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…)

•La combinaison de marqueurs prédictifs biologiques, comportementaux et socio-
économiques 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
Le projet Nutriperso : interventions ciblées sur des
populations à risque de diabète de type 2

Recommandations
en population
générale (PNNS)
Recommandations
pour des
catégories ciblées
de la population
Caractérisation
des groupes à
risque
-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…
-Marqueurs biologiques non invasifs prédictifs du risque de diabète (ex: microbiote)