Détection de la fatigue de conduite basée sur l’EEG

De face. Neurorobot., 11 février 2021h

ttps://doi.org/10.3389/fnbot.2021.618408

à l’aide d’une fonction de base radiale de hiérarchie d’apprentissage à deux niveaux

Ziwu Ren1,

Rihui Li2

Bin Chen 

3

Hongmiao Zhang 

1

Yuliang Ma 

3

Chushan Wang 

4,

Ying-Lin5 et

Yingchun Zhang*

  • 1 Centre de robotique et de microsystèmes, Université Soochow, Suzhou, Chine
  • 2 Département de génie biomédical, Université de Houston, Houston, TX, États-Unis
  • 3 College of Automation, Intelligent Control & Robotics Institute, Hangzhou Dianzi University, Hangzhou, Chine
  • 4 Hôpital provincial de réadaptation en cas d’accident du travail du Guangdong, Guangzhou, Chine
  • 5 Département de génie industriel, Université de Houston, Houston, TX, États-Unis

La détection de la fatigue au volant basée sur l’électroencéphalographie (EEG) a récemment attiré une attention croissante en raison de la nature non invasive, peu coûteuse et potable de la technologie EEG, mais il est toujours difficile d’extraire des caractéristiques informatives des signaux EEG bruyants pour la détection de la fatigue au volant . Le réseau de neurones à fonction de base radiale (RBF) a attiré beaucoup d’attention en tant que classificateur prometteur en raison de sa structure de réseau linéaire dans les paramètres, de sa forte capacité d’approximation non linéaire et de la propriété de généralisation souhaitée. Les performances du réseau RBF dépendent fortement des paramètres réseau tels que le nombre de nœuds cachés, le nombre de vecteurs centraux, la largeur et les poids de sortie. Cependant, les méthodes d’optimisation globale qui optimisent directement tous les paramètres du réseau entraînent souvent un coût d’évaluation élevé et une convergence lente. Pour améliorer la précision et l’efficacité du modèle de détection de fatigue de conduite basé sur l’EEG, cette étude vise à développer un réseau RBF à hiérarchie d’apprentissage à deux niveaux (RBF-TLLH) qui permet une optimisation globale des paramètres clés du réseau. Des données expérimentales d’EEG ont été recueillies, à la fois dans des états de fatigue et d’alerte, auprès de six participants en bonne santé dans un environnement de conduite simulée. L’analyse en composantes principales a d’abord été utilisée pour extraire les caractéristiques des signaux EEG, et le RBF-TLLH proposé a ensuite été utilisé pour l’état de conduite (fatigue de six participants en bonne santé dans un environnement de conduite simulée. L’analyse en composantes principales a d’abord été utilisée pour extraire les caractéristiques des signaux EEG, et le RBF-TLLH proposé a ensuite été utilisé pour l’état de conduite (fatigue de six participants en bonne santé dans un environnement de conduite simulée. L’analyse en composantes principales a d’abord été utilisée pour extraire les caractéristiques des signaux EEG, et le RBF-TLLH proposé a ensuite été utilisé pour l’état de conduite (fatiguecontre _ alerte). Les résultats ont démontré que l’approche RBF-TLLH proposée obtenait de meilleures performances de classification (précision moyenne : 92,71 % ; aire sous la courbe de fonctionnement du récepteur : 0,9199) par rapport à d’autres réseaux de neurones artificiels largement utilisés. De plus, seuls trois paramètres de base doivent être déterminés à l’aide des ensembles de données d’apprentissage dans le classificateur RBF-TLLH proposé, ce qui augmente sa fiabilité et son applicabilité. Les résultats démontrent que l’approche RBF-TLLH proposée peut être utilisée comme cadre prometteur pour une détection fiable de la fatigue au volant basée sur l’EEG.

Introduction

La fatigue au volant est une préoccupation mentale et physique typique qui affaiblit la capacité du conducteur à contrôler le véhicule ( Li Z. et al., 2017 ). Cela représente non seulement un risque important de blessures et de décès pour les conducteurs, mais également des blessures pour les autres usagers de la route tels que les passagers, les motocyclistes, les autres conducteurs et les piétons. Selon les données statistiques rapportées par l’Organisation mondiale de la santé, plus de 1,3 million de personnes sont tuées chaque année dans des accidents de la route principalement dus à la fatigue au volant ( Sahayadhas et al., 2012 ; Li Z. et al., 2017 ). Par conséquent, il est très important d’étudier les caractéristiques de la fatigue de conduite et de développer un système de détection automatique de la fatigue de conduite avec des performances de détection fiables ( Li Z. et al., 2017Sikander et Anwar, 2019 ).

Les méthodes actuellement disponibles pour la détection de la fatigue au volant peuvent être classées en trois catégories ( Sikander et Anwar, 2019 ): (1) approche basée sur la psychologie qui repose généralement sur des questionnaires psychométriques pour évaluer le niveau de fatigue d’un individu ( Michielsen et al., 2004 ), (2) approche basée sur la vidéo qui surveille généralement l’état comportemental et physique du conducteur, comme les traits du visage, la position de la tête, le temps de réaction, les erreurs de direction, la déviation de voie, etc. ( Akerstedt et al., 2005 ; Hsieh et Tai, 2013 ), et (3) une approche physiologique qui utilise les biosignaux associés à la fatigue au volant, comme l’électrooculographie (EOG) pour mesurer le mouvement de l’œil ( Hu et Zheng, 2009 ;Picot et al., 2012 ), électrocardiographie (ECG) pour détecter la variabilité de la fréquence cardiaque ( Jung et al., 2014 ), électroencéphalographie (EEG) pour évaluer l’état du cerveau ( Huang et al., 2016 ; Ma et al., 2019 , 2020 ), et l’électromyographie (EMG) pour mesurer l’activité musculaire ( Sikander et Anwar, 2019 ). Parmi eux, la mesure psychologique autodéclarée prend du temps et est subjective car elle repose sur les réactions subjectives du conducteur viaquestionnaires, ce qui rend impossible et peu fiable la détection en temps réel. Les approches basées sur la vidéo sont vulnérables aux facteurs environnementaux, tels que la luminosité, les conditions météorologiques, l’état des routes et d’autres facteurs, qui pourraient entraîner de mauvaises performances de détection ( Jimenez-Pinto et Torres-Torriti, 2012 ). L’EOG, l’ECG, l’EMG de surface et l’EEG ont tous été explorés en tant que mesures physiologiques pour la détection de la fatigue au volant, avec des avantages et des inconvénients spécifiques les uns par rapport aux autres ( Sikander et Anwar, 2019). Les électrodes doivent être placées sur la surface du corps, ce qui rend le système de nature intrusive. Par exemple, les signaux EOG sont récupérés par des électrodes placées près de l’œil, ce qui peut gêner la conduite. L’ECG peut être mesuré de manière moins intrusive, mais les signaux ECG ont montré une forte variance inter-sujets, ce qui peut compliquer le développement d’un système générique de détection de la fatigue au volant. L’applicabilité de l’EMG de surface dans la détection de la fatigue de conduite en temps réel est limitée ( Sikander et Anwar, 2019 ). L’EEG a été considéré comme une modalité prometteuse pour la détection de la fatigue au volant, en raison de sa haute résolution temporelle, de sa grande portabilité et de sa bonne sensibilité à l’état cérébral ( O’Hanlon et Kelley, 1977 ; Nguyen et al., 2019 ; Gao et al., 2020). En particulier, l’EEG peut être utilisé pour mesurer de manière non invasive l’activité électrique neuronale de la surface du cuir chevelu afin de fournir une évaluation directe de l’état de fatigue cérébrale ( Zhao et al., 2017 ; Sikander et Anwar, 2019 ). Cependant, la récupération du signal EEG à travers plusieurs électrodes est très sensible au bruit provenant de facteurs externes, et il est essentiel d’extraire des caractéristiques informatives des signaux EEG bruyants pour une application réussie de détection de la fatigue au volant.

Les réseaux de neurones ont été utilisés comme des outils prometteurs pour extraire des caractéristiques informatives des signaux EEG en raison de leur parallélisme de calcul massif qui ressemble à la façon dont le cerveau traite l’information ( Masic et Pfurtscheller, 1993 ). Récemment, de nombreuses études ont mis en œuvre des systèmes de détection de la fatigue au volant basés sur l’EEG en utilisant des techniques de réseau de neurones. Vuckovic et al. ont proposé un modèle de classification de la vigilance et de la somnolence à partir d’enregistrements EEG sur des sujets sains arbitraires, dans lequel le réseau de neurones artificiels (RNA) a été utilisé comme classificateur automatique ( Vuckovic et al., 2002). Yang et al. ont présenté un modèle de classification de la fatigue au volant basé sur une technique de fusion d’informations et un réseau neuronal dynamique. Les résultats expérimentaux ont indiqué que les caractéristiques dérivées de l’EEG étaient capables de détecter l’état de fatigue d’un conducteur ( Yang et al., 2010 ). De plus, Aruna et al. ont proposé une méthode récurrente de réseau neuronal flou auto-évolutif pour la détection de la fatigue au volant, dans laquelle le coefficient de corrélation de l’attention du conducteur était classé pour détecter la fatigue au volant ( Aruna et Kalaivani, 2016 ). Chai et al. ont présenté une structure de réseau neuronal bayésien à trois couches pour la classification binaire de la fatigue au volant, où la modélisation autorégressive (RA) a été utilisée comme algorithme d’extraction de caractéristiques ( Chai et al., 2017b). De plus, Chai et al. ont également proposé un modèle amélioré de classification de la fatigue au volant basé sur l’EEG, où le modèle AR a été utilisé pour l’extraction de caractéristiques, et le réseau de croyance clairsemé-profond (DBN clairsemé) a été utilisé pour la classification ( Chai et al., 2017a ). Des études récentes ont également démontré que le réseau de neurones à fonction de base radiale (RBF) était un classificateur prometteur en raison de sa structure de réseau linéaire dans les paramètres, de sa forte capacité d’approximation non linéaire et de la propriété de généralisation souhaitée. Li et al . ont démontré que la méthode de classification basée sur la fonction de base radiale présente des avantages en termes de précision de classification pour la classification des crises d’épilepsie en comparant avec cinq autres classificateurs ( Li Y. et al., 2017 ; Li et al., 2019). La régression vectorielle de support basée sur le noyau RBF a également obtenu de meilleures performances dans la prédiction de la fatigue par rapport aux autres fonctions du noyau dans l’étude de Bose et al. (2019) . Les performances du réseau RBF dépendent fortement des paramètres réseau, qui doivent être optimisés globalement pour de meilleures performances. Les paramètres du réseau RBF peuvent être estimés à l’aide des méthodes d’optimisation globale existantes ( Petković et al., 2016 ; Aljarah et al., 2018 ). Malheureusement, en raison d’un nombre relativement important de paramètres de réseau qui doivent être optimisés, les méthodes d’optimisation globale existantes présentent un coût de calcul élevé et une convergence lente et conduisent en outre à une faible précision de classification et à une faible efficacité du réseau RBF.

Dans cette étude, un réseau RBF à hiérarchie d’apprentissage à deux niveaux (RBF-TLLH) est développé pour améliorer les performances de la classification RBF. Dans le RBF-TLLH proposé, seuls trois paramètres de réseau RBF clés doivent être optimisés et, en tant que tels, peuvent être facilement optimisés globalement et efficacement. Plus précisément, le RBF-TLLH est construit en utilisant l’algorithme ROLS + D-opt, qui combine les moindres carrés orthogonaux régularisés (ROLS) et le plan expérimental d’optimalité D (D-opt) au niveau inférieur et l’optimisation de l’essaim de particules ( PSO) au niveau supérieur. L’algorithme PSO est utilisé pour optimiser globalement les trois paramètres de base de l’algorithme ROLS+D-opt afin d’améliorer les performances de classification. Comme les signaux EEG sont généralement mesurés avec plusieurs canaux à un taux d’échantillonnage élevé, l’analyse en composantes principales (PCA) (Hotelling, 1933 ) est utilisé pour réduire la dimensionnalité de l’espace de données d’origine ( Lever et al., 2017 ; Artoni et al., 2018 ) avant l’application du RBF-TLLH. Les performances de l’approche proposée sont évaluées sur la détection de la fatigue au volant et comparées à plusieurs réseaux de neurones artificiels largement utilisés, notamment le réseau de neurones artificiels basé sur la rétropropagation (BP), le réseau de neurones artificiels basé sur le PSO et le réseau RBF basé sur l’algorithme d’apprentissage ROLS+D-opt.

Matériaux et méthodes

Étudier le design

La structure globale du cadre de classification de la fatigue basé sur l’EEG proposé est illustrée à la figure 1 , qui se compose de cinq étapes : (1) collecte de données EEG dans un environnement de conduite simulé, (2) prétraitement et segmentation des données brutes, (3) réduction de la dimensionnalité et extraction de caractéristiques à l’aide de l’ACP ; (4) classification à l’aide du réseau RBF et (5) évaluation des performances.Figure 1

FIGURE 1 . Illustration schématique du réseau de fonctions à base radiale de la hiérarchie d’apprentissage à deux niveaux.

Participants et acquisition de données EEG

Les données EEG utilisées dans cette étude ont été recueillies auprès de six volontaires sains de sexe masculin (droitiers, âgés de 23 à 27 ans). Tous les volontaires avaient des permis de conduire valides et aucun participant n’avait d’antécédents de troubles physiques ou psychologiques. L’étude a été approuvée par le comité d’éthique local (Guangdong Provincial Work Injury Rehabilitation Center, Chine) et réalisée conformément à la Déclaration d’Helsinki. Chaque sujet a été pleinement informé du but de la recherche et a fourni un consentement éclairé écrit avant le début de l’expérience.

Un système de simulation de conduite (Shanghai Infrared Automobile Simulator Driving Equipment Co., Ltd., Chine) a été utilisé pour imiter un environnement de conduite réel pendant l’expérience. Comme le montre la figure 2 , le système de simulation de conduite comprend des simulations d’embrayages, de freins, d’accélérateurs et de scènes qui se composent de trois grands écrans et d’un logiciel de simulation hautes performances. Ce système peut imiter l’expérience de conduite réelle, comme l’évolution du trafic environnant. Les signaux EEG ont été enregistrés à l’aide d’un système d’acquisition EEG à 32 canaux (Brain Products GmbH, Allemagne), avec un taux d’échantillonnage de 500 Hz. Des électrodes EEG ont été placées sur le cuir chevelu selon le système standard international 10–20.Figure 2

FIGURE 2 . Le système de simulation de conduite et le dispositif d’acquisition EEG.

Avant le début de l’expérience, tous les participants ont été autorisés à pratiquer et à se familiariser avec le système de simulation de conduite. Les données EEG ont ensuite été recueillies pour deux états, alerte (non-fatigue) et fatigue. Pour collecter les données d’alerte, tous les sujets devaient maintenir un sommeil adéquat et naturel pendant environ 8 h pendant la nuit précédant l’expérience. Les données EEG ont été recueillies à 9 h le lendemain pendant environ 30 à 60 min pendant que les sujets exécutaient la tâche de simulation de conduite. Pour l’enregistrement des données d’alerte, le chemin a été tracé relativement compliqué pour éviter la somnolence des sujets. D’autre part, pour collecter les données de fatigue, tous les sujets ont été invités à dormir seulement 4 h pendant la nuit précédant l’expérience. Les données EEG ont également été enregistrées à 9 h pendant 30 à 60 min lorsque les sujets conduisaient dans l’environnement de simulation. L’expérience a été réalisée dans un laboratoire calme et non perturbé avec des températures ambiantes d’environ 22°C. Afin d’atteindre rapidement l’état de fatigue lors de la collecte de données sur la fatigue, une route longue et droite avec très peu de piétons a été utilisée dans l’environnement simulé. Pendant l’enregistrement des données, un observateur était assis à 2 m à côté du sujet et surveillait le comportement du sujet sans causer aucune perturbation au sujet. L’observateur décidait si le sujet était dans un état de fatigue ou dans un état d’alerte en observant les signes de somnolence du sujet (plus de 2 s de fermeture des yeux et de hochements de tête, grande déviation de la route). L’enregistrement des données EEG s’est terminé 30 minutes après que le sujet ait commencé à montrer des symptômes de fatigue.

Prétraitement et segmentation des données

Dans cette étude, des signaux EEG de 20 minutes dans chaque état (alerte ou fatigue) ont été collectés sur chaque sujet, et toutes les analyses de données ont été mises en œuvre dans un environnement MATLAB (2014a, MathWorks, Natick, Massachusetts). Les données EEG enregistrées ont d’abord été sous-échantillonnées de 500 à 200 Hz, et un filtrage passe-bande Butterworth de quatrième ordre (1 à 45 Hz) a ensuite été appliqué pour éliminer les artefacts tels que la dérive lente, le bruit à haute fréquence et la ligne électrique. ingérence. Les données EEG prétraitées de 20 minutes (1 200 s) pour chaque état ont ensuite été segmentées en appliquant une fenêtre temporelle de 10 s, ce qui a donné 120 échantillons pour chaque état (fatigue ou alerte). Il convient de noter que, dans cette étude, chaque échantillon est une forme matricielle à deux dimensions (32 canaux × 2 000 points). Ainsi, avec les six participants, un total de 1, 440 échantillons (720 échantillons pour l’alerte et 720 échantillons pour la fatigue) ont été formés pour l’extraction et la classification des caractéristiques. Pour chaque participant, le total de 240 échantillons a été divisé en l’ensemble de données d’entraînement avec 200 échantillons et l’ensemble de données de validation avec les 40 échantillons restants, où les échantillons EEG de fatigue et d’état d’alerte ont été répartis de manière égale. De plus, une validation croisée de 6 fois a été utilisée pour l’évaluation des performances.

Extraction de caractéristiques

Pour extraire les caractéristiques représentatives des grandes quantités de données EEG, la réduction de la dimensionnalité est d’abord effectuée pour réduire les dépenses de calcul et l’erreur de classification. L’ACP est une méthode non supervisée efficace et flexible pour la réduction de la dimensionnalité des données ( Hotelling, 1933 ). Pour un échantillon EEG donné ( m 32 canaux × 2 000 points), l’ACP transforme les données de l’échantillon dans un espace de dimension inférieure par le biais d’une projection orthogonale ou d’une transformation des points corrélés en variables de données non corrélées, appelées composantes principales (PC) ( Lever et al., 2017 ; Artoni et al., 2018 ). En fonction du taux de cotisation cumulatif prédéterminé, le premier rles composants avec les variances les plus importantes sont conservés. Le nombre préservé de PCs, r , est un paramètre important dans PCA. Dans cette étude, différentes valeurs r ont été testées à travers plusieurs essais, et les résultats ont montré que les 10 premiers PC représentaient plus de 80 % (le taux de contribution cumulé minimum est jusqu’à 82,13 %) de la variance totale des signaux d’origine pour tous Échantillons EEG. Par conséquent, les 10 premiers PC ont été conservés et l’échantillon EEG d’origine d’une taille de 32 sur 2 000 a été transformé en une matrice de dimension inférieure d’une taille de 32 sur 10. Ces échantillons de dimension inférieure ont été utilisés pour construire la classification de la fatigue au volant. maquette.

Modèle de classement

Un réseau RBF est un réseau neuronal prédictif à couche cachée unique qui est généralement contrôlé par plusieurs paramètres clés, notamment les vecteurs centraux, la largeur de la fonction de base et les poids de connexion des nœuds cachés à la sortie du réseau. Un réseau RBF avec n nœuds cachés et une seule sortie est illustré à la figure 3 , où les caractéristiques d’entrée sont d’abord transformées en nœuds cachés via n fonctions de base gaussiennes avec une largeur uniforme et différents vecteurs centraux. Les nœuds cachés sont en outre agrégés pour prédire la sortie du réseau via des poids de connexion. En désignant le vecteur d’entrée par x et la sortie par ỹ ) , le réseau RBF pourrait être représenté par :

ỹ ( x ) =∑je = 1nθjeexp ( -| | x- _cje| |2/ ρ )    ( 1 )ỹ(x)=∑i=1nθiexp(-||x-ci||2/ρ)    (1)

où i ( i = 1, ⋯ , n ) sont les vecteurs centraux, ρ est la largeur des fonctions de base gaussiennes, θ i ( i = 1, ⋯ , n ) sont les poids et ||·|| est la norme euclidienne.Figure 3

ILLUSTRATION 3 . Réseau de fonctions à base radiale pour le modèle de classification de la fatigue au volant basé sur l’EEG.

Algorithme d’apprentissage intégré ROLS+D-opt

Afin de construire un modèle avec de bonnes performances, dans cette étude, nous adoptons un algorithme d’apprentissage intégré (ROLS + D-opt) pour former le modèle en combinant les moindres carrés orthogonaux régularisés et le plan expérimental D-optimal. Les techniques de régularisation ROLS améliorent les propriétés de généralisation, et le plan expérimental de D-optimalité améliore encore l’efficacité et la robustesse du modèle ( Hong et Harris, 2002 ; Chen et al., 2003 ). En désignant l’entrée et la sortie du k ème échantillon par x ( k ) et y ( k ), respectivement, un ensemble d’apprentissage de N échantillons pourrait être représenté par{ y( k ) , x ( k ) }Nk = 1{y(k),x(k)}k=1N. Pour formuler le réseau comme un problème linéaire dans les paramètres, chaque entrée d’échantillon est considérée comme un centre candidat dans RBF, c’est-à-dire, i = x ( i ), i = 1, …, N . Par conséquent, le i ème nœud caché sur le k ème échantillon, noté ϕ i ( k ), pourrait être représenté parϕje( k ) = e X p ( -| | X ( k ) – X ( je ) ||2ρ)ϕi(k)=exp(-||x(k)-x(i)||2ρ). La sortie souhaitée y ( k ) peut être exprimée comme

y( k ) = ỹ ( k ) + e ( k ) =∑je = 1Nθjeϕje( k ) + e ( k ) 1 ≤ k ≤ N    ( 2 )y(k)=ỹ(k)+e(k)=∑i=1Nθiϕi(k)+e(k)1≤k≤N    (2)

où e ( k ) est l’erreur entre y ( k ) et la sortie réelle du réseau ỹ( k ), θ i sont les poids de sortie et N est le nombre d’échantillons dans l’ensemble de données d’apprentissage. L’algorithme d’apprentissage ROLS+D-opt intégré transforme d’abord le modèle (2) en une forme matricielle et effectue une décomposition orthogonale sur la matrice de régression, qui décompose la matrice de régression en une matrice avec des colonnes orthogonales et une matrice triangulaire supérieure. Plus précisément, le modèle de régression dans (2) peut être décrit comme :

y =Φθ+ e = W UNE θ+ e = W g + e    ( 3 )y=Φθ+e=WAθ+e=Wg+e    (3)

où y est le vecteur de sortie, Φ est la matrice de régression, θ est le vecteur de pondération et e est le vecteur d’erreur. La matrice de régression Φ pourrait être décomposée en deux matrices, W et A , où W = w1 , ⋯ , wN ] a des colonnes orthogonales qui satisfontwJjewj=0 ( je , j=1 ,⋯,N) wTwj=0(je,j=1,⋯,N)pour i ≠ j , et A est une matrice triangulaire supérieure à éléments diagonaux unitaires. La matrice triangulaire supérieure multiplie encore le vecteur de poids pour construire un vecteur de poids orthogonal, c’est-à-dire,g=[g1,⋯,gN]J =Aθ g=[g1,⋯,GN]T=Aθ. Ensuite, l’algorithme d’apprentissage ROLS+D-opt intégré effectue une procédure de sélection directe de sous-ensemble à partir du modèle de régression complet, qui est basé sur le critère de minimisation suivant (Chen et al., 2003 ) :

JCR( g, λ , β) =JR( g, λ ) + β∑je = 1N− journal (wJjewje) =eJe +λgJg +                          β∑je = 1N− journal (wJjewje)( 4 )JCR(g,λ,β)=JR(g,λ)+β∑je=1N-Journal(wjeJwje)=eJe+λgJg+                          β∑je=1N-Journal(wjeJwje)    (4)

oùJR( g, λ ) =eJe +λgJgJR(g,λ)=eJe+λgJgest le critère d’erreur régularisé, λ ≥ 0 est un paramètre de régularisation et β est une petite pondération positive fixe pour le coût de D-optimalité. Le taux de réduction d’erreur est défini comme suit :

[ c r e r r ]je= ( (wJjewje+ λ )g2je+ βjournal (wJjewje) ) /yJy( 5 )[crerr]je=((wjeJwje+λ)gje2+βJournal(wjeJwje))/yJy    (5)

Sur la base du ratio dans (5), les régresseurs significatifs sont sélectionnés dans une procédure de régression directe, et la procédure de sélection est terminée lorsque ( Chen et al., 2003 ) :

[ c r e r r ]je≤ 0 , fou _ ns+ 1 ≤ l ≤ N( 6 )[crerr]je≤0,For ns+1≤je≤N    (6)

Hiérarchie d’apprentissage à deux niveaux Algorithme d’apprentissage en réseau RBF

Dans l’algorithme d’apprentissage ROLS+D-opt intégré, tous les centres candidats du réseau sont choisis parmi les vecteurs d’entrée des échantillons d’apprentissage, et les poids de sortie θ i dans (1) peuvent être obtenus par un algorithme d’apprentissage linéaire ( Chen et al., 2003 ). Par conséquent, seuls la largeur uniforme ρ , le paramètre de régularisation λ et le paramètre de pondération D-optimalité β doivent être déterminés dans l’algorithme ROLS + D-opt. Le choix de ces trois paramètres a une grande influence sur les performances du réseau RBF ( Hong et al., 2003Chen et al., 2009 ). Une méthode d’optimisation globale est nécessaire pour déterminer la combinaison optimale de ces trois paramètres.

Un schéma de hiérarchie d’apprentissage à deux niveaux (TLLH) est proposé en combinant les algorithmes PSO et ROLS + D-opt pour former le réseau RBF, comme le montre la figure 4. Avec les valeurs de la fonction de fitness données au niveau inférieur, PSO (Kennedy et Eberhart, 1995Shi et Eberhart, 1995 ) est utilisé pour apprendre la largeur ρ, le paramètre de régularisation λ et le paramètre de pondération D-optimalité β de l’algorithme intégré (ROLS +D-opt) au niveau supérieur, tandis que le niveau inférieur consiste en p algorithme d’apprentissage intégré parallèle ROLS+D-opt pour chaque ensemble de paramètres, [λ, ρ, β], fourni par le PSO. p est la taille de l’essaim du PSO, c’est-à-dire qu’il y a pparticules dans l’algorithme PSO. PSO, comme une méthode d’optimisation intelligente en essaim, a la caractéristique du calcul parallèle. Dans cette étude, tous les échantillons EEG sont divisés en un ensemble d’apprentissage et un ensemble de validation. Le i -ème algorithme ROLS + D-opt construit un réseau RBF en utilisant l’ensemble de données d’apprentissage avec une particule donnée [λ i, ρ i, β i ] et l’erreur quadratique moyenne (MSE) sur l’ensemble de validation du RBF résultant modèle est défini comme la fonction de fitness de l’algorithme PSO :

min f( K) =1nc∑k = 1nc( y( X ( k ) )-ỹ ( X ( k ) ) )2( 7 )minF(K)=1nc∑k=1nc(y(X(k))-ỹ(X(k)))2    (sept)

où K = [λ i, ρ i, β i ] représente la particule, y ( x ( k ) est la sortie souhaitée de l’échantillon de validation, ỹ( x ( k )) est la sortie réelle du réseau et c est la taille de l’ensemble de validation Plus la valeur de fitness est petite, meilleures sont les performances de généralisation du réseau ( Chen et al., 19992008 ).

La complexité de calcul de ce schéma TLLH est déterminée par le nombre total d’évaluations de fonctions au niveau supérieur. En supposant que la taille de l’essaim du PSO est p, la génération évolutive est T, et la complexité de l’algorithme ROLS+ D-opt est ROLS+D−opt. Ensuite, la complexité du schéma TLLH est

CTLLH= p × T×CROLS + D − opter    ( 8 )CTLLH=p×T×CROLS+D-opt    (8)

puisque le PSO n’est utilisé que pour optimiser trois paramètres de l’algorithme d’apprentissage ROLS+D-opt intégré, et le niveau inférieur présente un problème d’apprentissage linéaire. L’exigence de calcul globale de ce schéma est beaucoup plus petite que celle du schéma où un PSO est directement utilisé pour déterminer la structure du réseau RBF ainsi que pour apprendre tous les paramètres du réseau ( Billings et Zheng, 1995 ).Figure 4

ILLUSTRATION 4 . L’architecture de la hiérarchie d’apprentissage à deux niveaux dans les réseaux de fonctions à base radiale.

Évaluation des performances

Pour évaluer les performances de l’approche proposée, le RBF-TLLH proposé a été appliqué à l’ensemble de données de classification de la fatigue au volant et comparé aux modèles de réseau de neurones de pointe, y compris le RBF basé sur l’algorithme ROLS + D-opt ( RBF-ROLS+D-opt) ( Chen et al., 2003 ), ANN avant à trois couches avec rétropropagation (ANN-BP) ( Zaw et al., 2019 ; Zhang et Pu, 2020 ) et trois couches ANN avant avec optimisation PSO (ANN-PSO) ( Li et Liu, 2016 ). Le RBF basé sur l’algorithme ROLS+D-opt (RBF-ROLS+D-opt) a été largement utilisé en raison de sa robustesse, de la rareté des paramètres et de la facilité de mise en œuvre ( Chen et al., 2003). ANN-BP a la capacité d’approximer la fonction non linéaire avec une précision arbitraire ; par conséquent, il a été largement appliqué à divers problèmes de classification ( Zaw et al., 2019 ; Zhang et Pu, 2020 ). L’ANN avant à trois couches avec optimisation PSO (ANN-PSO) est également largement utilisé en raison de ses avantages tels qu’une mise en œuvre facile, moins de paramètres d’ajustement et une convergence rapide ( Li et Liu, 2016). Les poids et seuils initiaux sont générés de manière aléatoire dans l’intervalle [−1, 1] dans l’ANN-BP, l’époque maximale est fixée à 1 000 et le taux d’apprentissage est de 0,01. La MSE de l’ensemble de données d’apprentissage est minimisée en tant que fonction objectif dans l’ANN-PSO. La plage des paramètres variables est définie sur [−1, 1], la taille de l’essaim est définie sur 30 et les itérations évolutives sont définies sur 60. Selon la formule empirique, les nœuds cachés de ces deux classificateurs ANN sont tous deux définis sur 30. De plus, afin d’éviter le sur-ajustement ou le sur-entraînement dans le réseau ANN, une stratégie d’arrêt précoce basée sur la validation est utilisée pour sélectionner les meilleurs paramètres d’entraînement. Figure 5montre la courbe MSE de l’ensemble d’apprentissage et de l’ensemble de validation pour la classification. On peut voir que le meilleur numéro d’itération de l’ANN-BP est 79, et le meilleur numéro d’itération de l’ANN-PSO est 43, pour ce résultat d’apprentissage, selon la courbe MSE de l’ensemble de validation.Figure 5

ILLUSTRATION 5 . Erreur quadratique moyenne (MSE) de l’ensemble d’apprentissage et de validation pour l’arrêt précoce du classifieur. (A) Formation et validation MSE de réseau de neurones artificiels (ANN)-rétro-propagation. (B) Formation et validation MSE de l’optimisation des essaims de particules ANN.

La technique de régularisation est employée dans la fonction de critère (4) dans le TLLH-RBF proposé pour éviter le problème de sur-ajustement et améliorer la précision de la classification du réseau RBF. Le coût d’optimalité D est introduit pour améliorer encore l’efficacité et la robustesse du modèle de sous-ensemble sélectionné. Les paramètres, y compris la largeur RBF, le paramètre de régularisation et le paramètre de pondération D-optimalité, sont respectivement définis dans la plage ρ ∈ [1, 220], λ ∈ [ 10−7 , 1] et β ∈ [ 10− 7 , 1], et optimisé à l’aide du PSO. La taille de l’essaim pde PSO est fixé à 15 et le nombre d’itérations évolutives est fixé à 30. Pour une comparaison plus approfondie, un autre classificateur de réseau RBF basé sur l’algorithme ROLS + D-opt est également conçu, où les paramètres de largeur et D-optimalité sont déterminés comme ρ = 110 et β = 10−4 , respectivement, par la méthode des essais et erreurs, alors que le paramètre de régularisation λ est estimé par l’approche bayésienne (MacKayi, 1992 ; Chen et al., 1996 ).

Les résultats de classification obtenus par les quatre modèles de réseaux neuronaux susmentionnés ont été comparés les uns aux autres. Dans tous ces modèles de classification, lorsque la sortie réelle du réseau est > 0,5, le modèle la classe comme 1 (état de fatigue) ; sinon, le modèle le classe comme 0 (état d’alerte). Tous les échantillons sont d’abord normalisés avant que l’ANN ne soit formé pour éviter que les poids ANN ne soient trop grands.

Résultats

Le tableau 1 résume la précision de la classification dans la détection de la fatigue au volant telle qu’obtenue par les quatre modèles de classification utilisant une validation croisée de 6 fois pour chaque sujet. Les résultats montrent que le classificateur RBF-TLLH atteint la plus grande précision pour tous les sujets dans la classification de la fatigue par rapport aux états d’alerte, avec une valeur moyenne de 92,71 ± 6,26 %. Dans l’ensemble, les classificateurs ANN obtiennent une précision de classification inférieure à celle des classificateurs basés sur RBF. Le test t apparié a été utilisé pour la comparaison statistique, comme le montre la figure 6, montrant que le classificateur RBF-TLLH proposé surpasse de manière significative les deux autres classificateurs ANN (p< 0,05) alors que le RBF basé sur ROLS + D-opt ne le fait pas. Bien qu’aucune différence significative ne soit observée entre ces deux classificateurs différents basés sur RBF, le RBF-TLLH atteint une plus grande précision et produit une variance plus faible que le réseau RBF ROLS + D-opt, ce qui suggère que le RBF-TLLH proposé est plus précis et robuste. classificateur dans la détection de fatigue de conduite EEG dans ces deux classificateurs basés sur RBF.Tableau 1

TABLEAU 1. Précision moyenne (%) de la validation croisée 6 fois pour chaque sujet en utilisant différents classificateurs.Figure 6

ILLUSTRATION 6. Diagramme à barres des précisions moyennes lors de l’utilisation de différents classificateurs. *significativement différent du contrôle ( p < 0,05) ; **significativement différent du contrôle ( p < 0,005).

Pour évaluer plus en détail les performances de classification du RBF-TLLH proposé, six mesures comprenant le vrai positif (TP), le vrai négatif (TN), le faux positif (FP), le faux négatif (FN), la spécificité/le taux de vrai négatif [TNR = TN /(TN + FP)], et la sensibilité/taux de vrais positifs [TPR = TP/(TP + FN)] (Chai et al., 2017a ,b ), sont calculés à partir de tous les sujets et résumés dans le tableau 2. Comparé aux modèles ANN-BP et ANN-PSO, le modèle de réseau RBF-TLLH présente les meilleures performances quelles que soient la spécificité, la sensibilité et la précision. De plus, le modèle RBF-TLLH surpasse de manière significative le modèle RBF basé sur ROLS + D-opt en termes de sensibilité, démontrant la supériorité de l’approche proposée pour détecter la fatigue au volant. Comparé au RBF basé sur ROLS + D-opt, le modèle RBF-TLLH proposé atteint une spécificité légèrement inférieure, mais une précision et une sensibilité beaucoup plus élevées.Tableau 2

TABLEAU 2. Résultats de la classification de l’étatdefatiguevs. état d’alerte pour le jeu de validation.

L’analyse de la courbe des caractéristiques de fonctionnement du récepteur (ROC) est également effectuée et les résultats sont résumés à la Figure 7. La courbe ROC est un tracé de TPR par rapport au taux de faux positifs (spécificité FPR/1) en faisant varier différents rapports de seuil en tant que variable de balayage. Un modèle de classification aléatoire devrait montrer une ligne droite reliant (0, 0) à (1, 1) (ligne diagonale tiret-point sur la figure 7 ). Toute courbe ROC située dans le triangle inférieur droit indique que le classifieur est pire que la supposition aléatoire, tandis que la courbe ROC située dans le triangle supérieur gauche indique que le modèle fonctionne mieux que la supposition aléatoire (Fawcett, 2006Chai et al. , 2017b). L’aire sous la courbe (AUC) de la courbe ROC est ensuite calculée pour évaluer les performances du modèle. Comme le montre la figure 7, le RBF-TLLH proposé atteint la meilleure courbe ROC en haut à gauche et donne la valeur AUC la plus élevée (0,9199) parmi tous les classificateurs, démontrant les meilleures performances dans la détection de la fatigue au volant.Figure 7

ILLUSTRATION 7. Tracé des caractéristiques de fonctionnement du récepteur avec les valeurs d’aire sous la courbe pour différents modèles de classification : (1) réseau de neurones artificiels (ANN) utilisant l’algorithme de rétropropagation, (2) ANN utilisant l’optimisation de l’essaim de particules, (3) réseau de fonction de base radiale (RBF) utilisant Algorithme ROLS + D-opt et (4) réseau RBF utilisant la méthode de hiérarchie d’apprentissage à deux niveaux.

Discussion

L’EEG présente les avantages d’être non invasif et d’avoir une résolution temporelle élevée pour la mesure de l’activité cérébrale et a été largement considéré comme un bon indicateur de la transition entre les états d’alerte et de fatigue. La densité spectrale de puissance (PSD), qui convertit le domaine temporel des données EEG dans le domaine fréquentiel, a été largement utilisée dans les études traditionnelles de détection de fatigue basées sur l’EEG. Les signaux EEG peuvent alors être généralement divisés en cinq bandes, à savoir Delta (0,5–4 Hz), Theta (4–8 Hz), Alpha (8–13 Hz), Beta (13–30 Hz) et Gamma (30– 42 Hz), selon les caractéristiques de fréquence et d’amplitude ( Sikander et Anwar, 2019 ). Il a été constaté que l’augmentation des fuseaux de la bande alpha de l’EEG est associée à l’état de fatigue lorsque les participants se produisent dans l’environnement de conduite monotone réel (Simon et al., 2011 ). Il a également été démontré que l’EEG est sensible aux fluctuations de la vigilance et qu’il prédit la dégradation des performances due à une charge mentale soutenue. Lors de la tâche de conduite monotone, les bouffées EEG alpha seront dominantes dans les canaux EEG central et postérieur, ce qui est un signal de somnolence et de vigilance réduite ( Simon et al., 2011 ).

En prenant le sujet 1 et le sujet 3 comme exemples, la figure 8 montre les distributions PSD des bandes d’ondes alpha (8–13 Hz) et entières (1–45 Hz) des deux états (alerte et fatigue), respectivement. On peut observer que les distributions de PSD entre les états d’alerte et de fatigue montrent une différence caractéristique apparente. La différence de PSD entre les états d’alerte et de fatigue du sujet 3 est également plus significative par rapport aux distributions de PSD du sujet 1. Ceci est cohérent avec les résultats du tableau1lors de l’utilisation du classificateur RBF-TLLH, c’est-à-dire que la précision de classification moyenne obtenue dans le sujet 3 (100 %) est supérieure à celle obtenue dans le sujet 1 (89,58 %). De plus, en ce qui concerne les distributions PSD des sujets pendant l’état de fatigue, la bande alpha des signaux EEG transporte la majorité des informations parmi l’ensemble des distributions PSD. Ces résultats confirment que l’EEG présente une différence distincte de caractéristiques entre les états d’alerte et de fatigue, démontrant la faisabilité de l’utilisation de l’EEG comme approche efficace pour détecter la fatigue au volant.Figure 8

ILLUSTRATION 8. Distributions de densité spectrale de puissance (PSD) des signaux EEG pour les sujets 1 et 3.(A) Distributions PSD de la bande alpha des signaux EEG dans l’état d’alerte (a1) et dans l’état de fatigue (a2). Distributions PSD de la bande entière des signaux EEG en état d’alerte (a3) ​​et en état de fatigue (a4) pour le sujet 1. (B) Distributions PSD de la bande alpha des signaux EEG en état d’alerte (b1) et en état de fatigue (b2). Distributions PSD de toute la bande des signaux EEG dans l’état d’alerte (b3) et dans l’état de fatigue (b4) pour le sujet 3.

Bien que les signaux EEG fournissent des caractéristiques distinctes associées aux états d’alerte et de fatigue du cerveau, il est toujours nécessaire et critique de développer un classificateur performant afin de surveiller l’altération de l’état du cerveau pendant la conduite. Des études ont démontré que le réseau neuronal RBF est un classificateur prometteur en raison de sa structure de réseau linéaire dans les paramètres, de sa forte capacité d’approximation non linéaire et de sa propriété de généralisation nécessaire (Li Y. et al., 2017Bose et al., 2019Li et al., 2019). Les performances du réseau RBF dépendent fortement du nombre de nœuds cachés, des vecteurs considérables et des poids de sortie. Ces paramètres peuvent être informés à l’aide de certaines méthodes d’optimisation globale ; Cependant, l’optimisation directe de tous les paramètres à l’aide de l’algorithme d’optimisation globale est entraînée par le coût d’évaluation élevé et la convergence lente. Cette étude vise à améliorer les performances du modèle de classification de la fatigue au volant basé sur l’EEG en utilisant un réseau RBF à hiérarchie d’apprentissage à deux niveaux (RBF-TLLH). Le RBF-TLLH est intégré en intégrant l’algorithme ROLS+D-opt, qui combine les moindres carrés orthogonaux régularisés et le plan expérimental de D-optimalité au niveau inférieur et le PSO au niveau supérieur.

Au niveau inférieur du RBF-TLLH, l’algorithme d’apprentissage ROLS + D-opt est utilisé. Avec l’algorithme d’apprentissage ROLS + D-opt, tous les centres candidats du réseau RBF sont choisis parmi les vecteurs d’entrée des échantillons d’apprentissage, et les poids de sortie dans (1) peuvent être obtenus par un algorithme d’apprentissage linéaire (Chen et al., 2003 ). De plus, toute la procédure de construction du modèle de réseau RBF se termine automatiquement lorsque la condition (6) est atteinte. Par conséquent, il ne reste que trois paramètres dans l’algorithme ROLS + D-opt, à savoir la largeur uniforme, le paramètre de régularisation et le paramètre de pondération D-optimalité, à déterminer. Au niveau supérieur du RBF-TLLH, le PSO est utilisé. PSO est généralement caractérisé comme un algorithme avec un concept simple, une mise en œuvre facile et une bonne efficacité de calcul(Kennedy et Eberhart, 1995Shi et Eberhart, 1995 ). En tant que méthode d’optimisation intelligente en essaim, PSO a la caractéristique d’un calcul parallèle. Par conséquent, PSO est utilisé pour optimiser les trois paramètres de base de l’algorithme ROLS + D-opt au niveau supérieur, tandis que l’algorithme ROLS + D-opt construit automatiquement des réseaux RBF au niveau inférieur pour améliorer les performances de classification. Comme le montrent les tableaux 12, le réseau RBF obtenu à partir de la hiérarchie d’apprentissage proposée a démontré ses performances supérieures avec une précision de classification moyenne de 92,71 % et une valeur AUC-ROC de 0,9199 par rapport à d’autres méthodes, ce qui en fait un candidat prometteur pour la fatigue au volant. détection à l’avenir.

Les données expérimentales EEG ont été recueillies chez six sujets sains dans un environnement de conduite simulée et ont été utilisées pour évaluer les performances de l’algorithme RBF-TLLH proposé en le comparant à trois autres classificateurs. Les résultats montrent que le RBF-TLLH proposé permet d’obtenir une augmentation substantielle de la précision de la classification par rapport aux autres approches. En particulier, la sensibilité du modèle RBF-TLLH proposé est beaucoup plus élevée que les trois autres méthodes. Les performances de haute sensibilité suggèrent que le système de détection de fatigue de conduite basé sur RBF-TLLH est plus sensible dans la détection des états de fatigue, ce qui est essentiel pour assurer une conduite sûre.

Il convient de noter qu’avant la classification à l’aide de la méthode RBF-TLLH, l’ACP est nécessairement adoptée pour atténuer le problème de haute dimension des signaux EEG multicanaux. Dans cette étude, la méthode PCA a été appliquée pour la réduction de la dimensionnalité des signaux EEG, et les 10 premiers PC de chaque canal ont été sélectionnés pour obtenir une meilleure puissance de détection de la fatigue au volant. Apparemment, le nombre de PC conservés affecterait les performances de l’extraction des caractéristiques, ce qui affecterait davantage les performances du modèle de détection de la fatigue de conduite. Ce nombre de PC préservés est déterminé sur la base de calculs d’essais multiples pour s’assurer que les PC préservés représentent plus de 80 % de la variance totale des signaux d’origine.

Les performances de classification du réseau de neurones sont directement liées à sa structure de réseau et à ses poids. Pour le classificateur ANN, l’ANN avant à trois couches est formé avec 320 nœuds d’entrée, 30 nœuds cachés et un nœud de sortie, ce qui donne 9 661 paramètres de poids et de seuil à optimiser. Il est généralement très difficile de traiter un tel problème d’optimisation de grande dimension pour l’algorithme de rétropropagation (BP) principalement parce que l’algorithme BP basé sur le gradient est sensible aux paramètres initiaux et facilement piégé dans le problème des minima locaux ( McLoone et al., 1998). Le phénomène prématuré et de stagnation se produira également au cours de la dernière étape de l’évolution lorsque le PSO résoudra ce problème complexe. Ces lacunes entraînent finalement la mauvaise performance du classificateur basé sur ANN pour classer la fatigue au volant.

L’efficacité du calcul est également attribuée dans cette étude pour tester la efficacité de l’application du classificateur RBF-TLLH proposée dans la détection de la fatigue au volant en temps réel. Pendant le processus de classification en temps réel, sur la base des caractéristiques obtenues et des paramètres du réseau RBF pour le système de détection, le classificateur peut déterminer rapidement le résultat de la détection de la fatigue au volant grâce à l’équation (1) . Les résultats des tests ont montré que le temps d’exécution n’est que d’environ 0,011 s dans un environnement MATLAB [un processeur Intel(R) Core(TM) i7-4500U à 1,8 GHz, 8 Go de RAM]. Cela s’explique par le fait qu’il n’est pas nécessaire de réentraîner le classificateur pour l’opération de classification en temps réel. Plus précisément,

Malgré les améliorations obtenues dans cette étude, il existe des limites qui peuvent être évoquées dans les études futures. Seuls six sujets ont participé à l’expérience de simulation de la fatigue au volant, de sorte que la taille de l’échantillon de cette étude est faible. Nos efforts futurs seront attribués à la collecte d’un plus grand nombre d’échantillons provenant de tests de fatigue de conduite simulée ou réels afin d’évaluer plus en détail les performances du RBF-TLLH proposées dans la détection de la fatigue de conduite. En outre, les modèles de réseaux neuronaux profonds ont suscité une attention croissante ces dernières années en raison de leur puissante capacité d’ajustement non linéaire, de leur capacité de traitement de données de grande dimension, de leur grande tolérance aux pannes et de leur forte capacité d’extraction de caractéristiques. Le RBF-TLLH proposé sera comparé à des modèles de réseaux neuronaux profonds, tels que le LSTM, afin d’améliorer plus précisément ses performances dans la détection de la fatigue au volant. En outre, des recherches récentes sur l’analyse latente ont prouvé sa puissance dans l’extraction de caractéristiques, et cette méthode sera utilisée dans une étude future(Wu et al., 20192020 ). Enfin, l’étiquetage des états de conduite pour un échantillon de plus grande taille pourrait être coûteux et prendre du temps. Afin de résoudre ce problème, des algorithmes de classification semi-supervisée seront considérés dans les travaux futurs ( She et al., 201820192020abWu et al., 2018ab ).

Conclusion

Dans cette étude, un réseau RBF à hiérarchie d’apprentissage à deux niveaux a été développé pour la détection de la fatigue au volant basée sur l’EEG afin d’optimiser les performances de classification (fatigue vs alerte). Les résultats expérimentaux montrent que la méthode proposée atteint une performance de classification supérieure par rapport aux autres méthodes en termes de précision de prédiction et d’efficacité de calcul. En raison du nombre nettement inférieur de paramètres de base à déterminer pour la formation du classificateur RBF, cette approche proposée présente une excellente facilité d’utilisation et de grandes possibilités d’application potentielles pour la détection de la fatigue au volant à l’avenir.

Déclaration de disponibilité des données

Les données brutes soutenant les conclusions de cet article seront mises à disposition par les auteurs, sans réserve indue.

Déclaration d’éthique

Les études impliquant des participants humains ont été examinées et approuvées par l’hôpital provincial de réadaptation des accidents du travail du Guangdong. Les patients/participants ont fourni leur consentement éclairé écrit pour participer à cette étude.

Les contributions de l’auteur

ZR a conçu cette étude et a contribué à la conception expérimentale. ZR a effectué l’analyse informatique avec l’aide de BC et HZ. CW et YM ont contribué au recrutement des sujets et à la collecte de données. ZR, RL, YL et YZ ont analysé les résultats et préparé le manuscrit. Tous les auteurs ont examiné les résultats et approuvé le manuscrit final.

Financement

Cette étude a été soutenue en partie par la Fondation nationale des sciences naturelles de Chine (n° 51675358), le State Key Laboratory of Robotics and Systems (HIT) (n° SKLRS-2020-KF-01) et l’Université de Houston.

Conflit d’intérêt

Les auteurs déclarent que la recherche a été menée en l’absence de toute relation commerciale ou financière pouvant être interprétée comme un conflit d’intérêts potentiel.

Remerciements

Les auteurs tiennent à remercier le Dr Chuan Zhang pour sa discussion et ses commentaires utiles.

Références

Akerstedt, T., Peters, B., Anund, A., et Kecklund, G. (2005). Altération de la vigilance et des performances lors du retour à la maison après un quart de nuit : une étude sur simulateur de conduite. J. Sleep Res. 14, 17-20. doi : 10.1111/j.1365-2869.2004.00437.x

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Aljarah, I., Faris, H., Mirjalili, S., et AI-Madi, N. (2018). Formation de réseaux de fonctions de base radiale en utilisant un optimiseur basé sur la biogéographie. Calcul neuronal. Appl. 29, 529-553. doi : 10.1007/s00521-016-2559-2

Texte intégral CrossRef | Google Scholar

Artoni, F., Delorme, A., et Makeig, S. (2018). L’application de la réduction de la dimension aux données EEG par l’analyse en caractéristiques principales réduit la qualité de sa décomposition ultérieure en caractéristiques indépendantes. Neuroimage 175, 176-187. doi : 10.1016/j.neuroimage.2018.03.016

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Aruna, DB et Kalaivani, A. (2016). Système de détection et d’avertissement de fatigue du conducteur en temps réel basé sur un réseau de neurones flous utilisant des ondes EEG. Asian J. Res. Soc. Sci. Hum. 6, 791–812. doi : 10.5958/2249-7315.2016.00153.2

Texte intégral de la référence croisée | Google Scholar

Billings, SA et Zheng, GL (1995). Configuration d’un réseau de fonctions à base radiale à l’aide d’algorithmes génétiques. Réseau neuronal. 8, 877–890. doi : 10.1016/0893-6080(95)00029-Y

Texte intégral de la référence croisée | Google Scholar

Bose, R., Wang, H., Dragomir, A., Thakor, N., Bezerianos, A. et Li, J. (2019). Estimation de la fatigue de conduite continue basée sur la régression : vers une mise en œuvre pratique. IEEE Transac. Conn. Dév. Syst. 12, 323–331 doi : 10.1109/TCDS.2019.2929858

Texte intégral de la référence croisée | Google Scholar

Chai, R., Ling, SH, San, PP, Naik, GR, Nguyen, TN, Tran, Y., et al. (2017a). Amélioration de la classification de la fatigue du conducteur basée sur l’EEG à l’aide de réseaux de croyances clairsemés-profonds. De face. Neurosci. 11:103. doi : 10.3389/fnins.2017.00103

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Chai, R., Naik, GR, Nguyen, TN, Ling, SH, Tran, Y., Craig, A., et al. (2017b). Classification de la fatigue du conducteur avec composante indépendante par analyse de minimisation liée au taux d’entropie dans un système basé sur l’EEG. IEEE J. Biomed. Informer sur la santé. 21, 715–724. doi : 10.1109/JBHI.2016.2532354

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Chen, J., Ren, Z. et San, Y. (2008). Une hiérarchie d’apprentissage à deux niveaux pour les réseaux de fonctions à base radiale. Théorie du contrôle Appl. 25, 655–660. doi : 10.7641/j.issn.1000-8152.2008.4.012

Texte intégral de la référence croisée | Google Scholar

Chen, S., Chng, ES et Alkadhimi, K. (1996). Algorithme des moindres carrés orthogonaux régularisés pour la construction de réseaux de fonctions à base radiale. Int. J.Contr. 64, 829–837. doi: 10.1080/00207179608921659

Texte intégral de la référence croisée | Google Scholar

Chen, S., Hong, X. et Harris, C. (2003). Modélisation de régression à noyau creux utilisant des moindres carrés orthogonaux régularisés localement combinés et un plan expérimental D-optimal. IEEE Trans. Automat. Contre. 48, 1029-1036. doi : 10.1109/TAC.2003.812790

Texte intégral de la référence croisée | Google Scholar

Chen, S., Hong, X., Luk, BL et Harris, CJ (2009). Construction de réseaux de fonctions de base radiale accordables à l’aide de la sélection directe orthogonale. IEEE Transac. Syst. Homme Cybernet. Partie B 39, 457–466. doi : 10.1109/TSMCB.2008.2006688

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Chen, S., Wu, Y. et Luk, B. (1999). Optimisation d’algorithmes génétiques combinés et apprentissage par les moindres carrés orthogonaux régularisés pour les réseaux de fonctions à base radiale. IEEE Transac. Réseau neuronal. 10, 1239-1243. doi: 10.1109/72.788663

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

En ligneFawcett, T. (2006). Introduction à l’analyse ROC. Reconnaissance de modèle. Lett. 27, 861–874. doi : 10.1016/j.patrec.2005.10.010

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Gao, Y., Wang, X., Potter, T., Zhang, J. et Zhang, Y. (2020). Essai unique EEG Reconnaissance des émotions à l’aide de l’analyse de causalité/entropie de transfert de Granger. J. Neurosci. Methods 346:108904. doi : 10.1016/j.jneumeth.2020.108904

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

En ligneHong, X., et Harris, C. (2002). Conception et construction de la structure du modèle non linéaire à l’aide des moindres carrés orthogonaux et de la conception D-optimale. IEEE Transac. Réseau neuronal. 13, 1245–1250. doi : 10.1109/TNN.2002.1031959

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Hong, X., Harris, CJ, Chen, S. et Sharkey, PM (2003). Méthodes d’identification de modèles non linéaires robustes utilisant la régression directe. IEEE Transac. Syst. Homme Cybernet. Partie A Syst. Hum. 33, 514–523. doi : 10.1109/TSMCA.2003.809217

Texte intégral de la référence croisée | Google Scholar

En ligneHotelling, H. (1933). Analyse d’un complexe de variables statistiques en composantes principales. J. Educ. Psychol. 24, 417–441. doi : 10.1037/h0071325

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Hsieh, CS et Tai, CC (2013). Un système de détection de durée de clignement des yeux amélioré et portable pour avertir de la fatigue du conducteur. Instrument. Sci. Technol. 41, 429–444. doi : 10.1080/10739149.2013.796560

Texte intégral de la référence croisée | Google Scholar

Hu, S., et Zheng, G. (2009). Détection de la somnolence du conducteur avec des paramètres liés aux paupières par une machine à vecteurs de support. Système expert. Appl. 36, 7651–7658. doi : 10.1016/j.eswa.2008.09.030

Texte intégral de la référence croisée | Google Scholar

Huang, KC, Huang, TY, Chuang, CH, King, JT, Wang, YK, Lin, CT, et al. (2016). Un système de détection et d’atténuation de la fatigue basé sur l’EEG. Int. J. Neural Syst. 26:1650018. doi: 10.1142/S0129065716500180

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Jimenez-Pinto, J., et Torres-Torriti, M. (2012). Points saillants du visage et suivi des yeux pour une détection robuste de la somnolence. Robotica 30, 731–741. doi: 10.1017/S0263574711000749

Texte intégral de la référence croisée | Google Scholar

Jung, S., Shin, H. et Chung, W. (2014). Système de surveillance de la fatigue et de la somnolence du conducteur avec capteur d’électrocardiogramme intégré au volant. IET Intellig. Système de transport 8, 43–50. doi : 10.1049/iet-its.2012.0032

Texte intégral de la référence croisée | Google Scholar

Kennedy, J., et Eberhart, R. (1995). Optimisation des essaims de particules. Proc. ICNN’95 Int. Conf. Réseau neuronal. 4, 1942–1948. doi : 10.1109/ICNN.1995.488968

Texte intégral de la référence croisée | Google Scholar

Lever, J., Krzywinski, M. et Altman, N. (2017). Analyse des composants principaux. Nat. Méthode 14, 641–642. doi : 10.1038/nmeth.4346

Texte intégral de la référence croisée | Google Scholar

Li, C., et Liu, X. (2016). « Un réseau neuronal PSO-BP amélioré et son application à la prévision des tremblements de terre », dans 2016 Chinese Control and Decision Conference (CCDC) (Yinchuan : IEEE), 3434–3438. doi : 10.1109/CCDC.2016.7531576

Texte intégral de la référence croisée | Google Scholar

Li, Y., Cui, WG, Huang, H., Guo, YZ, Li, K. et Tan, T. (2019). Détection des crises d’épilepsie dans les signaux EEG à l’aide de réseaux de fonctions de base radiales multi-échelles clairsemés et de l’approche vectorielle de Fisher. Savoir. Syst. 164, 96–106. doi : 10.1016/j.knosys.2018.10.029

Texte intégral de la référence croisée | Google Scholar

Li, Y., Wang, XD, Luo, ML, Li, K., Yang, XF et Guo, Q. (2017). Classification des crises d’épilepsie des EEG à l’aide de fonctions de base radiales multi-échelles basées sur l’analyse temps-fréquence. IEEE J. Biomed. Informations sur la santé. 22, 386–397. doi : 10.1109/JBHI.2017.2654479

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Li, Z., Chen, L., Peng, J. et Wu, Y. (2017). Détection automatique de la fatigue du conducteur à l’aide d’informations sur les opérations de conduite pour la sécurité des transports. Capteurs 17:1212. doi : 10.3390/s17061212

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Ma, Y., Chen, B., Li, R., Wang, C., Wang, J., She, Q., et al. (2019). Détection de la fatigue au volant à partir de l’EEG à l’aide d’une méthode PCANet modifiée. Calcul. Intellig. Neurosci. 2019:4721863. doi: 10.1155/2019/4721863

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Ma, Y., Zhang, S., Qi, D., Luo, Z., Li, R., Potter, T., et al. (2020). Conduire la détection de la somnolence avec l’EEG à l’aide d’un algorithme de machine d’apprentissage extrême hiérarchique modifié avec optimisation de l’essaim de particules : une étude pilote. Électronique 9:775. doi : 10.3390/électronique9050775

Texte intégral de la référence croisée | Google Scholar

MacKayi, DJC (1992). Interpolation bayésienne. Calcul neuronal. 4, 415–447. doi : 10.1162/neco.1992.4.3.415

Texte intégral de la référence croisée | Google Scholar

Masic, N., et Pfurtscheller, G. (1993). Classification basée sur le réseau neuronal des données EEG d’un seul essai. Artef. Renseignement. Méd. 5, 503–513 doi : 10.1016/0933-3657(93)90040-A

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

McLoone, S., Brown, MD, Irwin, G. et Lightbody, A. (1998). Un algorithme de formation hybride linéaire / non linéaire pour les réseaux de neurones à anticipation. IEEE Transac. Réseau neuronal. 9, 669–684. doi: 10.1109/72.701180

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Michielsen, HJ, Vries, JD, Heck, GLV, de Vijver, FV et Sijtsma, K. (2004). Examen de la dimensionnalité de la fatigue : la construction de l’échelle d’évaluation de la fatigue (FAS). EUR. J. Psychol. Évaluer. 20, 39–48. doi : 10.1027/1015-5759.20.1.39

Texte intégral de la référence croisée | Google Scholar

Nguyen, T., Zhou, T., Potter, T., Zou, L. et Zhang, Y. (2019). Le réseau cortical de la régulation des émotions : aperçus de l’analyse d’intégration EEG-fMRI avancée. IEEE Trans. Méd. Imagerie 38, 2423–2433. doi: 10.1109/TMI.2019.2900978

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

O’Hanlon, JF, et Kelley, GR (1977). « Comparaison des performances et des changements physiologiques entre les conducteurs qui performent bien et mal lors d’une utilisation prolongée d’un véhicule », dans Vigilance. Série de conférences de l’OTAN, Vol 3, ed RR Mackie (Boston, MA : Springer). p. 189–202.

Google Scholar

Petković, D., Gocic, M., Shamshirband, S., Qasem, SN et Trajkovic, S. (2016) Réseau de fonctions à base radiale basé sur l’optimisation d’un essaim de particules pour l’estimation de l’évapotranspiration de référence. Théorique. Appl. Climatol. 125, 555–563. doi : 10.1007/s00704-015-1522-y

Texte intégral de la référence croisée | Google Scholar

Picot, A., Charbonnier, S. et Caplier, A. (2012). Détection en ligne de la somnolence à l’aide d’informations cérébrales et visuelles. IEEE Transac. Syst. Homme Cybern.Partie A Syst. Hum. 42, 764–775. doi : 10.1109/TSMCA.2011.2164242

Texte intégral de la référence croisée | Google Scholar

Sahayadhas, A., Sundaraj, K. et Murugappan, M. (2012). Détecter la somnolence du conducteur à l’aide de capteurs : bilan. Capteurs 12, 16937–16953. doi : 10.3390/s121216937

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Elle, Q., Chen, K., Luo, Z., Nguyen, T., Potter, T. et Zhang, Y. (2020a). Apprentissage actif à double critère pour les interfaces cerveau-ordinateur multiclasses. Calcul. Renseignement. Neurosci. 2020:3287589. doi: 10.1155/2020/3287589

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Elle, Q., Hu, B., Gan, H., Fan, Y., Nguyen, T., Potter, T., et al. (2018). Machine d’apprentissage extrême semi-supervisée sécurisée pour la classification des signaux EEG. Accès IEEE 6, 49399–49407. doi: 10.1109/ACCESS.2018.2868713

Texte intégral de la référence croisée | Google Scholar

Elle, Q., Hu, B., Luo, Z., Nguyen, T. et Zhang, Y. (2019). Une méthode de machine d’apprentissage extrême semi-supervisée hiérarchique pour la reconnaissance EEG. Méd. Biol. Ing. Calcul. 57, 147–157. doi : 10.1007/s11517-018-1875-3

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Elle, Q., Zou, J., Luo, Z., Nguyen, T., Li, R. et Zhang, Y. (2020b). Classification EEG d’imagerie motrice multi-classes utilisant une machine d’apprentissage extrême semi-supervisée basée sur la représentation collaborative. Méd. Biol. Ing. Calcul. 58, 2119–2130. doi : 10.1007/s11517-020-02227-4

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Shi, Y., et Eberhart, R. (1995). « Un optimiseur d’essaim de particules modifié », en 1998 IEEE International Conference on Evolutionary Computation Proceedings. IEEE World Congress on Computational Intelligence (Cat. No.98TH8360) (Anchorage, AK), 69–73. doi: 10.1109/ICEC.1998.699146

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Sikander, G., et Anwar, S. (2019). Systèmes de détection de la fatigue du conducteur : un bilan. IEEE Transac. Intellig. Le transport. Syst.s 20, 2339–2352. doi: 10.1109/TITS.2018.2868499

Texte intégral de la référence croisée | Google Scholar

Simon, M., Schmidt, EA, Kincses, WE, Fritzsche, M., Bruns, A., Aufmuth, C., et al. (2011). Mesures du fuseau EEG alpha comme indicateurs de la fatigue du conducteur dans des conditions de circulation réelles. Clin. Neurophysiol. 122, 1168–1178. doi : 10.1016/j.clinph.2010.10.044

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Vuckovic, A., Radivojevic, VCN, Chen, A. et Popovic, D. (2002). Reconnaissance automatique de la vigilance et de la somnolence à partir de l’EEG par un réseau de neurones artificiels. Méd. Ing. Phys. 24, 349–360. doi : 10.1016/S1350-4533(02)00030-9

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Wu, D., Luo, X., Shang, M., He, Y., Wang, G. et Wu, X. (2020). Un modèle de facteur latent sensible aux caractéristiques des données pour la prédiction de la qualité de service des services Web. IEEE Trans. Savoir. Data Eng. 32:1. doi : 10.1109/TKDE.2020.3014302

Texte intégral de la référence croisée | Google Scholar

Wu, D., Luo, X., Shang, M., He, Y., Wang, G. et Zhou, M. (2019). Un modèle de facteur latent profond pour les matrices de grande dimension et clairsemées dans les systèmes de recommandation. IEEE Transac. Syst Man Cybernet. Syst. 50, 1–12. doi : 10.1109/TSMC.2019.2931393

Texte intégral de la référence croisée | Google Scholar

Wu, D., Luo, X., Wang, G., Shang, M., Yuan, Y. et Yan, H. (2018a). Un cadre très précis pour la classification semi-supervisée auto-étiquetée dans les applications industrielles. IEEE Transac. Industrie. Inform. 14, 909–920. doi : 10.1109/TII.2017.2737827

Texte intégral de la référence croisée | Google Scholar

Wu, D., Shang, M., Luo, X., Xu, J., Yan, H., Den, W., et al. (2018b). Classification semi-supervisée par auto-apprentissage basée sur des pics de densité de données. Neuroinformatique 275, 180–191. doi : 10.1016/j.neucom.2017.05.072

Texte intégral de la référence croisée | Google Scholar

Yang, G., Lin, Y. et Bhattacharya, P. (2010). Un modèle de reconnaissance de la fatigue du conducteur basé sur la fusion d’informations et un réseau bayésien dynamique. Inf. Sci . 180, 1942–1954. doi : 10.1016/j.ins.2010.01.011

Texte intégral de la référence croisée | Google Scholar

Zaw, T., Tun, KMM et Oo, AN (2019). « Prévision des prix par modèle de réseau neuronal à rétropropagation », dans 2019 Conférence internationale sur les technologies de l’information avancées (ICAIT) (Yangon : IEEE), 84–89. doi : 10.1109/AITC.2019.8921396

Texte intégral de la référence croisée | Google Scholar

Zhang, L. et Pu, J. (2020). « Un réseau de neurones à rétropropagation amélioré dans la reconnaissance d’objets », en 2011 Conférence internationale IEEE sur l’automatisation et la logistique (ICAL) (IEEE), 507–511.

Google Scholar

Zhao, C., Zhao, M., Yang, Y., Gao, J., Rao, N. et Lin, P. (2017). La réorganisation des réseaux cérébraux humains modulée par la fatigue mentale motrice. IEEE J. Biomed. Informations sur la santé . 21, 743–755. doi : 10.1109/JBHI.2016.2544061

Résumé PubMed | Texte intégral de la référence croisée | Google Scholar

Mots-clés : détection de la fatigue au volant, électroencéphalographie, analyse en composantes principales, fonction de base radiale, réseau de neurones, classification

Citation : Ren Z, Li R, Chen B, Zhang H, Ma Y, Wang C, Lin Y et Zhang Y (2021) Détection de la fatigue au volant basée sur l’EEG à l’aide d’une fonction de base radiale de hiérarchie d’apprentissage à deux niveaux. De face. Neurorobot. 15:618408. doi : 10.3389/fnbot.2021.618408

Reçu : 16 octobre 2020 ; Accepté : 05 janvier 2021 ;
Publié : 11 février 2021.

Édité par:Mukesh Prasad , Université de technologie de Sydney, Australie

Revue par:Devika Chhachhiya , Maharshi Dayanand University, Inde

Di Wu , Chongqing Institute of Green and Intelligent Technology (CAS), Chine

Copyright © 2021 Ren, Li, Chen, Zhang, Ma, Wang, Lin et Zhang. Il s’agit d’un article en libre accès distribué sous les termes de la licence Creative Commons Attribution (CC BY) . L’utilisation, la distribution ou la reproduction dans d’autres forums est autorisée, à condition que le ou les auteurs originaux et le ou les titulaires des droits d’auteur soient crédités et que la publication originale dans cette revue soit citée, conformément à la pratique académique acceptée. Aucune utilisation, distribution ou reproduction non conforme à ces conditions n’est autorisée.

*Correspondance : Yingchun Zhang, yzhang94@uh.edu

Avis de non-responsabilité : toutes les affirmations exprimées dans cet article sont uniquement celles des auteurs et ne représentent pas nécessairement celles de leurs organisations affiliées, ni celles de l’éditeur, des éditeurs et des réviseurs. Tout produit pouvant être évalué dans cet article ou toute réclamation pouvant être faite par son fabricant n’est ni garanti ni approuvé par l’éditeur.

Détection de la somnolence du conducteur

Sauter à la navigationSauter à la recherche

La détection de la somnolence du conducteur est une technologiedesécuritéautomobilequi permet de prévenir les accidents provoqués par la somnolence du conducteur. Diverses études ont proposé qu’environ 20 % de tous les accidents de la route soient liés à la fatigue, jusqu’à 50 % sur certaines routes. [ 1] [2 ]

Certains systèmes actuels donnent les habitudes du conducteur et peuvent détecter quand un conducteur commence à somnoler.

Contenu

Technologie [modifier]

Diversestechnologiespeuventêtreutiliséespourtenterdedétecterlasomnolence du conducteur. [3]

Surveillance de la direction [modifier]

Utiliser principalement les données de direction du système de direction assistée électrique. La surveillance d’un conducteur de cette manière ne fonctionne que si le conducteur dirige le véhicule au lieu d’utiliserunsystème automatique de maintien dans la voie[1]

Position du véhicule dans le contrôle de trajectoire [modifier]

Utiliser une caméra de surveillance de voie. Ce type de surveillance ne fonctionne que si le conducteur dirige son véhicule au lieu d’utiliser un système automatique de maintien dans la voie. [ 4]

Surveillance de l’œil/du visage du conducteur [modifier]

Utilisez la vision par ordinateur pour observer le visage du conducteur, soit à l’aide d’une caméra intégrée [5 ], soit sur des appareils mobiles. [6] [7 ]

Mesure physiologique [modifier]

Requiert des capteurs corporels pour mesurer des paramètres tels que l’activité cérébrale, la fréquence cardiaque, la conductivité de la peau, l’activité musculaire, les mouvements de la tête, etc…

Systèmes [modifier]

  • AudiSystème de recommandation de repos [8]
  • BMWActive Driving Assistant avec Attention Assistant analyse le comportement de conduite et, si nécessaire, conseille au conducteur de se reposer. Le conseil de faire une pause est fourni sous la forme de symboles graphiques affichés sur l’écran de contrôle. [9]
  • Bosch: La « détection de la somnolence du conducteur » [10] use les données du capteur d’angle de braquage, de la caméra d’assistance au maintien de la trajectoire montée à l’avant, de la vitesse du véhicule et de la tige de clignotant.
  • CitroënAFIL/LDWS utilisent différentes technologies pour surveiller la position du véhicule sur la route. Certains modèles utilisent des capteurs montés devant les roues avant, qui surveillent le marquage des voies. D’autres modèles utilisent une caméra montée en haut au centre du pare-brise dans le même but. Les deux systèmes alertent le conducteur par des vibrations dans le siège du conducteur, sur la moitié gauche ou droite du coussin du siège, respectivement. [11] Introduction avec le modèle2005C4, suivi plus tardpar2008C5et2013C4 Picasso.
  • DS:
    • AFIL/LDWS[12] Le système d’avertissement de sortie de voie émet un rappel sonore si vous vous éloignez de votre voie.
    • DS DRIVER ATTENTION MONITORING [13] identifie toute diminution de la vigilance du conducteur. Grâce à une caméra infrarouge située au-dessus du volant, DS DRIVER ATTENTION MONITORING surveille en permanence : les yeux à la recherche de signes de fatigue (clignotement) ; les mouvements du visage et de la tête pour des signes de distraction ; et la trajectoire suivie par la voiture dans sa voie de circulation (déviations ou mouvements de braquage du conducteur).
  • FordDriver Alert[14] introduit avec la Ford Focus 2011 .
  • Honda: CRV a introduit le Driver Attention Monitor en 2017. [15] Il est également proposé sur l’Accord 2018 . 16]
  • HyundaiDriver Attention Alert (DAA) , lancé avec la i30 2017 .
  • Jaguar Land RoverDriver Condition Monitor et Driver Fatigue Alert, qui présentent tous deux la technique de conduite pour détecter les signes de fatigue du conducteur. Lorsque le dispositif détermine que le conducteur est fatigué, le centre de messages affiche l’avertissement « FAITES UNE PAUSE » pendant une minute, accompagné d’un carillon sonore. Si le conducteur continue à conduire pendant plus de 15 minutes après le premier avertissement, sans faire de pause, un autre avertissement est émis. L’avertissement se poursuit jusqu’à ce que vous appuyiez sur le bouton OK de la commande de menu au volant.
  • KiaDriver Attention Warning (DAW) , lancé avec la Stinger 2018 .
  • MazdaAlerte à l’attention du conducteur [17] S’active à des vitesses supérieures à 65 kilomètres à l’heure (40 mph). Apprend le comportement de conduite grâce à l’entrée de la direction et à la position de la route au début du trajet et compare les données apprises au cours des étapes ultérieures du trajet. Une différence supérieure à un certain seuil déclenche un signal sonore et visuel. Lancé sur le Mazda CX-5 2015.
  • Mercedes-BenzAide à l’attention [18] En 2009,Mercedes-Benza dévoilé un système appelé Attention Assist qui surveille le niveau de fatigue et la somnolence du conducteur en fonction de ses entrées de conduite. Il émet une alarme visuelle et sonore pour alerter le conducteur s’il est trop somnolent pour continuer à conduire. Il est lié au système de navigation de la voiture et, à l’aide de ces données, il peut indiquer au conducteur où le café et le carburant sont disponibles. [19]
  • CadillacGM 2018 Cadillac CT6 Super Cruise System, Le système Cadillac Super Cruise utilise la technologie de vision FOVIO, développéeparSeeing Machines, pour permettre à une caméra infrarouge de la taille d’une boule de gomme sur la colonne de direction de déterminer avec précision l’état d’attention du conducteur. Ceci est accompli grâce à une mesure précise de l’orientation de la tête et des mouvements des paupières dans une gamme complète de conditions de conduite diurnes et nocturnes, y compris l’utilisation de lunettes de soleil.
  • NissanDriver Attention Alert (DAA)[20] a fait ses débuts avec le Qashqai 2014 , suivi de la Maxima 2016 .
  • Renault/DaciaAvertissement de détection de fatigue (TDW), introduit avec2016Megane.
  • SubaruAide à la conduite EyeSight
  • ŠkodaiBuzz Fatigue Alert (disponible sur la plupart des modèles depuis 2013)
  • VolkswagenSystème de détection de fatigue [21]
  • Volvo CarsDriver Alert Control [22] En 2007, Volvo Cars a lancé le premier système de détection de somnolence du conducteur au monde, Driver Alert Control. Le système surveille les mouvements de la voiture et évalue si le véhicule est conduit de manière contrôlée ou non. Si le système détecte un risque élevé de somnolence du conducteur, celui-ci est alerté par un signal sonore. De plus, un message texte apparaît sur l’écran d’information de la voiture, l’alertant avec un symbole de tasse de café pour faire une pause. De plus, le conducteur peut récupérer en permanence des informations de conduite à partir de l’ordinateur de bord de la voiture. Le point de départ est de cinq mesures. Moins la conduite est régulière, moins il reste de barres.
  • Anti Sleep Pilot – Dispositif danois qui peut être installé sur n’importe quel véhicule, utilise une combinaison d’accéléromètres et de tests de réaction. [23]
  • Vigo – Casque Bluetooth intelligent qui détecte les signes de somnolence à travers les yeux et les mouvements de la tête, et utilise une combinaison de lumière, de son et de vibrations pour alerter l’utilisateur. [24]
  • COREforTech – La mesure des signes physiologiques de somnolence permet à CORE for Tech ™ d’obtenir des signes de fatigue très précoces et d’agir en conséquence [25]

Règlement [ modifier ]

Dans l’Union européenne, le règlement (UE) 2019/2144 réglemente le système de surveillance du conducteur. [26]

avertissement de somnolence et d’attention du conducteur: un système qui déclenche la vigilance du conducteur par l’analyse des systèmes du véhicule et qui avertit le conducteur si nécessaire.-règlement (UE) 2019/2144

Les systèmes d’avertissement de somnolence et d’attention du conducteur et les systèmes avancés d’avertissement de distraction du conducteur sont conçus de manière à ce que ces systèmes n’enregistrent ni ne conservent en permanence aucune autre donnée que celles nécessaires aux ailettes pour elles ont été consommées ou consommées d’une autre manière dans le système en boucle fermée. En outre, ces données ne sont à aucun moment accessibles ou mises à la dispositiondetierset sont immédiatement effacées après traitement. Ces systèmes sont également conçus de manière à éviter tout chevauchement et ne doivent pas inciter le conducteur à agir séparément et simultanément ou de manière confuse lorsqu’une action déclenche les deux systèmes.— règlement (UE) 2019/2144

Voir aussi [ modifier ]

Références [ modifier ]

  1. ^Passez à :b « FATIGUE DES CONDUCTEURS ET ACCIDENTS DE LA ROUTE UNE REVUE DE LA LITTÉRATURE et DOCUMENT DE POSITIONNEMENT » (PDF). Société royale pour la prévention des accidents. Février 2001.Archivédel’original (PDF)le 2017-03-01. Récupéré le 28/02/2017.
  2. « 4.1.03. Système de détection de somnolence du conducteur pour les voitures » . Récupéré le 05/11/2015.
  3. ^ Sgambati, Frank, Détection de la somnolence du conducteur
  4. ^ Hupp, Stephen L. (octobre 1998). « Documents de repère dans l’histoire américaine. Version 2.0 ». Examen des ressources électroniques2 (10): 120–121.doi10.1108/err.1998.2.10.120.111.ISSN 1364-5137.
  5. ^ Walger, DJ; Breckon, TP; Gaszczak, A.; Popham, T. (novembre 2014). « Une comparaison des fonctionnalités pour l’estimation de la pose de la tête du conducteur basée sur la régression dans des conditions d’éclairage variables » (PDF) . Proc. Atelier international sur l’intelligence computationnelle pour la compréhension multimédia . IEEE : 1–5. doi : 10.1109/IWCIM.2014.7008805 . ISBN  978-1-4799-7971-4S2CID  14928709 . walger14pose de tête.
  6. ^ Wijnands, JS; Thompson, J.; Bien, KA ; Aschwanden, GDPA ; Stevenson, M. (2019). « Surveillance en temps réel de la somnolence du conducteur sur des plateformes mobiles utilisant des réseaux de neurones 3D ». Informatique neuronale et applications . 32 (13): 9731–9743. arXiv : 1910.06540 ​​. Bib code : 2019arXiv191006540W . doi : 10.1007/s00521-019-04506-0 . S2CID 204459652 . 
  7. ^ Hossain, MON; George, FP (2018). « Système de détection de conduite somnolente en temps réel basé sur IOT pour la prévention des accidents de la route ». Conférence internationale 2018 sur l’informatique intelligente et les sciences biomédicales (ICIIBMS) . 3 : 190–195. doi : 10.1109/ICIIBMS.2018.8550026 . ISBN 978-1-5386-7516-8S2CID  54442702 .
  8. ^ https://www.audi-mediaservices.com/publish/ms/content/en/public/hintergrundberichte/2012/03/05/a_statement_about/driver_assistance.html Archivé le 30/12/2014 à la Wayback Machine Systèmes d’assistance au conducteur
  9. « Mesures de mise à niveau du modèle BMW prenant effet à partir de l’été 2013 ». BMW. 2013-06-05 . Récupéré le 05/11/2015.
  10. « Détection de la somnolence du conducteur »Robert Bosch GmbH . Récupéré le 05/11/2015.
  11. « AFIL/LDWS (dépendant du pays) ».
  12. « AFIL/LDWS (dépendant du pays) ».
  13. ^ DS Official (2017-03-07), DS DRIVER ATTENTION MONITORINGarchivé de l’original le 2021-12-20 , récupéré le 08/03/2017
  14. « ALERTE CONDUCTEUR » . Archivé de l’original le 13/05/2011.
  15. « Moniteur d’attention du conducteur | 2017 Honda CR-V | Site des propriétaires de Honda » . propriétaires.honda.com . Récupéré le 23/03/2018 .
  16. « Kit de presse Honda Accord 2018 – Sécurité et assistance au conducteur » . propriétaires.honda.com . Récupéré le 23/03/2018 .
  17. « Alerte à l’attention du conducteur – Mazda i-ACTIVSENSE » .
  18. « ATTENTION ASSIST : le système de détection de somnolence avertit les conducteurs pour les empêcher de s’endormir momentanément » . Archivé de l’original le 26 février 2012 . Récupéré le 18 février 2010 .
  19. ^ Les fonctionnalités de conduite autonome de Mercedes-Benz dominent l’industrie – et le resteront pendant des années
  20. « 2016 Nissan Maxima » Voiture de sport 4 portes « fait ses débuts mondiaux au Salon international de l’auto de New York » . Salle de presse en ligne de Nissan . 2 avril 2015 . Récupéré le 4 avril 2015 .
  21. « Détection de fatigue » . Récupéré le 6 août 2014 .
  22. « Volvo Cars introduit de nouveaux systèmes pour alerter les conducteurs fatigués et distraits » . Récupéré le 28 août 2007 .
  23. ^ Coxworth, Ben (3 janvier 2011). « Anti Sleep Pilot détecte les conducteurs somnolents » . Gizmag.
  24. « Le casque Bluetooth Vigo sait quand vous êtes fatigué avant de le faire » . Récupéré le 20 mars 2014 .
  25. « Nouvelles de COREforTech » .
  26. « EUR-Lex – 32019R2144 – FR – EUR-Lex » .

Le Covid long, maladie méconnue dans les entreprises

Alors qu’elle concerne plus de 2 millions de Français, peu d’organisations ont fait une place à cette affection complexe au sein de leur politique de santé au travail.

Par François Desnoyers Publié le 28 septembre 2022 à 05h00 Mis à jour le 28 septembre 2022 à 17h52

La Défense, Paris, le 7 octobre 2020.
La Défense, Paris, le 7 octobre 2020. CHRISTOPHE ARCHAMBAULT / AFP

Il décrit cette ronde infernale comme « un manège ». Extrême fatigue, problèmes de concentration, de mémorisation, courbatures, essoufflement… Au total, Gérard (le prénom a été modifié), cadre dans une société spécialisée dans les ressources humaines, a recensé quarante-trois symptômes. Depuis la fin 2020, il est touché par une forme grave de Covid long – un terme qui désigne la persistance de séquelles plusieurs semaines voire mois après avoir contracté le virus – et voit les souffrances s’enchaîner d’un jour à l’autre, de manière aléatoire.

Après dix-sept mois d’arrêt, il a repris le travail début mai, en mi-temps thérapeutique. « La situation est compliquée au bureau », résume-t-il. En premier lieu parce que « [sa] maladie ne se voit pas : c’est un handicap invisible ». Il raconte le regard suspicieux d’un collègue, l’incrédulité de sa responsable hiérarchique, pour qui une reprise à temps plein aurait été préférable. « Elle ne s’intéresse pas à mes problèmes de santé et croit que je suis dans un état dépressif. » Gérard estime aujourd’hui avoir été « placardisé ». « Mon mi-temps ne me permettant pas de réaliser des procédures de recrutement complètes, on m’a confié des tâches administratives que je réalisais au début de ma carrière », déplore-t-il. Lire aussi : Article réservé à nos abonnés « Santé psychologique au travail et Covid-19 » : des pistes pour faire face au bouleversement de la vie professionnelle

Si elle est peu évoquée en entreprise, la maladie concerne pourtant « une part importante de la population française », indique Santé publique France. Son étude, publiée au printemps, précise ainsi que 2,06 millions de personnes de plus de 18 ans étaient atteintes d’une affection post-Covid-19 début avril, en se fondant sur les critères de l’Organisation mondiale de la santé (symptômes présents au moins trois mois après l’infection).

Les personnes touchées en conviennent : le Covid long est une maladie largement méconnue en entreprise. Cela peut entraîner, parfois, des tensions, comme dans la société de Gérard. Plus généralement, cette ignorance n’incite pas à la discussion, et place fréquemment les malades en situation d’isolement. Lire aussi : Article réservé à nos abonnés Le monde du travail à l’heure des grandes solitudes

Ils pâtissent du manque de recul sur le Covid long, mais aussi de sa complexité, la maladie pouvant prendre de multiples formes d’une intensité variable (fatigue extrême, troubles digestifs, perte d’attention, troubles neurologiques, problème de vue…). Au total, 203 symptômes ont été recensés. Un collectif de malades, l’association ApresJ20, déplore en outre un manque de communication des pouvoirs publics sur la question.

Des situations très diverses

Le sujet n’est donc pas de ceux qui animent les équipes RH. « Je n’ai pas de remontées et de questionnement des directeurs des ressources humaines à ce propos, je n’en ai pas entendu parler », résume Benoît Serre, vice-président de l’association nationale des DRH. « La question n’est vraiment pas prise en main par les entreprises », abonde le cadre supérieur d’un grand groupe.

Grappes de symptômes et Travail

Séquelles post-aiguës du covid-19 six à 12 mois après l’infection : étude basée sur la population

BMJ 2022 ; 379 doi : https://doi.org/10.1136/bmj-2022-071050 (Publié le 13 octobre 2022)Citer ceci comme suit : BMJ 2022;379:e071050

  1. Raphael S Peter , chercheur associé principal 1 ,   
  2. Alexandra Nieters , professeure associée 2 ,   
  3. Hans-Georg Kräusslich , professeur 3 ,   
  4. Stefan O Brockmann , chef 4 ,   
  5. Siri Göpel , médecin -chef 5 ,   
  6. Gerhard Kindle , chercheur associé senior 2 ,   
  7. Uta Merle , médecin-chef 6 ,   
  8. Jürgen M Steinacker , professeur 7 ,   
  9. Dietrich Rothenbacher , professeur 1 ,   
  10. Winfried V Kern , professeur 8
  11. au nom du groupe d’étude EPILOC Phase 1
  1. Correspondance avec : WV Kern winfried.kern@uniklinik-freiburg.de (ou @WinfriedKern sur Twitter)
  • Accepté le 22 août 2022

Résumé

Objectifs Décrire les symptômes et les groupes de symptômes du syndrome post-covid six à 12 mois après une infection aiguë, décrire les facteurs de risque et examiner l’association des groupes de symptômes avec l’état de santé général et la capacité de travail.

Conception Étude transversale basée sur la population

Contexte Adultes âgés de 18 à 65 ans avec une infection confirmée par le SRAS-CoV-2 entre octobre 2020 et mars 2021 notifiée aux autorités sanitaires dans quatre régions géographiquement définies du sud de l’Allemagne.

Participants 50 457 patients ont été invités à participer à l’étude, dont 12 053 (24 %) ont répondu et 11 710 (58,8 % (n = 6 881) femmes ; âge moyen 44,1 ans ; 3,6 % (412/11 602) précédemment admis avec covid-19 ; durée moyenne de suivi 8,5 mois) pourraient être inclus dans les analyses.

Principaux critères de jugement : Fréquences des symptômes (six à 12 mois après versus avant l’infection aiguë), gravité et regroupement des symptômes, facteurs de risque et associations avec le rétablissement général de la santé et la capacité de travail.

Résultats Les groupes de symptômes fatigue (37,2 % (4213/11 312), intervalle de confiance à 95 % 36,4 % à 38,1 %) et troubles neurocognitifs (31,3 % (3561/11 361), 30,5 % à 32,2 %) ont le plus contribué à réduire le rétablissement de la santé et la capacité de travail, mais les symptômes thoraciques, l’anxiété/la dépression, les maux de tête/vertiges et les syndromes douloureux étaient également prévalents et pertinents pour la capacité de travail, avec quelques différences selon le sexe et l’âge. En considérant les nouveaux symptômes avec au moins une altération modérée de la vie quotidienne et ≤ 80 % de récupération de l’état général ou de la capacité de travail, l’estimation globale du syndrome post-covid était de 28,5 % (3289/11 536, 27,7 % à 29,3 %) parmi les participants ou au moins 6,5 % (3 289/50 457) dans la population adulte infectée (en supposant que tous les non-répondeurs s’étaient complètement rétablis). La valeur réelle est susceptible de se situer entre ces estimations.

Conclusions Malgré la limitation d’un faible taux de réponse et d’éventuels biais de sélection et de rappel, cette étude suggère un fardeau considérable de grappes de symptômes post-aigus autodéclarés et de séquelles possibles, notamment la fatigue et les troubles neurocognitifs, six à 12 mois après le SRAS-CoV aigu -2 infection, même chez les adultes jeunes et d’âge moyen après une infection bénigne, avec un impact substantiel sur la santé générale et la capacité de travail.

Enregistrement de l’essai Registre allemand des études cliniques DRKS 00027012.

Introduction

Le SRAS-CoV-2 a provoqué la pandémie virale de covid-19 avec des conséquences considérables, y compris une crise sanitaire mondiale. Bien que l’infection respiratoire soit la principale manifestation clinique, le covid-19 est considéré comme une maladie systémique multi-organes qui comprend les poumons, le cœur, le système vasculaire, le cerveau et d’autres systèmes d’organes. 2 La plupart des infections sont bénignes ou même asymptomatiques, en particulier chez les enfants et les adolescents, et la probabilité d’une maladie grave et la nécessité d’une hospitalisation augmentent considérablement avec l’âge et la comorbidité. 4 La mortalité à 30 jours parmi les personnes admises à l’hôpital en Allemagne avec le covid-19 dans une étude de cohorte nationale sur les données de réclamations (première vague) était de 24 % dans l’ensemble et de 53 % chez les patients nécessitant une ventilation. 5

Outre la morbidité et la mortalité en phase aiguë, des problèmes de santé post-aigus et des séquelles ont été signalés chez les survivants du covid-19. Selon une revue, jusqu’à 80% des patients atteints de covid-19 continuent de se plaindre de problèmes de santé après une infection aiguë, et plus de 50 effets indésirables ont été signalés. 6 La physiopathologie de nombreux symptômes post-aigus est restée non résolue. Les symptômes peuvent durer des semaines et représenter une reconvalescence retardée ou peuvent persister ou se reproduire même trois mois ou plus dans la phase post-aiguë. 10

Alors que le « long covid » a été défini comme des symptômes persistants au-delà de quatre semaines après une infection aiguë, l’état post-covid-19 ou le syndrome post-covid est considéré chez les patients présentant des symptômes durant au moins deux mois, inexpliqués par un diagnostic alternatif, et survenant trois mois après l’infection aiguë. 11 Jusqu’à présent, très peu d’études à grande échelle ont examiné la symptomatologie et la prévalence du syndrome post-covid au-delà de six mois après une infection aiguë et son association avec la qualité de vie, le bien-être et la capacité de travail liés à la santé dans un échantillon non clinique basé sur la population .

Les principaux objectifs de cette étude étaient de décrire les symptômes et les groupes de symptômes du syndrome post-covid six à 12 mois après une infection aiguë, de décrire les facteurs de risque et d’examiner l’association des groupes de symptômes avec la santé générale et la capacité de travail. Les données ont été générées dans une vaste étude basée sur la population dans le sud de l’Allemagne impliquant des personnes âgées de 18 à 65 ans atteintes d’une infection par le SRAS-CoV-2 confirmée par la réaction en chaîne par polymérase (PCR) et notifiées aux autorités sanitaires locales.

Méthodes

EPILOC (Epidemiology of Long Covid) est une étude non interventionnelle basée sur la population menée dans quatre régions définies administrativement et géographiquement dans l’État fédéral du Bade-Wurtemberg, dans le sud-ouest de l’Allemagne. L’étude a inclus des personnes âgées de 18 à 65 ans qui ont été testées positives lors d’un test PCR SARS-CoV-2 entre le 1er octobre 2020 et le 1er avril 2021 et dont l’infection a été notifiée (conformément à la loi allemande sur la protection contre les infections) aux autorités locales de santé publique responsables pour les quatre régions suivantes : Fribourg (ville de Fribourg, arrondissement de Breisgau-Hochschwarzwald, arrondissement d’Emmendingen), Heidelberg (ville de Heidelberg, arrondissement Rhin-Neckar), Tübingen (ville de Tübingen, ville de Reutlingen, arrondissement de Zollernalb), et Ulm (ville d’Ulm, arrondissement Alb-Donau, arrondissement de Heidenheim,

Les personnes survivantes ont été directement contactées par les autorités locales de santé publique par courrier postal entre fin août et septembre 2021. Tous les documents de l’étude (c’est-à-dire les informations sur les participants, le formulaire de consentement éclairé et un questionnaire standardisé) ont été inclus dans la lettre. Les participants ont été invités à fournir un consentement éclairé écrit et à envoyer le matériel d’étude (port payé) au bureau du fiduciaire du centre d’étude du Centre médical universitaire de Fribourg. L’administrateur a séparé la déclaration de consentement éclairé du questionnaire rempli et a transmis les questionnaires au centre de gestion des données de l’Université d’Ulm. Cette analyse suit les recommandations STROBE.

Sources de données et mesures

Le questionnaire standardisé comprenait des caractéristiques sociodémographiques, des facteurs liés au mode de vie et des comorbidités médicalement assistées déjà présentes avant l’infection aiguë par le SRAS-CoV-2. Elle a interrogé la présence de 30 symptômes spécifiques avant et pendant (et liés à) la phase d’infection aiguë ainsi qu’au moment de remplir le questionnaire (c’est-à-dire six à 12 mois après l’infection aiguë) par des réponses oui/non. D’autres symptômes actuels nouveaux ou en cours pourraient être ajoutés dans un champ de texte libre. Si l’un des symptômes était présent au moment de l’enquête, nous avons demandé un traitement médical associé (oui/non) et si et dans quelle mesure chaque symptôme perturbait la vie et les activités quotidiennes (« combien vous sentez-vous gêné par cela au moment de l’enquête ? moment ? ») à l’aide d’une échelle de type Likert à quatre points (aucun, léger, modéré ou fort).

Pour l’évaluation de la fatigue (déjà incluse dans la liste des symptômes), nous avons en outre utilisé l’échelle d’évaluation de la fatigue à 10 items. 12 Un score seuil ≥22 est utilisé pour déterminer la présence d’une fatigue importante et un score seuil ≥35 pour une fatigue extrême. Pour évaluer la capacité de travail, nous avons adapté les questions de la forme abrégée de l’indice de capacité de travail. 13Les participants ont évalué leur rétablissement général actuel et leur capacité de travail actuelle par rapport à la situation avant l’infection aiguë par le SRAS-CoV-2 sur une échelle de 10 points (échelons de 10 % de 0 % à 100 %). Le libellé de la question était « Quel pourcentage de votre capacité de travail initiale (avant votre test corona positif) avez-vous retrouvé aujourd’hui ? » L’utilisation de cette question unique a montré des relations similaires avec les congés de maladie et la qualité de vie liée à la santé dans les études professionnelles. 14 De la même manière, nous avons évalué l’état de santé général actuel par rapport à la situation avant l’infection aiguë par le SRAS-CoV-2 avec la question « Quel pourcentage de votre état de santé général (avant votre test corona positif) avez-vous retrouvé aujourd’hui ? »

Pour évaluer la qualité de vie actuelle liée à la santé, nous avons utilisé le questionnaire SF-12 évaluant les composantes de la qualité de vie liée à la santé physique et mentale ( https://www.rand.org/health-care/surveys_tools/mos/12-item -short-form.html ). Peu de données manquaient dans l’ensemble de données d’analyse (le nombre le plus élevé de valeurs manquantes observées était de 3,3 % pour le cancer en tant que comorbidité), nous n’avons donc procédé à aucune imputation.

Méthodes statistiques

Nous avons évalué les caractéristiques de la population étudiée de manière descriptive. Nous avons obtenu la fréquence relative des symptômes individuels avant et pendant l’infection aiguë et au moment de l’enquête (c’est-à-dire, six à 12 mois après l’infection index) et calculé les différences de prévalence et les rapports de prévalence relative (à la fois actuelle par rapport à avant infection aiguë), incluant un intervalle de confiance à 95 %. Nous avons également fourni des représentations stratifiées par sexe et par âge.

Nous avons utilisé une approche en deux étapes pour identifier les groupes de symptômes (absents avant l’infection par le SRAS-CoV-2). Premièrement, nous avons identifié des symptômes actuels fortement corrélés (absents avant l’infection aiguë par le SRAS-CoV-2) en utilisant une analyse exploratoire des facteurs polychoriques (utilisant la rotation oblimin) basée sur la sévérité des symptômes (absents, pas de déficience, déficience légère, déficience modérée, ou forte déficience). Pour identifier le nombre idéal de facteurs, nous avons utilisé une analyse « parallèle ». 15Deuxièmement, nous avons inclus chaque symptôme dans le groupe (identifié dans la première étape comme facteur) pour lequel sa charge factorielle était la plus élevée. Nous avons visualisé les clusters de symptômes identifiés au moyen d’un réseau de cooccurrence à l’aide de Gephi 0.9.2. De plus, en tant qu’analyse de sensibilité, nous avons visualisé ces groupes en considérant uniquement les symptômes de grade modéré ou fort.

Nous avons calculé les ratios de prévalence pour les groupes de symptômes (avec des intervalles de confiance à 95 %) en fonction de caractéristiques pertinentes possibles (âge, sexe, éducation, statut tabagique, indice de masse corporelle, temps écoulé depuis le test PCR positif, gravité de l’infection aiguë et conditions préexistantes) , mutuellement ajustés. Nous avons utilisé un modèle linéaire (ajusté pour la présence d’autres groupes de symptômes) pour estimer l’association de chaque groupe de symptômes actuel avec la perte de l’état de santé général et de la capacité de travail par rapport à la pré-infection. Nous avons calculé la perte attribuable comme la perte associée multipliée par la prévalence du groupe de symptômes. Nous avons estimé les intervalles de confiance à 95 % correspondants pour la déficience/perte attribuable en utilisant un bootstrap paramétrique.

De plus, nous avons calculé des estimations de prévalence (en pourcentages) du syndrome post-covid selon différents critères pour les définitions de cas possibles comme la prévalence brute, la prévalence standardisée selon l’âge et le sexe (selon la répartition selon l’âge et le sexe de la population invitée) et le minimum prévalence possible (sous l’hypothèse extrême que tous les non-répondants se sont complètement rétablis et étaient exempts de symptômes au moment de l’enquête).

Nous avons utilisé des modèles de Poisson pour estimer la prévalence, les rapports de prévalence et les différences de prévalence. Tous les intervalles de confiance sont basés sur des erreurs types robustes, tenant compte de la dispersion possible et de la nature corrélée des données en cas de comparaison des symptômes avant et après une infection aiguë. Nous n’avons procédé à aucune imputation pour les valeurs manquantes. Nous avons utilisé le progiciel statistique SAS (version 9.4) ou R version 4.1.2 pour les analyses statistiques.

Participation des patients et du public

Cette étude a été menée en réponse rapide à la pandémie de covid-19, une urgence de santé publique de portée nationale et internationale. Ni les patients ni les membres du public n’ont été directement impliqués dans la conception, la conduite ou le compte rendu de cette recherche. Nous savions, grâce à l’engagement du grand public et des groupes de soutien aux patients, que des informations supplémentaires sur le pronostic à moyen et long terme du syndrome post-covid étaient souhaitées.

Résultats

Au total, 50 457 adultes infectés par le SRAS-CoV-2 ont été invités à participer à l’étude, parmi lesquels 12 053 (24 %) ont répondu et 11 710 ont fourni au moins des informations sur l’âge et le sexe (voir l’organigramme de l’étude dans la figure supplémentaire A ) et ont été inclus dans l’analyse. Le délai moyen entre le test PCR initial positif et le moment de l’enquête était de 8,5 (ET 1,6) mois.

Comme indiqué dans le tableau 1, l’âge moyen des participants était de 44,1 (ET 13,7) ans et un peu plus étaient des femmes (58,8 % ; 6881/11 710) que des hommes. La plupart des participants étaient nés en Allemagne (88,7 % ; 10 355/11 668), avaient la nationalité allemande (94,1 % ; 11 004/11 688), venaient de zones urbaines (84,2 % ; 9 575/11 365) et étaient entrés à l’université. qualification (51,9% ; 6065/11 678). Plus de la moitié des participants ont déclaré un emploi à temps plein avant la pandémie (56,8 % ; 6 608/11 628). Les problèmes de santé chroniques préexistants signalés comprenaient les troubles musculo-squelettiques (28,9 % ; 3310/11 448), les troubles cardiovasculaires (17,4 % ; 1992/11 477), les troubles neurologiques et sensoriels (16,2 % ; 1855/11 480) et les maladies respiratoires ( 12,1 % ; 1385/11 467), entre autres. La plupart des participants (77,5 % ; 8988/11 602) n’ont pas eu besoin de soins médicaux pour l’infection aiguë précédente par le SRAS-CoV-2, 19.tableau 1 ).

Tableau 1 

Caractéristiques de la population étudiée. Les valeurs sont des nombres (pourcentages) sauf indication contraire

ableau 1

Caractéristiques de la population étudiée. Les valeurs sont des nombres (pourcentages), sauf indication contraire.

CaractéristiqueNonValeur
Âge moyen (SD), années11 71044,1 (13,7)
Groupe d’âge, années :11 710
<302474 (21.1)
30-<402158 (18.4)
40-<502075 (17,7)
50-<603443 (29,4)
≥601560 (13,3)
Le sexe :11 710
Hommes4829 (41.2)
Femme6881 (58,8)
État civil :11 492
Simple3425 (29,8)
Marié/vivant ensemble7563 (65,8)
Vivre séparément368 (3.2)
Veuf ou veuve136 (1.2)
Diplôme d’entrée à l’université :11 678
Oui6065 (51,9)
Non5613 (48.1)
Lieu de naissance :11 668
Allemagne10 355 (88,7)
Autre1313 (11.3)
Nationalité :11 688
allemand11 004 (94,1)
Autre684 (5,9)
Lieu de résidence :11 365
Principalement urbaine7246 (63,8)
Partiellement urbain2329 (20,5)
Principalement rural1790 (15,8)
Emploi pré-pandémique :11 628
Temps plein6608 (56,8)
Temps partiel3220 (27,7)
Études/formation professionnelle1143 (9.8)
Aucun657 (5,7)
Emploi actuel :11 651
Temps plein6335 (54,4)
Temps partiel3215 (27,6)
Études/formation professionnelle1031 (8.8)
Aucun1070 (9.2)
Statut de fumeur :11 678
Fumeur actuel1192 (10.2)
Ancien fumeur2882 ​​(24,7)
Jamais fumé7604 (65,1)
Indice de masse corporelle moyenne (SD)11 61926,1 (5,3)
Obèse (indice de masse corporelle ≥30)11 6192171 (18,7)
Conditions préexistantes :
Troubles musculo-squelettiques (y compris les rhumatismes)11 4483310 (28,9)
Troubles cardiovasculaires (dont hypertension)11 4771992 (17,4)
Troubles neurologiques ou sensoriels11 4801855 (16.2)
Troubles métaboliques11 5542014 (17,4)
Les troubles mentaux11 4791470 (12,8)
Maladies respiratoires11 4671385 (12.1)
Maladies dermatologiques11 5471257 (10.9)
Cancer11 323386 (3.4)
Temps moyen (ET) depuis le test PCR positif, mois11 5218,5 (1,6)
Traitement de l’infection aiguë par le SRAS-CoV-2 :11 602
Pas de soins médicaux8988 (77,5)
Soins ambulatoires2202 (19.0)
Soins hospitaliers (sans soins intensifs)315 (2,7)
Soins intensifs97 (0,8)
Vacciné (première injection) avant test PCR positif :11 431
Oui220 (1,9)
Non11 211 (98,1)

PCR = réaction en chaîne par polymérase ; SD = écart type.

Symptômes et groupes de symptômes dérivés

La fréquence du symptôme signalé aux trois moments était très différente dans l’ensemble (figure supplémentaire B), selon les catégories d’âge et le sexe (figure supplémentaire C), et également en fonction du niveau de déficience, montrant des niveaux de déficience plus élevés chez les femmes que chez les hommes pour la plupart des nouveaux symptômes et concernant le traitement médical (figure complémentaire D). Certains symptômes, comme les vomissements, les nausées, les douleurs abdominales, la diarrhée, les frissons, la fièvre et les éruptions cutanées, étaient rares et contribuaient peu à la symptomatologie du syndrome post-covid, comme c’était le cas pour les symptômes post-aigus ajoutés en texte libre (la plupart fréquents : battements cardiaques anormaux et troubles de la vision), qui ont été mentionnés par < 1 % des répondants (données en texte libre non présentées).

Les participants présentant deux symptômes ou plus étaient, en moyenne, légèrement plus âgés (45,4 v 42,5 ans), plus souvent des femmes (64,5 % (3891/6030) v 52,6 % (2889/5489)), plus souvent obèses (21,9 % (1313/ 5984) v 14,9% (813/5446)), et ont eu besoin de soins médicaux pendant la phase aiguë de l’infection plus souvent (32,6% (1948/5976) v 11,4% (622/5445)) par rapport aux participants signalant un ou aucun symptôme encore présent (tableau complémentaire A).

Compte tenu du taux de réponse relativement faible et des résultats moins fiables pour les taux de prévalence absolus, nous nous sommes davantage concentrés sur la façon dont les symptômes se sont regroupés. Nous avons constaté que plusieurs des 30 nouveaux symptômes post-aigus étaient fortement corrélés et pouvaient être combinés en 13 groupes de symptômes ( fig 1). Les symptômes individuels d’épuisement physique rapide et de fatigue chronique, par exemple, ont été combinés dans le groupe « fatigue », qui était le groupe de symptômes le plus courant chez les participants (37,2 % ; 4 213/11 312), suivi de « troubles neurocognitifs » avec une prévalence de 31,3 % (3561/11 361), « symptômes pulmonaires » (30,2 % ; 3443/11 403), « troubles de l’odorat ou du goût » (23,6 % ; 2661/11 254) et « anxiété/dépression » (21,1 % ; 2422/11 485). Ce classement restait similaire lorsque l’on n’incluait que les symptômes d’atteinte modérée ou forte, même si la prévalence était plus faible (figure complémentaire E). La fatigue autodéclarée en tant que groupe de symptômes avec ses degrés d’interférence avec la vie quotidienne était bien corrélé avec les scores du questionnaire normalisé de l’échelle d’évaluation de la fatigue (tableau supplémentaire B).

Fig. 1

Fig. 1

Réseau de cooccurrence de grappes de symptômes 6 à 12 mois après une infection aiguë. Les cercles extérieurs représentent les symptômes individuels. La zone du cercle représente la proportion de patients présentant ce symptôme. Ceux-ci sont liés à des cercles intérieurs, qui représentent des groupes de symptômes. La largeur des lignes de liaison représente à nouveau la proportion de patients présentant ce symptôme. La zone du cercle pour les grappes représente la proportion de patients présentant au moins un symptôme de cette grappe. Les liens centraux entre les groupes de symptômes représentent la cooccurrence des groupes de symptômes. La largeur du lien représente le degré de cooccurrence. Basé sur les données de 11 536 participants. Seuls les symptômes non présents avant l’infection aiguë par le SRAS-CoV-2 ont été pris en compte

Nous avons également examiné les modèles de cooccurrence entre les grappes. Fait intéressant, nous avons constaté que les troubles de l’odorat ou du goût étaient le groupe avec la cooccurrence la plus faible avec tout autre groupe de symptômes (figure F supplémentaire). La fatigue, en tant que groupe de symptômes le plus répandu, coapparaissait fréquemment avec des troubles neurocognitifs et des symptômes thoraciques.

Associations de variables sociodémographiques et autres avec des groupes de symptômes

Nous avons exploré les caractéristiques associées aux 13 groupes de symptômes (tableau supplémentaire C). Les modèles mutuellement ajustés comprenaient des variables démographiques et de style de vie, la gravité de l’infection aiguë, le temps écoulé depuis l’infection et les comorbidités préexistantes. Il est important de noter que le temps écoulé depuis l’infection aiguë n’a montré aucune association avec des groupes de symptômes (à l’exception d’une faible association avec une altération de l’odorat/du goût). L’association constante la plus forte concernait les soins ambulatoires ou hospitaliers initiaux par rapport à l’absence de soins médicaux pendant l’infection aiguë (en tant qu’indicateur de la gravité de l’infection initiale), en particulier pour les éruptions cutanées/paresthésies, les frissons/fièvre et la perte de cheveux. La deuxième association constante la plus forte concernait le sexe féminin.

L’indice de masse corporelle et le tabagisme (en particulier le statut de fumeur actuel) semblaient également être des facteurs de risque pour plusieurs groupes de symptômes. L’augmentation de l’âge était un facteur de risque de fatigue, de troubles neurocognitifs et de douleurs musculo-squelettiques (entre autres). Les troubles musculo-squelettiques et mentaux préexistants étaient associés à la déclaration de tout symptôme et à de nombreux groupes de symptômes différents, tandis que les associations d’autres affections préexistantes avec des groupes de symptômes spécifiques étaient variables et souvent faibles.

Récupération altérée de la santé générale et de la capacité de travail

Nous avons ensuite examiné l’association entre les groupes de symptômes et l’état de santé général et la capacité de travail (pourcentage récupéré par rapport à avant l’infection aiguë). Le rétablissement moyen de la santé autodéclaré parmi les répondants était de 89,5 % (correspondant à une perte globale de 11,5 %, intervalle de confiance à 95 % de 11,2 % à 11,7 %), et la perte globale de capacité de travail était de 10,7 % (10,4 % à 11,0 %). . Les différents groupes de symptômes différaient en ce qui concerne la perte de santé et de capacité de travail associée ( fig 2). En termes de perte attribuée à la population, le groupe de fatigue avec la prévalence la plus élevée a le plus contribué, avec une perte de santé générale de 2,27 % (2,07 % à 2,47 %) et une perte de capacité de travail de 2,32 % (2,09 % à 2,56 %). les estimations de la perte attribuable à la population pour tous les autres groupes étaient inférieures à 2 %. Les troubles neurocognitifs avaient un effet significativement plus fort sur la perte de capacité de travail que sur la perte de santé. L’inverse était vrai pour les symptômes thoraciques et l’odorat ou le goût déformé, qui affectaient tous deux principalement la récupération générale de la santé plutôt que la capacité de travail ( fig 2 ). Là encore, des différences notables existent selon l’âge et le sexe (figure complémentaire G).

Figure 2

Figure 2

Prévalence des grappes de symptômes 6 à 12 mois après l’infection aiguë (uniquement les symptômes non présents avant l’infection aiguë par le SRAS-CoV-2) et perte associée (%) et perte attribuable à la population (%) de l’état de santé général (n = 10 268 ; perte moyenne 11,5 %, IC 95 % 11,2 % à 11,7 %) et capacité de travail (n=10 324 ; perte moyenne 10,7 %, 10,4 % à 11,0 %)

Nous avons enfin examiné comment la qualité de vie liée à la santé était corrélée avec le rétablissement de la santé et la capacité de travail. Nous avons trouvé une bonne corrélation entre le sous-score physique SF-12 (mais moins entre le sous-score santé mentale SF-12) et le rétablissement de la santé (r = 0,68) et la capacité de travail (r = 0,69) (figure supplémentaire H).

Étant donné que les conséquences fonctionnelles telles qu’une mauvaise récupération de la santé ou une capacité de travail réduite pourraient devenir essentielles pour estimer et discuter de la prévalence et du fardeau du syndrome post-covid chez les adultes, nous avons exploré plusieurs scénarios pour d’éventuelles définitions de cas alternatives. Comme le montre la figure 3, près d’un tiers des répondants (30,4 % ; 3446/11 326) ont déclaré que leur rétablissement de la santé était ≤ 80 %, et 26,6 % (3028/11 397) des répondants ont déclaré avoir récupéré ≤ 80 % de leur capacité de travail par rapport à la situation avant l’infection aiguë. Si cette réduction de la santé ou de la capacité de travail était associée à la déclaration de (tout) nouveau symptôme d’altération modérée ou forte de la vie quotidienne, nous avons estimé une prévalence de 28,5 % (3289/11 536) parmi les répondants (correspondant à une prévalence standardisée selon l’âge et le sexe de 26,5 %). Compte tenu du taux de réponse de 24 % (12 053/50 457) et des biais potentiels de sélection et de rappel, les chiffres de prévalence absolue doivent être interprétés avec prudence. Sous l’hypothèse d’une guérison complète de tous les non-répondants, la prévalence globale du syndrome post-covid selon la définition ci-dessus serait de 6,5% (3289/50 457), soit 4.

Figure 3

Figure 3

Prévalence (%) du syndrome post-covid selon différents critères pour les définitions de cas possibles en fonction des (nouveaux) symptômes autodéclarés, du score d’évaluation de la fatigue (FAS) et de l’état de santé général et de la capacité de travail récupérés

Discussion

Cette vaste étude basée sur la population a révélé un fardeau considérable de groupes de symptômes avec des séquelles possibles six à 12 mois après l’infection par le SRAS-CoV-2 affectant à la fois la santé générale et la capacité de travail. Bien qu’une variété de plaintes de longue durée aient été signalées, peu de groupes de symptômes ont entraîné ce fardeau, et la fatigue, les troubles neurocognitifs et les symptômes thoraciques (par exemple, l’essoufflement) semblaient être les principaux problèmes de santé. Une découverte nouvelle et importante était que des groupes de symptômes spécifiques différaient dans leur impact sur le rétablissement de la santé et la capacité de travail. La fatigue et les troubles neurocognitifs, en plus d’être les problèmes de santé les plus répandus dans cette étude, semblaient être les plus pertinents à la fois pour la récupération altérée de la santé et la capacité de travail réduite. Une deuxième découverte importante déjà observée par d’autres était que la plupart des symptômes et des groupes de symptômes étaient plus fréquents chez les femmes que chez les hommes et chez les personnes atteintes d’une infection aiguë plus grave, et le syndrome post-covid affectait également les participants plus jeunes. Nous notons que notre cohorte d’étude était principalement infectée par le type sauvage du SRAS-CoV-2 car les premières variantes préoccupantes sont apparues en janvier 2021 en Allemagne. Sur la base des données nationales sur la propagation des variantes préoccupantes,16 nous avons estimé que moins de 15 % de la cohorte avaient été infectés par B.1.1.7 (alpha) et moins de 1 % par B.1.351 (bêta).

Comparaison avec d’autres études

La pertinence en particulier de la fatigue et des troubles neurocognitifs, dans ce travail et dans des travaux antérieurs, 17 18 est remarquable pour trois raisons. Premièrement, la fatigue ou la fatigue et l’intolérance à l’exercice et les problèmes similaires sont nettement plus fréquents chez les survivants du covid-19 que dans les populations témoins, 19 20 21 22 23 24 25 26 et ils ont été les principales plaintes dans de nombreuses études sur le long covid, bien que peu d’entre eux (12 des 43 études évaluables dans une revue récente) ont utilisé des instruments standardisés pour quantifier ou valider les symptômes de fatigue autodéclarés. 9 L’instrument Fatigue Assessment Scale, utilisé par nous et dans une étude suisse basée sur la population, 20évalue la fatigue largement distincte des symptômes dépressifs, de l’anxiété et du névrosisme, et semble soutenir la validité des symptômes de fatigue autodéclarés avec différents degrés de déficience dans notre étude. On ne sait pas si d’autres instruments d’évaluation de la fatigue offrent une meilleure sensibilité et spécificité dans le contexte pandémique actuel, mais cela mérite une étude plus approfondie. Deuxièmement, la fatigue était fréquemment accompagnée d’autres groupes de symptômes prévalents, tels que des douleurs thoraciques et des troubles neurocognitifs, mais coapparaissait également avec l’anxiété/la dépression en tant que groupe de symptômes, y compris les troubles du sommeil et de nombreuses autres plaintes telles que les syndromes douloureux, similaires aux observations ailleurs. . 19 27 28 29 30Cela peut indiquer un certain chevauchement du syndrome post-covid avec l’encéphalomyélite myalgique/syndrome de fatigue chronique, qui peut inclure des symptômes similaires parfois récurrents et persiste généralement pendant des années plutôt que pendant des mois. D’autres études sont nécessaires pour étudier ce chevauchement. 31 32 Un troisième aspect est que non seulement la déficience neurocognitive a fréquemment été autodéclarée après une infection aiguë par le SRAS-CoV-2, comme dans cette étude, mais elle a déjà été validée dans plusieurs études comme des déficiences mesurables dans le raisonnement, la résolution de problèmes, planification, détection de cible et diverses fonctions de mémoire. 33 34 35 36 37 38Au moins certaines des études ont suggéré un manque d’amélioration des mesures des performances cognitives après le covid-19 au fil du temps, 29 34 et nous n’avons également eu aucune preuve d’une diminution de la prévalence des symptômes neurocognitifs au cours de notre période d’observation de six à 12 mois après une infection aiguë. Cela peut indiquer que, comme pour la fatigue, ce trouble pourrait devenir un problème de santé chronique chez une proportion inconnue de patients.

Les études épidémiologiques précédentes sur le syndrome post-covid ont été difficiles, les résultats étant difficiles à interpréter étant donné la variété et l’hétérogénéité des méthodes utilisées, y compris les différences dans la sélection des populations de patients et les taux de réponse, la disponibilité des groupes de comparaison, les différentes périodes de suivi, et des termes incohérents utilisés pour décrire les symptômes et les conditions de santé défavorables. La prévalence des symptômes post-aigus a considérablement varié d’une étude à l’autre, car souvent n’importe quel symptôme a été inclus dans les entretiens et les questionnaires, qu’il existait déjà avant le covid-19 ou qu’il était considéré comme grave et pertinent sur le plan fonctionnel. Dans une vaste enquête menée au Royaume-Uni (avec 76 155 participants après une infection aiguë confirmée par le SRAS-CoV-2), par exemple,30 Cependant, seulement un tiers des répondants considéraient leurs symptômes comme « sévères », le questionnaire n’incluait pas d’éléments de déficience cognitive, et le nombre de répondants déclarant un symptôme par rapport à plus d’un symptôme différait considérablement, ce qui donne une estimation valide de la prévalence globale -syndrome covid difficile.

Forces et limites de l’étude

Les points forts de ce travail sont le grand nombre de participants, la période définie entre six et 12 mois après que la PCR a confirmé l’infection par le SRAS-CoV-2, et l’approche basée sur la population avec l’inclusion de toutes les personnes infectées qui étaient soumises à l’obligation de déclaration légale dans un délai défini. régions géographiques. De plus, nous avons utilisé une comparaison intra-participants en tenant compte de la fréquence des symptômes avant l’infection aiguë. Outre la santé générale et la capacité de travail, nous avons inclus d’autres mesures évaluant la gravité des symptômes et leurs conséquences individuelles ainsi que les conséquences sociétales potentielles telles que la capacité de travail.

Les limites comprennent un manque de validation médicale de la nature autodéclarée des symptômes et des séquelles. De plus, le biais de rappel doit être pris en compte lors de la déclaration de symptômes du passé, en particulier chez les participants présentant des séquelles neurocognitives. De plus, nous avons eu une réponse limitée avec la possibilité d’un biais de sélection (par exemple, un potentiel de surestimation des mesures de prévalence) et une certaine surreprésentation des personnes âgées et des femmes (tableau supplémentaire E). Ainsi, nous ne pouvons pas fournir d’estimations de prévalence valides et fiables dans la population touchée. Cependant, notre étude montre comment différentes définitions de travail du syndrome post-covid peuvent produire des estimations de prévalence très variées,figure 3 et les estimations brutes de la population participante.

Nos régions d’étude étaient situées autour de villes universitaires de taille moyenne et les répondants avaient un niveau d’éducation supérieur à celui de la population générale, ce qui peut limiter la généralisabilité. Aussi, notre étude s’est concentrée sur la population en âge de travailler et ne doit pas être généralisée aux populations de plus de 65 ans ou aux enfants et adolescents. De plus, 5,5 % des invitations postales n’ont pas pu être livrées, probablement parce qu’il s’agissait de travailleurs saisonniers ou d’immigrants récents qui avaient déjà déménagé sans demande de réexpédition postale. Ce petit groupe aurait pu être enrichi par des ethnies non blanches, qui ne sont désormais pas bien représentées dans nos données. Comme nous n’avons qu’une comparaison avant-après chez les participants infectés (ce qui est un avantage pour limiter la confusion car chaque participant est son propre témoin), nous ne pouvons pas faire la différence entre l’impact de la pandémie elle-même et ses conséquences telles que les interventions non pharmaceutiques et de santé publique sur les symptômes et la notification des symptômes des conséquences directes de l’infection par le virus. Malheureusement, en Allemagne, les contrôles négatifs des tests n’étaient pas disponibles dans le cadre d’échantillonnage de nos cas en tant que groupe de comparaison (car les tests négatifs n’ont pas été signalés par nom et adresse aux autorités de santé publique en raison de l’absence de base légale). Enfin, nous n’avons utilisé qu’une seule méthode spécifique pour le regroupement des symptômes et nous ne pouvons pas exclure la possibilité que d’autres méthodes définissent des groupes différents et vraisemblablement plus grands. La fréquence et le regroupement des symptômes peuvent être différents avec des variantes virales plus récentes.

conclusion

En tant que l’une des plus grandes études basées sur la population, avec un suivi de six à 12 mois après une infection aiguë par le SRAS-CoV-2, nous montrons un fardeau considérable de groupes de symptômes avec des séquelles possibles individuellement et sociétalement pertinentes affectant également les jeunes adultes ayant des antécédents d’infection aiguë bénigne. La fatigue et les troubles neurocognitifs étaient fréquents dans la phase post-aiguë et altéraient considérablement l’état général et la capacité de travail. Compte tenu du fardeau individuel et sociétal des séquelles post-covid, les anomalies et causes biologiques sous-jacentes doivent être clarifiées de toute urgence pour définir des options de traitement adéquates et développer des mesures de réadaptation efficaces.

Qu’est-ce qu’on sait déjà à ce sujet

  • Des études antérieures ont montré que les séquelles post-aiguës du covid-19 sont fréquentes, en particulier chez les patients qui avaient été hospitalisés pour le covid-19
  • Les plaintes et les symptômes post-aigus autodéclarés sont souvent divers et non spécifiques et parfois d’une gravité et d’une pertinence fonctionnelle inconnues

Ce que cette étude ajoute

  • De nouveaux groupes de symptômes tels que la fatigue, les troubles neurocognitifs, les symptômes thoraciques, les troubles de l’odorat ou du goût et l’anxiété/la dépression persistent au-delà de six à 12 mois après une infection aiguë par le SRAS-CoV-2
  • Les trois groupes les plus fréquents (fatigue, troubles neurocognitifs, symptômes thoraciques) interfèrent souvent avec la vie et les activités quotidiennes et coexistent souvent
  • Les troubles de l’odorat et du goût à long terme sont rapportés relativement indépendamment des autres plaintes

Déclarations d’éthique

Approbation éthique

L’approbation éthique a été obtenue auprès des commissions d’éthique respectives des centres d’étude de Fribourg (21/1484) et d’Ulm (337/21).

Déclaration de disponibilité des données

Les données de la phase 1 d’EPILOC sont disponibles à des fins de recherche sur demande auprès de l’auteur correspondant à winfried.kern@uniklinik-freiburg.de.

Remerciements

Nous remercions tous les participants qui ont participé à l’enquête. Nous remercions les autorités sanitaires locales participantes pour leur soutien administratif et technique. Nous remercions les principaux collaborateurs de ce travail : Nelli Edel, Bettina Deibert, Stefanie Döbele, Sabine Gerbersdorf, Katja Hirth, Achim Jerg, Moritz Munk, Sylvia Parthé, Stephan Rusch, Cynthia Stapornwongkul, Michaela Schmid, Patrick Roling, Jennifer Müller, Annika Noghero, et Hanna Tschischka.

Notes de bas de page

  • Contributeurs : WVK a dirigé la conceptualisation de l’étude et l’élaboration de la question de recherche, avec le soutien de HGK, AN et RSP. WVK, AN et DR ont supervisé l’étude. SB et GK ont contribué à la conception de l’étude. RSP, AN et DR ont participé à l’acquisition des données et à l’analyse statistique. SB, SG, UM et JS ont contribué à l’acquisition et à l’interprétation des données. WVK, AN, RSP et DR ont eu un accès complet aux données et les ont vérifiées, assument la responsabilité de l’intégrité des données et de l’exactitude de l’analyse des données, et de la décision de soumettre pour publication. RSP et AN sont co-auteurs principaux, DR et WVK sont co-auteurs principaux. Tous les auteurs ont participé à la rédaction ou à la révision critique du manuscrit, et tous les auteurs ont approuvé la version finale. WVK est le garant.
  • Financement : Ce travail a été financé par le ministère fédéral des sciences et des arts du Bade-Wurtemberg (numéro de subvention MR/S028188/1) et le fonds de pension allemand (« Deutsche Rentenversicherung ») Baden-Württemberg. Les bailleurs de fonds n’ont joué aucun rôle dans l’examen de la conception de l’étude ou dans la collecte, l’analyse, l’interprétation des données, la rédaction du rapport ou la décision de soumettre l’article pour publication.
  • Intérêts concurrents : tous les auteurs ont rempli le formulaire de divulgation uniforme de l’ICMJE sur https://www.icmje.org/disclosure-of-interest/ et déclarent : le soutien du ministère fédéral des sciences et des arts du Bade-Wurtemberg et du fonds de pension allemand (“Deutsche Rentenversicherung”) Baden-Württemberg pour le travail soumis; aucune relation financière avec des organisations qui pourraient avoir un intérêt dans le travail soumis au cours des trois années précédentes ; aucune autre relation ou activité qui pourrait sembler avoir influencé le travail soumis.
  • Le garant de l’étude affirme que le manuscrit est un compte rendu honnête, précis et transparent de l’étude rapportée ; qu’aucun aspect important de l’étude n’a été omis; et que toute divergence par rapport à l’étude prévue (et, le cas échéant, enregistrée) a été expliquée.
  • Diffusion aux participants et aux communautés de patients et publiques concernées : au moment de la rédaction de cet article, les résultats de cette étude ont été partagés avec les responsables de la santé publique de l’État fédéral, avec les hôpitaux universitaires de l’État du Bade-Wurtemberg et avec la communauté mondiale en les publiant sur un serveur de préimpression. . Les résultats ont contribué à éclairer la planification sanitaire à court terme de l’État pour les unités de longue durée et informent également le ministère d’État des sciences, de la recherche et de la planification artistique. Nous diffuserons la publication et les principaux résultats via différents médias sociaux et via les bureaux de presse des universités contributrices. Nous prévoyons également une conférence de presse centrale avec le ministère fédéral des sciences, de la recherche et des arts et le bureau de la santé de l’État pour présenter les données et permettre les demandes de presse officielles. En outre, nous contacterons les groupes de défense des patients et les informerons de nos résultats en termes simples. Les données seront ensuite présentées lors de conférences scientifiques nationales telles que le prochain congrès de l’Association allemande d’épidémiologie (DGEpi) à Greifswald (Allemagne) fin septembre 2022.
  • Provenance et examen par les pairs : non commandé ; examiné par des pairs externes.

http://creativecommons.org/licenses/by-nc/4.0/

Il s’agit d’un article en libre accès distribué conformément à la licence Creative Commons Attribution Non Commercial (CC BY-NC 4.0), qui permet à d’autres de distribuer, remixer, adapter, s’appuyer sur ce travail à des fins non commerciales et de concéder sous licence leurs travaux dérivés sur différents termes, à condition que l’œuvre originale soit correctement citée et que l’utilisation ne soit pas commerciale. Voir : http://creativecommons.org/licenses/by-nc/4.0/ .

Références

    1. Sudre CH ,
    2. Murray B ,
    3. Varsavsky T ,
    4. et al
    . Attributs et prédicteurs du long COVID . Nat Med 2021 ; 27 : 626-31 . _ _ doi : 10.1038/s41591-021-01292-y pmid : 33692530  RéfCroiséePubMedGoogle Scholar
    1. Nalbandien A ,
    2. Sehgal K ,
    3. Gupta A ,
    4. et al
    . Syndrome post-aigu COVID-19 . Nat Med 2021 ; 27 : 601-15 . _ _ doi : 10.1038/s41591-021-01283-z pmid : 33753937  RéfCroiséePubMedGoogle Scholar
    1. Sah P ,
    2. Fitzpatrick MC ,
    3. Zimmer CF ,
    4. et al
    . Infection asymptomatique par le SRAS-CoV-2 : une revue systématique et une méta-analyse . Proc Natl Acad Sci USA 2021 ; 118 : e2109229118 . doi : 10.1073/pnas.2109229118 pmid : 34376550  Résumé / Texte intégral GRATUITGoogle Scholar
    1. Dorjee K ,
    2. Kim H ,
    3. Bonomo E ,
    4. Dolma R.
    . Prévalence et facteurs prédictifs de décès et de maladie grave chez les patients hospitalisés en raison de la COVID-19 : une revue systématique complète et une méta-analyse de 77 études et 38 000 patients . PLoS One 2020 ; 15 : e0243191 . doi : 10.1371/journal.pone.0243191 pmid : 33284825  RéfCroiséePubMedGoogle Scholar
    1. Gunster C ,
    2. Busse R ,
    3. Spoden M ,
    4. et al
    . Mortalité à 6 mois et réadmissions de patients hospitalisés COVID-19 : Une étude de cohorte nationale de 8 679 patients en Allemagne . PLoS One 2021 ; 16 : e0255427 . doi : 10.1371/journal.pone.0255427 pmid : 34351975  RéfCroiséePubMedGoogle Scholar
    1. Lopez-Léon S ,
    2. Wegman-Ostrosky T ,
    3. Perelman C ,
    4. et al
    . Plus de 50 effets à long terme de la COVID-19 : une revue systématique et une méta-analyse . Sci Rep 2021 ; 11 : 16144 . doi : 10.1038/s41598-021-95565-8 pmid : 34373540  RéfCroiséePubMedGoogle Scholar
    1. Groff D ,
    2. Soleil A ,
    3. Ssentongo AE ,
    4. et al
    . Taux à court et à long terme de séquelles postaiguës de l’infection par le SRAS-CoV-2 : une revue systématique . JAMA Netw Open 2021 ; 4 : e2128568 . doi : 10.1001/jamanetworkopen.2021.28568 pmid : 34643720  RéfCroiséePubMedGoogle Scholar
    1. Alkodaymi MS ,
    2. Omrani OA ,
    3. Fawzy NA ,
    4. et al
    . Prévalence des symptômes du syndrome COVID-19 post-aigu à différentes périodes de suivi : une revue systématique et une méta-analyse . Clin Microbiol Infect 2022 ; 28 : 657-66 . _ _ doi : 10.1016/j.cmi.2022.01.014 pmid : 35124265  RéfCroiséePubMedGoogle Scholar
    1. Ceban F ,
    2. Lin S ,
    3. Lui LMW ,
    4. et al
    . Fatigue et troubles cognitifs dans le syndrome post-COVID-19 : une revue systématique et une méta-analyse . Brain Behav Immun 2022 ; 101 : 93 – 135 . doi : 10.1016/j.bbi.2021.12.020 pmid : 34973396  RéfCroiséePubMedGoogle Scholar
    1. Bellan M ,
    2. Baricich A ,
    3. Patrucco F ,
    4. et al
    . Les séquelles à long terme sont très fréquentes un an après une hospitalisation pour COVID-19 sévère . Sci Rep 2021 ; 11 : 22666 . doi : 10.1038/s41598-021-01215-4 pmid : 34811387  RéfCroiséePubMedGoogle Scholar
    1. Soriano JB ,
    2. Murthy S ,
    3. Maréchal JC ,
    4. Relan P ,
    5. Diaz JV ,
    6. Groupe de travail de l’OMS sur la définition des cas cliniques sur l’état post-COVID-19
    . Une définition de cas clinique de la condition post-COVID-19 par un consensus Delphi . Lancet Infect Dis 2022 ; 22 : e102-7 . _ _ doi : 10.1016/S1473-3099(21)00703-9 pmid : 34951953  RéfCroiséePubMedGoogle Scholar
    1. Hendriks C ,
    2. Drent M ,
    3. Elfferich M ,
    4. De Vries J
    . L’échelle d’évaluation de la fatigue : qualité et disponibilité dans la sarcoïdose et d’autres maladies . Curr Opin Pulm Med 2018 ; 24 : 495 – 503 . doi : 10.1097/MCP.0000000000000496 pmid : 29889115  RéfCroiséePubMedGoogle Scholar
    1. Tuomi K ,
    2. Huuhtanen P ,
    3. Nykyri E ,
    4. Ilmarinen J
    . Promotion de la capacité de travail, de la qualité du travail et de la retraite . Occup Med (Londres) 2001 ; 51 : 318-24 . _ _ doi : 10.1093/occmed/51.5.318 pmid : 11473138  RéfCroiséePubMedGoogle Scholar
    1. Ebener M ,
    2. Hasselhorn HM
    . Validation de mesures courtes de la capacité de travail pour la recherche et les enquêtes auprès des employés . Int J Environ Res Public Health 2019 ; 16 : E3386 . doi : 10.3390/ijerph16183386 pmid : 31547466  RéfCroiséePubMedGoogle Scholar
    1. Klaxon JL
    . Une justification et un test pour le nombre de facteurs dans l’analyse factorielle . Psychometrika 1965 ; 30 : 179-85 . _ _ doi : 10.1007/BF02289447 pmid : 14306381  RéfCroiséePubMedWeb de la ScienceGoogle Scholar
  1. Institut Robert Koch. Coronavirus SARS-CoV-2 – Anzahl und Anteile von VOC und VOI in Deutschland. 2022. https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Daten/VOC_VOI_Tabelle.html .
    1. Visco V ,
    2. Vitale C ,
    3. Rispoli A ,
    4. et al
    . Syndrome post-COVID-19 : implication et interactions entre les systèmes respiratoire, cardiovasculaire et nerveux . J Clin Med 2022 ; 11 : 524 . doi : 10.3390/jcm11030524 pmid : 35159974  RéfCroiséePubMedGoogle Scholar
    1. Xie Y ,
    2. Xu E ,
    3. Al-Aly Z
    . Risques de problèmes de santé mentale chez les personnes atteintes de covid-19 : étude de cohorte . BMJ 2022 ; 376 : e068993 . doi : 10.1136/bmj-2021-068993 pmid : 35172971  Résumé / Texte intégral GRATUITGoogle Scholar
    1. Amin-Chowdhury Z ,
    2. Harris RJ ,
    3. Aiano F ,
    4. et al
    . Caractériser le syndrome post-COVID plus de 6 mois après une infection aiguë chez l’adulte ; étude de cohorte longitudinale prospective, Angleterre. medRxiv 2021 . doi : 10.1101/2021.03.18.21253633 . Résumé / Texte intégral GRATUITGoogle Scholar
    1. Menges D ,
    2. Ballouz T ,
    3. Anagnostopoulos A ,
    4. et al
    . Fardeau du syndrome post-COVID-19 et implications pour la planification des services de santé : une étude de cohorte basée sur la population . PLoS One 2021 ; 16 : e0254523 . doi : 10.1371/journal.pone.0254523 pmid : 34252157  RéfCroiséePubMedGoogle Scholar
    1. Gebhard CE ,
    2. Sutsch C ,
    3. Bengs S ,
    4. et al
    . Facteurs de risque spécifiques au sexe et au genre du syndrome post-COVID-19 : une étude de cohorte basée sur la population en Suisse. medRxiv 2021 . doi : 10.1101/2021.06.30.21259757 . RéfCroiséeGoogle Scholar
    1. Caspersen IH ,
    2. Magnus P ,
    3. Trogstad L
    . Excès de risque et groupes de symptômes après COVID-19 dans une grande cohorte norvégienne . Eur J Epidémiol 2022 ; 37 : 539-48 . _ _ doi : 10.1007/s10654-022-00847-8 pmid : 35211871  RéfCroiséePubMedGoogle Scholar
    1. Havevall S ,
    2. Rosell A ,
    3. Phillipson M ,
    4. et al
    . Symptômes et déficience fonctionnelle évalués 8 mois après une légère COVID-19 chez les travailleurs de la santé . JAMA 2021 ; 325 : 2015 – 6 . doi : 10.1001/jama.2021.5612 pmid : 33825846  RéfCroiséePubMedGoogle Scholar
    1. Taquet M ,
    2. Dercon Q ,
    3. Luciano S ,
    4. Geddes JR ,
    5. Husain M ,
    6. Harrison PJ
    . Incidence, cooccurrence et évolution des caractéristiques du COVID-19 : une étude de cohorte rétrospective de 6 mois portant sur 273 618 survivants du COVID-19 . PLoS Med 2021 ; 18 : e1003773 . doi : 10.1371/journal.pmed.1003773 pmid : 34582441  RéfCroiséePubMedGoogle Scholar
    1. Soraas A ,
    2. Bo R ,
    3. Kalleberg KT ,
    4. Støer NC ,
    5. Ellingjord-Dale M ,
    6. Landrø NI
    . Problèmes de mémoire autodéclarés 8 mois après l’infection au COVID-19 . JAMA Netw Open 2021 ; 4 : e2118717 . doi : 10.1001/jamanetworkopen.2021.18717 pmid : 34323987  RéfCroiséePubMedGoogle Scholar
    1. Ballering AV ,
    2. van Zon SKR ,
    3. Olde Hartman TC ,
    4. Rosmalen JGM ,
    5. Initiative de recherche Lifelines Corona
    . Persistance des symptômes somatiques après COVID-19 aux Pays-Bas : une étude de cohorte observationnelle . Lancette 2022 ; 400 : 452 – 61 . doi : 10.1016/S0140-6736(22)01214-4 pmid : 35934007  RéfCroiséePubMedGoogle Scholar
    1. Yelin D ,
    2. Margalit I ,
    3. Nehme M ,
    4. et coll. ,
    5. Au nom du groupe de recherche LongCOV
    . Modèles de symptômes COVID longs : une étude transversale multicentrique . J Clin Med 2022 ; 11 : 898 . doi : 10.3390/jcm11040898 pmid : 35207171  RéfCroiséePubMedGoogle Scholar
    1. Nehme M ,
    2. Braillard O ,
    3. Chappuis F ,
    4. Courvoisier DS ,
    5. Devinez moi ,
    6. Équipe d’étude CoviCare
    . Prévalence des symptômes plus de sept mois après le diagnostic de COVID-19 symptomatique en ambulatoire . Ann Intern Med 2021 ; 174 : 1252-60 . _ _ doi : 10.7326/M21-0878 pmid : 34224254  RéfCroiséePubMedGoogle Scholar
    1. Seeßle J ,
    2. Waterboer T ,
    3. Hippchen T ,
    4. et al
    . Symptômes persistants chez les patients adultes 1 an après la maladie à coronavirus 2019 (COVID-19) : une étude de cohorte prospective . Clin Infect Dis 2022 ; 74 : 1191-8 . _ _ doi : 10.1093/cid/ciab611 pmid : 34223884  RéfCroiséePubMedGoogle Scholar
    1. Whitaker M ,
    2. Elliott J ,
    3. Chadeau-Hyam M ,
    4. et al
    . Symptômes persistants de COVID-19 dans une étude communautaire de 606 434 personnes en Angleterre . Nat Commun 2022 ; 13 : 1957 . doi : 10.1038/s41467-022-29521-z pmid : 35413949  RéfCroiséePubMedGoogle Scholar
    1. Jason LA ,
    2. Islam M ,
    3. Conroy K ,
    4. et al
    . Symptômes de la COVID-19 au fil du temps : comparaison des long-courriers à l’EM/SFC . Fatigue 2021 ; 9 : 59-68 . _ _ doi : 10.1080/21641846.2021.1922140 pmid : 34484973  RéfCroiséePubMedGoogle Scholar
    1. Mantovani E ,
    2. Mariotto S ,
    3. Gabbiani D ,
    4. et al
    . Syndrome de fatigue chronique : une séquelle émergente chez les survivants du COVID-19 ? J Neurovirol 2021 ; 27 : 631-7 . _ _ doi : 10.1007/s13365-021-01002-x pmid : 34341960  RéfCroiséePubMedGoogle Scholar
    1. Becker JH ,
    2. Lin JJ ,
    3. Doernberg M ,
    4. et al
    . Évaluation de la fonction cognitive chez les patients après une infection au COVID-19 . JAMA Netw Open 2021 ; 4 : e2130645 . doi : 10.1001/jamanetworkopen.2021.30645 pmid : 34677597  RéfCroiséePubMedGoogle Scholar
    1. Hampshire A ,
    2. Tendance W ,
    3. Chamberlain SR ,
    4. et al
    . Déficits cognitifs chez les personnes qui se sont remises de la COVID-19 . ECMédecine Clinique 2021 ; 39 : 101044 . doi : 10.1016/j.eclinm.2021.101044 pmid : 34316551  RéfCroiséePubMedGoogle Scholar
    1. Del Brutto OH ,
    2. Wu S ,
    3. Méra RM ,
    4. Côte AF ,
    5. Recalde BY ,
    6.  PN d’Issa
    . Déclin cognitif chez les personnes ayant des antécédents d’infection symptomatique légère par le SRAS-CoV-2 : une étude prospective longitudinale nichée dans une cohorte de population . Eur J Neurol 2021 ; 28 : 3245-53 . _ _ doi : 10.1111/ene.14775 pmid : 33576150  RéfCroiséePubMedGoogle Scholar
  2. Zhao S, Shibata K, Hellyer PJ, et al. Vigilance rapide et diminution de la mémoire épisodique chez les survivants du COVID-19. Cerveau Commun 2022;4:fcab295.
    1. Graham EL ,
    2. Clark JR ,
    3. Orban ZS ,
    4. et al
    . Symptômes neurologiques persistants et dysfonctionnement cognitif chez les « long courriers » Covid-19 non hospitalisés . Ann Clin Transl Neurol 2021 ; 8 : 1073-85 . _ _ doi : 10.1002/acn3.51350 pmid : 33755344  RéfCroiséePubMedGoogle Scholar
    1. Salle PA ,
    2. Meng G ,
    3. Hudson A ,
    4. et al
    . Fonction cognitive à la suite d’une infection par le SRAS-CoV-2 dans un échantillon canadien représentatif de la population . Brain Behav Immun Health 2022 ; 21 : 100454 . doi : 10.1016/j.bbih.2022.100454 pmid : 35340304  RéfCroiséePubMedGoogle Scholar

Nous recommandons

  1. Risque de séquelles cliniques persistantes et nouvelles chez les adultes âgés de 65 ans et plus pendant la phase post-aiguë de l’infection par le SRAS-CoV-2 : étude de cohorte rétrospectiveKen Cohen et al., BMJ’s Coronavirus (covid-19) Hub, 2022
  2. Long covid chez les enfants et les adolescentsPetra Zimmermann et al., Le BMJ, 2022
  3. Trajectoire des longs symptômes de covid après la vaccination contre le covid-19 : étude de cohorte communautaireDaniel Ayoubkhani et al., BMJ’s Coronavirus (covid-19) Hub, 2022
  4. Long covid: Dommages à plusieurs organes présents chez les jeunes patients à faible risqueGareth Iacobucci, Le BMJ, 2020
  5. Covid-19 post-aiguë en soins primairesMatthew Knight et al., Le BMJ, 2021
  1. Soyez prêt : Efficacité et sécurité du bimekizumab dans le psoriasis en plaques modéré à sévère (BE READY) : un essai de phase 3 multicentrique, en double aveugle, contrôlé par placebo et randomisé avec retraitKenneth B Gordon et al., The Lancet, 2021
  2. Associations de dépression, d’anxiété, d’inquiétude, de stress perçu et de solitude avant l’infection avec le risque de conditions post-COVID-19Siwen Wang et al., JAMA Psychiatrie, 2022
  3. Association de la séropositivité au SRAS-CoV-2 avec l’encéphalomyélite myalgique et/ou le syndrome de fatigue chronique chez les enfants et les adolescents en AllemagneAnna-Lisa Sorg et al., JAMA Network Open, 2022
  4. Déficience multiviscérale chez les personnes à faible risque atteintes du syndrome post-COVID-19 : une étude prospective communautaireAndrea Dennis et al., BMJ Open, 2021
  5. Problèmes de mémoire autodéclarés 8 mois après l’infection au COVID-19

Il est parfois difficile de travailler avec un Covid long

De nombreux travaux ont mis en évidence la fréquence de séquelles après la phase aiguë de Covid-19, ce qui est souvent appelé « Covid long ».  Les plaintes et les symptômes sont variés et non spécifiques. Leur sévérité et leurs conséquences fonctionnelles, sont, elles aussi, très variables et assez mal connues.

Une équipe allemande vient de publier les résultats d’une étude transversale de population dont l’objectif était de décrire les symptômes post-covid, 6 à 12 mois après l’épisode aigu, et d’évaluer leur impact sur la santé et l’aptitude au travail. Près de 50 500 personnes, de 18 à 65 ans, ont été invitées à participer, qui avaient fait l’objet d’un diagnostic de Covid-19 entre octobre 2020 et avril 2021.

Parmi les 12 053 personnes ayant répondu à l’invitation, 11 710 ont fourni assez d’informations pour être incluses dans l’étude (58,8 % de femmes). L’âge moyen des répondants est de 44 ans, 3,6 % d’entre eux avaient été hospitalisés lors de la phase aiguë de la Covid-19.

Un peu plus de 6 % des personnes infectées par le SARS-Cov-2 seraient concernées

Une grande variété de symptômes est décrite, mais la fatigue (37,2 %), les troubles neurocognitifs (31,3 %) et les troubles respiratoires (30,2 %) tels que dyspnée et toux, sont les plus fréquents et ont l’impact le plus important sur la santé globale des patients. Toutefois, les troubles anxiodépressifs, les céphalées et vertiges et les douleurs ne sont pas rares.

Ces types de symptômes ont un impact différent sur le rétablissement et sur la capacité au travail. La fatigue et les troubles neurocognitifs, symptômes les plus fréquents, sont aussi ceux dont l’impact est le plus grand. Les auteurs notent que, comme dans d’autres études, il apparaît que les symptômes sont plus fréquents chez les femmes, chez les personnes ayant présenté une infection plus sévère et chez les plus jeunes.

La présence de symptômes ayant un impact sur la vie quotidienne et s’accompagnant d’une altération d’au moins 20 % de l’état de santé et de la capacité au travail concernerait selon les auteurs 28,5 % des personnes présentant des symptômes post-covid, ou au moins 6,5 % de la population adulte infectée par le SARS-Cov-2. Le faible nombre de répondants et les biais de recrutement liés à la méthodologie de l’étude limitent toutefois la portée de ces données.

Dr Roseline Péluchon

Référence

Peter RS et coll. : Post-acute sequelae of covid-19 six to 12 months after infection: population based study. BMJ 2022;379:e071050. doi.org/10.1136/bmj-2022-071050

Test Lean de la NASA : un moyen facile de diagnostiquer l’intolérance orthostatique dans l’EM/SFC, la fibromyalgie et le POTS

https://www.healthrising.org/blog/2020/08/25/bateman-nasa-lean-test-chronic-fatigue-syndrome-orthostatic-intolerance/

Nous recommandons à tous les patients atteints d’EM/SFC et de fibromyalgie de passer un test Lean de 10 minutes de la NASA pour évaluer l’intolérance orthostatique. Centre Batetman Horne

La saga de l’effort pour introduire et valider le NASA Lean Test (NLT) pour ME/CFS semble juste si juste à bien des égards. Tout d’abord, le Bateman Horne Center a identifié un test – de la NASA rien de moins – qui peut facilement être utilisé pour identifier l’intolérance orthostatique (symptômes en position debout).

Ensuite, ils ont recruté un grand nombre de patients, ont impliqué des chercheurs, validé le test et, ce faisant, ont appris quelque chose de nouveau sur l’EM/SFC au cours du processus. Il a fallu des années pour passer au travers de tout cela – mais au final, cela fournit quelque chose qui est vraiment nécessaire – un test facile pour identifier l’intolérance orthostatique (OI) et inciter les médecins à traiter l’EM/SFC comme un phénomène biologique avec lequel ils peuvent aider.

Le test Lean de la NASA, validé par le Bateman Horne Center, est simple et ne nécessite que deux instruments simples que l’on trouve déjà dans les cabinets médicaux. (Image du Centre Bateman Horne)

L’intolérance orthostatique fait référence à l’incapacité de se tenir debout sans symptômes. Bien que la plupart d’entre nous n’en soient pas conscients, réussir à se lever nécessite un éventail de processus pour fonctionner correctement.

Dès que vous vous levez, la gravité veut forcer votre sang vers le bas dans vos jambes. Afin d’atténuer cela, la pompe des muscles squelettiques resserre les vaisseaux sanguins dans vos jambes, augmente la pression dans l’abdomen, provoque un léger balancement, diminue l’activité du système nerveux parasympathique et active le système nerveux sympathique.

La pression artérielle au niveau de votre bras chute momentanément lorsque votre sang commence à couler vers le bas, mais devrait ensuite remonter lorsque les barorécepteurs dans les vaisseaux sanguins indiquent à votre cœur de battre plus vite. Tout cela se produit automatiquement et en dessous du niveau de conscience.

Lorsque les choses tournent mal avec ce système, une intolérance orthostatique se produit et de nombreux types différents existent. Le syndrome de tachycardie orthostatique posturale (POTS) et ses sous-ensembles (POTS post-viral, POTS hyperadrénergique, POTS neuropathique, hypo/hyperkinétique , POTS induit par l’exercice) semblent être la forme la plus courante d’OI trouvée dans l’EM/SFC. D’autres formes d’OI (hypotension orthostatique (OH), hypotension à médiation neurale (hypotension orthostatique neurogène) existent et, dans ce domaine encore assez nouveau, de nouvelles formes d’OI apparaissent encore.

Les tables basculantes ont traditionnellement été utilisées pour évaluer l’OI, mais de nombreux cabinets médicaux n’y ont pas accès. Le test Lean de la NASA, en revanche, peut être effectué à l’aide des outils disponibles dans le cabinet d’un médecin. Il ne nécessite que trois choses : une table d’examen, un oxymètre de pouls (placé sur une main) et un brassard de tensiomètre (placé sur le bras opposé).

Tout d’abord, la personne se repose allongée pendant 10 minutes, puis elle se lève, et avec ses talons à 6-8 pouces du mur et les omoplates le touchant, reste là pendant dix minutes (ou jusqu’à ce qu’il soit clair qu’elle a OI). La fréquence cardiaque, la tension artérielle et les symptômes sont enregistrés. Tout comme le test de la table basculante, le NLT supprime l’action de la pompe musculaire squelettique de l’équation. Vous, vos barorécepteurs, votre cœur et votre système nerveux autonome êtes seuls.

J Transl Med. 15 août 2020;18(1):314. doi : 10.1186/s12967-020-02481-y. Hémodynamique pendant le test Lean de 10 minutes de la NASA : preuve de décompensation circulatoire dans un sous-ensemble de patients atteints d’EM/SFC . Jihyun Lee  1 ,  Suzanne D Vernon  2 ,  Patricia Jeys  1 ,  Weam Ali  1 ,  Andrea Campos  1 ,  Derya Unutmaz  3 ,  Brayden Yellman  1 ,  Lucinda Bateman  1

La grande étude Lee-Bateman (150 ME/SFC et 75 témoins sains) du Bateman Horne Center comprenait des patients atteints d’EM/SFC qui remplissaient les critères de recherche de l’International Chronic Fatigue Syndrome Study Group (alias Fukuda), les critères de consensus canadiens (alias CCC ) et les critères de diagnostic clinique de l’IOM.

Beaucoup de gens n’associent pas la FM à l’intolérance orthostatique, mais c’est l’une de ses conditions comorbides. Bien que l’étude portait sur ME/CFS, le Dr Bateman indique clairement que le test Lean de la NASA devrait être utilisé à la fois dans ME/CFS et FM. (Image de Wikimedia – https://commons.wikimedia.org/wiki/File:Fibromyalgia_and_comorbid_conditions.jpg)

Tous les participants ont bénéficié de l’approche extrêmement approfondie du Bateman Horne Center qui comprenait la réponse à un nombre impressionnant de questionnaires (DePaul Symptom Questionnaire, Post-Exertional Fatigue Questionnaire, RAND-36, Fibromyalgia Impact Questionnaire-R, ACR 2010 Fibromyalgia Criteria Symptom Questionnaire, Pittsburgh Sleep Indice de qualité, enquête d’activité brève de Stanford, échelle d’activité quotidienne d’intolérance orthostatique, évaluation des symptômes d’intolérance orthostatique, enquête brève sur le bien-être, heures d’activité debout, antécédents médicaux et antécédents familiaux.

Outre la fréquence cardiaque et la pression artérielle, un élément appelé pression différentielle a également été mesuré. La pression différentielle est la différence entre la pression artérielle systolique et diastolique. Il représente le volume d’éjection systolique – le volume de sang éjecté par le cœur lorsqu’il bat.

Deux types d’intolérance orthostatique ont été évalués :

L’hypotension orthostatique (OH ) (baisse de la pression artérielle en position debout) a été définie comme une diminution de la pression artérielle systolique (PAS) de 20 mm Hg ou plus, ou une diminution de la pression artérielle diastolique (PAD) de 10 mm Hg ou plus au cours des 3 premières minutes.

Le syndrome de tachycardie orthostatique posturale (POTS ) a été défini comme une augmentation de la fréquence cardiaque > 30 battements par minute (bpm) en position debout ou une fréquence cardiaque supérieure à 120 bpm.

Résultats

La durée compte – moins n’est pas plus

Le temps compte – cette étude a validé les résultats d’une autre étude sur table basculante qui indiquait que l’évaluation orthostatique de 1 à 3 minutes généralement effectuée dans les cabinets de médecins n’est pas suffisante. Même un test de table basculante de 2 à 5 minutes manquera un ensemble considérable de patients POTS.

L’étude Lee-Bateman a révélé qu’au moins 5 minutes du test d’inclinaison de la NASA sont nécessaires pour détecter les signes d’intolérance orthostatique chez la plupart des participants et qu’il faut dix minutes complètes pour en détecter davantage.

Interlude – l’étude Plash – Plus peut être délicat

L’essentiel

  • De nombreuses personnes atteintes d’EM/SFC ou de fibromyalgie qui souffrent d’intolérance orthostatique (OI) (leurs symptômes s’aggravent en se tenant debout) n’ont pas accès aux tests de table basculante habituellement utilisés pour diagnostiquer l’OI
  • Le Bateman Horne Center a produit une étude conçue pour évaluer la capacité d’un test simple appelé le NASA Lean Test (NLT) de 10 minutes qui peut facilement être effectué dans un cabinet médical.
  • Le NLT exige que les patients se tiennent dos au mur avec leurs talons à 6-8 pouces du mur et les épaules touchant le mur.
  • L’étude a révélé qu’environ 40 % des patients atteints d’EM/SFC répondent aux critères du syndrome de tachycardie orthostatique posturale (POTS) ou de l’hypotension orthostatique.
  • Il a également constaté que le test NLT doit être effectué pendant au moins 5 minutes pour obtenir de bons résultats ; 10 min c’est mieux.
  • Étant donné qu’un pourcentage important de personnes en bonne santé qui n’ont pas d’intolérance orthostatique peuvent être testées positives au test, un diagnostic d’OI nécessite que les participants ressentent également des symptômes lors du test.
  • Les participants à l’EM/SFC de l’étude ont présenté beaucoup plus de symptômes que les témoins sains. Leurs lectures de fréquence cardiaque, de tension artérielle et de pression pulsée étaient également nettement pires.
  •  La pression différentielle est un analogue du volume d’éjection systolique – la quantité de sang que le cœur émet lorsqu’il bat. La faible pression différentielle chez les patients atteints d’EM/SFC reflétait une réduction des flux sanguins vers le cœur.
  • David Systrom de Harvard a découvert une réduction du flux sanguin vers le cœur (réduction de la précharge) dans sa vaste étude sur les personnes souffrant d’intolérance à l’effort. Il croit que les problèmes microcirculatoires qui dirigent le sang dans les espaces interstitiels des muscles peuvent priver le cœur du sang qu’il reçoit habituellement.
  • Les personnes avec des cas plus courts d’EM/SFC (<4 ans) étaient en fait moins bien loties. Les auteurs pensaient que les systèmes de patients de plus longue durée peuvent avoir créé des mécanismes compensatoires qui peuvent avoir aidé.
  • Diagnostiquer l’intolérance orthostatique dans le cabinet du médecin pourrait fournir à de nombreuses personnes atteintes d’EM/SFC et/ou de FM des traitements qui les aideront.
  • Le Bateman Horne Center pense que toute personne atteinte d’EM/SFC ou de fibromyalgie devrait subir le test Lean de la NASA

En 

2013, Plash a également découvert que la durée des tests était importante. La physiologie de chacun, qu’il soit en bonne santé ou non, commence à souffrir après avoir été incliné ou forcé à rester debout pendant un certain temps.

Plash a découvert que si le test de table inclinée de 10 minutes identifiait correctement 93 % de tous les patients POTS (haute sensibilité), il identifiait également à tort 60 % des témoins sains comme ayant le POTS (!) (faible spécificité). Après 30 minutes de test sur table basculante, les choses étaient bien pires : 80 % des témoins sains étaient incorrectement identifiés comme ayant le POTS.

L’étude Lee/Bateman a trouvé la même chose. Au bout de dix minutes, 33 % des témoins sains répondent aux critères du POTS (augmentation < 30 bpm). (Quarante pour cent des personnes atteintes d’EM/SFC l’ont fait.)

Le problème se pose parce que même les fréquences cardiaques des personnes en bonne santé ont tendance à augmenter avec le temps lorsqu’elles sont inclinées. Plash a suggéré qu’à 10 minutes, les critères pour avoir POTS devraient être augmentés de 30 bpm à 37 bpm, et à 30 minutes, à 47 bpm.

Notez que même en utilisant ce critère renforcé, les tests n’étaient pas complètement précis; c’est-à-dire qu’ils ont encore identifié à tort 20 à 27 % des témoins sains comme ayant le POTS. Ce n’est pas vraiment un problème pour les personnes atteintes d’EM/SFC/FM avec des problèmes d’intolérance orthostatique (les symptômes augmentent en se tenant debout ou après être restés debout pendant un certain temps, mais il est intéressant de noter que certaines personnes en bonne santé – et probablement pas quelques-unes – ont une augmentation de type POTS rythme cardiaque en position debout.Pour une raison quelconque, ils ne souffrent pas de POTS.

Le problème indique également clairement que l’augmentation de la fréquence cardiaque ne produit pas nécessairement de POTS. Il s’agit d’une maladie multidimensionnelle, dont nous ne savons clairement pas grand-chose sur certains aspects.

Plash a conclu que le POTS ne devrait être identifié que chez les personnes présentant des symptômes d’intolérance orthostatique et une fréquence cardiaque élevée lors d’un TILT ou d’un test debout comme le NASA Lean Test (NLT). Le Bateman Horne Center conclut la même chose – des fréquences cardiaques élevées pendant le NLT ne sont diagnostiques pour le POTS que si elles s’accompagnent également de symptômes.

Les symptômes, cependant, n’étaient pas difficiles à trouver dans le groupe du syndrome de fatigue chronique (EM/SFC). Le test a provoqué beaucoup plus de symptômes chez les personnes atteintes d’EM/SFC – même chez celles sans POTS (voir ci-dessous) – que chez les témoins sains.

Chutes « pathologiques » de la pression pulsée

Le groupe ME/SFC a également de moins bons scores cardiovasculaires. Alors que les fréquences cardiaques des deux groupes ont augmenté au fil du temps, les fréquences cardiaques du groupe ME/SFC ont commencé plus haut (ce problème de fréquence cardiaque de base élevée) et ont augmenté plus rapidement. En fait, chaque résultat de test mesuré (pression artérielle/fréquence cardiaque/pression différentielle) était pire chez les patients atteints d’EM/SFC que dans le groupe témoin en bonne santé.

Des fréquences cardiaques plus élevées (au repos et debout) et des baisses « pathologiques » de la pression différentielle distinguaient particulièrement les patients atteints d’EM/SFC des témoins sains.

La « découverte frappante » de la pression pulsée très anormalement rétrécie chez les patients atteints d’EM/SFC de courte durée (<4 ans) semble avoir reflété un volume d’éjection systolique réduit ; c’est-à-dire une réduction des sorties de sang du cœur. C’est généralement le résultat d’un problème cardiaque, mais des études suggèrent que le cœur de l’EM/SFC va généralement bien. Au lieu de cela, les auteurs ont affirmé que la pression différentielle rétrécie était presque certainement causée par une réduction des apports sanguins au cœur.

Cela correspond bien à ce que Systrom a trouvé (réduction de la précharge) dans son étude sur l’exercice invasif. Systrom pense que plusieurs choses peuvent être en jeu, notamment des problèmes de microcirculation qui réduisent les flux sanguins vers le système veineux (le shunt gauche-droite), ce qui réduit la disponibilité de sang pour le cœur.

L’intolérance à l’exercice dans le POTS, l’EM/SFC et la fibromyalgie expliquée ?

https://www.healthrising.org/blog/2016/07/04/exercise-intolerance-fibromyalgia-chronic-fatigue-pots-explained/embed/#?secret=HiAQUVD6Kb

Les débutants sont les plus mal lotis

Fait intéressant, plus une personne a contracté l’EM/SFC récemment, plus elle s’est détériorée. Les débutants relatifs – ceux qui ont été malades pendant moins de 4 ans – ont eu les pires baisses de pression différentielle, suivis de ceux qui avaient eu l’EM/SFC pendant plus de dix ans.

Pourquoi les personnes qui débutent avec l’EM/SFC auraient-elles des problèmes plus graves que celles qui l’ont depuis plus longtemps ? Peut-être parce qu’une sorte d’approche compensatoire au fil du temps a été développée. Le système nerveux autonome peut être entraîné et il peut apparemment s’adapter dans une certaine mesure. Mes symptômes étaient certainement pires au début.

Intolérance orthostatique sans POTS ou hypotension orthostatique

Cette étude a également révélé que même les patients atteints d’EM/SFC qui ne répondaient pas aux critères du POTS ou de l’hypotension orthostatique présentaient encore beaucoup plus de symptômes pendant le NLT que les témoins sains. D’une manière ou d’une autre, eux aussi se faisaient frapper en devant s’appuyer contre un mur pendant dix minutes. Cette découverte nous rappelle que le domaine de l’intolérance orthostatique est relativement nouveau, que des surprises sont en magasin et que POTS ou OH ne sont pas tout.

Le domaine se développe également et les auteurs ont pu citer rapidement une étude réalisée en 2020 par Van Campen et Visser, qui a révélé que même les patients atteints d’EM/SFC sans POTS ou hypotension orthostatique présentaient toujours des flux sanguins réduits vers le cerveau lors d’un test d’inclinaison.

J’ai peut-être vécu quelque chose comme ça lors d’une étude jumelle il y a environ 15 ans. Mon jumeau et moi avons « réussi » le test de la table basculante, mais j’étais misérable tout du long et je suis resté symptomatique pendant un certain temps après. Lui, en revanche, n’a ressenti aucun symptôme.

L’étude Visser fait suite à une étude de 2018 de Peter Novak , qui a également découvert un groupe de patients sans POTS ou tout autre signe d’OI, mais qui avaient néanmoins réduit les flux sanguins vers le cerveau. Novak a découvert ce groupe après avoir continué à recevoir des patients « POTS » qui n’ont pas fini par avoir le POTS. Ce qu’ils avaient, c’étaient de faibles niveaux de CO2. Novak a qualifié cette nouvelle forme d’intolérance orthostatique d’hypoperfusion cérébrale hypocapnique.

Novak a suggéré un certain nombre de causes possibles (problèmes de barorécepteurs, acidose métabolique, inadéquation ventilation-perfusion orthostatique, problèmes avec les centres respiratoires du cerveau) et prévoyait de creuser plus profondément. Puisqu’il ne s’agit probablement pas d’un petit groupe et qu’il est clair qu’il est abondant dans l’EM/SFC, d’autres enquêtes sur ce groupe vont être fascinantes.

Hypoperfusion cérébrale hypocapnique : un nouveau type d’intolérance orthostatique indique un facteur clé dans l’EM/SFC et autres

https://www.healthrising.org/blog/2019/02/01/hypocapnic-cerebral-hypoperfusion-orthostatic-intolerance-chronic-fatigue-syndrome/embed/#?secret=fRwBOS9YfR

Si vous avez été déçu lorsque votre diagnostic non-POTS n’a pas réussi à capturer votre brouillard cérébral, vos problèmes de position debout, etc., ne soyez plus déçu. Il existe clairement d’autres moyens de gâcher votre cerveau lorsque vous êtes debout qu’en ayant un rythme cardiaque rapide ou un système d’ajustement de la pression artérielle peu efficace.

Traitement

Bien que l’étude n’ait pas fourni de recommandations de traitement, de nombreuses options de traitement existent. C’est une bonne nouvelle pour vous et votre médecin. D’une part, voir votre médecin peut en fait vous aider à aller mieux (woo-woo). D’autre part, vos médecins peuvent faire ce pour quoi ils sont entrés dans leur profession : vous aider. Peut-être même qu’ils s’intéresseront davantage au ME/SFC ou à la FM.

Les symptômes associés à l’intolérance orthostatique ressemblent étroitement à ceux observés dans l’EM/SFC et la fibromyalgie, et comprennent des étourdissements (parfois avec évanouissement), des difficultés à penser et à se concentrer (brouillard cérébral), de la fatigue, une intolérance à l’exercice, des maux de tête, une vision floue, des palpitations, des tremblements et nausée.

Qu’il s’agisse d’augmenter la consommation de sel, d’augmenter le volume sanguin, de porter des bas de contention, de prendre des médicaments ou d’effectuer des exercices couchés (pour ceux qui peuvent les supporter), de nombreuses options sont disponibles pour les personnes atteintes d’OI.

Découvrez quelques vidéos du Bateman Horne Center sur la façon de diagnostiquer et de traiter l’intolérance orthostatique :

conclusion

La principale découverte était que de nombreux cas d’intolérance orthostatique peuvent désormais être diagnostiqués dans un cabinet médical à l’aide des outils simples intégrés au test Lean de la NASA. Tout ce qu’un médecin doit faire est d’évaluer les symptômes, la fréquence cardiaque et la tension artérielle pendant dix minutes. L’intolérance orthostatique est diagnostiquée lorsque les directives suivantes sont respectées – en présence de symptômes :

  • Hypotension orthostatique (OH ) – (pression artérielle abaissée en position debout) – une diminution de la pression artérielle systolique (PAS) de 20 mm Hg ou plus, ou une diminution de la pression artérielle diastolique (PAD) de 10 mm Hg ou plus au cours des 3 premières minutes .
  • Syndrome de tachycardie orthostatique posturale (POTS ) – une augmentation de la fréquence cardiaque de> 30 battements par minute (bpm) en position debout ou une fréquence cardiaque supérieure à 120 bpm.

Health Rising a un « comment faire » pour le test Lean de la NASA du Dr Lucinda Bateman ici. Notez que le test est plus révélateur si le patient :

  • Limite la consommation d’eau/liquide à 1000 ml pendant 24 heures avant le test
  • Limite l’apport en sodium pendant 48 heures avant le test
  • Ne porte pas de chaussettes de compression ou de vêtements de compression le jour du test
  • Interdit les médicaments, les suppléments ou les substances susceptibles d’affecter la tension artérielle ou la fréquence cardiaque, avec un calendrier basé sur la demi-vie du médicament et la sécurité du patient. (Voir le post pour la liste.)

L’étude a également révélé que les tests d’OI doivent durer au moins cinq minutes, que l’intolérance orthostatique ne peut être diagnostiquée que chez les personnes présentant des symptômes, que certaines personnes en bonne santé ont des fréquences cardiaques élevées de type POTS, que l’intolérance orthostatique chez les personnes qui sont relativement nouveau pour l’EM/SFC (<4 ans) est pire, et cela suggère que les conclusions de Systrom sur la réduction de la précharge ou des flux sanguins vers le cœur sont exactes. Cela suggère que des problèmes de microcirculation perdent du sang quelque part en cours de route.

L’étude a révélé qu’environ 40 % des patients atteints d’EM/SFC étaient positifs pour l’intolérance orthostatique, mais une étude récente de Visser a révélé que plus de 80 % des patients atteints d’EM/SFC qui ne répondaient pas aux critères d’intolérance orthostatique présentaient toujours des flux sanguins réduits vers le cerveau. Ne pas être testé positif au POTS ou à l’hypotension orthostatique ne signifie pas que vous n’avez pas d’intolérance orthostatique. Vous pourriez, par exemple, avoir la nouvelle forme d’OI découverte par Novak – l’hypoperfusion cérébrale hypocapnique . Il y a clairement plus d’informations sur l’OI.

NASA lean test

Test Lean de la NASA : un moyen facile de diagnostiquer l’intolérance orthostatique dans l’EM/SFC, la fibromyalgie et le POTS

de Cort Johnson | 25 août 2020 | Bateman , Page d’ accueil , Intolérance orthostatique , Traitement | 40 commentaires

Nous recommandons à tous les patients atteints d’EM/SFC et de fibromyalgie de passer un test Lean de 10 minutes de la NASA pour évaluer l’intolérance orthostatique. Centre Batetman Horne

La saga de l’effort pour introduire et valider le NASA Lean Test (NLT) pour ME/CFS semble juste si juste à bien des égards. Tout d’abord, le Bateman Horne Center a identifié un test – de la NASA rien de moins – qui peut facilement être utilisé pour identifier l’intolérance orthostatique (symptômes en position debout).

Ensuite, ils ont recruté un grand nombre de patients, ont impliqué des chercheurs, validé le test et, ce faisant, ont appris quelque chose de nouveau sur l’EM/SFC au cours du processus. Il a fallu des années pour passer au travers de tout cela – mais au final, cela fournit quelque chose qui est vraiment nécessaire – un test facile pour identifier l’intolérance orthostatique (OI) et inciter les médecins à traiter l’EM/SFC comme un phénomène biologique avec lequel ils peuvent aider.

Le test Lean de la NASA, validé par le Bateman Horne Center, est simple et ne nécessite que deux instruments simples que l’on trouve déjà dans les cabinets médicaux. (Image du Centre Bateman Horne)

L’intolérance orthostatique fait référence à l’incapacité de se tenir debout sans symptômes. Bien que la plupart d’entre nous n’en soient pas conscients, réussir à se lever nécessite un éventail de processus pour fonctionner correctement.

Dès que vous vous levez, la gravité veut forcer votre sang vers le bas dans vos jambes. Afin d’atténuer cela, la pompe des muscles squelettiques resserre les vaisseaux sanguins dans vos jambes, augmente la pression dans l’abdomen, provoque un léger balancement, diminue l’activité du système nerveux parasympathique et active le système nerveux sympathique.

La pression artérielle au niveau de votre bras chute momentanément lorsque votre sang commence à couler vers le bas, mais devrait ensuite remonter lorsque les barorécepteurs dans les vaisseaux sanguins indiquent à votre cœur de battre plus vite. Tout cela se produit automatiquement et en dessous du niveau de conscience.

Lorsque les choses tournent mal avec ce système, une intolérance orthostatique se produit et de nombreux types différents existent. Le syndrome de tachycardie orthostatique posturale (POTS) et ses sous-ensembles (POTS post-viral, POTS hyperadrénergique, POTS neuropathique, hypo/hyperkinétique , POTS induit par l’exercice) semblent être la forme la plus courante d’OI trouvée dans l’EM/SFC. D’autres formes d’OI (hypotension orthostatique (OH), hypotension à médiation neurale (hypotension orthostatique neurogène) existent et, dans ce domaine encore assez nouveau, de nouvelles formes d’OI apparaissent encore.

Les tables basculantes ont traditionnellement été utilisées pour évaluer l’OI, mais de nombreux cabinets médicaux n’y ont pas accès. Le test Lean de la NASA, en revanche, peut être effectué à l’aide des outils disponibles dans le cabinet d’un médecin. Il ne nécessite que trois choses : une table d’examen, un oxymètre de pouls (placé sur une main) et un brassard de tensiomètre (placé sur le bras opposé).

Tout d’abord, la personne se repose allongée pendant 10 minutes, puis elle se lève, et avec ses talons à 6-8 pouces du mur et les omoplates le touchant, reste là pendant dix minutes (ou jusqu’à ce qu’il soit clair qu’elle a OI). La fréquence cardiaque, la tension artérielle et les symptômes sont enregistrés. Tout comme le test de la table basculante, le NLT supprime l’action de la pompe musculaire squelettique de l’équation. Vous, vos barorécepteurs, votre cœur et votre système nerveux autonome êtes seuls.

J Transl Med. 15 août 2020;18(1):314. doi : 10.1186/s12967-020-02481-y. Hémodynamique pendant le test Lean de 10 minutes de la NASA : preuve de décompensation circulatoire dans un sous-ensemble de patients atteints d’EM/SFC . Jihyun Lee  1 ,  Suzanne D Vernon  2 ,  Patricia Jeys  1 ,  Weam Ali  1 ,  Andrea Campos  1 ,  Derya Unutmaz  3 ,  Brayden Yellman  1 ,  Lucinda Bateman  1

La grande étude Lee-Bateman (150 ME/SFC et 75 témoins sains) du Bateman Horne Center comprenait des patients atteints d’EM/SFC qui remplissaient les critères de recherche de l’International Chronic Fatigue Syndrome Study Group (alias Fukuda), les critères de consensus canadiens (alias CCC ) et les critères de diagnostic clinique de l’IOM.

Beaucoup de gens n’associent pas la FM à l’intolérance orthostatique, mais c’est l’une de ses conditions comorbides. Bien que l’étude portait sur ME/CFS, le Dr Bateman indique clairement que le test Lean de la NASA devrait être utilisé à la fois dans ME/CFS et FM. (Image de Wikimedia – https://commons.wikimedia.org/wiki/File:Fibromyalgia_and_comorbid_conditions.jpg)

Tous les participants ont bénéficié de l’approche extrêmement approfondie du Bateman Horne Center qui comprenait la réponse à un nombre impressionnant de questionnaires (DePaul Symptom Questionnaire, Post-Exertional Fatigue Questionnaire, RAND-36, Fibromyalgia Impact Questionnaire-R, ACR 2010 Fibromyalgia Criteria Symptom Questionnaire, Pittsburgh Sleep Indice de qualité, enquête d’activité brève de Stanford, échelle d’activité quotidienne d’intolérance orthostatique, évaluation des symptômes d’intolérance orthostatique, enquête brève sur le bien-être, heures d’activité debout, antécédents médicaux et antécédents familiaux.

Outre la fréquence cardiaque et la pression artérielle, un élément appelé pression différentielle a également été mesuré. La pression différentielle est la différence entre la pression artérielle systolique et diastolique. Il représente le volume d’éjection systolique – le volume de sang éjecté par le cœur lorsqu’il bat.

Deux types d’intolérance orthostatique ont été évalués :

L’hypotension orthostatique (OH ) (baisse de la pression artérielle en position debout) a été définie comme une diminution de la pression artérielle systolique (PAS) de 20 mm Hg ou plus, ou une diminution de la pression artérielle diastolique (PAD) de 10 mm Hg ou plus au cours des 3 premières minutes.

Le syndrome de tachycardie orthostatique posturale (POTS ) a été défini comme une augmentation de la fréquence cardiaque > 30 battements par minute (bpm) en position debout ou une fréquence cardiaque supérieure à 120 bpm.

Résultats

La durée compte – moins n’est pas plus

Le temps compte – cette étude a validé les résultats d’une autre étude sur table basculante qui indiquait que l’évaluation orthostatique de 1 à 3 minutes généralement effectuée dans les cabinets de médecins n’est pas suffisante. Même un test de table basculante de 2 à 5 minutes manquera un ensemble considérable de patients POTS.

L’étude Lee-Bateman a révélé qu’au moins 5 minutes du test d’inclinaison de la NASA sont nécessaires pour détecter les signes d’intolérance orthostatique chez la plupart des participants et qu’il faut dix minutes complètes pour en détecter davantage.

Interlude – l’étude Plash – Plus peut être délicat

L’essentiel

  • De nombreuses personnes atteintes d’EM/SFC ou de fibromyalgie qui souffrent d’intolérance orthostatique (OI) (leurs symptômes s’aggravent en se tenant debout) n’ont pas accès aux tests de table basculante habituellement utilisés pour diagnostiquer l’OI
  • Le Bateman Horne Center a produit une étude conçue pour évaluer la capacité d’un test simple appelé le NASA Lean Test (NLT) de 10 minutes qui peut facilement être effectué dans un cabinet médical.
  • Le NLT exige que les patients se tiennent dos au mur avec leurs talons à 6-8 pouces du mur et les épaules touchant le mur.
  • L’étude a révélé qu’environ 40 % des patients atteints d’EM/SFC répondent aux critères du syndrome de tachycardie orthostatique posturale (POTS) ou de l’hypotension orthostatique.
  • Il a également constaté que le test NLT doit être effectué pendant au moins 5 minutes pour obtenir de bons résultats ; 10 min c’est mieux.
  • Étant donné qu’un pourcentage important de personnes en bonne santé qui n’ont pas d’intolérance orthostatique peuvent être testées positives au test, un diagnostic d’OI nécessite que les participants ressentent également des symptômes lors du test.
  • Les participants à l’EM/SFC de l’étude ont présenté beaucoup plus de symptômes que les témoins sains. Leurs lectures de fréquence cardiaque, de tension artérielle et de pression pulsée étaient également nettement pires.
  •  La pression différentielle est un analogue du volume d’éjection systolique – la quantité de sang que le cœur émet lorsqu’il bat. La faible pression différentielle chez les patients atteints d’EM/SFC reflétait une réduction des flux sanguins vers le cœur.
  • David Systrom de Harvard a découvert une réduction du flux sanguin vers le cœur (réduction de la précharge) dans sa vaste étude sur les personnes souffrant d’intolérance à l’effort. Il croit que les problèmes microcirculatoires qui dirigent le sang dans les espaces interstitiels des muscles peuvent priver le cœur du sang qu’il reçoit habituellement.
  • Les personnes avec des cas plus courts d’EM/SFC (<4 ans) étaient en fait moins bien loties. Les auteurs pensaient que les systèmes de patients de plus longue durée peuvent avoir créé des mécanismes compensatoires qui peuvent avoir aidé.
  • Diagnostiquer l’intolérance orthostatique dans le cabinet du médecin pourrait fournir à de nombreuses personnes atteintes d’EM/SFC et/ou de FM des traitements qui les aideront.
  • Le Bateman Horne Center pense que toute personne atteinte d’EM/SFC ou de fibromyalgie devrait subir le test Lean de la NASA

En 

2013, Plash a également découvert que la durée des tests était importante. La physiologie de chacun, qu’il soit en bonne santé ou non, commence à souffrir après avoir été incliné ou forcé à rester debout pendant un certain temps.

Plash a découvert que si le test de table inclinée de 10 minutes identifiait correctement 93 % de tous les patients POTS (haute sensibilité), il identifiait également à tort 60 % des témoins sains comme ayant le POTS (!) (faible spécificité). Après 30 minutes de test sur table basculante, les choses étaient bien pires : 80 % des témoins sains étaient incorrectement identifiés comme ayant le POTS.

L’étude Lee/Bateman a trouvé la même chose. Au bout de dix minutes, 33 % des témoins sains répondent aux critères du POTS (augmentation < 30 bpm). (Quarante pour cent des personnes atteintes d’EM/SFC l’ont fait.)

Le problème se pose parce que même les fréquences cardiaques des personnes en bonne santé ont tendance à augmenter avec le temps lorsqu’elles sont inclinées. Plash a suggéré qu’à 10 minutes, les critères pour avoir POTS devraient être augmentés de 30 bpm à 37 bpm, et à 30 minutes, à 47 bpm.

Notez que même en utilisant ce critère renforcé, les tests n’étaient pas complètement précis; c’est-à-dire qu’ils ont encore identifié à tort 20 à 27 % des témoins sains comme ayant le POTS. Ce n’est pas vraiment un problème pour les personnes atteintes d’EM/SFC/FM avec des problèmes d’intolérance orthostatique (les symptômes augmentent en se tenant debout ou après être restés debout pendant un certain temps, mais il est intéressant de noter que certaines personnes en bonne santé – et probablement pas quelques-unes – ont une augmentation de type POTS rythme cardiaque en position debout.Pour une raison quelconque, ils ne souffrent pas de POTS.

Le problème indique également clairement que l’augmentation de la fréquence cardiaque ne produit pas nécessairement de POTS. Il s’agit d’une maladie multidimensionnelle, dont nous ne savons clairement pas grand-chose sur certains aspects.

Plash a conclu que le POTS ne devrait être identifié que chez les personnes présentant des symptômes d’intolérance orthostatique et une fréquence cardiaque élevée lors d’un TILT ou d’un test debout comme le NASA Lean Test (NLT). Le Bateman Horne Center conclut la même chose – des fréquences cardiaques élevées pendant le NLT ne sont diagnostiques pour le POTS que si elles s’accompagnent également de symptômes.

Les symptômes, cependant, n’étaient pas difficiles à trouver dans le groupe du syndrome de fatigue chronique (EM/SFC). Le test a provoqué beaucoup plus de symptômes chez les personnes atteintes d’EM/SFC – même chez celles sans POTS (voir ci-dessous) – que chez les témoins sains.

Chutes « pathologiques » de la pression pulsée

Le groupe ME/SFC a également de moins bons scores cardiovasculaires. Alors que les fréquences cardiaques des deux groupes ont augmenté au fil du temps, les fréquences cardiaques du groupe ME/SFC ont commencé plus haut (ce problème de fréquence cardiaque de base élevée) et ont augmenté plus rapidement. En fait, chaque résultat de test mesuré (pression artérielle/fréquence cardiaque/pression différentielle) était pire chez les patients atteints d’EM/SFC que dans le groupe témoin en bonne santé.

Des fréquences cardiaques plus élevées (au repos et debout) et des baisses « pathologiques » de la pression différentielle distinguaient particulièrement les patients atteints d’EM/SFC des témoins sains.

La « découverte frappante » de la pression pulsée très anormalement rétrécie chez les patients atteints d’EM/SFC de courte durée (<4 ans) semble avoir reflété un volume d’éjection systolique réduit ; c’est-à-dire une réduction des sorties de sang du cœur. C’est généralement le résultat d’un problème cardiaque, mais des études suggèrent que le cœur de l’EM/SFC va généralement bien. Au lieu de cela, les auteurs ont affirmé que la pression différentielle rétrécie était presque certainement causée par une réduction des apports sanguins au cœur.

Cela correspond bien à ce que Systrom a trouvé (réduction de la précharge) dans son étude sur l’exercice invasif. Systrom pense que plusieurs choses peuvent être en jeu, notamment des problèmes de microcirculation qui réduisent les flux sanguins vers le système veineux (le shunt gauche-droite), ce qui réduit la disponibilité de sang pour le cœur.

L’intolérance à l’exercice dans le POTS, l’EM/SFC et la fibromyalgie expliquée ?

https://www.healthrising.org/blog/2016/07/04/exercise-intolerance-fibromyalgia-chronic-fatigue-pots-explained/embed/#?secret=HiAQUVD6Kb

Les débutants sont les plus mal lotis

Fait intéressant, plus une personne a contracté l’EM/SFC récemment, plus elle s’est détériorée. Les débutants relatifs – ceux qui ont été malades pendant moins de 4 ans – ont eu les pires baisses de pression différentielle, suivis de ceux qui avaient eu l’EM/SFC pendant plus de dix ans.

Pourquoi les personnes qui débutent avec l’EM/SFC auraient-elles des problèmes plus graves que celles qui l’ont depuis plus longtemps ? Peut-être parce qu’une sorte d’approche compensatoire au fil du temps a été développée. Le système nerveux autonome peut être entraîné et il peut apparemment s’adapter dans une certaine mesure. Mes symptômes étaient certainement pires au début.

Intolérance orthostatique sans POTS ou hypotension orthostatique

Cette étude a également révélé que même les patients atteints d’EM/SFC qui ne répondaient pas aux critères du POTS ou de l’hypotension orthostatique présentaient encore beaucoup plus de symptômes pendant le NLT que les témoins sains. D’une manière ou d’une autre, eux aussi se faisaient frapper en devant s’appuyer contre un mur pendant dix minutes. Cette découverte nous rappelle que le domaine de l’intolérance orthostatique est relativement nouveau, que des surprises sont en magasin et que POTS ou OH ne sont pas tout.

Le domaine se développe également et les auteurs ont pu citer rapidement une étude réalisée en 2020 par Van Campen et Visser, qui a révélé que même les patients atteints d’EM/SFC sans POTS ou hypotension orthostatique présentaient toujours des flux sanguins réduits vers le cerveau lors d’un test d’inclinaison.

J’ai peut-être vécu quelque chose comme ça lors d’une étude jumelle il y a environ 15 ans. Mon jumeau et moi avons « réussi » le test de la table basculante, mais j’étais misérable tout du long et je suis resté symptomatique pendant un certain temps après. Lui, en revanche, n’a ressenti aucun symptôme.

L’étude Visser fait suite à une étude de 2018 de Peter Novak , qui a également découvert un groupe de patients sans POTS ou tout autre signe d’OI, mais qui avaient néanmoins réduit les flux sanguins vers le cerveau. Novak a découvert ce groupe après avoir continué à recevoir des patients « POTS » qui n’ont pas fini par avoir le POTS. Ce qu’ils avaient, c’étaient de faibles niveaux de CO2. Novak a qualifié cette nouvelle forme d’intolérance orthostatique d’hypoperfusion cérébrale hypocapnique.

Novak a suggéré un certain nombre de causes possibles (problèmes de barorécepteurs, acidose métabolique, inadéquation ventilation-perfusion orthostatique, problèmes avec les centres respiratoires du cerveau) et prévoyait de creuser plus profondément. Puisqu’il ne s’agit probablement pas d’un petit groupe et qu’il est clair qu’il est abondant dans l’EM/SFC, d’autres enquêtes sur ce groupe vont être fascinantes.

Hypoperfusion cérébrale hypocapnique : un nouveau type d’intolérance orthostatique indique un facteur clé dans l’EM/SFC et autres

https://www.healthrising.org/blog/2019/02/01/hypocapnic-cerebral-hypoperfusion-orthostatic-intolerance-chronic-fatigue-syndrome/embed/#?secret=fRwBOS9YfR

Si vous avez été déçu lorsque votre diagnostic non-POTS n’a pas réussi à capturer votre brouillard cérébral, vos problèmes de position debout, etc., ne soyez plus déçu. Il existe clairement d’autres moyens de gâcher votre cerveau lorsque vous êtes debout qu’en ayant un rythme cardiaque rapide ou un système d’ajustement de la pression artérielle peu efficace.

Traitement

Bien que l’étude n’ait pas fourni de recommandations de traitement, de nombreuses options de traitement existent. C’est une bonne nouvelle pour vous et votre médecin. D’une part, voir votre médecin peut en fait vous aider à aller mieux (woo-woo). D’autre part, vos médecins peuvent faire ce pour quoi ils sont entrés dans leur profession : vous aider. Peut-être même qu’ils s’intéresseront davantage au ME/SFC ou à la FM.

Les symptômes associés à l’intolérance orthostatique ressemblent étroitement à ceux observés dans l’EM/SFC et la fibromyalgie, et comprennent des étourdissements (parfois avec évanouissement), des difficultés à penser et à se concentrer (brouillard cérébral), de la fatigue, une intolérance à l’exercice, des maux de tête, une vision floue, des palpitations, des tremblements et nausée.

Qu’il s’agisse d’augmenter la consommation de sel, d’augmenter le volume sanguin, de porter des bas de contention, de prendre des médicaments ou d’effectuer des exercices couchés (pour ceux qui peuvent les supporter), de nombreuses options sont disponibles pour les personnes atteintes d’OI.

Découvrez quelques vidéos du Bateman Horne Center sur la façon de diagnostiquer et de traiter l’intolérance orthostatique :

conclusion

La principale découverte était que de nombreux cas d’intolérance orthostatique peuvent désormais être diagnostiqués dans un cabinet médical à l’aide des outils simples intégrés au test Lean de la NASA. Tout ce qu’un médecin doit faire est d’évaluer les symptômes, la fréquence cardiaque et la tension artérielle pendant dix minutes. L’intolérance orthostatique est diagnostiquée lorsque les directives suivantes sont respectées – en présence de symptômes :

  • Hypotension orthostatique (OH ) – (pression artérielle abaissée en position debout) – une diminution de la pression artérielle systolique (PAS) de 20 mm Hg ou plus, ou une diminution de la pression artérielle diastolique (PAD) de 10 mm Hg ou plus au cours des 3 premières minutes .
  • Syndrome de tachycardie orthostatique posturale (POTS ) – une augmentation de la fréquence cardiaque de> 30 battements par minute (bpm) en position debout ou une fréquence cardiaque supérieure à 120 bpm.

Health Rising a un « comment faire » pour le test Lean de la NASA du Dr Lucinda Bateman ici. Notez que le test est plus révélateur si le patient :

  • Limite la consommation d’eau/liquide à 1000 ml pendant 24 heures avant le test
  • Limite l’apport en sodium pendant 48 heures avant le test
  • Ne porte pas de chaussettes de compression ou de vêtements de compression le jour du test
  • Interdit les médicaments, les suppléments ou les substances susceptibles d’affecter la tension artérielle ou la fréquence cardiaque, avec un calendrier basé sur la demi-vie du médicament et la sécurité du patient. (Voir le post pour la liste.)

L’étude a également révélé que les tests d’OI doivent durer au moins cinq minutes, que l’intolérance orthostatique ne peut être diagnostiquée que chez les personnes présentant des symptômes, que certaines personnes en bonne santé ont des fréquences cardiaques élevées de type POTS, que l’intolérance orthostatique chez les personnes qui sont relativement nouveau pour l’EM/SFC (<4 ans) est pire, et cela suggère que les conclusions de Systrom sur la réduction de la précharge ou des flux sanguins vers le cœur sont exactes. Cela suggère que des problèmes de microcirculation perdent du sang quelque part en cours de route.

L’étude a révélé qu’environ 40 % des patients atteints d’EM/SFC étaient positifs pour l’intolérance orthostatique, mais une étude récente de Visser a révélé que plus de 80 % des patients atteints d’EM/SFC qui ne répondaient pas aux critères d’intolérance orthostatique présentaient toujours des flux sanguins réduits vers le cerveau. Ne pas être testé positif au POTS ou à l’hypotension orthostatique ne signifie pas que vous n’avez pas d’intolérance orthostatique. Vous pourriez, par exemple, avoir la nouvelle forme d’OI découverte par Novak – l’hypoperfusion cérébrale hypocapnique . Il y a clairement plus d’informations sur l’OI.

  • À venir – un remplacement bon marché et efficace de la solution saline ?

TEP biomarqueurs = outils de diagnostic étiologique

Approche multidisciplinaire du diagnostic des troubles cognitifs

Par Stéphanie Bombois

L’enjeu actuel dans le domaine des troubles cognitifs est de déterminer de façon précoce et précise l’étiologie de ces difficultés. Le diagnostic précoce permet, entre autres, une meilleure adhésion du patient à son parcours de soin, la mise en place de stratégies de prévention et la possibilité de participer à des essais thérapeutiques innovants.
Déterminer l’étiologie des troubles cognitifs correspond, dans les pathologies neurodégénératives, à reconnaître la protéinopathie associée aux déficits cliniques. Les symptômes cognitifs ne sont pas suffisamment spécifiques d’une étiologie (par exemple la maladie d’Alzheimer peut se présenter sous divers phénotypes cliniques : amnésique, aphasie progressive primaire ou atrophie corticale postérieure) et l’utilisation de biomarqueurs est alors utile pour le diagnostic étiologique.
Le diagnostic étiologique fiable est d’autant plus important que des traitements disease-modifier pourraient prochainement être disponibles.

Les biomarqueurs sont des outils du diagnostic étiologique. Pour le diagnostic de la maladie d’Alzheimer, il existe des biomarqueurs de neurodégénérescence (N) comme l’atrophie hippocampique en IRM ou les troubles du métabolisme glucidique en TEP-FDG avec un hypométabolisme des carrefours pariéto-temporaux. Les lésions pathologiques de la maladie d’Alzheimer sont les plaques amyloïdes (A) et les dépôts de protéines tau hyperphosphorylées (T). Ces lésions peuvent être diagnostiquées par l’imagerie métabolique ou par leur dosage dans les fluides tels que le liquide cérébrospinal (LCS) ou dans le plasma [1]. Des radioligands des dépôts amyloïdes et des protéines tau couplés à l’imagerie TEP permettent de mettre en évidence in vivo les lésions pathologiques de la maladie d’Alzheimer. Ces techniques ne sont pas utilisées dans le soin courant en France (pas d’agrément de collectivité pour les ligands amyloïdes, pas d’AMM pour les ligands tau). Le profil des biomarqueurs du LCS en lien avec une maladie d’Alzheimer biologique repose sur une diminution de concentration du peptide Aβ42 (ou une augmentation du ratio Aβ40/42), une augmentation des protéines P-tau et T-tau. En 2018, le National Institute on Aging et l’Alzheimer’s Association (NIA-AA) ont proposé une définition et un diagnostic de maladie d’Alzheimer s’appuyant sur les critères ATN [2]. Un diagnostic purement biologique de maladie d’Alzheimer pourrait ainsi être porté, quel que soit le stade asymptomatique ou clinique de la maladie.

Cas clinique. Un homme de 84 ans, retraité, mécanicien, avec pour antécédents personnels : HTA, épisodes dépressifs récurrents en 1982 et 2017, cardiopathie ischémique, cancer de prostate. Son traitement : ticagrelor, bisoprolol, acétylsalicylate de lysine, atorvastatine, bromazépam. Pas d’antécédents familiaux.
Depuis 15 ans, il se plaint d’oublis. Pas de modification de caractère, pas de trouble de l’humeur, troubles du sommeil en raison d’une nycturie. Son examen neurologique est normal. Le bilan neuropsychologique montre un MMSE à 21/30 avec un syndrome amnésique sévère touchant la mémoire épisodique verbale et non verbale avec un trouble de l’encodage, du stockage et de la récupération des informations. Il n’a pas de trouble instrumental. Il existe un syndrome dysexécutif modéré avec une BREF à 11/18 (batterie rapide d’efficience frontale). Il est autonome pour les actes de la vie quotidienne.
Ce profil cognitif fait évoquer en première hypothèse une maladie d’Alzheimer prodromale, et un bilan étiologique est organisé en ce sens. L’IRM montre une atrophie très sévère des hippocampes (classée sur l’échelle visuelle de Scheltens entre 3 et 4), la TEP-FDG montre un hypométabolisme isolé des deux hippocampes, et la ponction lombaire ne montre pas d’anomalie de concentration des trois marqueurs testés.
Le diagnostic étiologique n’est donc pas en faveur d’une maladie d’Alzheimer, ce qui est retrouvé jusqu’à 30 % des cas de sujets avec un syndrome amnésique.

Suite à la proposition d’un diagnostic biologique par le NIA-AA [2] dans un cadre de la recherche, rapidement se sont posées des questions pour une application en soin courant. L’International Working Group (IWG) a répondu en soulevant des limites à un diagnostic purement biologique et en proposant des recommandations pour le diagnostic de maladie d’Alzheimer dans une perspective de pratique clinique [3].
Les limites d’un diagnostic purement biologique sont liées au fait que l’expression clinique des lésions cérébrales de maladie d’Alzheimer est probablement modulée ou compensée par des facteurs encore peu connus, que la copathologie est très fréquente et qu’il peut être difficile d’associer des symptômes avec les différentes lésions présentes, et qu’il n’existe pas (ou peu) de biomarqueurs de protéinopathies non Alzheimer.

Selon l’IWG [3], les situations dans lesquelles les biomarqueurs peuvent être utilisés pour le diagnostic de maladie d’Alzheimer sont essentiellement les sujets symptomatiques. Chez les sujets avec une plainte cognitive sans trouble objectivé, il est recommandé dans le cadre du soin de réaliser un suivi clinique et neuropsychologique. Il est recommandé d’utiliser les biomarqueurs chez ces sujets dans le cadre de la recherche, avec une information éclairée sur les résultats qui peuvent découler de leur recherche. Les personnes sans trouble cognitif objectif avec des marqueurs de maladie d’Alzheimer sont considérés comme à risque, mais pas comme ayant une maladie d’Alzheimer (qui pourrait ne pas devenir symptomatique).

Les examens pouvant être proposés en pratique courante aux sujets symptomatiques vont dépendre de plusieurs facteurs : de la disponibilité de l’outil, de son coût, de la situation clinique, du souhait du patient à connaître son diagnostic… Il est recommandé en premier lieu une évaluation clinique et neuropsychologique, suivie par une imagerie structurelle. Si une maladie d’Alzheimer est l’hypothèse principale, une ponction lombaire avec dosages des biomarqueurs du LCS pourra être proposée préférentiellement à une TEP-FDG, alors que dans le cas d’une suspicion de pathologie dégénérative non Alzheimer, il pourra être proposé en premier lieu une TEP-FDG [4].

Bibliographie

1. Scheltens P, De Strooper B, Kivipelto M et al. Alzheimer’s disease. Lancet 2021 ; 10284 : 1577-90.
2. Jack CR Jr, Bennett DA, Blennow K et al. NIA–AA research framework: toward a biological definition of Alzheimer’s disease. Alzheimers Dement 2018 ; 14 : 535–62.
3. Dubois B, Villain N, Frisoni GB et al. Clinical diagnosis of Alzheimer’s disease: recommendations of the International Working Group. Lancet Neurol 2021 ; 6 : 484-96.
4. Chételat G, Arbizu J, Barthel H et al. Amyloid-PET and 18 F-FDG-PET in the diagnostic investigation of Alzheimer’s disease and other dementias. Lancet Neurol 2020 ; 11 : 951-62.

Modifier

L’oxygénothérapie hyperbare

L’oxygénothérapie hyperbare améliore les fonctions neurocognitives et les symptômes de l’état post-COVID : essai contrôlé randomisé

Rapports scientifiques le volume 12 , Numéro d’article :  11252 ( 2022 ) Citer cet article

Résumé

L’état post-COVID-19 fait référence à une gamme de symptômes physiques, neurocognitifs et neuropsychologiques persistants après une infection par le SRAS-CoV-2. Le mécanisme peut être lié à une pathologie du tissu cérébral causée par une invasion virale ou indirectement par une neuroinflammation et une hypercoagulabilité. Cet essai randomisé, à contrôle simulé et en double aveugle a évalué l’effet de l’oxygénothérapie hyperbare (OHB ou HBO2) sur des patients post-COVID-19 présentant des symptômes persistants pendant au moins 3 mois après une infection confirmée. Soixante-treize patients ont été randomisés pour recevoir quotidiennement 40 séances d’OHB (n = 37) ou simulées (n = 36). Des évaluations de suivi ont été effectuées au départ et 1 à 3 semaines après la dernière séance de traitement. Après l’OHB, il y avait une interaction significative groupe-temps dans la fonction cognitive globale, l’attention et la fonction exécutive (d = 0,495, p = 0,038 ; d = 0. 477, p = 0,04 et d = 0,463, p = 0,05 respectivement). Une amélioration significative a également été démontrée dans le domaine de l’énergie (d = 0,522, p = 0,029), du sommeil (d = − 0,48, p = 0,042), des symptômes psychiatriques (d = 0,636, p = 0,008) et de l’interférence de la douleur (d = 0,737 , p = 0,001). Les résultats cliniques ont été associés à une amélioration significative de la perfusion IRM cérébrale et à des modifications microstructurales du gyrus supramarginal, de l’aire motrice supplémentaire gauche, de l’insula droite, du gyrus précentral frontal gauche, du gyrus frontal moyen droit et de la couronne radiée supérieure. Ces résultats indiquent que l’OHB peut induire une neuroplasticité et améliorer les symptômes cognitifs, psychiatriques, de fatigue, de sommeil et de douleur des patients souffrant d’une affection post-COVID-19.

Introduction

En janvier 2022, la pandémie de coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2) a entraîné plus de 300 millions de cas infectés. Même si la plupart des patients infectés se rétablissent, 10 à 30 % présentent encore des symptômes persistants qui ont des effets dévastateurs sur leur qualité de vie 1 , 2 . L’Organisation mondiale de la santé a reconnu cette condition clinique et l’a définie comme une condition post-COVID-19. Cette condition est confirmée trois mois après le début du COVID-19 avec des symptômes physiques, neurocognitifs et psychiatriques qui persistent pendant plus de deux mois et ne peuvent être expliqués par un diagnostic alternatif 1 . Les symptômes neurocognitifs et psychiatriques comprennent la diminution des fonctions exécutives, l’anxiété, la dépression et les symptômes de stress post-traumatique3 , 4 . Les symptômes physiques les plus courants comprennent la fatigue, la dyspnée, l’agueusie, l’anosmie, l’insomnie, les maux de tête et la douleur généralisée généralisée 5 .

La pathogenèse de l’état post-COVID-19 n’est pas encore déterminée. Les mécanismes suggérés comprennent l’invasion cérébrale directe du virus, des réponses immunologiques dérégulées, une maladie thrombotique, un dysfonctionnement mitochondrial et une lésion vasculaire avec hypoxie tissulaire secondaire 6 , 7 . Les options de traitement actuellement étudiées de l’état post-COVID-19 sont des molécules anti-inflammatoires ciblées, des régimes alimentaires spécifiques et une thérapie cognitivo-comportementale. Cependant, aucun n’a été déterminé efficace 8 , 9 , 10 .

Ces dernières années, des preuves ont été accumulées sur les effets de neuroplasticité de l’oxygénothérapie hyperbare (OHB) 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 . Il est maintenant réalisé que l’action combinée de l’hyperoxie et de la pression hyperbare conduit à une amélioration significative de l’oxygénation des tissus tout en ciblant à la fois les gènes sensibles à l’oxygène et à la pression 11 . Des études précliniques et cliniques ont démontré plusieurs effets de neuroplasticité, notamment anti-inflammatoire, restauration de la fonction mitochondriale, augmentation de la perfusion via l’angiogenèse et induction de la prolifération et de la migration des cellules souches11 , 12 , 13 , 20 , 21 . Robbin et al. ont suggéré un avantage possible avec l’OHB dans une récente série de cas de dix patients atteints de l’état post-COVID-19 22 .

L’objectif de l’étude actuelle était d’évaluer les effets de l’OHB sur les patients souffrant d’une condition post-COVID-19, avec des symptômes persistants pendant au moins 3 mois après l’infection confirmée, dans un essai clinique randomisé, simulé et en double aveugle.

Résultats

Caractéristiques des patients et randomisation

Quatre-vingt-onze patients étaient éligibles pour participer à l’étude. Douze patients n’ont pas terminé l’évaluation initiale. Soixante-dix-neuf ont été randomisés dans l’un des deux bras. Deux patients du groupe témoin ont retiré leur consentement pendant le traitement, et un patient a été exclu en raison d’une mauvaise observance et n’a pas terminé les évaluations. Deux patients du groupe OHB ont été exclus, un en raison d’une maladie intercurrente et un en raison d’un événement personnel ayant empêché l’achèvement du protocole. Un autre patient du groupe OHB a retiré son consentement pendant le traitement. En conséquence, 37 patients du groupe HBOT et 36 patients du groupe témoin ont terminé le protocole et ont été inclus dans l’analyse. L’organigramme du patient et le calendrier de l’étude sont présentés dans la Fig.  1 supplémentaire.. Les caractéristiques initiales des patients sont détaillées dans le tableau 1 . Aucune différence statistiquement significative entre les deux groupes n’a été observée dans les caractéristiques de base. Les données sur les symptômes autodéclarés après la COVID-19 sont fournies dans les tableaux supplémentaires 1 à 2 . Aucune différence significative n’a été observée dans les symptômes de base entre les deux groupes.Tableau 1 Caractéristiques de base.

Tableau pleine grandeur

La mise en aveugle des participants s’est avérée fiable, où le taux de perception de l’attribution correcte du groupe était de 54,1 % et 66,7 % (p = 0,271) dans les groupes HBOT et témoin respectivement (Fig.  2 supplémentaire ).

Résultat primaire

Il n’y avait pas de différences significatives entre les groupes dans tous les domaines cognitifs de base. Il y avait une interaction significative groupe-temps dans le score cognitif global post-OHB par rapport au groupe témoin, avec une taille d’effet net moyenne (d = 0,495, p = 0,038). Les domaines de l’attention et des fonctions exécutives présentaient des interactions groupe-temps significatives (d = 0,477, p = 0,04 et d = 0,463, p = 0,05 respectivement) (tableau 2 et tableau supplémentaire 3 ).Tableau 2 Modifications des performances neurocognitives.

Tableau pleine grandeur

Résultats secondaires

L’ analyse du questionnaire est résumée dans la figure  1 , le tableau 3 et le tableau supplémentaire 4 . Au départ, il n’y avait pas de différences significatives dans tous les domaines entre les groupes. Dans le SF-36 ,le groupe HBOT a amélioré à la fois la limitation physique et l’énergie avec des interactions significatives groupe-temps de (d = 0,544, p = 0,023) et (d = 0,522 p = 0,029). Dans le PSQI, le groupe HBOT a amélioré le score global du sommeil avec une interaction significative groupe-temps (d = – 0,48, p = 0,042). Des améliorations des symptômes psychologiques ont également été démontrées après l’OHB avec une interaction groupe-temps significative et une grande taille d’effet dans le score total BSI-18 (d = 0,636, p = 0,008). Les scores de somatisation (d = 0,588, p = 0,014) et de dépression (d = 0,491, p = 0,04) ont montré des interactions groupe-temps significatives. Le score d’anxiété s’est amélioré de manière significative dans l’OHB et n’a pas changé dans le groupe témoin. Cependant, l’interaction groupe-temps n’a pas atteint le niveau de signification (p = 0,079).

Figure 1
Figure 1

Tableau 3 Analyse des résultats du questionnaire.

Tableau pleine grandeur

Perfusion cérébrale

Un patient a été exclu en raison d’un mouvement excessif de la tête. Par conséquent, un total de 36 patients de chaque groupe ont été analysés. L’analyse basée sur le voxel a révélé des augmentations significatives du CBF de la matière grise dans le groupe HBOT par rapport aux témoins, comme indiqué sur la Fig.  2 A et le tableau supplémentaire 5 . Des interactions groupe-temps significatives ont été démontrées dans le gyrus supramarginal gauche et droit (BA40), le gyrus cingulaire antérieur gauche (BA10/BA32), le lobule pariétal supérieur droit (BA7), l’aire motrice supplémentaire gauche (BA6), le gyrus parahippocampique gauche, et l’insula droite (BA13).

Figure 2
Figure 2

Microstructure cérébrale

L’analyse DTI basée sur les voxels des cartes de diffusivité moyenne (MD) de la matière grise du cerveau est illustrée à la Fig.  2 B et au tableau supplémentaire 6 . Des interactions groupe-temps significatives ont été démontrées dans le gyrus précentral frontal gauche (BA6) et le gyrus frontal moyen droit (BA10, BA8).

L’analyse DTI basée sur les voxels des cartes d’anisotropie fractionnelle (FA) de la matière blanche du cerveau est illustrée à la Fig.  2 C et au tableau supplémentaire 7 . Des interactions groupe-temps significatives ont été démontrées dans les corona radiata supérieure droite et gauche.

Il y avait des corrélations significatives entre l’interférence de la douleur et les scores d’énergie et les changements de DM dans le gyrus frontal moyen droit (r = 0,465, p <0,0001, r = – 0,309, p = 0,008 respectivement). Le score global NeturTrax était corrélé à une augmentation de la perfusion dans le gyrus supramarginal gauche (r = 0,285, p = 0,0152) (Fig.  2 D, E).

Les résultats des évaluations de l’odeur et du goût sont résumés dans le tableau supplémentaire 8 et les figures supplémentaires. 3 – 4 . Une altération de la détection des odeurs au départ a été constatée chez 27 (73 %) des patients HBOT et chez 25 (69 %) des témoins. La détection des odeurs des deux groupes s’est améliorée de manière significative et il n’y a pas eu d’interaction significative entre les groupes et le temps.

Une sensation gustative anormale au départ a été trouvée chez 18 (49%) patients du groupe HBOT et chez 12 (33%) du groupe contrôle. Par rapport au départ, il y a eu des améliorations significatives dans le groupe HBOT dans le score de goût total et dans les domaines du goût sucré et amer (p = 0,003, 0,007 et 0,014 respectivement). Dans le groupe témoin, il y avait une amélioration significative uniquement dans le domaine sucré (p = 0,034). Cependant, il n’y avait pas d’interactions significatives entre les groupes et le temps.

Les tests sanguins de base et les tests de la fonction pulmonaire se situaient dans la plage normale. Aucun changement significatif n’a été observé après le traitement (tableaux supplémentaires 9 à 10 ).

Sécurité

Les effets secondaires rapportés sont présents dans le tableau supplémentaire 11 . Il n’y avait aucune différence significative dans l’un des effets secondaires signalés entre les groupes (35,1 % et 38,9 %, p = 0,739 dans les groupes OHB et témoin, respectivement). Aucun des patients n’a dû interrompre le traitement en raison d’effets secondaires.

Discussion

Il s’agit du premier essai prospectif, randomisé et contrôlé par simulation démontrant une amélioration significative au-delà du cours de récupération clinique attendu de l’état post-COVID-19. Nous avons constaté que l’OHB améliore les fonctions dysexécutives, les symptômes psychiatriques (dépression, anxiété et somatisation), les symptômes d’interférence de la douleur et la fatigue. Ces changements étaient associés à une augmentation du CBF et à des changements microstructuraux du cerveau dans les régions frontale, pariétale et limbique associés à des rôles cognitifs et psychiatriques.

Becker et al. montrent que les principaux troubles cognitifs dans l’état post-COVID-19 sont dysexécutifs, ou brouillard cérébral, avec des implications considérables sur les résultats professionnels, psychologiques et fonctionnels 23 . Dans cette étude, des améliorations dans le domaine de la mémoire ont été observées dans les deux groupes, ce qui peut être attribué à l’évolution naturelle de la maladie. Cependant, la fonction exécutive et l’attention ne se sont améliorées qu’après l’OHB. Une étude précédente a démontré une diminution du DSC dans les cortex frontal et temporal des patients post-COVID-19 24 . Par conséquent, l’amélioration après l’OHB peut être attribuée aux augmentations de CBF et MD, démontrées dans les domaines BA10, BA8 et BA6 qui sont associés à la fonction exécutive et à l’attention 25 , 26 , 27.

L’état post-COVID-19 est associé à des symptômes psychiatriques à long terme, notamment la dépression, l’anxiété et la somatisation 3 , 4 . L’OHB a amélioré à la fois les symptômes de dépression et de somatisation. Benedetti et al. a détecté des associations robustes entre l’anxiété et la dépression chez les patients post-COVID-19, et les mesures DTI de la microstructure GM et WM dans la couronne radiée supérieure et postérieure, le faisceau longitudinal supérieur et le cingulum 28. Dans cette étude, l’amélioration psychiatrique était également associée à des changements de microstructure dans la zone supérieure de la couronne radiée. En outre, nous avons précédemment étudié des patients atteints de fibromyalgie induite par la maltraitance infantile chez lesquels l’OHB a induit des améliorations métaboliques significatives dans les mêmes zones cérébrales en plus d’une amélioration clinique similaire de la somatisation et de la dépression 14 . L’association entre l’amélioration des symptômes psychiatriques et les modifications de l’IRM renforce davantage la nature biologique de cette maladie et l’effet de l’OHB.

L’OHB a également amélioré l’interférence de la douleur. Fait intéressant, le score d’interférence de la douleur était élevé au départ dans les deux groupes alors que le score de gravité ne l’était pas. Les douleurs musculaires et articulaires diffuses sans inflammation ou malformation locale sont l’un des symptômes courants du post-COVID-19, ressemblant à d’autres syndromes de sensibilisation centrale, comme la fibromyalgie. Un nombre croissant d’études cliniques ont démontré l’efficacité de l’OHB pour améliorer la douleur et la qualité de vie des patients atteints de fibromyalgie 14 , 15 , 29 , 30 , 31 , 32 . Des études antérieures ont montré que la fibromyalgie est associée à une diminution de la perfusion cérébrale dans l’insula, l’hippocampe, le putamen, le cortex préfrontal et cingulaire 3334 , 35 . Dans l’étude actuelle, ces régions ont montré une perfusion accrue après l’OHB.

Dans l’état post-COVID-19, la fatigue est un symptôme courant, et ce symptôme a été signalé chez 77% des patients de l’étude. L’OHB a amélioré à la fois les limitations physiques et les domaines énergétiques. En concordance, Robbins et al. ont signalé une amélioration significative de la fatigue après les séances d’OHB chez les patients post-COVID-19 22 . Les changements MD induits par l’OHB dans le lobe frontal (BA 6,8,10) peuvent être associés aux résultats cliniques, car l’hypométabolisme dans le lobe frontal a été impliqué dans la fatigue chez les patients COVID-19 36 . La fatigue post-COVID-19 a de nombreux chevauchements avec le syndrome de fatigue chronique (SFC). Les symptômes communs au SFC et à l’état post-COVID-19 comprennent la fatigue, la douleur, les symptômes neurocognitifs/psychiatriques, une activité quotidienne réduite et un malaise post-effort 36. Des études antérieures ont démontré l’efficacité de l’OHB dans le SFC, pour réduire la gravité des symptômes et améliorer la qualité de vie 37 , 38 .

La pathogenèse de l’état post-COVID-19 dans le système nerveux central comprend une lésion neuronale directe dans les lobes frontaux, une lésion chronique médiée par les cellules gliales, des événements ischémiques médiés par des événements thrombotiques, un dysfonctionnement mitochondrial et une inflammation chronique 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 . De plus en plus de preuves montrent que les nouveaux protocoles d’OHB peuvent induire une neuroplasticité et améliorer la fonction cérébrale même des mois ou des années après la blessure aiguë 12 , 14 , 15 , 16 , 17 , 18. Ces protocoles, y compris celui utilisé dans la présente étude, utilisent le soi-disant «paradoxe hyperoxique-hypoxique», par lequel des fluctuations répétées de la pression et des concentrations d’oxygène induisent l’expression des gènes et les voies métaboliques essentielles à la régénération sans l’hypoxie dangereuse 11 . Ces voies peuvent moduler le système immunitaire, favoriser l’angiogenèse, restaurer la fonction mitochondriale et induire la neurogenèse dans les tissus cérébraux lésés 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 . Certains ou tous ces effets peuvent expliquer les effets bénéfiques trouvés dans l’étude actuelle.

La principale force de cette étude est le protocole factice qui s’est avéré efficace pour aveugler les participants au traitement. Bien que cette étude présente des méthodes d’imagerie avancées et une approche d’étude du cerveau entier, qui ont été corrélées avec les résultats cliniques, l’étude présente plusieurs limites. La taille de l’échantillon est relativement petite. Des études de cohorte plus importantes peuvent identifier les patients qui peuvent bénéficier le plus du traitement. Le protocole HBOT comprenait 40 séances. Cependant, un nombre optimal de séances pour un effet thérapeutique maximal reste à déterminer. Enfin, les résultats ont été recueillis 1 à 3 semaines après la dernière séance d’OHB, et les résultats à long terme restent à recueillir.

En conclusion, l’OHB peut améliorer les fonctions dysexécutives, les symptômes psychiatriques (dépression, anxiété et somatisation), les symptômes d’interférence de la douleur et la fatigue des patients souffrant d’une condition post-COVID-19. L’effet bénéfique peut être attribué à l’augmentation de la perfusion cérébrale et de la neuroplasticité dans les régions associées aux rôles cognitifs et émotionnels. D’autres études sont nécessaires pour optimiser la sélection des patients et évaluer les résultats à long terme.

Méthodes

Les patients

Les patients étaient âgés de ≥ 18 ans et présentaient des symptômes cognitifs post-COVID-19 signalés qui ont affecté leur qualité de vie et ont persisté pendant plus de trois mois après un test RT-PCR confirmant une infection symptomatique par le SRAS-CoV-2. Les patients ont été exclus s’ils avaient des antécédents de déclin cognitif pathologique, de lésion cérébrale traumatique ou de toute autre pathologie cérébrale connue non COVID-19. Les critères d’inclusion et d’exclusion sont listés Informations complémentaires .

Conception d’essai

Une étude exploratoire prospective randomisée, en double aveugle, contrôlée par simulation, de phase II a été menée du 14 décembre 2020 au 27 décembre 2021 au Shamir Medical Center (SMC), Israël. Après avoir signé un consentement éclairé, les patients ont été randomisés dans des groupes d’OHB ou de contrôle fictif dans un rapport 1: 1 selon un tableau de randomisation informatisé, supervisé par un chercheur en aveugle. Pour évaluer le masquage des participants, les patients ont été interrogés après la première séance sur leur perception du traitement qu’ils ont reçu. La procédure d’évaluation a été effectuée au départ et 1 à 3 semaines après la dernière session d’OHB/contrôle. Tous les évaluateurs ont été aveuglés à l’attribution du groupe de patients. L’étude a été approuvée par l’Institutional Review Board (IRB) de SMC (n° 332-20-ASF) et tous les participants ont signé un consentement éclairé avant leur inclusion. Toutes les recherches ont été effectuées conformément aux directives et réglementations en vigueur. Cette étude a été enregistrée auprès de ClinicalTrials.gov, numéro NCT04647656 le 01/12/2020.

Intervention

Les protocoles HBOT et simulés ont été administrés dans une chambre multi-place Starmed-2700 (HAUX, Allemagne). Le protocole comprenait 40 séances quotidiennes, cinq séances par semaine sur une période de deux mois. Le protocole HBOT comprenait la respiration d’oxygène à 100 % par masque à 2ATA pendant 90 minutes avec des pauses d’air de cinq minutes toutes les 20 minutes. Les taux de compression/décompression étaient de 1,0 m/min. Le protocole factice comprenait la respiration de 21 % d’oxygène par masque à 1,03 ATA pendant 90 min. Pour masquer les contrôles, la pression de la chambre a été augmentée jusqu’à 1,2 ATA pendant les cinq premières minutes de la session avec un bruit d’air circulant suivi d’une décompression (0,4 m/min) à 1,03 ATA pendant les cinq minutes suivantes.

Résultats primaires et secondaires

Le principal résultat de l’étude était l’évaluation cognitive telle qu’évaluée par la batterie de tests cognitifs informatisés Mindstreams (NeuroTrax Corporation, Bellaire, TX). Cette évaluation évalue divers domaines cognitifs, notamment : la mémoire, les fonctions exécutives, l’attention, la vitesse de traitement de l’information et la motricité. Les scores cognitifs ont été normalisés pour l’âge, le sexe et le niveau d’éducation. Les méthodes d’essais sont décrites dans les informations complémentaires .

Les résultats secondaires comprennent les mesures suivantes :

Des IRM d’imagerie cérébrale ont été réalisées sur un scanner MAGNETOM VIDA 3 T, configuré avec des bobines de tête de récepteur à 64 canaux (Siemens Healthcare, Erlangen, Allemagne). Le protocole d’IRM comprenait une récupération d’inversion atténuée par les fluides 3D pondérée en T2 (FLAIR), une imagerie pondérée en fonction de la susceptibilité (SWI), une analyse de susceptibilité dynamique MPRAGE 3D pondérée en T1 à haute résolution avant et après contraste .trast (DSC) pour calculer les cartes de perfusion quantitatives du cerveau entier et l’imagerie du tenseur de diffusion (DTI) pour les changements de microstructure dans la détermination de la matière grise et blanche. Une description détaillée se trouve dans le . En bref, le prétraitement des images DSC et DTI a été effectué à l’aide du logiciel SPM (version 12, UCL, Londres, Royaume-Uni) et comprenait la correction de mouvement, le co-enregistrement avec les images MPRAGE T1, la normalisation spatiale et le lissage spatial avec une taille de noyau de 6 mm. pleine largeur à mi-hauteur (FWHM). L’analyse de perfusion quantitative du cerveau entier a été réalisée comme décrit dans les études précédentes 39 , 40. L’intensité du signal MR a été convertie en concentrations de Gd, l’AIF a été déterminée automatiquement, ajustée à la fonction variable gamma et déconvoluée voxel par voxel pour calculer les cartes de perfusion cérébrale.

Le débruitage des volumes cérébraux de diffusion a été effectué à l’aide du filtre Joint Anisotropic LMMSE pour la suppression du bruit stationnaire Rician 41 et le calcul des cartes DTI-FA (anisotropie fractionnelle) et MD (diffusivité moyenne) a été effectué à l’aide d’un logiciel interne écrit en Matlab R2021b (Mathworks, Natick , MA).

Les questionnaires autodéclarés inclus étaient le formulaire court-36 (SF-36) pour évaluer la qualité de vie, le Pittsburgh Sleep Quality Index (PSQI) pour évaluer la qualité du sommeil, le Brief Symptom Inventory (BSI-18) pour évaluer la détresse psychologique, basé sur trois sous-échelles : la dépression, l’anxiété et la somatisation, et le Brief Pain Inventory (BPI) pour mesurer l’intensité et l’impact de la douleur.

L’odorat a été évalué par le Sniffin’ Sticks Test (Burghardt, Wedel, Allemagne). Le kit est standardisé pour l’âge et le sexe. Le goût a été évalué par un Taste Strip Test (Burghardt, Wedel, Allemagne), comprenant quatre goûts : amer, acide, salé et sucré.

Les mesures de la fonction pulmonaire ont été réalisées par un spiromètre KoKo Sx1000 (Nspire health, USA). Des échantillons de sang ont été prélevés pour la numération globulaire complète, la chimie et les marqueurs inflammatoires. Les participants ont été surveillés pour les événements indésirables, y compris les barotraumatismes (oreille ou sinus) et la toxicité de l’oxygène (système nerveux pulmonaire et central). Cet article traite des aspects cognitifs et comportementaux de la condition post-COVID-19. Des critères de jugement secondaires supplémentaires, notamment une évaluation neurophysique, un test d’effort cardiopulmonaire, une échocardiographie et une imagerie cérébrale fonctionnelle, seront présentés dans de futurs manuscrits.

analyses statistiques

Les données continues sont exprimées sous forme de moyennes ± écarts-types (ET). Des tests t indépendants bilatéraux ont été effectués pour comparer les variables entre les groupes lorsqu’une hypothèse de normalité était maintenue selon un test de Kolmogorov – Smirnov. Les tailles d’effet net ont été évaluées à l’aide de la méthode d de Cohen, définie comme l’amélioration par rapport au départ après une intervention fictive soustraite de l’amélioration après l’OHB, divisée par l’écart type regroupé du score composite. Les données catégorielles ont été exprimées en nombres et en pourcentages, comparées par les tests exacts du chi carré/Fisher. Pour évaluer l’effet de l’OHB, un modèle ANOVA à mesures répétées à modèle mixte a été utilisé pour comparer les données post-traitement et pré-traitement. Le modèle incluait le temps, le groupe et l’interaction groupe par temps. Une correction de Bonferroni a été utilisée pour les comparaisons multiples. Une valeur de p < 0. 05 a été considéré comme significatif. Les corrélations de Pearson ont été réalisées entre les changements de perfusion et de diffusion et le changement des scores du questionnaire avant et après l’OHB et le simulacre. L’analyse des données d’imagerie a été effectuée sur les cartes CBF, FA et MD normalisées, en utilisant la méthode basée sur les voxels pour générer des cartes paramétriques statistiques. Un masque de matière grise a été appliqué sur les cartes CBF et MD, et un masque de matière blanche sur les cartes FA (en utilisant un seuil de 0,2). Un modèle ANOVA à mesures répétées intra-sujet a été utilisé pour tester le principal effet d’interaction entre le temps et le groupe mis en œuvre dans le logiciel SPM (version 12, UCL, Londres, Royaume-Uni). Une correction de Hochberg séquentielle a été utilisée pour corriger les comparaisons multiples (P < 0,05) Les corrélations de Pearson ont été réalisées entre les changements de perfusion et de diffusion et le changement des scores du questionnaire avant et après l’OHB et le simulacre. L’analyse des données d’imagerie a été effectuée sur les cartes CBF, FA et MD normalisées, en utilisant la méthode basée sur les voxels pour générer des cartes paramétriques statistiques. Un masque de matière grise a été appliqué sur les cartes CBF et MD, et un masque de matière blanche sur les cartes FA (en utilisant un seuil de 0,2). Un modèle ANOVA à mesures répétées intra-sujet a été utilisé pour tester le principal effet d’interaction entre le temps et le groupe mis en œuvre dans le logiciel SPM (version 12, UCL, Londres, Royaume-Uni). Une correction de Hochberg séquentielle a été utilisée pour corriger les comparaisons multiples (P < 0,05) Les corrélations de Pearson ont été réalisées entre les changements de perfusion et de diffusion et le changement des scores du questionnaire avant et après l’OHB et le simulacre. L’analyse des données d’imagerie a été effectuée sur les cartes CBF, FA et MD normalisées, en utilisant la méthode basée sur les voxels pour générer des cartes paramétriques statistiques. Un masque de matière grise a été appliqué sur les cartes CBF et MD, et un masque de matière blanche sur les cartes FA (en utilisant un seuil de 0,2). Un modèle ANOVA à mesures répétées intra-sujet a été utilisé pour tester le principal effet d’interaction entre le temps et le groupe mis en œuvre dans le logiciel SPM (version 12, UCL, Londres, Royaume-Uni). Une correction de Hochberg séquentielle a été utilisée pour corriger les comparaisons multiples (P < 0,05) Un masque de matière grise a été appliqué sur les cartes CBF et MD, et un masque de matière blanche sur les cartes FA (en utilisant un seuil de 0,2). Un modèle ANOVA à mesures répétées intra-sujet a été utilisé pour tester le principal effet d’interaction entre le temps et le groupe mis en œuvre dans le logiciel SPM (version 12, UCL, Londres, Royaume-Uni). Une correction de Hochberg séquentielle a été utilisée pour corriger les comparaisons multiples (P < 0,05) Un masque de matière grise a été appliqué sur les cartes CBF et MD, et un masque de matière blanche sur les cartes FA (en utilisant un seuil de 0,2). Un modèle ANOVA à mesures répétées intra-sujet a été utilisé pour tester le principal effet d’interaction entre le temps et le groupe mis en œuvre dans le logiciel SPM (version 12, UCL, Londres, Royaume-Uni). Une correction de Hochberg séquentielle a été utilisée pour corriger les comparaisons multiples (P < 0,05)42 . L’analyse des données a été effectuée à l’aide de Matlab R2021b (Mathworks, Natick, MA) Statistics Toolbox.

La taille estimée de l’échantillon a été calculée sur la base de notre étude récente chez des adultes en bonne santé 19 . Une amélioration du score cognitif global Mindstreams-NeuroTrax de 5,2 et 0,8 points, avec un écart type de 6,7 points, a été constatée respectivement dans les groupes HBOT et témoin. En supposant une puissance de 80 % et un niveau de signification bilatéral de 5 %, un total de 74 participants serait nécessaire, 37 participants dans chaque bras. Compte tenu d’un taux d’abandon de 15 %, la taille totale de l’échantillon requise est de 85.

Le paradoxe hyperoxique-hypoxique

par 

Amir Hadanny1,2,3,*et

Shai Efrati1,2,4

1Centre Sagol de médecine et de recherche hyperbares, Centre médical Shamir (Assaf-Harofeh), Zerifin 70300, Israël

2École de médecine Sackler, Université de Tel-Aviv, Tel-Aviv 6997801, Israël

3Faculté des sciences de la vie Mina et Everard Goodman, Université Bar Ilan, Ramat-Gan 5290002, Israël

4The Sagol School of Neuroscience, Université de Tel-Aviv, Tel-Aviv 6997801, Israël

*Auteur à qui la correspondance doit être adressée.

Biomolécules 2020 , 

10 (6), 958 ; 

https://doi.org/10.3390/biom10060958

Reçu : 27 mai 2020 / 

Révisé : 20 juin 2020 / 

Accepté : 22 juin 2020 / 

Publié: 25 juin 2020(Cet article appartient au numéro spécial de l’ 

oxygénothérapie )

Afficher le texte intégral Télécharger le PDF 

Parcourir les chiffres

Rapports d’examen Exportation de citation

Résumé

Un métabolisme efficace dépend fortement d’une gamme thérapeutique étroite d’oxygène. En conséquence, de faibles niveaux d’oxygène, ou hypoxie, sont l’un des inducteurs les plus puissants de l’expression génique, des changements métaboliques et des processus de régénération, y compris l’angiogenèse et la stimulation de la prolifération, de la migration et de la différenciation des cellules souches. La détection d’une diminution des niveaux d’oxygène (hypoxie) ou d’une augmentation des niveaux d’oxygène (hyperoxie) se produit par l’intermédiaire de cellules chimioréceptrices spécialisées et de modifications métaboliques au niveau cellulaire, qui régulent la réponse. Fait intéressant, les fluctuations de la concentration en oxygène libre plutôt que le niveau absolu d’oxygène peuvent être interprétées au niveau cellulaire comme un manque d’oxygène. Ainsi, l’hyperoxie intermittente répétée peut induire de nombreux médiateurs et mécanismes cellulaires qui sont habituellement induits pendant l’hypoxie. C’est ce qu’on appelle le paradoxe hyperoxique-hypoxique (HHP). Cet article passe en revue la physiologie de l’oxygène, les principaux processus cellulaires déclenchés par l’hypoxie et la cascade d’événements déclenchés par le HHP. 

Afficher le texte intégral

Mots clés : hyperoxie ; hypoxie ; oxygène hyperbare ; biogenèse ; paradoxe hyperoxique-hypoxique ; facteur inductible par l’hypoxie (HIF)

▼ Afficher les chiffres

Figure 1

Il s’agit d’un article en libre accès distribué sous la 

licence Creative Commons Attribution qui permet une utilisation, une distribution et une reproduction sans restriction sur n’importe quel support, à condition que l’œuvre originale soit correctement citée.