SIA 2017 Alimentation sur mesure Louis

AMI IRS - Université Paris-Saclay
Projet « NutriPerso »
Alimentation « personnalisée »
et prévention des maladies chroniques
• Relations bien établies entre alimentation et certaines maladies chroniques
Recommandations alimentaires et nutritionnelles
• Diabète de type 2: facteurs de risque pour partie génétiques, mais surtout
comportementaux (surpoids, régimes alimentaires très déséquilibrés, manque d’activité
physique…)
• Enjeux de la prévention:
- Difficulté à changer les comportements alimentaires (préférences et goûts, habitudes sociales,
prix…)
- Inégalités sociales de santé
- Déterminants multifactoriels qui impliquent des recherches intégratives (sciences biologiques et
sociales)
• Deux grandes approches de la prévention :
- Interventions en population générale (campagnes d’information, étiquetage…)
Effets positifs mais modestes sur les comportements des individus
Coût-efficaces
Effets incertains sur les inégalités sociales de santé
- Interventions ciblées sur des catégories « à risque »
Effets individuels peuvent être plus importants (mais sur moins de monde)
Problèmes de caractérisation des individus à risque
Problèmes de ciblage, risques de stigmatisation…
Démarches coûteuses (accompagnement individualisé…)
Le projet Nutriperso : interventions ciblées sur des
populations à risque de diabète de type 2
• La combinaison de marqueurs prédictifs biologiques, comportementaux et socioéconomiques peut améliorer la caractérisation d’individus à risque
• En allant vers des démarches plus « personnalisées » (ou du moins plus ciblées), il est
possible de proposer des recommandations plus faciles à adopter par les consommateurs
• Les supports numériques peuvent contribuer à développer des démarches ciblées plus
coût-efficaces
Recommandations
en population
générale (PNNS)
Caractérisation
des groupes à
risque
Recommandations
pour des
catégories ciblées
de la population
- Marqueurs biologiques non invasifs prédictifs du risque de diabète (ex: microbiote)
- Régimes alimentaires, variables socio-économiques, évènements du cycle de vie
Croiser de grandes bases de données (big data): cohortes épidémiologiques,
données de consommation et d’achats alimentaires…
Recommandations
en population
générale (PNNS)
Caractérisation
des groupes à
risque
Préférences
et
déterminants
des choix
alimentaires
Recommandations
pour des
catégories ciblées
de la population
- Préférences des consommateurs et impacts des substitutions entre et à l’intérieur des
diverses catégories de produits
- Conception de recommendations qui “maximisent” les bénéfices de santé en minimisant
les “coûts d’adaptation”
Recommandations
en population
générale (PNNS)
Caractérisation
des groupes à
risque
Préférences
et
déterminants
des choix
alimentaires
Recommandations
pour des
catégories ciblées
de la population
Supports
numériques
pour des
interventions
ciblées
Applications mobiles pour :
- la collecte des données individuelles (consommations alimentaires, activité
physique…)
- la transmission de recommandations « personnalisées »
Recommandations
en population
générale (PNNS)
Caractérisation
des groupes à
risque
Préférences
et
déterminants
des choix
alimentaires
Recommandations
pour des
catégories ciblées
de la population
Supports
numériques
pour des
interventions
ciblées
Evolution des
comportements
alimentaires (et
d’activité
physique)
Bénéfices
de santé
Expérimentation de supports numériques pour la diffusion des recommandations
personnalisées
- Modalités et variété des usages selon les types de consommateurs (éducation, âge,
groupe social…)
- Impacts sur les marqueurs biologiques, la perception des risques, les choix alimentaires…
- Evaluation coût-bénéfice
• Projet pluridisciplinaire : microbiologie, nutrition, épidémiologie, analyse sensorielle,
sciences des aliments, économie, sociologie, big data
• Progrès dans l’identification des facteurs et populations à risque
• Affiner les connaissances sur les modes de vie et leurs effets sur le risque de diabète
de type 2
• Prévention plus personnalisée (transposition accessible des recommandations de
santé publique)
Nouvelles technologies (objets connectés)
Possibles effets positifs
• Meilleure caractérisation de l’état nutritionnel des individus et de leur état de santé
• Suivi en continu et diffusion de recommandations « personnalisées » plus faciles à
adopter
• Interventions ciblées moins coûteuses
Mais aussi des risques
•
•
•
•
Orthorexie ?
Impacts sur la dimension sociale de l’alimentation
Inégalités sociales de santé, stigmatisation des personnes ciblées
Confidentialité et usages des données personnelles
Unités de recherche engagées dans le projet
•INRA Aliss
•INRA Micalis
•INSERM CESP
•UMR INRA-APT PNCA
•UMR INRA-APT GMPA
•UMR INRA-APT Genial
•CEA-List
•CNRS-INRIA-LRI-U. Paris-Sud Research group TAO
•UMR CNRS I3
•Telecom ParisTech SHS