Modèle Boîte-Blanche pour l'Evaluation du Stress à Partir de Mesures Physiologiques et Applicabilité en Vie Réelle

Acute stress is our body's adaptive response to the challenges of daily life. Stress has well-known physiological correlates, which can be monitored through heart rate, skin conductance or respiratory activity. Over the past decade, the rise of wearable physiological sensors has provided valuable insights into the development of stress detection models that could be used in real life. Yet, physiological stress correlates are also sensitive to many confounding factors. Moreover, real-life physiological measurements involve frequent artifacts ; and current literature models lack an effective strategy for managing sensor data quality. Finally, current accuracy-based approaches tend to promote black-box models whose decision cannot be interpreted for therapeutic purposes.To tackle these issues, we provide white-box methods to design a stress detection model able to operate in everyday life. We first propose a feature selection method that identifies ones that are sensitive to stress and relatively instensitive to confounding factors. We then develop a stress detection model designed to withstand artefactual data ; and which incorporates a modular structure to timely adapt to the quality of physiological measurements. The idea behind this model is to be able to isolate, without further training, features that are temporarily unavailable or too noisy for stress detection. To capitalize on such an adaptive ability, we finally provide an algorithm to timely estimate the quality of heart rate data. Combined with this quality index, our stress detection model is one more step towards an objective measurement of this phenomenon and its occurrence in our daily lives.Le stress aigu est une réponse adaptative du corps aux épreuves de la vie quotidienne. Les corrélats physiologiques du stress sont connus et mesurables à travers le rythme cardiaque, la conductance de la peau, l’activité respiratoire. L’essor récent des capteurs physiologiques portables a donné une perspective concrète au développement de modèles de détection du stress fonctionnant en vie réelle. Mais les corrélats physiologiques du stress ne lui sont pas spécifiques : ils sont sensibles à de nombreux facteurs confondants. Par ailleurs, la mesure physiologique en vie réelle est sujette à de nombreux artéfacts et les modèles actuellement proposés manquent d’une stratégie de gestion efficace de la qualité des mesures. Enfin, la littérature a tendance à promouvoir des modèles de type boîte-noire, dont la décision ne peut être interprétée dans un but thérapeutique.Pour répondre à ces problématiques, nous proposons des méthodes de type boîte-blanche qui aboutissent à un modèle de détection du stress susceptible de fonctionner dans la vie quotidienne. Nous proposons d’abord une sélection des caractéristiques sensibles au stress et peu sensibles aux facteurs confondants. Sur la base des caractéristiques sélectionnées, nous proposons un détecteur de stress robuste aux artéfacts et qui adopte une structure modulaire, afin de s'adapter en temps réel à la qualité des mesures physiologiques. L’idée derrière ce modèle est de pouvoir se séparer sans nouvel apprentissage des caractéristiques momentanément indisponibles ou trop bruitées. Pour valoriser cette capacité adaptative de notre détecteur de stress, nous proposons finalement un algorithme permettant d’estimer en temps réel la qualité des données de rythme cardiaque. Couplé à cet indice de qualité, notre modèle de détection du stress constitue un pas de plus vers une mesure objective de ce phénomène et de sa prévalence dans notre quotidien