index.utf8.md

class: inverse, left, middle

# Biomécanique occupationnelle

## <hr align="left" width="50%" color='#81A1C1' size=2px>

### Développement d'indicateurs de risque de TMS à l'épaule

Romain Martinez

FRQNT 2019 | 2019-06-05

---
# .header[La moitié des TMS concernent les manutentionnaires]
TMS au Québec entre 2010 et 2014:
<img src="fig/pie.svg" width="80%" style="display: block; margin: auto;" />
.center.cite[CNESST]

Douleur d'épaule:

__.font120.nord9[1ère]__ atteinte en termes de jours de travails perdus 
.right.cite[Stock et al., 2011]

__.font120.nord9[2nde]__ cause de TMS chez les travailleurs 
.right.cite[Duguay et al., 2012]

---
# .header[Doctorat en deux parties]

.row[
.col-3[
__Partie 1.__
]
.col-9[
Développement d'__.nord9[indicateurs de risque]__ de TMS à l'épaule pour décrire la biomécanique des:
- hommes _vs._ femmes
- experts _vs._ novices
]
]

.row[
.col-3[
__Partie 2.__
]
.col-9[
Adapter des algorithmes d'__.nord9[apprentissage automatique]__ pour:
- réduire le temps d'instrumentation et de préparation
- classification automatique des tâches et des participants
- extraction non supervisée de prédicteurs
]
]

---
# .header[Doctorat en deux parties]

.row[
.col-3[
__Partie 1.__
]
.col-9[
Développement d'__.nord9[indicateurs de risque]__ de TMS à l'épaule pour décrire la biomécanique des:
- hommes _vs._ femmes
- .fade[experts _vs._ novices]
]
]

.fade.row[
.col-3[
__Partie 2.__
]
.col-9[
Adapter des algorithmes d'__.nord9[apprentissage automatique]__ pour:
- réduire le temps d'instrumentation et de préparation
- classification automatique des tâches et des participants
- extraction non supervisée de prédicteurs
]
]

---
# .header[Description de la tâche]

.row[
.col-3[
__2 masses__
]
.col-9[
6 et 12 kg
]
]

.row[
.col-3[
__2 groupes__
]
.col-9[
hommes et femmes
]
]

---
class: inverse, middle, clear

# .nord9[1.] Indicateur __.nord9[cinématique]__

## <hr align="left" width="50%" color='#81A1C1' size=2px>

.font120[
Contribution des articulations
]

---
class: clear

> .font50[__R., Martinez__, J. Bouffard, B. Michaud, A. Plamondon, J. N. Côté, and M. Begon. 2019. “__Sex Differences in Upper Limb 3D Joint Contributions during a Lifting Task__” Ergonomics.]

.font90.card[
- contribution __glénohumérale__: femmes @ 6kg > hommes @ 6, 12 kg
- contribution __poignet-coude__: femmes @ 12kg > hommes @ 6, 12 kg
]

---
class: inverse, middle, clear

# .nord9[2.] Indicateurs __.nord9[électromyographiques]__

## <hr align="left" width="50%" color='#81A1C1' size=2px>
.font120[
_Muscle focus_

`$\sum$` EMG
]

---
class: clear

> .font50[J. Bouffard, __R. Martinez__, B. Michaud, A. Plamondon, J. N. Côté, and M. Begon. 2019. “__Sex Differences in Glenohumeral Muscle Activation and Coactivation During a Box Lifting Task__” Ergonomics.]

`$$\text{MF} = \frac{\sum^{M}_{i=1} || \text{EMG}_i \vec{d_i} ||}{\sum^{M}_{i=1} \text{EMG}_i}$$`

.row[
.col-3[
`$\text{EMG}_i$`
]
.col-9[
EMG normalisé du muscle `$i$`
]
]

.row[
.col-3[
`$\vec{d_i}$`
]
.col-9[
ligne d'action `$\times$` bras de lever du muscle `$i$`
]
]

.font90.card[
- _Muscle focus_ : `$\varnothing$`
- `$\sum$` EMG: femmes > hommes et 12 kg > 6 kg
]

---
class: inverse, middle, clear

# .nord9[3.] Indicateurs __.nord9[musculo-squelettiques]__

## <hr align="left" width="50%" color='#81A1C1' size=2px>
.font120[
`$\sum$` activations musculaires

`$\sum$` forces musculaires

cisaillement:compression des forces de réaction glénohumérales
]

---
class: clear
.row[
.col-5[
__Peu de co-contractions en optimisation statique__
]
.col-7[
<img src="fig/act_distribution.svg" width="70%" style="display: block; margin: auto;" />
]
]

---
class: clear

.font90.card[
- `$\sum$` activation: femmes > hommes
- `$\sum$` activation: 12 kg > 6 kg
]

---
class: clear

.font90.card[
- les femmes passent plus de temps à haute intensité
- la boite la plus lourde génère plus d'activations à haute intensité
]

---
class: clear

.font90.card[
les femmes passent plus de temps avec un ratio `$\text{c:c} > 0.56$` 
.right.cite[Dickerson et al., 2007]
]

---
class: inverse, middle, clear

# Limites des outils existants

## <hr align="left" width="50%" color='#81A1C1' size=2px>

Et leurs solutions

---
# .header[Comment faire des statistiques sur des _time-series_?]

La librairie __`spm1d`__ (python et matlab) permet de prendre en compte la __composante temporelle__.

- Évite de réduire en un seul point arbitraire (e.g. moyenne, maximum)
- Contrôle pour les erreurs de `$\alpha$` (i.e. comparaison multiple)

---
# .header[Librairie spécifique à la biomécanique]

"Éco-système" de librairie python pour réaliser une analyse biomécanique complète.

informations et tutoriels interactifs: [`github.com/pyomeca`](https://github.com/pyomeca)

`pyomeca`: file I/O, traitement de signal

`pyosim`: modélisation musculo-squelettique

`pyoviz`: visualisation

---
# .header[pyomeca: file I/O, traitement de signal]

ouverture et écriture de nombreux type de fichiers 
.left[`csv`, `c3d`, `mat`, `sto`, `trc`, `mot`]

routine de traitement de signal

```python
from pathlib import Path
from pyomeca import Analogs3d

data_path = Path("data")

data = [
    Analogs3d.from_c3d(ifile)
    .band_pass(freq=2000, order=4, cutoff=[10, 425])
    .center()
    .rectify()
    .low_pass(freq=2000, order=4, cutoff=5)
    .normalization()
    .time_normalization()
    for ifile in data_path.glob("*/*.c3d")
]
```
---
# .header[pyosim: modélisation musculo-squelettique]

Traitement par lots d'analyses musculo-squelettiques réalisées par OpenSim.

```python
from pathlib import Path
import pyosim

data = Path('data')

for iparticipant in participants.glob('*'):

pyosim.Scale(iparticipant, ...)
	pyosim.InverseKinematics(iparticipant, ...)
	pyosim.InverseDynamics(iparticipant, ...)
	pyosim.StaticOptimization(iparticipant, ...)
	pyosim.MuscleAnalysis(iparticipant, ...)
	pyosim.JointReaction(iparticipant, ...)
```

---
# .header[pyoviz: visualisation]

Figures avec matrices 3D (`x, y, z | marqueurs | frames`)

Routine de visualisation (e.g. vérification)

---

# .header[Apprentissage automatique appliqué en biomécanique]

__Réduction du temps d'instrumentation__

réduire le nombre de MVC (actuellement 15, i.e. 60 min de test)

prédire plutôt que mesurer l'EMG intramusculaire
	
__classification des tâches et des participants__

classifier automatiquement  des tâches de manutentionnaires
	
__Extraction non supervisée de prédicteurs__

déterminer les principaux prédicteurs biomécanique de la manutention

---
class: inverse, left, middle

# Biomécanique occupationnelle

## <hr align="left" width="50%" color='#81A1C1' size=2px>

### Développement d'indicateurs de risque de TMS à l'épaule

Romain Martinez

FRQNT 2019 | 2019-06-05