@InProceedings{drouot2021jcjc,
  author       = {Drouot, C. and Jarrassé, N.},
  booktitle    = {2021 IFRATH Colloque Colloque Jeunes Chercheuses, Jeunes Chercheurs},
  title        = {Caractérisation de l'effondrement durant la marche des patients atteints de myosite à inclusions},
  year         = {2021},
  organization = {IFRATH},
  abstract     = {La myosite à inclusions (IBM - Inclusion Body Myositis) est une maladie rare entraı̂nant une dégénérescence progressive des muscles. L’atteinte des quadriceps est souvent la première manifestation de la maladie, amenuisant la capacité des personnes atteintes à se tenir debout et entraînant rapidement des problèmes de chutes récurrentes, lors de la marche notamment. Ces atteintes, bilatérales mais asymétriques, conduisent d’abord à un affaiblissement progressif d’une seule jambe. Une particularité des chutes qu’il génère est qu’elles ne résultent pas d’une perte d’équilibre mais plutôt d’une perte de soutien qui entraı̂ne un effondrement vertical sur soi-même. Bien qu’il existe des solutions orthétiques et exosquelettiques pour assister la marche (notamment en fournissant une assistance physique à la mobilité), il n’existe à l’heure actuelle pas de dispositif spécifiquement dédié à la prévention de la chute qui puisse améliorer la sécurité et le confort de ces personnes dans leur vie quotidienne. Afin de développer une telle assistance, une meilleure compréhension des mécanismes et de la dynamique de ces effondrements semble donc nécessaire, afin de pouvoir être en mesure de les détecter et les anticiper au plus tôt. Dans cette étude, nous avons développé un dispositif wearable d’enregistrement de la cinématique d’une jambe et des appuis au sol et l’avons utilisé afin de collecter des données de personnes asymptomatiques mimant des effondrements caractéristiques de la pathologie IBM durant la marche. Les données enregistrées de la cinématique du genou et de la temporalité des appuis au sol ont ensuite étés analysées afin de caractériser cet effondrement au regard d’une marche asymptomatique. Cette analyse préliminaire nous a permis d’observer et de caractériser trois types d’effondrements spécifiques. Ces premières résultats constituent une première étape pour développer des algorithmes de détection exploitant un nombre réduite de capteurs embarqués, qui pourraient être utilisés pour piloter une assistance robotique de rattrapage de la chute.},
  category     = {ACTN},
  crac         = {n},
  file         = {:http\://hal.archives-ouvertes.fr/hal-04019174/document:PDF},
  hal          = {y},
}