Développement et validation interne d'un nomogramme exploratoire pour la charge de la maladie des petits vaisseaux cérébraux utilisant des paramètres parodontaux

Résumé

Ce protocole décrit l'élaboration et la validation interne d'un nomogramme exploratoire intégrant des paramètres parodontaux et des facteurs de risque conventionnels afin d'estimer la charge de la maladie des petits vaisseaux cérébraux pour une stratification personnalisée du risque.

Résumé

La maladie des petits vaisseaux cérébraux (CSVD) est une cause majeure d'accident vasculaire cérébral et de déclin cognitif, mais la contribution de la maladie parodontale à la charge globale de CSVD reste incertaine. Nous avons cherché à développer et à valider internement un nomogramme clinique exploratoire intégrant des paramètres parodontaux afin d'estimer une charge élevée de CSVD. Un total de 234 individus ont subi une imagerie par résonance magnétique (IRM) pour l'évaluation de la charge totale de CSVD (score 0–4). La gravité de la parodontite et le nombre de dents restantes ont été enregistrés. Les prédicteurs optimaux sélectionnés à l'aide d'une régression par l'opérateur de réduction et de sélection absolue (LASSO) ont été intégrés dans une régression logistique multivariée pour construire le nomogramme, qui a été évalué en termes de discrimination, de calibration et d'utilité clinique. Une analyse par spline cubique restreinte a mis en évidence une relation linéaire dose-réponse entre la perte dentaire et une charge élevée de CSVD (P pour la non-linéarité = 0,332). L'analyse multivariée a identifié l'âge avancé et l'hypertension comme facteurs pronostiques indépendants ; toutefois, les associations de la parodontite sévère (P = 0,580) et de la perte dentaire sévère (P = 0,112) se sont atténuées et n'étaient pas indépendamment associées à une charge élevée de CSVD après ajustement. Le nomogramme a montré une discrimination modeste (aire sous la courbe = 0,675) et une calibration validée par rééchantillonnage bootstrap satisfaisante (erreur absolue moyenne = 0,038). L'analyse de courbe décisionnelle a suggéré une utilité clinique potentielle pour des seuils de risque sélectionnés, bien que l'interprétation demeure exploratoire en raison de l'absence de validation externe. Bien que la parodontite sévère et la perte dentaire aient montré des associations univariées avec une charge élevée de CSVD, elles n'étaient pas des prédicteurs indépendants après ajustement multivarié. Ce nomogramme exploratoire fournit un cadre préliminaire de visualisation pour la stratification individuelle du risque et nécessite une validation externe supplémentaire avant toute mise en œuvre clinique.

Introduction

La maladie des petits vaisseaux cérébraux (CSVD) est un trouble microvasculaire chronique et insidieux du cerveau, largement reconnu comme une cause vasculaire majeure d'accident vasculaire cérébral, de déclin cognitif et de troubles de la mobilité chez les personnes âgées¹. Historiquement, les marqueurs individuels de l'imagerie par résonance magnétique (IRM) de la CSVD, notamment les hyperintensités de la substance blanche (WMH), les infarctus lacunaires, les microhémorragies cérébrales (CMBs) et les espaces périvasculaires élargis (EPVS), étaient évalués indépendamment. Toutefois, ces phénotypes d'imagerie coexistent fréquemment et sont dus à des mécanismes pathologiques partagés, en particulier une dysfonction endothéliale et une fuite microvasculaire². Par conséquent, des déclarations de consensus récentes préconisent l'utilisation d'un système de score global de la charge de CSVD³. Cette mesure intégrée reflète de manière plus complète l'impact cumulatif des lésions microvasculaires cérébrales que les marqueurs d'imagerie pris isolément et constitue un indicateur supérieur de la détérioration neurologique globale⁴.

L'étiologie de la MCSV reste incomplètement comprise ; toutefois, l'inflammation systémique chronique de bas grade est de plus en plus reconnue comme un facteur contributif majeur aux lésions endothéliales cérébrales et à la rupture de la barrière hémato-encéphalique⁵. Dans ce contexte, la parodontite, une maladie inflammatoire fréquente induite par un biofilm dysbiosique et affectant les tissus de soutien dentaire, s'est imposée comme un facteur de risque potentiellement modifiable pour les maladies neurovasculaires dans le cadre de l'axe oral-cérébral⁶. La parodontite sévère entraîne non seulement une destruction progressive de l'os alvéolaire et une perte dentaire ultérieure, mais constitue également un réservoir persistant de pathogènes parodontaux et de cytokines pro-inflammatoires⁷. Ces médiateurs inflammatoires peuvent pénétrer dans la circulation systémique, contribuant ainsi au remodelage vasculaire et à l'athérogenèse⁸.

De récentes études épidémiologiques ont démontré une association entre la parodontite sévère et un risque accru d'accident vasculaire cérébral ischémique⁹. Néanmoins, les données concernant sa relation avec la charge cumulative des LACI restent limitées et fragmentaires. En outre, la perte dentaire, conséquence clinique ultime de la maladie parodontale, a été associée au déclin cognitif et à la mortalité cardiovasculaire¹⁰. Toutefois, la relation dose-réponse entre la perte dentaire et les lésions cérébrovasculaires reste mal comprise. Plus précisément, on ignore si le risque de LACI augmente après qu'un seuil critique de dents restantes est atteint ou s'il suit un modèle dose-réponse linéaire continu.

Bien que l'association entre la destruction parodontale et les lésions microvasculaires cérébrales soit biologiquement plausible, les mécanismes immuno-inflammatoires systémiques sous-jacents à cette relation nécessitent d'être davantage caractérisés. Les biomarqueurs conventionnels de l'inflammation, tels que les comptages isolés de sous-populations de leucocytes et la protéine C-réactive de haute sensibilité, pourraient ne pas refléter adéquatement la complexité de la réponse immuno-inflammatoire de l'organisme dans les contextes cliniques. L'indice systémique d'immuno-inflammation (SII), calculé à partir des comptages périphériques de plaquettes, de neutrophiles et de lymphocytes, s'est récemment imposé comme un biomarqueur inflammatoire global¹¹. Le SII reflète l'équilibre entre l'activité inflammatoire systémique et l'état immunitaire. Des taux élevés de SII ont démontré une valeur pronostique dans divers troubles cérébrovasculaires en prédisant la gravité des accidents vasculaires cérébraux aigus et des résultats fonctionnels défavorables, et ont également été associés à la charge globale des petites artériopathies cérébrales (CSVD), à l'altération cognitive et au stade diagnostique de la parodontite^12,13. Étant donné que la parodontite induit une inflammation systémique chronique, l'évaluation conjointe du SII et des paramètres parodontaux pourrait améliorer l'identification des individus à risque de lésions microvasculaires cérébrales silencieuses.

Malgré l'intérêt croissant porté à l'axe bucco-cérébral, la littérature actuelle présente plusieurs limites méthodologiques. La plupart des études se sont concentrées sur des marqueurs d'imagerie individuels de la maladie des petits vaisseaux cérébraux (CSVD) ou sur des paramètres individuels de santé bucco-dentaire, sans intégrer la gravité de la parodontite, sa conséquence clinique ultime (la perte dentaire) et les réponses immuno-inflammatoires systémiques dans une évaluation unifiée. Plus important encore, la pratique clinique exige des outils pratiques d'évaluation du risque, mais les instruments visuels tels que les nomogrammes permettant d'identifier les patients à haut risque de CSVD selon des profils inflammatoires buccaux et systémiques combinés restent limités. Les approches existantes d'évaluation du risque de CSVD reposent principalement sur des biomarqueurs individuels ou des facteurs démographiques classiques, qui pourraient ne pas rendre adéquatement compte des interactions multifactorielles entre l'inflammation systémique et la santé bucco-dentaire. En outre, l'élaboration de modèles de prédiction fiables nécessite des méthodes rigoureuses de sélection des variables. Les approches classiques, telles que la régression pas à pas, peuvent s'avérer instables lorsqu'elles sont appliquées à des jeux de données cliniques en haute dimension et peuvent être influencées par des prédicteurs corrélés. L'approche de régression par l'opérateur de réduction et de sélection par la norme L1 (LASSO) permet de surmonter ces difficultés en appliquant une pénalisation des coefficients afin de réduire le surajustement et d'identifier les prédicteurs les plus informatifs pour le développement du modèle¹⁴.

Motivée par ces lacunes dans les connaissances, cette étude transversale rétrospective a été conçue avec deux objectifs principaux. Premièrement, nous avons cherché à caractériser la relation dose-réponse entre le nombre de dents conservées et une charge élevée de DVC en utilisant une analyse par spline cubique restreinte (RCS) afin d'évaluer d'éventuels effets seuils non linéaires et tendances linéaires. Deuxièmement, nous avons voulu élaborer un nomogramme clinique exploratoire à l'aide d'une sélection de variables fondée sur la méthode LASSO et évaluer le reclassement progressif du risque apporté par les paramètres parodontaux au-delà des facteurs de risque conventionnels. Nous avons émis l'hypothèse qu'intégrer l'état parodontal, la perte dentaire et l'indice SII dans un modèle multidimensionnel pourrait fournir un cadre visuel exploratoire permettant d'estimer la charge cumulative de DVC et d'améliorer la stratification individualisée du risque. En pratique clinique, le nomogramme proposé est destiné à servir d'outil adjoint rapide et non invasif pour aider les neurologues à identifier les patients qui pourraient bénéficier d'une évaluation cérébrovasculaire précoce ou d'une évaluation dentaire pluridisciplinaire. Toutefois, en raison de son caractère exploratoire, de sa performance discriminatoire modeste et de l'absence de validation externe, le nomogramme ne doit pas être considéré comme un substitut au diagnostic fondé sur l'imagerie par résonance magnétique (IRM). En outre, son utilisation peut être limitée chez les patients présentant des infections aiguës actives, des maladies auto-immunes sévères ou un traumatisme récent, car ces affections peuvent influencer fortement les biomarqueurs inflammatoires systémiques et altérer l'estimation du risque.

Protocole

Cette étude rétrospective transversale d'association a inclus des patients consécutifs admis au service de neurologie de l'hôpital populaire n°2 de Changzhou pour vertiges, céphalées, dépistage d'accident vasculaire cérébral ou évaluation cognitive entre janvier 2022 et décembre 2024. Le consentement éclairé a été dispensé en raison du caractère rétrospectif, non interventionnel de l'étude et de l'utilisation de données entièrement anonymisées. L'étude a été approuvée par le comité d'éthique des technologies médicales cliniques de l'hôpital populaire n°2 de Changzhou (numéro d'approbation IRB : [2023] YLJSA069) et a été menée conformément aux directives institutionnelles.

Conception de l'étude et population de patients

Au départ, 850 patients ont été évalués. Les critères d'exclusion ont été strictement définis comme suit : (1) absence de séquences complètes d'IRM crânienne (en particulier l'imagerie pondérée en susceptibilité [SWI] manquante, empêchant une évaluation précise des microhémorragies) ; (2) absence de données détaillées d'exploration parodontale ou de décompte dentaire complet ; (3) absence de données d'hémogramme complet, rendant impossible le calcul de l'ISI ; (4) antécédent d'accident vasculaire cérébral majeur, de tumeur cérébrale, de traumatisme crânien ou d'infection du système nerveux central ; et (5) présence d'une infection aiguë active, d'une maladie auto-immune sévère ou d'une malignité au cours du dernier mois, afin de minimiser les effets perturbateurs sur les marqueurs inflammatoires systémiques. Pour garantir l'intégrité des données, une analyse sur cas complets a été utilisée, selon laquelle les individus présentant des données manquantes pour l'un des paramètres clinico-radiologiques essentiels ont été exclus. Après dépistage, 234 participants éligibles ont été inclus dans l'analyse. Cet échantillon, comprenant 129 événements à haut risque, satisfait à la règle empirique du nombre d'événements par variable (EPV) >10 nécessaire à une modélisation multivariée stable.

Évaluation de l'état parodontal et de l'inflammation

Deux parodontologues calibrés ont effectué toutes les évaluations cliniques buccales à l'aide d'un protège-parodont standardisé.

Avant l'étude, les deux examinateurs ont suivi une formation à la standardisation, et la fiabilité inter-examinateur était excellente (κ de Cohen = 0,82). La profondeur de sondage (PPD) et le niveau d'attachement clinique (CAL) ont été mesurés sur six sites par dent. Selon le cadre de classification de 2018 décrit par Tonetti et al.¹⁵, la maladie parodontale a été classée comme légère/absente, modérée ou sévère. Plus précisément, les participants ont été répartis comme suit : (1) parodontite légère/absente (incluant la santé parodontale et la parodontite stade I), définie par un niveau d'attachement clinique interdentaire (CAL) au site de perte d'attachement maximale ≤ 2 mm et une profondeur de sondage (PPD) ≤ 4 mm, sans perte de dent liée à la parodontite ; (2) parodontite modérée (parodontite stade II), définie par un CAL interdentaire de 3 à 4 mm, une PPD maximale ≤ 5 mm, et au plus quatre dents perdues en raison de la parodontite ; et (3) parodontite sévère (parodontite stade III/IV), définie par un CAL interdentaire ≥ 5 mm, une PPD ≥ 6 mm, et/ou la perte de quatre dents ou plus en raison d'une destruction parodontale¹⁵.

Le nombre de dents conservées a également été documenté pour chaque participant. Étant donné qu'un minimum de 20 dents fonctionnelles est un critère clinique largement accepté pour préserver la fonction buccale de base et un vieillissement buccal réussi^16,17,18, le nombre brut de dents a été converti en une variable binaire : perte dentaire sévère (<20 dents) contre perte dentaire non sévère (≥20 dents).

En ce qui concerne l'inflammation systémique, l'ISI a été dérivé d'échantillons sanguins prélevés à jeun à l'admission. Des échantillons de sang veineux ont été recueillis dans des tubes contenant de l'EDTA et traités conformément au protocole standard du laboratoire clinique de l'hôpital avant analyse à l'aide d'un analyseur d'hémogramme automatisé afin d'obtenir les chiffres des neutrophiles, des lymphocytes et des plaquettes. L'indice a été calculé selon la formule suivante :

Afin de tenir compte de la distribution fortement asymétrique des valeurs de SII, une transformation logarithmique naturelle (Log_SII) a été appliquée avant leur inclusion dans les analyses statistiques.

Acquisition par IRM et charge totale de la SBVC

Tous les sujets ont subi un examen standardisé d'IRM cérébrale à l'aide d'un appareil d'IRM à 3,0 T équipé d'une bobine cranienne standard. Le protocole d'imagerie comprenait des séquences pondérées en T1, pondérées en T2, en récupération d'inversion avec suppression du signal des fluides (FLAIR) et en susceptibilité (SWI), acquises avec une épaisseur de coupe de 5 mm. Les paramètres standard d'imagerie ont été configurés comme suit : imagerie pondérée en T1 (temps de répétition [TR] = 2 000 ms, temps d'écho [TE] = 9 ms, champ de vision [FOV] = 230 × 230 mm², taille de la matrice = 256 × 256) ; imagerie pondérée en T2 (TR = 4 500 ms, TE = 85 ms, FOV = 230 × 230 mm², taille de la matrice = 256 × 256) ; imagerie en récupération d'inversion avec suppression du liquide (FLAIR) (TR = 8 500 ms, TE = 120 ms, temps d'inversion [TI] = 2 400 ms, FOV = 230 × 230 mm², taille de la matrice = 256 × 256) ; et imagerie pondérée en susceptibilité (SWI) (TR = 28 ms, TE = 20 ms, angle de bascule = 15°, FOV = 230 × 230 mm², taille de la matrice = 256 × 256). Toutes les séquences ont été acquises avec une épaisseur de coupe de 5 mm et un intervalle inter-coupe de 1,0 mm. Le scanner spécifique est indiqué dans le tableau des matériaux. Les marqueurs d'imagerie de la LBSP ont été évalués indépendamment par deux médecins spécialisés en imagerie neurologique, aveugles aux données cliniques des participants. La fiabilité inter-observateur du score total de charge en LBSP était élevée (kappa de Cohen) κ = 0,85). Les éventuelles divergences ont été résolues par consensus avec un troisième médecin senior.

Conformément au consensus international établi^1,3, la charge cumulative de la maladie des petits vaisseaux cérébraux (CSVD) a été quantifiée sur une échelle de 0 à 4 en évaluant quatre caractéristiques d'imagerie neurologique. Un point a été attribué pour chacune des observations suivantes en IRM : (1) au moins un infarctus lacunaire ; (2) un ou plusieurs microhématomes cérébraux (CMBs) ; (3) des espaces périvasculaires élargis (EPVS) modérés à sévères dans les ganglions de la base (grade ≥2) ; et (4) des hyperintensités de la substance blanche (WMH) sévères, définies par un score de Fazekas ≥2 dans la substance blanche profonde ou de 3 dans la région péri-ventriculaire. Les définitions diagnostiques ont strictement suivi le consensus international « Standards for Reporting Vascular Changes on Neuroimaging » (STRIVE-1)¹. Les hyperintensités de la substance blanche (WMH) ont été évaluées selon l'échelle de Fazekas¹⁹, et les espaces périvasculaires élargis (EPVS) dans les ganglions de la base ont été évalués selon l'échelle visuelle validée à 4 points décrite par Potter et al.²⁰. Pour l'élaboration du modèle d'évaluation du risque, les patients présentant un score total de charge de CSVD ≥2 ont été classés comme ayant une charge élevée de CSVD, car ce seuil est régulièrement associé à un déclin cognitif accéléré et à une mortalité accrue^21,22,23.

Collecte des données sur les covariables

Les caractéristiques démographiques des patients et leurs antécédents cliniques ont été extraits des dossiers de santé électroniques institutionnels. Les variables recueillies comprenaient l'âge, le sexe, l'indice de masse corporelle (IMC), le statut tabagique et la consommation d'alcool. En outre, les comorbidités cardio-métaboliques et vasculaires, notamment le dyslipidémie, le diabète sucré, l'hypertension artérielle, la maladie coronarienne (CAD), les antécédents d'infarctus du myocarde (MI) et les antécédents d'accident vasculaire cérébral ischémique, ont été notés pour chaque participant.

Toutes les comorbidités ont été confirmées par l'examen des diagnostics établis par les médecins dans les dossiers médicaux des patients hospitalisés, de l'historique des médicaments et des évaluations de laboratoire et d'imagerie réalisées lors de l'admission, conformément aux lignes directrices cliniques établies. L'hypertension a été définie par une pression artérielle systolique ≥140 mmHg, une pression artérielle diastolique ≥90 mmHg ou un traitement antihypertenseur en cours. Le diabète sucré a été défini par une concentration de glucose plasmatique à jeun ≥7,0 mmol/L, une hémoglobine glyquée (HbA1c) ≥6,5 % ou l'utilisation d'un traitement hypoglycémiant. Le dyslipidémie a été définie par des anomalies lipidiques sériques à jeun ou un traitement hypocholestérolémiant en cours. La maladie coronarienne (CAD), les antécédents d'infarctus du myocarde (MI) et les antécédents d'accident ischémique cérébral ont été confirmés par l'historique clinique documenté et les comptes rendus d'imagerie neurovasculaire ou cardiaque antérieurs disponibles dans le système de dossier de santé électronique.

Analyse statistique et élaboration du modèle

Avant l'analyse statistique, la normalité des variables continues a été évaluée à l'aide du test de Shapiro–Wilk. Les statistiques descriptives des variables catégorielles ont été résumées sous forme de fréquences (pourcentages) et comparées à l'aide du test du chi-deux de Pearson ou du test exact de Fisher, selon le cas. Les variables continues suivant une distribution normale ont été exprimées par des moyennes ± écarts-types et comparées à l'aide du test t de Student, tandis que les variables non normalement distribuées ont été exprimées par des médianes avec des écarts interquartiles et comparées à l'aide du test U de Mann-Whitney. Afin d'étudier d'éventuels profils de relation dose-réponse non linéaires entre le nombre de dents conservées et le risque d'une charge élevée de CSVD, un modèle RCS ajusté sur l'âge, l'hypertension artérielle et Log_SII a été construit à l'aide de quatre nœuds placés aux 5e, 35e, 65e et 95e percentiles de la distribution du nombre de dents. Un test formel de non-linéarité a été réalisé à l'aide d'une analyse de variance (ANOVA) afin de déterminer si un effet seuil ou une tendance linéaire continue expliquait le mieux l'association observée.

Pour effectuer une sélection de variables en présence de prédicteurs corrélés, toutes les variables de base ont été intégrées dans un modèle de régression LASSO. Le paramètre d'ajustement optimal (λ) a été déterminé par validation croisée en dix parties et choisi selon le critère de déviance binomiale minimale (λ_min). Les variables dont les coefficients étaient non nuls ont été conservées pour les analyses ultérieures. Les variables sélectionnées ont ensuite été introduites dans un modèle de régression logistique multivariée afin d'estimer les rapports de cotes (OR) et les intervalles de confiance à 95 % (IC) relatifs à leur association avec une charge élevée de CSVD. Le modèle multivarié final a ensuite été utilisé pour construire un nomogramme clinique exploratoire destiné à l'estimation personnalisée du risque.

Afin d'évaluer la valeur ajoutée des paramètres parodontaux, un modèle de base (incluant l'âge, l'hypertension et le Log_SII) a été comparé à un modèle étendu intégrant le stade de la parodontite et le nombre de dents. La performance des modèles a été évaluée à l'aide de plusieurs mesures complémentaires. La discrimination a été évaluée par l'aire sous la courbe caractéristique de fonctionnement du récepteur (AUC), et les différences entre modèles ont été comparées à l'aide du test de DeLong²⁴. Au seuil optimal déterminé par l'indice de Youden maximal, la sensibilité, la spécificité, la valeur prédictive positive (VPP) et la valeur prédictive négative (VPN) ont également été calculées. L'amélioration continue de la reclassification nette (NRI) et l'amélioration intégrée de la discrimination (IDI) ont été calculées afin de quantifier la reclassification supplémentaire du risque apportée par le modèle étendu²⁵. La calibration a été évaluée à l'aide de graphiques de calibration générés à partir de 1 000 échantillonnages bootstrap réalisés avec le package rms, et l'erreur absolue moyenne entre les risques prédits et observés a été calculée. Afin de tenir compte d'un éventuel surajustement et d'obtenir une évaluation non biaisée de la performance du modèle, la validation par bootstrap a inclus une correction pour l'optimisme, et les performances apparente et corrigée du modèle ont été rapportées. Une analyse de courbe décisionnelle (DCA) a été réalisée pour évaluer l'utilité clinique potentielle en estimant le bénéfice net sur une gamme de probabilités seuils. Toutes les analyses statistiques et visualisations ont été effectuées à l'aide de logiciels statistiques et des packages rms, glmnet, pROC, PredictABEL et dcurves. La significativité statistique a été définie par une valeur P bilatérale de <0,05.

Résultats

Conception de l'étude et population de patients

Après l'exclusion de 616 individus en raison de maladies graves interférant ou de données clinico-radiologiques manquantes, l'analyse finale a inclus 234 participants éligibles hospitalisés pour évaluation neurologique (Figure 1). Les participants ont été répartis selon leurs scores cumulés de SVDc en groupes à charge élevée (n = 129) et faible (n = 105). Les caractéristiques démographiques et cliniques de base des deux groupes sont présentées dans le Tableau 1. Les participants présentant une forte charge de SVDc étaient plus âgés que ceux ayant une faible charge de SVDc (67,71 ± 7,41 ans contre 64,91 ± 7,74 ans, P = 0,005) et avaient une prévalence plus élevée de l'hypertension artérielle (63,6 % contre 48,6 %, P = 0,024). La prévalence des antécédents d'accident ischémique cérébral était également plus élevée dans le groupe à forte charge, bien que la différence n'ait pas atteint la signification statistique (21,7 % contre 12,4 %, P = 0,076). En ce qui concerne les paramètres de santé bucco-dentaire, la prévalence de la parodontite sévère était plus élevée dans le groupe à forte charge (52,7 % contre 16,2 %, P < 0,001), accompagnée d'une profondeur moyenne plus importante des poches sondées (PPD ; 4,88 mm contre 2,54 mm, P < 0,001) et d'un niveau clinique d'attachement plus élevé (CAL ; 4,54 mm contre 2,12 mm, P < 0,001). Les participants du groupe à forte charge conservaient également moins de dents naturelles (18,39 ± 8,15 contre 24,36 ± 6,21, P < 0,001). De plus, les valeurs de Log_SII étaient plus élevées dans le groupe à forte charge que dans le groupe à faible charge (6,48 ± 0,52 contre 6,27 ± 0,45, P = 0,001). Le statut tabagique, l'indice de masse corporelle et la répartition selon le sexe ne différaient pas de manière significative entre les groupes.

Figure 1. Organigramme de la sélection des participants à l'étude. Organigramme illustrant la sélection des participants pour l'étude rétrospective transversale. Les patients consécutifs admis au service de neurologie de l'hôpital populaire n°2 de Changzhou entre janvier 2022 et décembre 2024 pour vertiges, céphalées, dépistage d'accident vasculaire cérébral ou évaluation cognitive ont été examinés. Les critères d'exclusion ont été appliqués séquentiellement avant que les participants ne soient répartis en groupes présentant un faible ou un fort fardeau de la maladie des petits vaisseaux cérébraux (CSVD). Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Variable	Faible charge de SMCV (n = 105)	Forte charge de SMCV (n = 129)	Valeur P
Âge (années), moyenne ± ÉT	64,91 ± 7,74	67,71 ± 7,41	0,005
Sexe masculin, n (%)	49 (46,7)	69 (53,5)	0,358
Indice de masse corporelle (kg/m²), moyenne ± ÉT	24,24 ± 2,92	23,62 ± 3,12	0,122
Hypertension, n (%)	51 (48,6)	82 (63,6)	0,024
Diabète sucré, n (%)	27 (25,7)	30 (23,3)	0,76
Dyslipidémie, n (%)	55 (52,4)	59 (45,7)	0,358
Maladie coronarienne, n (%)	20 (19,0)	26 (20,2)	0,87
Infarctus du myocarde, n (%)	4 (3,8)	4 (3,1)	>0,999*
Antécédent d'accident ischémique cérébral, n (%)	13 (12,4)	28 (21,7)	0,076
Stade de la parodontite, n (%)			<0,001
Sain/Léger	45 (42,9)	21 (16,3)
Modéré	43 (41,0)	40 (31,0)
Sévère	17 (16,2)	68 (52,7)
Nombre moyen de dents restantes, moyenne ± ÉT	24,36 ± 6,21	18,39 ± 8,15	<0,001
Profondeur moyenne du sondage parodontal (PSP, mm), médiane (ÉIQ)	2,54 (2,12–4,13)	4,88 (3,65–6,21)	<0,001
Niveau moyen d'attachement clinique (NAC, mm), médiane (ÉIQ)	2,12 (0,89–3,76)	4,54 (3,12–6,45)	<0,001
Log_SII, moyenne ± ÉT	6,27 ± 0,45	6,48 ± 0,52	0,001
Protéine C-réactive de haute sensibilité (CRP-hs, mg/L), médiane (ÉIQ)	1,45 (0,76–2,54)	2,89 (1,56–4,32)	<0,001
Homocystéine (Hcy, µmol/L), médiane (ÉIQ)	12,34 (9,87–15,65)	15,76 (12,45–19,82)	<0,001

Tableau 1 : Caractéristiques de base de la population étudiée selon la charge de la maladie des petits vaisseaux cérébraux (CSVD). Les variables continues sont exprimées par la moyenne ± écart-type (ET) ou la médiane (intervalle interquartile [IIQ]), selon le cas. Les variables catégorielles sont exprimées par le nombre (pourcentage). * P calculée à l’aide du test exact de Fisher en raison de faibles effectifs. Toutes les autres comparaisons catégorielles ont été effectuées à l’aide du test du chi-deux de Pearson, sauf indication contraire. Abréviations : BMI, indice de masse corporelle ; CAL, niveau d’attachement clinique ; CAD, maladie coronarienne ; CSVD, maladie des petits vaisseaux cérébraux ; DM, diabète sucré ; Hcy, homocystéine ; hs-CRP, protéine C-réactive de haute sensibilité ; HTN, hypertension artérielle ; IIQ, intervalle interquartile ; Log_SII, logarithme népérien de l’indice systémique d’immuno-inflammation ; MI, infarctus du myocarde ; PPD, profondeur de sondage parodontal ; ET, écart-type ; SII, indice systémique d’immuno-inflammation.

Évaluation de l'état parodontal et de l'inflammation

La répartition des scores totaux de charge de SVDc selon le stade de la parodontite est présentée dans la figure 2. La proportion de participants présentant des scores de SVDc plus élevés augmentait avec la gravité croissante de la parodontite, et le test de Cochran-Armitage a révélé une tendance significative (P < 0,001). L'association entre le nombre de dents conservées et la probabilité d'une forte charge de SVDc a été évaluée plus en détail à l'aide d'une analyse RCS (figure 3). Après ajustement pour l'âge, l'hypertension et le Log_SII, le test formel a soutenu un modèle linéaire de réponse dose-dépendante plutôt qu'un effet seuil non linéaire (P pour la non-linéarité = 0,332). La probabilité estimée d'une forte charge de SVDc augmentait progressivement à mesure que le nombre de dents conservées diminuait. Toutefois, les estimations aux plus faibles nombres de dents doivent être interprétées avec prudence en raison d'intervalles de confiance plus larges.

Figure 2. Répartition de la charge totale des maladies cérébrales des petits vaisseaux (CSVD) selon le stade de la parodontite. Histogramme empilé montrant la répartition proportionnelle des cas sains/légers, modérés et sévères de parodontite selon les scores de charge totale de CSVD (0–4). Le test de tendance de Cochran-Armitage a révélé une tendance croissante significative de la gravité de la parodontite avec l'augmentation de la charge de CSVD (P pour la tendance <0,001). Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Figure 3. Analyse par spline cubique restreinte de l'association entre le nombre de dents conservées et une forte charge de maladie des petits vaisseaux cérébraux (CSVD). Modèle de spline cubique restreinte (RCS) illustrant l'association entre le nombre de dents conservées et le logarithme des cotes d'une forte charge de CSVD, après ajustement sur l'âge, l'hypertension artérielle et le logarithme népérien de l'indice systémique d'inflammation immunitaire (Log_SII). La ligne rouge continue représente les cotes logarithmiques estimées, et la zone ombrée représente l'intervalle de confiance à 95 % (IC). Le test de non-linéarité n'était pas statistiquement significatif (P pour la non-linéarité = 0,332), ce qui soutient une association linéaire. Les estimations aux nombres de dents les plus faibles doivent être interprétées avec prudence en raison d'intervalles de confiance plus larges. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Analyse statistique et élaboration du modèle

Une régression par l'opérateur de sélection et de réduction absolue minimale avec une validation croisée en 10 folds a été utilisée pour la sélection des variables parmi les paramètres de base (Figure supplémentaire 1). La procédure a conservé l'âge, l'hypertension, le stade de la parodontite et le nombre de dents restantes comme caractéristiques fondamentales. Dans le modèle ultérieur de régression logistique multivariée (Tableau 2), l'âge (rapport de cotes [OR] = 1,06, intervalle de confiance [IC] à 95 % : 1,02–1,10, P = 0,008) et l'hypertension (OR = 2,02, IC 95 % : 1,16–3,55, P = 0,014) étaient indépendamment associés à une charge élevée de SVDc. La parodontite sévère (OR = 1,73, IC 95 % : 0,25–12,19, P = 0,580) et le nombre de dents restantes (OR = 0,94, IC 95 % : 0,87–1,01, P = 0,112) n'ont pas atteint la signification statistique, indiquant que leurs associations étaient atténuées après ajustement multivarié. Ces paramètres parodontaux ont été conservés dans le modèle final comme caractéristiques exploratoires des profils. Les analyses de sous-groupes de l'association entre la parodontite sévère et une charge élevée de SVDc sont présentées dans la figure supplémentaire 2. Le sens de l'association était généralement cohérent à travers les sous-groupes prédéfinis. Plus précisément, les OR étaient de 1,88 (IC 95 % : 0,19–18,57) chez les femmes et de 1,76 (IC 95 % : 0,12–25,14) chez les hommes ; de 2,44 (IC 95 % : 0,21–28,53) chez les participants hypertendus et de 1,48 (IC 95 % : 0,11–19,34) chez ceux sans hypertension ; et de 2,12 (IC 95 % : 0,23–19,82) chez les participants âgés de ≥65 ans et de 1,45 (IC 95 % : 0,10–21,05) chez ceux âgés de <65 ans. Aucune interaction statistiquement significative n'a été observée selon le sexe (P_interaction = 0,916), le statut d'hypertension (P_interaction = 0,627) ou l'âge (P_interaction = 0,684), indiquant l'absence de preuve de modification de l'effet dans ces analyses exploratoires de sous-groupes.

Variable	Rapport de cotes (OR)	Intervalle de confiance à 95 % (IC)	Valeur P
Âge	1.06	1.02–1.10	0.008
Hypertension	2.02	1.16–3.55	0.014
Log_SII	0.35	0.07–1.81	0.214
Nombre de dents restantes	0.94	0.87–1.01	0.112
Stade de la parodontite
Sain/Léger (Référence)	1	—	—
Modéré	1.41	0.51–3.90	0.51
Sévère	1.73	0.25–12.19	0.58

Tableau 2 :  Analyse de régression logistique multivariée des facteurs associés à une forte charge de maladie des petits vaisseaux cérébraux (CSVD). Les variables incluses dans le modèle de régression logistique multivariée ont été sélectionnées à l’aide d’une régression par opérateur de réduction et de sélection absolue minimale (LASSO). La catégorie référence était parodontite légère/santé. Le rapport de cotes (OR) pour le nombre de dents conservées représente la variation du risque de forte charge de CSVD associée à chaque dent supplémentaire conservée. Abréviations : CI, intervalle de confiance ; CSVD, maladie des petits vaisseaux cérébraux ; LASSO, opérateur de réduction et de sélection absolue minimale ; Log_SII, logarithme naturel de l’indice systémique d’immunité-inflammation ; OR, rapport de cotes.

Un nomogramme clinique a été construit à partir du modèle multivarié final comme cadre exploratoire de visualisation pour l'évaluation individualisée du risque de SAVC (Figure 4). Le nomogramme illustre la contribution de l'âge, de l'hypertension, du Log_SII, du stade de la parodontite et du nombre de dents restantes à la probabilité estimée d'une charge élevée de SAVC. Afin d'évaluer la valeur ajoutée potentielle des paramètres parodontaux, un modèle de base comprenant l'âge, l'hypertension et le Log_SII a été comparé à un modèle étendu incluant en outre le stade de la parodontite et le nombre de dents restantes (Table 3). Une analyse de la courbe ROC a montré une AUC de 0,688 (IC 95 % : 0,621–0,755) pour le modèle étendu et de 0,656 (IC 95 % : 0,587–0,726) pour le modèle de base ; la différence n'était pas statistiquement significative selon le test de DeLong (P = 0,263) (Figure 5A). Le modèle étendu a donné une amélioration continue de la reclassification nette (NRI) de 0,454 (P < 0,001) et un IDI de 0,052 (P < 0,001). La calibration a été évaluée à l'aide de 1 000 rééchantillonnages bootstrap. Le graphique de calibration a montré un bon accord entre les probabilités d'événement estimées et observées, avec une erreur absolue moyenne de 0,038 (Figure 5B). L'analyse DCA a indiqué un bénéfice net potentiel pour le modèle étendu dans les plages de probabilités seuils sélectionnées (Figure 6). Toutefois, cet avantage apparent doit être interprété avec prudence, car l'amélioration de l'AUC n'était pas statistiquement significative et aucune validation externe n'a été réalisée.

Métrique	Modèle de base	Modèle étendu	Valeur P / Amélioration
AUC (IC à 95 %)	0,656 (0,587–0,726)	0,688 (0,621–0,755)	0,263 (DeLong)
Sensibilité	—	0,512	—
Spécificité	—	0,8	—
Valeur prédictive positive (VPP)	—	0,759	—
Valeur prédictive négative (VPN)	—	0,571	—
Amélioration continue de la reclassification nette (NRI)	—	0,454	<0,001
Amélioration intégrée de la discrimination (IDI)	—	0,052	<0,001

Tableau 3 : Comparaison de la performance prédictive entre les modèles de base et élargi. Le modèle de base comprenait l'âge, l'hypertension et le Log_SII. Le modèle élargi incorporait en outre le stade de la parodontite et le nombre de dents conservées. La discrimination du modèle a été évaluée à l'aide de l'aire sous la courbe caractéristique de fonctionnement du récepteur (AUC), et les différences entre les AUC ont été comparées à l'aide du test de DeLong. La sensibilité, la spécificité, la valeur prédictive positive (PPV) et la valeur prédictive négative (NPV) ont été calculées en utilisant le seuil optimal déterminé par l'indice de Youden maximal. L'amélioration continue de la reclassification (NRI) et l'amélioration intégrée de la discrimination (IDI) ont été utilisées pour évaluer la performance prédictive incrémentielle du modèle élargi. Abréviations : AUC, aire sous la courbe caractéristique de fonctionnement du récepteur ; CI, intervalle de confiance ; IDI, amélioration intégrée de la discrimination ; Log_SII, logarithme naturel de l'indice systémique d'immunité-inflammation ; NPV, valeur prédictive négative ; NRI, amélioration nette de la reclassification ; PPV, valeur prédictive positive.

Figure 4. Nomogramme pour estimer la probabilité d'une forte charge de maladie des petits vaisseaux cérébraux (CSVD). Nomogramme élaboré à partir du modèle final de régression logistique multivariée. Pour estimer la probabilité d'une forte charge de CSVD chez un individu, repérez la valeur du patient pour chaque prédicteur, attribuez le score correspondant sur l'axe « Points », additionnez les scores individuels afin d'obtenir le nombre total de points, puis reportez ce score total sur l'échelle des probabilités pour estimer le risque prédit d'une forte charge de CSVD. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Figure 5. Discrimination et calibration des modèles prédictifs. (A) Courbes caractéristiques de fonctionnement du récepteur (ROC) comparant le modèle de base et le modèle étendu. La discrimination du modèle a été évaluée à l’aide de l’aire sous la courbe caractéristique de fonctionnement du récepteur (AUC), et les différences entre les modèles ont été analysées à l’aide du test de DeLong. (B) Graphique de calibration du modèle étendu généré à partir de 1 000 rééchantillonnages bootstrap. Les courbes de calibration apparente, corrigée du biais et idéale sont présentées conjointement avec les limites de confiance (CL). La performance de calibration a été évaluée à l’aide de l’erreur absolue moyenne entre les probabilités prédites et observées. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Figure 6. Analyse de courbe décisionnelle des modèles prédictifs. L'analyse de courbe décisionnelle (DCA) compare le bénéfice net du modèle de base et du modèle étendu sur une gamme de probabilités seuils. Les stratégies « Tous traiter » et « Aucun traité » sont indiquées comme courbes de référence. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Dans l'ensemble, les résultats ont démontré des associations importantes non ajustées entre la gravité de la maladie parodontale, la perte dentaire et une charge élevée de SMCV, ainsi qu'une association linéaire entre la diminution du nombre de dents conservées et l'augmentation du risque de SMCV. Toutefois, la parodontite sévère et le nombre de dents conservées n'étaient pas associés indépendamment à une charge élevée de SMCV après ajustement multivarié. Ces résultats soutiennent l'utilisation exploratoire de paramètres parodontaux dans un modèle préliminaire de visualisation du risque, mais ne soutiennent pas leur interprétation comme prédicteurs indépendants ni le nomogramme comme outil de dépistage cliniquement utilisable.

Disponibilité des données :

L'ensemble de données au niveau des participants, désidentifié, qui sous-tend les résultats rapportés dans cette étude est fourni sous forme de Tableau supplémentaire 1 et est soumis conjointement avec ce manuscrit.

Figure supplémentaire 1. Sélection de variables à l'aide d'une régression par l'opérateur de réduction et de sélection absolue minimale (LASSO). Le paramètre de réglage (λ) a été optimisé à l'aide d'une validation croisée à 10 plis basée sur l'écart binomial. Les lignes pointillées verticales indiquent les valeurs optimales de λ correspondant au critère minimal et au critère de l'erreur-type unique (1-SE).Veuillez cliquer ici pour télécharger ce fichier.

Figure supplémentaire 2. Analyse en sous-groupes de l'association entre la parodontite sévère et une forte charge de maladie des petits vaisseaux cérébraux (CSVD). Graphique en forêt montrant les rapports de cotes (OR) et les intervalles de confiance à 95 % (IC 95 %) pour l'association entre la parodontite sévère et une forte charge de CSVD dans les sous-groupes prédéfinis. La ligne pointillée verticale indique un OR de 1,0.Veuillez cliquer ici pour télécharger ce fichier.

Tableau supplémentaire 1. Jeu de données au niveau des participants, désidentifié, soutenant les analyses présentées dans cette étude. Le jeu de données comprend des caractéristiques démographiques anonymisées, des facteurs de risque vasculaire, des variables issues de l'examen parodontal, des mesures de laboratoire, des résultats d'imagerie par résonance magnétique (IRM), des scores de charge de la maladie des petits vaisseaux cérébraux (CSVD) et des variables d'évaluation inter-observateurs utilisées pour les analyses statistiques. Les définitions des variables correspondent à celles décrites dans la section Protocole.Veuillez cliquer ici pour télécharger ce fichier.

Discussion

La présente étude a examiné la relation entre la destruction parodontale, le nombre de dents conservées et la charge cumulative des AVCD, aboutissant à l'élaboration d'un nomogramme clinique exploratoire. Bien que les analyses univariées aient mis en évidence des associations entre la parodontite sévère, la perte dentaire et une forte charge d'AVCD, une régression logistique multivariée a montré que la parodontite sévère (P = 0,580) et le nombre de dents conservées (P = 0,112) n'étaient pas indépendamment associés à une forte charge d'AVCD après ajustement sur les facteurs de risque cardiovasculaire classiques, notamment l'âge et l'hypertension. Par conséquent, ces paramètres parodontaux ne doivent pas être interprétés comme des prédicteurs indépendants d'une forte charge d'AVCD dans cette cohorte. Plutôt, leurs associations observées se sont atténuées après ajustement multivarié. Les études antérieures examinant le lien entre la santé bucco-dentaire et les maladies cérébrovasculaires se sont principalement concentrées sur des marqueurs d'imagerie neurologique individuels, tels que les infarctus lacunaires ou la charge d'hyperintensités de la substance blanche²⁶. En revanche, la présente étude a adopté le score total de charge d'AVCD comme critère principal de jugement, conformément aux recommandations actuelles en imagerie neurologique et aux cadres conceptuels actuels concernant la maladie des petits vaisseaux cérébraux, offrant ainsi une évaluation plus complète des lésions microvasculaires cérébrales diffuses^1,3,27.

Un résultat notable de l'analyse RCS était l'absence d'une association non linéaire statistiquement significative (P pour la non-linéarité = 0,332), ce qui soutient une relation linéaire continue entre la diminution du nombre de dents conservées et l'augmentation de la probabilité d'une charge élevée de SVDc, plutôt qu'un effet seuil distinct. Le seuil de 20 dents conservées utilisé pour la stratification a été choisi selon des critères cliniques établis définissant une dentition fonctionnelle et un vieillissement buccal réussi, et non dérivé de l'analyse par splines^16,17,18. De manière cruciale, le seuil de 20 dents conservées utilisé pour la stratification binaire avait été préspecifié avant l'analyse des données. Ce seuil a été retenu sur la base d'un consensus clinique établi concernant la dentition fonctionnelle et le vieillissement buccal réussi (par exemple, l'initiative « 8020 » de l'OMS) afin de représenter le nombre minimal de dents généralement considéré comme nécessaire pour maintenir une fonction buccale de base, et non en fonction de l'ensemble de données actuel. La perte dentaire et les maladies parodontales chroniques restent des problèmes importants de santé publique en raison de leurs associations avec une fonction buccale altérée et une santé systémique compromise²⁸. Des données récentes suggèrent également une relation potentiellement bidirectionnelle au sein de l'axe bucco-cérébral, selon laquelle la maladie cérébrovasculaire des petits vaisseaux pourrait elle-même être associée à une détérioration parodontale accélérée²⁹. Afin d'optimiser la sélection des prédicteurs, un modèle de régression LASSO a été mis en œuvre en utilisant une optimisation par descente par coordonnées³⁰. Comparé aux approches conventionnelles de régression pas à pas, la méthode LASSO fournit un cadre de régularisation capable d'améliorer la stabilité du modèle et de réduire le surajustement lorsque des variables cliniques corrélées sont prises en compte simultanément³¹. Les variables conservées après sélection par LASSO ont ensuite été intégrées dans le modèle de régression logistique multivariée pour l'élaboration du nomogramme. Bien que le Log_SII n'ait pas été retenu par la procédure automatisée de sélection des variables par LASSO, il a été délibérément inclus comme covariable clinique préspecifiée dans les deux modèles prédictifs (de base et étendu), en raison de sa pertinence clinique établie en tant que marqueur de l'inflammation systémique dans les maladies cérébrovasculaires et la parodontite. Cette approche a permis d'ajuster le statut inflammatoire systémique tout en évaluant la contribution supplémentaire apportée par les variables parodontales. Étant donné que le LASSO est une technique de sélection prédictive des variables et non une méthode d'inférence causale, l'inclusion ou l'exclusion de variables individuelles ne doit pas être interprétée comme une preuve de la présence ou de l'absence de multicolinéarité ou d'importance causale.

Sur le plan biologique, la parodontite sévère est caractérisée comme une infection dysbiosique localisée pouvant contribuer à des réponses inflammatoires systémiques³². Il a été démontré que le traitement parodontal réduit les marqueurs inflammatoires systémiques et améliore la fonction endothéliale périphérique, ce qui soutient une association entre la santé bucco-dentaire et la fonction vasculaire³³. Les pathogènes parodontaux, notamment Porphyromonas gingivalis, ainsi que leurs composants lipopolysaccharidiques, peuvent pénétrer dans la circulation systémique lors de la mastication ou de procédures d'hygiène bucco-dentaire, et des composants bactériens ont été détectés dans des tissus nerveux³⁴. Une exposition systémique chronique à ces stimuli inflammatoires a été proposée comme un mécanisme pouvant contribuer à une dysfonction endothéliale et à une altération de la barrière hémato-encéphalique, des processus impliqués dans la pathogenèse des maladies cérébrovasculaires petites³⁵. Afin d'évaluer l'utilité clinique du modèle prédictif obtenu, une analyse de décision par courbe (DCA) a été réalisée pour évaluer le bénéfice net potentiel sur une gamme de probabilités seuils³⁶. Bien que la DCA suggère des avantages potentiels par rapport aux stratégies par défaut, elle représente une performance théorique du modèle et n'établit pas de bénéfice clinique réel ni d'amélioration des résultats pour les patients. Afin de promouvoir une communication transparente et de faciliter l'évaluation indépendante et la réplication, le développement et la présentation de ce protocole exploratoire ont suivi les recommandations du cadre Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis (TRIPOD)³⁷. Ce cadre de reporting est pertinent car une inflammation bucco-dentaire chronique de faible intensité a été hypothétisée comme interagissant avec des voies métaboliques systémiques impliquées dans la neurodégénérescence cérébrale³⁸. L'évaluation du modèle a intégré des mesures de validation établies ainsi que des indices supplémentaires de performance prédictive³⁹. Plus largement, cette approche reflète les implications systémiques potentielles d'une inflammation muqueuse localisée⁴⁰. Néanmoins, étant donné la performance discriminante modeste du modèle (AUC = 0,688), l'absence d'amélioration statistiquement significative de l'AUC par rapport au modèle de base selon le test de DeLong (P = 0,263), et les intervalles de confiance larges entourant les variables liées à la santé bucco-dentaire, le nomogramme proposé doit être interprété strictement comme un cadre visuel préliminaire et exploratoire, et non comme un outil cliniquement applicable en pratique neurologique courante.

Plusieurs étapes méthodologiques sont importantes pour la reproductibilité et la mise en œuvre réussie du flux de travail proposé et peuvent influencer les performances du modèle rapportées. Premièrement, les examens parodontaux doivent être hautement standardisés, avec des examinateurs calibrés effectuant des mesures de profondeur de poche sondée et de niveau d'attachement clinique à six sites par dent, conformément au cadre de classification EFP/AAP 2018¹⁵. Deuxièmement, la reproductibilité de l'imagerie cérébrale dépend de protocoles d'acquisition standardisés d'IRM à 3,0 T, incluant les séquences de récupération d'inversion avec atténuation du liquide (FLAIR) et d'imagerie pondérée en susceptibilité (SWI), ainsi que des critères de notation consensuels validés pour évaluer la charge totale de la maladie cérébrale des petits vaisseaux (CSVD)¹. Troisièmement, le prélèvement sanguin et le traitement en laboratoire doivent être standardisés à l'aide d'échantillons de sang veineux à jeun et de procédures de manipulation des prélèvements cohérentes afin d'assurer un calcul fiable du logarithme népérien de l'indice systémique d'inflammation immunitaire (Log_SII). Des mesures supplémentaires pouvant améliorer la mise en œuvre incluent la tenue électronique des dossiers dentaires pour réduire les erreurs de saisie manuelle et des procédures standardisées pour la gestion des données manquantes.

Malgré ces considérations méthodologiques, plusieurs limites doivent être reconnues. La conception transversale rétrospective monocentrique ne permet pas de tirer de conclusions quant à la causalité. De plus, bien que l'inclusion de 129 événements à forte charge de CSVD ait satisfait au critère du nombre d'événements par variable pour un développement de modèle stable, la taille relativement restreinte de l'échantillon a limité la puissance statistique des analyses multivariées. Le modèle n'a pas non plus tenu compte de plusieurs facteurs de confusion potentiels, notamment les pratiques d'hygiène bucco-dentaire (par exemple, la fréquence du brossage des dents et de l'utilisation du fil dentaire) et les traitements parodontaux antérieurs, qui peuvent tous deux influencer l'état parodontal. En outre, une causalité inverse ne peut être exclue, car les patients présentant une CSVD avancée ou un handicap post-accident vasculaire cérébral peuvent souffrir d'une altération de la cognition, de la fonction motrice et de la dextérité manuelle, ce qui pourrait compromettre les pratiques d'hygiène bucco-dentaire⁴¹ et réduire le recours aux soins dentaires de routine⁴². Par conséquent, une parodontite avancée pourrait, en partie, représenter une conséquence plutôt qu'une cause d'un déficit neurovasculaire. Enfin, la conception rétrospective n'a pas permis la collecte d'échantillons de plaque sous-gingivale pour un séquençage de l'ARN ribosomique 16S ou un profilage métagénomique, limitant ainsi l'exploration de relations potentielles entre le microbiote oral et les médiateurs inflammatoires circulants ou les biomarqueurs liés à l'amyloïde⁴³. L'absence d'une cohorte externe de validation indépendante demeure une limitation majeure, et la généralisabilité du modèle proposé à d'autres populations n'a pas encore été établie. Des études prospectives multicentriques futures, incluant une estimation formelle de la taille de l'échantillon, une validation externe et l'intégration de marqueurs biologiques supplémentaires, sont nécessaires.

En conclusion, une parodontite sévère et la conservation de moins de 20 dents ont montré des associations univariées significatives avec une charge élevée de SVDc ; toutefois, ces associations se sont atténuées après ajustement multivarié et n'étaient pas indépendamment associées à une charge élevée de SVDc dans cette cohorte. Le nomogramme clinique proposé, qui intègre les paramètres parodontaux avec les facteurs de risque conventionnels, fournit un cadre préliminaire, non invasif et exploratoire pour la visualisation personnalisée du risque, plutôt qu'un outil de dépistage cliniquement validé. Une validation externe dans des cohortes indépendantes est nécessaire avant toute considération pour une application clinique de routine. Bien que des études longitudinales soient nécessaires pour clarifier la relation causale entre la santé bucco-dentaire et la SVDc, le maintien d'une bonne santé parodontale et la préservation d'une dentition fonctionnelle restent des domaines importants pour les futures recherches pluridisciplinaires sur les maladies cérébrovasculaires liées à l'âge.

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Analyseur d'hématologie automatisé	Sysmex	XN-1000	Utilisé pour obtenir les numérations des cellules sanguines périphériques afin de calculer l'indice systémique d'immunité-inflammation (SII).
Tubes de prélèvement sanguin au K2 EDTA	Becton, Dickinson and Company	367841	Utilisés pour le prélèvement de sang veineux à jeun.
Système de dossier médical électronique (DME)	Winning Health Technology Group	Winning EMR v6.0	Utilisé pour extraire les informations démographiques et cliniques des patients.
Appareil d'imagerie par résonance magnétique (IRM) (3,0 T)	Siemens Healthineers	MAGNETOM Prisma 3.0T	Utilisé pour des examens standardisés d'imagerie par résonance magnétique crânienne.
Bobine cranienne pour IRM	Siemens Healthineers	Bobine cranio-cervicale à 64 canaux	Bobine standard utilisée pour l'acquisition en IRM.
Probe parodontale (UNC-15)	Hu-Friedy	PCPUNC15	Utilisée pour mesurer la profondeur de sondage parodontal (PSP) et le niveau d'attachement clinique (NAC).
Package R : dcurves	CRAN	Version 0.4.0	Utilisé pour l'analyse de courbe de décision (DCA).
Package R : glmnet	CRAN	Version 4.1-8	Utilisé pour la régression par l'opérateur de réduction absolue et de sélection (LASSO) et la sélection de variables.
Package R : pROC	CRAN	Version 1.18.5	Utilisé pour l'analyse de la courbe caractéristique de fonctionnement du récepteur (ROC) et les tests de DeLong.
Package R : PredictABEL	CRAN	Version 1.2-4	Utilisé pour calculer l'amélioration continue de la reclassification nette (NRI) et l'amélioration intégrée de la discrimination (IDI).
Package R : rms	CRAN	Version 6.7-1	Utilisé pour l'analyse par spline cubique restreinte (RCS), la construction de nomogrammes et la calibration par bootstrap.
Logiciel R pour le calcul statistique	R Foundation for Statistical Computing	Version 4.3.1	Environnement de calcul statistique utilisé pour toutes les analyses.