Création et application d’une base de données relationnelle pour analyser les corrélations clinico-pathologiques dans les maladies neurodégénératives

L’étude des corrélations clinico-pathologiques reste centrale pour améliorer la prédiction diagnostique dans les maladies neurodégénératives. Le volume d’informations nécessaires pour cette approche rend difficile l’utilisation de tableurs usuels. Utiliser un logiciel de base de données informatisé pour étudier les corrélations clinico-pathologiques chez les patients atteints de maladies neurodégénératives autopsiés au CHU d’Angers entre 2005 et 2020. Un formulaire de saisie de données standardisé, anonymisé et personnalisable a été élaboré à l’aide d’un système de gestion de base de données (SGBD) open-source, avec 456 champs de saisie possibles par patient. Une base de données relationnelle a été créée à partir de ce formulaire pour recueillir et analyser les données cliniques et histologiques des 264 patients autopsiés dans le département de Neuropathologie du CHU d’Angers entre 2005 et 2020 (Fig. 1). Cette approche a permis d’optimiser le recueil et l’analyse des données cliniques et histologiques de notre biocollection (22 885 points de données). Nous avons pu facilement récupérer les informations en utilisant des requêtes générales et spécifiques pour étudier les données démographiques, les corrélations clinico-pathologiques et le concept de co-pathologies. Nous avons également pu redresser le diagnostic de cas suivant la parution de nouvelles classifications et entités en neuropathologie. (Fig. 2, Fig. 3, Fig. 4, Tableaux 1–3, Tableau 4, Tableau 5). Grâce à l’utilisation de SGBD dédiés utilisant un langage de requête structuré (SQL), nous avons pu facilement réaliser des analyses corrélatives en neuropathologie basées sur un important volume de données. Améliorer notre compréhension des corrélations clinico-pathologiques est crucial compte tenu des implications dans le diagnostic clinique, l’identification de biomarqueurs et les essais cliniques de thérapies ciblées. La grande quantité de données générées inhérente aux approches corrélatives et les possibilités grandissantes d’utiliser des algorithmes d’intelligence artificielle devraient encourager l’emploi plus systématique des SGBD en neuropathologie.