La variation des corrélations entre la note de contrôle moteur générée par notre système et les différents scores cliniques pourrait être expliquée par le fait qu’un test clinique comme le Tinetti ne permet pas d’évaluer les capacités fonctionnelles chez un sujet de la même façon qu’un autre test tel que le TMM. Par la suite, ces tests ne donnent pas forcément le même résultat. Ainsi, grâce à sa corrélation avec tous les scores, la NCM pourrait être intéressante pour évaluer les capacités motrices chez les personnes âgées.
3.7/ CONCLUSION
Nous avons présenté dans ce chapitre les techniques utilisées pour le suivi 3D du mouvement humain. Nous avons évalué la compatibilité de chacune d’entre elles avec les contraintes du projet STREAM. Nous avons retenu le capteur Kinect pour suivre les mouvements 3D du patient lors de la réalisation du TUG grâce à ses caractéristiques (non encombrant, peu coûteux, sans marqueur) et sa fiabilité et précision lors du suivi de mouvement de l’épaule.
Nous avons ensuite détaillé les différentes étapes de conception et d’implémentation d’un sys-tème d’analyse automatique du TUG. Trois expériences ont été menées dans des environnements
variés : domiciles des patients, laboratoire, hôpital de jour gériatrique. Le but de ces expériences était de vérifier l’adaptation du système dans des lieux différents et avec des sujets différents (jeunes et âgés). Nous avons également vérifié la précision des mesures fournies par notre sys-tème en les comparant avec les résultats des études précédentes.
Les résultats obtenus lors de la première expérience ont montré une bonne fiabilité de la mesure et la reproductibilité avec une précision importante. En outre, nous avons observé que, même pour les jeunes sujets sains, il y a une différence significative des paramètres de mouvement entre la condition normale et la condition cognitive. Ceci représente un résultat stimulant dans le domaine du partage attentionnel en lien avec le paradigme de double-tâche.
Dans la deuxième expérience, sept paramètres cinématiques (les angles du tronc, les ratios, les durées des transferts et le temps du TUG) ont été évalués afin de mesurer les changements fins dans les capacités motrices. Les résultats ont montré une différence significative entre les groupes GJ et GF au niveau de la durée du TUG et des angles du tronc. En outre, l’angle du tronc du TDA et le ratio du TAD pourraient nous permettre d’identifier la fragilité motrice. Ces résultats indiquent qu’il y a une relation entre différents changements cinématiques, représentant des changements dans les processus de planification motrice, et la fragilité physique chez les personnes âgées. En d’autre terme, la fragilité motrice semble avoir un impact prédominant sur l’angle du tronc du TDA et le ratio du TAD, laissant supposer des modifications lors de la planification motrice chez ces patients. De plus, l’inclinaison du tronc semble être un bon indicateur d’une décompensation motrice.
Nous proposons ainsi que ces stratégies de planification motrice puissent être évaluées dans la pratique clinique. L’analyse automatique pourrait se révéler intéressante pour mesurer une fragilisation des capacités motrices des personnes âgées et ainsi permettre une détection précoce afin d’optimiser une démarche de rééducation.
Concernant la troisième expérience, le but était d’identifier une relation entre l’inclinaison de l’angle du tronc pendant le TDA et le niveau fonctionnel des sujets âgés. Les transferts TAD et TDA étaient analysés par notre système chez 60 patients âgés (33 femmes ; moyenne d’âge de 84 ± 5). L’analyse statistique était basée sur un test-retest de fiabilité. Nous avons utilisé le coefficient de Pearson pour mesurer la robustesse du lien entre les angles du tronc pendant les deux transferts et le score obtenu par les participants lors du test fonctionnel du TUG. Les résul-tats montrent que les patients qui possèdent un faible niveau fonctionnel sont également ceux qui ont un plus petit angle d’inclinaison du tronc pendant le TDA. Fait intéressant, cette corrélation est beaucoup plus marquée chez les personnes âgées fragiles. Nous suggérons que cette dimi-nution de l’angle d’inclinaison du tronc pendant le TDA est un marqueur pertinent d’un trouble de planification motrice. Ce paramètre devrait être systématiquement contrôlé dans un contexte de fragilité. Ces résultats justifient l’utilisation du test du TUG pour mettre en évidence les altérations dans l’organisation du mouvement.
Grâce à ces différentes expériences, nous avons mesuré l’influence de la fragilité motrice liée à l’âge pour pondérer les différents paramètres et ainsi attribuer une note de contrôle moteur lors de l’analyse automatique du TUG. En plus de ces résultats, nous avons évalué la relation entre les paramètres suivants : le temps du TUG, les angles du tronc, le ratio du TAD et la durée du TDA et des scores cliniques habituellement utilisés : le Tinetti et le TMM, le TUG et le GS. Cette évaluations nous a permis de déterminer lesquels parmi ces paramètres spatio-temporels sont important pour calculer la note de contrôle moteur (NCM). Une comparaison a été établie
entre la note générée et les différents autres scores. Les résultats ont montré une corrélation significative entre la NCM et les 4 scores. Nous pensons que la détection précoce des troubles de planification motrice, en utilisant la note mesurée par notre système, est intéressante pour optimiser la démarche de rééducation.
Le bénéfice attendu de notre système se situe dans le maintien des acquis à long terme pour le patient. En effet, il semble essentiel de trouver des moyens de suivre l’évolution des patients à domicile et surtout de détecter le plus rapidement possible une éventuelle décompensation des fonctions motrices. Cette détection précoce devrait permettre une prise en charge elle aussi précoce, pour permettre une meilleure préservation de l’indépendance fonctionnelle du patient. D’un autre côté, le système a montré une bonne adaptation aux différents environnements testés et à la vie quotidienne des personnes âgées. Il est facile à intégrer dans différents lieux. De même, il est simple et facilement utilisé par un “non expert”.
Cependant, les tests réalisés à l’hôpital de jour gériatrique (expérience 3) nous ont aussi ré-vélé quelques cas de dysfonctionnement du système. En effet, l’extraction du squelette 3D ne fonctionne pas correctement dans certains cas comme par exemple la présence d’une autre per-sonne, très proche du patient, dans le champ de vision dont le rôle est de l’aider en cas de besoin. Nous proposons dans le chapitre suivant une chaîne d’algorithmes destinée au traitement vidéo permettant d’augmenter la robustesse du système.