Merci pour tous vos conseils (directs ou indirects) qui m'ont aidé à gérer les aléas de la thèse. Merci beaucoup pour votre présence et votre soutien sans faille lors du déroulement de cette thèse.
La maladie rénale chronique
Mesure de la fonction rénale
Une autre formule utilisée est la formule CKD-EPI (Chronic Kidney Disease Epidemiology collaboration), qui prend en compte les mêmes facteurs que la formule MDRD, mais fournit de meilleures estimations du DFG lorsqu'il est élevé (Levey et al., 2009b ; Steven et al. ., 2010). . Sans processus pathologique, la fonction rénale diminue néanmoins avec le temps à mesure que l'individu vieillit, un peu plus rapidement chez les hommes que chez les femmes (Stevenset et al., 2006).
Définition
Au niveau clinique, les patients transplantés présentent également des risques de décès et d'événements cardiovasculaires inférieurs à ceux des patients dialysés (Tonelli et al., 2011). La qualité de vie des patients transplantés est également meilleure (Laupacis et al., 1996 ; Tonelli et al., 2011 ; Cameron et al., 2000), malgré un traitement immunosuppresseur à vie.
Épidémiologie
Certains facteurs sont désormais bien reconnus comme favorisant la progression de l'IRC (McClellan et Flanders, 2003 ; Johnson et al., 2004 ; McClellan, 2005). La présence d'une protéinurie a également un impact sur l'évolution de l'IRC, conduisant à une accélération de la détérioration de la fonction rénale (Remuzzi et al., 1997).
Problématiques et objectifs de la thèse
Plan du mémoire
Regression methods for investigating risk factors for CKD outcomes: state of the art. Of the 24 events in which the Cox model was used to explore the risk factors of a single interval-censored time to event (Table 2), the problem of interval censoring was never recognized.
Les données simulées
Mesurer les performances des outils d'évaluation du DFG pour évaluer la progression de la MRC par rapport aux mesures répétées du DFG de base. Une description des patients spécifiques pour chaque objectif a été réalisée dans chacun des articles présentés (Boucquemont et al., (en résumé) ; Boucquemont et al., (en préparation)).
L’étude TAHIVA
Le phénomène de censure par intervalles se produit lorsque l’événement d’intérêt n’est pas observé en temps continu, mais en temps discret. Si l'événement d'intérêt est, par exemple, le passage du DFG en dessous d'une certaine valeur seuil, il est mesuré à un instant discret, puisque la mesure du DFG a lieu uniquement lors des visites de contrôle du patient.
Analyses de données de survie classiques
Fonctions usuelles
Dans la suite de ce chapitre, les concepts de base de la survie classique sont d'abord présentés. Ensuite, certains aspects théoriques du modèle maladie-décès pour les données censurées par intervalles sont présentés, qui n'ont pas été abordés (car ils ne sont pas nécessaires pour comprendre les analyses) dans l'article publié dans PLOS ONE (sous presse) qui présente les résultats et qui est inséré à la fin de ce chapitre.
Censure et troncature
Si l’on prend l’âge comme axe du temps, cela signifie que l’on force l’âge au moment de l’événement qui nous intéresse à être supérieur à l’âge d’entrée. Si les sujets entrent dans l’étude à des âges différents, alors l’âge au moment de l’événement (ou de la censure) doit être tronqué à l’âge au moment de l’entrée dans l’étude.
Modèles de régression standards
- Modèle de Cox
- Modèle de Weibull
Les données de survie classiques analysent 33 variables explicatives et la fonction de risque actuelle associée à la survenance de l'événement d'intérêt. La relation entre la fonction de risque instantané associée à la survenance de l'événement d'intérêt et les variables explicatives est enregistrée.
Prise en compte des risques compétitifs
Dans le cas le plus courant de données censurées uniquement à droite et de censure indépendante (Aalen et al., 2008), il est écrit. Les coefficients associés aux facteurs explicatifs n'ont donc aucune interprétation en termes de risques relatifs (Lau et al., 2009 ; Andersen et al., 2012).
Risques compétitifs et censure par intervalle : le modèle illness-death pour
En d’autres termes, l’intensité de la transition vers un autre état ne dépend pas du temps passé dans l’état actuel ; 2. Le calcul de la probabilité s'appuie sur les estimations des probabilités de transition par sujet (Joly et al., 2002).
Comparaison des résultats du modèle illness-death pour données censurées
Article publié dans PLOS ONE
Time to event was the time from inclusion to diagnosis of stage 5 CKD (patient B in Figure 1), censored at time to death or last vital status news for patients without a stage 5 CKD diagnosis. (patient A in Figure 1). In model M2, time to event was time to death before diagnosis of stage 5 CKD (patient A in Figure 1 ), censored at the time of diagnosis of stage 5 CKD (patient B in Figure 1 ). While standard models and IMIDs yielded almost identical estimated effects of risk factors on the risk of progression to stage 5 CKD, the results for death tended to differ.
As expected, we found large differences in the probabilities of progression to stage 5 CKD derived from the naïve survival model M1 and from the IMID M4.
Discussion
Il faut cependant être prudent dans ce choix, d’autant plus que des patients à différents stades de la maladie sont inclus dans la cohorte. Lorsqu’on étudie la progression d’une maladie rénale chronique, on s’intéresse souvent à l’évolution des valeurs du DFG au fil du temps. Nous nous placerons ensuite dans le cadre d'analyses de données longitudinales, où nous étudierons des mesures répétées de la fonction rénale.
Un modèle linéaire mixte permet de prendre en compte la corrélation entre les mesures répétées du même patient et la variabilité des mesures des patients autour de la trajectoire moyenne du DFG dans la population (Galecki et Burzykowski, 2013 ; Verbeke et Molenberghs, 2009).
Comparaison du modèle linéaire mixte et des autres méthodes couramment
Article publié dans Nephrology Dialysis Transplantation
To estimate the parameters of the linear mixed model, a specific random effects distribution must be assumed. Linear regression on individual slopes and linear mixed models yielded estimates of the same magnitude, as most patients (98.5%) had at least two visits (Table 3). Such nonlinear trends of renal function over time can be accommodated in both the linear mixed model and the GEE.
The linear mixed model can be extended to account for other features of the data in question.
Utilisation du modèle linéaire mixte pour étudier l’évolution du DFG chez
- Introduction
- Méthodes
- Résultats
- Discussion
Par rapport à l'absence de protéinurie, la présence d'une protéinurie glomérulaire au départ, que la protéinurie soit significative ou non, est associée à un DFG moyen significativement inférieur au début de la période de traitement. Une augmentation d'un an de la durée cumulée d'exposition au TDF au début de la période de traitement était significativement associée à un DFG moyen inférieur de 1,27 mL/min/1,73 m2 (IC en même temps. Seule la présence d'une protéinurie significative à l’inclusion était associée significativement à la pente du DFG, toutes périodes de traitement confondues.
Différence moyenne du DFG mesuré au début de la période de traitement Âge au début de la période de traitement majoré d'un an). pour une augmentation d'un an).
Identification de sous-populations de trajectoires de la fonction rénale
Le modèle linéaire mixte à classes latentes
Identification des sous-populations de trajectoires de la fonction rénale 97 Les aspects théoriques du modèle sont présentés ci-dessous. La deuxième partie du modèle est la trajectoire du DFG au sein de chaque classe. Chaque variable du vecteurX2ij aura un effet commun à toutes les classes sur la trajectoire du DFG.
En raison des maxima locaux, différents vecteurs des valeurs initiales des paramètres du modèle doivent être testés pour permettre au modèle de converger vers le maximum de vraisemblance optimal.
Stratégie de modélisation
La version simplifiée de ce modèle, dans le cas où il n'y a pas de covariable autre que le temps, qui est modélisée par une fonction linéaire, est présentée en annexe de l'article à la fin de ce chapitre. Identification de sous-populations de trajectoires de la fonction rénale Dans la partie longitudinale, il faut également décider s'il faut préciser des effets communs ou spécifiques à une classe. Dans notre travail, aucune variable n’a été incluse dans le modèle car notre objectif était purement descriptif. Par conséquent, nous voulions que le modèle identifie les voies sans fournir d'informations a priori sur l'effet des variables sur l'appartenance à une classe ou sur les profils d'évolution du DFG.
Qualité de discrimination du modèle
Article en préparation
1 Identification of subpopulations of renal function trajectories in patients with chronic kidney disease: an illustration of the use of the latent class linear mixed model. We observed the highest percentage of patients with a glomerular nephropathy or a polycystic kidney disease in the class with the strongest decrease of mGFR (Class 4), probably due to the bad prognosis of these nephropathies. Mean estimated trajectory of mGFR within each of the 5 classes estimated by the latent classes linear mixed model (in legend, number of patients in each class after a posteriori . classification).
Observed trajectories of mGFR of patients a posteriori classified within each of the 5 classes estimated by the latent class linear mixed model (randomly selected patients in classes 1, 2 and 3 and all patients in classes 4 and 5).
Discussion
Une hypothèse est que le DFG à l'inclusion a trop de poids dans nos résultats sur les trajectoires du DFG. Les patients avec une seule mesure du DFG contribuent à l'estimation du modèle car ils fournissent des informations notamment pour l'estimation des intercepts. Il n’a pas été possible de réaliser cette analyse multivariée en raison du faible effectif dans les classes présentant une baisse rapide ou au contraire une amélioration du DFG au fil du temps.
Bien que les délais de mesure du DFG ne semblent pas liés à l'état de santé du patient, il est important de discuter des pratiques des néphrologues pour déterminer si les conditions d'orientation des patients vers un examen fonctionnel sont inappropriées. ce patient.
Résumé des travaux
De plus, comme prévu, les résultats concernant les estimations des probabilités de passage au stade 5 montrent une sous-estimation systématique de la probabilité de progression au stade 5 dans le modèle standard par rapport au modèle maladie-mort. Dans les analyses longitudinales de la fonction rénale où nous ne nous intéressons pas au passage du DFG en dessous d'un certain seuil, mais à l'évolution globale du DFG dans le temps, nous avons également identifié certaines limites des analyses actuelles. Dans cette section dédiée aux analyses longitudinales, nous nous sommes concentrés sur l’un des points soulevés dans la revue de la littérature : l’identification de sous-groupes de patients présentant des profils de progression du DFG différents.
Perspectives - La prédiction de l'évolution de la CKD 135 n'a jamais été utilisée dans le contexte de la CKD.
Perspectives - Prédiction de la progression de la MRC
Prédiction du temps de passage sous un seuil
Prédiction des évènements cliniques de la MRC
- Modèles conjoints
- Modèle conjoint à classes latentes
Regression methods for examining risk factors for chronic kidney disease outcomes: the state of the art. Agarwal R: Blood pressure components and the risk of end-stage renal disease and death in chronic kidney disease. Agarwal R, Bunaye Z, Bekele DM, Light RP: Competing risk factor analysis of end-stage renal disease and mortality in chronic kidney disease.
Omae K, Ogawa T, Nitta K: Therapeutic benefit of angiotensin-converting enzyme inhibitors in patients with proteinuric chronic kidney disease. Khedr A, Khedr E, House AA: Body mass index and the risk of progression of chronic kidney disease. We generated data for a hypothetical hospital cohort of 3000 patients diagnosed with chronic kidney disease (CKD).
