Menu principal

Conception d’outils pour la e-santé dédiés à la détection précoce des comportements alimentaires associés à la prise de poids corporel

 

Les trajectoires de santé des individus dépendent en grande partie, au-delà des déterminismes génétiques, de leurs modes de vie (Shuval et al., 2015). L’alimentation joue un rôle majeur dans l’état de santé des individus. Une alimentation déséquilibrée notamment riche en produits ultra transformés pendant une longue période pourrait induire une prise de poids et conduire à l’obésité (Fardet, 2018 ; Fardet et al., 2019). Dans les études épidémiologiques, les prises alimentaires sont classiquement recueillies au travers de relevé alimentaire. De nombreuses études ont montré que les relevés étaient sujets à des oublis et des bais d’estimation (Naska et al. 2017). Notre hypothèse est que des méthodes indirectes d’estimation des prises alimentaires pourraient être développées à partir des dépenses énergétiques d’une part et des achats alimentaires d’autre part. En effet, en période de stabilité pondérale, les apports alimentaires couvrent les besoins énergétiques, et la consommation alimentaire est directement liée aux achats. Ces méthodes indirectes pourraient servir à l’élaboration d’un indice de risque de prise de poids.

L'INRAe dispose d'un outil, scientifiquement validé pour estimer précisément les dépenses énergétiques. Cet outil se compose de l’application smartphone WellBeNet et d’un serveur de traitement et stockage des données. L’outil permet d’évaluer les comportements d’activité (eMouve) et les prises alimentaires (NutriQuantic). L’onglet eMouve collecte des données d’accélérométrie permettant d’évaluer la durée de la sédentarité et des activités physiques et d’en déduire la dépense énergétique associée. Ces estimations proviennent d’algorithmes conçus distinctement pour des populations adultes normo-pondérées et en surpoids, et ont été validés scientifiquement par rapport à des méthodes de référence (Guidoux et al., 2017 ; Rousset et al., 2017 ; Rousset et al., 2018). L’onglet NutriQuantic permet la saisie rapide du contexte social des prises alimentaires (date et heure, avec qui et où), des choix alimentaires exprimés en portion dans 12 catégories d’aliment (fruit, légume, alcool …).

L’objectif de la thèse est de concevoir un indice de risque de prise de poids corporel à partir de données comportementales. Pour construire cet indice, nous utiliserons des données déjà acquises via l'application smartphone WellBeNet et des données d’achat alimentaire. WellBeNet collecte les choix alimentaires et estime la dépense énergétique. La 1ère étude de recherche consistera à évaluer l’apport énergétique des portions alimentaires en fonction des dépenses énergétiques (6 mois). La 2nde étude caractérisera les choix alimentaires et le contexte des repas (heure, avec qui et où) en fonction du statut pondéral (6 mois). Une 3ème étude, constituée de 2 enquêtes espacées de 6 mois, établira le lien entre les choix alimentaires renseignés dans l’application, les achats et une variation du statut pondéral (12 mois). A partir de l’ensemble de ces données, un indice de risque de prise de poids sera développé (6 mois). Les 6 derniers mois seront consacrés la rédaction du manuscrit et de publications.


Mots-clés
classification; Modélisation; neural networks; Optimisation; Python; santé
Établissement
INRAe Unité de Nutrition Humaine
63000 Clermont-Ferrand  
Directeur
Sylvie Rousset
Co-encadrants
Anthony Fardet et Yves Boirie
Site Web
https://www.inrae.fr/
Date de début souhaitée
01/10/2020
Langues obligatoires
Français
Prérequis

Le (la) candidat(e) devra être issu(e) d’un cursus en Bio informatique et/ou modélisation. Il/elle devra posséder une solide formation en statistiques et analyses de données multivariées.Un intérêt pour la santé et des capacités rédactionnelles en français et en anglais sont également indispensables.

Date limite
16/07/2020
Informations de contact

Sylvie Rousset, Email: sylvie.rousset@inrae.fr, Tel 04 73 62 46 79 ou 06 74 40 20 52