Project 458439

Selon une étude, plus de la moitié des décès dus aux maladies chroniques sont attribuables aux mauvaises habitudes alimentaires. Au Québec, une étude a récemment démontré que l'alimentation des Québécois ne s'est pas améliorée depuis les 15 dernières années. Ce constat est troublant et reflète un certain échec des campagnes et politiques en santé publique déployées au cours des 40 dernières années dans le but d'améliorer l'alimentation au Québec et au Canada. Il est donc urgent de mieux comprendre les facteurs qui influencent les choix alimentaires de la population. Dans cette perspective, l'utilisation de l'apprentissage automatique (AA ou machine learning), une branche de l'intelligence artificielle, pourrait être une méthode prometteuse en santé publique pour mieux comprendre les facteurs qui influencent les choix alimentaires de la population. Ce projet vise à utiliser l'AA pour identifier les facteurs les plus étroitement associés à la saine alimentation. Ce projet de recherche utilisera les données recueillies dans le contexte du projet NutriQuébec, une vaste étude se déroulant principalement sur le Web et qui vise à mesurer les habitudes alimentaires et de vie des Québécois à long terme. L'utilisation de l'AA permettra de prédire la qualité de l'alimentation dans différents sous-groupes de la population au Québec, entre autres selon des caractéristiques associées aux inégalités sociales en santé, comme le revenu familial et l'éducation, et d'estimer les impacts de ces facteurs sur la santé et le risque de maladie. Ainsi, le projet contribuera à réduire les inégalités sociales en santé en identifiant plus précisément les populations à risque de maladies reliées à une alimentation sous-optimale et les facteurs qui influencent ce risque. À terme, les résultats de ces travaux seront utiles pour mieux informer de futures politiques en santé publique et identifier les interventions les plus susceptibles d'avoir un impact réel et durable sur la saine alimentation.