De l'intérêt de l'analyse des comptes rendus d'appels téléphoniques pour mieux suivre l'état de santé de la personne âgée. Applications à la dépression et aux rythmes circadiens dans le cadre du phénotype digital téléphonique en santé mobile

The value of analyzing telephone call detail records to better monitor the health status of the elderly person. Applications to depression and circadian rhythms in the context of phenotype digital in mobile health.

• Auteur / Autrice : Timothée Aubourg
• Direction : Nicolas Vuillerme
• Type : Thèse de doctorat
• Discipline(s) : Modèles, méthodes et algorithmes en biologie, sante et environnement
• Date : Soutenance le 17/12/2020
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale ingénierie pour la santé, la cognition, l'environnement (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Autonomie, Gérontologie, E-santé, Imagerie & Société (Grenoble)
• Jury : Président / Présidente : Gaëtan Gavazzi
• Jury : Examinateurs / Examinatrices : Nicolas Vuillerme, Bruno Falissard, Nicolas Demassieux
• Jury : Rapporteurs / Rapporteuses : Sylvain Sené, Anthony Fleury

Mots clés

Mots clés contrôlés

Systèmes de communication sans fil en médecine

Phénotype

Mots clés libres

Comptes rendus d'appels

Santé mobile

Phénotype digital

Personnes âgées

Téléphone

Biomarqueurs numériques

Call detail records

Mobile health

Digital phenotype

Elderly

Telephone

Digital biomarkers

Résumé

Ces dernières années, l’accélération du vieillissement démographique de la population à l’échelle mondiale a pu révéler le besoin, devenu urgent, d’améliorer nos systèmes de soins traditionnels pour mieux anticiper, mieux prévenir, mieux prendre en charge et mieux suivre l’état de santé de la personne âgée au cours de son existence. En France, dans le cadre d’une société devenant de plus en plus hyper-connectée, le numérique peut contribuer à de telles améliorations. En particulier, certaines technologies du quotidien telles que le téléphone peuvent permettre, dès aujourd’hui, d’assurer le suivi de santé de l’individu âgé au cours du temps, par l’analyse automatisée de données d’usage objectives, collectées passivement en condition de vie réelle, dite de phénotypie digitale. Dans le champ scientifique de la santé mobile, l’analyse des comptes rendus d’appels téléphoniques (CRA)suscite un engouement particulièrement marqué, du fait des données comportementales volumineuses, véloces et variées qu’ils permettent de générer. Dans cette thèse, nous questionnons l’intérêt des CRA pour permettre d’améliorer le suivi comportemental et la détection de la maladie survenant au cours du processus du vieillissement. Deux cas d’études distincts mais complémentaires sont investigués: (1) la dépression, et (2) les rythmes circadiens. A partir d’un jeu de données constitué de (1) CRA issus d’une population de 26 personnes âgées de plus de 70 ans observées sur une période de plus d’un an, ainsi que de (2) questionnaires cliniques de dépression de cette population, tirés de l’échelle gériatrique de dépression(GDS), nous cherchons à identifier certains marqueurs comportementaux numériques de la dépression et des rythmes circadiens d’appels téléphoniques chez la personne âgée. Nous introduisons le concept d’asymétrie sociale et nous montrons sa capacité à mesurer de manière pertinente certaines configurations comportementales dans les appels téléphoniques chez les personnes âgées, en lien avec leur score GDS. De manière indépendante, nous mettons en lumière la propriété de persistance des rythmes d’appels téléphoniques quotidiens chez ces personnes âgées. Dans leur ensemble, nos travaux présentent des résultats à la fois pionniers et encourageants sur le potentiel d’analyse des CRA pour la capture d’information en mSanté au sein de la population âgée.

The acceleration of demographic ageing of the world's population has revealed the urgent need to improve our traditional health care systems to better(1) anticipate, (2) prevent, (3) care for and (4) monitor the health status of the elderly throughout their lives. In France, in our hyper-connected society, digital technologies can contribute to such improvements. In particular, everyday technologies, such as the telephone, can now make it possible to monitor the health of the elderly individual over time, through the automated analysis of objective data collected passively in real-life conditions. In the scientific field of mobile health(mHealth), the analysis of phone call detail records(CDRs) is particularly popular, due to the voluminous, veloce and varied behavioral data they can generate. In this thesis, we investigate the interest of CDRs to improve behavioral monitoring and detection of disease occurring during the aging process. Two independent case studies are investigated: (1) depression, and (2) circadian rhythms. Using a dataset consisting of (1) CDRs from a population of 26 people over 70 years old observed over a period of more than one year, and (2) clinical depression questionnaires from this population, drawn from the Geriatric Depression Scale (GDS), we are seeking to identify certain digital biomarkers of depression and circadian rhythms of telephone calls in the elderly. We introduce the concept of social asymmetry and show its capacity to measure in a relevant way certain behavioural patterns in telephone calls among the elderly people, in relation to their GDS score. Independently, we highlight the persistence property of daily rhythms of telephone call activity in these elderly people. Taken together, our work presents both pioneering and encouraging results on the analytical potential of CDRs for capturing mHealth information in the elderly population.