Le Contrôle de la Glycémie chez les Patients Diabétiques de Type 2 sous Insuline en Chine du Nord : Une Étude Multicentrique
Pourquoi plus de la moitié des patients diabétiques de type 2 sous insuline en Chine du Nord ne parviennent-ils pas à contrôler leur glycémie ? Une étude récente menée dans 27 centres médicaux de six villes du nord de la Chine, dont Tianjin et Taiyuan, apporte des réponses à cette question cruciale. Cette recherche, qui a impliqué 2787 participants entre 2016 et 2017, révèle que seulement 45,82 % des patients atteignent un niveau de glycémie considéré comme acceptable. Les résultats mettent en lumière les facteurs qui influencent le contrôle glycémique et explorent l’utilisation de méthodes innovantes pour prédire ce contrôle.
Qu’est-ce que le diabète de type 2 et pourquoi est-il si préoccupant ?
Le diabète de type 2 (DT2) est une maladie chronique caractérisée par une élévation anormale du taux de sucre dans le sang. En Chine, cette maladie touche un nombre croissant de personnes, faisant du pays celui avec le plus grand nombre de patients diabétiques au monde. Un mauvais contrôle de la glycémie peut entraîner des complications graves, telles que des problèmes cardiaques, des lésions rénales et des troubles de la vision. C’est pourquoi il est essentiel de mieux comprendre les facteurs qui influencent le contrôle glycémique.
Comment l’étude a-t-elle été menée ?
Les chercheurs ont recueilli des données auprès de 2787 patients âgés de 18 ans et plus, traités par insuline depuis au moins trois mois. Les participants ont été exclus s’ils refusaient de signer un consentement, avaient des antécédents d’allergie médicamenteuse, étaient enceintes ou allaitantes, ou souffraient de troubles psychiatriques. Les données collectées incluaient des informations de base (sexe, âge, tabagisme, consommation d’alcool) ainsi que des informations spécifiques au diabète (durée de la maladie, habitudes d’exercice, régime alimentaire, médicaments pris, complications, etc.).
Des examens physiques ont mesuré la taille, le poids, le tour de taille, le tour de hanches et la tension artérielle. Des tests de laboratoire ont également été effectués pour mesurer la glycémie à jeun, la glycémie après une heure et deux heures, ainsi que le taux d’hémoglobine glyquée (HbA1c), un marqueur clé du contrôle glycémique sur le long terme. D’autres tests ont évalué les niveaux de cholestérol total, de triglycérides, de cholestérol HDL (bon cholestérol) et de cholestérol LDL (mauvais cholestérol).
Quels sont les résultats clés de l’étude ?
L’étude a défini un bon contrôle glycémique comme un taux d’HbA1c inférieur à 7,0 %, conformément aux recommandations chinoises pour la prise en charge du DT2. Seuls 45,82 % des participants ont atteint cet objectif, ce qui signifie que plus de la moitié des patients avaient un contrôle glycémique insuffisant.
Plusieurs facteurs ont été associés à un meilleur contrôle glycémique : des antécédents d’hypertension artérielle, une maladie cardiovasculaire athéroscléreuse (ASCVD), une activité physique régulière et des niveaux élevés de cholestérol total. À l’inverse, l’obésité abdominale, des antécédents familiaux de diabète, une durée plus longue de la maladie, des complications, des doses d’insuline plus élevées, une tension artérielle élevée et l’hypertension ont été identifiés comme des facteurs de risque de mauvais contrôle glycémique.
Comment les chercheurs ont-ils prédit le contrôle glycémique ?
Pour prédire le contrôle glycémique, les chercheurs ont utilisé une méthode statistique appelée régression élastique (EN), qui combine deux techniques : la régression LASSO et la régression Ridge. Cette méthode a permis de réduire le nombre de variables initiales de 42 à 19, en éliminant celles qui étaient redondantes ou moins pertinentes. Les variables retenues incluaient des facteurs protecteurs (comme l’exercice physique) et des facteurs de risque (comme l’obésité abdominale et une durée plus longue de la maladie).
Ensuite, trois algorithmes d’apprentissage automatique ont été appliqués pour prédire le contrôle glycémique : la forêt aléatoire (RF), la machine à vecteurs de support (SVM) et le réseau neuronal artificiel à rétropropagation (BP-ANN). Les données ont été divisées en un ensemble d’apprentissage (70 %) et un ensemble de test (30 %). Les performances des modèles ont été évaluées en termes de sensibilité, spécificité, précision et aire sous la courbe ROC (AUC).
Quels sont les résultats des modèles de prédiction ?
Parmi les trois algorithmes, la forêt aléatoire (RF) a obtenu les meilleurs résultats, avec une sensibilité de 0,79, une spécificité de 0,73, une précision de 0,75 et une AUC de 0,75 après réduction de la dimensionnalité. La machine à vecteurs de support (SVM) a montré la plus grande amélioration après réduction de la dimensionnalité, avec une augmentation de 37,70 % de la sensibilité, de 7,94 % de la spécificité, de 17,74 % de la précision et de 18,03 % de l’AUC.
Comparés aux modèles de régression logistique traditionnels, les modèles d’apprentissage automatique combinés à la régression élastique ont démontré une sensibilité et une précision supérieures. Par exemple, la régression logistique avait une sensibilité de 0,52 et une précision de 0,56, tandis que les modèles RF, SVM et BP-ANN ont atteint des valeurs de 0,79, 0,84 et 0,78 pour la sensibilité, et de 0,70, 0,73 et 0,73 pour la précision, respectivement.
Quelles sont les implications de cette étude ?
Cette étude met en évidence l’importance des facteurs liés au mode de vie dans le contrôle glycémique. Une activité physique régulière et des ajustements alimentaires, notamment la consommation d’huile végétale, sont associés à un meilleur contrôle de la glycémie. À l’inverse, l’obésité abdominale, un mode de vie sédentaire et de mauvaises habitudes alimentaires sont liés à des niveaux élevés d’HbA1c. Ces résultats soulignent la nécessité d’interventions globales pour améliorer la gestion du DT2.
En conclusion, cette étude fournit des informations précieuses sur le statut du contrôle glycémique chez les patients DT2 sous insuline en Chine du Nord. Elle révèle que plus de la moitié des patients ont un contrôle glycémique insuffisant, ce qui les expose à un risque accru de complications. De plus, elle démontre le potentiel des méthodes combinant régression élastique et apprentissage automatique pour prédire le contrôle glycémique avec une précision et une sensibilité accrues.
For educational purposes only.
doi.org/10.1097/CM9.0000000000000585