Jannah Theme License is not validated, Go to the theme options page to validate the license, You need a single license for each domain name.
Nouvelles

Une approche adaptée individuellement pour communiquer aux patients les résultats épidémiologiques sur la santé et le mode de vie

Aperçu de la cohorte d’étude de Tromsø

Pour créer une base de connaissances pour l’application de recommandation de style de vie, nous modélisons les associations entre les facteurs dépendants du mode de vie et la santé subjective à l’aide des données des enquêtes de population de Tromsø. L’étude Tromsø est une étude de cohorte lancée en 1974 qui sollicite de larges échantillons représentatifs de la municipalité de Tromsø, en Norvège.38. Pour obtenir une puissance statistique plus élevée dans notre analyse, nous modélisons les données des deux dernières itérations, Tromsø6 (2007-08, n = 12 981, 53,4 % de femmes et 46,6 % d’hommes) et Tromsø7 (2015-2016, n = 21 083, 52,5 % femmes et 47,5% d’hommes). Les itérations précédentes n’ont pas été incluses dans notre analyse car elles utilisaient différents éléments du questionnaire pour mesurer l’AP, et les éléments du questionnaire PA des deux dernières vagues nous ont permis d’analyser l’interaction et l’effet conjoint de la fréquence et de l’intensité de l’AP. Les protocoles d’échantillonnage des participants ont été conçus dans le but de collecter des données longitudinales et de garantir des échantillons suffisamment grands au sein de différentes cohortes d’âge et de sexe.39,40. À Tromsø6, un échantillon aléatoire de 10 % de personnes âgées de 30 à 39 ans, un échantillon aléatoire de 40 % de personnes âgées de 43 à 59 ans et toutes les personnes âgées de 60 à 87 ans ont été invités. 65,7 % des invités de Tromsø6 ont participé et leur âge variait de 30 à 87 ans. Dans l’étude Tromsø7, tous les résidents de Tromsø âgés de ≥ 40 ans ont été invités, dont 65,0 % ont participé. L’âge des participants variait de 40 à 99 ans. Dans les deux études, des questionnaires ont été envoyés aux participants par courrier électronique et des examens physiques ont été effectués pour ceux qui ont choisi d’assister physiquement à l’étude.

Mesures et variables utilisées pour la modélisation

La variable indépendante du modèle statistique que nous utilisons comme base de connaissances dans l’application est la SSR, qui est la réponse d’une personne à la question « Comment considérez-vous, en général, votre état de santé ? » les réponses possibles étant 1. Très mauvais, 2. Mauvais, 3. Pas très bon, 4. Bon, 5. Excellent. La catégorie « très pauvre » a reçu des réponses négligeables (taux de réponse de 0,37 %, probablement en raison de la difficulté pour les personnes ayant de graves problèmes de santé de participer aux enquêtes), et a donc été fusionnée avec la catégorie « pauvre ». Après la fusion, les catégories étaient 1. Mauvaise, 2. Pas si bonne, 3. Bonne, 4. Excellente. Bien que la SRH ne prenne que des valeurs discrètes, elle reflète des états et des processus sous-jacents qui sont continus, ce qui nous a motivé à la modéliser comme une variable continue normalement distribuée. Les prédictions SRH peuvent donc prendre des valeurs intermédiaires ; Par exemple, si le modèle prédit une différence moyenne de SSR de 0,9 associée à une différence donnée (comme âge = 45 et âge = 55), alors le modèle prédit que ces groupes diffèrent en moyenne de près d’un niveau de SSR, correspondant approximativement au différence de santé entre « 1. Pauvre » et « 2. Pas si bon », ou « 2. Pas si bon » et « 3. Bien ». Les prédicteurs modifiables de la SSR pris en compte sont les suivants : fréquence et intensité de l’activité physique (AP), indice de masse corporelle (IMC, classé en insuffisance pondérale, poids normal, surpoids et obésité en utilisant les valeurs seuils de 18,5, 25 et 30 kg/m.2), les symptômes de santé mentale (version en 10 éléments de la liste de contrôle des symptômes de Hopkins, HSCL), les taux de sucre dans le sang élevés (HbA1c ≥ 6,5 %) et le statut tabagique (Fumez-vous actuellement ? oui/non). Comme facteurs de confusion, nous avons inclus l’âge, le sexe, le niveau d’éducation (1. Éducation primaire/partiellement secondaire [Up to 10 years of schooling]2. Enseignement secondaire supérieur [a minimum of 3 years], 3. Ou avoir fréquenté un collège/une université), le soutien social (avez-vous suffisamment d’amis qui peuvent vous apporter de l’aide et du soutien lorsque vous en avez besoin ?), la situation du ménage (vivez-vous avec un partenaire/conjoint ?) et une maladie comorbide fardeau. Nous avons modélisé uniquement ceux comportant des données sur toutes les variables du modèle.

Charge de morbidité comorbide a été mesuré à l’aide de l’indice d’impact sur la santé (HII) proposé par Lorem et al.41, qui prend en compte à la fois l’effet conjoint et la gravité de 11 maladies, telles que l’accident vasculaire cérébral, la migraine, l’infarctus du myocarde et l’asthme. La présence ou les antécédents d’une affection sont mesurés à l’aide d’items de questionnaire du type « Avez-vous ou avez-vous eu… ? ». L’indice est une somme pondérée où chaque terme représente l’impact sur la SSR d’une condition médicale, et les poids ont été calibrés en fonction de leur association avec la SSR. Par exemple, le HII d’une personne ayant eu un infarctus du myocarde (poids = 2) et qui souffre ou a souffert de migraines (poids = 1) est de 3. L’échelle va de 0 à 22. HII ≥ 3 est défini comme étant « gravement je vais »41.

Pennsylvanie les niveaux ont été mesurés à l’aide de la fréquence d’AP autodéclarée (à quelle fréquence faites-vous de l’exercice ?) et de l’intensité (si vous faites de l’exercice, à quelle intensité faites-vous de l’exercice ?). L’élément de fréquence AP avait des réponses 1. Jamais, 2. Moins d’une fois par semaine, 3. Une fois par semaine, 4. 2 à 3 fois par semaine, 5. Environ tous les jours. L’item d’intensité PA avait des réponses 1. Facile – vous ne devenez pas essoufflé ni en sueur, 2. Vous devenez essoufflé et en sueur, 3. Difficile – vous devenez épuisé. Nous avons fusionné la catégorie « jamais » avec la catégorie « moins d’une fois par semaine » afin de réduire le nombre de catégories de fréquence d’AP et de simplifier le modèle et l’analyse. La fréquence et l’intensité de l’AP avaient donc respectivement 4 et 3 niveaux, et il y avait 12 sous-groupes d’AP définis par la combinaison de la fréquence et de l’intensité de l’AP.

Santé mentale le statut a été mesuré à l’aide d’une version en 10 éléments du HSCL42, noté HSCL-10. HSCL est un questionnaire clinique bien validé pour quantifier les symptômes de santé mentale qui a été développé à l’aide de l’analyse factorielle.43. Chaque élément a des réponses 1. Aucune plainte, 2. Peu de plainte, 3. Assez, 4. Beaucoup. Les valeurs numériques correspondant aux réponses sont moyennées sur les éléments pour produire un résumé de l’état de santé mentale de l’individu. Les éléments pour lesquels il manque des réponses sont exclus des calculs, donc si 8 éléments ont des réponses, alors le score est la moyenne de ces 8 éléments. Si moins de sept questions recevaient une réponse, le HSCL-10 était défini comme manquant et les données du participant étaient exclues d’une analyse plus approfondie. HSCL-10 s’étend sur une échelle de 1 à 4, avec un indice élevé indiquant une détresse psychologique et un indice ≥ 1,85 utilisé comme seuil de détresse mentale.44.

Application de preuve de concept pour convertir le modèle en recommandations individualisées

L’application de validation de principe qui intègre le modèle SRH a été développée à l’aide du concepteur d’applications de Matlab. La figure 1 montre un organigramme décrivant le fonctionnement de l’application et son lien avec la recherche sur la SSR. Il demande d’abord à l’utilisateur des informations sur les variables nécessaires au modèle SRH pour générer des prédictions à l’aide de menus déroulants. Une fois ces données collectées, l’application identifie les facteurs modifiables pour lesquels des améliorations sont possibles. Ensuite, pour chacun de ces facteurs (par exemple l’AP), l’effet estimé sur la SSR de l’atteinte des objectifs associés (par exemple exercice modéré 1 à 3 fois par semaine) est calculé à l’aide du modèle SRH. Enfin, les objectifs sont présentés conjointement dans une visualisation avec un texte descriptif pour chaque objectif placé à côté d’une barre horizontale qui indique l’amélioration estimée de la santé subjective si elle est atteinte. L’ordre des objectifs est déterminé en triant les objectifs en catégories (exercice, perte de poids, contrôle de la glycémie, etc.), puis les catégories sont classées en fonction de l’impact de l’atteinte de l’objectif ou de l’état optimal (en termes de SSR élevée). ) pour chaque catégorie respective, comme un IMC dans la plage normale. Les effets sur la santé de certains objectifs, comme ceux liés à l’AP, dépendent du degré de changement et nous avons choisi, par souci de simplicité, de présenter uniquement un sous-ensemble d’objectifs pour représenter ce facteur de style de vie. Dans ces cas, nous avons choisi des objectifs qui semblaient pertinents pour motiver l’utilisateur, mais incluons toujours l’effet d’atteindre l’état théoriquement optimal pour montrer la marge d’amélioration potentielle à long terme.

Figure 1

Relation entre l’utilisateur individuel, l’application de style de vie proposée basée sur la recherche, le modèle statistique, la recherche et la cohorte d’étude.

L’application est open source sous la licence publique générale GNU Affero et est disponible sur https://github.com/uit-hdl/health-diary-app. Les données utilisateur collectées sont stockées dans des fichiers locaux.

Méthodes statistiques

Analyses stratifiées

Nous effectuons d’abord un ensemble d’analyses stratifiées où les données sont subdivisées en groupes disjoints et nous calculons diverses statistiques récapitulatives pour fournir un large aperçu empirique des ensembles de données. Les caractéristiques de l’échantillon (nombre de participants dans diverses strates et leurs tailles relatives) sont rassemblées dans le tableau 1. Nous calculons le taux de bonne à excellente SSR dans diverses strates pour fournir un aperçu des associations entre les variables du modèle et la SSR, qui peuvent être observées. dans le tableau 2. Pour évaluer empiriquement l’impact conjoint des variables modifiables du modèle sur la SSR, nous stratifions les ensembles de données en fonction du nombre de facteurs modifiables malsains (UMF) et calculons le taux de SSR médiocre ou moins bonne au sein de chaque strate UMF. Les UMF sont définis comme une glycémie élevée (HbA1c ≥ 6,5 %), un surpoids ou une obésité, une sédentarité, un tabagisme actuel ou des symptômes de détresse mentale (HSCL-10 ≥ 1,85). Les strates sont constituées de celles avec respectivement 0, 1, 2, 3 et ≥ 4 UMF. Les résultats de cette analyse sont rassemblés dans le tableau 3.

Tableau 1 Caractéristiques de l’échantillon pour les 6e et 7e vagues de l’enquête de Tromsø.
Tableau 2 Pourcentage de cohortes Tromsø6 et Tromsø7 ayant une bonne ou une excellente santé auto-évaluée au sein de diverses strates.
Tableau 3 Pourcentage de participants ayant une auto-évaluation de leur état de santé faible au sein des strates définies par le nombre de facteurs modifiables liés à un mode de vie malsain (cohorte : étude Tromsø7, 2015).

La participation à l’étude peut entraîner un biais de sélection selon lequel les individus en meilleure santé sont plus susceptibles de participer que les individus gravement malades, en particulier dans notre cas où nous modélisons uniquement ceux qui ont choisi de participer physiquement à l’étude. Si un tel biais d’échantillonnage était présent, nous nous attendrions alors à ce que les participants ayant participé aux deux vagues aient des caractéristiques d’étude différentes de celles qui n’ont participé qu’à la première vague. Tester…

Capucine

Bonjour, je m'appelle Capucine. Je suis journaliste et journaliste passionné. Je crois que la connaissance, c'est le pouvoir et qu'il est important de tenir les gens informés de ce qui se passe dans le monde. J'aime rechercher des sujets et écrire des histoires qui font réfléchir les gens et apprennent quelque chose de nouveau. Mon objectif est d'être toujours au courant des dernières nouvelles et événements afin de pouvoir les partager avec les autres.
Bouton retour en haut de la page