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