Nouvelle méthode pour détecter les maladies chroniques qui se chevauchent

Les Maladies chroniques peuvent souvent montrer des signes et des symptômes similaires. Certaines de ces maladies peuvent même se chevaucher, ce qui signifie qu'une personne peut en avoir une ou plusieurs en même temps. Par exemple, l'asthme et la maladie pulmonaire obstructive chronique (MPOC) causent tous les deux des problèmes respiratoires comme la toux et l'essoufflement. Elles partagent un problème commun : le rétrécissement des voies respiratoires qui rend la respiration difficile.

#Exemples de maladies liées

D'autres paires de maladies liées incluent la colite ulcéreuse et la maladie de Crohn, qui affectent toutes deux le système digestif. Une autre paire comprend la cardiomyopathie et la maladie valvulaire cardiaque, qui impactent le cœur de manière similaire. Comme ces maladies sont courantes chez de nombreuses personnes, les chercheurs s'intéressent à découvrir des individus qui pourraient les avoir sans jamais avoir été diagnostiqués.

#Études de recherche de cas

Pour trouver des gens qui pourraient souffrir de ces maladies sans le savoir, les chercheurs peuvent mener des études de recherche de cas. Cela signifie qu'ils créent un sondage ou un questionnaire qui pose des questions sur les symptômes ou les antécédents médicaux. Les individus qui montrent des signes d'avoir l'une de ces maladies remplissent ce sondage, et plus tard, ils reçoivent un examen approfondi pour voir s'ils ont la maladie ou non.

Le bénéfice de cette méthode est qu'elle peut être plus économique. Au lieu de créer des questionnaires séparés pour chaque maladie, les chercheurs peuvent en créer un seul qui peut identifier plusieurs maladies à la fois. Cela signifie qu'ils peuvent collecter des informations plus efficacement et aider plus de gens à obtenir un diagnostic.

#Conception de l'étude

L'étude commence par identifier un groupe de personnes qui pourraient être à risque de plusieurs maladies liées. Ce groupe est composé d'individus qui montrent des symptômes ou ont des facteurs de risque, comme fumer, ce qui peut mener à la MPOC.

Ensuite, ces individus remplissent une série de questionnaires sur leur santé et leurs informations personnelles. Cette étape aide les chercheurs à construire un questionnaire de recherche de cas à utiliser dans l'étude. Après cela, les individus subissent un diagnostic approprié pour découvrir s'ils ont l'une des maladies en question.

Une fois les données collectées, les chercheurs utilisent des méthodes statistiques pour analyser les résultats et créer des formules de score de risque pour chaque maladie. Ces formules aident à relier les symptômes et les données personnelles au diagnostic réel.

#Mise en place des Seuils

Les chercheurs déterminent ensuite quel score indiquerait un cas potentiel de l'une des maladies. Ils font cela en établissant des seuils pour les scores de risque. Si le score de quelqu'un est supérieur au seuil, il est signalé comme un cas potentiel. Le défi est de trouver le bon équilibre pour que trop de personnes en bonne santé ne soient pas mal identifiées comme ayant la maladie.

#Test de la méthode

Avant de mettre la nouvelle méthode en usage régulier, les chercheurs doivent la tester avec un groupe distinct de sujets. Cela garantit que l'outil de recherche de cas identifie avec précision les individus susceptibles d'avoir les maladies. Après validation, la méthode peut être utilisée plus largement dans les milieux cliniques.

#L'étude UCAP

Une étude qui a utilisé cette méthode s'appelle l'étude de la population atteinte de MPOC et d'asthme non diagnostiquée (UCAP). Elle visait à trouver des gens au Canada qui pourraient avoir la MPOC ou l'asthme mais qui n'avaient pas encore été diagnostiqués. L'étude impliquait des adultes qui avaient des problèmes respiratoires mais qui n'avaient jamais été informés qu'ils avaient une maladie respiratoire.

Les participants ont signé des formulaires de consentement et ont subi divers tests pour diagnostiquer l'asthme ou la MPOC par spirométrie, un test qui mesure la fonction pulmonaire. Tout au long de l'étude, près de 1 600 individus ont été recrutés, beaucoup ayant été diagnostiqués avec l'asthme ou la MPOC.

#Collecte de données

Les participants ont complété plusieurs sondages liés à leur santé et symptômes, aidant les chercheurs à recueillir de nombreuses informations pour analyse. En appliquant des méthodes statistiques à ces données, les chercheurs ont créé un questionnaire de treize éléments, connu sous le nom de Questionnaire UCAP, qui a aidé à identifier les individus à risque d'asthme et de MPOC.

#Analyse des résultats

Les chercheurs ont établi certains seuils pour les questionnaires afin de maximiser leur capacité à détecter des cas. Ils visaient la sensibilité, ce qui signifie qu'ils voulaient s'assurer que le maximum de cas véritables soit identifié, même au risque que certaines personnes soient faussement signalées.

En utilisant cette méthode, les chercheurs ont constaté qu'en tenant compte des risques pour l'asthme et la MPOC ensemble, ils pouvaient identifier beaucoup plus de cas que s'ils examinaient chaque maladie séparément. En pratique, cela signifiait que certaines personnes avaient des symptômes d'une maladie mais avaient en fait l'autre, connues sous le nom de cas de crossover. Cette approche a conduit à une amélioration notable du nombre de cas détectés.

#Amélioration de la sensibilité

La méthode de considérer les maladies ensemble a montré que cette stratégie pouvait améliorer les taux de détection. Pour l'asthme, la sensibilité a considérablement augmenté, et il en a été de même pour la MPOC. Identifier les cas de crossover pourrait donner des informations précieuses pour le diagnostic et le traitement futurs.

#Validation et application ultérieure

Lors d'un test de suivi avec des participants différents, les chercheurs ont constaté un succès continu dans l'identification efficace des cas. Beaucoup plus de cas ont été trouvés grâce à la capacité d'examiner les symptômes à travers plusieurs maladies potentielles ensemble, ce qui n'avait pas été possible auparavant.

#Implications plus larges

Les résultats positifs de cette étude soulignent les avantages potentiels d'utiliser un seul questionnaire pour identifier plusieurs maladies liées. Cela permet une allocation de ressources plus efficace tout en étant plus efficace pour trouver des cas qui pourraient autrement rester non diagnostiqués.

Cette méthode pourrait potentiellement s'étendre à d'autres ensembles de maladies liées, ce qui ne nécessiterait pas de nouvelles approches, mais simplement d'adapter le cadre existant. Que ce soit des maladies liées ou des stades différents d'une maladie comme le cancer, les principes de cette méthode ont une large application.

#Importance des cas de crossover

Les sujets de crossover représentent un gain dans la détection des cas à un coût minimal supplémentaire. Ils montrent des instances où des individus ont des symptômes qui ne correspondent pas à leurs véritables diagnostics, ce qui suggère qu'ils ont pu être mal diagnostiqués ou négligés auparavant. Ces résultats soulignent l'importance de comprendre les manifestations des maladies.

#Conclusion

Utiliser un seul outil pour la recherche de cas devrait permettre de détecter un plus grand nombre de cas pour des maladies liées tout en gardant les coûts bas. Les chercheurs insistent sur le fait que peaufiner le questionnaire et sélectionner soigneusement les questions est essentiel pour assurer le succès de la méthode.

Cette approche peut conduire à de meilleurs résultats en santé pour les patients grâce à la probabilité accrue d'être diagnostiqués avec précision. En améliorant la sensibilité et en trouvant plus de cas, cette méthode bénéficie finalement à la santé publique, ouvrant la voie à davantage d'options de traitement et à un meilleur soin pour ceux qui vivent avec des maladies chroniques.