Tableau d'honneur de la Faculté des études supérieures et postdoctorales, 2016-2017 / Introduction : En sciences infirmières, la surveillance clinique est présentée comme un élément incontournable lié à la sécurité des patients. Bien qu’elle soit largement définie dans la littérature, il reste que son déploiement n’est pas bien compris. C’est donc à partir de définitions de la surveillance clinique et d’études majoritairement exploratoires et descriptives sur la collecte des données, le raisonnement clinique et la prise de décision que le portrait du processus comportemental et cognitif qui sous-tend la surveillance clinique est actuellement dressé. But : Cette étude visait à élaborer une explication théorique au processus de surveillance clinique par des infirmières expertes dans un contexte de soins critiques afin de mieux comprendre comment il se déploie. Ancrage théorique : Le Modèle des systèmes de Neuman (2011) a été utilisé pour favoriser une cohérence dans la réflexion et assurer un ancrage disciplinaire à cette étude. Ce modèle dégageait les éléments importants quant aux soins et à la santé de la personne hospitalisée dans un environnement de soins critiques. Méthode : Afin d’élaborer l’explication théorique au processus de surveillance clinique, l’approche par théorisation ancrée de Strauss et Corbin (1998) a été utilisée auprès de quinze infirmières expertes (n=15) de soins critiques. Ainsi, trois rencontres ont été réalisées auprès de ces infirmières, dont deux d’entre elles étaient sous forme d’entrevues semi-dirigées, et une rencontre portait sur la méthode de la pensée à voix haute (Think Aloud Method). Des périodes d’observation participante dans les unités de soins intensifs ont aussi été réalisées. Résultats : La surveillance clinique en soins critiques est un processus de vigilance collective qui prend naissance à partir d’actions mentales et comportementales en lien avec la collecte, l’analyse et l’interprétation des données. Ce processus est composé de cinq éléments centraux, soit : 1) Gérer le risque de complications ; 2) Collecter des données ; 3) Détecter un problème, 4) Prendre une décision et 5) Travailler en synergie. Discussion : Cette étude a permis de comprendre le processus de surveillance clinique réalisé par des infirmières expertes dans un contexte de soins critiques par l’élaboration d’une explication théorique. Cette thèse illustre un volet important de la pratique infirmière en soins critiques et fournit une aide tangible pour accroître la sécurité des patients hospitalisés dans les unités de soins intensifs. Mots clés : Surveillance clinique, vigilance, détection précoce, gestion du risque, soins critiques, soins intensifs, infirmière experte, processus, théorisation ancrée, recherche qualitative. / Background: Nursing Science presents surveillance as an indispensable component of patient safety. Although the literature defines surveillance fully, its implementation is not well understood. As a result, the current behavioral and cognitive process underlying clinical surveillance are based on clinical surveillance definitions and studies on data collection, clinical reasoning and decision-making. For the most part, these sources tend to be exploratory and descriptive. Purpose: In order to better understand how clinical surveillance is put into practice, this dissertation aims to formulate a theoretical explanation of the process that expert nurses employ in critical care. Theoretical Framework: In this study the Neuman Systems Model (2011) provides consistency in thinking and ensures a disciplinary underpinning. This model reveals key elements in relation to the care and health of the critically ill person hospitalized in an intensive care environment. Method: To develop the theoretical explanation for the surveillance process of critical care nurses, Strauss and Corbin’s (1998) grounded theory approach was used with fifteen expert critical care nurses (n=15). Consequently, three meetings were conducted with these nurses; two in the form of semi-structured interviews and one based on the think-aloud strategy. Periods of participant observation in intensive care units were also undertaken. Results: Surveillance in critical care is a continual process of collaborative vigilance that starts with the thought process and behaviour related to data collection, analysis and interpretation. The surveillance process comprises five key elements: 1) Manage the risk of complications; 2) Collect the data; 3) Identify a problem, 4) Make a decision, and 5) Work in synergy. Discussion: In developing a theoretical explanation this research leads to an understanding of the surveillance process performed by expert nurses in a critical care context. This study illustrates an important aspect of critical care nursing practice, and provides tangible help to increase patient safety in intensive care units. Keywords: Surveillance, vigilance, early detection, risk management, critical care, intensive care, expert nurse, process, grounded theory, qualitative research.

Le rythme respiratoire est un signe vital qui permet le diagnostic de plusieurs maladies respiratoires. Cependant, la surveillance du rythme respiratoire à l'extérieur du milieu hospitalier pose un défi qui a présentement peu de solutions. La plupart des capteurs existants ont des problèmes qui causent un non-fonctionnement dans certains environnements ; il n'existe pas de capteurs qui donnent l'information de manière quasi-parfaite en tout temps. Le mémoire présente une solution incluant plusieurs capteurs pour répondre à ce problème. La solution proposée permet de fusionner les informations en provenance de plusieurs capteurs hétérogènes afin d'obtenir l'information complète sur le rythme respiratoire, même dans des conditions ou un capteur individuel ne peut fournir cette information. Cette solution proposée utilise deux capteurs disponibles couramment sur le marché, soit un microphone MEMS et des accéléromètres. La solution comprend aussi une mesure de bioimpédance par un système qui pourrait être adapté pour être portable. Le mémoire présente ces capteurs et la procédure pour transmettre les signaux de ceux-ci vers un ordinateur. Le mémoire traite toutes les étapes de traitement de signal nécessaires pour tirer les informations du signal de respiration donné par ces capteurs. Le traitement de signal permet de réduire plusieurs types de bruits ainsi que de trouver des informations spécifiques au type de signal étudié. Le système cherche à reconnaître chacune des phases du cycle respiratoire pour chaque capteur individuel. Il utilise les informations sur les états possibles fournis par chaque capteur pour les fusionner ensuite avec un système de poids. Dans un environnement contrôlé, le système avec les données fusionnées permet d'avoir un taux d'erreur pouvant atteindre 0,88% pour un segment de 30 secondes, par rapport à des systèmes avec des capteurs uniques qui donnent des taux d'erreur variant entre 4,42% et 17,70% pour ces mêmes 30 secondes.

Titre de l'écran-titre (visionné le 25 septembre 2023) / La dialyse péritonéale (DP) permet au patient insuffisant rénal terminal de réaliser son traitement de dialyse en autonomie à son domicile. Amia avec Sharesource est un appareil de DP (cycleur) innovant incluant une communication via une plateforme connectée permettant la révision à distance par l'équipe traitante des données et alarmes de la séance. L'objectif de ce mémoire est de présenter la dialyse à domicile, de la situer dans le contexte social et économique actuel, de présenter la technologie Amia avec le monitorage à distance Sharesource et déterminer via une étude si cette technologie permet de diminuer le nombre de complications, de visites hospitalières imprévues, d'appels entre le patient et l'équipe traitante, et d'hospitalisations. L'appréciation des patients ainsi que l'évolution de la cohorte en DP étaient également étudiées. Cette étude prospective, menée au CHU de Québec, Hôtel-Dieu-de-Québec, porte sur l'ensemble des patients ayant débuté la DP avec le cycleur Amia avec Sharesource entre juin 2019 et Août 2021 et comparé à une cohorte avec cycleur standard (HomeChoice) des 2 années précédentes. Les données étaient collectées à l'inclusion et à 3, 6, 9, 12 mois. Les résultats des 50 patients du groupe Amia sont comparés aux 60 patients du groupe standard ayant des caractéristiques de populations comparables. On observe une réduction du nombre de visites imprévues, d'hospitalisations et d'appels patients/équipe traitante, mais non significative cependant (respectivement p=0,76, p=0,56, et p=0,24) Il n'y avait pas de différence en terme de nombre de complications. Le score d'appréciation était excellent et la cohorte de DP a pu être maintenue malgré le contexte pandémique de SARS-COV2. / Peritoneal dialysis (PD) allows patients with end-stage renal failure to carry out their dialysis treatment independently in the comfort of their home. Amia with Sharesource is an innovative PD device (cycler) with a bidirectional communication system via a connected platform allowing remote review by the treating team (nurses and doctors) of data and alarms for each PD session. The aim of this work is to present home dialysis, place it into social and economic context, present the Amia with Sharesource distance monitoring technology and determine with a study if this technology can reduce the number of complications, unplanned hospital visits, calls between the patient and the treating team, and hospitalizations. The appreciation of the patients as well as the evolution of the PD cohort were also studied. This prospective study, conducted at the University Hospital of Québec, Hôtel-Dieu-de-Québec, includes all patients who started PD with the Amia cycler with Sharesource between June 2019 and August 2021. This Amia group was compared to a cohort using the standard cycler (HomeChoice) of the previous 2 years. Data were collected at baseline and at 3, 6, 9, and 12 months. The data of the 50 patients in the Amia group were compared to the 60 patients in the standard group with comparable population characteristics. A reduction in the number of unplanned visits, hospitalizations and patient/treating team calls was observed, but was however not statistically significant (respectively p=0.76, p=0.56, and p=0.24). There was no difference in the 2 groups complication rates. The appreciation score was excellent, and the PD cohort could be maintained despite the pandemic context of SARS-COV2.

Au Québec, plus de 880 000 personnes sont diabétiques et 250 000 ne le savent pas encore. L'adoption de saines habitudes de vie, comme la pratique de l'activité physique (AP) sur une base régulière et constante, contribue de façon importante à réduire la prévalence du diabète de type 2 et ses complications. L'idée d'origine du projet de recherche vient d'un patient inscrit au Groupe de médecine familiale universitaire (GMF-U) Quatre-Bourgeois. Il nous propose d'ajouter cet outil technologique pour suivre de façon plus objective l'AP chez les patients diabétiques. À notre connaissance, il n'y a aucune étude qui documente l'utilisation d'un appareil de monitorage pour augmenter la motivation à pratiquer de l'AP chez les patients diabétiques en soins primaires. En revanche, certaines études montrent des difficultés lors de l'implantation d'une telle technologie dans un contexte réel de soins. Les objectifs de l'étude étaient d'évaluer l'impact du port d'un appareil portatif de monitorage sur l'AP et sur le profil cardiométabolique de patients diabétiques de type 2 et d'évaluer la faisabilité de l'implantation en première ligne. La méthodologie employée pour cette étude consiste en un essai contrôlé randomisé pilote de 3 mois auprès de 30 patients diabétiques de type 2 suivis par des professionnels de la santé du GMF-U Quatre-Bourgeois. Les patients ont été assignés au hasard à l'une de ces deux conditions : suivi courant, comprenant une intervention de promotion de l'AP soutenue par un kinésiologue du centre de recherche de l'Institut universitaire de cardiologie et de pneumologie de Québec (CRIUCPQ) ou suivi intervention qui consiste au suivi courant avec l'ajout de l'appareil portatif de monitorage de l'AP (montre Fitbit Charge HR). Les variables de risque cardiométabolique, l'AP et la motivation ont été mesurées au début de l'étude et après trois mois. Nos résultats suggèrent que l'utilisation d'un appareil portatif de monitorage améliore le profil cardiométabolique des patients diabétiques et est une bonne source de motivation pour augmenter l'AP. Son implantation en première ligne est faisable. / In Quebec, over 880 000 people live with diabetes and 250 000 are not aware of it. The adoption of healthy lifestyle habits, such as the practice of physical activity on a regular and constant basis, contributes to significantly reduce the prevalence of type 2 diabetes and its complications. The origin of the present project came from a patient in the GMF-U Quatre-Bourgeois who proposed adding an activity tracker to more objectively follow physical activity in patients with type 2 diabetes. To the best of our knowledge, there is no study documenting the use of portable monitoring device to increase motivation for physical activity in patients with type 2 diabetes in primary care setting. Some studies suggest difficulties when implementing technology in a real-life setting. The aims of this study were to evaluate the impact of an activity tracker on physical activity and cardiometabolic risk variables in patients with type 2 diabetes and to assess implementation feasibility of such a program in a primary care setting. This 3-month study was a pilot randomized controlled trial of 30 patients with type 2 diabetes followed at a university-affiliated Family Medicine Group. Patients were randomly assigned to either: the control group, including a physical activity promotion intervention supported by a kinesiologist, or the intervention group, including a physical activity promotion intervention supported by a kinesiologist with the addition of an activity tracker (Fitbit Charge HR). Cardiometabolic risk variables, physical activity and motivation were assessed at baseline and after three months. Our results suggest that the use of an activity tracker improves some cardiometabolic risk variables in patients with type 2 diabetes and could potentially be a motivation tool to increase physical activity in primary care setting. The implementatation in primary care is feasible.

On propose dans ce mémoire un nouveau type de capteur pour la mesure des fonctions respiratoires et cardiaques à des fins médicales. Le système offre la possibilité de mesurer le rythme respiratoire et la profondeur de respiration et de transmettre les données vers une station locale pour une analyse plus poussé et un diagnostic. Le capteur proposé est basé sur une approche électromagnétique où on utilise deux antennes posées sur la cage thoracique du patient. Lorsque le patient inspire et expire l’air avec ses poumons, le diamètre de la cage thoracique de ce dernier va augmenter et par conséquent la distance entre les deux antennes aussi. Le système mesure l’écart relatif entre les deux pour extraire le rythme respiratoire. Le point clé du capteur est d’encoder le signal de respiration sous forme de différence de phase entre l’onde émise et l’onde reçue conférant au système une bonne immunité contre les bruits des signaux externes. Le design a été implémenté sur un PCB (46mm x 46mm) pour fournir une preuve de concept de la méthode proposée. Les tests ont été conduits sur trois sujets de deux sexes et d’âges distincts. Les données mesurées démontrent que le système fonctionne sur différentes morphologies physiques. Finalement, le capteur a été capable de recueillir avec grande précision le rythme respiratoire et même la fréquence cardiaque. / We propose in this project a wearable electronic Patch Radar sensor that can monitor respiration rate and respiration depth continuously in real-time and transmit data to a base station for analysis. The device relies on a two-antenna configuration. Both antennas are bent to the patient chest, and when the patient breathes, the mechanical movement of the chest wall changes the distance between them. The system measures the relative distance between the antennas to extract the respiration pattern. The key feature of the sensor is that it transduces respiration movements to phase shifts in RF wave signals which make it very robust against external interferences. The design was implemented on a PCB (46mm x 46mm) to demonstrate a proof of concept for the proposed device. The system was able to acquire respiration signals and even cardiac frequency. Experimental results are presented for three different subjects, an adult male and female and a child. The data gathered gives enough sensitivity and accuracy to state that the device can work with different physical morphologies.

Au Québec, plus de 880 000 personnes sont diabétiques et 250 000 ne le savent pas encore. L'adoption de saines habitudes de vie, comme la pratique de l'activité physique (AP) sur une base régulière et constante, contribue de façon importante à réduire la prévalence du diabète de type 2 et ses complications. L'idée d'origine du projet de recherche vient d'un patient inscrit au Groupe de médecine familiale universitaire (GMF-U) Quatre-Bourgeois. Il nous propose d'ajouter cet outil technologique pour suivre de façon plus objective l'AP chez les patients diabétiques. À notre connaissance, il n'y a aucune étude qui documente l'utilisation d'un appareil de monitorage pour augmenter la motivation à pratiquer de l'AP chez les patients diabétiques en soins primaires. En revanche, certaines études montrent des difficultés lors de l'implantation d'une telle technologie dans un contexte réel de soins. Les objectifs de l'étude étaient d'évaluer l'impact du port d'un appareil portatif de monitorage sur l'AP et sur le profil cardiométabolique de patients diabétiques de type 2 et d'évaluer la faisabilité de l'implantation en première ligne. La méthodologie employée pour cette étude consiste en un essai contrôlé randomisé pilote de 3 mois auprès de 30 patients diabétiques de type 2 suivis par des professionnels de la santé du GMF-U Quatre-Bourgeois. Les patients ont été assignés au hasard à l'une de ces deux conditions : suivi courant, comprenant une intervention de promotion de l'AP soutenue par un kinésiologue du centre de recherche de l'Institut universitaire de cardiologie et de pneumologie de Québec (CRIUCPQ) ou suivi intervention qui consiste au suivi courant avec l'ajout de l'appareil portatif de monitorage de l'AP (montre Fitbit Charge HR). Les variables de risque cardiométabolique, l'AP et la motivation ont été mesurées au début de l'étude et après trois mois. Nos résultats suggèrent que l'utilisation d'un appareil portatif de monitorage améliore le profil cardiométabolique des patients diabétiques et est une bonne source de motivation pour augmenter l'AP. Son implantation en première ligne est faisable. / In Quebec, over 880 000 people live with diabetes and 250 000 are not aware of it. The adoption of healthy lifestyle habits, such as the practice of physical activity on a regular and constant basis, contributes to significantly reduce the prevalence of type 2 diabetes and its complications. The origin of the present project came from a patient in the GMF-U Quatre-Bourgeois who proposed adding an activity tracker to more objectively follow physical activity in patients with type 2 diabetes. To the best of our knowledge, there is no study documenting the use of portable monitoring device to increase motivation for physical activity in patients with type 2 diabetes in primary care setting. Some studies suggest difficulties when implementing technology in a real-life setting. The aims of this study were to evaluate the impact of an activity tracker on physical activity and cardiometabolic risk variables in patients with type 2 diabetes and to assess implementation feasibility of such a program in a primary care setting. This 3-month study was a pilot randomized controlled trial of 30 patients with type 2 diabetes followed at a university-affiliated Family Medicine Group. Patients were randomly assigned to either: the control group, including a physical activity promotion intervention supported by a kinesiologist, or the intervention group, including a physical activity promotion intervention supported by a kinesiologist with the addition of an activity tracker (Fitbit Charge HR). Cardiometabolic risk variables, physical activity and motivation were assessed at baseline and after three months. Our results suggest that the use of an activity tracker improves some cardiometabolic risk variables in patients with type 2 diabetes and could potentially be a motivation tool to increase physical activity in primary care setting. The implementatation in primary care is feasible.

Thèse ou mémoire avec insertion d'articles / L'expansion rapide de l'Internet des Objets Médicaux (IoMT) englobe une variété de technologies connectées dans le domaine de la santé. Toutefois, les dispositifs de mesure actuels, notamment les bracelets connectés, présentent des limitations qui entravent l'adoption généralisée de l'IoMT et leur utilisation pour la mesure précise et fiable de l'état de santé. Ces limitations se manifestent dans la nécessité d'une transmission continue des données vers des services distants, souvent dépendante de l'utilisation d'un smartphone ou d'une connexion Internet. De plus, l'utilisation prédominante de montres commerciales dans l'IoMT soulève des défis majeurs, tels que la dépendance énergétique liée à une connectivité Internet intensive, la nécessité fréquente de recharges, et le risque de surcharge d'informations due à un affichage continu des données. Une autre contrainte significative dans le contexte de l'IoMT est la dépendance à des serveurs locaux (edge servers) pour la réalisation d'opérations cruciales. De nombreuses applications nécessitent ces serveurs périphériques pour effectuer des traitements locaux, améliorant ainsi la réactivité du système et réduisant la dépendance aux ressources cloud. Cependant, cette dépendance introduit de nouveaux défis en termes de gestion des données, de sécurité et de latence. Cette recherche s'inscrit dans un contexte complexe où l'IoMT, malgré ses avantages potentiels, doit surmonter des obstacles liés à la transmission de données, à la dépendance énergétique des dispositifs, et à la nécessité d'une infrastructure robuste, telle que les serveurs locaux, pour réaliser des opérations cruciales. Ces défis sont particulièrement prégnants dans le cadre de l'extraction des signes vitaux et l'étude de l'activité physique humaine. Pour répondre à ces défis, ce projet de recherche vise à concevoir un bracelet intelligent intégrant des circuits analogiques-numériques pour l'acquisition brute de signaux physiologiques. L'objectif est d'extraire plusieurs signes vitaux, d'optimiser l'utilisation des capteurs en fonction de l'activité et des signes vitaux, d'effectuer des opérations complexes à grande vitesse avec une faible latence et une consommation d'énergie limitée. Le bracelet sera configurable et adaptable, utilisant une transmission sans fil efficace tout en conservant la trace de l'évolution des signes vitaux. Il en résulte trois grands axes de recherches. Un premier axe de recherche a permis de démontrer un système novateur d'analyse en temps réel de douze mouvements de l'activité physique humaine grâce à l'intégration d'apprentissage machine dans le capteur. Ce système, en utilisant les données brutes des capteurs inertiel, a permis de réduire considérablement les coûts computationnels tout en améliorant la précision de la machine à vecteur de support à noyau gaussien par l'utilisation d'une Normalisation Sphérique Multi-Mapping (NSMM) visant à améliorer la dispersion des données. Les résultats montrent une rétroaction de prédiction rapide avec une latence inférieure à 20 ms et une consommation d'énergie modérée tout en offrant une précision de 98.28%. De manière similaire, le deuxième axe de recherche s'est concentré sur le développement d'un bracelet intelligent intégrant plusieurs algorithmes d'IA permettant d'extraire en temps réel des signes vitaux, même lors d'artefacts de mouvement. Ces algorithmes, spécifiquement optimisés pour minimiser l'utilisation de la RAM et des ressources matérielles, permettent une mesure précise du rythme cardiaque, de la fréquence respiratoire et de la saturation en oxygène. L'introduction d'un algorithme intelligent de fusion de domaines maintien des performances élevées pour l'extraction des signes vitaux tout en réduisant l'utilisation de la RAM, même en présence d'artefacts de mouvement. Par ailleurs, le troisième axe de recherche a innové en déployant un modèle d'apprentissage automatique, une machine à vecteur support à noyau linéaire, embarqué dans un dispositif portable pour détecter en temps réel les chutes. L'optimisation du modèle a considérablement réduit l'utilisation de la RAM de 97.9%, tout en maintenant une précision élevée de 96.4% dans la détection des chutes. Bien que cette optimisation entraîne une légère augmentation de la latence, celle-ci reste inférieure à 132 ms, garantissant une détection efficace des chutes. En conclusion, ces recherches contribuent au développement de dispositifs portables intelligents intégrant l'apprentissage automatique pour la surveillance médicale en temps réel. Les méthodes innovantes, les algorithmes optimisés et les déploiements embarqués ouvrent des perspectives pratiques, notamment dans la prévention des blessures, les soins aux personnes âgées et la surveillance continue de la santé. Ces résultats enrichissent l'évolution de l'IoMT, en fournissant des solutions adaptées et efficaces aux contraintes des dispositifs portables. / The rapid expansion of the Internet of Medical Things (IoMT) encompasses a variety of connected technologies in the healthcare sector. However, current measurement devices, notably wearable devices like smartwatches, have limitations that hinder the widespread adoption of IoMT and their use for precise and reliable health monitoring. These limitations include the need for continuous data transmission to remote services, often reliant on a smartphone or Internet connection. Additionally, the prevalent use of commercial watches in IoMT poses major challenges, such as energy dependence due to intensive Internet connectivity, frequent recharging needs, and the risk of information overload from continuous data display. Another significant constraint in the IoMT context is the reliance on edge servers for crucial operations. Many applications require these peripheral servers for local processing, improving system responsiveness and reducing dependence on cloud resources. However, this dependence introduces new challenges in terms of data management, security, and latency. This research addresses a complex context where IoMT, despite its potential benefits, must overcome obstacles related to data transmission, device energy dependence, and the need for a robust infrastructure, such as edge servers, to perform critical operations. These challenges are particularly prevalent in vital signs extraction and human physical activity studies. To address these challenges, this research project aims to design a smart bracelet integrating analog-todigital circuits for raw physiological signal acquisition. The goal is to extract multiple vital signs, optimize sensor use based on activity and vital signs, perform complex operations at high speed with low latency and limited energy consumption. The bracelet will be configurable and adaptable, using efficient wireless transmission while keeping track of vital signs evolution. As a result, three main research axes emerge. The first axis demonstrates an innovative realtime analysis system for twelve human physical activity movements through machine learning integration into the sensor. Using raw inertial sensor data, this system significantly reduces computational costs while improving the accuracy of the Gaussian kernel support vector machine through the use of Multi-Mapping Spherical Normalization (MMSN) to improve data dispersion. The results show rapid prediction feedback with latency below 20 ms and moderate energy consumption while offering 98.28% accuracy. Similarly, the second research axis focused on developing a smart bracelet integrating multiple AI algorithms for real-time ex traction of vital signs, even during motion artifacts. These algorithms, specifically optimized to minimize RAM and hardware resource usage, allow for precise measurement of heart rate, respiratory rate, and oxygen saturation. The introduction of an intelligent domain fusion algorithm maintains high performance for vital signs extraction while reducing RAM usage, even in the presence of motion artifacts. Furthermore, the third research axis innovated by deploying a machine learning model, a linear kernel support vector machine, embedded in a wearable device for real-time fall detection. Model optimization significantly reduced RAM usage by 97.9%, while maintaining high detection accuracy of 96.4% for falls. Although this optimization leads to a slight increase in latency, it remains below 132 ms, ensuring effective fall detection. In conclusion, this research contributes to the development of smart wearable devices integrating machine learning for real-time medical monitoring. The innovative methods, optimized algorithms, and embedded deployments offer practical prospects, particularly in injury prevention, elderly care, and continuous health monitoring. These results enrich the evolution of IoMT by providing tailored and effective solutions to the constraints of wearable devices.