L'hypertension est une maladie qui affecte plus d'un milliard de personnes dans le monde. Il s'agit d'une des principales causes de décès; le suivi et la gestion de cette maladie sont donc cruciaux. La technologie de mesure de la pression artérielle la plus répandue, utilisant le brassard pressurisé, ne permet cependant pas un suivi en continu de la pression, ce qui limite l'étendue de son utilisation. Ces obstacles pourraient être surmontés par la mesure indirecte de la pression par l'entremise de l'électrocardiographie ou de la photopléthysmographie, qui se prêtent à la création d'appareils portables, confortables et peu coûteux. Ce travail de recherche, réalisé en collaboration avec le département d'ingénierie biomédicale de l'université de Lund, en Suède, porte principalement sur la base de données publique Multiparameter Intelligent Monitoring in Intensive Care (MIMIC) Waveform Datasetde PhysioNet, largement utilisée dans la littérature portant sur le développement et la validation d'algorithmes d'estimation de la pression artérielle sans brassard pressurisé. Puisque ces données proviennent d'unités de soins intensifs et ont été recueillies dans des conditions non contrôlées, plusieurs chercheurs ont avancé que les modèles d'estimation de la pression artérielle se basant sur ces données ne sont pas valides pour la population générale. Pour la première fois dans la littérature, cette hypothèse est ici mise à l'épreuve en comparant les données de MIMIC à un ensemble de données de référence plus représentatif de la population générale et recueilli selon une procédure expérimentale bien définie. Des tests statistiques révèlent une différence significative entre les ensembles de données, ainsi qu'une réponse différente aux changements de pression artérielle, et ce, pour la majorité des caractéristiques extraites du photopléthysmogramme. De plus, les répercussions de ces différences sont démontrées à l'aide d'un test pratique d'estimation de la pression artérielle par apprentissage machine. En effet, un modèle entraîné sur l'un des ensembles de données perd en grande partie sa capacité prédictive lorsque validé sur l'autre ensemble, par rapport à sa performance en validation croisée sur l'ensemble d'entraînement. Ces résultats constituent les contributions principales de ce travail et ont été soumis sous forme d'article à la revue Physiological Measurement. Un volet additionnel de la recherche portant sur l'analyse du pouls par décomposition (pulse de composition analysis ou PDA) est présenté dans un deuxième temps. La PDA est une technique permettant de séparer l'onde du pouls en une composante excitative et ses réflexions, utilisée pour extraire des caractéristiques du signal dans le contexte de l'estimation de la pression artérielle. Les résultats obtenus démontrent que l'estimation de la position temporelle des réflexions à partir de points de référence de la dérivée seconde du signal donne d'aussi bons résultats que leur détermination par la méthode traditionnelle d'approximation successive, tout en étant beaucoup plus rapide. Une méthode récursive rapide de PDA est également étudiée, mais démontrée comme inadéquate dans un contexte de comparaison intersujet. / Hypertension affects more than one billion people worldwide. As one of the leading causes of death, tracking and management of the condition is critical, but is impeded by the current cuff-based blood pressure monitoring technology. Continuous and more ubiquitous blood pressure monitoring may be achieved through simpler, cheaper and less invasive cuff-less devices, performing an indirect measure through electrocardiography or photoplethysmography. Produced in collaboration with the department of biomedical engineering of Lund Universityin Sweden, this work focuses on public data that has been widely used in the literature to develop and validate cuffless blood pressure estimation algorithms: The Multiparameter Intelligent Monitoring in Intensive Care (MIMIC) Waveform Dataset from PhysioNet. Because it is sourced from intensive care units and collected in absence of controlled conditions, it has many times been hypothesized that blood pressure estimation models based on its data may not generalize to the normal population. This work tests that hypothesis for the first time by comparing the MIMIC dataset to another reference dataset more representative of the general population and obtained under controlled experimental conditions. Through statistical testing, a majority of photoplethysmogram based features extracted from MIMIC are shown to differ significantly from the reference dataset and to respond differently to blood pressure changes. In addition, the practical impact of those differences is tested through the training and cross validating of machine learning models on both datasets, demonstrating an acute loss of predictive powers of models facing data from outside the dataset used in the training phase. As the main contribution of this work, these findings have been submitted as a journal paper to Physiological Measurement. Additional original research is also presented in relation to pulse decomposition analysis (PDA), a technique used to separate the pulse wave from its reflections, in the context of blood pressure estimation. The results obtained through this work show that when using the timing of reflections as part of blood pressure predictors, estimating those timings from fiducial points in the second derivative works as well as using the traditional and computationally costly successive approximation PDA method, while being many times faster. An alternative fast recursive PDA algorithm is also presented and shown to perform inadequately in an inter-subject comparison context.
Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/104024 |
Date | 13 December 2023 |
Creators | Weber-Boisvert, Guillaume |
Contributors | Gosselin, Benoit |
Source Sets | Université Laval |
Language | English |
Detected Language | French |
Type | COAR1_1::Texte::Thèse::Mémoire de maîtrise |
Format | 1 ressource en ligne (xiv, 82 pages), application/pdf |
Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0026 seconds