Les algorithmes d'équilibre et de marche d'un smartphone utilisent des capteurs inertiels intégrés (accéléromètre et gyroscope) pour collecter et analyser les données de mouvement :
- en appliquant des techniques de traitement du signal et d'apprentissage automatique, les algorithmes peuvent quantifier la stabilité en position debout et extraire des paramètres clés pendant la marche, tels que la longueur de la foulée, la durée du pas et la vitesse de marche.
Les données brutes utilisées par ces algorithmes sont collectées par l'unité de mesure inertielle (IMU) interne du smartphone, qui comprend les éléments suivants
- un accéléromètre : un capteur triaxial qui mesure l'accélération linéaire le long des axes x, y et z
- Lors de l'analyse de la marche, il peut détecter l'impact des pas et le mouvement de haut en bas du centre de masse du corps.
- gyroscope : capteur triaxial qui mesure la vitesse angulaire, ou vitesse de rotation, autour des axes x, y et z.
- Ces données sont essentielles pour analyser le balancement du corps lors des tâches d'équilibre et les mouvements de rotation lors des virages pendant la marche.
Les données brutes du capteur sont filtrées et traitées à l'aide d'algorithmes afin de produire des paramètres de marche et d'équilibre cliniquement pertinents. Algorithmes d'analyse de la marche
- filtrage du signal : les données brutes du capteur contiennent du bruit provenant des tremblements du corps et des mouvements de l'appareil - un filtre de Butterworth ou de Kalman est souvent utilisé pour lisser le signal et éliminer le bruit avant l'analyse
- détection des événements de la marche : les algorithmes identifient les événements clés du cycle de la marche, tels que l'attaque du talon et le départ des orteils, en détectant des pics et des creux spécifiques dans les signaux d'accélération et de vitesse angulaire filtrés.
Extraction des paramètres : Une fois les événements de la marche identifiés, l'algorithme calcule les paramètres spatio-temporels, notamment
- la cadence : le nombre de pas par minute
- Le temps de marche : le temps écoulé entre deux pas consécutifs
- La longueur du pas : Estimée par la double intégration des données d'accélération.
- les algorithmes sophistiqués peuvent également utiliser un modèle à double pendule pour améliorer la précision.
- Vitesse de marche : La distance moyenne parcourue en un temps donné
- Symétrie et variabilité : Paramètres calculés en comparant les temps et les longueurs des pas à gauche et à droite, qui peuvent indiquer des anomalies de la marche.
Il est prouvé que l'évaluation à l'aide d'un smartphone est une méthode valide et fiable pour évaluer l'équilibre en position debout (1).
En ce qui concerne l'Apple Health (Walking Steadiness) (2) :
Cette fonction intégrée à l'iPhone 8 ou plus récent est l'application la plus largement discutée et validée pour l'analyse de la marche.
- Mesures clés suivies: Lorsqu'elle est portée dans une poche ou près de la taille, l'appli Health surveille diverses mesures de la mobilité, notamment :
- Vitesse de marche
- Asymétrie de la marche (équilibre entre les pas)
- Temps de double appui (durée pendant laquelle les deux pieds restent au sol)
- Longueur du pas
Fournit une "évaluation du risque de chute"L'évaluation du risque de chute : fournit un score prédictif de "régularité de la marche" (élevé, correct ou faible) qui estime le risque de chute au cours des 12 prochains mois.
- Les utilisateurs peuvent recevoir des notifications si leur score est faible.
En ce qui concerne la validité de l'utilisation de l'indicateur de "régularité de la marche" sur l'iPhone (2) :
- 27 enfants, 28 adultes et 28 personnes âgées équipés d'un iPhone ont effectué un test de marche de 6 minutes (6MWT).
- la vitesse de marche (GS), la longueur du pas (SL) et le temps de double appui (DST) ont été extraits des enregistrements de marche de l'application Health
- les paramètres de la marche ont été collectés simultanément avec un système de capteurs inertiels (APDM Mobility Lab) afin d'évaluer la validité concomitante
- a montré que la concordance entre l'application Health App et l'APDM Mobility Lab était bonne pour le GS dans tous les groupes d'âge et pour le SL chez les adultes/seniors, mais faible à modérée pour le DST dans tous les groupes d'âge et pour le SL chez les enfants
- la cohérence entre les mesures répétées était bonne à excellente pour tous les paramètres de la marche chez les adultes/seniors, et modérée à bonne pour le GS et le DST, mais médiocre pour le SL chez les enfants.
- Les auteurs de l'étude ont conclu que :
- l'application Health sur iPhone est fiable et valide pour mesurer le GS et le SL chez les adultes et les personnes âgées
- une interprétation prudente est nécessaire lors de l'utilisation de l'application Health chez les enfants et lors de la mesure du DST en général, car ces deux méthodes ont montré une validité et/ou une fiabilité limitées.
Utilisation d'un smartphone pour évaluer la marche chez les patients atteints d'une maladie cérébrale des petits vaisseaux (CSVD)
- Cette étude a évalué la capacité à détecter des événements liés à la marche à l'aide d'un smartphone combiné à l'apprentissage profond et à évaluer les effets à distance et la signification clinique de cette méthode dans différentes populations de personnes âgées et de patients atteints de maladie des petits vaisseaux cérébraux (MCVC) (3) :
- les auteurs de l'étude ont montré que
- cette méthode permet de différencier efficacement les différences de démarche entre les personnes âgées en bonne santé, les personnes souffrant de troubles cognitifs légers, de la maladie de Parkinson et les patients atteints d'une maladie des petits vaisseaux cérébraux pendant la marche à tâche unique et la marche à double tâche
- La méthode d'analyse de la marche par smartphone proposée dans cette étude est facile à utiliser, peu coûteuse et favorise la détection, ce qui laisse présager des applications dans la gestion de la rééducation à distance, l'évaluation clinique et d'autres domaines.
Référence :
- Prato TA, Lynall RC, Howell DR, Lugade V. Validity and Reliability of an Integrated Smartphone Measurement Approach for Balance. J Sport Rehabil. 2024 Nov 18;34(2):177-183.
- Werner, C., Hezel, N., Dongus, F. et al. Validity and reliability of the Apple Health app on iPhone for measuring gait parameters in children, adults, and seniors. Sci Rep 2023 ;13 : 5350.
- Xu, K. ; Yu, W. ; Yu, S. ; Zheng, M. ; Zhang, H. The Detection of Gait Events Based on Smartphones and Deep Learning. Bioengineering ;2025 : 12(5):491.