Développement d’un indice de comorbidité pour l’ÉLCV : application aux maladies neurologiques

Les individus sont de plus en plus atteints de plusieurs maladies chroniques en même temps (c’est-à-dire la comorbidité). Une grande partie de ce fardeau croissant, en particulier pour les maladies du cerveau, s’explique par le vieillissement de la population. À l’heure actuelle, l’Étude longitudinale canadienne sur le vieillissement (ÉLCV) recueille de l’information sur les comorbidités multiples, mais il n’existe pas de méthode normalisée et scientifiquement prouvée pour résumer leur fardeau global chez un individu. L’objectif de l’étude proposée est de développer une mesure sommaire de la comorbidité au sein de l’ÉLCV. Une fois que cela a été élaboré dans une partie de l’ÉLCV, elle sera ensuite appliquée à d’autres parties de l’ÉLCV pour confirmer qu’elle fonctionne bien. Nous effectuerons des sous-analyses pour examiner quel effet l’âge, le sexe et le langage peuvent avoir sur la façon dont cet algorithme fonctionne. Enfin, nous allons évaluer comment cette mesure sommaire nouvellement développée fonctionne chez les personnes atteintes d’une maladie du cerveau.

Nous avons terminé l’élaboration et la validation de plusieurs méthodes alternatives pour prédire l’utilisation des soins de santé dans le ÉLCV, y compris les techniques de sélection de modèles telles que LASSO (moins de retrait absolu et opérateur de sélection), la moyenne du modèle bayésien et la sélection basée sur l’AIC (critère d’information Akaike). Les performances de l’indice final ont été comparées à l’aide de mesures de discrimination, d’étalonnage et de modélisation. Nous avons également étudié la validité de construction convergente en vérifiant les corrélations transversales entre les mesures de la multimorbidité, incapacité, et la satisfaction à l’égard de la vie. En fin de compte, la discrimination pour tous les modèles était très modeste, mais lorsque l’on inclut un terme d’interaction entre la somme absolue des maladies chroniques et l’âge, l’indice qui a émergé avait le plus fort calage entre la probabilité moyenne prédite et observée d’hospitalisation. Ces résultats aideront à éclairer l’étude future de la multimorbidité dans l' ÉLCV, ainsi que d’autres cohortes d’études.