Analyse non-linéaire de la dynamique des systèmes complexes de contrôle physiologique pour évaluer performance et santé chez l'Homme connecté en situation écologique.

par Pierre Gilfriche

Thèse de doctorat en Automatique, Productique, Signal et Image, Ingénierie cognitique

Sous la direction de Laurent Arsac.


  • Résumé

    Le maintien de conditions physiologiques compatibles avec une bonne santé repose sur de nombreuses interactions entre des structures nerveuses largement distribuées dans l'organisme et qui agissent selon différentes échelles de temps. Cette complexité structurelle permet aux systèmes physiologiques d'être adaptatifs via une intégration multi-niveaux offrant au système de contrôle la capacité d'être flexible, robuste et adaptable. La complexité des systèmes neurophysiologiques de contrôle peut être étudiée par le biais des signaux qu'ils émettent : un signal complexe est le signe d'une structure physiologique complexe et donc d'un contrôle performant. Les analyses non linéaires des signaux physiologiques ont prouvé leur capacité à caractériser cette complexité par l'introduction de marqueurs quantitatifs. Ces analyses apportent de nouvelles perspectives sur la compréhension des stratégies de contrôle qui participent à la santé et à la performance chez l'Homme. En particulier, la distribution du contrôle neurophysiologique peut être explorée sous différentes contraintes pour révéler les stratégies d'adaptation face à des situations auxquelles l'individu est confronté en permanence. Le rythme cardiaque, les rythmes locomoteurs et les oscillations du contrôle postural constituent des objets d'étude pour explorer ces stratégies dans des contextes variés, et sous différentes contraintes. Dans ce travail, les caractéristiques fréquentielles, fluctuations fractales et le niveau d'entropie présents dans les séries temporelles produites par ces systèmes sont étudiées dans différentes conditions. Dans un contexte de recherche appliquée, les expérimentations ont été menées en laboratoire mais aussi en situation écologique grâce à l'utilisation d'objets connectés (smartphone). Pour chaque situation, une réflexion méthodologique est menée pour identifier la méthode d'analyse de la complexité la plus adaptée au système de contrôle étudié, en adéquation avec les outils de mesures utilisés (objets connectés ou capteurs de laboratoire).

  • Titre traduit

    Nonlinear analysis of complex physiological control systems dynamics to assess performance and health in the connected human in an ecological environment.


  • Résumé

    Maintaining a healthy state relies on many interactions between neural structures largely distributed in the organism and operating at different timescales. This structural complexity participates in the adaptiveness of physiological systems through a multi-level integration providing the control system with critical properties of flexibility, robustness and adaptability. This complexity in neurophysiological control systems can be evaluated through the analysis of their output signals: a complex signal is associated with a complex physiological network, and hence with an efficient control. Nonlinear analyses of physiological signals have proven their ability to characterize such complexity by introducing quantitative markers. These analyses bring new perspectives to the understanding of control strategies participating in health and performance in humans. Particularly, neurophysiological control distribution can be explored under different constraints to reveal adaptation strategies to numerous daily challenges. This way, studying the time course of heart rate, locomotor rhythms and postural sway is a way to explore control strategies contributing to health and performance in humans, in various contexts and under different constraints. In the present work, the frequency content, fractal fluctuations and entropy levels in time series generated by these systems are studied under different conditions. In a context of applied research, the experimental work has been conducted not only in the laboratory but also in ecological situations using connected devices (smartphone). For each situation, a methodological reflection is led to identify the most appropriate complexity analysis method for the control system studied, in line with the measurement devices used (connected devices or laboratory sensors).