Conséquences imprévues : comprendre les maladies cardiovasculaires chez les adultes âgés atteints d’épilepsie
Notice bibliographique
Résumé
INTRODUCTION. La charge mondiale des maladies cardiovasculaires (MCV) ne cesse d’augmenter. Une population particulièrement vulnérable à ces maladies est celle des adultes âgés ayant une maladie neurologique : l’épilepsie. Plusieurs études démontrent que les adultes âgés atteints d’épilepsie ont un risque plus élevé de développer une MCV par rapport à la population générale. Cette association est étonnamment peu étudiée chez cette population. Afin de développer des programmes de soins de santé pour prévenir l’apparition de comorbidité de MCV chez les personnes atteintes d’épilepsie, dresser un portrait précis des adultes âgés atteints d’épilepsie est nécessaire. OBJECTIFS. Afin de combler les lacunes de la littérature scientifique sur les causes du fardeau élevé des MCV chez les adultes âgés atteints d’épilepsie, l’objectif de ce mémoire est d’étudier la répartition des facteurs sociaux, mode de vie et comportements, ainsi que des maladies chroniques connues comme étant des facteurs de risque de MCV chez les adultes âgés atteints d’épilepsie comparée à la population générale. En outre, nous visons à mesurer l’association transversale entre l’épilepsie et les MCV chez les adultes âgés, avec et sans ajustement pour des antécédents d’accidents vasculaires cérébraux (AVC), ainsi qu’à trouver des preuves d’interactions entre l’épilepsie et les facteurs de risque de MCV. MÉTHODES. Nous avons analysé les données de 44 817 participants de l’Étude longitudinale canadienne sur le vieillissement (ÉLCV), une cohorte d’étude longitudinale composée d’individus âgés d’au moins 45 ans et plus dont plus de 700 personnes ont des antécédents d’épilepsie autodéclarés au cours de leur vie. En ajustant pour l’âge, le sexe et le statut d’AVC, nous avons utilisé la régression log-binomiale pour modéliser les associations transversales entre les facteurs de risque de MCV, l’épilepsie et les MCV telles que les maladies cardiaques, les maladies vasculaires périphériques et les infarctus du myocarde. Nous avons comparé le fardeau des MCV attribuable par les AVC dans la population avec et sans épilepsie. Des modèles de régression multivariés ont également été stratifiés en fonction du statut d’épilepsie afin d’observer des différences dans ces associations entre les personnes atteintes d’épilepsie et les personnes non atteintes d’épilepsie. Finalement, nous avons testé l’existence d’interactions entre les facteurs de risque de MCV et l’épilepsie, et leur association avec le statut de MCV. Nous avons utilisé l’imputation multiple pour remplacer les données manquantes. RÉSULTATS. La majorité des caractéristiques sociodémographiques, mode de vie et comportements et maladies chroniques, sélectionnées comme facteurs de risque de MCV dans notre étude, étaient significativement plus prévalentes chez les personnes atteintes d’épilepsie comparée à la population générale non atteinte d’épilepsie. Le fardeau des MCV attribuable par les AVC chez les personnes atteintes d’épilepsie n’était que de 36 %, soit un taux similaire à celui de la population générale qui lui s’élevait à 32 %. Même après l’ajustement du statut d’AVC, ainsi que de l’âge et du sexe, les personnes atteintes d’épilepsie présentaient une prévalence significativement plus élevée de maladies cardiaques [ratio de prévalence (PR) = 1,27 (IC à 95 % : 1,02-1,57)] et de maladies vasculaires périphériques [PR = 1,88 (IC à 95 % : 1,50-2,36)]. Bien qu’elle ne soit plus significative, la tendance vers une augmentation de la prévalence des infarctus du myocarde chez les personnes atteintes d’épilepsie était maintenue [PR = 1,19 (IC à 95 % : 0,89-1,60)]. Finalement, parmi tous les facteurs de risque de MCV, seuls l’âge, l’hypertension et la maladie pulmonaire chronique obstructive ont été associés à une augmentation significative de la prévalence d’une ou plusieurs MCV. CONCLUSION. La grande taille de l’échantillon et l’étendue des informations sur la santé saisies par l’ÉLCV (c’est-à-dire démographiques, sociales, physiques, psychologiques, économiques, physiologiques) nous ont permis de modéliser une analyse approfondie et de présenter un reflet juste d’une population d’adultes âgés. Le mémoire présenté démontre que les facteurs de risque de MCV sont plus fréquemment observés chez les personnes atteintes d’épilepsie et l’association entre l’épilepsie et les MCV est indépendante de l’association entre l’épilepsie et les AVC. Ces résultats constituent une première étape importante pour mieux comprendre les origines des MCV chez les personnes atteintes d’épilepsie. L’analyse de médiation aurait pu être un moyen d’approfondir mes analyses. Cela n’a pas été possible avec l’analyse actuelle étant donné que nous n’avions aucun moyen d’établir la séquence temporelle de nos données. Les adultes âgés constituent une population vulnérable à laquelle les prestataires de soins de santé doivent accorder une attention particulière. Mener des études longitudinales sur les personnes dont les crises d'épilepsie viennent d'être diagnostiquées et qui présentent une maladie chronique, des caractéristiques sociodémographiques et un mode de vie entièrement caractérisé (avant et après le diagnostic d'épilepsie) sont nécessaires.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».