La maladie d'Alzheimer (MA) est une maladie neurodégénérative entraînant des pertes cognitives qui évoluent vers des troubles fonctionnels. L'objectif principal de l’étude MEMORA-Learning était d’étudier les prédicteurs de passage du stade de trouble neurocognitif (TNC) mineur au stade de TNC majeur (démence). Le travail présenté ici répond à une sous question de recherche: ”parmi les patients atteints de TNC majeur au stade modéré, quels patients passent prématurément [ou tardivement] au stade sévère ? ”

Les données des patients atteints d'une MA clinique avec TNC majeur entre 2014 et 2019 ont été extraites de la cohorte MEMORA incluant les patients suivis dans les consultations Mémoire du Centre mémoire ressources recherche de Lyon. Cette base contient le diagnostic étiologique des patients, les informations sociodémographiques (genre, âge, niveau d’études, profession), les comorbidités, les traitements, les scores MMSE (Mini Mental State Examination) et les hospitalisations (via le PMSI). Les patients ayant une (ou des) maladie neurogénérative concomitante à la MA ont été exclus (maladie de Parkinson notamment). Le score MMSE a permis d'identifier les stades modéré (MMSE entre 11 et 19) et sévère (MMSE ≤10). Le critère de jugement principal de l’étude était le temps censuré de conversion (TC) entre ces deux stades, toutes les autres variables étaient des prédicteurs (calculées à la date index, défini au premier diagnostic de stade modéré). L'impact de chaque prédicteur sur le TC a d'abord été évalué via un estimateur de Kaplan-Meier (KM). Ensuite, afin d'identifier les profils à haut risque de conversion précoce ou tardive, nous avons entrainé des arbres de décision de survie. Ce sont des arbres de régression où la qualité d'une séparation est mesurée par une règle de division log-rang. Chaque arbre a été entrainé sur un sous-ensemble de prédicteurs différents pour diversifier les sous-groupes obtenus. Les sous-groupes d'intérêt ont ensuite été sélectionnés parmi tous les nœuds ou feuilles des arbres pour lesquels le TC, calculé via le percentile 0,75 du KM (car la médiane n’était pas atteinte), est éloigné d'au moins 25 % de celui de la cohorte entière, et qui représentaient plus de 5% de la cohorte.

Au total, 332 patients atteints de TNC majeurs au stade modéré ont été inclus dans cette analyse, avec un TC de référence de 22 mois (percentile 0,75 du KM). Les patients avec un MMSE ≤13 (à la date index) ont converti précocement (TC=12 mois, N=204 patients), de même que les patients ayant un MMSE ≤16 et souffrant d'anxiété (TC=14m, N=256), et que les patients ayant dans antécédents d'AVC (TC=17m, N=196). Les patients avec un MMSE ≥17 (à la date index) ont eu une conversion tardive (TC=31m, N=727). Les patients vivant seuls à domicile avec leur famille à proximité et souffrant de troubles cognitifs vasculaires ont également eu une conversion plus tardive (TC non atteint, N=118).

L'utilisation d'une technique de machine learning, des arbres de décision de survie, sur la base de données MEMORA a permis de détecter des sous-groupes de patients convertissant précocement ou tardivement du stade modéré au stade sévère de la MA. Les comorbidités anxiété, AVC et troubles cognitifs vasculaires sont apparus comme des prédicteurs forts du temps de conversion. Le score MMSE était le principal prédicteur du modèle, ce qui a confirmé et quantifié son importance dans l’évaluation de la MA.

Les auteurs n'ont pas précisé leurs éventuels liens d'intérêts.