Titre du projet de stage : Identification des paramètres du cycle veille-sommeil associés avec les sous-types de maladies neurocognitives
Laboratoire : Inserm U1153
Equipe d’accueil : Equipe « EpiAgeing »
Adresse : Université de Paris, Inserm U1153, 10 avenue de Verdun, 75010 Paris
Nom du responsable de l’équipe : Archana Singh-Manoux, Séverine Sabia
Nom des encadrants : Clémence Cavaillès, Ian Meneghel Danilevicz, Séverine Sabia
Sujet : Le cycle veille-sommeil évolue avec l’âge et est fréquemment altéré chez les personnes
atteintes de maladies neurocognitives. Ces altérations pourraient cependant différer selon le type de
maladie, mais leur capacité à caractériser et différencier les sous-types de maladies neurocognitives
reste encore peu étudiée, notamment à partir de mesures objectives et multidimensionnelles.
L’accélérométrie permet d’évaluer de manière objective et continue différents aspects de ces
comportements. Dans la cohorte CIRCAME, plus de 1000 patients de centre mémoire parisien ont
porté un accéléromètre au poignet continuellement pendant 9 jours (9 x 24h). Ces données sont
utilisées pour estimer de nombreux paramètres de l’activité physique (intensité de l’activité, durée et
répartition au cours de la journée), du sommeil (durée, qualité, fragmentation), du rythme
repos/activité (à partir d’approches paramétrique et non-paramétrique) et également du chronotype,
qui représentent les principales dimensions du cycle veille-sommeil.
L’objectif de ce stage sera d’identifier les caractéristiques issues de l’accélérométrie qui permettent de
différencier les principaux sous-types de maladies neurocognitives : maladie d’Alzheimer, maladie à
corps de Lewy, démence vasculaire et démence frontotemporale.
Pour répondre à cet objectif, des méthodes spécifiques de machine learning (ML) supervisés seront
utilisées. Grâce à un recueil détaillé des mesures socio-démographiques, de mode de vie et de santé,
il sera possible de contrôler les analyses sur de nombreux marqueurs de la maladie afin de tester la
valeur ajoutée des mesures d’accélérométrie par rapport aux facteurs de risque établis.
Conditions requises :
Une très bonne maîtrise de programmation (logiciel R) et des méthodes de ML est indispensable pour
mener à bien les analyses
Contact : Ian Meneghel Danilevicz ian.meneghel-danilevicz@inserm.fr, Clémence Cavaillès
clemence.cavailles@inserm.fr, Séverine Sabia, severine.sabia@inserm.fr.
