Soutenance de thèse de Justine HELLEC

La problématique du risque de chute chez les personnes âgées augmente avec le vieillissement. Les conséquences des chutes étant nombreuses et néfastes, le développement de stratégies de prévention est crucial. Pour estimer le risque de chute, différents tests cliniques fonctionnels sont utilisés mais ces tests sont ponctuels, réalisés en laboratoire et basés sur des seuils de référence qui peuvent varier selon les études. Pour pallier ces inconvénients et permettre un suivi longitudinal des capacités fonctionnelles des personnes âgées, le développement de centrales inertielles semble prometteur. Ainsi, les centrales inertielles sont progressivement intégrées dans des objets de la vie courante afin d’analyser les mouvements de la vie quotidienne. Dans ce travail doctoral, une paire de lunettes équipée avec une centrale inertielle a été développée pour permettre l’analyse des mouvements de la vie quotidienne dans un objectif de détection et de prévention du déclin des capacités physiques. Le premier objectif de ce travail était de valider l’utilité de la paire de lunettes connectées pour évaluer les mouvements de lever de chaise et la marche dans une population de jeunes adultes en bonne santé. Le deuxième objectif de ce projet a consisté à catégoriser une population de personnes âgées dans différents groupes de performance physique grâce à une analyse non-supervisée en se basant sur différents paramètres fonctionnels et biomécaniques obtenus avec les lunettes. Le troisième objectif visait à évaluer l’acceptabilité des lunettes connectées chez les personnes âgées. Enfin, le quatrième objectif était d’évaluer l’efficacité d’un programme d’activité physique adaptée réalisé par visioconférence sur différentes capacités physiques des personnes âgées. Ce travail doctoral a également servi de base au développement d’un algorithme de détection de la chute et de la prévention du déclin des capacités physiques. Les deux premières études ont permis de valider l’utilisation des lunettes connectées, d’un point de vue de la fiabilité, de la reproductibilité des mesures effectuées en comparaison avec les données recueillies par un système de référence (i.e., analyse du mouvement 3D) pour trois paramètres : le pic d’accélération verticale maximale lors des levers de chaise, la durée et la longueur des pas pour la marche. La troisième étude a utilisé l’accéléromètre des lunettes pour évaluer sept paramètres fonctionnels et biomécaniques au cours de trois tests fonctionnels. Trois groupes de performance physique (i.e., faible, intermédiaire et élevée) ont été créés en réalisant une analyse non-supervisée basée sur ces sept paramètres. Cette étude a permis de mettre en évidence qu’une simple définition d’un risque de chute et/ou de classification en fonction d’un phénotype de fragilité n’est pas suffisant pour caractériser une population vieillissante. La quatrième étude qui visait à évaluer l’acceptabilité des lunettes connectées chez des personnes âgées a permis de souligner que l’acceptabilité des lunettes était supérieure à celle des autres technologies utilisées pour la détection de la chute. De plus, de façon originale, le niveau de performance physique des personnes âgées était associé à l’acceptabilité des lunettes. Dans la cinquième étude, la mise en place un programme d’activité physique adaptée de trois mois par visioconférence a permis d’améliorer la puissance des muscles extenseurs du genou et le temps pour réaliser un Timed Up and Go en condition confort. L’ensemble de ces travaux a servi de base pour le développement industriel d’un algorithme de détection de la chute et de prévention du déclin des capacités physiques à partir des données recueillies par les lunettes.

The risk of falling among the elderly increases with age. As the consequences of falls are numerous and damaging, the development of prevention strategies is crucial. To estimate the risk of falling, various functional clinical tests are used, but these tests are punctual, carried out in a laboratory environment and based on reference thresholds that may vary according to the studies. To overcome these drawbacks and to allow a longitudinal follow-up of the functional capacities of elderly people, the recent development of inertial measurement units seems promising. Indeed, inertial measurement units are progressively integrated in everyday objects in order to analyze the movements of daily life. In this doctoral work, a pair of eyeglasses embedded with an inertial measurement unit was developed to study daily life movements for fall detection and prevention of physical capacities decline. The first objective of this thesis was to validate the use of the smart eyeglasses to assess Sit-to-Stand movements and walking in healthy young adults. The second objective was to categorize a population of older adults into different physical performance groups through an unsupervised analysis based on functional and biomechanical parameters obtained with the smart eyeglasses. The third objective was to assess the acceptability of the smart eyeglasses among the elderly. Finally, the fourth objective was to evaluate the effectiveness of an adapted physical activity program performed through videoconferencing, on different physical capacities of elderly people. This doctoral work also served as a basis for the development of an algorithm aimed at detecting falls and preventing physical capacities decline. The first two studies validated the use of the smart eyeglasses (i.e., reliability, reproducibility of the measurements) in comparison with a gold standard system (i.e., 3D motion analysis) for three parameters: peak maximum vertical acceleration during Sit-to-Stand, duration and length of steps during walking. In the third study, seven functional and biomechanical parameters were recorded with the smart eyeglasses accelerometer leading to allocate an elderly population into three physical performance groups (i.e., low, intermediate, and high) with the help of an unsupervised analysis. This study highlighted that a simple and well acknowledged definition of a fall risk and/or a frailty phenotype classification is not sufficient to characterize an aging population. The fourth study, which aimed to evaluate the acceptability of the smart eyeglasses in an elderly population, highlighted that the acceptability of eyeglasses was greater to other technologies used for fall detection. In addition, in an original way, the physical performance level of the elderly tested was associated with the acceptability of the eyeglasses. In the fifth study, the implementation of a three-month program of adapted physical activity by videoconference improved the muscle power of the knee extensors and the time to perform a Timed Up and Go test. This work served as a basis for the industrial development of an algorithm for fall detection and physical capacities decline prevention based on data collected with the smart eyeglasses.