Soutenance de thèse d’Alphanie Midelet

7 décembre 2022

Traitement du syndrome d’apnées obstructives du sommeil par pression positive continue : étude des données de télésuivi pour comprendre l’impact des modifications du traitement et anticiper les événements aigus.

Le syndrome d’apnées-hypopnées obstructives du sommeil (SAHOS) est une maladie chronique multi-organe et multifactorielle qui touche plus de dix millions de personnes en France et s’accompagne souvent de comorbidités cardiovasculaires. Environ 1.4 million de personnes en France sont traitées par pression positive continue (PPC). Ce traitement connecté génère quotidiennement de gros volumes de données depuis plusieurs années. Ces données permettent notamment de suivre l’observance du patient au traitement et l’efficacité du traitement selon les réglages. Cependant, les méthodes de science des données sont à ce jour peu mobilisées pour extraire toute l’information pertinente contenue dans ces données et seul l’index apnées-hypopnées résiduel (IAHr) moyen est utilisé pour quantifier l’efficacité du traitement. Les travaux menés au cours de cette thèse consistent en l’identification de méthodes permettant la compréhension et l’analyse automatique des séries temporelles d’événements respiratoires résiduels et de débit aérien, et l’évaluation de la pertinence clinique des indicateurs issus de ces algorithmes.

Tout d’abord, ces travaux ont visé à mieux comprendre et caractériser les données d’indice d’apnées-hypopnées résiduelles (IAHr). D’une part, nous avons identifié les facteurs de variation de l’IAHr à contrôler dans toute analyse. Puis, une méthode a été développée pour changer la représentation des séries temporelles afin d’identifier des clusters de trajectoires d’évolution de l’IAHr.

A l’échelle individuelle, nous nous sommes intéressés aux déviations de l’IAHr de sa trajectoire habituelle. D’une part, nous avons identifié un modèle de prévision de séries temporelles avec contrôles synthétiques pour évaluer automatiquement l’impact d’un changement de réglage sur l’évolution de l’IAHr, avec comme cas d’usage le changement de masque. D’autre part, une analyse comparative des méthodes de détection de points de changement a été réalisée pour identifier une méthode généralisable à tous les patients pour lever des alertes pertinentes.

Enfin, cette thèse a visé à comprendre le lien entre les données de télésuivi et les comorbidités des patients. Dans un premier temps, nous avons caractérisé les profils cliniques associés aux clusters de trajectoires d’IAHr. Dans un second temps, nous avons identifié une méthode d’extraction de caractéristiques du signal de débit aérien enregistré par la PPC en présence de respirations de Cheyne Stokes, afin de caractériser les motifs spécifiques à la présence d’insuffisance cardiaque.

Nous soutenons la thèse que les données de télésuivi de PPC sont porteuses d’information pertinente et que l’utilisation de méthodes avancées d’analyse de données permet d’en extraire l’information. Des analyses prospectives seront nécessaires pour valider les algorithmes d’alertes et la pertinence des indicateurs calculés. Ces travaux ouvrent la voie à des analyses de données multi-dimensionnelles multi-échelles pour prédire la survenue d’événements aigus.

Jury de Thèse