Sylvie Rousset

Research activities =================== ### The promotion of a physically active lifestyle and a balanced diet is the core of the public health programmes. The benefits of a regular physical activity and a healthy diet are proved to prevent and/or reduce the risk of developing chronic diseases. ### How to evaluate objectively and accurately the spontaneous behaviors in free-living conditions? There are several methods to evaluate behaviors in free-living conditions. The doubly-labelled water technique is the reference method to measure mean total energy expenditure. The accuracy of the other methods varies depending on the technological tool. The main methods to collect behavioral data are activity and dietary questionnaires, and expensives devices for physical activity monitoring. The questionnaires provide subjective and biaised responses. The development of cheap portable monitoring devices not only makes it possible to collect behavioral information at distance and in real time but also facilitates interactions with the user in free-living conditions. We therefore use new information and communication technologies to develop health-related smartphone applications. WellBeNet was developed for data collection in free-living conditions between 2012-2019 . The first part of the application (eMouve) deals with the evaluation of sedentary behaviors, physical activities, and energy expenditure from accelerometry data. The algorithms of prediction were validated against reference methods and published 10 different articles. The second part of the app (NutriQuantic) is dedicated to food choice and collects the number of portions in 12 food categories. The energy intake estimation of portion is being published. The last part of the app (EmoSens) evaluates the emotions and physiological feels before and after the meals. The current work focus on the prediction models of weight status from behaviors recorded by WellBeNet, and behavioral differences between covid-19 related containment period and containment exit.

Activités de recherche La promotion d'un mode de vie physiquement actif et d'une alimentation équilibrée est au cœur des programmes de santé publique. Il est prouvé qu'une activité physique régulière et une alimentation saine permettent de prévenir et/ou de réduire le risque de développer des maladies chroniques. Comment évaluer de manière objective et précise les comportements spontanés dans les conditions habituelles de vie ? Il existe plusieurs méthodes pour évaluer les comportements dans des conditions de vie ordinaire. La technique de l'eau doublement marquée est la méthode de référence pour mesurer la dépense énergétique totale et l'activité physique moyenne. La précision des autres méthodes varie en fonction de l'outil technologique. Les principales méthodes de collecte de données comportementales sont les questionnaires sur l'activité et l'alimentation, ainsi que les capteurs de recherche coûteux de surveillance de l'activité physique. Généralement, les questionnaires fournissent des réponses subjectives et biaisées. Le développement de dispositifs de surveillance portables bon marché permettrait non seulement de recueillir des informations comportementales à distance et en temps réel, mais aussi de faciliter les interactions avec l'utilisateur dans des conditions habituelles de vie. Nous avons donc utilisé les nouvelles technologies de l'information et de la communication pour développer des applications dans le domaine relatif à la santé. WellBeNet a été développé pour la collecte de données dans les conditions habituelles de vie entre 2012 et 2019. La première partie de l'application (eMouve) traite de l'évaluation des comportements sédentaires, des activités physiques et de la dépense énergétique à partir des données d'accélérométrie. Les algorithmes de prédiction ont été validés contre des méthodes de référence et publiés 10 articles différents. La deuxième partie de l'application (NutriQuantic) est consacrée au choix des aliments et recueille le nombre de portions dans 12 catégories d'aliments. L'estimation de l'apport énergétique par portion est en cours de publication. La dernière partie de l'application (EmoSens) évalue les émotions et les sensations physiologiques avant et après les repas. Nous avons également développé une plateforme Web Activcollector (https://activcollector.clermont.inra.fr/) pour stocker et traiter statistiquement les données envoyées par les smartphones. Les travaux actuels se concentrent maintenant sur l'élaboration de modèles de prédiction du statuit pondéral en fonction des données comportementales enregistrés par WellBeNet , ainsi que sur les différences de comportement entre la période de confinement liée au covid-19 et la sortie du confinement.