Une solution technologique basée sur la réalité virtuelle, permettant de collecter et d’identifier différents indicateurs du risque de chute
Créé le 29/08/22
La prévention de la chute est un enjeu humain, économique et sociétal, elle est la première cause d'accident chez les personnes âgées. Chaque année, elle concerne 1 personne sur 4 chez les plus de 65 ans. Le risque de chute est multifactoriel : ses causes peuvent notamment être motrices, attentionnelles ou cognitives.
Le test Timed Up and Go (TUG) est largement utilisé pour identifier les personnes présentant un risque de chute. Cependant, ce test de diagnostic manque de fiabilité et de précision en matière de prévention.
Evaluer, Stimuler, Suivre
Pour ce projet, il est prévu de développer 3 actions en interconnexion qui vont permettre i) d’évaluer avec précision les performances cognitivo-motrices de la personne âgée, ii) de stimuler le développement des habilités physiques et mentales à l’aide d’exercices motivationnels et iii) d’effectuer un suivi des personnes âgées à leur domicile afin d’agir le plus tôt possible dans le parcours de soins
Evaluer
Afin de mieux caractériser, comprendre et prédire le risque de chute, le projet dispose déjà d’une solution technologique basée sur la réalité virtuelle, permettant de collecter et d’identifier différents indicateurs du risque de chute. Cette solution simple d’utilisation, automatise le protocole expérimental et la collecte d’indicateurs, assure la reproductibilité des conditions expérimentales, et immerge le patient dans un environnement réaliste et des situations de la vie courante.
Cette application est basée sur le test TUG amélioré grâce à une immersion en réalité virtuelle pour stimuler le patient en conditions proches de sa réalité quotidienne et à une captation des mouvements pour caractériser sa mobilité. De plus une évaluation de ses signaux physiologiques par l’intermédiaire d’un système non invasif viendra compléter l’évaluation (par exemple : détection de stress engendré par la peur de chuter). Ce test pourra être répété autant de fois que nécessaire, après une période de kinésithérapie par exemple ou lorsque le suivi à domicile alertera sur une baisse trop importante de la mobilité.
L’enjeu de ce projet consiste ainsi à remplacer les simples méthodes décisionnelles utilisées pour déterminer un risque de chute par des algorithmes plus performants en analyse morphologique des réponses temporelles et en classification multi-labels permettant ainsi une prédiction plus détaillée du diagnostic, et donc d’identifier la meilleure stratégie de parcours de soins à appliquer.
Stimuler
Outre le dépistage de la chute, la préservation des habilités motrices, cognitives et attentionnelles contribuent à ralentir la sénescence, plus communément appelé processus de vieillissement. Le projet mettra à disposition un outil numérique stimulant, basé sur une approche ludique de l’exercice physique, permettant aux patients aux capacités de mobilité limitée de maintenir, autant que possible, une quantité adaptée d’activité physique des membres supérieurs et des membres inférieurs. Il nous parait important de souligner que la réadaptation dans un centre de santé n’est pas accessible à tous, et en ce sens l’outil développé doit venir compléter et/ou prolonger les programmes de soins actuels.
Suivre
Cependant, ces exercices motivationnels réalisés en autonomie par le patient ou la personne âgée requièrent d’être supervisés et d’en mesurer les effets sur l’intensité des activités physiques du quotidien. Les capteurs de type Inertial Measurement Unit (IMU) sont de plus en plus utilisés pour caractériser les postures et les mouvements humains. L’identification de nouveaux biomarqueurs de la mobilité devraient permettre d’analyser l’évolution des stratégies comportementales individuelles de manière automatisée.
Collaboration des acteurs et interopérabilité des données
La Haute Autorité de Santé a publié en juillet 2019 le Plan personnalisé de coordination en santé (PPCS), outil de coordination générique s’adressant à l’ensemble des acteurs, et qui met l’accent sur le développement d’une culture de la coordination, notamment permis par les technologies du numérique.
Tout au long du projet, des informations de haut-niveau, partagées entre les acteurs de Santé mais également les patients et accompagnants, permettront de mettre en œuvre des actions efficientes durant le parcours de soins. Cela nécessitera un travail d’harmonisation entre les acteurs afin d’intégrer nos données avec les systèmes d’informations hétérogènes des centres.
Diffusion et atteinte des résultats
La mise en œuvre de biomarqueurs prédictifs (sensibles et spécifiques) nécessite un volume de données important. Pour y parvenir il s’agira de déployer la solution de réalité virtuelle, sur le plan national, dans 4 centres de rééducation et de réadaptation, et dans une dizaine de maisons pour séniors ou EHPAD. La multiplication des lieux d’expérimentation devra permettre d’alimenter l’entrepôt de données de santé et de recueillir des données auprès d’une population plus hétérogène. Ceci devrait permettre d’entraîner les modèles sur une plus grande variété de profils cognitivo-moteurs de personnes âgées. Environ 500 personnes âgées seront intégrées dans l’expérimentation scientifique.
Le laboratoire de conception, optimisation et modélisation des systèmes (LCOMS) de l'université de Lorraine ont créé une plateforme dédiée entièrement au projet et vous y retrouverez les actualités et résultats des travaux.
A lire aussi :
Organismes de recherche et partenaires
• DevAH : Unité de recherche Dévéloppement, Adaptation et Handicap
• CRAN : Centre de recherche en Automatique de Nancy
• LCOMS : Laboratoire de Conception, Optimisation et Modélisation des Systèmes
• 2LPN : Laboratoire Lorrain de Psychologie et Neurosciences de la Dynamique des Comportements
• L’établissement de santé, OHS de Lorraine
• L’Office Nancéien des Personnes Agées (ONPA)
Principaux intervenants
• Fabien Clanché, Ingénieur de Recherche, expert en instrumentation et data science, Université de Lorraine – Faculté des Sciences du Sport - Co-porteur du projet
• Yann Morère, Maître de conférences HDR en modélisation de système homme-machine, Université de Lorraine – UR LCOMS - Co-porteur du projet
• Philippe Meyer, Docteur, Chef d’Établissements et expert en médecine physique et réadaptation, OHS Lorraine
• Radia Djebir, Directrice de l’Office Nancéien des Personnes Agées (ONPA)
• Thierry Bastogne, Professeur d’Université en traitement statistique du signal au CRAN et Directeur scientifique à CYBERNANO
• Matthieu Burtin, CEO – Product manager, Mist Studio
• Frédéric Bousefsaf, Maître de conférences en modélisation de système homme-machine, Université de Lorraine – UR LCOMS
• Jérôme Dinet, Professeur d’Université en Psychologie et directeur du 2LPN
• Matthieu Casteran, Maître de conférences au 2LPN
Date de début / Durée
2023 - 24 mois