Recherches financées

Résumé en langage clair

La maladie artérielle périphérique (MAP) est une affection évolutive caractérisée par le rétrécissement ou l'obstruction des vaisseaux sanguins, réduisant la circulation sanguine dans les jambes. La MAP entraîne une limitation de la mobilité, une dégradation de la qualité de vie et d'autres complications graves, comme l’ulcère du pied et l'amputation. Les personnes atteintes d'une maladie rénale qui nécessitent des traitements d'hémodialyse sont beaucoup plus souvent atteintes d'une MAP et ont tendance à subir davantage de complications que les personnes dont la fonction rénale est normale. Malgré la gravité de la MAP, cette maladie est encore sous-diagnostiquée et insuffisamment traitée, car nous ne savons pas comment la détecter à ses débuts, avant que les symptômes et les complications n'apparaissent, de sorte qu'elle n'est généralement découverte que tardivement, lorsque la mobilité est déjà diminuée ou que les tissus ont été endommagés. Sachant qu'une détection et une prise en charge avant l'apparition des symptômes et des complications peuvent permettre d'éviter des conséquences graves, il serait important, tant pour les malades dialysés que pour les cliniciens et les décideurs, de trouver des moyens de détecter la MAP à un stade plus précoce. L'utilisation des caractéristiques de la santé d'une personne pour prédire son risque de contracter une maladie plus tard dans sa vie permet un dépistage et un diagnostic personnalisés; cependant, aucun outil destiné à prédire l'apparition d'une MAP n'a encore été utilisé chez des personnes hémodialysées. Dans le cadre de la présente étude, nous examinerons s'il est possible de prédire avec précision le risque de voir apparaître une MAP après la mise en route de la dialyse, ainsi que le risque de complications (ulcère du pied ou amputation) liées à cette maladie. Pour ce faire, nous utiliserons la vaste base de données cliniques sur l'hémodialyse créée durant la Chronic Kidney Disease Cohort Study, ainsi que les données dont nous disposons sur le nombre réel de cas de MAP et de ses complications survenus au fil du temps chez ses participants. La sensibilité de nos modèles pour prédire ces événements réels sera évaluée au moyen d’un type d'intelligence artificielle, l'apprentissage automatique, puis comparée à celle de modèles statistiques standard. Un modèle prévisionnel précis de la MAP pourra ensuite être appliqué pour améliorer l'accès à des soins optimaux grâce à une détection précoce et en temps utile, dans la mesure où l'outil de prédiction permettra de cibler les personnes susceptibles de bénéficier d'une surveillance accrue avant l'apparition de complications. La détermination du risque individuel de MAP pourrait également servir à concevoir des études cliniques, en soumettant les personnes présentant le risque le plus élevé à d'éventuels traitements préventifs.