La biodégradation du bois est étudiée pour comprendre et quantifier l’endommagement mécanique résultant. Il apparaît que le bois, et notamment le pin maritime, est sensible à une attaque fongique, faisant baisser sa résistance (en compression ou en fissuration) avant même la constatation d’une perte de masse. Cette observation oblige à développer des outils de détection précoce, comme la relaxométrie RMN, pour détecter l’apparition d’un pathogène sur des structures bois de plus en plus encouragées. Par ailleurs, l’emploi de composites à base de bois s’avère justifié pour rendre durable le matériau, et présente un avantage écologique, grâce au recyclage des éléments comme le plastique. Cet argument « vert » est d’une importance grandissante et requiert le développement de nouveaux procédés de préservation du bois. Ainsi, cette thèse étudie aussi le comportement à plus ou moins long terme des bois imprégnés d’anhydrides et d’huile d’origine végétale, ou encore du bois traité thermiquement. Des domaines autres que la mécanique sont abordés, afin d’expliquer l’ensemble des phénomènes intervenant durant une dégradation et comprendre les axes d’amélioration dans cette discipline « vivante ». / Wood biodegradation is studied in order to understand and quantify the mechanical damage. Wood, and especially maritime pine, is sensitive to a fungal attack that causes a decrease of its strength (compression or fracture resistance), before a weight loss occurs. This requires developing or ameliorating the tools of early detection, such as NMR relaxometry, in order to detect the appearance of a pathogen in wooden structures that are more and more appreciated. Besides, wooden composites are a good alternative to make the material more durable, and are ecologically interesting, as they permit to recycle some element, like plastics. This “green” effect is of main importance, which implies a development of new ways in wood preservation. This thesis, led in a short as well as in a long term scale, also studies the behaviour of wood, impregnated with anhydrides or oils from a vegetal origin, or even heat-treated wood. Not only mechanics is described, so that many phenomena are explained and perspectives are clarified.

Nos travaux ont démontré les performances des systèmes d’intelligence épidémiologique en matière de détection précoce des évènements infectieux au niveau mondial, la valeur ajoutée spécifique de chaque système, la plus grande sensibilité intrinsèque des systèmes modérés et la variabilité du type de source d’information utilisé. La création d’un système virtuel combiné intégrant le meilleur résultat des sept systèmes a démontré les gains en termes de sensibilité et de réactivité, qui résulterait de l’intégration de ces systèmes individuels dans un supra-système. Ils ont illustrés les limites de ces outils et en particulier la faible valeur prédictive positive des signaux bruts détectés, la variabilité les capacités de détection pour une même pathologie, mais également l’influence significative jouée par le type de pathologie, la langue et la région de survenue sur les capacités de détection des évènements infectieux. Ils ont établis la grande diversité des stratégies d’intelligence épidémiologique mises en œuvre par les institutions de santé publique pour répondre à leurs besoins spécifiques et l’impact de ces stratégies sur la nature, l’origine géographique et le nombre des évènements rapportés. Ils ont également montré que dans des conditions proches de la routine, l’intelligence épidémiologique permettait la détection d’évènements infectieux en moyenne une à deux semaines avant leur notification officielle, permettant ainsi d’alerter les autorités sanitaires et d’anticiper la mise en œuvre d’éventuelles mesures de contrôle. Nos travaux ouvrent de nouveaux champs d’investigations dont les applications pourraient être importantes pour les utilisateurs comme pour les systèmes. / Our work demonstrated the performance of the epidemic intelligence systems used for the early detection of infectious diseases in the world, the specific added value of each system, the greater intrinsic sensitivity of moderated systems and the variability of the type information source’s used. The creation of a combined virtual system incorporating the best result of the seven systems showed gains in terms of sensitivity and timeliness that would result from the integration of these individual systems into a supra-system. They have shown the limits of these tools and in particular: the low positive predictive value of the raw signals detected, the variability of the detection capacities for the same disease, but also the significant influence played by the type of pathology, the language and the region of occurrence on the detection of infectious events. They established the wide variety of epidemic intelligence strategies used by public health institutions to meet their specific needs and the impact of these strategies on the nature, the geographic origin and the number of events reported. As well, they illustrated that under conditions close to the routine, epidemic intelligence permitted the detection of infectious events on average one to two weeks before their official notification, hence allowing to alert health authorities and therefore the anticipating the implementation of eventual control measures. Our work opens new fields of investigation which applications could be important for both users systems.

Les capacités physiques et cognitives diminuent considérablement à cause du vieillissement. Les problèmes de santé liées au vieillissement présentent une grande charge pour la santé publique. Aujourd’hui, les services gériatriques ne sont pas suffisants pour détecter les problèmes de santé dans les premiers stades de leur évolution, dans le but d’améliorer l’évaluation et l’intervention médicale des personnes âgées. Traduire ces besoins gériatriques à travers les services existants est essentiel pour améliorer leur impact. Dans le cadre de ma thèse, je propose une approche technologique qui utilise des technologies non-intrusives pour analyser le comportement des personnes âgés sur de longues périodes et détecter des possibilités d’évolution de maladies physiques ou cognitives. Des références gériatriques internationales me permettent d’identifier des indicateurs de changement de comportement qui peuvent être suivis à travers de technologies non-intrusives sans interférer avec le comportement naturel des personnes âgées. J’analyse ces indicateurs en considérant plusieurs dimensions spatio-temporelles, et utilisant des techniques de détection de changement qui différencient les changements transitoires et continus dans le comportement suivi. Je valide mon approche proposée à travers un déploiement réel de 3 ans dans une maison de retraite et des maisons individuelles.Je propose une méthodologie de détection précoce et non-intrusive des possibilités de changement dans l’état de santé. Des entretiens personnels avec les personnes âgées, les membres de la famille, les médecins gériatres et les infirmières de la maison de retraite me permettent d’identifier leurs besoins gériatriques. Les parties prenantes de mes services proposés ont besoin d’une information fiable à propos des changements possibles dans l’état de santé le plus tôt possible, sans suivre les personnes d’une manière intrusive. Afin de traduire ces besoins gériatriques, je propose une approche technologique qui utilise des technologies non-intrusives pour suivre les personnes âgées pendant des semaines et des mois, et identifier des changements possible dans leur comportement fortement liés à des problèmes physiques ou cognitifs.Mon service web ChangeTracker implémente ma méthodologie. ChangeTracker analyse le comportement des personnes âgées en ligne et détecte des changements possibles chaque jour. Je développe des algorithmes qui convertissent les données de capteurs brutes en données inférées en relation avec l’état de santé de la personne suivie. Des techniques de détection de changement (par ex., des techniques statistiques, probabilistes et d’apprentissage) distinguent les changements temporaires et continus dans le comportement de la personne.Une validation réelle de mon approche a lieu dans 3 villes françaises Montpellier, Lattes et Occagnes. Les résultats expérimentaux de 25 participants validement ma détection précoce et non-intrusive des changements de santé. Les 25 participants vivent seuls à domicile ou dans une maison de retraite. Dans mon cas d’étude, j’installe des capteurs de mouvement dans chaque chambre de la maison et des capteurs de contact sur chaque porte principale. Ces capteurs collectent mes données de suivi pendant 3 ans. Mes algorithmes analysent ces données, calculent des indicateurs gériatriques significatifs, et détectent des changements possibles en corrélation avec l’état de santé. / Aging process is associated with serious decline in physical and cognitive abilities. Aging-related health problems present growing burden on public health and economy. Nowadays, existing geriatric services have limitations in terms of early detecting possible health changes toward better adaptation of medical assessment and intervention for elderly people. Bridging the gap between these geriatric needs and existing services is a major enabler to improve their impact. In this thesis, proposed technological approach employs unobtrusiveInternet of Things (IoT) technologies for long-term behavior monitoring and early detection of possible changes. Proposed methodology identifies geriatric indicators that can be monitored via unobtrusive IoT technologies, and are associated with physical and cognitive problems. This thesis develops data processing algorithms that convert raw sensor data into geriatric indicators. These geriatric indicators are analyzed on a daily basis, in order to early detect possible changes. This thesis evaluates and adapts further statistical, probabilistic and machine-learning techniques for long-term change detection. Adapting these techniques discards transient deviations, and retains permanent changes in monitored behavior. Real 3-year deployments in nursing home and individual houses validate proposed approach. Medical clinic geriatrician and nursing home team validate medical relevance of detected changes.

No description available.

Le mélanome est un cancer rare de la peau qui se développe à partir des cellules responsables de la pigmentation : les mélanocytes. Depuis quelques années, nous observons une augmentation significative du nombre de personnes atteintes par cette maladie, de mauvais pronostic et très agressive (132 000 nouveaux cas chaque année dans le monde). Le taux de mortalité de ce cancer est très élevé en raison de la rapidité de propagation des cellules cancéreuse dans d’autres régions du corps. En France, on remarque un nombre relativement élevé de cas détectés, plus particulièrement en Bretagne. La tumeur se présente comme une tâche dont l’apparence est très proche du grain de beauté. Si elle est détectée suffisamment tôt, un prélèvement suffit à la guérison et les risques de récidives sont très faibles. En revanche, une fois que les métastases se propagent, les chances de survie à long terme sont très faibles. Malgré les récentes avancées en thérapie ciblée, les traitements du mélanome métastatique restent encore limités. En partenariat avec le groupe Malakoff Médéric, nous développons actuellement un système optique pour la détection précoce du mélanome cutané. Celui-ci est basé sur les propriétés de polarisation de la lumière. La thèse présente la conception du système, de l’étude de faisabilité jusqu’à l’étape finale d’étalonnage. Nous proposons également différents tests sur des échantillons de simulation. Ces derniers nous permettent de démontrer la corrélation qu’il existe entre les effets de polarisation et les modifications biologiques en cours lors du développement du mélanome. Cette étude préliminaire nous prépare aux expérimentations sur de vrais échantillons. / Melanoma is a rare cancer that develops from the pigmentation cells of the skin. Recently, we notice a significant increase in the number of people affected by this aggressive disease with a poor prognosis (132 000 new cases each year worldwide). The mortality rate of this cancer is very high, which is due to the rapid spread of cancerous cells to other parts of the body. In France, there is a relatively high number of cases detected, especially in Britanny. The tumor is a spot which looks like a mole. If detected early, a levy is sufficient to healing and the risk of recurrence is very low. However, once metastasis spread, the long-term prognosis is very low. Despite recent advances in targeted therapy, the treatments of metastatic melanoma are still limited. In partnership with the Malakoff Mederic group, we are currently developing an optical system for early detection of cutaneous melanoma. It is based on the polarization properties of light. The PhD focuses on the design of the system, from the feasibility study to the final calibration. We also present various tests on samples of simulation. These allow us to demonstrate the correlation between the effects of polarization and biological changes during the development of melanoma. This preliminary study prepares us to experiments on real samples.

No description available.

La maladie d'Alzheimer (MA) – la forme la plus courante de trouble neurocognitif majeur – se caractérise typiquement par des troubles progressifs et insidieux de la mémoire épisodique. Des déficits langagiers font également partie du portrait clinique de la maladie, et sont déjà présents au stade préclinique du trouble neurocognitif léger (TNCL). Des difficultés sur le plan de la production du langage ont été rapportées dans la MA et même le TNCL, ce qui suggère que son évaluation pourrait représenter une opportunité unique de détection précoce du déclin cognitif. Un consensus croissant propose d’ailleurs que le langage spontané (LS) pourrait permettre une évaluation écologiquement valide des capacités de production langagière. Toutefois, les résultats d’études s’étant penchées sur l’évaluation du LS ne convergent pas tous pour dresser un portrait clair de l’impact du déclin cognitif sur la production langagière dans la MA, et moindrement encore dans le TNCL. La première partie de la thèse visait ainsi à décrire de façon exhaustive l’étendue de la recherche dans le domaine de l'évaluation du LS dans les populations MA et TNCL, en réalisant un examen de la portée (étude 1). Les résultats ont révélé que l’évaluation traditionnelle du LS consistait le plus souvent en une analyse quantitative d’une sélection de variables microlinguistiques de LS obtenu à l’aide d’une mesure descriptive standardisée. Ayant répliqué le patron des déficits langagiers largement répandu dans les écrits scientifiques, les résultats de l’examen de la portée soulignent l’apport complémentaire de l’évaluation du LS à l’évaluation globale du langage dans les populations MA et TNCL. Toutefois, l’examen de la portée a également souligné d’importantes lacunes dans le domaine de recherche, notamment le très peu d’études s’étant intéressées au TNCL comparativement à la MA, ainsi que le très peu d’approches écologiques à l’évaluation du LS. Prenant en compte ces lacunes, la deuxième partie de la thèse visait à examiner l’apport d’une évaluation écologique du LS auprès de participants TNCL et de contrôles, dans un contexte expérimental se rapprochant de la vraie vie (étude 2). Plus précisément, une évaluation fonctionnelle des actes de langage produits par ces deux groupes lors de la réalisation, dans un appartement-test, de tâches écologiques inspirées d'activités de la vie quotidienne a été réalisée. La description qualitative des actes de langage spontanément produits pendant la planification et l'exécution de ces tâches complexes a permis d'extraire des stratégies, des barrières et des réactions distinctes en réponse aux demandes des tâches ainsi qu'aux difficultés rencontrées chez les participants TNCL et contrôles. Ainsi, les résultats ont montré que les participants TNCL mettaient en place moins de stratégies proactives avant d’entamer l’expérimentation, puis davantage de stratégies compensatoires pour supporter leur organisation des tâches pendant leur exécution. Plus distraits et moins portés à tenir compte de l’assistance offerte, ils validaient et justifiaient davantage leur performance de façon défensive et étaient plus réactifs à leurs difficultés que les sujets contrôles. Les résultats de la deuxième étude de la thèse soulignent ainsi l’apport novateur d’une évaluation fonctionnelle du LS comme outil d'exploration de l'impact du déclin cognitif lors de tâches écologiques complexes se rapprochant d'activités de la vie quotidienne. Ensemble, les études de la thèse convergent pour appuyer l’apport complémentaire d'une évaluation fonctionnelle du LS à son évaluation traditionnelle dans l’avancement des connaissances au sujet de l’impact du déclin cognitif dans les populations TNCL et MA sur la production langagière. / Alzheimer's disease (AD) – the most common form of major neurocognitive disorder – is typically characterized by progressive and insidious impairment of episodic memory. Language deficits are also part of the clinical picture of the disease, and are already present in the preclinical stage of mild neurocognitive disorder (mild NCD). Difficulties in language production have been reported in AD and even in mild NCD, suggesting that its assessment may represent a unique opportunity for early detection of cognitive decline. There is a growing consensus that connected speech (CS) may provide an ecologically valid assessment of language production abilities. However, the results of studies that have examined CS assessment do not all converge to provide a clear picture of the impact of cognitive decline on language production in AD, and even less so in mild NCD. The first part of the thesis thus aimed to comprehensively describe the extent of research in the area of CS assessment in AD and mild NCD populations, by conducting a scoping review (study 1). The results revealed that traditional CS assessment most often consisted of quantitative analysis of a selection of microlinguistic variables of CS, obtained using a standardized descriptive measure. Having replicated the pattern of language deficits widely found in the scientific literature, the results of the scoping review highlight the complementary contribution of CS assessment to the overall assessment of language in AD and mild NCD populations. However, the scoping review also highlighted important gaps in the research field, including the very few studies that have focused on mild NCD in comparison to AD, as well as the very few ecological approaches to CS assessment. Taking these gaps into account, the second part of the thesis thus aimed to examine the contribution of a functional assessment of CS that is closer to the context of real life, with mild NCD participants and controls (study #2). More precisely, a functional assessment of the speech acts produced by these two groups during the performance of ecological tasks inspired by activities of daily living in a laboratory-apartment was carried out. Qualitative description of the speech acts spontaneously produced by these participants while performing complex tasks allowed for the extraction of distinct strategies, barriers and reactions in response to task demands as well as to the difficulties encountered by the mild NCD participants and controls. Thus, results showed that mild NCD participants implemented fewer proactive strategies before beginning the experiment, and then more compensatory strategies to support their task organization during task execution. More distracted and less likely to take into account the assistance offered, they validated and justified their performance more defensively and were more reactive to their difficulties than the control subjects. The results of the second article of the thesis thus highlight the innovative contribution of a functional assessment of CS as a tool for exploring the impact of cognitive decline in complex, ecological tasks that are similar to activities of daily living. Together, the studies in this thesis converge to support the complementary contribution of a functional assessment of CS to its traditional assessment in advancing knowledge about the impact of cognitive decline on language production in the mild NCD and AD populations.

Les infections virales des voies respiratoires (IVVRs) causées par certains virus comme la grippe et le COVID-19 ont un impact significatif sur la santé publique et l’économie mondiale. Ces infections touchent un nombre important de personnes dans le monde et exercent une pression immense sur les systèmes de santé. Pour atténuer les effets néfastes des IVVRs, il est important de développer des techniques de détection précoce capables d’identifier les personnes infectées même si elles ne présentent aucun symptôme. Une telle détection permet un isolement et raitement rapide, ce qui réduit le risque de transmission et permet des interventions de santé publique ciblées pour limiter la propagation de l’infection. Les méthodes de détection actuelles telles que la réaction en chaîne par polymérase (RCP) démontrent une sensibilité et une spécificité élevées, atteignant des taux de détection de 100% avec certaines méthodes de test disponibles dans le marché. De plus, les approches actuelles d’apprentissage automatique pour la détection des IVVRs, montrent des résultats prometteurs ; cependant, les méthodes actuelles reposent souvent sur l’apparition des symptômes, exigent un équipement coûteux et un personnel formé, et fournissent des résultats relativement retardés. Notre projet vise à étudier la faisabilité de l’utilisation d’un algorithme d’apprentissage automatique entraîné sur des données physiologiques provenant de biocapteurs portables lors d’un protocole de test de marche sur escalier pour prédire le niveau d’inflammation associé aux IVVRs. De plus, l’étude vise à identifier les indicateurs les plus prédictifs des IVVRs. Des participants en bonne santé ont été recrutés et inoculés avec un vaccin antigrippal vivant pour induire une réponse immunitaire. Au cours d’une série de tests d’escalier contrôlés cliniquement, des physiomarqueurs tels que la fréquence respiratoire et la fréquence cardiaque ont été meusurés à l’aide de biocapteurs portables. Les données collectées ont été utilisées pour développer un modèle de prédiction en ayant recours aux algorithmes d’apprentissage automatique, combinés avec un réglage d’hyperparamètres et en écartant un participant à la fois lors de l’entraînement du modèle. L’étude a développé avec succès un modèle prédictif qui démontre des résultats prometteurs dans la prédiction du niveau d’inflammation lié au vaccin induit. Notamment, les caractéristiques de variabilité de la fréquence cardiaque (VFC) dérivées du biocapteur portable présentaient le potentiel le plus élevé pour détecter le niveau d’inflammation, atteignant une sensibilité de 70% et une spécificité de 77%. Les implications du modèle de prédiction développé sont importantes pour les cliniciens et le grand public, notamment en termes d’autosurveillance et d’intervention précoce. Grâce aux algorithmes d’apprentissage automatique et des physiomarqueurs utilisés, en particulier les caractéristiques de VFC, cette approche a le potentiel de faciliter l’administration en temps opportun des traitements appropriés, atténuant ainsi l’impact des futures épidémies des IVVRs. L’intégration de biocapteurs portables et d’algorithmes d’apprentissage automatique fournit une stratégie innovante et efficace de détection précoce, permettant une intervention rapide et réduisant la charge sur les systèmes de santé / Viral respiratory tract infections (VRTIs) caused by certain viruses like influenza and COVID-19, significantly impact public health and the global economy. These infections affect a large number of people worldwide and put immense pressure on healthcare systems. To mitigate the detrimental effects of VRTIs, it is crucial to urgently develop accurate early detection techniques that can identify infected individuals even if they do not exhibit any symptoms. Timely detection allows for prompt isolation and treatment, reducing the risk of transmission and enabling targeted public health interventions to limit the spread of the infection. Current detection methods like polymerase chain reaction (PCR) demonstrate high sensitivity and specificity, reaching 100% detection rates with some commercially available testing methods. Additionally, current machine learning approaches for automatic detection show promising results; however, current methods often rely on symptom onset, demand expensive equipment and trained personnel, and provide delayed results. This study aims to investigate the feasibility of utilizing a machine learning algorithm trained on physiological data from wearable biosensors during a stair stepping task protocol to predict the level of inflammation associated with VRTIs. Additionally, the study aims to identify the most predictive indicators of VRTIs. Healthy participants were recruited and inoculated with a live influenza vaccine to induce an immune response. During a series of clinically controlled stair tests, physiomarkers such as breathing rate and heart rate were monitored using wearable biosensors. The collected data were employed to develop a prediction model through the utilization of gradient boosting machine learning algorithms, which were combined with hyperparameter tuning and a leave-one-subject-out approach for training. The study successfully developed a predictive model that demonstrates promising results in predicting the level of inflammation related to the induced VRTI. Notably, heart rate variability (HRV) features derived from the wearable biosensor exhibited the highest potential in detecting the level of inflammation, achieving a sensitivity of 70% and a specificity of 77%. The implications of the developed prediction model are significant for clinicians and the general public, particularly in terms of self-monitoring and early intervention. By leveraging machine learning algorithms and physiomarkers, specifically HRV features, this approach holds the potential to facilitate the timely administration of appropriate treatments, thereby mitigating the impact of future VRTI outbreaks. The integration of wearable biosensors and machine learning algorithms provides an innovative and effective strategy for early detection, enabling prompt intervention and reducing the burden on healthcare system