Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Modèle de prédiction du risque de développement d'ulcérations du pied chez les diabétiques

14 décembre 2025 mis à jour par: Ulla Hellstrand Tang, Sahlgrenska University Hospital

Modèle de prédiction du risque de développer des ulcères du pied chez les diabétiques

Introduction Les ulcères du pied dans le diabète sucré (DM) sont une complication fréquente et grave qui peut entraîner une infection, une amputation et une mortalité accrue. L'identification précoce des patients à haut risque est cruciale pour mettre en œuvre des mesures préventives à un stade précoce. Le nombre de personnes atteintes de DM augmente à l'échelle mondiale, passant de 540 millions en 2021 à environ 780 millions d'ici 2045. Les ulcères du pied causent des souffrances considérables pour l'individu et entraînent des coûts substantiels pour le système de santé.

Malgré les recommandations nationales préconisant des examens réguliers et structurés du pied ainsi qu'une classification du risque pour évaluer la probabilité de développer des ulcères du pied, les modèles de risque actuels ne prennent pas en compte les interactions complexes entre les facteurs de risque et les facteurs socio-économiques tels que l'état civil, le niveau d'éducation et le lieu de résidence.

Les avancées basées sur les données et l'intelligence artificielle (IA) offrent de nouvelles opportunités pour affiner l'identification des risques, mais leur utilisation dans la prédiction du risque d'ulcères du pied diabétique reste limitée. Le besoin de dépistage du pied est considérable. En Suède, il y a environ 600 000 patients atteints de DM, et la moitié d'entre eux vivent avec un risque accru en raison de lésions nerveuses aux pieds. Cela signifie que, sur la base du niveau de risque, environ 300 000 patients en Suède peuvent nécessiter des interventions préventives, notamment des soins médicaux des pieds, des chaussures sur mesure et un accès à des soins spécialisés pour ceux qui ont des ulcères du pied. Des efforts préventifs améliorés sont mis en avant dans la prise en charge centrée sur la personne et intégrée pour les personnes diabétiques à haut risque d'ulcères du pied. Cependant, une identification précise du risque d'ulcères du pied fait actuellement défaut.

La prévention conduit non seulement à une bonne qualité de vie pour l'individu, mais aussi à une réduction des coûts de santé. Les estimations de Ragnarsson Tennvall montrent qu'un ulcère difficile à guérir coûte environ 100 000 SEK par an, tandis qu'une amputation coûte environ 300 000 à 500 000 SEK. Étant donné une prévalence des ulcères du pied de 5 % chez les patients diabétiques, le coût annuel des soins des ulcères s'élève à 3 milliards de SEK. De plus, il y a des coûts d'environ 750 millions de SEK pour les amputations, selon les données du registre de qualité SwedAmp.

L'objectif de l'étude est de développer, tester et valider des modèles de prédiction (statistiques et basés sur l'IA) pour identifier les patients atteints de DM qui risquent de développer des ulcères du pied. Les modèles seront basés sur des données rétrospectives de dossiers de santé électroniques des soins primaires de la région Västra Götaland (VGR), ainsi que sur des données de Statistique Suède (SCB) concernant des facteurs démographiques tels que l'état civil, le niveau d'éducation, la profession et le lieu de résidence.

Méthodes L'étude a deux approches méthodologiques : la modélisation basée sur l'IA et la modélisation statistique.

Approche basée sur l'IA Des modèles d'apprentissage automatique seront développés pour prédire les patients à risque de développer des ulcères du pied diabétique. Les modèles seront entraînés en utilisant une validation croisée sur un grand ensemble de données dans lequel les variables seront exclues de manière itérative. La prédiction conforme sera utilisée pour quantifier l'incertitude dans les prédictions au niveau du patient. Les modèles résultants seront analysés pour identifier les prédicteurs les plus forts et seront comparés à la modélisation statistique classique et aux résultats de la littérature.

Étapes de la modélisation IA :

Extraction des données : Données de dossiers de santé électroniques des soins primaires de VGR, complétées par des données sociodémographiques de SCB.

Traitement des données : Utilisation, entre autres variables, de codes diagnostiques (CIM-10), d'interventions de santé (codes KVÅ), de types de visites, de fréquence des visites, de paramètres d'ECG et de données en texte libre pour construire des prédicteurs.

Développement du modèle : Des modèles de prédiction seront développés et entraînés en utilisant une validation croisée. Des mesures d'incertitude seront générées en utilisant la prédiction conforme.

Validation : Une cohorte distincte sera utilisée pour tester la performance du modèle (sensibilité, spécificité, valeur prédictive positive [VPP]).

Interprétation : Les modèles seront examinés pour la transparence et l'interprétabilité clinique en collaboration avec des représentants des patients, des cliniciens et des chercheurs.

Les résultats des modèles statistiques et basés sur l'IA seront comparés en ce qui concerne leurs forces et faiblesses respectives.

Modélisation statistique Deux populations seront analysées : les patients diabétiques sans ulcères du pied et les patients diabétiques avec ulcères du pied. La co-variation et les relations causales entre les facteurs de risque et les ulcères du pied seront identifiées. Un modèle décrivant les voies causales menant au développement d'ulcères sera développé, et sa certitude et son incertitude seront analysées.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Description détaillée

Dans cette étude basée sur des registres, utilisant les données du système de dossiers médicaux électroniques de Närhälsan dans la région de Västra Götaland (VGR) et leur couplage avec les données de Statistiques Suède (SCB), les questions de recherche seront abordées par le développement et la validation de modèles basés sur l'intelligence artificielle. À une étape ultérieure du processus, la capacité des modèles d'IA à prédire les ulcères du pied sera comparée à celle des modèles statistiques.

À partir d'Asynja Whisp, le système de dossiers médicaux électroniques de Närhälsan dans VGR, des données seront extraites pour tous les patients adultes (18 ans ou plus) avec des diagnostics (selon la CIM-10) qui ont soit un diagnostic de diabète (E10-E14) soit ont reçu une prescription de médicaments antidiabétiques après l'âge de 18 ans, couvrant la période de 2014 au 30 juin 2025.

Sur la base, entre autres variables, des codes diagnostiques (CIM-10), des codes de procédure (KVÅ), des types de consultation, de la fréquence des visites, des paramètres d'ECG et des notes cliniques/libres, des prédicteurs seront identifiés, tels que la neuropathie, les troubles circulatoires, les ulcères antérieurs, le traitement antibiotique, les déformations du pied et l'état de la peau. Les données seront validées et, si nécessaire, complétées par des paramètres supplémentaires.

Méthodes pour aborder les questions de recherche

Des modèles basés sur l'apprentissage automatique seront entraînés pour prédire le risque de développer des ulcères du pied. Une validation croisée sera utilisée pour identifier les hyperparamètres optimaux pour chaque modèle. Dans la première phase, la capacité des modèles à discriminer entre les patients avec des ulcères du pied diabétique et les patients sans ulcères du pied sera évaluée. Dans la deuxième phase, la capacité des modèles à prédire prospectivement le développement des ulcères sera évaluée. Les variables redondantes seront exclues, et les modèles seront réentraînés dans un processus itératif pour augmenter la robustesse.

Les modèles seront combinés avec la prédiction conforme pour intégrer l'estimation de l'incertitude dans les prédictions et pour identifier les patients pour lesquels le modèle est inadapté à la prédiction. Enfin, les variables les plus prédictives seront identifiées en utilisant les valeurs de Shapley (SHAP).

Modèles statistiques

En utilisant les données des dossiers médicaux électroniques du système d'information de soins Asynja Whisp dans les soins primaires de VGR, ainsi que les données de SCB et les preuves scientifiques et empiriques, les variables et catégories qui constituent des facteurs de risque potentiels pour les ulcères du pied seront identifiées. Un plan cas-témoins sera appliqué, dans lequel le groupe témoin est composé de personnes diabétiques qui n'ont pas développé d'ulcères du pied, comparées aux patients qui ont développé des ulcères du pied.

Dans le développement des modèles statistiques de prédiction, le flux de travail implique d'analyser les populations, c'est-à-dire tous les patients diabétiques sans ulcères du pied comparés à tous les patients diabétiques avec ulcères du pied. Cela permet d'étudier les associations potentielles entre la survenue d'ulcères du pied chez les patients diabétiques et d'autres facteurs. En collaboration avec les professionnels de santé, les relations causales sous-jacentes à la survenue des ulcères du pied seront identifiées. Un modèle sera développé qui décrit les chaînes de causalité menant à la survenue d'ulcères du pied chez les patients diabétiques, et des informations seront fournies sur le degré de certitude du modèle.

Sur la base des résultats des modèles (à la fois générés par IA et statistiques), les forces et faiblesses de chaque approche seront comparées. La validation des modèles développés sera effectuée sur un ensemble de données indépendant pour garantir que les résultats sont généralisables et robustes dans le temps.

La stratégie de validation garantit que le modèle fonctionne bien sur de nouveaux patients et pas seulement sur l'ensemble de données à partir duquel il a été développé. Les mesures de résultat pour la validation incluent la sensibilité (dans quelle mesure le modèle identifie ceux qui ont vraiment un risque élevé d'ulcères du pied), la spécificité (dans quelle mesure le modèle évite les fausses alertes) et la valeur prédictive positive (VPP). De plus, le modèle sera interprété pour assurer la transparence et l'interprétabilité clinique. Le développement, les tests et la validation seront menés en collaboration avec des représentants des patients, des cliniciens et des chercheurs.

Type d'étude

Observationnel

Inscription (Estimé)

100000

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Coordonnées de l'étude

  • Nom: Ulla Hellstrand Tang, Associate Professor
  • Numéro de téléphone: +46706397913
  • E-mail: ulla.tang@vgregion.se

Sauvegarde des contacts de l'étude

Lieux d'étude

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

  • Adulte
  • Adulte plus âgé

Accepte les volontaires sains

Non

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

La population de l'étude comprend tous les patients adultes éligibles recevant des soins primaires dans la région de Västra Götaland (VGR). Les données seront extraites d'Assynja Whisp, le système de dossiers de santé électronique utilisé par Närhälsan, le fournisseur public de soins primaires de VGR. L'ensemble de données inclut les informations de tous les patients répondant aux critères d'inclusion qui ont été enregistrés dans le système pendant la période d'étude. Les données extraites comprennent les informations cliniques, diagnostiques et de prescription collectées de manière routinière, permettant des analyses populationnelles complètes.

La description

Critères d'inclusion :

  • Patients adultes âgés de 18 ans ou plus au moment de l'inclusion
  • Patients avec un diagnostic de diabète sucré selon les codes CIM-10 E10-E14, et/ou
  • Patients à qui au moins un médicament lié au diabète a été prescrit après l'âge de 18 ans
  • Patients avec des diagnostics et/ou prescriptions pertinents enregistrés dans les sources de données de l'étude entre le 1er janvier 2014 et le 30 juin 2025

Critères d'exclusion :

  • Patients de moins de 18 ans au moment du diagnostic de diabète ou de la prescription
  • Patients sans diagnostic enregistré de diabète (CIM-10 E10-E14) et sans prescription de médicament pour le diabète après l'âge de 18 ans
  • Patients avec des données clés incomplètes ou manquantes nécessaires au développement ou à la validation du modèle (par exemple, résultat manquant ou covariables essentielles)

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Cohortes et interventions

Groupe / Cohorte
Patients diabétiques avec ulcères du pied
Patients diabétiques avec ulcères du pied enregistrés dans le système de dossier médical électronique des soins primaires de la région Västra Götaland.
Patients diabétiques sans ulcérations du pied
Patients diabétiques sans ulcères du pied inscrits dans le système de dossier médical électronique des soins primaires de la région Västra Götaland.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Performance des modèles de prédiction basés sur l'apprentissage automatique pour le risque d'ulcère du pied diabétique
Délai: Du début de l'étude au 31-12-2027

L'objectif principal est la performance prédictive des modèles basés sur l'apprentissage automatique développés pour estimer le risque d'ulcération du pied diabétique chez les patients diabétiques. Les modèles seront entraînés à l'aide de techniques d'apprentissage automatique supervisé, avec des hyperparamètres optimaux identifiés par validation croisée.

Dans la phase d'évaluation initiale, la performance des modèles sera évaluée pour leur capacité à discriminer entre les patients avec et sans ulcères du pied diabétique existants. Dans une phase ultérieure, la capacité des modèles à prédire prospectivement le développement d'ulcères du pied diabétique pendant le suivi sera évaluée.

La robustesse des modèles sera améliorée grâce à un processus itératif dans lequel les variables redondantes sont exclues et les modèles sont réentraînés. La performance prédictive sera quantifiée à l'aide de métriques établies telles que la discrimination, la calibration et la précision de classification.

Pour tenir compte de l'incertitude des prédictions individuelles, les modèles finaux seront combinés avec la méthode de Prédiction Conforme.

Du début de l'étude au 31-12-2027

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Identification et interprétabilité des facteurs de risque de développement d'ulcère du pied diabétique
Délai: Du début de l'étude au 31 décembre 2027

L'objectif secondaire est l'identification et la validation de variables cliniques, démographiques et socio-économiques qui sont des facteurs de risque potentiels pour le développement d'ulcères du pied diabétique chez les patients atteints de diabète. Les variables et les catégories de facteurs de risque seront identifiées en utilisant les données des dossiers de santé électroniques du système d'information des soins primaires Assynja Whisp dans la région de Västra Götaland, liées aux données des registres nationaux de Statistiques Suède (SCB), ainsi qu'avec des preuves scientifiques et empiriques établies.

Une étude cas-témoins sera appliquée, dans laquelle les patients diabétiques qui développent des ulcères du pied sont comparés à un groupe témoin de patients diabétiques qui ne développent pas d'ulcères du pied. Des analyses au niveau de la population seront menées pour examiner les associations et la co-variation entre l'apparition des ulcères du pied diabétique et d'autres facteurs pertinents.

Du début de l'étude au 31 décembre 2027

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Les enquêteurs

  • Chercheur principal: Ulla Hellstrand Tang, Associate Professor, The Department of Prosthetics & Orthotics at the Department for Biomedical Engineering and Medical Physics at Sahlgrenska University Hospital, Gothenburg, Sweden

Publications et liens utiles

La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

30 janvier 2014

Achèvement primaire (Estimé)

30 décembre 2027

Achèvement de l'étude (Estimé)

30 décembre 2027

Dates d'inscription aux études

Première soumission

14 décembre 2025

Première soumission répondant aux critères de contrôle qualité

14 décembre 2025

Première publication (Réel)

29 décembre 2025

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

29 décembre 2025

Dernière mise à jour soumise répondant aux critères de contrôle qualité

14 décembre 2025

Dernière vérification

1 décembre 2025

Plus d'information

Termes liés à cette étude

Autres numéros d'identification d'étude

  • Dnr 2025-03432-01

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .