Relations entre l’environnement bâti, l’activité physique et la santé

Relationships between urban environment, physical activity and health

• Auteur / Autrice : Isaac Debache
• Direction : Cédric Sueur
• Type : Thèse de doctorat
• Discipline(s) : Sciences de la vie et de la santé
• Date : Soutenance le 10/03/2020
• Etablissement(s) : Strasbourg
• Ecole(s) doctorale(s) : École doctorale des Sciences de la vie et de la santé (Strasbourg ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Institut pluridisciplinaire Hubert Curien (Strasbourg ; 2006-....)
• Jury : Président / Présidente : Stéphane Blanc
• Jury : Rapporteurs / Rapporteuses : Anne Vuillemin, Emmanuelle Cadot

Mots clés

Mots clés contrôlés

Effets de l'environnement

Mesure

Aspect médical

Exercices physiques

Mots clés libres

Environnement urbain

Activité Physique

Santé

Accéléromètre

Machine learning

Urban environment

Physical activity

Health

Accelerometers

Machine learning

Résumé

En exploitant les données de l’étude épidémiologique RECORD, cette thèse vise à explorer les relations, en amont, entre différentes caractéristiques de l’environnement bâti et l’activité physique concomitante de ceux qui y sont exposés, et, en amont, des relations entre différents aspects de l’activité physique et des indices de santé. Cette thèse traite aussi de questions méthodologiques concernant la mesure de l’activité physique au moyen d’accéléromètres et gyroscopes, et de l’application de modèles d’apprentissage automatique à ces signaux pour l’identification d’une large panoplie d’activités et de postures.

Using data from the COHORT epidemiological survey, this thesis aims at investigating upstream relationships between various features of built environment and the physical activity of those exposed to them. It also explores downstream relationships between different aspects of physical activity and health markers. This thesis addresses many methodological questions regarding the measurement of physical activity using accelerometers and gyroscopes, and how machine learning models can be applied to these signals to detect a large array of activities and postures.