Phénotypage multidimensionnel des patients ayant un syndrome d'apnées obstructives du sommeil

Sleep apnea trajectories deciphered by innovative multidimensional data analyses

• Auteur / Autrice : Ina Jandric
• Direction : Sébastien Bailly
• Type : Projet de thèse
• Discipline(s) : MBS - Modèles, méthodes et algorithmes en biologie, santé et environnement
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale ingénierie pour la santé, la cognition, l'environnement
• Partenaire(s) de recherche : Laboratoire : Hypoxie et Physiopathologie

Mots clés

Mots clés libres

Clustering

Données observationnelles

Phénotypes

Apnées obstructives du sommeil

Télésuivi

Clustering

Phenotypes

Remote monitoring

Observationnal data

Obstructive sleep apnea

Résumé

Le syndrome d'apnée du sommeil (SAS) touche plus d'un milliard de personnes dans le monde, a un impact significatif sur la qualité de vie et est lié à une surmortalité prématurée. La présentation clinique est multiple, avec des symptômes variés et une association marquée avec les comorbidités. La pression positive continue (PPC) est le traitement de référence et est utilisée par 1,5 million de personnes en France. Son efficacité est limitée par un taux d'abandon élevé dans les 3 premières années. L'ambition du projet STRATA est d'englober les trajectoires des patients souffrant de SAS, du diagnostic au pronostic, en exploitant des données provenant de différentes sources. déjà disponibles dans le cadre du consortium STRATA. Les objectifs sont les suivants : i) améliorer la caractérisation du phénotype de l'apnée du sommeil par l'agrégation de données multidimensionnelles déjà collectées lors du diagnostic ; ii) associer les phénotypes et les données de télésurveillance de la PPC pour classer dès que possible un patient dans une trajectoire de bonne ou de mauvaise observance au traitement afin d'adapter le suivi individuel et d'éviter l'abandon ; iii) prédire les réponses au traitement et le pronostic du patient (stratification du risque cardiovasculaire et amélioration des PROMs) sur la base des phénotypes et d'une analyse des données multidimensionnelles de la PPC, STRATA est un projet de collaboration transdisciplinaire avec un prestataire de soins à domicile combinant la recherche clinique, la science des données et l'implication des professionnels de santé pour une meilleure gestion des soins dans l'apnée du sommeil.

Sleep apnea syndrome (SAS) affects more than a billion people worldwide, has a significant impact on quality of life and is linked to excess untimely mortality. The clinical presentation is multiple, with varied symptoms and a marked association with cardiovascular and metabolic diseases. Continuous positive airway pressure (CPAP) is the standard treatment and is used by 1.5 million people in France. Its effectiveness is limited by high drop-out rates in the first 3 years. The ambition of the STRATA project is to encompass OSA patient trajectories from diagnosis to prognosis by leveraging data from different sources: clinical, questionnaires, sleep exams, CPAP remote monitoring, homecare provider alerts and interventions. The knowledge acquired by STRATA will be based on an analysis of multidimensional data, medico-administrative data, sociological data and environmental exposure data which are already available through the STRATA consortium. The objectives are: i) To improve sleep apnea phenotype characterization by aggregation of multidimensional data already collected at diagnosis; ii) To aggregate identified phenotypes and dynamic prediction from CPAP remote monitoring data to classify as soon as possible a patient to expected good or poor adherence trajectory to be able to adapt individual follow-up and avoid treatment withdrawal; iii) To predict patient treatment responses and prognosis (cardiovascular risk stratification and PROMs improvement) based on phenotypes and adherence trajectories. STRATA is a transdisciplinary collaborative project with a homecare provider combining clinical research, data science and involving healthcare professional to a better care management in sleep apnea.