Corrélats EEG du bien-être et EEG portable

EEG correlates of well-being and wearable EEG

• Auteur / Autrice : Cédric Cannard
• Direction : Arnaud Delorme
• Type : Thèse de doctorat
• Discipline(s) : Neurosciences
• Date : Soutenance le 10/02/2022
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Comportement, Langage, Éducation, Socialisation, Cognition (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Centre de recherche Cerveau et Cognition (Toulouse ; 1993-....)
• Jury : Président / Présidente : Pier-Giorgio Zanone
• Jury : Examinateurs / Examinatrices : Arnaud Delorme, Nathalie George
• Jury : Rapporteurs / Rapporteuses : Michel Le Van Quyen, Pascal Benquet

Mots clés

Mots clés contrôlés

Bien-être

Électroencéphalographie

Santé mentale

Mots clés libres

Bien-être

EEG

Technologies portables

Larges échantillons

Santé mentale

Well-being

EEG

Wearable technologies

Large samples

Mental health

Résumé

Au cours des 30 dernières années, nous avons observé une augmentation progressive du nombre d'individus souffrant d'un trouble mental, soit 450 millions de personnes actuellement, et des disparités d'accès au soin. À l'échelle mondiale, il y a moins d'un professionnel de la santé mentale pour 10 000 personnes, avec 76 à 85 % de la population dans les pays à revenu faible ou intermédiaire sans accès au soin. L'objectif principal de cette thèse est d'identifier de nouvelles méthodes à faible coût pour mesurer, détecter et évaluer le bien-être individuel. Dans une première étude, nous avons tout d'abord validé une échelle multidimensionnelle capable de mesurer rapidement le bien-être à partir de 1 615 participants qui ont participé à un sondage en ligne avant et après une intervention en ligne. Nous avons pu identifier certains prédicteurs du bien-être, et observer des améliorations grâce aux interventions. Sachant que la santé mentale et le bien-être influencent également le développement structurel et fonctionnel du cerveau tout au long de la vie, et réciproquement, il est primordial de mieux comprendre les relations entre le bien-être et le fonctionnement cérébral. Les progrès technologiques récents ont conduit au développement de technologies d'électroencéphalographie (EEG) à bas coût, légères, portables et sans fil qui offrent un temps de préparation rapide, une grande mobilité et qui facilitent la collecte de données EEG sur des populations nombreuses et diversifiées en augmentant l'accès à des populations qui étaient auparavant difficiles à étudier avec des systèmes conventionnels. L'analyse de grands échantillons s'appuyant sur des méthodes statistiques robustes ou des algorithmes avancés de type machine learning peut faciliter l'identification de tendances et du rôle médiateur de covariables, ainsi que la classification des états mentaux. Alors que les systèmes EEG à faible coût et à faible densité ont présenté des défis importants pour la conduite de recherches EEG, nous avons validé ici un système portable pour enregistrer des mesures spectrales pertinentes pour l'étude du bien-être, par comparaison avec un système de pointe (étude 2). Dans l'étude 3, nous avons utilisé les outils validés dans les études 1 et 2 pour examiner la relation entre l'EEG et le bien-être multidimensionnel dans un grand échantillon (N = 353). Nous avons trouvé un marqueur EEG potentiel du bien-être, cohérent avec les résultats de certaines publications sur l'anxiété et la dépression, avec l'âge comme médiateur. Après avoir discuté les résultats et donner les limites de la recherche, des orientations futures (e.g., enregistrement EEG en environnements naturels, études dyadiques ou multimodales, interfaces cerveau-ordinateur, neurofeedback) et leurs implications éthiques sont finalement proposées. Les applications plus larges de cette ligne de recherche contribueront, espérons-le, à réduire la prévalence des troubles mentaux et des disparités d'accès au soin associées, et à améliorer leur prévention dans le monde.

Over the last 30 years we have observed dramatic declines in mental health worldwide, with nearly 450 million people currently suffering from a mental or behavioral disorder. Globally, there is less than 1 mental health professional for every 10,000 people, with 76-85% of the population in low and middle-income countries without access to treatment. The overarching aim of this thesis is the identification of novel and cost-effective methods for measuring, detecting, and assessing well-being. In the first study of this research project, we validated the ability of a quick global scale to capture multidimensional well-being on 1,615 participants that participated in an online survey, identified some predictors of well-being, and observed improvements from online interventions. Mental health and individual well-being also influences the structure and function of our brains across the lifespan, which in turn, mediate well-being levels. While progress has been made regarding our understanding of the interacting relationships between well-being and brain function, much is still unknown. Recent technological advances have led to the development of affordable, light-weight, wearable, and wireless electroencephalography (EEG) technologies that offer fast preparation time, high mobility, and that facilitate the collection of EEG data over large and diversified populations by increasing access to populations that were previously difficult to study with conventional systems. The analysis of large datasets with robust statistical methods or advanced machine-learning algorithms can ease the identification of trends, the mediator role of covariables, and the classification of mental states. While low-cost, low-density EEG systems have presented significant challenges for conducting EEG research, here we validated a wearable system for recording spectral measures relevant to the study of well-being, by comparison with a state-of-the-art system (study 2). In study 3, we used the tools validated in studies 1 and 2 to examine the relation between EEG and multidimensional well-being in a large sample (N = 353). We found a potential EEG marker of well-being, consistent with some literature on anxiety and depression, with age as a mediator. We discuss interpretations and limitations related to the studies and the broader field, as well as future directions (e.g., real-world EEG monitoring, dyadic or multimodal applications, brain-computer interfaces, neurofeedback training) and ethical implications for the field. The broader applications of this line of research will hopefully help to reduce the prevalence of mental health disparities worldwide (e.g., chronic stress, anxiety disorder, depression, psychiatric conditions), and will also help to predict and prevent mental illness in the broader population.