Modélisation de la croissance postnatale des enfants pour l'étude de ses déterminants précoces

• Main Author: Carles, Sophie
• Other Authors: Université Paris-Saclay (ComUE)
• Language: fr
• Published: 2016
• Subjects: Croissance; Modélisation; Déterminants; Growth; Modeling; Determinants
• Online Access: http://www.theses.fr/2016SACLS065

Contexte:La croissance dans les premières années de vie est associée à la santé et au risque de maladies à court et long terme. Elle est influencée par de nombreux facteurs dont certains, tels que le tabagisme maternel pendant la grossesse, sont susceptibles de l’altérer à la fois durant les périodes pré- et post-natale précoce. L’étude de la croissance postnatale nécessite une modélisation précise. Aucun consensus sur la méthode optimale n’existe à ce jour.Objectifs:Etudier des approches de modélisation de la croissance du poids, de la taille et de l’indice de masse corporelle (IMC) de la naissance à 5 ans pour l’étude de ses déterminants précoces.Méthodes:Les données de la cohorte mère-enfant EDEN, qui a inclus 2002 femmes enceintes dans les maternités de Nancy et Poitiers entre 2003 et 2006, ont été utilisées. Au total, 39177 mesures de poids (nombre de mesures médian par enfant : 22) et 30026 mesures de taille (nombre de mesures médian par enfant : 17) ont été collectées lors d’examens cliniques (à 1, 2 et 3 ans) et dans le carnet de santé. Le statut pondéral à 5 ans a été défini selon les seuils IOTF à partir de l’ IMC. Les croissances du poids et de la taille ont été modélisées par des modèles non-linéaires à effets mixtes utilisant l'équation de Jenss-Bayley. Les associations entre exposition et croissance ont été étudiées par deux approches, en prenant l’exemple de l’exposition au tabagisme maternel pendant la grossesse. La première approche, fréquentiste, se décomposait en deux méthodes : i) méthode en 2 étapes : le poids et la taille ont été modélisés séparément sans covariables ; les associations entre les prédictions individuelles à différents âges issues de cette modélisation et le tabagisme maternel ont été analysées dans un second temps par régressions linéaires multiples ; ii) méthode en 1 étape : le tabagisme maternel et les covariables ont été inclus d’emblée dans la modélisation du poids et de la taille et les trajectoires d’IMC déduites. Une seconde approche, bayésienne, a permis de modéliser conjointement le poids et la taille, de prédire les différences de trajectoires d’IMC en fonction du statut tabagique maternel et d’obtenir le degré d’incertitude sur celles-ci. Afin d’étudier l’amélioration de la qualité des estimateurs, les précisions des prédictions obtenues ont été comparées à celles obtenues à partir de modélisations séparées. Une analyse bayésienne exploratoire a permis l’étude de différences de co-évolution du poids et de la taille selon le statut pondéral à 5 ans, en modélisant la matrice de variances-covariances des effets aléatoires.Résultats : Les approches fréquentiste et bayésienne donnaient des résultats concordants. Les enfants de femmes fumeuses tout au long de la grossesse tendaient à conserver, au cours des premières années, leur déficit de taille acquise à la naissance. Leur déficit de poids de naissance ne persistait pas au-delà des premiers mois. Ainsi, leur IMC surpassait, dès les premiers mois, l’IMC des enfants de femmes non-fumeuses. La méthode en 2 étapes était pertinente car la variance intra-sujet des prédictions était faible par rapport à la variance inter-sujets. En ce qui concerne la méthode bayesienne, l’incertitude sur les prédictions de poids et de taille était légèrement plus faible quand les profils de croissance étaient modélisés conjointement plutôt que séparément. L’analyse exploratoire montrait que, dans les tous premiers mois de vie, pour une même variation de la vitesse de croissance staturale, la variation de la vitesse de croissance pondérale était plus forte chez les enfants en surpoids ou obèses comparés à ceux de poids normal.Conclusion : Les outils utilisés ont permis de caractériser finement les trajectoires de croissance postnatale. En permettant d’identifier les facteurs associés à des modifications de ces trajectoires très tôt dans l’enfance et de façon longitudinale, ils sont un moyen d’étudier précisément les déterminants de la croissance. === Background: Growth in the first years of life is associated with both the short and long-term risk of diseases. Growth is influenced by many factors, among which some can affect both the early pre- and post-natal periods. This is the case of maternal smoking during pregnancy. The study of post-natal growth needs an accurate modeling. At present, there is no consensus on the optimal method.Objectives: Modeling postnatal growth of weight, height and body mass index (BMI), from birth to 5 years, using different approaches to study its early determinants.Methods: The work relies on data from the mother-child EDEN cohort, in which 2002 pregnant women were recruited between 2003 and 2006 in the maternities of Nancy and Poitiers. A total of 39,177 weight measurements (median by children: 22) and 30,026 height measurements (median by children: 17) has been collected during clinical visits (at 1, 2 and 3 years) and in the health booklet. The child’s overweight status at 5 years was defined according to the IOTF classification based on their BMI. Weight and height growths have been modeled with non-linear mixed effects models using the Jenss-Bayley equation. Associations between exposure and growth have been studied with two approaches, considering maternal smoking during pregnancy as an example. The first approach, frequentist, included two methods: i) a two-steps method: the weight and height were modeled separately without covariates; associations between individual predictions at different ages and maternal smoking were assessed in a second step with multiple linear regressions; ii) one-step method: maternal smoking and other covariates were directly included in the weight and height modeling and BMI trajectories deduced. This second Bayesian approach allowed to jointly model the weight and height, to predict the differences between BMI trajectories according to the maternal smoking status and to get uncertainty degrees. In order to study any improvement in the quality of the estimators, the precisions of predictions obtained were compared to those obtained with separate models of height and weight. An exploratory Bayesian analysis, allowed studying the differences in the co-evolution of weight and height according to the 5-years overweight status, by modeling the random effects variance-covariance matrix.Results: Both the frequentist and the Bayesian approaches showed consistent results. The children from smoking mothers during the whole pregnancy tended to maintain their birth length deficit along their first years of life. The birth weight deficit did not persist after the first months. Thus, their BMI overpassed the BMI of children from non-smoking mothers as soon as the first months of life. The two-steps method was relevant because the within-subject variance of predictions was low compared to the between-subject variance. For the Bayesian method, the uncertainty on the predictions of weight and height was slightly lower when growth patterns were modeled jointly rather than separately. The exploratory analysis showed than, in the first months, for a similar variation of the statural growth velocity, the variation of the weight growth velocity was stronger in overweight or obese children compared to children with a normal weight.Conclusion: We used tools that allowed the accurate characterization of the postnatal growth trajectories. They permit identification of factors associated with variations of these trajectories very early during childhood. Consequently, they proved helpful to study precisely the determinants of growth in early life.