Bibliographie de l'analyse de la marche

Inoue K, et al. (2023)

"Association of Daily Step Patterns With Mortality in US Adults"

JAMA Network Open 2023;6(3):e235174

Étude de 4 840 adultes américains montrant que 8 000 à 9 000 pas/jour chez les adultes plus âgés réduit la mortalité. Les bénéfices plafonnent au-delà de cette plage, suggérant des rendements décroissants à des nombres de pas plus élevés.

Lee I-M, et al. (2019)

"Association of Step Volume and Intensity With All-Cause Mortality in Older Women"

JAMA Internal Medicine 2019;179(8):1105-1112

Étude de 16 741 femmes âgées (âge moyen 72 ans) montrant une réduction de la mortalité avec ≥4 400 pas/jour, avec des bénéfices plafonnant autour de 7 500 pas/jour. Preuve établie que "plus n'est pas toujours mieux".

Ding D, et al. (2025)

"Steps per day and all-cause mortality: a systematic review and meta-analysis"

The Lancet Public Health 2025 (en ligne avant impression)

Méta-analyse complète fournissant une relation dose-réponse entre les pas quotidiens et les résultats de santé dans diverses populations.

Del Pozo-Cruz B, et al. (2022)

"Association of Daily Step Count and Intensity With Incident Morbidity and Mortality Among Adults"

JAMA Internal Medicine 2022;182(11):1139-1148

Étude de 78 500 adultes britanniques introduisant la métrique cadence Peak-30. A constaté que le nombre total de pas ET la cadence peak-30 sont indépendamment associés à une réduction de la morbidité et de la mortalité. La cadence peak-30 peut être plus importante que le nombre total de pas pour les résultats de santé.

Master H, et al. (2022)

"Association of step counts over time with the risk of chronic disease in the All of Us Research Program"

Nature Medicine 2022;28:2301–2308

Étude à grande échelle montrant que des nombres de pas soutenus dans le temps réduisent le risque de maladies chroniques, notamment le diabète, l'obésité, l'apnée du sommeil, le RGO et la dépression.

Del Pozo-Cruz B, et al. (2022)

"Association of Daily Step Count and Intensity With Incident Dementia in 78,430 Adults Living in the UK"

JAMA Neurology 2022;79(10):1059-1063

Les pas quotidiens et l'intensité des pas sont tous deux associés à une réduction du risque de démence. Dose optimale autour de 9 800 pas/jour, avec des bénéfices supplémentaires d'une cadence plus élevée (marche rapide).

Tudor-Locke C, et al. (2019) — Étude CADENCE-Adults

"Walking cadence (steps/min) and intensity in 21-40 year olds: CADENCE-adults"

International Journal of Behavioral Nutrition and Physical Activity 2019;16:8

Étude de référence établissant 100 pas/min comme seuil d'intensité modérée (3 METs) avec une sensibilité de 86% et une spécificité de 89,6% chez 76 participants âgés de 21 à 40 ans. Cette découverte constitue la base de la surveillance de l'intensité basée sur la cadence en marche.

Tudor-Locke C, et al. (2020)

"Walking cadence (steps/min) and intensity in 41 to 60-year-old adults: the CADENCE-adults study"

International Journal of Behavioral Nutrition and Physical Activity 2020;17:137

Confirmation du seuil de 100 pas/min pour l'intensité modérée chez les adultes d'âge moyen (41-60 ans). Établissement de 130 pas/min comme seuil d'intensité vigoureuse (6 METs).

Aguiar EJ, et al. (2021)

"Cadence (steps/min) and relative intensity in 21 to 60-year-olds: the CADENCE-adults study"

International Journal of Behavioral Nutrition and Physical Activity 2021;18:27

Méta-analyse confirmant que les seuils de cadence restent stables entre 21 et 85 ans, soutenant l'applicabilité universelle de la surveillance de l'intensité basée sur la cadence.

Moore CC, et al. (2021)

"Development of a Cadence-based Metabolic Equation for Walking"

Medicine & Science in Sports & Exercise 2021;53(1):165-173

Développement d'une équation simple : METs = 0,0219 × cadence + 0,72. Ce modèle a montré une précision 23-35% supérieure à l'équation ACSM standard, avec une précision de ~0,5 METs aux vitesses de marche normales.

Tudor-Locke C, et al. (2022)

"Cadence (steps/min) and intensity during ambulation in 6–20 year olds: the CADENCE-kids study"

International Journal of Behavioral Nutrition and Physical Activity 2022;19:1

Amorce de preuves pour la recherche sur la cadence-intensité à travers les groupes d'âge, fournissant un cadre complet pour l'interprétation.

American Heart Association (AHA)

"Target Heart Rates Chart"

Référence standard pour l'entraînement par zones de fréquence cardiaque. Intensité modérée = 50-70% FC max ; vigoureuse = 70-85% FC max.

Studenski S, et al. (2011)

"Gait Speed and Survival in Older Adults"

JAMA 2011;305(1):50-58

Étude de référence de 34 485 adultes âgés établissant la vitesse de marche comme prédicteur de survie. Vitesses <0,8 m/s associées à une mortalité plus élevée ; vitesses >1,0 m/s indiquent une bonne santé fonctionnelle. La vitesse de marche est maintenant considérée comme un "signe vital" de santé chez les adultes âgés.

Pamoukdjian F, et al. (2022)

"Gait speed and falls in older adults: A systematic review and meta-analysis"

BMC Geriatrics 2022;22:394

Revue parapluie établissant une relation forte entre une vitesse de marche plus lente et un risque accru de chute chez les adultes âgés vivant dans la communauté.

Verghese J, et al. (2023)

"Annual decline in gait speed and falls in older adults"

BMC Geriatrics 2023;23:290

Les changements annuels de vitesse de marche prédisent le risque de chute. La surveillance des changements annuels de vitesse de marche permet une intervention précoce pour prévenir les chutes.

Hausdorff JM, et al. (2005)

"Gait variability and fall risk in community-living older adults: a 1-year prospective study"

Journal of NeuroEngineering and Rehabilitation 2005;2:19

Une variabilité accrue de la démarche (coefficient de variation du temps de foulée) prédit le risque de chute. CV >3-4% en marche normale indique un risque accru.

Hausdorff JM (2009)

"Gait dynamics in Parkinson's disease: common and distinct behavior among stride length, gait variability, and fractal-like scaling"

Chaos 2009;19(2):026113

Analyse fractale des schémas de démarche dans la maladie de Parkinson montrant une dynamique de foulée altérée et une perte de complexité dans les conditions neurologiques.

Moe-Nilssen R, Helbostad JL (2004)

"Estimation of gait cycle characteristics by trunk accelerometry"

Journal of Biomechanics 2004;37(1):121-126

Fiabilité établie des accéléromètres montés sur le tronc pour l'analyse de la démarche, formant la base de l'évaluation de la démarche par smartphone et montre connectée.

Phinyomark A, et al. (2020)

"Fractal analysis of human gait variability via stride interval time series"

Frontiers in Physiology 2020;11:333

Revue des méthodes d'analyse fractale (alpha DFA) pour quantifier les corrélations à longue portée dans les schémas de démarche, utile pour détecter les conditions neurologiques.

Ralston HJ (1958)

"Energy-speed relation and optimal speed during level walking"

Internationale Zeitschrift für angewandte Physiologie 1958;17:277-283

Étude classique établissant la courbe en U de l'économie de marche. La vitesse de marche optimale (coût énergétique minimum) se produit à environ 1,25 m/s (4,5 km/h) sur terrain plat.

Zarrugh MY, et al. (2000)

"Preferred Speed and Cost of Transport: The Effect of Incline"

Journal of Experimental Biology 2000;203:2195-2200

Le coût de transport augmente considérablement avec le gradient. Un gradient de +5% augmente significativement le coût métabolique ; les gradients en descente (-5 à -10%) augmentent le coût de freinage excentrique.

Lim HT, et al. (2018)

"A simple model to estimate metabolic cost of human walking across slopes and surfaces"

Scientific Reports 2018;8:5279

Modèle mécanique du coût énergétique de la marche incorporant le gradient et le type de terrain, permettant la prédiction de la demande métabolique dans des conditions variées.

Steudel-Numbers K, Tilkens MJ (2022)

"The effect of lower limb length on the energetic cost of locomotion: implications for fossil hominins"

eLife 2022;11:e81939

Analyse des compromis énergie/temps dans les stratégies de rythme humain à différentes vitesses de marche et gradients.

Apple Inc. (2021)

"Using Apple Watch to Estimate Cardio Fitness with VO₂ max"

Livre blanc technique décrivant la méthodologie Apple Watch pour estimer le VO₂max lors de marches, courses et randonnées en extérieur. Utilise la fréquence cardiaque, la vitesse GPS et les données de l'accéléromètre avec des algorithmes validés.

Apple Developer Documentation

"HKQuantityTypeIdentifier.vo2Max"

Documentation officielle de l'API HealthKit pour accéder aux données VO₂max. Unités : mL/(kg·min). Apple Watch Series 3+ estime le VO₂max lors d'activités cardio en extérieur.

Apple Support

"About Cardio Fitness on Apple Watch"

Documentation destinée aux utilisateurs expliquant les niveaux de condition cardio, comment ils sont mesurés et comment les améliorer. Inclut des plages normatives spécifiques à l'âge et au sexe.

Apple Developer Documentation

"HKCategoryTypeIdentifier.lowCardioFitnessEvent"

API pour détecter les événements de faible condition cardio, permettant des interventions de santé proactives lorsque le VO₂max tombe en dessous des seuils spécifiques à l'âge/sexe.

Apple Inc. (2022)

"Measuring Walking Quality Through iPhone Mobility Metrics"

Livre blanc détaillant la validation des métriques de marche basées sur iPhone : vitesse de marche, longueur de pas, pourcentage de double support, asymétrie de marche. iPhone 8+ avec iOS 14+ peut collecter passivement ces métriques lorsqu'il est porté dans une poche/sac.

Apple WWDC 2021

"Explore advanced features of HealthKit — Walking Steadiness"

Session technique introduisant la métrique Walking Steadiness : mesure composite de l'équilibre, de la stabilité et de la coordination dérivée des paramètres de démarche. Fournit une classification du risque de chute (OK, Faible, Très faible).

Apple Newsroom (2021)

"Apple advances personal health by introducing secure sharing and new insights"

Annonce de la fonctionnalité Walking Steadiness dans iOS 15, permettant la détection du risque de chute et les recommandations d'intervention pour les utilisateurs à risque.

Moon S, et al. (2023)

"Accuracy of the Apple Health app for measuring gait speed: Observational study"

JMIR Formative Research 2023;7:e44206

Étude de validation montrant que les mesures de vitesse de marche de l'application iPhone Health sont bien corrélées avec les évaluations de qualité recherche (r=0,86-0,91), soutenant l'utilité clinique.

Android Developer Documentation

"Health Connect data types and data units"

Documentation officielle pour les types de données Health Connect, y compris StepsRecord, StepsCadenceRecord, SpeedRecord, DistanceRecord, HeartRateRecord, Vo2MaxRecord. API standard pour l'intégration des données de santé Android.

Google Fit Documentation

"Step count cadence data type"

Documentation de l'API Google Fit pour les données de cadence de pas (pas par minute), permettant la surveillance d'activité basée sur l'intensité sur les appareils Android.

Google Fit Documentation

"Read daily step total"

Tutoriel pour accéder aux totaux de pas quotidiens agrégés depuis l'API Google Fit, y compris les données de plusieurs sources (capteurs de téléphone, appareils portables).

Android Developer Guide

"Health Connect overview"

Aperçu de la plateforme Health Connect, le référentiel de données de santé unifié de Google pour Android, permettant le partage de données entre applications avec le consentement de l'utilisateur.

Zandbergen PA, Barbeau SJ (2011)

"Positional Accuracy of Assisted GPS Data from High-Sensitivity GPS-enabled Mobile Phones"

PLOS ONE 2011;6(7):e24727

Étude de validation de la précision GPS des smartphones dans les environnements urbains. Erreur moyenne de 5-8m dans les zones ouvertes, augmentant à 10-20m dans les canyons urbains. Établit la référence pour les attentes de précision GPS grand public.

Wu X, et al. (2025)

"Sidewalk-level pedestrian map matching using smartphone GNSS data"

Satellite Navigation 2025;6:3

Nouvel algorithme d'appariement de carte spécifique aux trottoirs pour la navigation piétonne, améliorant la précision dans les environnements urbains où l'appariement standard au réseau routier échoue.

Jiang C, et al. (2020)

"Accurate and Direct GNSS/PDR Integration Using Extended Kalman Filter for Pedestrian Smartphone Navigation"

Implémentation technique de la fusion de capteurs GNSS/IMU utilisant le filtre de Kalman étendu, permettant un positionnement continu lorsque le signal GPS est perdu (tunnels, transitions intérieures).

Zhang G, et al. (2019)

"Hybrid Map Matching Algorithm Based on Smartphone and Low-Cost OBD in Urban Canyons"

Remote Sensing 2019;11(18):2174

Schéma de positionnement hybride combinant GNSS avec capteurs inertiels pour une précision améliorée dans les environnements urbains difficiles (grands bâtiments, couverture d'arbres).

American Thoracic Society (2002)

"ATS Statement: Guidelines for the Six-Minute Walk Test"

American Journal of Respiratory and Critical Care Medicine 2002;166:111-117

Protocole standardisé officiel pour le test de marche de 6 minutes (6MWT), évaluation clinique largement utilisée de la capacité d'exercice fonctionnelle. Inclut les directives d'administration, les valeurs normatives et l'interprétation.

Podsiadlo D, Richardson S (1991)

"The Timed 'Up & Go': A Test of Basic Functional Mobility for Frail Elderly Persons"

Journal of the American Geriatrics Society 1991;39(2):142-148

Description originale du test Timed Up and Go (TUG), évaluation de référence de la mobilité fonctionnelle et du risque de chute chez les adultes âgés. Temps >14 secondes indique un risque élevé de chute.

Ainsworth BE, et al. (2011)

"2011 Compendium of Physical Activities: A Second Update of Codes and MET Values"

Medicine & Science in Sports & Exercise 2011;43(8):1575-1581

Référence complète listant les valeurs MET pour plus de 800 activités. Valeurs spécifiques à la marche : 2,0 METs (très lent, <3,2 km/h), 3,0 METs (modéré, 4-4,8 km/h), 3,5 METs (rapide, 5,6 km/h), 5,0 METs (très rapide, 7,2 km/h).

Ainsworth BE, et al. (2024)

"The 2024 Adult Compendium of Physical Activities: An Update of Activity Codes and MET Values"

Journal of Sport and Health Science 2024 (en ligne avant impression)

Mise à jour la plus récente du Compendium, incorporant de nouvelles activités et des valeurs MET révisées basées sur des recherches récentes. Référence essentielle pour les calculs de dépense énergétique.

Fukuchi RK, et al. (2019)

"Effects of walking speed on gait biomechanics in healthy participants: a systematic review and meta-analysis"

Systematic Reviews 2019;8:153

Méta-analyse complète des effets de la vitesse de marche sur les paramètres spatio-temporels, la cinématique et la cinétique. Des tailles d'effet modérées à importantes démontrent que la vitesse modifie fondamentalement la mécanique de la démarche.

Mirelman A, et al. (2022)

"Present and future of gait assessment in clinical practice: Towards the application of novel trends and technologies"

Frontiers in Medical Technology 2022;4:901331

Revue de la technologie portable et des applications d'IA pour l'évaluation clinique de la démarche, y compris les paramètres spatio-temporels, la cinématique et les échelles cliniques (UPDRS, SARA, Dynamic Gait Index).

Mann RA, et al. (1986)

"Comparative electromyography of the lower extremity in jogging, running, and sprinting"

American Journal of Sports Medicine 1986;14(6):501-510

Étude EMG classique différenciant la mécanique de la marche de la course. La marche a une phase de support de 62% contre 31% en course ; différents schémas d'activation musculaire démontrent une biomécanique fondamentalement différente.

Straczkiewicz M, et al. (2023)

"A 'one-size-fits-most' walking recognition method for smartphones, smartwatches, and wearable accelerometers"

npj Digital Medicine 2023;6:29

Algorithme universel de reconnaissance de marche atteignant une sensibilité de 0,92-0,97 sur différents types d'appareils et emplacements corporels. Validé avec 20 ensembles de données publics, permettant un suivi d'activité cohérent sur toutes les plateformes.

Porciuncula F, et al. (2024)

"Wearable Sensors in Other Medical Domains with Application Potential for Orthopedic Trauma Surgery"

Sensors 2024;24(11):3454

Revue des applications de capteurs portables pour mesurer la vitesse de marche en conditions réelles, le nombre de pas, les forces de réaction au sol et l'amplitude de mouvement à l'aide d'accéléromètres, gyroscopes et magnétomètres.

Ungvari Z, et al. (2023)

"The multifaceted benefits of walking for healthy aging: from Blue Zones to molecular mechanisms"

GeroScience 2023;45:3211–3239

Revue complète montrant que 30 min/jour de marche × 5 jours réduit le risque de maladie. Effets anti-âge sur la fonction circulatoire, cardiopulmonaire et immunitaire. Réduit le risque de maladies cardiovasculaires, de diabète et de déclin cognitif.

Karstoft K, et al. (2024)

"The health benefits of Interval Walking Training"

Applied Physiology, Nutrition, and Metabolism 2024;49(1):1-15

Revue de l'entraînement par intervalles de marche (IWT) alternant marche rapide et lente. Améliore la condition physique, la force musculaire et le contrôle glycémique dans le diabète de type 2 mieux que la marche modérée continue.

Morris JN, Hardman AE (1997)

"Walking to health"

Sports Medicine 1997;23(5):306-332

Revue classique établissant que la marche à >70% de la FC max développe la condition cardiovasculaire. Améliore le métabolisme du HDL et la dynamique insuline/glucose. Fondement de la marche comme intervention de santé.