Cette étude a pour but de tester si l’ajout de variables biomécaniques, telles que celles associées à la morphologie, la posture et l’équilibre, permet d’améliorer l’efficacité à dissocier 29 sujets ayant une scoliose progressive de 45 sujets ayant une scoliose non progressive. Dans une étude rétrospective, un groupe d’apprentissage (Cobb: 27,1±10,6°) a été utilisé avec cinq modèles faisant intervenir des variables cliniques, morphologiques, posturales et d’équilibre et la progression de la scoliose. Un groupe test (Cobb: 14,2±8,3°) a ensuite servit à évaluer les modèles dans une étude prospective. Afin d’établir l’efficacité de l’ajout de variables biomécaniques, le modèle de Lonstein et Carlson (1984) a été utilisé à titre d’étalon de mesures.
Le groupe d’apprentissage a été utilisé pour développer quatre modèles de classification. Le modèle sans réduction fut composé de 35 variables tirées de la littérature. Dans le modèle avec réduction, une ANCOVA a servit de méthode de réduction pour passer de 35 à 8 variables et l’analyse par composantes principales a été utilisée pour passer de 35 à 7 variables. Le modèle expert fut composé de huit variables sélectionnées d’après l’expérience clinque. L’analyse discriminante, la régression logistique et l’analyse par composantes principales ont été appliquées afin de classer les sujets comme progressifs ou non progressifs. La régression logistique utilisée avec le modèle sans réduction a présenté l’efficience la plus élevée (0,94), tandis que l’analyse discriminante utilisée avec le modèle expert a montré l’efficience la plus faible (0,87). Ces résultats montrent un lien direct entre un ensemble de paramètres cliniques et biomécaniques et la progression de la scoliose idiopathique.
Le groupe test a été utilisé pour appliquer les modèles développés à partir du groupe d’apprentissage. L’efficience la plus élevée (0,89) fut obtenue en utilisant l’analyse discriminante et la régression logistique avec le modèle sans réduction, alors que la plus faible (0,78) fut obtenue en utilisant le modèle de Lonstein et Carlson (1984). Ces valeurs permettent d’avancer que l’ajout de variables biomécaniques aux données cliniques améliore l’efficacité de la dissociation entre des sujets scoliotiques progressifs et non progressifs.
Afin de vérifier la précision des modèles, les aires sous les courbes ROC ont été calculées. L’aire sous la courbe ROC la plus importante (0,93) fut obtenue avec l’analyse discriminante utilisée avec le modèle sans réduction, tandis que la plus faible (0,63) fut obtenue avec le modèle de Lonstein et Carlson (1984). Le modèle de Lonstein et Carlson (1984) n’a pu séparer les cas positifs des cas négatifs avec autant de précision que les modèles biomécaniques.
L’ajout de variables biomécaniques aux données cliniques a permit d’améliorer l’efficacité de la dissociation entre des sujets scoliotiques progressifs et non progressifs. Ces résultats permettent d’avancer qu’il existe d’autres facteurs que les paramètres cliniques pour identifier les patients à risque de progresser. Une approche basée sur plusieurs types de paramètres tient compte de la nature multifactorielle de la scoliose idiopathique et s’avère probablement mieux adaptée pour en prédire la progression. / The purpose of this study is to examine whether the addition of biomechanical variables, such as variables associated with morphology, posture and balance, produce an increase in dissociation efficiency of 29 subjects with progressive scoliosis from 45 subjects with non progressive scoliosis. In a retrospective study, a learning group (Cobb: 27,1±10,6°) was used with five models comprising clinical, morphological, postural and balance variables and scoliosis progression. A testing group (Cobb: 14,2±8,3°) was then used to evaluate the models in a prospective study. In order to establish the efficiency of the addition of biomechanical variables, Lonstein and Carlson’s (1984) model was used as a reference.
The learning group was used to develop four classification models. The model without reduction was composed of 35 variables taken from the literature. In the model with reduction, an ANCOVA served as a reduction method to go from 35 to 8 variables and principal component analysis was used to go from 35 to 7 variables. The expert model was composed of eight variables selected according to clinical experience. Discriminant analysis, logistic regression and principal component analysis were applied in order to classify the subjects as progressive or non progressive. Logistic regression used with the model without reduction presented the highest efficiency (0,94), whereas discriminant analysis used with the expert model showed the lowest efficiency (0,87). These results show a direct relation between a group of clinical and biomechanical parameters and idiopathic scoliosis progression.
The testing group was used to apply the models developed from the learning group. The highest efficiency (0,89) was obtained with the use of discriminant analysis and logistic regression and the model without reduction, as the lowest (0,78) was obtained with the use of Lonstein and Carlson’s (1984) model. These values suggest that the addition of biomechanical variables to clinical data increases dissociation efficiency between progressive and non progressive scoliotic subjects.
In order to verify the precision of the models, the area under the ROC curve was calculated. The largest area under the ROC curve (0,93) was obtained with the discriminant analysis used with the model without reduction, whereas the lowest (0,63) was obtained with Lonstein and Carlson’s (1984) model. Lonstein and Carlson’s (1984) model could not separate the positive cases from the negative cases with the same amount of precision compared with the biomechanical models.
The addition of biomechanical variables to clinical data allowed increasing dissociation efficiency between progressive and non progressive scoliotic subjects. These results suggest that factors other than clinical parameters can identify patients at risk of progression. An approach based on many types of parameters takes into account the multi-factorial nature of idiopathic scoliosis and appears to be better adapted to predict it’s progression.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/3557 |
| Date | 08 1900 |
| Creators | Hinse, Sébastien D. |
| Contributors | Allard, Paul, Rivard, Charles-Hilaire |
| Source Sets | Université de Montréal |
| Language | French |
| Detected Language | French |
| Type | Thèse ou Mémoire numérique / Electronic Thesis or Dissertation |
Page generated in 0.0031 seconds