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

Abstract

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.