Thèse Année : 2024

Integration of Kinematic Sensors and Nonlinear Analysis in the Biopsychosocial Assessment of Non-Specific Low Back Pain.

Intégration de capteurs cinématiques et d’une analyse non linéaire dans L'évaluation biopsychosociale des lombalgies non spécifiques

Résumé

Non-specific low back pain (NSLBP) exhibits significant variability, both in its clinical presentation and in the lumbar movements of affected patients. This variability is inherent to human adaptability and can be crucial for the development of diagnostic and rehabilitation strategies. Analyzing the variability of lumbar movements offers new perspectives for managing NSLBP. Inertial sensors and non-linear analysis methods potentially have the capability to provide a more accurate and personalized assessment of the condition.To address this challenge, it is necessary to adopt a comprehensive approach that must necessarily consider the biopsychosocial factors influencing NSLBP and integrate a thorough understanding of lumbar movement variability and its role in human adaptability for optimal NSLBP management.This objective initially required, after the development of a low-cost kinematic data recording system, the selection of a method for analyzing generated time series. Among the numerous available non-linear tools, entropy emerged as a crucial indicator to quantify the complexity of time series. In this context, entropy measures uncertainty and complexity in biological systems, offering a new perspective for clinical data analysis. Sample entropy (SampEn) emerged as a relevant complexity measure for short time series. By combining variability and complexity analysis, it should be possible to gain a deeper understanding of movement patterns and motor control disturbances in the context of low back pain.The first step was to analyze time series by developing a simple test, practical in clinical settings and of sufficient duration to collect time series for SampEn calculation, the "bend and return test" (b&r test). The reproducibility of this test was then verified by two studies within the second step.A third step verified that the b&r test could differentiate between a healthy population and a population with chronic non-specific low back pain with the assistance of artificial intelligence.Finally, after developing an application (the NOMADe App) capable of digitizing and recording clinical data from the history and physical examination of NSLBP patients, and adding scores from various validated questionnaires, it was possible to compare these digitized data with kinematic variability and complexity data. These comparisons highlighted the possibility of very precisely phenotyping each patient in a biopsychosocial framework and providing therapists with precise information for individualized care. Machine learning analysis of kinematic data also allowed for predicting the results of validated questionnaires, enabling therapists to efficiently choose relevant questionnaires for the patient. Our conclusions advocate for precision physiotherapy and suggest transitioning to personalized evidence-based practice (PEBP).

La lombalgie non spécifique (LNS) présente une variabilité importante, tant dans sa présentation clinique que dans les mouvements lombaires des patients atteints. Cette variabilité est inhérente à l'adaptabilité humaine et peut être cruciale pour l'élaboration de stratégies de diagnostic et de réadaptation. L'analyse de la variabilité des mouvements lombaires offre de nouvelles perspectives pour la prise en charge des patients atteints de LNS. Les capteurs inertiels et les méthodes d'analyse non linéaire ont potentiellement la capacité de fournir une évaluation plus précise et personnalisée de la condition .Pour relever ce défi, il est nécessaire d'adopter une approche globale qui devrait impérativement tenir compte des facteurs biopsychosociaux qui influencent la LNS et y intégrer une compréhension approfondie de la variabilité des mouvements lombaires et de son rôle dans l'adaptabilité humaine pour une prise en charge optimale de la LNS.Cet objectif a nécessité dans un premier temps, après la mise au point d'un système d'enregistrement à bas prix des données cinématiques, de choisir une méthode d'analyse des séries temporelles générées. Parmi les nombreux outils non linéaires disponibles, l'entropie a émergé comme un indicateur essentiel pour quantifier la complexité des séries temporelles. Dans ce contexte, l'entropie permet de mesurer l'incertitude et la complexité des systèmes biologiques, offrant ainsi une nouvelle perspective pour l'analyse des données cliniques. L'entropie d'échantillon (SampEn), en particulier, s'est présentée comme une mesure de complexité pertinente pour les séries temporelles courtes. En combinant l'analyse de la variabilité et de la complexité, il devrait être possible d'obtenir une compréhension plus approfondie des modèles de mouvements et des perturbations du contrôle moteur dans le contexte de la lombalgie.La première étape a été d'analyser des séries temporelles en mettant au point un test simple, réalisable en pratique clinique et d'une durée suffisante pour récolter des séries temporelles permettant le calcul de la SampEn, le « bend and return test » (b&r test). La reproductibilité de ce test a ensuite été vérifiée par deux études lors de la deuxième étape. Une troisième étape a permis de vérifier que le b&r test était capable de différencier une population saine d'une population atteinte de lombalgie chronique non spécifique avec l'aide de l'intelligence artificielle. Pour finir, après la mise au point d'une application (la NOMADe App) capable de numériser et d'enregistrer des données cliniques provenant de l'anamnèse et de l'examen physique de patients atteints de LNS, et d'y ajouter les scores de différents questionnaires validés, il a été possible de comparer ces données numérisées aux données de variabilité et de complexité cinématique. Ces comparaisons ont mis en évidence une possibilité de phénotyper très précisément chaque patient dans un cadre biopsychosocial et de fournir au thérapeute des informations précises pour une prise en charge individualisée. L'analyse en Machine Learning des données cinématiques a aussi permis de fournir une prédiction des résultats des questionnaires validés permettant d'orienter sans perte de temps le thérapeute vers le choix de questionnaires pertinents pour le patient. Nos conclusions appellent à une physiothérapie de précision et suggère le passage à une pratique personnalisée fondée sur des preuves.

Fichier principal
Vignette du fichier
THIRY_Paul2.pdf (8.19 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

tel-04583525 , version 1 (02-09-2025)

Licence

Identifiants

  • HAL Id : tel-04583525 , version 1

Citer

Paul Thiry. Intégration de capteurs cinématiques et d’une analyse non linéaire dans L'évaluation biopsychosociale des lombalgies non spécifiques. Biomécanique [physics.med-ph]. Université Polytechnique Hauts-de-France; Institut national des sciences appliquées Hauts-de-France, 2024. Français. ⟨NNT : 2024UPHF0007⟩. ⟨tel-04583525⟩
378 Consultations
375 Téléchargements

Partager

  • More