Le moteur de recherche
des thèses françaises

La lombalgie non spécifique (LNS) présente une variabilité importante, tant dans sa présentation clinique que dans les mouvements lombaires des patients atteints. Cette variabilité est inhérente à l'adaptabilité humaine et peut être cruciale pour l'élaboration de stratégies de diagnostic et de réadaptation. L'analyse de la variabilité des mouvements lombaires offre de nouvelles perspectives pour la prise en charge des patients atteints de LNS. Les capteurs inertiels et les méthodes d'analyse non linéaire ont potentiellement la capacité de fournir une évaluation plus précise et personnalisée de la condition . Pour relever ce défi, il est nécessaire d'adopter une approche globale qui devrait impérativement tenir compte des facteurs biopsychosociaux qui influencent la LNS et y intégrer une compréhension approfondie de la variabilité des mouvements lombaires et de son rôle dans l'adaptabilité humaine pour une prise en charge optimale de la LNS. Cet objectif a nécessité dans un premier temps, après la mise au point d'un système d'enregistrement à bas prix des données cinématiques, de choisir une méthode d'analyse des séries temporelles générées. Parmi les nombreux outils non linéaires disponibles, l'entropie a émergé comme un indicateur essentiel pour quantifier la complexité des séries temporelles. Dans ce contexte, l'entropie permet de mesurer l'incertitude et la complexité des systèmes biologiques, offrant ainsi une nouvelle perspective pour l'analyse des données cliniques. L'entropie d'échantillon (SampEn), en particulier, s'est présentée comme une mesure de complexité pertinente pour les séries temporelles courtes. En combinant l'analyse de la variabilité et de la complexité, il devrait être possible d'obtenir une compréhension plus approfondie des modèles de mouvements et des perturbations du contrôle moteur dans le contexte de la lombalgie. La première étape a été d'analyser des séries temporelles en mettant au point un test simple, réalisable en pratique clinique et d'une durée suffisante pour récolter des séries temporelles permettant le calcul de la SampEn, le « bend and return test » (b&r test). La reproductibilité de ce test a ensuite été vérifiée par deux études lors de la deuxième étape. Une troisième étape a permis de vérifier que le b&r test était capable de différencier une population saine d'une population atteinte de lombalgie chronique non spécifique avec l'aide de l'intelligence artificielle. Pour finir, après la mise au point d'une application (la NOMADe App) capable de numériser et d'enregistrer des données cliniques provenant de l'anamnèse et de l'examen physique de patients atteints de LNS, et d'y ajouter les scores de différents questionnaires validés, il a été possible de comparer ces données numérisées aux données de variabilité et de complexité cinématique. Ces comparaisons ont mis en évidence une possibilité de phénotyper très précisément chaque patient dans un cadre biopsychosocial et de fournir au thérapeute des informations précises pour une prise en charge individualisée. L'analyse en Machine Learning des données cinématiques a aussi permis de fournir une prédiction des résultats des questionnaires validés permettant d'orienter sans perte de temps le thérapeute vers le choix de questionnaires pertinents pour le patient. Nos conclusions appellent à une physiothérapie de précision et suggère le passage à une pratique personnalisée fondée sur des preuves.