'hypertension avaient une chance significativement plus élevée de déclin rapide.
  4. Maladie cérébrovasculaire : Un passé de conditions comme les AVC était aussi lié à un déclin rapide.
  5. Niveaux d'hémoglobine plus bas : De faibles niveaux d'hémoglobine, une protéine des globules rouges, étaient associés à un déclin rénal plus rapide.
  6. Protéinurie : La présence de protéines dans l'urine indiquait un risque accru de déclin rapide.

Comment ces facteurs aident-ils ?

Ces découvertes sont cruciales car elles aident les médecins à identifier les patients à risque de déclin rapide de la fonction rénale dès le départ. En sachant quels patients sont à risque, les prestataires de soins de santé peuvent mettre en place des plans de surveillance et de traitement plus agressifs.

Que se passe-t-il ensuite ?

Parmi les patients du groupe à déclin rapide, beaucoup ont progressé vers une maladie rénale au stade terminal, ce qui signifie qu'ils ont eu besoin de dialyse ou d'une transplantation rénale. Le taux d'incidence de progression vers une maladie rénale au stade terminal était beaucoup plus élevé dans le groupe à déclin rapide comparé à ceux sans déclin rapide.

Limites de l'étude

Bien que cette recherche apporte des idées précieuses, il y a des limites. Les données provenaient principalement d'un seul système de santé, ce qui peut ne pas représenter pleinement tous les individus avec l'ADPKD. De plus, ils n'avaient pas accès à l'information génétique pour tous les patients, ce qui peut parfois prédire la gravité de la maladie.

Conclusion

L'étude souligne l'importance d'identifier les patients avec l'ADPKD qui sont à risque de déclin rapide de la fonction rénale. En se concentrant sur six facteurs cliniques clés, les prestataires de soins de santé peuvent mieux anticiper quels patients ont besoin d'une gestion plus intensive. Cette approche peut potentiellement améliorer les résultats pour les patients atteints d'ADPKD à mesure que de meilleurs outils et traitements deviennent disponibles.

En résumé, l'ADPKD reste une condition complexe qui nécessite une surveillance et une gestion attentives. Avec la recherche continue, il y a de l'espoir pour une meilleure compréhension et des traitements pour ceux touchés par cette maladie rénale génétique.

Source originale

Titre: Data Driven Approach to Characterize Rapid Decline in Autosomal Dominant Polycystic Kidney Disease

Résumé: BackgroundAutosomal dominant polycystic kidney disease (ADPKD) is a genetic kidney disease with high phenotypic variability. Insights into ADPKD progression could lead to earlier detection and management prior to end stage kidney disease (ESKD). We sought to identify patients with rapid decline (RD) in kidney function and to determine clinical factors associated with RD using a data-driven approach. MethodsA retrospective cohort study was performed among patients with incident ADPKD (1/1/2002-12/31/2018). Latent class mixed models were used to identify RD patients using rapidly declining eGFR trajectories over time. Predictors of RD were selected based on agreements among feature selection methods, including logistic, regularized, and random forest modeling. The final model was built on the selected predictors and clinically relevant covariates. ResultsAmong 1,744 patients with incident ADPKD, 125 (7%) were identified as RD. Feature selection included 42 clinical measurements for adaptation with multiple imputations; mean (SD) eGFR was 85.2 (47.3) and 72.9 (34.4) in the RD and non-RD groups, respectively. Multiple imputed datasets identified variables as important features to distinguish RD and non-RD groups with the final prediction model determined as a balance between area under the curve (AUC) and clinical relevance which included 6 predictors: age, sex, hypertension, cerebrovascular disease, hemoglobin, and proteinuria. Results showed 72%-sensitivity, 70%-specificity, 70%-accuracy, and 0.77-AUC in identifying RD. 5-year ESKD rates were 38% and 7% among RD and non-RD groups, respectively. ConclusionUsing real-world routine clinical data among patients with incident ADPKD, we observed that six variables highly predicted RD in kidney function.

Auteurs: John J Sim, Y.-H. Shu, S. K. Bhandari, Q. Chen, T. N. Harrison, M. Y. Lee, M. A. Munis, K. Morrissette, S. Sundar, K. Pareja, A. Nourbakhsh, C. J. Willey

Dernière mise à jour: 2024-01-28 00:00:00

Langue: English

Source URL: https://www.medrxiv.org/content/10.1101/2024.01.26.24301848

Source PDF: https://www.medrxiv.org/content/10.1101/2024.01.26.24301848.full.pdf

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires