text
stringlengths 21
53.4k
|
|---|
Celle-ci est respectivement de 0,55, 0,38 et 0,81 dans le sous-groupe des répondeurs ( n =33) d'un échantillon de 71 patients soignés trois semaines dans un centre de rééducation et évalués 11 mois plus tard. |
Ils avaient préalablement réalisé la traduction et les différentes étapes de validation de ces questionnaires . |
Toute comparaison avec notre échantillon de patients ambulatoires est hasardeuse d'autant que le deuxième questionnaire a été adressé beaucoup plus tardivement dans cette étude que dans la nôtre. |
Ces mêmes auteurs, dans une revue de la littérature plus récente, n'ont pas trouvé d'autres versions françaises d'échelles d'évaluation des cervicalgies . |
Ainsi, avant la présentation de l'échelle de Copenhague en français, le Neck Pain and Disability Scale semblait avoir la meilleure validité de construit. |
C'est également celui qui avait la meilleure sensibilité au changement et la meilleure concordance avec l'opinion des patients. |
Le Neck Disability Index reste le plus étudié et traduit mais il a été le premier publié Conflits d'intérêts Les membres du centre de recherche sont bénévoles et n'ont reçu aucune rémunération pour l'étude. |
Le médecin examinateur extérieur (Dr F. |
Saint-Arroman) a été rémunéré par le centre de recherche. |
Bertolino a été rémunérée par la CPAM de Savoie. |
Aucune des personnes rémunérées n'a participé à la rédaction de l'article. |
Remerciements L'étude a été subventionnée par les dons de deux institutions (le conseil général de Savoie et la région Rhône-Alpes) et trois associations à but non lucratif (la Société française de rhumatologie : société savante des rhumatologues français, les unions régionales de médecins libéraux et le Congrès international de rhumatologie d'Aix-les-Bains). |
Contributions Le Dr Romain Forestier a été à l'origine du projet ; il a réalisé la recherche bibliographique, lu le dossier bibliographique, participé à la conception du protocole, il a réalisé une partie de la saisie des données, réalisé l'analyse statistique, l'interprétation des données et la rédaction de l'article. |
Le Dr Alain Françon a lu le dossier bibliographique, rédigé le protocole. |
Il est ensuite intervenu lors de la relecture de l'article. |
Le Dr Frédérique Saint-Arroman était le médecin examinateur tout au long de l'étude ; elle a également saisi une partie des données. |
Me C Bertolino a saisi les données économiques et participé à leur interprétation. |
Matériel complémentaire Du matériel complémentaire (Tableaux S1–S3) accompagnant cet article est disponible sur au . |
Matériel complémentaire Tableaux S1–S3 |
Introduction Le problème de la redistribution des données a été beaucoup étudié dans le cadre de la programmation des architectures parallèles à mémoire distribuée, en particulier au titre des travaux menés autour de HPF ( et de ScaLA-PACK ( ). |
Sur ce type d'architecture, comme par exemple une grappe de PCs, le placement des données sur les processeurs est de première importance. |
En effet, c'est ce placement qui conditionne à la fois l'efficacité des algorithmes parallèles et la réduction du surcoût des communications. |
Le problème de la redistribution survient dans ce contexte, car il peut s'avérer utile au cours des étapes de calcul d'un programme parallèle de redistribuer les données pour traiter plus efficacement la suite des calculs. |
Dans ce cas, la redistribution s'effectue « sur place », au sein du même code parallèle et chaque processeur envoie et reçoit des données. |
C'est par exemple le rôle de la directive redistribute dans le langage HPF. |
La redistribution des données est également primordiale dans le contexte du couplage de codes. |
Une application est alors vue comme un assemblage de plusieurs codes, le plus souvent parallèles, collaborant à la réalisation d'un travail commun (simulations multiphysiques). |
Ces codes sont typiquement distribués sur une grille de calcul, c'est-à-dire une grappe de calculateurs hétérogènes interconnectés par des réseaux plus ou moins performants. |
La communication entre les codes parallèles couplés nécessite de passer d'une distribution à une autre et donc de « redistribuer » les données (figure 1). |
On décompose généralement le problème de la redistribution des données en quatre étapes consécutives : la description des données distribuées, la génération des messages, l'ordonnancement des communications et le transfert effectif des messages. -Description des données distribuées. |
Le développement d'une solution géné-rique au problème de la redistribution nécessite de définir un modèle de description également standard. |
Cette description doit spécifier d'une part, la distribution des données entre les processeurs, et, d'autre part, l'agencement des données en mémoire sur chaque processeur. -Génération des messages. |
Le problème de la génération des messages consiste à déterminer, à partir des informations sur la distribution, les messages qui doivent être échangés entre chaque couple de processeurs. |
L'ensemble des messages ainsi calculés forme ce qu'on appelle la matrice de communication. -Ordonnancement. |
Une fois la matrice de communication calculée, il faut encore déterminer dans quel ordre effectuer les communications. |
En effet, les flux de communication parallèles, s'ils permettent d'agréger la bande-passante, peuvent entraîner des contentions réseaux qui dégradent les performances. |
Ainsi pour réduire le temps global de communication, il peut s'avérer utile de découper les messages afin de les ordonnancer en plusieurs étapes de communication. -Communication. |
Lors de l'étape de communication, les codes couplés échangent l'ensemble des messages générés en respectant l'ordonnancement calculé. |
Le schéma de communication global s'apparente à un all-to-all personnalisé, transférant effectivement les données d'un code à l'autre. |
Dans ce papier, nous nous intéressons au problème de la redistribution de données dans le contexte du couplage de codes, pour des couplages classiques du type simulation/simulation et pour des couplages plus spécifiques du type simulation/visualisation (problématique du pilotage). |
De tels couplages peuvent conduire à des redistributions de données plus irrégulières que celles étudiées classiquement en algèbre linéaire. |
Ainsi, nous cherchons à définir des algorithmes de redistribution généralistes pour des données complexes, telles qu'elles existent dans les applications scientifiques. |
Nous effectuons quelques hypothèses importantes pour la compréhension de cet article. |
Tout d'abord, nous supposons que la redistribution s'effectue sans transformation des données, à cause de discrétisations différentes par exemple. |
Par ailleurs, nous nous plaçons dans le cas d'un couplage « statique », c'est-à-dire pour lequel le choix de la distribution des codes n'est pas remis en cause au cours du temps. |
Notre démarche s'articule en deux étapes principales. |
Premièrement, nous proposons un modèle de description des objets complexes (grilles structurées, ensembles de particules ou maillages non structurés) avec des distributions pouvant être irré-gulières. |
A titre d'exemple, la simulation POP ( ) représente la surface des océans avec une grille structurée, découpée par bloc et creuse à l'endroit des continents. |
Dans un autre domaine, la simulation NAMD ( ) utilise une décomposition spatiale en boîte d'atomes pour représenter les molécules. |
Deuxiè-mement, nous proposons des algorithmes pour la génération des messages qui sont adaptés aux objets complexes décrits dans notre modèle. |
Nous n'aborderons pas ici le problème de l'ordonnancement des communications, pour lequel nous souhaitons reposer sur des résultats existants, en particulier ). |
Les travaux présentés dans ce papier sont en partie motivés par le projet ) qui cherche à définir un environnement pour le pilotage des simulations numériques, permettant de coupler une simulation parallèle avec un code de visualisation lui-même parallèle, ce qui nous appelons le problème du pilotage M × N (figure 2). |
Dans ce contexte, le code de visualisation se connecte dynamiquement au code de simulation pour produire une visualisation en ligne des résultats intermédiaires de la simulation. |
A la différence du couplage simulation/simulation, il faut noter que le code de visualisation n'impose pas de contraintes _placeholder_formula_ A la section suivante, nous présentons plusieurs travaux existants autour de la redistribution. |
Nous introduisons ensuite un modèle de description des données en termes « d'objet complexe » ainsi qu'un modèle de description des messages, appelé « message symbolique », qui permet de s'abstraire de la couche de communication utilisée (section 3). |
Puis, nous proposons à la section 4 deux approches de la redistribution : l'approche spatiale et l'approche placement, cette dernière étant bien adaptée au contexte du pilotage. |
Pour terminer, nous présentons brièvement à la section 5 la bibliothèque RedGRID implantant nos algorithmes et nous validons nos travaux en présentant quelques résultats expérimentaux dans la section 6. |
Travaux existants Le problème de la redistribution a été initialement étudié dans le contexte de l'algèbre linéaire sous l'impulsion de travaux comme HPF ( ou Sca-LAPACK ( ). |
Dans ce contexte, il s'agit de passer d'une distribution bloc-cyclique d'un tableau dense à une autre distribution bloc-cyclique, ce qui conduit à un schéma de communication régulier . |
Dans le cadre du couplage de codes, la plupart des travaux existants comme PAWS ), CUMULVS ( ) ou CCA M×N ) traitent essentiellement de la redistribution de données régulières : i.e. des tableaux denses, multidimensionnels avec des distributions denses par blocs plus ou moins complexes. |
Si CUMULVS se restreint essentiellement à des distributions bloc-cycliques, PAWS quant à lui permet de redistribuer des tableaux utilisant une décomposition rectilinéaire d'un domaine global. |
Plus récemment, le projet CCA M×N cherche à définir une interface de redistribution standard pour les composants logiciels, en intégrant plusieurs technologies dont celles de PAWS et de CU-MULVS. |
Tous ces travaux se limitent aux cas de données régulières pour des distributions relativement simples. |
Ainsi, il n'est pas possible avec ces logiciels de prendre en compte des structures creuses comme celles que nous avons décrites en introduction pour la simulation POP. |
RedGRID 431 Concernant la redistribution de données irrégulières, on distingue deux types de travaux : d'une part, des travaux spécifiques comme MpCCI pour la redistribution de maillages non structurés ; et d'autre part des travaux plus généralistes basés sur le principe de linéarisation. |
MpCCI )) permet de coupler des applications parallèles à base de maillages. |
Le point fort de MpCCI réside dans le fait qu'il utilise des schémas d'interpolation permettant de transférer les données même lorsque les maillages ne sont pas identiques. |
Les outils basés sur le principe de linéarisation, comme ) ou MPI-I/O M×N , apparaissent plus puissants, car ils peuvent s'appliquer de manière très générique à des structures de données a priori quelconques (e.g. arbres, graphes, maillages, etc.) Le principe de linéarisation consiste à ordonner totalement les éléments d'un objet « source » et d'un objet « destination », ce qui permet de mettre implicitement et indirectement en correspondance tous les éléments. |
Cependant, cette approche a un coût si l'on considère la taille des représentations intermédiaires utilisées pour décrire la distribution des éléments (au pire, du même ordre de grandeur que les données ellesmêmes). |
De plus, l'absence d'un modèle de description unifié ne permet pas d'assurer l'interopérabilité requise entre les codes couplés. |
En effet, si deux codes utilisent des linéarisations différentes, le résultat de la redistribution n'aura a priori aucun sens, ce qui est une limitation grave de cette approche. |
Cela est d'autant plus vrai que c'est à l'utilisateur qu'incombe la responsabilité de définir le schéma de linéarisation. |
Nous soulignons que ce problème est essentiellement lié au fait que Meta-Chaos comme InterComm ne proposent pas de modèle de représentation des objets, ni de schémas de linéarisation standards pour ces objets. |
Les structures de données sont simplement perçues comme des tableaux de données en mémoire, sans relation avec la nature réelle de ces objets. |
Une limitation importante à tous ces travaux, mis à part CCA M×N, est liée au fait qu'ils ne dissocient pas la couche algorithmique de redistribution de la couche de communication, ce qui réduit considérablement la réutilisabilité de ces outils. |
Seul CCA M×N a choisi de clairement séparer à l'aide d'interfaces distinctes la description des données, la génération des messages et le transfert de ces messages. |
Objets complexes et messages symboliques Le modèle de description des données que nous proposons est basé sur la notion d'objet complexe. |
Ce modèle a pour objectif de prendre en compte une grande variété de structures de données présentes dans les codes de simulation numérique, tout en permettant une génération efficace des messages pour la redistribution. |
Dans ce modèle, les objets ne sont pas simplement vus comme des tableaux de données en mémoire ; ils encapsulent un ensemble d'informations utiles à leur redistribution ainsi qu'à leur visualisation. |
Ces dernières informations, comme par exemple la position des éléments, sont particulièrement utiles dans le contexte du pilotage pour produire une représentation visuelle des objets considérés. |
Les objets complexes Considérons un ensemble d'éléments E totalement ordonné (ordre global). |
Un objet complexe O se présente comme une partie de E découpée en sous-ensembles appelées régions et composée de plusieurs séries de données. |
Chaque élément de l'objet possède une valeur dans chaque série de données, dont une fonction d'adressage sert à préciser l'adresse en mémoire. |
Lorsqu'un objet complexe est distribué sur un ensemble de processeurs P de taille M , cela revient à se donner une collection de M objets complexes associés à chaque processeur Par ailleurs, la notion de région permet de considérer le problème de la redistribution avec une granularité moins fine que l'élément. _placeholder_formula_ _placeholder_formula_ En outre, pour chaque région R i,r et chaque série S s , une fonction d'adressage v i,r,s est définie sur les bases du modèle de stockage proposé à la section 3.3. |
Ce modèle permet de décrire l'agencement en mémoire des données telles qu'elles sont utilisés dans la plupart des codes, sans qu'il soit nécessaire d'adapter la structure de ces données. |
Les différentes classes d'objets Sur la base de ce modèle générique, nous proposons la définition de plusieurs classes d'objets complexes : les grilles structurées, les ensembles de particules et les maillages non structurés. |
Tous ces objets entrent dans la famille des objets spatiaux. |
Par définition, un objet complexe O est dit spatial dans R n si il existe une fonction coordonnée ϕ de E vers R n , telle que ∀e ∈ E, ϕ(e) = (x, y, ...) désigne la coordonnée spatiale de e. |
Les objets spatiaux sont très fréquents dans les codes de simulation numérique. |
Ils pré-sentent un intérêt tout particulier dans le contexte du pilotage, car il est possible de leur associer naturellement une représentation graphique dans un espace physique à n dimensions, et donc de les visualiser. |
Le nombre de dimensions n est généralement égal à 2 ou 3 mais peut atteindre 4 ou 6 dans certains codes manipulant l'espace des phases (position, vitesse) comme par exemple en physique des plasmas. |
Les objets complexes tels que nous les avons définis sont découpés en régions logiques. |
Ces régions jouent un rôle important dans notre modèle car elles permettent de décrire la distribution des éléments par « paquet ». |
Selon la classe de l'objet considéré, les éléments et les régions prennent des significations différentes. |
Les grilles structurées Les grilles structurées (figures 4 (a) et (b)) sont une classe d'objet très répandue dans les codes de simulation en mécanique des fluides ou en sismique, servant le plus souvent à représenter une discrétisation de l'espace physique. |
Ces objets possèdent une topologie régulière, formée de quadrilatères en 2D et d'hexaèdres en 3D. |
D'un point de vue informatique, les grilles structurées correspondent à des tableaux de données multidimensionnels. |
Les éléments que nous considérons pour cette classe d'objet sont les points de la grille, auxquels sont associés les séries de données. |
Par ailleurs, les grilles structurées possèdent un système de coordonnées naturel (i, j, . . .) dans Z n (espace topologique), permettant d'identifier de manière unique chaque point dans la grille. |
De plus, chaque point possède une coordonnée (x, y, . . .) dans l'espace physique R n . |