Approche longitudinale des facteurs de risque dans la démence : modélisation de trajectoires et d’effets cumulés

Longitudinal approach of risk factors in dementia : modeling of trajectories and cumulative effects

• Auteur / Autrice : Maude Wagner
• Direction : Cécile Proust-Lima, Cécilia Samieri
• Type : Thèse de doctorat
• Discipline(s) : Santé publique Biostatistique
• Date : Soutenance le 06/12/2019
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Sociétés, politique, santé publique (Talence, Gironde ; 2011-....)
• Partenaire(s) de recherche : Laboratoire : Bordeaux population Health
• Jury : Président / Présidente : Jean-François Dartigues
• Jury : Examinateurs / Examinatrices : Cécilia Samieri, Anne Thiébaut, Archana Singh-Manoux, Claudine Berr
• Jury : Rapporteurs / Rapporteuses : Anne Thiébaut, Archana Singh-Manoux

Mots clés

Mots clés contrôlés

Exploration de données

Alzheimer, Maladie d'

Troubles de la cognition

Facteurs de risque

Démence

Mots clés libres

Effets cumulés

Nutrition

Santé cardiométabolique

Déclin cognitif

Trajectoires

Démence

Cognitive decline

Cardiometabolic risk factors

Cumulative effects

Nutrition

Trajectories

Dementia

Résumé

En 2015, l’Organisation Mondiale de la Santé estimait à 47 millions le nombre de personnes atteintes de démence, dont la maladie d’Alzheimer (MA) représente la majorité des cas. Cette maladie touche principalement la personne âgée mais ce n’est pas une composante normale du vieillissement. Dans la démence, les lésions cérébrales progressent des années avant la manifestation de troubles cognitifs et le diagnostic de démence. Face à cette dynamique au long-cours et dans un contexte de non-réponse thérapeutique efficace, la prévention est une piste de lutte indispensable. Parmi les facteurs de risque modifiables identifiés sur lesquels il serait possible d’agir, le mode de vie (en particulier l’alimentation et l’activité physique) et la santé cardiométabolique (obésité, diabète, hypertension, dyslipidémies) qui lui est associée, pourraient offrir un panel puissant pour l’élaboration de stratégies de prévention. Cependant, les tranches d’âge auxquelles ces facteurs influent particulièrement le risque de démence et de vieillissement cognitif restent partiellement élucidés. L’objectif principal de cette thèse consiste à modéliser les trajectoires et les effets cumulés de ces facteurs en phases préclinique et prodromale de la démence, en appliquant des méthodes statistiques originales pour la modélisation de données longitudinales complexes, afin d’identifier des fenêtres temporelles clés pour l’intervention. Ces travaux se basent sur les données de cohortes en populations française (l’étude des Trois Cités [3C]) et américaine (la Nurses’ Health Study [NHS]) et sur l’application de modèles statistiques issus de la théorie des modèles mixtes pour données longitudinales. Ces méthodes ont le potentiel de faire progresser notre compréhension du rôle que jouent les facteurs de risque dans la prévention et dans l'histoire naturelle et étiologique de la MA.

In 2015, the World Health Organization estimated that 47 million people had dementia, with Alzheimer's disease (AD) accounting for the majority of cases. This disease mainly affects the elderly but is not a normal part of aging. In dementia, brain damage progresses years before the onset of cognitive disorders and the diagnosis of dementia. Faced with this long-term dynamic and in a context of effective therapeutic non-response, prevention is an essential means of control. Among the identified modifiable risk factors that could be addressed, lifestyle (especially diet and physical activity) and cardiometabolic health (obesity, diabetes, hypertension, and dyslipidemia) could provide a powerful panel for developing prevention strategies. However, the age groups at which these factors particularly influence the risk of dementia and cognitive aging remain partially elucidated. The main objective of this thesis is to model the trajectories and cumulative effects of these factors in the preclinical and prodromal phases of dementia, using original statistical methods for modelling complex longitudinal data, in order to identify key time windows for the intervention. This work is based on cohort data from French (the Three City study [3C]) and American (the Nurses' Health Study [NHS]) populations and on the application of statistical models from the theory of mixed models for longitudinal data. These methods have the potential to advance our understanding of the role of risk factors in the prevention and natural and etiological history of AD.