Thèse Outils Innovants pour la Surveillance et l'Évaluation Pronostique de la Ventilation Non Invasive à Long Terme H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Sport, Mouvement, Facteurs Humains École doctorale : Sciences du Sport, de la Motricité et du Mouvement Humain Laboratoire de recherche : Pharmacologie des oligonucléotides pour le traitement des maladies neuromusculaires Direction de la thèse : Hélène PRIGENT Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-03T23:59:59 Surveiller une ventilation non invasive est, dans la pratique quotidienne, une tâche d'une complexité réelle. Il faut simultanément évaluer l'observance, gérer les fuites, corriger les paramètres physiologiques (hypercapnie, hypoxie), identifier les événements respiratoires, apprécier la synchronisation patient-ventilateur, et tenir compte de ce que le patient rapporte lui-même : qualité du sommeil, fatigue, qualité de vie. Pourtant, malgré la place centrale qu'a prise la VNI dans la prise en charge de l'insuffisance respiratoire hypercapnique chronique, le domaine manque encore d'un cadre standardisé et holistique.
Les données issues des ventilateurs sont nombreuses : observance, fuites, fréquence respiratoire, événements obstructifs, pressions, volumes. Mais elles varient d'un fabricant à l'autre et résistent à toute harmonisation, en particulier sur la question de l'asynchronie patient-ventilateur. La SpO nocturne, le PtcCO, les gaz du sang restent les piliers du suivi clinique, mais ils ne fournissent que des instantanés : ils ne capturent pas la charge physiologique cumulée qui compte probablement le plus sur le plan pronostique. Quant aux résultats rapportés par les patients, ils sont rarement intégrés de façon systématique alors même que la façon dont un patient vit sa ventilation conditionne directement son observance.
Aucun modèle intégratif ne réunit aujourd'hui données ventilatoires, paramètres physiologiques, biomarqueurs et perception du patient. Le concept de patient « bien ventilé » existe, mais de manière informelle, façonné par l'intuition clinique plutôt que par des critères partagés. C'est autour de ce manque que ce projet a été construit.
L'objectif est de développer et valider un ensemble d'outils permettant d'améliorer le phénotypage, le suivi, l'ajustement et l'évaluation pronostique des patients sous VNI au long cours, en particulier dans des contextes difficiles comme la BPCO, le SOH et les maladies neuromusculaires où le tableau clinique est rarement simple. Le projet s'organise en quatre work packages.
Le premier porte sur l'évaluation centrée sur le patient. En s'appuyant sur la Goal Attainment Scale (un outil déjà éprouvé en rééducation) il s'agit de capturer ce que la VNI représente concrètement pour chaque patient : mieux dormir, moins être essoufflé, récupérer de l'énergie, réduire l'anxiété.
Le deuxième s'attaque à un problème plus structurel : la fragmentation des données ventilatoires. Standardiser leur collecte et leur traitement améliorerait non seulement le suivi individuel, mais rendrait la recherche multicentrique réellement praticable.
Le troisième ouvre la voie à de nouveaux biomarqueurs. Plutôt que de s'appuyer sur des valeurs moyennées ou seuillées, l'idée est de quantifier la charge hypercapnique et hypoxique dans sa variabilité temporelle de manière à mieux prédire l'évolution clinique.
Le quatrième work package fait la synthèse. À travers une plateforme décisionnelle intégrée, il vise à formaliser ce que « bien ventilé » signifie réellement, en traduisant les outils développés en amont en quelque chose d'utilisable au quotidien, et à terme susceptible d'alimenter les recommandations internationales.
Chaque phase suit la même logique : conception, puis validation clinique rigoureuse. Ensemble, ces travaux constituent une première étape vers ce dont le domaine manque aujourd'hui : un standard rigoureux, multimodal et centré sur le patient pour le suivi au long cours de la VNI.
La VNI est centrale dans la prise en charge de l'insuffisance respiratoire hypercapnique chronique, notamment dans la BPCO, le SOH et les maladies neuromusculaires [1,2]. Sa surveillance exige d'évaluer simultanément l'observance, les fuites, les paramètres physiologiques, les événements respiratoires, la synchronisation patient-ventilateur et le vécu du patient. Les données ventilatoires sont nombreuses mais dépendantes du fabricant et résistent à l'harmonisation [3], et leur interprétation reste hétérogène [4]. Les paramètres conventionnels (SpO, PtcCO, gaz du sang) ne capturent que des instantanés, ignorant la charge physiologique cumulée. La « charge hypercapnique », quantifiant l'exposition nocturne dans sa variabilité temporelle, est prometteuse à cet égard [5]. Le télé-suivi ouvre des perspectives, mais son impact reste à préciser [6]. Les PROMs demeurent sous-exploités malgré leur rôle sur l'observance. La GAS, validée en rééducation [7,8,9], pourrait structurer des objectifs VNI individualisés. Aucun modèle intégratif ne réunit ces dimensions : c'est ce manque que ce projet adresse. développer des outils innovants pour la surveillance et l'évaluation pronostique de la ventilation non invasive à long terme 4 Work Packages (WP) progressent de la conception numérique à la validation clinique :
Le WP1 adapte la GAS à la VNI pour capturer des objectifs individualisés : sommeil, dyspnée, fatigue, anxiété.
Le WP2 développe un modèle de données commun mappant les exports bruts des différents appareils (fuites, fréquence respiratoire, volume courant, indices d'asynchronie) vers des variables harmonisées et indépendantes du fabricant. Des pipelines automatisés standardiseront ces exports et détecteront les asynchronies via des algorithmes partagés, rendant la mutualisation multicentrique faisable.
Le WP3 développe des biomarqueurs dynamiques en dépassant les mesures statiques. La charge hypercapnique et hypoxique sera quantifiée comme indices d'exposition intégrés dans le temps, capturant durée, intensité et variabilité de l'hypoventilation nocturne puis corrélée aux outcomes cliniques et à la qualité de vie.
Le WP4 synthétise ces résultats dans une plateforme décisionnelle intégrée, validée par des études multicentriques dans la BPCO et d'autres pathologies respiratoires chroniques.

- Formation de niveau Master 2 ou diplôme d'ingénieur en biomédical, traitement du signal, data science ou discipline connexe
- Solides compétences en traitement du signal physiologique, avec maîtrise de langages scientifiques (Python, MATLAB...)
- Connaissances approfondies en physiologie respiratoire et du sommeil
- Capacité à concevoir, développer et valider des méthodes et algorithmes pour l'analyse de données biomédicales pour des recherches reproductibles (documentation, gestion de version, structuration des analyses).
- Maîtrise des outils d'analyse statistique et/ou d'apprentissage automatique appliqués aux données de santé
- Aptitude à proposer des approches méthodologiques rigoureuses et à évaluer leurs performances.
- Compétences en rédaction scientifique et communication orale, en français et en anglais
- Autonomie, rigueur scientifique, esprit critique et capacité à s'inscrire dans un projet de recherche collaboratif multidisciplinaire.
- Une expérience préalable en recherche clinique, en validation de méthodes ou en analyse de données issues d'études physiologiques