La maladie chronique est un problème de santé publique et la perte de mobilité est fréquente dans cette population. Parmi ses multiples conséquences physiques et psychologiques, l'augmentation de la mortalité et la morbidité cardiovasculaire semblent être les principales préoccupations. Ainsi, l'exploration des déficiences locomotrices, des capacités physiques et du métabolisme des patients atteints de maladies chroniques constitue un enjeu majeur tant pour le traitement des pathologies causales, que pour l'évaluation de l'impact des interventions thérapeutiques dont le bénéfice sera une amélioration des capacités physiques et in fine de la mobilité. Face à l'hypothèse d'une augmentation de la prévalence des troubles de la mobilité dans cette population, cette démarche s'inscrit dans une logique de dépistage et d'amélioration de l'efficacité de la prise en charge de ces patients avec une évaluation multidisciplinaire des risques individuels. Le protocole EVALMOB a été conçu pour tenter de déterminer un profil type de " dysmobilité " chez les patients atteints de maladies chroniques.

Nous proposons de constituer une cohorte prospective de sujets porteurs de maladies chroniques. L'objectif est d'explorer l'ensemble des différentes composantes de la mobilité (équilibre, force musculaire, composition corporelle, capacité de marche, métabolisme, etc.), d'évaluer leur impact sur la capacité fonctionnelle des individus et d'identifier leurs interactions potentielles. ), d'évaluer leur impact sur la capacité fonctionnelle des individus et d'identifier leurs interactions potentielles. Le traitement de ces données pourrait à terme permettre le développement d'un modèle pour déterminer un profil standard composite de "dysmobilité" chez les patients atteints d'une maladie chronique. Dans le présent protocole, les paramètres seront mesurés à cinq reprises (à l'inclusion, à 6 mois du jour de l'inclusion, à 1,2 et 5 année(s) du jour de l'inclusion). Tous les tests seront effectués le même jour. Les nouvelles évaluations seront effectuées selon le même principe que l'évaluation initiale. Les analyses statistiques seront réalisées à l'aide du logiciel Stata (version 13, StataCorp, College Station, USA). Les données seront décrites par des fréquences et des pourcentages pour les variables catégorielles et par les moyennes et l'écart-type (ou la médiane et l'intervalle interquartile si les données ne sont pas normalement distribuées) pour les variables continues. La normalité des données continues sera évaluée graphiquement et à l'aide du test de Shapiro-Wilk. L'analyse principale consistera à déterminer les profils des patients en ce qui concerne leur mobilité. Des approches de type clustering (supervisé ou non) seront proposées : k-means, vector machine support, machine learning, analyse factorielle. Par exemple, des analyses factorielles sur des données mixtes permettront de caractériser les principales composantes de la mobilité. Elles pourront être suivies d'une classification hiérarchique ascendante afin de déterminer des groupes homogènes de patients. Ces groupes seront décrits et comparés sur les principaux critères évalués à l'aide de tests statistiques standards : test du chi2 (ou test exact de Fisher le cas échéant) pour les critères catégoriels et analyse de la variance (ou Kruskal-Wallis si les données ne sont pas normalement distribuées) pour les critères continus. L'analyse principale sera déclinée plus spécifiquement pour chacune des pathologies considérées. En outre, la sensibilité au changement sera évaluée dans chaque pathologie et pour chaque critère d'évaluation. La recherche de facteurs liés à l'évolution des différents critères sera effectuée à l'aide de tests usuels et de modèles multivariés mixtes (logiques pour les critères catégoriels / linéaires pour les critères continus) en considérant le sujet comme un effet aléatoire, et en ajustant sur les critères temporels (inclusion / suivi) et les critères mis en évidence dans les analyses univariées et à la lumière des éléments rapportés dans la littérature. Une analyse de sensibilité sera proposée afin d'étudier la nature statistique des données manquantes et de proposer, le cas échéant, la méthode d'imputation la plus adaptée : imputation multiple, biais maximal ou LOCF dans le cas de données longitudinales.