Les données issues des bracelets d’activité Garmin aident les chercheurs à prédire les crises d’angoisse
Les données physiologiques collectées par un bracelet d’activité, combinées à des questionnaires ainsi qu’à des informations environnementales, pourraient permettre de prédire une crise d’angoisse. C’est ce que révèlent plusieurs études menées par le Graduate Institute of Biomedical Electronics and Bioinformatics (BEBI) de la National Taiwan University (NTU). Trois études de cohorte, menées sur une période allant d’un à trois ans, ont utilisé les appareils connectés de la série Garmin vívosmart® pour assurer le suivi des participants. L’objectif de ces travaux est d’aider les cliniciens à proposer aux personnes souffrant de troubles paniques un accompagnement plus adapté, plus rapide et plus personnalisé.
Prédire une crise d’angoisse
« L’association d’une montre connectée et d’applications mobiles a donné des résultats très prometteurs. Les données issues de ces appareils ont permis de prédire une crise d’angoisse plusieurs jours à l’avance, donnant ainsi aux utilisateurs le temps d’agir », explique le Dr Chan-Hen Tsai, chercheur à la NTU, à propos de la conclusion de ces études. « Les applications ont également aidé les participants à atténuer leurs symptômes et à se sentir davantage maîtres de leur état, démontrant que la technologie peut être un outil puissant pour gérer les troubles paniques et prévenir les crises. En résumé, ces études montrent qu’avec les bons outils, la technologie peut aider les personnes concernées en prédisant les crises et en les soutenant dans la gestion quotidienne de leur trouble. »
Une crise d’angoisse correspond à une forme aiguë d’anxiété, accompagnée de nombreuses manifestations physiques. Ces crises sont généralement déclenchées par un stress psychologique ou des situations spécifiques suscitant la peur de ne pas pouvoir s’échapper (agoraphobie). Cependant, peu d’études avaient jusqu’à présent réussi à prédire la survenue récurrente de crises à partir de données réelles recueillies dans la vie quotidienne.
La première étude menée par le BEBI a analysé les données de 59 participants suivis pendant un an. Les informations environnementales et émotionnelles étaient transmises à l’équipe de recherche via une application mobile. Le bracelet Garmin vívosmart 4 enregistrait automatiquement des indicateurs physiologiques quotidiens, tels que la fréquence cardiaque, l’activité et le sommeil. Selon le Dr Tsai, les bracelets connectés Garmin ont été choisis comme « outils prometteurs » que les participants peuvent porter en continu, avec une autonomie pouvant atteindre sept jours. De nombreux participants ont d’ailleurs exprimé un retour positif après avoir appris à suivre eux-mêmes leurs états émotionnels et physiologiques grâce aux bracelets connectés et aux questionnaires réguliers.
L’étude a conclu qu’en combinant ces données, il est possible de prévoir une crise d’angoisse jusqu’à sept jours à l’avance. Un tel modèle prédictif pourrait aider les cliniciens et les patients à surveiller, maîtriser et intervenir précocement en cas de crises récurrentes, aussi bien à l’hôpital qu’au quotidien1.
Des recherches complémentaires aux résultats prometteurs
Depuis cette première étude, deux autres travaux ont été menés sur deux et trois ans. L’un d’eux s’est concentré sur l’impact du sommeil et de l’activité physique chez les personnes souffrant de troubles paniques, avec pour objectif de prévoir les symptômes jusqu’à une semaine à l’avance. Les participants portaient des bracelets Garmin vívosmart pour enregistrer leurs données de sommeil quotidiennes, leurs niveaux d’activité et leur fréquence cardiaque. Ces informations, associées aux données issues des questionnaires et entretiens, ont alimenté un modèle d’apprentissage automatique permettant de prédire la survenue de crises. Les chercheurs ont pu anticiper une crise d’angoisse dans la semaine suivante avec une précision supérieure à 92 %2, ce qui signifie qu’ils étaient capables, dans la majorité des cas, d’identifier à l’avance les périodes à risque.
L’étude la plus récente s’est intéressée à la façon dont un programme d’accompagnement via application mobile, intégrant ce modèle prédictif, pouvait aider les personnes atteintes de troubles paniques à réduire leurs symptômes et à améliorer la qualité de leur prise en charge. Les participants utilisaient une application pour bénéficier d’un soutien complémentaire à leur traitement habituel, tout en restant en contact à distance avec des professionnels de santé pour un suivi plus personnalisé. Les résultats ont montré que les participants impliqués dans ce programme se sentaient plus maîtres de leurs symptômes, plus conscients de leurs signaux corporels et mieux soutenus3.
Ces trois études apportent des enseignements précieux, tant pour les personnes concernées que pour les cliniciens. Grâce aux modèles d’apprentissage automatique, les chercheurs ont pu identifier les principaux facteurs favorisant la récurrence des crises d’angoisse et définir des plages optimales pour la durée de sommeil, le niveau d’exercice et la fréquence cardiaque pour contribuer à éviter ces crises. Pour la fréquence cardiaque, les plages idéales sont les suivantes : fréquence cardiaque moyenne comprise entre 72 et 87 bpm, une fréquence cardiaque maximale de 100 à 145 bpm et une fréquence cardiaque au repos de 55 à 60 bpm. En outre, d’autres objectifs quotidiens peuvent aider, notamment monter plus de neuf étages, dormir entre 6 h 23 min et 10 h 50 min au total, bénéficier d’au moins 50 minutes de sommeil profond et, rester éveillé moins de 53 minutes pendant la nuit. En exploitant les données issues des bracelets connectés et des applications mobiles, les professionnels de santé peuvent ainsi proposer des ajustements personnalisés du mode de vie pour améliorer la prise en charge des troubles paniques.
Pour en savoir plus, rendez-vous sur www.garmin.com/third-party-studies-overview pour consulter d’autres projets de recherche. Retrouvez toutes les informations sur la recherche et les essais cliniques ici.
Les appareils Garmin ne sont pas conçus pour surveiller ou diagnostiquer des maladies ou autres problèmes de santé. En savoir plus sur la précision des métriques ici.
1JMIR Medical Informatics – Panic Attack Prediction Using Wearable Devices and Machine Learning: Development and Cohort Study
2Sleep, physical activity and panic attacks: A two-year prospective cohort study using smartwatches, deep learning and an explainable artificial intelligence model – PubMed
3Enhancing panic disorder treatment with mobile-aided case management: an exploratory study based on a 3-year cohort analysis – PubMed
