Contexte : il est possible qu’une victime subisse de multiples conséquences d’accident de la route,conséquences pouvant retentir durablement sur sa vie. Cependant, peu d’études permettent de connaitre leprofil du blessé grave ainsi que les facteurs prédictifs de son devenir. De plus, il existe peu d'outilsprédictifs servant à prédire les conséquences post-accidentelles. L’objectif de la thèse est de caractériserces conséquences, de chercher les éléments pronostiques de gravité des conséquences un an aprèsl’accident et de donner une évaluation, à partir de données réelles, de la qualité de prédiction del’indicateur de déficience à un an appelé IIS (Injury Impairment Score - un indice de déficience - défini apriori à partir des lésions- et utilisé fréquemment).Méthodes : la thèse est réalisée dans le cadre de la cohorte ESPARR (Étude et Suivi d’une Populationd’Accidentés de la Route dans le Rhône), qui s’appuie sur les données du Registre des accidents de lacirculation du Rhône, et qui inclut 1372 sujets blessés dans des accidents de la route dont 1168 sujets âgésde 16 ans et plus. Parmi ces sujets, 886 adultes ont répondu à un questionnaire de suivi à un an, 616 sujetsont des données complètes et sont classés dans des groupes homogènes en fonction de leur devenir à unan par l'analyse des correspondances multiples et la méthode de classification hiérarchique. L’analyse desfacteurs prédictifs de leur appartenance à un de ces groupes de victimes, mesurés à la date de l'accident, aété effectuée à l’aide de modèles de régressions logistiques multinomiales pondérés. L'évaluation de l'IISsur les données réelles est réalisée en regardant la cohérence entre l'IIS et les différents facteurs mesurés àun an.Résultats : cinq groupes homogènes au niveau des conséquences de l’accident à un an ont été identifiés :le groupe-1 contient 206 sujets, dont une majorité est considérée en bonne récupération ; le groupe-2concerne les sujets ayant uniquement des conséquences physiques ; les groupes 3, 4 et 5 concernent lessujets ayant des conséquences multiples. À part les conséquences physiques en lien avec les sujets dansces groupes, certains plus en lien avec des répercussions sur la vie social (groupe-3), d’autres en lien avecdes difficultés sociales ou environnementales (groupe-4). Le groupe-5 comprend tous les sujets quisouffrent de syndrome post-commotionnel de la population d’étude. Après avoir ajusté sur plusieursvariables recueillies lors de l'accident, notre étude montre que, en plus des facteurs déjà évoqués dans lalittérature (âge, gravité…), le niveau de fragilité socioéconomique et le fait d'avoir un proche blessé dansl'accident sont également des facteurs prédisant le devenir des victimes d’un accident. En ce qui concernel'évaluation de l'IIS sur les données réelles, nous trouvons que le niveau des conséquences prédites par l’IIS ne correspond pas parfaitement à celui observé en réalité à un an quels que soient les facteurs mesurés.Conclusion : un an après l’accident, de nombreuses victimes d'accident de la route, même parmi cellessouffrant de lésions légères, continuent de présenter de multiples problèmes tant sur leur santé physiqueque mentale, sur le plan social ainsi que sur leur environnement. Dans une perspective de réadaptation à lavie quotidienne, ces résultats peuvent être utiles à l’amélioration de la prise en charge des accidentés de laroute. / Background: it is possible that victims can suffer from multiple problems after an accident, and this canbe seen in the people with the most serious consequences. However, few studies allow us to know theprofile and prognostic factors of severity of consequences after the accident in this population of victims.Moreover, there are few tools to predict 1-year post-traumatic sequelae in road crash victims.The thesis aims to determine subgroups of victims with similar outcomes 1 year after the crash andpredictive factors for attribution to these subgroups and validate sequelae prediction by the InjuryImpairment Score (IIS), in comparison with the one year outcomes.Methods: the thesis is a part of the broader ESPARR study based on the Rhône Registry of Road TrafficCasualties. The ESPARR cohort comprised 1,372 subjects, including 1,168 aged 16 years. Among 886adult subjects who responded to a follow-up questionnaire one year later, the main analysis was carriedout on 616 participants, who completed a self-report questionnaire on health, social, emotional andfinancial status 1 year after a crash. The multiple correspondence analysis and hierarchical clusteringmethod was implemented to produce homogeneous road-crash victim subgroups according to differencesin outcome. Baseline (time of accident) predictive factors for subgroup attribution were analysed onweighted multinomial logistic regression models. We used outcomes data at 1-year follow-up of roadinjury to validate the ability of IIS to predict sequelae.Results: five different victim groups were identified in terms of consequences one year after the crash:one group (206 subjects, 33.4%) presented few problems, one group with essentially physical sequelae,one group with essentially physical and social problems, and two groups presented many problems (oneincluded more victims with psychological problem and less environment problem). As well as the knownprognostic factors of age, initial injury severity and lesion type, socioeconomic fragility and the fact of arelative being involved in the accident emerged as being predictive of poor outcome one year later. IIS, inthis injured population, failed to predict sequelae one year later as measured by real data.Conclusion: one year after a road accident, victims may still experience multiple problems in terms notonly of physical health but also of mental health, social life and environment. Poor outcome may bepredicted both from accident-related factors and from victims' socioeconomic fragility. These findings areuseful in guiding prevention in terms not only of recovery of health status but also of recovery of sociallife in the best possible environment.

La progression naturelle des tumeurs consiste en une extension locale, puis à distance (métastase) par migration de cellules dans le sang et la lymphe vers des sites secondaires. Il est donc primordial de pouvoir détecter des cellules tumorales circulantes en plus de l'analyse morphologique et de l'immunocytochimie. De plus, deux technologies (cytométrie en flux et RT-PCR quantitative en temps réel) sont adaptées pour une analyse automatisée, rapide et sensible d'une très faible quantité de cellules. Le but de notre travail a été de mettre au point des systèmes de détection pour l'identification de cellules cancéreuses dans les épanchements péritonéaux et dans le sang. L'étude des biomarqueurs moléculaires apparaît comme une approche complémentaire intéressante pour améliorer l'efficacité du diagnostic dans ce type d'échantillons biologiques. Nous nous sommes intéressés à la mise en évidence de nouveaux marqueurs tumoraux qui pourront être utilisés pour le diagnostic précoce et le pronostic des cancers en utilisant les nouvelles techniques de biologie moléculaire. Il est probable que l'utilisation de multiples marqueurs moléculaires puisse permettre d'évoquer plus particulièrement certains types de cancers. Nous avons pu mettre en place une technique de PCR quantitative en temps réel, nettement plus sensible que la cytologie classique, et nous avons appliqué cette technique à l'étude de marqueurs tumoraux dans les liquides d'épanchement, mais aussi dans le sang pour rechercher et doser l'ARN messager. Nos résultats montrent que la cytométrie en flux adaptée à des lignées cellulaires ne l'est pas pour des prélèvements cliniques. Par la PCR quantitative, il a été possible de quantifier le niveau d'expression des marqueurs tumoraux étudiés en utilisant des plasmides de référence qui ont été préparés pour chaque gène. Plusieurs marqueurs permettent de différencier des épanchements malins et des épanchements bénins, mais surtout les antigènes CLDN4 et Ep-CAM étaient significativement plus élevés (68% et 57%, respectivement) chez les patients avec épanchements malins. L'ARN messager circulant de la CLDN4 était détectable et significativement plus élevée dans les sérums de patients atteints de cancer du sein (64% p<0,05). Les résultats indiquent que l'utilisation d'une combinaison de marqueurs comportant laclaudine 4 est plus susceptible de détecter des cellules malignes et d'être utiles pour le suivi de patients

L’altération de l’état nutritionnel est une complication fréquente dans la maladie cancéreuse, et ses conséquences sur le pronostic de la maladie, sur la prise en charge thérapeutique et sur la qualité de vie ne sont probablement pas à négliger. En pratique courante, il n’est pas facile de procéder de manière systématique à une évaluation nutritionnelle complète. L’objectif de ce travail est d’une part de mesurer l’importance de la perte de poids chez des patients traités pour un cancer et d’autre part d’identifier les facteurs prédictifs qui pourraient être utiles aux soignants pour les aider à repérer les patients à risque. Ce travail rapporte les résultats de 2 études indépendantes : la première étude a été réalisée à partir de 2 enquêtes transversales menées chez des patients traités pour un cancer, toutes localisations et tous stades confondus à Saint-Etienne et à Clermont-Ferrand. Près d’un tiers des patients avaient perdu plus de 10% de leur poids habituel depuis le début de la maladie. Le profil des patients à risque identifié était : Homme, Localisation de la tumeur au niveau digestif ou ORL, Traitement par chimiothérapie programmé, Syndrome dépressif et Niveau socio-économique bas. Dans cette étude nous avons mis en évidence une association significative entre la perte de poids et la qualité de vie globale. La deuxième étude a été réalisée à partir des données d’un essai de chimioprévention mené chez des patients traités par radiothérapie pour un cancer ORL de stade précoce au Québec. Cinq facteurs prédictifs de perte de poids ont été identifiés : Localisation de la tumeur au niveau du larynx sus-glottique, de la cavité buccale, de l’oropharynx et de l’hypopharynx, Poids élevé en début de radiothérapie, Tumeurs de stade II, Dypshagie ou odynophagie, Capacités fonctionnelles altérées. Ces éléments simples peuvent représenter un outil d’aide au repérage des patients à risque de dénutrition qui nécessiteraient une intervention nutritionnelle préventive précoce / Modification of the nutritional status is a frequent complication in patients with cancer, and its consequences on the pronotic of the disease, on the therapeutic management and on quality of life are probably not negligible. In routine practice, it’s not always easy to process at systematics nutritional assessments. The objective of this work is firstly to measure the importance of weight loss in cancer patients and secondly to identify predictors that might be useful to identifying patients at risk. We report the results of two independent studies : the first study was conducted from 2 cross- sectional surveys conducted in cancer patients, all sites and all stages combined, in the Institut de Cancérologie de la Loire at Saint-Etienne and The Centre Jean Perrin at Clermont-Ferrand. Nearly a third of patients had lost more than 10% of their usual weight since the beginning of the disease. The profile of patients at risk were identified : Male, Location of the tumor in the digestive or ENT, Scheduled chemotherapy, Depressive syndrome and Low socio- economic statut. In this study we demonstrated a significant association between weight loss and overall quality of life. The second study was conducted as part as a chemoprevention trial in patients treated with radiotherapy for early stage head and neck cancer in Quebec. Five predictors of weight loss have been identified : Location of the tumor at the supraglottic larynx, the oral cavity oropharynx and hypopharynx, High weight in the beginning of radiotherapy, Stage II, Dypshagia or odynophagia, Functional capacity impairments. These simple elements can be a tool for tracking patients at risk of malnutrition which require intervention early preventive nutrition

Le secteur du bâtiment représente plus du tiers de la consommation énergétique et des émissions de gaz à effet de serre mondiales. Face à cet enjeu, des stratégies passives ont permis d'améliorer l'efficacité énergétique des bâtiments. À mesure que les technologies passives se rapprochent de leur limite physique d'efficacité, il devient nécessaire de s'intéresser à des technologies actives. Les stratégies de contrôle par modèle prédictif ont le potentiel de réduire la consommation énergétique des systèmes de chauffage, climatisation, ventilation, conditionnement de l'air et de production d'eau chaude domestique. Une difficulté limitant leur implantation dans les bâtiments provient du besoin de prédire des paramètres influencés par le comportement des occupantes et des occupants qui apparait stochastique, complexifiant le développement de modèles de prédiction. Dans ce contexte, cette thèse se concentre à évaluer des méthodes basées sur les données pour estimer la prédictibilité de la consommation d'eau chaude domestique et d'électricité dans un bâtiment résidentiel. L'impact d'une prédictibilité variable sur les performances est évalué lors de l'implémentation de ces modèles de prédiction dans des contrôleurs par modèle prédictif appliqués à des systèmes de production d'eau chaude domestique. Premièrement, la prédictibilité des profils de consommation d'eau chaude est évaluée à partir de profils mesurés dans un bâtiment résidentiel de 40 logements. Plus précisément, des réseaux de neurones sont entraînés à prédire cette consommation pour des systèmes de tailles variables allant d'un à 100 logements. Le niveau de prédictibilité est identifié comme étant proportionnel au nombre de logements et hautement variable pour des systèmes unifamiliaux, passant de très faible à élevé (c.-à-d., coefficient de détermination allant de 8 à 92% avec une moyenne de 58%). Les résultats montrent une difficulté à prédire précisément les pics de consommation, souvent sous-estimés lorsqu'une faible prédictibilité est observée. Puisqu'un contrôleur par modèle prédictif base ses décisions sur les prédictions, une faible prédictibilité pourrait impacter les performances en termes d'économie d'énergie et de respect des contraintes applicables à un système de production d'eau chaude. Deuxièmement, l'impact du niveau de prédictibilité des profils de consommation d'eau chaude sur les performances de contrôleurs par modèle prédictif est estimé. Les performances d'un contrôleur par modèle prédictif théorique employant des prédictions parfaitement précises sont comparées avec celles obtenues avec un contrôleur employant des prédictions imparfaites produites par les réseaux de neurones entraînés précédemment. Pour un système unifamilial, le principal effet des prédictions imparfaites sur les performances est le non-respect plus fréquent des contraintes de température dû à une incapacité à agir suffisamment en avance en préparation aux futurs pics de consommation d'eau chaude sous-estimés. Néanmoins, en comparaison avec une commande traditionnelle, des économies d'énergie allant de 4 à 8% ont été obtenues avec le contrôleur employant les prédictions imparfaites. En prédisant les périodes de pointe énergétique, les contrôleurs par modèle prédictif ont la capacité de réduire les pointes de consommation énergétique en déplaçant une partie de cette consommation vers les périodes hors-pointes. Dans cette optique, plusieurs modèles de prédiction basés sur les données sont entraînés afin de prédire la consommation d'électricité de logements unifamiliaux liée à l'éclairage et à l'utilisation des prises de courant sur plusieurs horizons allant de 10 minutes à 24 heures. Les arbres de décision renforcés (boosted) par le gradient sont identifiés comme étant la méthode produisant la meilleure qualité de prédiction. Une grande variabilité quant au niveau de prédictibilité est observée entre les logements, ce qui pourrait affecter la capacité des contrôleurs à réduire la consommation énergétique de pointe dans certains cas. Finalement, un dernier chapitre explore le potentiel d'un contrôleur par modèle prédictif employant les modèles de prédiction de la demande en eau chaude et de la consommation d'électricité pour prédire les périodes de pointe. Les résultats démontrent une plus grande différenciation entre les contrôleurs par modèle prédictif avec prédictions parfaites et imparfaites, le premier permettant de réduire d'avantage la consommation énergétique de pointe du chauffe-eau en prédisant plus précisément les périodes de pointe ainsi que la demande en eau chaude domestique correspondante. En comparaison avec la commande traditionnelle, des économies d'énergie pendant les périodes de pointe allant de 10 à 70% (moyenne de 26%) selon l'unité résidentielle étudiée ont été obtenues avec le contrôleur basé sur les prédictions imparfaites. Globalement, cette thèse représente un grand pas vers l'application future des contrôleurs par modèle prédictif basés sur l'apprentissage machine dans les bâtiments résidentiels, et les résultats obtenus démontrent le potentiel de cette stratégie de contrôle face à la réduction de la consommation d'énergie des systèmes de production d'eau chaude domestique unifamiliaux. / The building sector accounts for more than a third of the worldwide energy consumption and greenhouse gas emissions. Facing these challenges, passive strategies have allowed to increase the energy efficiency of buildings. As these passive technologies are reaching their efficiency limits, it is necessary to turn our interest to active technologies. Model predictive control strategies have the potential to reduce the energy consumption of heating, cooling, ventilation and air conditioning as well as domestic hot water production systems. One of the challenges towards their application in buildings is the requirement to predict parameters that are influenced by occupants' behavior that appears to be stochastic. In this context, this thesis focuses on evaluating data-based methods to estimate the predictability of domestic hot water and electricity consumption profiles in a residential building. The impact of a varying predictability on the performance is evaluated by implementing these forecasting models in model predictive controllers applied to domestic hot water production systems. First, the predictability of domestic hot water consumption profiles is evaluated from profiles measured in a 40-unit case-study residential building. More specifically, neural networks are trained to predict this consumption for systems of varying size ranging between one and 100 units. The level of predictability is identified as proportional to the number of units and shows high variability for single-family systems, starting at very low and reaching high levels (i.e., coefficient of determination from 8 to 92% with a mean of 58%). Results show that accurately predicting consumption peaks is a challenge and often results in underestimating their amplitude when a low predictability is observed. As the decisions of model predictive controllers are based on predictions, a low predictability could impact their energy-saving performance and ability to respect the constraints of domestic hot water production systems. Thus, the impact of the level of predictability of hot water consumption profiles on the performance of model predictive controllers is estimated. The performance of a theoretical model predictive controller relying on perfectly accurate predictions are compared with that of a controller using imperfect predictions produced by the previously trained neural networks. In single-family systems, the main impact of imperfect predictions on the performance is more violations of the storage temperature constraint due to the inability to act sufficiently in advance in preparation of underestimated future hot water consumption peaks. Nonetheless, comparing with a traditional controller, energy savings from 4 to 8% were obtained with the predictive controller relying on imperfect forecasts. By predicting energy-peak periods, the predictive controllers have the ability to reduce peak energy consumption by moving parts of the energy consumption to off-peak periods. In this context, many data-based prediction models are trained to predict the plug load and lighting electricity consumption of single-family residential units over horizons of 10 minutes to 24 hours. Gradient-boosted regression trees are identified as the method providing the highest prediction quality. A high variability is observed for the level of predictability between residential units, which could affect the controllers' ability to reduce electricity consumption peaks in some cases. Finally, a last chapter explores the potential of a model predictive controller using the prediction models of the domestic hot water demand and of the electricity consumption to forecast electricity-peak periods. As the electricity consumption was demonstrated as challenging to predict in many contexts, the impact of forecasting inaccuracies on the performance of controllers is even more displayed here. The results show that the model predictive controllers with perfect or imperfect predictions are more differentiated, with the first managing to reduce more the electricity-consumption peaks of the water heater by accurately predicting peak periods along with the corresponding domestic hot water demand. Compared with a traditional controller, peak-period energy savings ranging from 10 to 70% (mean of 26%) were obtained with the controller relying on imperfect forecasts depending on the studied residential unit. Globally, this thesis is a major step towards future application of model predictive controllers based on machine learning in residential buildings. The results demonstrate the potential of this control strategy to reduce the energy consumption of single-family domestic hot water systems.

Le secteur du bâtiment représente plus du tiers de la consommation énergétique et des émissions de gaz à effet de serre mondiales. Face à cet enjeu, des stratégies passives ont permis d'améliorer l'efficacité énergétique des bâtiments. À mesure que les technologies passives se rapprochent de leur limite physique d'efficacité, il devient nécessaire de s'intéresser à des technologies actives. Les stratégies de contrôle par modèle prédictif ont le potentiel de réduire la consommation énergétique des systèmes de chauffage, climatisation, ventilation, conditionnement de l'air et de production d'eau chaude domestique. Une difficulté limitant leur implantation dans les bâtiments provient du besoin de prédire des paramètres influencés par le comportement des occupantes et des occupants qui apparait stochastique, complexifiant le développement de modèles de prédiction. Dans ce contexte, cette thèse se concentre à évaluer des méthodes basées sur les données pour estimer la prédictibilité de la consommation d'eau chaude domestique et d'électricité dans un bâtiment résidentiel. L'impact d'une prédictibilité variable sur les performances est évalué lors de l'implémentation de ces modèles de prédiction dans des contrôleurs par modèle prédictif appliqués à des systèmes de production d'eau chaude domestique. Premièrement, la prédictibilité des profils de consommation d'eau chaude est évaluée à partir de profils mesurés dans un bâtiment résidentiel de 40 logements. Plus précisément, des réseaux de neurones sont entraînés à prédire cette consommation pour des systèmes de tailles variables allant d'un à 100 logements. Le niveau de prédictibilité est identifié comme étant proportionnel au nombre de logements et hautement variable pour des systèmes unifamiliaux, passant de très faible à élevé (c.-à-d., coefficient de détermination allant de 8 à 92% avec une moyenne de 58%). Les résultats montrent une difficulté à prédire précisément les pics de consommation, souvent sous-estimés lorsqu'une faible prédictibilité est observée. Puisqu'un contrôleur par modèle prédictif base ses décisions sur les prédictions, une faible prédictibilité pourrait impacter les performances en termes d'économie d'énergie et de respect des contraintes applicables à un système de production d'eau chaude. Deuxièmement, l'impact du niveau de prédictibilité des profils de consommation d'eau chaude sur les performances de contrôleurs par modèle prédictif est estimé. Les performances d'un contrôleur par modèle prédictif théorique employant des prédictions parfaitement précises sont comparées avec celles obtenues avec un contrôleur employant des prédictions imparfaites produites par les réseaux de neurones entraînés précédemment. Pour un système unifamilial, le principal effet des prédictions imparfaites sur les performances est le non-respect plus fréquent des contraintes de température dû à une incapacité à agir suffisamment en avance en préparation aux futurs pics de consommation d'eau chaude sous-estimés. Néanmoins, en comparaison avec une commande traditionnelle, des économies d'énergie allant de 4 à 8% ont été obtenues avec le contrôleur employant les prédictions imparfaites. En prédisant les périodes de pointe énergétique, les contrôleurs par modèle prédictif ont la capacité de réduire les pointes de consommation énergétique en déplaçant une partie de cette consommation vers les périodes hors-pointes. Dans cette optique, plusieurs modèles de prédiction basés sur les données sont entraînés afin de prédire la consommation d'électricité de logements unifamiliaux liée à l'éclairage et à l'utilisation des prises de courant sur plusieurs horizons allant de 10 minutes à 24 heures. Les arbres de décision renforcés (boosted) par le gradient sont identifiés comme étant la méthode produisant la meilleure qualité de prédiction. Une grande variabilité quant au niveau de prédictibilité est observée entre les logements, ce qui pourrait affecter la capacité des contrôleurs à réduire la consommation énergétique de pointe dans certains cas. Finalement, un dernier chapitre explore le potentiel d'un contrôleur par modèle prédictif employant les modèles de prédiction de la demande en eau chaude et de la consommation d'électricité pour prédire les périodes de pointe. Les résultats démontrent une plus grande différenciation entre les contrôleurs par modèle prédictif avec prédictions parfaites et imparfaites, le premier permettant de réduire d'avantage la consommation énergétique de pointe du chauffe-eau en prédisant plus précisément les périodes de pointe ainsi que la demande en eau chaude domestique correspondante. En comparaison avec la commande traditionnelle, des économies d'énergie pendant les périodes de pointe allant de 10 à 70% (moyenne de 26%) selon l'unité résidentielle étudiée ont été obtenues avec le contrôleur basé sur les prédictions imparfaites. Globalement, cette thèse représente un grand pas vers l'application future des contrôleurs par modèle prédictif basés sur l'apprentissage machine dans les bâtiments résidentiels, et les résultats obtenus démontrent le potentiel de cette stratégie de contrôle face à la réduction de la consommation d'énergie des systèmes de production d'eau chaude domestique unifamiliaux. / The building sector accounts for more than a third of the worldwide energy consumption and greenhouse gas emissions. Facing these challenges, passive strategies have allowed to increase the energy efficiency of buildings. As these passive technologies are reaching their efficiency limits, it is necessary to turn our interest to active technologies. Model predictive control strategies have the potential to reduce the energy consumption of heating, cooling, ventilation and air conditioning as well as domestic hot water production systems. One of the challenges towards their application in buildings is the requirement to predict parameters that are influenced by occupants' behavior that appears to be stochastic. In this context, this thesis focuses on evaluating data-based methods to estimate the predictability of domestic hot water and electricity consumption profiles in a residential building. The impact of a varying predictability on the performance is evaluated by implementing these forecasting models in model predictive controllers applied to domestic hot water production systems. First, the predictability of domestic hot water consumption profiles is evaluated from profiles measured in a 40-unit case-study residential building. More specifically, neural networks are trained to predict this consumption for systems of varying size ranging between one and 100 units. The level of predictability is identified as proportional to the number of units and shows high variability for single-family systems, starting at very low and reaching high levels (i.e., coefficient of determination from 8 to 92% with a mean of 58%). Results show that accurately predicting consumption peaks is a challenge and often results in underestimating their amplitude when a low predictability is observed. As the decisions of model predictive controllers are based on predictions, a low predictability could impact their energy-saving performance and ability to respect the constraints of domestic hot water production systems. Thus, the impact of the level of predictability of hot water consumption profiles on the performance of model predictive controllers is estimated. The performance of a theoretical model predictive controller relying on perfectly accurate predictions are compared with that of a controller using imperfect predictions produced by the previously trained neural networks. In single-family systems, the main impact of imperfect predictions on the performance is more violations of the storage temperature constraint due to the inability to act sufficiently in advance in preparation of underestimated future hot water consumption peaks. Nonetheless, comparing with a traditional controller, energy savings from 4 to 8% were obtained with the predictive controller relying on imperfect forecasts. By predicting energy-peak periods, the predictive controllers have the ability to reduce peak energy consumption by moving parts of the energy consumption to off-peak periods. In this context, many data-based prediction models are trained to predict the plug load and lighting electricity consumption of single-family residential units over horizons of 10 minutes to 24 hours. Gradient-boosted regression trees are identified as the method providing the highest prediction quality. A high variability is observed for the level of predictability between residential units, which could affect the controllers' ability to reduce electricity consumption peaks in some cases. Finally, a last chapter explores the potential of a model predictive controller using the prediction models of the domestic hot water demand and of the electricity consumption to forecast electricity-peak periods. As the electricity consumption was demonstrated as challenging to predict in many contexts, the impact of forecasting inaccuracies on the performance of controllers is even more displayed here. The results show that the model predictive controllers with perfect or imperfect predictions are more differentiated, with the first managing to reduce more the electricity-consumption peaks of the water heater by accurately predicting peak periods along with the corresponding domestic hot water demand. Compared with a traditional controller, peak-period energy savings ranging from 10 to 70% (mean of 26%) were obtained with the controller relying on imperfect forecasts depending on the studied residential unit. Globally, this thesis is a major step towards future application of model predictive controllers based on machine learning in residential buildings. The results demonstrate the potential of this control strategy to reduce the energy consumption of single-family domestic hot water systems.

L'atteinte de la moelle épinière provoque des séquelles irréversibles pour les victimes de ce traumatisme. La création des services d'urgence et des centres de rééducation ont fait augmenter leur espérance de vie et la question d'un devenir autre que médical se pose. C'est pourquoi, l'enquête TétrAfigap sur la situation des personnes tétraplégiques a été menée en 1995. Dans le cadre de cette thèse, une ré-interrogation de cette population a été mis en œuvre, pour connaître leur évolution à long terme. Une étude sur la mortalité entre les deux passages a été menée.<br />Dans une première partie, les concepts sur le handicap, les spécificités de la blessure sont définis. La création du second questionnaire et les modalités de mise en place de l'enquête sont présentées. Puis on s'intéresse à la surmortalité, aux facteurs pronostiques et aux causes de décès. Enfin, on détermine les facilitateurs et les obstacles de la participation sociale au travers de deux exemples, la conjugalité et l'emploi.

La maladie de Parkinson est l'une des principales pathologies neurodégénératives, mais il existe peu de données françaises sur sa fréquence. Des études antérieures suggèrent que l'exposition aux pesticides est un facteur de risque de maladie de Parkinson ; la population agricole représente donc une population particulièrement intéressante. Nous avons étudié l'intérêt d'une méthode utilisant les remboursements de médicaments antiparkinsoniens pour identifier les patients parkinsoniens parmi les affiliés de la Mutualité Sociale Agricole dans cinq départements en 2007 en développant, à partir de 1 114 consommateurs de médicaments antiparkinsoniens, un modèle prédictif dont nous avons estimé les performances (sensibilité =92,5 %, spécificité = 86,4 %, statistique c = 0,953 %). A partir de ce modèle, nous estimons que la prévalence de la maladie de Parkinson dans les cinq départements est de 6,20 ‰ après18 ans et de 2,76 ‰ après standardisation sur l'âge et le sexe (population française de 2007comme référence). La prévalence est 1,3 fois plus élevée dans les cantons où la densité en exploitations spécialisées en vergers et autres cultures permanentes est la plus élevée ; ce typed'exploitation est caractérisé par une utilisation intensive de pesticides, notamment d'insecticides. Des informations détaillées sur l'utilisation professionnelle de pesticides ont été recueillies dans une étude cas-témoins (331 cas, 660 témoins). Nous observons une association entre la maladie de Parkinson et l'utilisation intensive (nombre élevéd'applications par an) de fongicides et d'insecticides. Parmi les différents types d'exploitations, une association avec la maladie de Parkinson est uniquement retrouvée pour l'utilisation de pesticides dans les exploitations viticoles. Enfin, l'association avec l'exposition professionnelle aux pesticides semble plus marquée pour la présentation clinique de la maladie caractérisée par la présence d'un tremblement de repos

L'ensemble de ce travail vise à étudier les mécanismes de résistance aux thérapies anti-angiogéniques dans le traitement du cancer du rein à cellules claires (ccRCC). Nous avons mis en évidence que le bévacizumab (BVZ), un anticorps monoclonal humanisé anti-VEGF utilisé en clinique, accélère la croissance de ccRCC humain chez la souris nude. Ce modèle mime la phase d'échappement souvent observée chez les patients. Le traitement BVZ induit de la lymphangiogenèse associée à une surexpression du VEGF-C. Les cellules tumorales après traitement possèdent également des capacités d'invasion accrues. Ainsi, le traitement BVZ pourrait faciliter la progression tumorale et la formation de métastases dans les ccRCC. Le traitement entraine également une diminution de l'expression d'une phosphatase membranaire, la phospho-tyrosine phosphatase récepteur kappa (PTPR)impliquée dans le contrôle de l'activité de récepteurs à activité tyrosine kinase, comme le récepteur de l'EGF, du PDGF et de l'HGF. Ces récepteurs régulent la prolifération et la migration cellulaire. Le traitement BVZ faciliterait donc la croissance tumorale indépendante du VEGF. Enfin, le traitement induit une augmentation de la sécrétion de cytokines angiogéniques redondantes qui prennent le relais du VEGF, comme les cytokines CXCL7 et CXCL8, et facilitent le développement tumoral sous traitement BVZ. En particuliers, la cytokine CXCL7 et ses récepteurs CXCR1-2 ont un rôle central dans le développement des ccRCC. Cibler l'axe CXCL7/CXCR1-2 réduit efficacement la croissance tumorale. Les récepteurs cibles de PTPR, pour lesquels des inhibiteurs sont actuellement utilisés pour le traitement d'autres cancers, le VEGF-C et la cytokine CXCL7, pourraient donc constituer de nouveaux marqueurs prédictifs d'efficacité du BVZ et de nouvelles cibles thérapeutiques dans le traitement des ccRCC. La résistance au BVZ pourrait également s'expliquer par l'existence de formes "bénéfiques" anti-angiogéniques du VEGF qui sont reconnues par le BVZ avec la même affinité que les formes pro-angiogéniques. Nous avons mis en évidence qu'une immunisation prophylactique à l'aide d'un peptide spécifique du VEGF pro-angiogénique limite la croissance tumorale de ccRCC syngéniques de souris. De la même façon, en traitement curatif, l'utilisation d'anticorps spécifiques du VEGF pro-angiogénique bloque la croissance de ccRCC chez la souris nude sans induire les différents mécanismes d'échappement observés avec le BVZ. Ces résultats suggèrent la pertinence du ciblage spécifique des formes pro-angiogéniques de VEGF dans le traitement des ccRCC.

Contexte : il est possible qu'une victime subisse de multiples conséquences d'accident de la route,conséquences pouvant retentir durablement sur sa vie. Cependant, peu d'études permettent de connaitre leprofil du blessé grave ainsi que les facteurs prédictifs de son devenir. De plus, il existe peu d'outilsprédictifs servant à prédire les conséquences post-accidentelles. L'objectif de la thèse est de caractériserces conséquences, de chercher les éléments pronostiques de gravité des conséquences un an aprèsl'accident et de donner une évaluation, à partir de données réelles, de la qualité de prédiction del'indicateur de déficience à un an appelé IIS (Injury Impairment Score - un indice de déficience - défini apriori à partir des lésions- et utilisé fréquemment).Méthodes : la thèse est réalisée dans le cadre de la cohorte ESPARR (Étude et Suivi d'une Populationd'Accidentés de la Route dans le Rhône), qui s'appuie sur les données du Registre des accidents de lacirculation du Rhône, et qui inclut 1372 sujets blessés dans des accidents de la route dont 1168 sujets âgésde 16 ans et plus. Parmi ces sujets, 886 adultes ont répondu à un questionnaire de suivi à un an, 616 sujetsont des données complètes et sont classés dans des groupes homogènes en fonction de leur devenir à unan par l'analyse des correspondances multiples et la méthode de classification hiérarchique. L'analyse desfacteurs prédictifs de leur appartenance à un de ces groupes de victimes, mesurés à la date de l'accident, aété effectuée à l'aide de modèles de régressions logistiques multinomiales pondérés. L'évaluation de l'IISsur les données réelles est réalisée en regardant la cohérence entre l'IIS et les différents facteurs mesurés àun an.Résultats : cinq groupes homogènes au niveau des conséquences de l'accident à un an ont été identifiés :le groupe-1 contient 206 sujets, dont une majorité est considérée en bonne récupération ; le groupe-2concerne les sujets ayant uniquement des conséquences physiques ; les groupes 3, 4 et 5 concernent lessujets ayant des conséquences multiples. À part les conséquences physiques en lien avec les sujets dansces groupes, certains plus en lien avec des répercussions sur la vie social (groupe-3), d'autres en lien avecdes difficultés sociales ou environnementales (groupe-4). Le groupe-5 comprend tous les sujets quisouffrent de syndrome post-commotionnel de la population d'étude. Après avoir ajusté sur plusieursvariables recueillies lors de l'accident, notre étude montre que, en plus des facteurs déjà évoqués dans lalittérature (âge, gravité...), le niveau de fragilité socioéconomique et le fait d'avoir un proche blessé dansl'accident sont également des facteurs prédisant le devenir des victimes d'un accident. En ce qui concernel'évaluation de l'IIS sur les données réelles, nous trouvons que le niveau des conséquences prédites par l'IIS ne correspond pas parfaitement à celui observé en réalité à un an quels que soient les facteurs mesurés.Conclusion : un an après l'accident, de nombreuses victimes d'accident de la route, même parmi cellessouffrant de lésions légères, continuent de présenter de multiples problèmes tant sur leur santé physiqueque mentale, sur le plan social ainsi que sur leur environnement. Dans une perspective de réadaptation à lavie quotidienne, ces résultats peuvent être utiles à l'amélioration de la prise en charge des accidentés de laroute.

L’ensemble de ce travail vise à étudier les mécanismes de résistance aux thérapies anti-angiogéniques dans le traitement du cancer du rein à cellules claires (ccRCC). Nous avons mis en évidence que le bévacizumab (BVZ), un anticorps monoclonal humanisé anti-VEGF utilisé en clinique, accélère la croissance de ccRCC humain chez la souris nude. Ce modèle mime la phase d’échappement souvent observée chez les patients. Le traitement BVZ induit de la lymphangiogenèse associée à une surexpression du VEGF-C. Les cellules tumorales après traitement possèdent également des capacités d’invasion accrues. Ainsi, le traitement BVZ pourrait faciliter la progression tumorale et la formation de métastases dans les ccRCC. Le traitement entraine également une diminution de l’expression d’une phosphatase membranaire, la phospho-tyrosine phosphatase récepteur kappa (PTPR)impliquée dans le contrôle de l’activité de récepteurs à activité tyrosine kinase, comme le récepteur de l’EGF, du PDGF et de l’HGF. Ces récepteurs régulent la prolifération et la migration cellulaire. Le traitement BVZ faciliterait donc la croissance tumorale indépendante du VEGF. Enfin, le traitement induit une augmentation de la sécrétion de cytokines angiogéniques redondantes qui prennent le relais du VEGF, comme les cytokines CXCL7 et CXCL8, et facilitent le développement tumoral sous traitement BVZ. En particuliers, la cytokine CXCL7 et ses récepteurs CXCR1-2 ont un rôle central dans le développement des ccRCC. Cibler l’axe CXCL7/CXCR1-2 réduit efficacement la croissance tumorale. Les récepteurs cibles de PTPR, pour lesquels des inhibiteurs sont actuellement utilisés pour le traitement d’autres cancers, le VEGF-C et la cytokine CXCL7, pourraient donc constituer de nouveaux marqueurs prédictifs d’efficacité du BVZ et de nouvelles cibles thérapeutiques dans le traitement des ccRCC. La résistance au BVZ pourrait également s’expliquer par l’existence de formes "bénéfiques" anti-angiogéniques du VEGF qui sont reconnues par le BVZ avec la même affinité que les formes pro-angiogéniques. Nous avons mis en évidence qu’une immunisation prophylactique à l’aide d’un peptide spécifique du VEGF pro-angiogénique limite la croissance tumorale de ccRCC syngéniques de souris. De la même façon, en traitement curatif, l’utilisation d’anticorps spécifiques du VEGF pro-angiogénique bloque la croissance de ccRCC chez la souris nude sans induire les différents mécanismes d’échappement observés avec le BVZ. Ces résultats suggèrent la pertinence du ciblage spécifique des formes pro-angiogéniques de VEGF dans le traitement des ccRCC. / The aim of my work is to study resistance mechanisms to anti-angiogenic treatments of Clear Cell Renal Carcinoma (ccRCC). We observed that bevacizumab (BVZ) -a humanized monoclonal antibody targeting VEGF and currently used in the clinic- promotes the growth of human ccRCC xenografts in nude mice. This model mimics the “escape phase” widely observed in patients. BVZ treatment induces lymphangiogenesis and over-expression of VEGF-C. Tumor cells exposed to the treatment acquire an increased spreading capacity. Hence, BVZ might promote tumor progression and metastasis formation of ccRCC. Furthermore, this treatment decreases the expression of the receptor phosphor tyrosine phosphatase kappa (PTRP). This phosphatase is involved in the regulation of tyrosine kinase receptors controlling growth and migration, among others EGF, PDGF and HGF receptors. Thus, BVZ might promote tumor growth independently of VEGF. Moreover, the treatment increases secretion of redundant cytokines like CXCL7 and CXCL8. By their ability to exert similar effect as VEGF, these cytokines promote tumor development under BVZ treatment. In particular, CXCL7 and its receptors CXCR1 and CXCR2, play a central role in the development of ccRCC. Targeting this pathway efficiently reduces tumor growth. Target receptors of PTRP for which inhibitors are currently used for other cancers, VEGF-C and CXCL7 could therefore be regarded as new predictive markers for BVZ efficiency and may be considered as potential therapeutic targets. Resistance to BVZ could also be explained by the presence of "beneficial" forms of anti-angiogenic VEGF recognized by the BVZ with the same affinity as the pro-angiogenic forms. We have demonstrated that prophylactic immunization with a pro-angiogenic VEGF-specific peptide limits tumor growth of murine syngeneic ccRCC. Similarly, in curative therapy, antibodies specific for pro-angiogenic VEGF block growth of ccRCC in nude mice without inducing the escape mechanisms observed with BVZ. These results highlight the relevance of targeting such pro-angiogenic forms of VEGF for the treatment of ccRCC.