A retenir
- Selon la définition utilisée, la prévalence de la multimorbidité varie de 1 % à 35 %.
- Les méthodes de comptage et les approches par clusters n’identifient pas les mêmes populations.
- Les choix méthodologiques influencent directement les stratégies de prévention et d’organisation des soins.
- L’enjeu évolue progressivement du comptage des maladies vers l’anticipation des trajectoires de santé.
Multimorbidité : le problème n’est peut-être pas les patients mais la façon de les classer
La multimorbidité (ou polypathologie selon certaines terminologies) est devenue l’un des enjeux majeurs de santé publique du XXIe siècle.
Avec le vieillissement démographique et l’augmentation des maladies chroniques, les professionnels de santé, les chercheurs, les assureurs et les décideurs cherchent à mieux identifier les personnes les plus vulnérables afin d’adapter les stratégies de prévention, l’organisation des soins et l’allocation des ressources.
À première vue, la notion paraît simple. La multimorbidité désigne généralement la coexistence de plusieurs maladies chroniques chez une même personne. Pourtant, derrière cette définition apparemment consensuelle se cache une réalité beaucoup plus complexe.
Une étude publiée en 2026 dans PLOS Medicine, menée auprès de 474 397 participants de la UK Biobank, montre que la prévalence de la multimorbidité peut varier de 1 % à 35,3 % selon la méthode utilisée pour la mesurer.
Autrement dit, pour une même population, la proportion de personnes considérées comme multimorbides peut être multipliée par plus de trente selon les choix méthodologiques retenus.
Cette observation soulève une question fondamentale : lorsque l’on mesure la multimorbidité, mesure-t-on réellement l’état de santé des patients ou la manière dont nous avons décidé de les classer ?
La multimorbidité, une notion simple en apparence, complexe en pratique
La définition la plus couramment utilisée repose sur un critère quantitatif : la présence d’au moins deux maladies chroniques chez un même individu.
Cette approche présente l’avantage de la simplicité. Elle est facile à appliquer dans les études épidémiologiques et permet des comparaisons relativement aisées entre populations.
Cependant, plusieurs questions apparaissent rapidement :
- Quelles maladies faut-il inclure dans la liste ?
- Faut-il retenir 10, 20, 40 ou 80 pathologies ?
- Deux maladies chroniques suffisent-elles ou faut-il en exiger trois ou davantage ?
- Une hypertension artérielle et une rhinite chronique ont-elles le même poids qu’une insuffisance cardiaque associée à une maladie rénale chronique ?
- Les maladies doivent-elles être comptabilisées individuellement ou regroupées par systèmes d’organes ?
Ces choix méthodologiques influencent directement les résultats obtenus.
Pourquoi les estimations de la multimorbidité varient-elles autant ?
L’étude de Silva et collaborateurs a comparé plusieurs définitions largement utilisées dans la littérature scientifique.
Certaines reposaient sur un simple comptage des maladies chroniques. D’autres utilisaient des listes plus ou moins étendues de pathologies. D’autres encore regroupaient les maladies par systèmes biologiques ou recouraient à des méthodes statistiques de clustering visant à identifier des profils de patients présentant des associations spécifiques de maladies.
Les résultats sont particulièrement révélateurs.
Lorsque les chercheurs appliquent des définitions larges reposant sur le nombre total de maladies recensées, la prévalence dépasse 35 %.
À l’inverse, lorsque la multimorbidité est définie à partir de méthodes de clustering identifiant des sous-groupes particuliers de patients présentant des profils pathologiques cohérents, la prévalence tombe autour de 1 %.
Le phénomène observé dans la population reste pourtant le même. Ce sont les critères de classification qui changent.
Cette variabilité explique en partie pourquoi les estimations publiées dans la littérature internationale sont parfois difficiles à comparer.
Ce que ces différences de définition changent concrètement
Les écarts observés entre les différentes définitions de la multimorbidité ne constituent pas seulement un débat méthodologique. Ils ont des conséquences directes sur les décisions prises par les systèmes de santé.
Une définition fondée sur le simple comptage des maladies chroniques permet de suivre l’évolution globale de la charge de morbidité dans une population et d’estimer les besoins futurs en soins.
À l’inverse, les approches par clusters ou par profils de risque identifient souvent des groupes plus restreints mais plus vulnérables, susceptibles de nécessiter une coordination renforcée, un accompagnement spécifique ou des interventions préventives ciblées.
Selon la définition retenue, les populations considérées comme prioritaires peuvent donc varier considérablement.
Cette réalité explique pourquoi deux programmes ou interventions de prévention reposant sur des approches différentes peuvent cibler des personnes différentes tout en poursuivant des objectifs légitimes.
La question n’est pas seulement de savoir combien de personnes sont multimorbides, mais quelles sont celles qui risquent le plus de voir leur état de santé se dégrader dans les années à venir.
Toutes les maladies ne se valent pas
L’une des principales limites des approches fondées sur le simple comptage est qu’elles attribuent implicitement le même poids à toutes les maladies.
Pourtant, du point de vue clinique, toutes les pathologies n’ont ni la même gravité, ni les mêmes conséquences fonctionnelles, ni le même impact sur la mortalité ou la qualité de vie.
Un patient présentant une hypertension artérielle et une rhinite chronique sera classé de la même manière qu’un patient souffrant simultanément d’insuffisance cardiaque et de maladie rénale chronique s’ils possèdent tous deux deux maladies chroniques.
Cette simplification est utile pour la surveillance épidémiologique, mais elle ne reflète pas nécessairement la complexité réelle des situations cliniques.
C’est l’une des raisons pour lesquelles certains chercheurs privilégient des approches tenant compte de la sévérité des maladies, de leur retentissement fonctionnel ou de leur impact pronostique plutôt qu’un simple décompte.
Trois définitions, trois conclusions différentes
Imaginons une femme de 72 ans présentant une hypertension artérielle, un diabète de type 2, une arthrose symptomatique et une cataracte opérée. Dans une approche classique reposant sur la présence d’au moins deux maladies chroniques, elle sera considérée comme multimorbide.
Cependant, certaines approches centrées sur les maladies les plus sévères pourraient ne pas la classer parmi les patients les plus complexes. À l’inverse, une méthode de clustering l’intégrant dans un profil cardiométabolique pourrait la considérer comme appartenant à un groupe présentant un risque accru de complications futures.
Le profil médical de cette patiente reste pourtant identique. Ce qui change, c’est la manière dont les maladies sont regroupées, interprétées et utilisées pour guider la décision. Cet exemple illustre pourquoi la prévalence de la multimorbidité varie autant selon les méthodes utilisées et pourquoi les comparaisons entre études doivent toujours tenir compte de la définition retenue.
Multimorbidité versus comorbidité : une distinction essentielle
Une confusion conceptuelle persiste fréquemment entre multimorbidité et comorbidité.
La comorbidité désigne la présence d’une ou plusieurs maladies associées autour d’une maladie index considérée comme principale. Par exemple, chez un patient diabétique, l’hypertension artérielle et l’insuffisance rénale peuvent être considérées comme des comorbidités du diabète.
La multimorbidité repose sur une logique différente.
Aucune maladie n’est considérée comme centrale. L’ensemble des pathologies coexistantes est appréhendé simultanément.
Cette distinction est loin d’être purement académique.
La logique de comorbidité est adaptée à une médecine organisée autour de maladies spécifiques et de spécialités médicales.
La logique de multimorbidité conduit au contraire à s’intéresser au patient dans sa globalité, à ses trajectoires de santé et aux interactions entre plusieurs affections chroniques.
Ce que révèle la stabilité des estimations de mortalité
L’un des résultats les plus intéressants de l’étude concerne la mortalité.
Malgré les écarts considérables observés dans les estimations de prévalence, les associations entre multimorbidité et mortalité à trois et dix ans demeurent relativement robustes lorsque différentes approches de comptage sont utilisées.
Ce résultat suggère que les diverses définitions identifient globalement des populations à risque élevé, même lorsqu’elles ne sélectionnent pas exactement les mêmes individus.
Autrement dit, les débats méthodologiques modifient fortement la taille des populations concernées, mais beaucoup moins la direction générale du risque observé.
Cette stabilité constitue un élément rassurant pour les chercheurs et les décideurs utilisant la multimorbidité comme indicateur pronostique.
Les clusters de maladies changent notre compréhension du phénomène
Les approches fondées sur le simple nombre de maladies présentent néanmoins une limite importante.
Deux patients ayant chacun quatre maladies chroniques peuvent présenter des profils cliniques radicalement différents.
Les méthodes de clustering cherchent précisément à dépasser cette limite.
Au lieu de compter les maladies une par une, elles cherchent à identifier les associations de maladies qui apparaissent fréquemment ensemble dans la population.
Par exemple, certains patients présentent un profil cardiométabolique associant diabète, hypertension artérielle et obésité. D’autres présentent des associations entre maladies respiratoires et cardiovasculaires. D’autres encore combinent troubles psychiques et maladies somatiques chroniques.
L’objectif n’est plus seulement de savoir combien de maladies possède une personne, mais de comprendre quelles maladies coexistent et quelles conséquences ces associations peuvent avoir.
De nombreux travaux suggèrent que certains de ces regroupements sont associés à des risques particulièrement élevés de mortalité, de perte d’autonomie, de dégradation fonctionnelle ou d’utilisation intensive des soins.
L’étude publiée dans PLOS Medicine confirme cette valeur ajoutée. Les approches par clustering identifient des sous-groupes moins fréquents mais souvent plus vulnérables, présentant des profils cliniques distincts.
Au-delà du comptage : vers une vision plus prédictive de la multimorbidité
L’un des enseignements les plus importants de ces travaux est peut-être que la multimorbidité évolue progressivement d’un concept descriptif vers un concept davantage prédictif et organisationnel.
Pendant longtemps, la question principale était : combien de maladies chroniques possède une personne ?
Aujourd’hui, la question devient progressivement : quels patients risquent de développer les besoins les plus complexes dans les années à venir ?
Dans cette perspective, l’enjeu n’est plus seulement de compter les maladies, mais aussi de repérer :
- les trajectoires de dégradation de l’état de santé,
- les interactions entre pathologies,
- la charge thérapeutique et la complexité des traitements,
- le risque de perte d’autonomie,
- les besoins futurs de coordination des soins.
Cette évolution reflète le passage d’une médecine centrée sur les maladies individuelles vers une approche davantage centrée sur les parcours de santé.
Les enseignements pour la prévention et la lutte contre les maladies non transmissibles
Les implications dépassent largement le champ méthodologique.
La prévention repose sur la capacité à identifier précocement les populations les plus exposées à une dégradation future de leur état de santé.
Si les définitions de la multimorbidité varient fortement, les populations ciblées par les programmes de prévention peuvent elles aussi varier considérablement.
Cette question est particulièrement importante dans le contexte du vieillissement, de l’obésité, du diabète de type 2, des maladies cardiovasculaires ou encore des troubles psychiques chroniques.
La logique préventive évolue progressivement d’une approche centrée sur une maladie unique vers une approche centrée sur les trajectoires de santé.
L’objectif n’est plus seulement d’éviter l’apparition d’une pathologie particulière, mais de limiter l’accumulation progressive de maladies chroniques susceptibles d’interagir entre elles.
Vers une approche davantage centrée sur les trajectoires de santé
L’émergence des outils de modélisation prédictive et de l’intelligence artificielle pourrait progressivement transformer la manière dont la multimorbidité est appréhendée. Pendant longtemps, l’objectif principal consistait à compter les maladies chroniques présentes chez une personne à un instant donné. Désormais, l’enjeu devient de plus en plus d’anticiper les événements futurs : hospitalisations répétées, perte d’autonomie, complications, recours aux soins ou mortalité prématurée.
Dans ces approches, le nombre de maladies n’est plus nécessairement la variable centrale. Les modèles intègrent également les trajectoires de soins, les hospitalisations antérieures, les prescriptions, les facteurs sociaux et parfois les données biologiques afin d’estimer les besoins futurs des patients.
Cette évolution ne rend pas la multimorbidité obsolète. Elle suggère toutefois que ce concept pourrait progressivement être intégré dans des approches plus larges visant à comprendre et à prédire la complexité des parcours de santé.
Une autre lecture de ces résultats consiste à s’interroger sur la pertinence même de la multimorbidité comme catégorie centrale d’analyse. Lorsque la prévalence varie d’un facteur supérieur à trente selon la définition retenue, il devient légitime de se demander si le concept décrit une réalité clinique homogène ou s’il constitue avant tout un outil de classification répondant à des objectifs différents. Cette question reste largement ouverte dans la littérature.
Une question encore ouverte
L’étude publiée dans PLOS Medicine ne désigne pas une définition gagnante.
Elle montre plutôt qu’aucune définition n’est universellement supérieure aux autres.
Chaque approche répond à un objectif différent :
- surveiller la santé des populations,
- prédire la mortalité,
- identifier des groupes à haut risque,
- organiser les parcours de soins,
- cibler les interventions préventives.
La question pertinente n’est donc probablement pas : « Quelle est la meilleure définition de la multimorbidité ? ».
La véritable question est plutôt : « Quelle définition est la plus utile pour la décision que l’on souhaite prendre ? »
La principale leçon de cette étude n’est peut-être pas que la multimorbidité touche entre 1 % et 35 % de la population. C’est qu’aucune définition ne capture à elle seule la complexité des trajectoires de santé. Le défi des prochaines années sera moins de compter les maladies que d’anticiper les conséquences de leurs interactions.
La multimorbidité apparaît ainsi moins comme une catégorie fixe que comme un outil permettant de mieux comprendre la complexité croissante des trajectoires de santé au sein des populations vieillissantes.
Références
Silva, G. C., Fayosse, A., Jacob, L., Sabia, S., Singh-Manoux, A., & Landré, B. (2026). Comparison of count-based and clustering definitions of multimorbidity and their association with prevalence of multimorbidity, health profiles, and mortality: A cohort study of UK Biobank participants. PLOS Medicine, 23(6), e1004914. https://doi.org/10.1371/journal.pmed.1004914
Littlejohns, T. J., Liu, W., Calvin, C. M., Clifton, L., Collister, J. A., Kuźma, E., & Hunter, D. J. (2025). Multimorbidity, disease clusters and risk of all-cause and cause-specific mortality: A population-based prospective cohort study. Scientific Reports, 15. https://doi.org/10.1038/s41598-025-25285-w
Zemedikun, D. T., Gray, L. J., Khunti, K., et al. (2024). Multimorbidity clusters and their associations with health-related quality of life in UK population cohorts. BMC Medicine, 22. https://doi.org/10.1186/s12916-024-03811-3
Fleetwood, K. J., Guthrie, B., Jackson, C. A., Kelly, P. A. T., Mercer, S. W., Morales, D. R., et al. (2025). Depression and physical multimorbidity: A cohort study of physical health condition accrual in UK Biobank. PLOS Medicine, 22(2), e1004532. https://doi.org/10.1371/journal.pmed.1004532
A lire également :
