Early Prediction of Imminent Intrinsically Generated Trips During Gait in People Post-Stroke
Cette étude a développé et validé un prédicteur précoce et ciblé utilisant un modèle linéaire à deux caractéristiques qui identifie avec succès 88 % des déplacements intrinsèques imminents chez les personnes post-AVC environ 191 ms avant le début du déplacement, permettant ainsi des interventions en temps réel opportunes et nécessaires pour prévenir les chutes.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Pour des millions de personnes vivant avec les séquelles d'un accident vasculaire cérébral (AVC), le simple acte de marcher comporte un danger caché. Alors que beaucoup supposent qu'une chute est le résultat d'une perte d'équilibre ou d'un trébuchement sur un objet, un nombre important de ces accidents surviennent à cause d'un dysfonctionnement au sein du propre mouvement du corps. Lorsqu'une personne marche, sa jambe oscille vers l'avant selon un arc fluide. Parfois, sans aucun obstacle externe, le pied ne se lève pas assez haut et racle le sol. Ce trébuchement interne, connu sous le nom de trébuchement généré intrinsèquement, peut provoquer un accrochage de la jambe, déséquilibrant la personne et entraînant souvent une chute. Pour les survivants d'un AVC, de telles chutes sont particulièrement dévastatrices, entraînant fréquemment des fractures, une perte d'indépendance et une peur profonde de remarcher. Bien que la physiothérapie aide beaucoup de gens, elle n'empêche pas toujours ces trébuchements, et la réaction naturelle du corps à un trébuchement est souvent trop lente pour prévenir une chute. Cela laisse une lacune critique : comment la technologie peut-elle intervenir assez rapidement pour arrêter un trébuchement avant qu'il ne se produise, sans interférer constamment avec la marche normale ?
Une équipe de chercheurs de l'Université de Caroline du Nord à Chapel Hill et de l'Université d'État de Caroline du Nord s'est donné pour mission de construire un système capable de prédire ces trébuchements internes avant qu'ils ne surviennent. Leur objectif était de créer une méthode qui agirait comme un filet de sécurité intelligent, n'intervenant que lorsque cela est nécessaire. Ils ont recruté onze personnes ayant subi un AVC au moins six mois auparavant et ayant signalé au moins un trébuchement ou une quasi-chute au cours des six mois précédents. Pour étudier ces événements dans un environnement contrôlé, les participants marchaient sur un tapis roulant pendant que les chercheurs défiaient délicatement leur concentration. On demandait aux participants de détourner le regard de leurs pieds, de lâcher les mains courantes ou d'effectuer des tâches mentales comme nommer des aliments, simulant ainsi les distractions qui mènent souvent à des accidents dans le monde réel. Pendant qu'ils marchaient, les chercheurs utilisaient des caméras de capture de mouvement pour suivre les mouvements précis de leurs jambes et enregistraient les forces exercées par leurs pieds contre la bande du tapis roulant.
Le défi pour les chercheurs était que ces trébuchements sont rares. Dans les milliers de pas effectués par les participants, seule une petite fraction se traduisait par un trébuchement ou un raclement significatif contre le sol. Pour apprendre à un ordinateur à reconnaître ces événements rares, l'équipe a dû lui apprendre à repérer les signes précurseurs subtils qui apparaissent juste avant qu'un pied ne s'accroche. Ils se sont concentrés sur les moments précédant immédiatement le décollage du pied du sol, une phase de la marche appelée « fin de phase d'appui » (late stance). En analysant l'angle de la partie inférieure de la jambe et la vitesse de l'oscillation, ils ont recherché des schémas qui différaient d'un pas normal et fluide. Ils ont regroupé les données en deux catégories : les pas normaux et les pas « anormaux », qui comprenaient à la fois les trébuchements complets et les raclements importants où le pied heurtait le sol mais où la personne réussissait à se rétablir.
Les chercheurs ont testé deux manières différentes d'aider l'ordinateur à apprendre à partir de ces données déséquilibrées, où les pas normaux surclassaient largement les pas dangereux. Une méthode consistait à supprimer certains des pas normaux pour rendre les groupes plus égaux, tandis que l'autre consistait simplement à dire à l'ordinateur de traiter une erreur sur un pas dangereux comme une erreur bien plus importante qu'une erreur sur un pas normal. Cette seconde approche s'est avérée plus efficace. L'ordinateur a appris que le signe précurseur le plus fiable était l'angle de la partie inférieure de la jambe juste avant qu'elle ne se décolle du sol. Lorsqu'un trébuchement était sur le point de se produire, la partie inférieure de la jambe avait tendance à être positionnée plus horizontalement, ou plus à plat, que d'habitude. En surveillant cette posture spécifique, le système pouvait identifier un trébuchement potentiel avec une grande précision.
La découverte la plus significative concernait la rapidité avec laquelle le système pouvait faire cette prédiction. L'ordinateur pouvait signaler un trébuchement potentiel en moyenne 191 millisecondes avant que le trébuchement ne commence réellement. C'est une fenêtre de temps cruciale. C'est nettement plus tôt que le moment où le pied quitte le sol, moment auquel les dispositifs actuels, tels que les stimulateurs électriques, s'activent généralement. Comme les muscles mettent du temps à réagir à un signal électrique, attendre que le pied soit déjà décollé du sol est souvent trop tard pour prévenir une chute. En prédisant le trébuchement près de 200 millisecondes à l'avance, le système laisse suffisamment de temps à un dispositif pour stimuler les muscles de la jambe et lever le pied plus haut, libérant le passage avant que l'accrochage ne se produise. Le système a également été testé sur des participants dont les données n'avaient pas été utilisées pour construire le modèle, et il a bien performé, identifiant correctement les trébuchements chez cinq des huit participants et prédisant près de 90 % de tous les trébuchements au total.
Bien que l'étude ait été menée dans un cadre de laboratoire avec un nombre limité de participants, les résultats suggèrent une voie prometteuse. Les chercheurs n'ont pas construit un appareil portable que les gens pourraient utiliser aujourd'hui, mais ils ont démontré que les données nécessaires pour prédire un trébuchement existent et peuvent être trouvées en utilisant de simples capteurs qui suivent le mouvement des jambes. Ce travail souligne que la clé pour prévenir ces chutes ne réside pas dans une assistance constante, qui peut être fatigante et inutile, mais dans une intervention précise et opportune. En comprenant les signatures cinématiques spécifiques d'un trébuchement avant qu'il ne se produise, les ingénieurs peuvent concevoir les futures technologies d'assistance qui n'interviennent que lorsque le corps en a besoin, offrant une façon de marcher plus sûre et plus indépendante pour ceux qui se remettent d'un AVC.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.