Techniques Based on Adaptive Neuro-Fuzzy Inference Systems (ANFIS) for Estimating and Evaluating Physical Demands at Work Using Heart Rate

Malgré l'évolution rapide de la mécanisation dans les industries lourdes, les emplois physiquement exigeants qui nécessitent un effort humain excessif représentent encore une part importante dans de nombreuses industries (foresterie, construction, mines, etc.). Des études ont montré que les charges de travail excessives imposées aux travailleurs sont la principale cause de fatigue physique, ce qui a des effets négatifs sur les travailleurs, leur performance et la qualité du travail. Par conséquent, les chercheurs ont souligné l'importance de la conception optimale des tâches (à l'intérieur des compétences des travailleurs) afin de maintenir la sécurité, la santé et la productivité des travailleurs. Toutefois, cela ne peut être atteint sans comprendre (c'est-à-dire mesurer et évaluer) les exigences physiologiques du travail. À cet égard, les trois études comprises dans cette thèse présentent des approches pratiques pour estimer et évaluer la dépense énergétique (DE), exprimée en termes de consommation d'oxygène (VO2), au cours du travail réel. La première étude présente de nouvelles approches basées sur le système d'inférence neuro-flou adaptatif (ANFIS) pour l'estimation de la VO2 à partir des mesures de la fréquence cardiaque (FC). Cette étude comprend deux étapes auxquelles ont participé 35 individus en bonne santé. Dans un premier temps, deux modèles novateurs individuels ont été développés en se basant sur l'ANFIS et les méthodes analytiques. Ces modèles s'attaquent au problème de l'incertitude et de la non-linéarité entre la FC et la VO2. Dans un deuxième temps, un modèle général ANFIS qui ne requiert pas d'étalonnage individuel a été développé. Les trois modèles ont été testés en laboratoire et sur le terrain. La performance de chaque modèle a été évaluée et comparée aux VO2 mesurées et à deux méthodes d'estimation individuelles et traditionnelles de VO2 (étalonnage linéaire et Flex-HR). Les résultats ont indiqué la précision supérieure obtenue avec la modélisation ANFIS individualisée (EMQ = 1,0 à 2,8 ml/kg.min en laboratoire et sur le terrain, respectivement). Le modèle analytique a surpassé l'étalonnage linéaire traditionnel et les méthodes Flex-HR avec des données terrain. Les estimations du modèle général ANFIS de la VO2 ne différaient pas significativement des mesures réelles terrain VO2 (EMQ = 3,5 ml/kg.min). Avec sa facilité d'utilisation et son faible coût de mise en œuvre, le modèle général ANFIS montre du potentiel pour remplacer n'importe laquelle des méthodes traditionnelles individualisées pour l'estimation de la VO2 à partir de données recueillies sur le terrain. La deuxième étude présente un modèle de prédiction de la VO2 basé sur ANFIS qui est inspiré de la méthode Flex-HR. Des études ont montré que la méthode Flex-HR est une des méthodes les plus précises pour l'estimation de la VO2. Toutefois, cette méthode est basée sur quatre paramètres qui sont déterminés individuellement et par conséquent ceci est considéré comme coûteux, chronophage et souvent peu pratique, surtout lorsque le nombre de travailleurs augmente. Le modèle prédictif proposé se compose de trois modules ANFIS pour estimer les paramètres de Flex-HR. Pour chaque module ANFIS, la sélection de variables d'entrée et le modèle d'évaluation ont été simultanément réalisés à l'aide de la combinaison de la technique de division des données en trois parties et la technique de validation croisée. La performance de chaque module ANFIS a été testée et comparée avec les paramètres observés ainsi qu'avec les modèles de Rennie et coll. (2001) à l'aide de données de test indépendant. En outre, les performances du modèle global de prédiction ANFIS dans l'estimation de la VO2 a été testé et comparé avec les valeurs mesurées de la VO2, la méthode de Flex-HR standard ainsi qu'avec les autres modèles généraux (c.-à-d., les modèles de Rennie et coll. (2001) et de Keytel et coll. (2005)). Les résultats n'ont indiqué aucune différence significative entre les paramètres observés et estimés de Flex-HR et entre la VO2 mesurée et estimée dans la plage de fréquence cardiaque globale et séparément dans différentes gammes de FC. Le modèle de prédiction ANFIS (EMA = 3 ml/kg.min) a montré de meilleures performances que les modèles de Rennie et coll. (EMA = 7 ml/kg.min) et les modèles de Keytel et coll. (EMA = 6 ml/kg.min) et des performances comparables avec la méthode standard de Flex-HR (EMA = 2,3 ml/kg.min) tout au long de la plage de fréquence cardiaque. Le modèle ANFIS fournit ainsi aux praticiens une méthode pratique, économique et rapide pour l'estimation de la VO2 sans besoin d'étalonnage individuel. La troisième étude présente une nouvelle approche basée sur l'ANFIS pour classer les travaux en quatre classes d'intensité (c'est-à-dire, très léger, léger, modéré et lourd) à l'aide du monitorage du rythme cardiaque. La variabilité intra-individuelle (différences physiologiques et physiques) a été examinée. Vingt-huit participants ont effectué le test de la montée des marches Meyer et Flenghi (1995) et le test maximal sur le tapis roulant pendant lesquels la fréquence cardiaque et la consommation d'oxygène ont été mesurées. Les résultats ont indiqué que le monitorage du rythme cardiaque (FC, FC max et FC repos) et du poids corporel sont des variables significatives pour classer le rythme de travail. Le classificateur ANFIS a montré une sensibilité, une spécificité et une exactitude supérieures par rapport à la pratique courante à l'aide de catégories de rythme de travail basées sur le pourcentage de fréquence cardiaque de réserve (% FCR), avec une différence globale de 29,6 % dans la précision de classification entre les deux méthodes et un bon équilibre entre la sensibilité (90,7 %, en moyenne) et la spécificité (95,2 %, en moyenne). Avec sa facilité de mise en œuvre et sa mesure variable, le classificateur ANFIS montre un potentiel pour une utilisation généralisée par les praticiens pour évaluation du rythme de travail.