CHAPITRE 5 – RÉSULTATS
5.3 Résultats supplémentaires
Cette section comprend des résultats additionnels qui ne sont pas incorporés au manuscrit, mais restent pertinents au mémoire. On présente la comparaison des échantillons analytiques de l’étude NDIT et de celui de la SYS, ainsi que le processus de sélection du modèle sans variants génétiques pour modéliser l’effet du temps sur l’IMC et la PAS. Les analyses de sensibilité étant présentées dans le matériel supplémentaire du manuscrit, celles-ci sont décrites en plus de détails ci-bas.
5.3.1 Comparaison de l’échantillon analytique NDIT avec celui de la SYS
La comparaison directe des participants est compliquée par leurs devis différents. En effet, NDIT est une étude longitudinale et suit des adolescents qui avaient 12-13 ans au début de l’étude jusqu’à l’âge de 24 ans en moyenne au cycle 22, tandis que la SYS comprend des données provenant de l’étude transversale SYS et inclut des participants âgés de 12 à 18 ans. Il est toutefois possible de tirer des conclusions générales en colligeant les données de toutes les observations de NDIT et en tenant compte de la présence de mesures répétées sur les mêmes participants.
Le Tableau 6 présente une description de la moyenne et de l’erreur-type des caractéristiques des participants de l’échantillon analytique de NDIT et de celle de la SYS. En somme, les participants de NDIT et de la SYS sont semblables dans la proportion de femmes et pour l’IMC moyen. On remarque que les moyennes de PAS et de PAD sont plus élevées chez les participants provenant du SYS comparativement à ceux de NDIT. Cette différence d’environ 15 mm Hg pour la PAS peut s’expliquer par les méthodes de mesure de pression artérielle utilisées dans les deux études. En rappel, la PAS des participants du SYS était mesurée à l’aide d’un protocole de 52 minutes comportant cinq sections distinctes où les participants étaient successivement couchés, debout, assis, en effort mental et en récupération d’effort mental. La pression artérielle des participants du SYS rapportée au Tableau 6 correspond à la moyenne des mesures effectuées en position assise, mais faisant également partie du protocole complet dans des contextes différents, alors que les participants de NDIT avaient leur pression artérielle mesurée uniquement au repos. Ainsi, il est possible que les niveaux de pression artérielle observés dans l’échantillon utilisé par la SYS soient plus élevés en raison du contexte de la prise de mesure et non en raison à une différence relative aux populations étudiées.
79
Tableau 6. Description des observations provenant de NDIT et du SYS, combinaison de tous les cycles NDIT NDIT n SYS n Âge, moyenne (Erreur-type) 16,9 (0,2) 2428 15,1 (0,1) 590 Femme, % 53,7 2852 52,3 598 Taille, moyenne (Erreur-type) 165,2 (0,6) 2350 163,3 (0,4) 589 IMC, moyenne (Erreur-type) 22,2 (0,3) 2350 21,3 (0,2) 586 PAS, moyenne (Erreur-type) 107,9 (0,7) 2349 122.6 (0,6) 497 PAD, moyenne (Erreur-type) 58,6 (0,4) 2349 77,8 (0,4) 484
Note : n représente le nombre d’observations disponibles peu importe le cycle de mesure.
5.3.2 Choix du modèle pour l’effet du temps sur l’IMC et la PAS
Le modèle de base utilisé pour représenter l’effet du temps sur l’IMC et la PAS est un modèle linéaire mixte avec l’âge au début de l’étude, le sexe et la taille (PAS uniquement) comme covariables et suivant une structure de corrélation par symétrie composée. Le Tableau 7 montre l’AIC associé aux différentes spécifications de modèles de base pour modéliser les évolutions de l’IMC et de la PAS dans le temps. L’AIC permet de sélectionner les modèles optimaux pour l’IMC et la PAS, dans lesquels seront ensuite inclus les variants d’intérêt. Le modèle minimisant l’AIC est un modèle linéaire mixte avec pente aléatoire pour le cycle de mesure permettant de tenir compte de la corrélation entre les mesures sur les mêmes individus et d’un effet différent du cycle de mesure par individus, suivant une structure de corrélation par symétrie composée et modélisant le temps écoulé depuis le cycle 1 comme une variable catégorique. Pour un AIC identique à une modélisation par lissage, la modélisation catégorique du temps écoulé depuis le cycle 1 a été choisie pour faciliter l’interprétation des résultats.
80
Tableau 7. Choix du modèle pour l’effet du temps sur l’IMC et la PAS AIC
(IMC)
AIC (PAS)
Modèle de basea 11 276 16 954
Pente aléatoire | Tempsb 11 070 16 950
Tempspolynomial 10 850 16 937
Temps catégorique 10 842 16 875
Temps lissé 10 842 16 875
Hétérogénéité de la variance 10 848 16 881
a Modèle de base : modèle linéaire mixte incluant le nombre de mois écoulés depuis le cycle 1, l’âge au cycle 1 et le sexe comme covariables et suivant une structure de corrélation par symétrie composée.
b Temps : nombre de mois écoulés depuis le cycle 1
5.3.3 Analyses de sensibilité
Codification additive du génotype : Comme montré au Chapitre 5 (Table S2), les résultats des modèles avec codification additive s’alignent à ceux obtenus sous un codage génotypique. Les variants sur les gènes FTO et MTCH2 restent les deux seuls variants associés avec l’IMC. L’addition d’un allèle mineur de rs9930333 (FTO) est associée à une augmentation d’IMC de 0,61 (95% IC 0,24 ; 0,99) kg/m2. L’addition d’un allèle mineur de rs7120548 (MTCH2)
est associée à une diminution d’IMC de 0,44 (95% IC 0,05 ; 0,84) kg/m2. Puisque le modèle avec
codage additif montrait un AIC inférieur au modèle avec codage génotypique, ce modèle était préféré pour le reste des analyses de sensibilité.
Interaction variant X Temps : Une interaction statistiquement significative entre le
variant rs111638368 (MC4R) et le temps a été identifiée pour la PAS. Cependant, l’intervalle de confiance de l’effet du variant sur la PAS inclus 0 à chaque temps, suggérant que le variant n’affecte pas la PAS de l’adolescence au début de l’âge adulte (Chapitre 5, Table S3).
Interaction variant X IMC pour les modèles de PAS : Puisque des études précédentes
(165, 166) suggéraient que l’adiposité puisse modifier l’effet de variants génétiques sur la pression artérielle, un terme d’interaction entre les variants et l’IMC a été considéré pour les associations avec la PAS. L’estimation du coefficient pour le terme d’interaction entre rs111638368 (MC4R) et l’IMC était statistiquement significatif. La Figure S1 au Chapitre 5 montre une augmentation de l’effet estimé du variant sur la PAS conditionnellement à l’IMC. Cependant, l’intervalle de confiance de l’effet du variant (en gris) inclue 0 pour toutes les valeurs d’IMC sous 35 kg/m2 qui correspond à seulement 25 individus (3,5%) de l’échantillon analytique. Ainsi, le variant sur
81
MC4R montre seulement un effet significatif sur la PAS pour un intervalle étroit d’IMC peu supporté par les données disponibles. On note également que ces analyses d’interaction devraient être considérées de nature exploratoire considérant que les analyses d’interactions nécessitent une taille d’échantillon supérieure à celle disponible. La représentation graphique de cette interaction a été effectuée à l’aide du module interplot (227) du logiciel R.
IMCZ comme mesure de l’adiposité : L’utilisation de l’IMCZ comparativement à l’IMC
comme variable représentant l’adiposité n’a pas modifié les résultats, suggérant que nos analyses sont robustes à l’utilisation de l’IMC comme mesure de l’adiposité chez les adolescents (Chapitre 5, Table S4).
Restriction des analyses aux adolescents : Afin d’examiner si l’inclusion de jeunes
adultes (cycle 22) dans nos analyses affecterait la réplication des résultats de la SYS qui ne comportait que des adolescents, les analyses ont été réduites aux cycles 1, 12 et 19. Les associations étaient similaires pour tous les variants et les traits examinés, suggérant que les analyses sont robustes à l’inclusion de jeunes adultes dans nos données (Chapitre 5, Table S4).
Analyse par composantes principales : Afin d’évaluer le potentiel de biais de confusion
en raison de la présence de sous-populations dans l’échantillon analytique d’ascendance européenne de NDIT, les modèles d’IMC et de PAS ont été ajustés pour les cinq premières composantes principales. Les effets estimés ajustés et non ajustés pour composantes principales étaient similaires (Chapitre 5, Table S5). On note que l’effet du variant rs7638110 (MRPS22) sur la PAS était statistiquement significatif dans le modèle ajusté. Cependant, la direction de l’effet reste opposée à celle observée dans la SYS.
82