Pléthysmographie respiratoire par magnétométrie: Évaluation de la ventilation et de la dépense énergétique à partir d'algorithmes d'apprentissage automatique

L'activité physique (AP) est primordiale pour la santé. La quantification de l'AP occupe une place majeure dans les recherches scientifiques qui étudient la relation entre l'AP et ses effets sur la santé. L'AP est quantifiée en termes de dépense énergétique (DE).
Les techniques de référence pour mesurer DE sont encombrantes et invasives. Des nouveaux appareils portables non invasifs sont développés pour pallier les problèmes liés à l'utilisation des méthodes de référence.
Parmi ces appareils, la pléthysmographie respiratoire par magnétométrie (PRM) a été récemment développées. PRM est basée sur la mesure des distances longitudinales et transversales thoraciques et abdominales.
L'objectif de cette thèse est d'évaluer la capacité de PRM à estimer VE et DE au cours d'AP d'intensités faibles à élevées en utilisant des algorithmes d'apprentissage automatique.

Les principaux résultats de nos travaux montrent
1) Que PRM permet d'estimer VE et DE pendant des AP faibles à élevées.
2) Qu'un modèle non linéaire est plus pertinent qu'un modèle linéaire pour estimer VE.
3) Que l'individualisation des modèles offre une meilleure performance pour l'estimation de VE et de DE.
4) Que PRM estime avec précision DE pour n'importe quelle intensité même pour celles les plus élevées.
5) Qu'une approche activité spécifique est plus pertinente pour estimer DE, et qu'une étape de reconnaissance de l'AP est nécessaire avant d'estimer DE.

De nouvelles études doivent cependant être réalisées pour tester PRM sur une large population et dans des conditions de vie libre.

Mots clés : Pléthysmographie respiratoire par magnétométrie, ventilation minute, dépense énergétique, activité physique, apprentissage automatique