Classification du diabète au Québec : Validation pour les phénotypes de type 1, type 2, et LADA, et estimations populationnelles de prévalence et d’incidence

Midi-Conférence–Recherche , 60 minutes au cœur de l’innovation 

« Classification du diabète au Québec : Validation pour les phénotypes de type 1, type 2, et LADA, et estimations populationnelles de prévalence et d’incidence »

Conférencier :
Philippe Corsenac,
professeur agrégé au Département des sciences infirmières, Université du Québec en Outaouais (UQO)

Résumé :

Le diabète 1.5, aussi connu sous le nom de LADA (Latent Autoimmune Diabetes in Adults), est une forme hybride de diabète qui présente à la fois des caractéristiques du diabète de type 1 (maladie auto-immune) et du diabète de type 2 (début progressif, maladie métabolique). Cliniquement, les patients LADA sont souvent diagnostiqués initialement comme diabétiques de type 2 en raison de leur âge avancé et d’un début progressif des symptômes. Cependant, leur pancréas produit déjà des autoanticorps contre les cellules β productrices d’insuline. En l’absence d’une identification précoce correcte, la gestion de ces patients est souvent sous-optimale, car les traitements classiques du diabète de type 2 peuvent se révéler inefficaces à long terme. Un diagnostic clinique précis et adapté à chaque phénotype est donc crucial pour optimiser la prise en charge thérapeutique des patients LADA.

Dans ce contexte, les algorithmes médico-administratifs représentent un outil innovant pour améliorer la détection et la gestion des patients atteints de LADA. Ces algorithmes utilisent les vastes bases de données administratives disponibles, notamment celles de la RAMQ (Régie de l’Assurance Maladie du Québec), afin de reconnaître les différents types de diabète et de les classifier selon leur phénotype. Grâce à des données de routine (médico-administratifs, pharmaceutiques, cliniques, et auto-déclarées), ces algorithmes permettent une classification précise sans biais des patients diabétiques de type 1, type 2 et LADA. Cependant, bien que ces algorithmes aient été initialement développés (Corsenac et al. 2022) pour distinguer les phénotypes, ils nécessitent une validation clinique rigoureuse pour s’assurer de leur exactitude diagnostique.

Le projet que nous proposons vise à valider ces algorithmes à l’échelle populationnelle en utilisant une approche multidimensionnelle. Une nouvelle cohorte rétrospective québécoise (1983-2024) sera constituée pour combiner des données auto-déclarées, cliniques, immunologiques, médico-administratives et pharmaceutiques. Cette étude permettra non seulement de confirmer la capacité des algorithmes à détecter précisément le diabète LADA (et autres phénotypes), mais aussi d’estimer les prévalences et incidences des différents phénotypes dans la population québécoise. L’étude explorera également les facteurs environnementaux, y compris les expositions vaccinales (partenariat INSPQ recherché), qui pourraient influencer la survenue des différents types de diabète.

Ainsi, cette initiative permettra non seulement d’améliorer le diagnostic et la classification des phénotypes diabétiques, mais aussi d’orienter les politiques de santé publique. La validation des algorithmes médico-administratifs pour le diabète LADA (et autres phénotypes) contribuera à une meilleure gestion clinique des patients, en facilitant la détection précoce de cette forme de diabète complexe et en optimisant les stratégies thérapeutiques personnalisées.

Auteurs : Corsenac P (UQO), Brazeau AS (Mc Gill), Taleb N (CR-CHUM/IRCM), Jena SD (UQAM), Riou J (U. Angers).

En collaboration avec le CISSS des Laurentides