Sleep & RecoveryArticle de rechercheAccès libre

Un indice cardiométabolique élevé prédit fortement le risque d'apnée obstructive du sommeil

Une vaste étude NHANES révèle que l'indice cardiométabolique — combinant la graisse viscérale et les marqueurs lipidiques — prédit de manière indépendante les symptômes du SAOS, avec des probabilités supérieures de 75 %.

dimanche 19 avril 2026 4 vues
Publié dans Sci Rep
A middle-aged man asleep in bed with a CPAP mask on, bedside lamp dimly lit, with a clinical chart showing lipid panel results on a nearby nightstand

Résumé

Des chercheurs ont analysé les données de 8 460 adultes américains issus de la base de données NHANES afin d'examiner si l'indice cardiométabolique (CMI) — une mesure composite de la graisse viscérale et du métabolisme lipidique calculée à partir des triglycérides, du cholestérol HDL, du tour de taille et de la taille — est associé à l'apnée obstructive du sommeil (AOS). Après ajustement pour l'âge, le sexe, l'origine ethnique, les facteurs liés au mode de vie et les comorbidités, un CMI élevé était significativement associé à une probabilité accrue de symptômes d'AOS autodéclarés. Cette association s'est maintenue dans l'ensemble des sous-groupes démographiques. La courbe ROC du CMI a donné une AUC de 0,605, suggérant une valeur prédictive modeste mais significative. Ces résultats positionnent le CMI comme un outil de dépistage simple et peu coûteux que les cliniciens pourraient utiliser pour identifier les patients présentant un risque élevé d'AOS avant de recourir à une polysomnographie onéreuse.

Résumé détaillé

L'apnée obstructive du sommeil (AOS) touche entre 17 et 34 % de la population générale et est fortement associée à l'hypertension, au diabète de type 2, aux maladies cardiovasculaires, au déclin cognitif et à une qualité de vie réduite. Malgré sa prévalence et ses conséquences, l'AOS reste largement sous-diagnostiquée, car le test diagnostique de référence — la polysomnographie — est coûteux, chronophage et gourmand en ressources. Cette étude a cherché à déterminer si l'Indice Cardiométabolique (CMI), un marqueur composite de l'adiposité viscérale et du dysfonctionnement lipidique, pourrait constituer un outil de dépistage pratique permettant d'identifier les personnes présentant un risque élevé d'AOS à partir de mesures cliniques de routine.

Le CMI est calculé comme suit : (Triglycérides / HDL-C) × (Tour de taille / Taille). Introduit pour la première fois en 2015, il a depuis été validé comme prédicteur du diabète de type 2, de la résistance à l'insuline, des maladies cardiovasculaires, de la stéatose hépatique non alcoolique et de l'accident vasculaire cérébral. L'AOS étant étroitement liée au dysfonctionnement métabolique — notamment la dyslipidémie et l'obésité centrale —, les auteurs ont émis l'hypothèse que le CMI serait également corrélé à la charge symptomatique de l'AOS au sein d'une large population représentative à l'échelle nationale.

L'étude s'est appuyée sur les données NHANES issues de quatre cycles d'enquête (2005–2008 et 2015–2018), incluant au total 8 460 adultes âgés de 20 ans et plus, après exclusion des participants présentant des données manquantes au questionnaire sur l'AOS, des variables CMI incomplètes ou des pondérations d'échantillonnage manquantes. L'AOS était définie par autodéclaration : les participants étaient classés positifs à l'AOS s'ils remplissaient au moins l'un des trois critères symptomatiques suivants — ronflements ≥ 3 nuits/semaine, halètements/étouffements/pauses respiratoires ≥ 3 nuits/semaine, ou somnolence diurne excessive ≥ 16 fois/mois malgré un sommeil suffisant. La prévalence pondérée globale de l'AOS dans l'échantillon était de 48,51 %. Le CMI a été analysé à la fois comme variable continue et par quartiles (Q1 : < 0,28 ; Q2 : 0,28–0,51 ; Q3 : 0,51–0,91 ; Q4 : > 0,91).

Dans le modèle de régression logistique entièrement ajusté (Modèle 3, contrôlant l'âge, le sexe, la race, le niveau d'éducation, le statut marital, le tabagisme, la consommation d'alcool, le diabète, l'hypertension, le LDL-C et le ratio revenu/pauvreté), chaque augmentation d'une unité du CMI était associée à une probabilité d'AOS 75 % plus élevée (OR = 1,75 ; IC 95 % : 1,46–2,10). L'analyse par quartiles a mis en évidence un gradient dose-réponse clair : comparés au Q1, les participants du Q4 présentaient des cotes d'AOS significativement élevées. L'analyse par splines cubiques restreintes a confirmé une relation positive essentiellement linéaire entre le CMI et la probabilité d'AOS, sans non-linéarité significative détectée. Les analyses de sous-groupes et les tests d'interaction selon l'âge, le sexe, l'IMC et la race n'ont révélé aucune modification d'effet significative, ce qui indique que l'association CMI–AOS est robuste dans des groupes démographiques diversifiés.

L'analyse de la courbe ROC (receiver operating characteristic) a donné une AUC de 0,605 pour le CMI en tant que prédicteur de l'AOS, indiquant un pouvoir discriminant modeste. Bien que cette AUC soit insuffisante pour un usage diagnostique autonome, elle suggère que le CMI apporte une information prédictive significative au-delà du hasard et pourrait être intégré dans des algorithmes de dépistage multivariés. Les données de base ont confirmé que les participants du quartile CMI le plus élevé étaient plus susceptibles d'être de sexe masculin, obèses, hypertendus, diabétiques et d'avoir un niveau d'éducation plus faible — autant de facteurs de risque établis de l'AOS —, pourtant l'association CMI–AOS persistait après ajustement sur ces variables, ce qui suggère que le CMI capture un risque métabolique indépendant. Les auteurs proposent que l'intégration par le CMI de l'adiposité centrale et de la dysrégulation lipidique en fait un marqueur clinique particulièrement informatif et facile à calculer pour la stratification du risque d'AOS.

Principales conclusions

  • In the fully adjusted model, each unit increase in CMI was associated with 75% higher odds of OSA (OR = 1.75, 95% CI: 1.46–2.10, p<0.001)
  • OSA prevalence in the 8,460-participant NHANES sample was 48.51%, with higher CMI quartiles showing progressively greater OSA rates
  • Participants in the highest CMI quartile (Q4, CMI >0.91) were more likely to be male (61.3% vs 37.4% in Q1), obese, hypertensive, and diabetic
  • ROC curve analysis yielded an AUC of 0.605 for CMI as a predictor of self-reported OSA symptoms
  • Restricted cubic spline analysis confirmed a predominantly linear positive dose-response relationship between CMI and OSA probability
  • Subgroup interaction tests found no significant effect modification by age, sex, BMI, or race, confirming the association's robustness across demographic groups
  • Multiple imputation sensitivity analyses reproduced the primary findings, supporting the validity of the observed CMI–OSA association

Méthodologie

Cette étude transversale a utilisé les données NHANES issues de quatre cycles (2005–2008 et 2015–2018), incluant 8 460 adultes âgés de ≥20 ans après exclusion des données manquantes. L'apnée obstructive du sommeil (AOS) a été définie par des réponses à un questionnaire autodéclaré portant sur trois domaines de symptômes (ronflement, événements respiratoires nocturnes, somnolence diurne excessive). Trois modèles de régression logistique pondérée avec ajustement progressif des covariables ont été utilisés, ainsi que des splines cubiques restreintes (4 nœuds) pour le test de non-linéarité, des analyses d'interaction en sous-groupes et une évaluation par courbe ROC. La conception complexe de l'enquête NHANES a été prise en compte à l'aide de pondérations d'échantillonnage, de grappes et d'une stratification appropriées.

Limites de l'étude

Le SAOS a été défini sur la base de symptômes autodéclarés plutôt que par polysomnographie, ce qui peut introduire un biais de classification erronée et limite la précision diagnostique. La conception transversale de l'étude ne permet pas d'établir de relation causale — il n'est pas possible de déterminer si le dysfonctionnement métabolique est à l'origine du SAOS ou l'inverse. Les auteurs n'ont pas déclaré de conflits d'intérêts, et le recours aux pondérations du sous-échantillon à jeun a réduit la taille de l'échantillon disponible par rapport à la cohorte NHANES complète.

Ce résumé vous a plu ?

Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.

Saisissez votre e-mail pour vous abonner :