Summary
Este artigo descreve o protocolo para o desenvolvimento de um inovador aplicativo de avaliação dietética baseado em smartphones Traqq, incluindo avaliações de especialistas e testes de usabilidade.
Abstract
Para coletar dados de consumo dietético de forma rápida e confiável, foi desenvolvido um aplicativo flexível e inovador de smartphone (App) chamado Traqq (iOS/Android). Este aplicativo pode ser usado como um registro alimentar e recall de 24 horas (ou períodos de recall mais curtos). Diferentes esquemas de amostragem podem ser criados em dias/horários pré-especificados ou aleatórios dentro de um período pré-determinado para ambos os métodos, com notificações push para instar os participantes a registrar sua ingestão alimentar. Em caso de não resposta, as notificações são automaticamente reagendadas para garantir a coleta completa de dados. Para uso como registro alimentar, os entrevistados podem acessar o aplicativo e registrar sua ingestão alimentar ao longo do dia. Os registros alimentares fecham automaticamente no final do dia; lembra-se após a submissão dos itens consumidos. O recall, bem como o módulo de registro alimentar, fornecem acesso a uma extensa lista de alimentos com base no banco de dados de composição alimentar holandês (FCDB), que pode estar acostumado a se adequar a diferentes propósitos de pesquisa. Ao selecionar um item alimentar, os entrevistados são simultaneamente solicitados a inserir o tamanho da porção, ou seja,em medidas domésticas (por exemplo,copos, colheres, copos), tamanhos de porção padrão (por exemplo,pequeno, médio, grande) ou peso em gramas, e comer ocasião/tempo de consumo. As opções de tamanho da porção podem ser ajustadas, por exemplo,entrada apenas em gramas em caso de registro alimentar pesado ou tempo de consumo em vez de comer ocasião). O app também inclui uma função Meus Pratos, que permite ao entrevistado criar suas próprias receitas ou combinações de produtos (por exemplo,um café da manhã diário) e informar apenas a quantidade total consumida. Posteriormente, o aplicativo contabiliza fatores de rendimento e retenção. Os dados são armazenados em um servidor seguro. Se desejar, podem ser incorporadas perguntas adicionais, ou seja,em geral, ou relacionadas a alimentos específicos ou ocasiões alimentares. Este artigo descreve o desenvolvimento do sistema (app e backend), incluindo avaliações de especialistas e testes de usabilidade.
Introduction
Uma avaliação alimentar precisa é crucial para garantir a qualidade dos estudos sobre o papel da nutrição na saúde e na prevenção de doenças. Atualmente, tais estudos geralmente utilizam métodos de avaliação alimentar de autorre relato estabelecidos, ou seja,questionários de frequência alimentar, recalls de 24h (24hRs) e/ou registros alimentares1. Apesar de esses métodos serem de grande importância para a pesquisa nutricional, eles também possuem diversas desvantagens, por exemplo, viés relacionado à memória, viés de desejo social, e são pesados para o entrevistado, bem como para o pesquisador1,2. Invenções tecnológicas recentes agora oferecem a oportunidade de superar essas desvantagens. Durante os últimos anos, vários grupos de pesquisa aproveitaram essa oportunidade e desenvolveram ferramentas de avaliação dietética baseadas na Web e em smartphones para pesquisas nutricionais que abordam algumas dessas desvantagens conhecidas (ver Eldridge et al.3 para uma visão geral extensiva das ferramentas baseadas na Web e no smartphone), ou seja,reduzir as causas de erro, melhorar a simpatia do usuário e diminuir a carga do participante e do pesquisador1.
No entanto, o número de aplicativos (aplicativos) totalmente automatizados e validados para smartphones apropriados para pesquisas nutricionais ainda é limitado. A maioria dos aplicativos de avaliação dietética disponíveis (ou seja,comercialmente ou desenvolvidos para pesquisa) ou não são totalmente automatizados (ou seja,exigem codificação manual de itens alimentares) ou não são (bem) validados3. Além disso, a maioria dos aplicativos validados disponíveis foram desenvolvidos para um propósito específico de pesquisa e uso em um país específico; devido a designs bastante fixos, reutilizar tais aplicativos para outros fins de pesquisa ou em outros países parece desafiador3,4,5,6,7,8. Finalmente, apesar da disponibilidade de aplicativos baseados em registros alimentares, até o momento, nenhum aplicativo baseado em recall parece existir ainda. Embora os registros alimentares sejam propensos a viés de reatividade, ou seja,os entrevistados podem alterar sua ingestão alimentar devido à consciência de que estão sendo observados2,9, não é o caso de recalls, o que enfatiza a necessidade do desenvolvimento de um aplicativo validado baseado em recall10. Um inovador aplicativo de avaliação alimentar chamado Traqq foi desenvolvido para uso nos Países Baixos que pode ser usado como registro alimentar, bem como um recall, dependendo da questão da pesquisa1.
Além da possibilidade de alternar entre a opção de registro alimentar e a opção de recall, este app também difere de outras ferramentas de avaliação alimentar devido à sua natureza flexível. Especificamente, em relação à lista de alimentos, estimativas de tamanho das porções, esquemas amostrais e a possibilidade de incorporar questões adicionais. O nível de flexibilidade no sistema permite a adaptação a múltiplos propósitos de pesquisa que requerem uma avaliação precisa dos comportamentos alimentares. Atualmente, o app está em processo de validação e estará pronto para ser utilizado em diversos tipos de pesquisa relacionada à nutrição. O aplicativo também pode ser usado, e talvez melhorado para uso, em programas de intervenção nutricional para medir e influenciar comportamentos alimentares. Como o desenvolvimento de ferramentas confiáveis de avaliação alimentar é desafiador, e os relatórios sobre esses processos são escassos, especialmente no que diz respeito ao envolvimento de usuários e especialistas3,11,12, este artigo fornece uma visão geral detalhada sobre como diferentes fontes de informação foram integradas no desenvolvimento sistemático e iterativo deste aplicativo de avaliação dietética baseado em smartphones. O processo incorpora teoria, consulta especializada e engajamento do usuário.
Protocol
NOTA: Todos os procedimentos, incluindo os participantes humanos, foram conduzidos de forma não invasiva por meio de métodos de pesquisa qualitativos. O consentimento informado foi obtido de todos os participantes antes do início das avaliações. Este protocolo descreve o processo de desenvolvimento iterativo que pode ser aproximadamente dividido em quatro etapas em que as etapas 1-3 estão entrelaçadas(Figura 1).
Figura 1: Visão geral das etapas do processo de desenvolvimento iterativo do aplicativo. O processo de desenvolvimento consistiu em cinco etapas no total. No entanto, o processo foi iterativo, o que significa que as etapas 1 a 3 foram entrelaçadas. Clique aqui para ver uma versão maior desta figura.
1. Realizar extensa pesquisa formativa na elaboração do processo de desenvolvimento real.
- Realize pesquisas de desktop explorando ferramentas de avaliação dietética existentes baseadas na Web e smartphones, com especial atenção a recursos conhecidos como de importância fundamental para a coleta precisa de dados de consumo de alimentos, ou seja,método de entrada de alimentos (incluindo a lista de alimentos e as estimativas de tamanho de porções subjacentes) e estimativas de tamanho das porções.
- Inspecione as ferramentas de avaliação dietética existentes baseadas na Web e no smartphone com foco em aspectos como metodologia de avaliação dietética, fornecimento de informações, confiabilidade, mecanismo de busca e recursos implementados (por exemplo,imagens, scanner de código de barras, funções de receita).
- Consulte especialistas na área de avaliação alimentar.
NOTA: Os resultados da pesquisa de desktop e inspeção das ferramentas existentes foram discutidos com especialistas na área de avaliação alimentar, levando a um plano de projeto de rascunho para o desenvolvimento do aplicativo. Este plano de projeto foi avaliado pelos especialistas e melhorado conforme necessário.
2. Projete o aplicativo de avaliação dietética
- Crie o design visual do aplicativo considerando aspectos importantes como animação, marca, cor, layout e tipografia20.
NOTA: Como elementos de espaço, cor, fontes, gráficos e interface destacam o conteúdo e transmitem interatividade, é essencial incorporar elementos que facilitem a funcionalidade do aplicativo. - Selecione um FCDB confiável (aqui, NEVO) para facilitar os cálculos de nutrientes dos dados coletados de ingestão de alimentos14.
- Crie uma lista de alimentos avaliando criticamente a descrição dos alimentos mencionados no FCDB.
NOTA: Os FCDBs são desenvolvidos principalmente para uso profissional; as descrições alimentares são muitas vezes complexas e dificultam a busca (por exemplo,"margarina com baixo teor de gordura 35% de gordura < 10 g de gorduras saturadas sem sol"23). - Formular requisitos do mecanismo de busca; considere o uso de marcas de pontuação, nomes estrangeiros, erros ortográficos, diferentes termos de pesquisa e classificação de resultados de pesquisa para facilitar a busca de itens alimentares.
- Selecione a estimativa de tamanho da porção (auxílio) avaliando várias ferramentas de avaliação dietética existentes e testes de campo de opções adequadas.
- Design roteamento dentro do aplicativo para garantir que a navegação do usuário através do aplicativo seja lógica, previsível e fácil de seguir.
- Projetar recursos e requisitos de backend para controlar o aplicativo; incluem funções relacionadas à gestão geral de projetos, gerenciamento específico de projetos (por exemplo,participantes, convites, coleta de dados) e gerenciamento de usuários (por exemplo,autorizações).
3. Avaliações de pesquisadores
NOTA: Após cada atualização, o aplicativo foi testado por cientistas de nutrição e nutricionistas de pesquisa com expertise em avaliação dietética (testes internos) para verificar se as funcionalidades melhoraram conforme previsto. As seguintes instruções devem ser executadas pelos pesquisadores.
- Realizar avaliação de especialistas por meio de passos a passo cognitivos para simular uma experiência de usuário pela primeira vez para que os especialistas possam explorar o aplicativo individualmente e sem orientação28. Certifique-se de que os passos a passo cognitivos consistem nas seguintes etapas.
- Certifique-se de que o especialista complete um questionário geral perguntando sobre a marca e o tipo de smartphone.
- Instale o aplicativo no smartphone do especialista.
NOTA: Para garantir a instalação e o funcionamento adequados e minimizar o risco de interrupções durante a avaliação, recomenda-se que o pesquisador verifique pela primeira vez a funcionalidade do aplicativo. - Instrua o especialista em procedimentos de teste nos quais cada especialista é solicitado a assumir o papel de usuário iniciante (ou seja,participante da pesquisa). Enfatize que a avaliação é realizada do ponto de vista do usuário e não do próprio especialista.
NOTA: O usuário assumiu ser um usuário experiente do smartphone e ter conhecimento sobre o uso de aplicativos em geral. No entanto, este aplicativo foi usado pela primeira vez. - Inicie a tela e a gravação de áudio.
- Que o especialista complete o passo a passo cognitivo ao usar o aplicativo e realizar um conjunto predeterminado de tarefas31: 1) "Quero gravar meu jantar. Comecei com uma xícara de sopa de tomate e um copo de leite.", 2) "Depois disso, comi um prato de massa, que eu consumo regularmente e quero entrar nele como favorito (ouseja, ., antecessor de Meus Pratos)." [receita foi fornecida], 3) "Como eu também consumi o prato de macarrão, quero adicionar isso ao recorde de consumo alimentar de hoje.", e 4) "Eu entrei em tudo que comi durante o jantar. Quero verificar minha entrada mais uma vez e depois enviá-la."
NOTA: Ao realizar as tarefas, o especialista informa o pesquisador sobre seu processo de pensamento, ou seja,explicando as etapas necessárias para cumprir a tarefa descrita. - Realize um breve acompanhamento para esclarecer as ambiguidades32, e proporcionar ao especialista a oportunidade de mais feedback.
- Avalie os resultados de cada especialista verificando as gravações para garantir que as tarefas sejam executadas conforme o planejado e revendo os comentários adicionais fornecidos.
- Compartilhe os resultados com os especialistas para avaliar se as suposições feitas com base nas gravações estavam corretas.
NOTA: Os resultados da avaliação foram discutidos e priorizados em consulta com os especialistas. Com base nos resultados desta avaliação, o aplicativo foi melhorado.
- Realize testes de usabilidade com os usuários pretendidos para avaliar a usabilidade e a usabilidade do aplicativo entre os usuários pretendidos por meio de entrevistas em voz alta e da escala de usabilidade do sistema (SUS)33, seguindo estas etapas:
- Recrutar participantes que representem a população de usuários-alvo35.
- Instrua o participante sobre os procedimentos de estudo, incluindo a gravação de tela e áudio. Em seguida, obtenha o consentimento informado dos participantes.
NOTA: É importante que o pesquisador incentive o participante a "pensar em voz alta" durante a avaliação, ou seja,explicando seus pensamentos sobre as etapas necessárias para concluir cada tarefa durante a realização da tarefa, além de comentar sobre quais funcionalidades funcionaram ou não. - Instale o aplicativo no smartphone do participante.
NOTA: Para garantir a instalação e o funcionamento adequados e minimizar o risco de interrupções durante a avaliação, recomenda-se que o pesquisador verifique primeiro a funcionalidade do aplicativo. - Peça ao participante para realizar uma tarefa prática para a entrevista em voz alta: peça aos participantes para visualizar seu quarto e contar o número de janelas, enquanto conta ao pesquisador sobre o que viram e pensaram enquanto contavam as janelas. Em seguida, peça aos participantes que se aproximem de uma das janelas de seu quarto e descrevam suas experiências a caminho daquela janela.
NOTA: Uma tarefa prática foi fornecida e repetida se necessário para garantir que os participantes se sentissem confortáveis em pensar em voz alta comodesejado 37. - Inicie a tela e a gravação de áudio.
- Peça ao participante para completar a entrevista em voz alta com as tarefas predefinidas: o participante deve: 1) gravar tudo o que comeu e bebeu durante o dia anterior, e 2) gravar um prato consumido regularmente através da função Meus Pratos.
- Durante a sessão, observe, tome notas e estimule os participantes a continuar pensando em voz alta, se necessário, por simples alertas como "Continue falando alto", "Diga-me o que você pensa", ou "Diga-me o que está em sua mente". Minimizar outras interações para evitar interferências no processo de pensamento do participante28,32.
- Realizar um breve acompanhamento para esclarecer as ambiguidades32.
- Peça ao participante para preencher um questionário de avaliação com perguntas gerais relacionadas à idade, sexo, escolaridade, tipo de smartphone, nível de experiência no smartphone (ou seja,usuários experientes são mais propensos a realizar tarefas rápida e corretamente38), bem como o SUS33-um questionário de 10 itens para avaliar a usabilidade do sistema por meio de pontuação de escala Likert que varia de 1 (discordo fortemente) a 5 (fortemente concorda).
- Analisar os dados de cada sessão por 1) transcrever, codificar e criar (sub)temas, e 2) calcular o escore do SUS utilizando uma fórmula predefinida resultando em uma pontuação entre 0 a 10033, onde uma pontuação de >68/100 indica que a ferramenta funciona em nível acima da média de usabilidade e uma pontuação >80/100 indica excelente usability39, 40.
NOTA: Recomenda-se que o pesquisador que orientou a sessão analise os dados utilizando software de análise de dados qualitativo. Um segundo pesquisador pode ser consultado em caso de ambiguidades.
- Realizar validação quantitativa dos registros de ingestão alimentar contra métodos tradicionais validados e medidas preferencialmente independentes3.
NOTA: O aplicativo está sendo validado contra marcadores bioquímicos independentes baseados na Web e por telefone (ouseja, entrevistas) 24hRs, bem como marcadores bioquímicos urinários e sanguíneos independentes. Como a validação quantitativa do aplicativo está fora do escopo deste artigo, isso não será mais discutido.
4. Usando o sistema backend para gerenciamento de aplicativos e estudos
NOTA: O sistema possui três níveis de autorização: (1) administrador -este nível de autorização fornece acesso a todas as seções do backend (ou seja,criação de novos usuários, determinando a autorização do usuário e concedendo aos usuários acesso a um ou mais projetos); (2) gestores de projetos - esse nível de autorização permite o acesso a projetos específicos e a possibilidade de criação de novos projetos; e (3) pesquisadores - esse nível de autorização só fornece acesso aos projetos específicos em que os pesquisadores estão envolvidos.
- Gestão de usuários e projetos no backend pelos administradores
- Acesse o backend on-line via traqq.idbit.net, com credenciais de login (ou seja,nome de usuário, senha).
- Crie um novo projeto clicando na guia Projetos e, em seguida, em Criar um novo projeto.
- Na tela seguinte, digite os detalhes do projeto solicitados (ou seja,nome do projeto, descrição do contato, e-mail de contato, telefone de contato, contato no site).
NOTA: Apenas o nome do projeto é obrigatório para criar um novo projeto. A descrição do contato, e-mail, número de telefone e site ficarão visíveis no aplicativo sob o botão Contato & Informações. - Selecione os recursos desejados (ou seja,lista de produtos, pergunte ocasião de alimentação e/ou tempo de consumo, registro ou recall).
NOTA: Cada novo projeto requer a tomada de decisão individual em relação ao método de avaliação alimentar mais adequado (ou seja,registro ou recall), lista de alimentos, estimativa de tamanho da porção e ocasião de alimentação ou hora da refeição. - Salve o novo projeto clicando em Salvar.
NOTA: Quando a tela fecha, o administrador retorna à tela de visão geral do Projeto. - Em seguida, crie um novo usuário clicando na guia Usuário e, em seguida, em Adicionar novo usuário.
- Na tela a seguir, digite um nome de usuário, uma senhae atribua ao usuário uma função (ou seja,administrador, gerente ou usuário).
- Salve o novo usuário clicando em Salvar.
NOTA: Quando a tela fecha, o administrador retorna à tela de visão geral do Usuário. - Atribua um usuário a um projeto clicando no ícone do bloco de notas (ou seja,editar coluna) para um usuário específico.
- Atribua um projeto abrindo o menu suspenso em Projetos Vinculados,selecionando o projeto desejado e clicando em Adicionar.
NOTA: Esta ação precisa ser repetida para cada projeto a que o usuário precisa ser atribuído. - Comunique as credenciais de login ao novo usuário, juntamente com a URL backend.
- Gestão de projetos no backend por pesquisadores (i.e., Função do Gerente ou do Usuário)
- Faça login no backend via traqq.idbit.net usando as credenciais fornecidas pelo administrador.
- Clique em Ir para projetos para gerenciar os projetos.
- Clique na seta na coluna Exibir para o projeto desejado.
NOTA: Depois de fazer isso, o pesquisador é levado para uma página de visão geral do projeto, e novas guias para este projeto específico aparecem. - Digite os participantes no backend clicando na guia Participantes. Em seguida, quando uma tela de visão geral do participante aparecer, clique em Adicionar novo participante.
- Na tela a seguir, digite Codinome, Notas (opcional),ID de login, chave de logine terminando com Save.
NOTA: Recomenda-se que o ID de estudo do Participante seja usado tanto como codinome quanto iD de login. Isso minimiza a confusão para o participante em caso de múltiplas credenciais de login. Além disso, o codinome é visível nas respostas. O uso do ID do participante facilita o uso dos dados. Essa opção precisa ser repetida para cada participante. Para grupos maiores, podem ser utilizados participantes de importação de arquivos (.csv). Aqui, os mesmos detalhes são necessários para cada participante. O backend não pode conter nenhuma informação pessoal dos participantes. - Agende convites para cada participante clicando na guia Convites. Em seguida, quando uma tela de visão geral do convite aparecer, clique em Adicionar novo convite.
- Na tela a seguir, selecione um Participante no menu suspenso e digite o tempo de início do período, tempo de término do período, tempo de abertura, tempo de fechamento, URL do Survey (ou seja,opcional para implementação de perguntas adicionais), Notas (opcional), Habilitar (sempre sim).
NOTA: O período de início e término refere-se ao período de tempo de relatórios (ou seja,o que foi consumido entre ..:.. e ..:..). Em contrapartida, o tempo de abertura e fechamento refere-se ao período em que o participante pode realmente relatar sua ingestão. A implementação correta de uma pesquisa externa requer alguma codificação; para isso, recomenda-se a ajuda do administrador. Para a maioria dos convites, os convites de importação da opção (.csv) em Arquivo podem ser usados. O arquivo requer as mesmas informações da entrada manual. Os convites também podem ser criados via Esquemas de Amostragem (ou seja,onde o sistema gera um esquema de convite aleatório em diferentes dias e horários com base em um predefinição de regras como período de amostragem, número de convites necessários, prazo de resposta). Uma vantagem da opção Esquemas de Amostragem é que o sistema agenda automaticamente um novo convite em caso de não resposta. - Acompanhe a coleta de dados através da guia Calendário selecionando um participante de interesse no menu suspenso.
NOTA: O calendário fornece uma visão geral dos convites agendados dentro de um projeto, seja em geral ou para participantes específicos. Convites futuros são retratados em azul, convites passados completos são verdes, enquanto convites passados sem resposta são vermelhos. As respostas aos convites também podem ser verificadas através da guia Resposta. - Acompanhe as respostas através da guia Resposta.
NOTA: Na seção Resposta, são coletados os dados de ingestão alimentar relatados (ou seja,item alimentar, quantidade consumida, ocasião de alimentação e/ou tempo de consumo). - Solicita ao administrador a exportação de dados.
NOTA: Os dados podem ser exportados do backend para um arquivo .csv para análise suplementar (por exemplo,respostas/dados de consumo de alimentos, dados de conformidade) pelo administrador. As respostas incluem alimentos relatados, tamanhos de porções selecionados, quantidades consumidas em gramas e ocasiões/horários de alimentação. - Importar o arquivo .csv em software de cálculo nutricional para análises aprofundadas de nutrientes.
NOTA: Os dados podem ser importados para o software de cálculo nutricional que faz uso do FCDB holandês.
5. Uso do aplicativo pelos participantes durante o estudo
- Baixe o aplicativo disponível gratuitamente na App Store (iOS) ou Google Play Store (Android), e acesse o aplicativo fazendo login.
NOTA: As credenciais de login, conforme fornecido pelo pesquisador, são necessárias para acessar o aplicativo (etapa 4.2.5.). Após o login, o aplicativo envia convites conforme programado no backend com base nas credenciais do participante (etapa 4.2.7.). - Após receber um convite através do aplicativo, informe a ingestão de alimentos.
NOTA: Os participantes só podem registrar sua ingestão alimentar em dias e horários pré-determinados.- Abra o aplicativo clicando na notificação recebida ou abrindo o aplicativo através do ícone do aplicativo.
NOTA: Após abrir o aplicativo, uma tela de visão geral do convite aparece onde os convites anteriores e atuais são exibidos. - Clique no edital aberto.
NOTA: O participante é levado para uma tela de visão geral onde o período de convite é visível. - Digite o item alimentar consumido primeiro clicando em Toevoegen do produto (Adicionar item alimentar).
NOTA: O participante é levado para a tela De Pesquisa. - Comece a digitar o nome do item consumido (por exemplo,suco de laranja [jus d 'laranja]). Clique no item desejado como ele aparece enquanto digita.
- Na tela a seguir, informe a quantidade consumida (Hoeveelheid),descrição correspondente do tamanho da porção(Portie),ocasião de alimentação(Maaltijdmoment) e/ou tempo de consumo(Tijdstip),e final por economia(Opslaan).
- Repita as etapas acima mencionadas até que todos os itens alimentares sejam relatados.
- Envie a lista (recall) clicando em(Lijst versturen) (Lista de envio) ou o convite fecha automaticamente no final do dia (registro).
NOTA: A opção Enviar lista também é visível na versão de registro, de modo que os participantes que usam o registro também podem enviar sua entrada para o banco de dados. No entanto, mesmo que os dados já sejam enviados, o convite ainda fecha no final do dia, enviando todos os dados para o servidor.
- Abra o aplicativo clicando na notificação recebida ou abrindo o aplicativo através do ícone do aplicativo.
Representative Results
O sistema (ap e backend) foi desenvolvido utilizando as etapas descritas no protocolo descrito acima; os principais resultados deste processo são descritos abaixo, concluindo com o design final do aplicativo.
Pesquisa formativa
Além da extensa revisão da literatura, várias ferramentas baseadas na Web foram inspecionadas (por exemplo,Compl-eat13, ASA2414, Foodbook2415, MyFood2416) no que diz respeito à metodologia de avaliação dietética e recursos implementados. Além disso, foram comparados o desempenho de vários aplicativos de rastreamento de alimentos frequentemente utilizados nos Países Baixos (por exemplo,MijnEetmeter17, MyFitnessPal18, Virtuagym Food19), com foco em aspectos como metodologia de avaliação dietética, fornecimento de informações, confiabilidade, mecanismo de busca e uso de recursos adicionais (por exemplo,imagens, scanner de código de barras, funções de receita). Os resultados desta inspeção levaram à decisão de desenvolver o aplicativo de tal forma que ele possa ser usado como registro alimentar e um recall. Além disso, levou à implementação da função Meus Pratos, que pode ser usada para criar receitas originais ou combinações de produtos frequentemente consumidos (por exemplo,um café da manhã diário). Dentro dessa função, os fatores de rendimento e retenção são automaticamente levados em conta.
Para quantificar com precisão a ingestão de alimentos e nutrientes, uma lista completa, embora prática, de alimentos é crucial. A compilação dessa lista de alimentos requer uma troca entre a extensão da lista de alimentos e a busca dos alimentos (ou seja,as descrições dos alimentos precisam ser claras, compreensíveis e fáceis de localizar)41,42. Como os dados de composição alimentar formam a base fundamental para a avaliação alimentar21,22, é importante garantir que a lista de alimentos desenvolvidos possa estar ligada a dados precisos de composição alimentar. A lista de alimentos incluída no aplicativo é baseada no FCDB holandês (NEVO)14, que foi selecionado por sua confiabilidade e dados de composição de alimentos ricos. Originalmente, o NEVO consiste em 2.389 alimentos (versão 2016/5.0), que foi reduzido a uma lista de alimentos de 1.449 itens, eliminando "itens confusos" (por exemplo,alimentos que não podem ser consumidos crus, alimentos que não podem ser consumidos sem adições) ou itens que não são tão essenciais para incluir (por exemplo,devido às baixas taxas de consumo com base na Pesquisa Holandesa de Consumo Alimentar (DNFCS)43).
Além disso, o NEVO contém alimentos similares com diferentes marcas; nesse caso, apenas a opção genérica foi incluída na lista de alimentos. Para facilitar ainda mais a usabilidade, alguns alimentos foram renomeados para eliminar terminologias desnecessárias como "preparado", "congelado", "médio" e "natural". Este "protocolo de limpeza" foi desenvolvido por três nutricionistas de pesquisa bem treinados e executado por meio de uma sintaxe, que pode ser reexecutada assim que o NEVO for atualizado. Além disso, para otimizar a busca de alimentos, 1.019 sinônimos conhecidos dos alimentos incluídos foram adicionados à lista de alimentos. Assim, a lista de alimentos incluída no aplicativo acabou sendo composta por 2.468 itens. Uma visão geral do desenvolvimento da lista de alimentos é exibida na Figura 2. Note-se que, embora esta extensa lista de alimentos tenha sido desenvolvida para uso geral, o backend do aplicativo permite a importação de listas alternativas de alimentos, se necessário.
Figura 2: Estrutura da lista de alimentos desenvolvida para o aplicativo. A lista de alimentos é baseada no banco de dados de composição alimentar holandês (FCDB) e foram adicionadas sugestões e sinônimos correspondentes de tamanho de porção para cada item na lista final de alimentos. Clique aqui para ver uma versão maior desta figura.
Outro aspecto crucial da avaliação alimentar é a quantificação dos tamanhos das porções. Embora os auxílios de estimativa de tamanho da porção (PSEAs), por exemplo, imagens, objetos referenciais e tamanhos de porções padrão, apoiem a notificação das quantidades de alimentos consumidos24,26,44, o relato errado dos tamanhos das porções ainda é uma fonte substancial de viés24,25,45,46, e a literatura sobre a eficácia dos diferentes PSEAs é inconsistente26. Imagens de alimentos, sugestões de tamanho de porção (ou seja,tamanhos padrão e medidas domésticas) e entrada gratuita de peso em gramas são as PSEAs mais utilizadas nas ferramentas de avaliação dietética baseadas na Web e no smartphone34. Por exemplo, enquanto sugestões de tamanho de porção (por exemplo,copos, colheres, pequenas, grandes) são usadas em ferramentas como Compl-eat13 e Oxford WebQ47, imagens ajudam estimativas de tamanho de porção em ferramentas como ASA2414 e Myfood2416. Para investigar o PSEA mais adequado para o aplicativo, foi realizado um estudo piloto para comparar a precisão das sugestões de tamanho da porção (por exemplo,pequenas, médias, grandes ou copos, colher), entrada gratuita em gramas e imagens de tamanho de porção. Os resultados deste estudo levaram à implementação de sugestões de tamanho de porção como o PSEA no aplicativo, juntamente com a opção de inserir quantidades em gramas27.
Revisão de especialistas
O objetivo das avaliações de especialistas foi avaliar qualitativamente o aplicativo em termos de funcionalidade e facilidade de aprendizado. Como muitos usuários preferem aprender software explorando29, o nível de aprendizado de um sistema é importante. Um total de 10 especialistas, ou seja,4 (pesquisa) nutricionistas e 6 especialistas em nutrição e comportamento em saúde (cientistas) participaram dos passos a passo cognitivos nos quais 60% usaram um smartphone Android. Mais importante, avaliações de especialistas indicaram que a primeira versão do aplicativo não era suficientemente intuitiva, por exemplo,a estrutura do menu foi julgada incerta devido a botões/ícones vagos, e o mecanismo de busca gerou uma ordem ilógica de resultados. Outro ponto crítico decorrente das revisões pericial relacionadas ao fato de que os itens selecionados não puderam ser modificados. Com base nesses resultados, o design do aplicativo foi consideravelmente atualizado a partir da fase 2 em diante(Figura 1).
Avaliação de usabilidade
Um total de 22 participantes participaram das entrevistas em voz alta, que formaram a base da avaliação da usabilidade. O tamanho inicial da amostra foi fixado em 20 participantes36, após o qual a saturação dos dados foi avaliada. Como a saturação dos dados não foi alcançada após 20 entrevistas, a inclusão continuou enquanto avaliava a saturação dos dados após cada entrevista sucessiva. Os participantes apresentaram idade média de ± desvio padrão de 48 ± 17 anos (faixa de 22 a 70 anos); 36% eram do sexo masculino e a maioria da população era altamente instruída (55%). Além disso, a maioria dos participantes usou um dispositivo Android (n=14, 64%), e quase todos os participantes tiveram mais de 1 ano de experiência com uso de smartphones (n=21, 96%)(Tabela 1). Todos os participantes completaram as tarefas sem ou com instrução mínima.
| Total (n=22) | |
| Gênero | |
| Homem (%) | 36.4 |
| Mulher (%) | 63.6 |
| Média de idade (média, SD) | 48.1 (17.2) |
| Escolaridade | |
| Baixo (%) | 0 |
| Médio (%) | 45.5 |
| Alta (%) | 54.5 |
| Tipo de smartphone | |
| Android (%) | 63.6 |
| iOS (%) | 36.4 |
| Experiência em smartphones | |
| Menor que 6 meses (%) | 4.5 |
| Entre 6 meses e 1 ano (%) | 0 |
| Mais de 1 ano (%) | 95.5 |
| SUS (média, SD) | 79.4 (15.1) |
Mesa 1. Características da população do estudo e resultados da avaliação da usabilidade. Apenas os resultados da escala de usabilidade do sistema (SUS) são retratados nesta tabela juntamente com as características dos participantes.
Considerando que alguns participantes (n=13, 59%) indicaram dificuldades ao utilizar a funcionalidade Meus Pratos; outros (n=5, 23%) encontraram problemas de funcionalidade menores, como resposta lenta do botão do menu e dificuldades em usar botões relacionados ao tamanho insuficiente da tela de smartphones menores). Além disso, 15 (68%) participantes indicaram sua preferência por uma opção de entrada em tamanhos de porções consumidas em gramas. Por fim, a avaliação do escore do SUS indicou uma classificação de 79/100 (faixa 40-100), sendo que apenas 3 dos 22 participantes avaliaram o aplicativo abaixo de 68/100 e 13 classificados >80/100, o que sugere que o aplicativo pode ser considerado fácil de usar. Assim, no geral, as melhorias sugeridas foram pequenas, e as avaliações de usabilidade foram promissoras. Posteriormente, foram discutidas sugestões de melhoria dentro da equipe de pesquisa e, se consideradas relevantes, incorporadas na fase 4 para otimizar ainda mais a responsabilidade e a usabilidade do aplicativo (Figura 1).
Design final
As etapas descritas no protocolo e os resultados do estudo de avaliação acabaram resultando em um design final para o aplicativo e o backend, que visava um simples design visual. Este aplicativo pode ser usado como um registro alimentar e um recall. Como descrito anteriormente, a lista de alimentos é uma versão modificada do NEVO. A estimativa de tamanho da porção é apoiada por sugestões de tamanho de porção específica de alimentos; porções consumidas também podem ser inseridas em gramas. No caso da versão de recall do app, o pesquisador tem a possibilidade de selecionar horários diferentes (por exemplo,2hR, 8hR ou 24hR). Para coletar dados de consumo alimentar em dias e horários diferentes, vários esquemas de amostragem podem ser criados dentro de um período predeterminado. As notificações push convidam os entrevistados a registrar sua ingestão alimentar. Para garantir a coleta completa de dados, os convites são automaticamente reagendados em caso de não resposta. Dentro do módulo de recall, os entrevistados só podem relatar sua ingestão alimentar após receberem um convite. Em caso de registro alimentar, os entrevistados podem acessar o aplicativo e registrar sua ingestão alimentar ao longo do dia.
Em contraste com a maioria das ferramentas 24hR, o módulo de recall do aplicativo não é baseado no Método Automatizado de Passe Múltiplo - um método de cinco etapas para coletar dados de consumo de alimentos para as 24 horas anteriores48- uma vez que este método é muito elaborado e demorado para uso em um aplicativo. Mais especificamente, para aumentar a usabilidade e melhorar a conformidade das gravações de consumo alimentar11,38,49, a navegação foi reduzida ao mínimo limitando o número de telas que precisam ser acessadas a 4 ( Figura3): 1) uma tela de visão geral mostrando a janela de relatórios; 2) os alimentos consumidos são relatados através da tela de pesquisa e, uma vez selecionados 3, uma caixa de diálogo aparece sondando ocasião de alimentação e quantidade consumida, após a qual 4) o usuário retorna à tela de visão geral agora mostrando os itens alimentares gravados. Além disso, o usuário também pode usar a função Meus Pratos para criar receitas ou combinações de produtos, que podem ser inseridas através do botão Menu.
Figura 3: Visão geral do roteamento no aplicativo. Por favor, clique aqui para ver uma versão maior desta figura.
Os dados são armazenados em um servidor seguro. Se desejar, podem ser incorporadas perguntas gerais adicionais ou relacionadas a ocasiões alimentares específicas ou alimentos. O aplicativo pode se conectar com ferramentas de pesquisa on-line. Portanto, é possível realizar uma pesquisa não relacionada à ingestão de alimentos via aplicativo em horários pré-especificados (por exemplo,contexto, questões comportamentais, de humor). Também é possível fazer perguntas específicas relacionadas a itens alimentares relatados ou ocasiões de alimentação (por exemplo,quando as maçãs são relatadas, quando o almoço é relatado). O uso de ferramentas de pesquisa online oferece a oportunidade de fazer muitas perguntas diferentes através do aplicativo. Os dados coletados de consumo alimentar podem ser exportados do servidor e importados para o software de cálculo nutricional para análises posteriores. Em caso de uso de perguntas adicionais, esses dados estarão disponíveis na ferramenta de pesquisa, como de costume. O objetivo era desenvolver um aplicativo bem estruturado e fácil de usar. Algumas capturas de tela do design podem ser vistas na Figura 4A-E.
Figura 4: Capturas de tela da versão final do aplicativo. (A) A tela Start/Overview, mostrando o convite com o (neste caso) período de recall de 2 h. O usuário pode pressionar o toevoegen do produto ( ouseja,adicionar item) para relatar um item alimentar ou Niets gegeten de gedronken (ou seja,eu não comi ou bebo nada) no caso de nada ser consumido durante esta janela de tempo. (B) A tela de pesquisa, mostrando resultados que correspondem ao termo de pesquisa "Jus" da lista de alimentos. O item desejado pode ser selecionado a partir dos resultados da pesquisa. (C) Uma tela pop-up requer a entrada de detalhes no item selecionado "Jus d 'orange". Neste caso, o aplicativo pede a quantidade consumida e a ocasião de comer. O usuário pode voltar ao resultado da pesquisa pressionando Annuleren (ou seja,cancelar) ou Opslaan (ou seja,salvar) para ir mais longe. (D) A visão geral novamente, desta vez mostrando todos os itens relatados. Outro item pode ser adicionado (Toevoegen do produto) ou a entrada pode ser enviada (Versturen Lijst). (E) Depois de selecionar a versatura de Lijst,um pop-up aparece perguntando ao usuário se ele tem certeza de que deseja enviar, e lembra ao usuário que não é possível fazer mais alterações após o envio da lista. O usuário tem a opção de cancelar(Annuleren) ou enviar(Versturen). Clique aqui para ver uma versão maior desta figura.
Discussion
Este artigo apresenta o processo de desenvolvimento iterativo do aplicativo de avaliação dietética baseado em smartphones Traqq. Equilibrar o nível de precisão e a simpatia exigidas pelo usuário colocou os seguintes principais desafios no desenvolvimento do aplicativo relacionados às decisões sobre 1) entrada de dados (ou seja,selecionar o método mais preciso para identificação de alimentos e quantificação de tamanho da porção), 2) dados de composição alimentar(ou seja,selecionar um banco de dados preciso e criar uma lista completa de alimentos), 3) opções de personalização(ou seja. flexibilidade na lista de alimentos, quantificação do tamanho da porção e receitas e validação de 4 (ou seja,contra métodos tradicionais e/ou medidas independentes)3,50. Durante a revisão da literatura, foram identificadas cinco ferramentas validadas e totalmente automatizadas, baseadas em smartphones, de avaliação alimentar desenvolvidas para pesquisa3, ou seja, My Meal Mate4, Electronic Dietry Intake Assessment (eDIA)7, Easy Diet Diary8,Electronic Carnet Alimentaire (e-CA)5, e Eat and Track (EaT)6.
Devido ao nível de automatização desses cinco aplicativos de avaliação alimentar, bem como deste aplicativo, a carga e os custos dos pesquisadores diminuem substancialmente enquanto a completude dos dados aumenta em comparação com os métodos tradicionais de avaliação alimentar. Além disso, este aplicativo, por sua vez, difere das cinco ferramentas de avaliação dietética existentes em termos de flexibilidade. Especificamente, enquanto os aplicativos existentes são todos baseados no método de registro alimentar, este aplicativo pode ser usado como um registro alimentar, bem como um recall. Além disso, enquanto o design desses aplicativos é fixo, o Traqq tem a maior vantagem de que pode ser modificado para se adequar a diferentes propósitos de pesquisa (por exemplo,método de avaliação alimentar, lista de alimentos, esquemas amostrais, perguntas adicionais)3,50. Por outro lado, outros aplicativos de avaliação dietética existentes contêm recursos valiosos, que ainda não são implementados no aplicativo. Para ilustrar esse ponto, alguns aplicativos permitem que o usuário tire fotos de seus alimentos para reconhecimento alimentar e estimativa de tamanho de porção, como o sistema de avaliação dietética semi-automatizada e assistida por tecnologia (TADA)sistema 51,52.
Os participantes do estudo de usabilidade também indicaram que o uso de fotografias poderia ser uma adição valiosa para ajudar na estimativa do tamanho da porção. No entanto, ainda havia muitos desafios a serem enfrentados para implementar tal característica nesta fase, por exemplo,especificando e orientando em relação ao ângulo fotográfico (ou seja,para avaliar a profundidade), a necessidade de um criador de referência (ou seja,corrigir tamanhos e cores), o essencial antes e depois da foto (ou seja,para avaliar as quantidades consumidas), e sobre como processar pratos de receitas. Devido a esses desafios técnicos, os aplicativos de avaliação alimentar baseados em imagens existentes ainda são semi-automatizados, o que significa que a revisão manual de imagem deve ser feita pelo usuário, pelo pesquisador ou ambos51,52. Avanços tecnológicos, como crowdsourcing e machine learning, têm potencial para melhorar o uso de imagens alimentares para avaliação alimentar53,54. No futuro, essas opções serão exploradas para melhorar ainda mais o aplicativo. O processo de desenvolvimento do aplicativo foi caracterizado por várias etapas críticas. Em primeiro lugar, foi concluída uma etapa de pesquisa formativa em que os conceitos científicos que sustentam a lógica para a criação de aplicativos facilitaram a tomada de decisão na criação do contorno geral do aplicativo.
Nesta etapa, foi dada especial atenção à seleção do FCDB e à seleção dos aspectos do PSEA que influenciam diretamente na precisão dos dados21. Em relação ao FCDB, como o aplicativo foi originalmente desenvolvido para uso na Holanda, sua lista de alimentos é baseada no FCDB holandês, NEVO14. No futuro, o objetivo é desenvolver ainda mais o aplicativo para uso internacional, o que requer dados mais extensos de composição alimentar, já que muitos alimentos são específicos do país. Atualmente, ainda não existe nenhum FCDB internacional e, se houver, seu uso poderia ter sido limitado. Mais especificamente, como a lista de alimentos holandeses já contém 2.389 alimentos, a implementação de uma tabela internacional de composição de alimentos, por exemplo,para 5 países provavelmente multiplicaria esse número de alimentos por cerca de 5 e afetaria negativamente a busca de alimentos e, consequentemente, a usabilidade do aplicativo. Portanto, as listas de alimentos específicas do país provavelmente serão mais valiosas e, muitas vezes, também preferidas pelos profissionais55.
Isso é facilitado pelo aplicativo, pois permite a importação de listas alternativas de alimentos e, assim, vinculação a diferentes tabelas de composição alimentar (internacional). Em relação aos tamanhos das porções, existem várias opções disponíveis para suportar a exatidão das estimativas, por exemplo,uso de livretos de imagem, objetos referenciais e/ou sugestões de tamanho de porção textual26. Em vista da simpatia do usuário, a implementação direta de um PSEA no aplicativo é preferida em vez de usar um PSEA ao lado do aplicativo (por exemplo,livreto de imagem, objetos referenciais). Durante o desenvolvimento do app, a decisão foi tomada para facilitar a quantificação do tamanho da porção, oferecendo a oportunidade de inserir tamanhos de porção usando sugestões de tamanho de porção e entrada em gramas. A sugestão de tamanho da porção baseia-se no único banco de dados de tamanho de porção holandêsdisponível 56. Embora as ferramentas holandesas de avaliação alimentar, como Compl-eat e Eetmeter, também dependam desse banco de dados13,17, é preciso notar que este banco de dados de tamanho de porção data de 2003, e os tamanhos de utensílios de mesa aumentaramdesde então 57. O uso desse banco de dados pode, portanto, subestimar a ingestão de alimentos.
Atualmente, o banco de dados de tamanho da porção está sendo atualizado pelo Instituto Nacional Holandês de Saúde Pública e Meio Ambiente (RIVM), o Centro de Nutrição Holandês e a Universidade de Wageningen e pesquisa58, que eventualmente serão usadas para atualizar as sugestões de tamanho da porção no aplicativo. As discrepâncias entre as porções antigas e novas serão mapeadas e ajustadas quando necessário. Embora o uso de imagens de tamanho de porção (ou seja,uma série de imagens que retratam diferentes quantidades de um alimento selecionado) possa ser uma boa alternativa para sugestões de tamanho de porção baseada em texto59, a pesquisa mostrou que a precisão da estimativa de tamanho da porção é maior quando uma série de imagens de tamanho de porção é apresentada de uma só vez, em vez de uma imagem de cada vez45, 60,61. Geralmente, os smartphones disponíveis atualmente possuem telas relativamente pequenas, o que limita a apresentação de uma série de imagens. Embora as novas tecnologias facilitem o uso de gráficos interativos de tamanho de porção em que quantidades de alimentos em uma placa virtual ou copo podem ser aumentadas ou diminuídas usando um controle deslizante61,essas técnicas são relativamente novas e ainda precisam ser minuciosamente avaliadas para avaliar sua precisão.
Outro passo crítico no desenvolvimento do aplicativo incluiu o envolvimento de especialistas e usuários finais pretendidos. Embora não seja frequentemente incorporado no processo de desenvolvimento de ferramentas (ou não descritas)11,12, o feedback de especialistas e usuários finais pretendidos - é crucial61, permite a maximização da usabilidade e mantém o nível de precisão necessário. O feedback dos usuários finais pretendidos foi particularmente útil no design final da função Meus Pratos. No geral, os usuários ficaram satisfeitos com a possibilidade de criar seus próprios pratos. No entanto, eles lutaram com alguns dos procedimentos, por exemplo, embora a função salvasse automaticamente os dados, isso não era visível para o usuário. Portanto, muitos usuários continuaram procurando pelo botão Salvar e ficaram presos, com medo de voltar e perder sua entrada. Com base nesses tipos de feedback, a função foi melhorada para melhor atender às expectativas do usuário.
Para concluir, o Traqq é um aplicativo inovador com muitas vantagens sobre aplicativos existentes e ferramentas baseadas na Web. No entanto, ainda existem várias limitações. Como o aplicativo ainda se baseia em auto-relato, ainda existem erros de medição relacionados ao autorrelato (por exemplo,viés de memória (ou seja,em caso de recall), viés de desejo social e modificações de consumo alimentar (ou seja,no caso de registros alimentares), estimativas imprecisas de tamanho da porção(ou seja,em ambos))1. Nos próximos anos, novas tecnologias lançadas recentemente serão exploradas para avançar ainda mais o aplicativo, por exemplo,explorando o valor da implementação de recursos como scanners de código de barras, gravação de voz, chatbots e imagens, o que poderia melhorar a identificação de alimentos e a estimativa de tamanho das porções. Possibilidades de conexão com outros aplicativos (por exemplo,rastreadores de atividade, rastreadores de sono) e dispositivos(por exemplo,acelerômetros, monitores de frequência cardíaca, sensores de mastigação) também estão sendo exploradas. Finalmente, o backend também está sendo submetido a mais desenvolvimento, por exemplo, através da expansão das opções de amostragem.
Disclosures
Os autores não têm nada a revelar.
Acknowledgments
Os autores querem agradecer a Anouk Geelen e Arvind Datadien por seu papel fundamental no desenvolvimento do Traqq. Além disso, os autores gostariam de agradecer a Romy Willemsen por sua ajuda na coleta de dados e na análise de dados no estudo de usabilidade. Por fim, os autores agradecem aos especialistas e participantes por compartilharem suas experiências e opiniões ao longo do processo. O desenvolvimento foi executado pela Universidade de Wageningen e Pesquisa e parcialmente financiado pelo Ministério da Agricultura, Natureza e Qualidade alimentar e indústria, no contexto da TKI Agri&Food PPS - projeto Smart Food Intake (AF16096).
Materials
| Name | Company | Catalog Number | Comments |
| ASA24 Portion size picture book | American National Cancer Institute | na | The portion size image database as used in the ASA24-tool |
| Atlas.ti v8 | ATLAS.ti Scientific Software Development GmbH | na | Qualitative data analysis software for research |
| Compl-eat | Wageningen University | na | The portion size suggestions database as used in the Compl-eat 24hR module |
| iOS screen record function | Apple Inc. | na | Build-in iOS feature to make screen recordings |
| NEVO (version 2016/5.0) | RIVM | na | Dutch Food Composition Database |
| Qualtrics | Qualtrics XM | na | Online survey tool that can be used to implement additional questions in Traqq |
| Recordable | Invisibility ltd. | na | Android app to make screen recordings |
| SPSS version 24.0 | IBM Corporation | na | Statistical software |
| System Usability Scale (SUS) | na | na | Validated questionnaire to assess a system's usability |
References
- Brouwer-Brolsma, E. M. Dietary intake assessment: From traditional paper-pencil questionnaires to technology-based tools. Data science in action. ISESS 2020. IFIP Advances in Information and Communication Technolog. Athanasiadis, I., Frysinger, S., Schimak, G., Knibbe, W. 554, Springer, Cham. Chapter 2 7-23 (2020).
- Thompson, F. E., Subar, A. F. Nutrition in the prevention and treatment of disease. Coulston, A., Boushey, C., Ferruzzi, M., Delahanty, L. , Elsevier, Inc. 5-48 (2017).
- Eldridge, A. L., et al. Evaluation of new technology-based tools for dietary intake assessment-an ILSI Europe Dietary Intake and Exposure Task Force Evaluation. Nutrients. 11 (1), 55 (2018).
- Carter, M. C., Burley, V. J., Nykjaer, C., Cade, J. E. 'My Meal Mate' (MMM): validation of the diet measures captured on a smartphone application to facilitate weight loss. British Journal of Nutrition. 109 (3), 539-546 (2013).
- Buchaer Della Torre, S., Carrard, I., Farina, E., Danuser, B., Kruseman, M. Development and Evaluation of e-CA, an electronic mobile-based food record. Nutrients. 9 (1), 76 (2017).
- Wellard-Cole, L., et al. Relative validity of the Eat and Track (EaT) smartphone app for collection of dietary intake data in 18-to-30-year olds. Nutrients. 11 (3), 621 (2019).
- Rangan, A. M., et al. Electronic Dietary Intake Assessment (e-DIA): Comparison of a mobile phone digital entry app for dietary data collection with 24-hour dietary recalls. JMIR mHealth and uHealth. 3 (4), 98 (2015).
- Ambrosini, G. L., Hurworth, M., Giglia, R., Trapp, G., Strauss, P. Feasibility of a commercial smartphone application for dietary assessment in epidemiological research and comparison with 24-h dietary recalls. Nutrition. 117 (1), 5 (2018).
- Subar, A. F., et al. Addressing current criticism regarding the value of self-report dietary data. The Journal of Nutrition. 145 (12), 2639-2645 (2015).
- Kipnis, V., et al. Bias in dietary-report instruments and its implications for nutritional epidemiology. Public Health Nutrition. 5 (6), 915-923 (2002).
- Simpson, E., et al. Iterative development of an online dietary recall tool: INTAKE24. Nutrients. 9 (2), 118 (2017).
- Chen, J., Cade, J. E., Allman-Farinelli, M. The most popular smartphone apps for weight loss: a quality assessment. JMIR Mhealth Uhealth. 3 (4), 104 (2015).
- Apple Inc. Human Interface Guidelines. Apple Inc. , Available from: https://developer.apple.com/ios/human-interface-guidelines/ (2017).
- NEVO. RIVM 5.0. NEVO-online. , (2016).
- Jaspers, M. W. A comparison of usability methods for testing interactive health technologies: methodological aspects and empirical evidence. International Journal of Medical Informatics. 78 (5), 340-353 (2009).
- Penha, A. D. S., dos Santos, F. A. N. V. Evaluating the use of the cognitive walk-through usability. Human Factors in Design. 1 (1), (2012).
- Fonteyn, M. E., Kuipers, B., Grobe, S. J. A description of think aloud method and protocol analysis. Qualitative Health Research. 3 (4), 430-441 (2016).
- Brooke, J., et al. SUS - A quick and dirty usability scale. Usability evaluation in industry. 189 (194), 4-7 (1996).
- Kushniruk, A. W., Patel, V. L. Cognitive and usability engineering methods for the evaluation of clinical information systems. Journal of Biomedical Informatic. 37 (1), 56-76 (2004).
- Davison, G. C., Vogel, R. S., Coffman, S. G. Think-aloud approaches to cognitive assessment and the articulated thoughts in simulated situations paradigm. Journal of Consulting and Clinical Psychology. 65 (6), 950-958 (1997).
- Mouname, K., Idri, A., Abran, A. Usability evaluation of mobile applications using ISO 9241 and ISO 25062 standards. SpringerPlus. 5, 548 (2016).
- Sauro, J. A practical guide to the system usability scale: Background, benchmarks & best practices. CreateSpace Independent Publishing Platform. , (2011).
- Bangor, A., Kortum, P., Miller, J. Determining what individual SUS scores mean: Adding an adjective rating scale. Journal of Usability Studies. 4 (3), 114-123 (2009).
- Meijboom, S., et al. Evaluation of dietary intake assessed by the Dutch self-administered web-based dietary 24-h recall tool (Compl-eatTM) against interviewer-administered telephone-based 24-h recalls. Journal of Nutritional Science. 6, 49 (2017).
- Subar, A. F., et al. The Automated Self-Administered 24-hour dietary recall (ASA24): a resource for researchers, clinicians, and educators from the National Cancer Institute. Journal of the Academy of Nutrition and Dietetics. 112 (8), 1134-1137 (2012).
- Timon, C. M., et al. The development, validation, and user evaluation of Foodbook24: A web-based dietary assessment tool developed for the Irish adult population. Journal of Medical Internet Research. 19 (5), 158 (2017).
- Carter, M. C., et al. Development of a UK online 24-h dietary assessment tool: myfood24. Nutrients. 7 (6), 4016-4032 (2015).
- Voedingscentrum. Mijn Eetmeter. , Available from: https://itunes.apple.com/nl/app/mijn-eetmeter/id663382012?mt=8 (2014).
- MyFitnessPal. MyFitnessPal. , Available from: http://www.myfitnesspal.com/welcome/learn_more (2015).
- Virtuagym. Virtuagym. , (2017).
- Evans, K., et al. Development and evaluation of a concise food list for use in a web-based 24-h dietary recall tool. Journal of Nutritional Science. 6, 46 (2017).
- Svensson, A., Magnusson, M., Larsson, C. Overcoming barriers: adolescents' experiences using a mobile phone dietary assessment app. JMIR mHealth and uHealth. 4 (3), 92 (2016).
- Finglas, P. M., Berry, R., Astley, S. Assessing and improving the quality of food composition databases for nutrition and health applications in Europe: the contribution of EuroFIR. Advances in Nutrition. 5 (5), 608-614 (2014).
- Gibson-Moore, H. EuroFIR: Where we are now. Nutrition Bulletin. 38 (3), 358-362 (2013).
- Rossum, C. T. M., et al. The diet of the Dutch. Results of the first two years of the Dutch National Food Consumption Survey 2012–2016. RIVM. , (2016).
- Byrd-Bredbenner, C., Schwartz, J. The effect of practical portion size measurement aids on the accuracy of portion size estimates made by young adults. Journal of Human Nutrition and Dietetics. 17 (4), 351-357 (2004).
- Faggiano, F., et al. Validation of a method for the estimation of food portion size. Epidemiology. 3 (4), 379-382 (1992).
- Faulkner, G. P., et al. An evaluation of portion size estimation aids: precision, ease of use and likelihood of future use. Public Health Nutrition. 19 (13), 2377-2387 (2016).
- Hernandez, T., et al. Portion size estimation and expectation of accuracy. Journal of Food Composition and Analysis. 19, 14-21 (2006).
- Nelson, M., Atkinson, M., Darbyshire, S. Food photography. I: The perception of food portion size from photographs. British Journal of Nutrition. 72 (5), 649-663 (1994).
- Young, L. R., Nestle, M. S. Portion sizes in dietary assessment: issues and policy implications. Nutrition Reviews. 53 (6), 149-158 (1995).
- Liu, B., et al. Development and evaluation of the Oxford WebQ, a low-cost, web-based method for assessment of previous 24 h dietary intakes in large-scale prospective studies. Public Health Nutrition. 14 (11), 1998-2005 (2011).
- Lucassen, D. A., Willemsen, R. F., Geelen, A., Brouwer-Brolsma, E. M., Feskens, E. J. M. The accuracy of portion size estimation using food images and textual descriptions of portion sizes: an evaluation study. Journal of Human Nutrition and Dietetics. , (2021).
- Wharton, C., Rieman, J., Lewis, C., Polson, P. Usability Inspection Methods. Nielsen, J., Mack, R. L. , John Wiley & Sons. 79-104 (1994).
- Nielsen, J. How many test users in a usability test. , Available from: https://www.nngroup.com/articles/how-many-test-users/ (2012).
- AMPM - Features. USDA. , Available from: https://www.ars.usda.gov/mortheast-area/beltsville-md/beltsville-human-nutrition-research-center/food-surveys-research-group/docs/ampm-features/ (2016).
- Zhang, D. S., Adipat, B. Challenges, methodologies, and issues in the usability testing of mobile applications. International Journal of Human-Computer Interaction. 18 (3), 293-308 (2005).
- Cade, J. E. Measuring diet in the 21st century: use of new technologies. Proceedings of the Nutrition Society. 76 (3), 276-282 (2017).
- Ahmad, Z., et al. A mobile food record for integrated dietary assessment. MADiMa16. 2016, 53-62 (2016).
- Boushey, C. J., Spoden, M., Zhu, F. M., Delp, E. J., Kerr, D. A. New mobile methods for dietary assessment: review of image-assisted and image-based dietary assessment methods. Proceedings of the Nutrition Society. 76 (3), 283-294 (2017).
- Fang, S., et al. 2018 IEEE Southwest Symposium on Image Analysis and Interpretation (SSIAI). , Las Vega, Nevada, USA. 25-28 (2018).
- Shao, Z., Mao, R., Zhu, F. 2019 IEEE International Conference on Big Data (Big Data). , Los Angeles, California, USA. 5186-5189 (2019).
- Chen, J., Lieffers, J., Bauman, A., Hanning, R., Allman-Farinelli, M. Designing health apps to support dietetic professional practice and their patients: qualitative results from an international survey. JMIR Mhealth Uhealth. 5 (3), 40 (2017).
- Donders-Engelen, M. R., Van der Heijden, L. J. M., Hulshof, K. F. A. M. Maten, Gewichten en Codenummers 2003. Food portion sizes and coding instructions. Wageningen University: Division of Human Nutrition and TNO Nutrition. , (2003).
- Van Ittersum, K., Wansink, B. Plate size and color suggestibility: The Delboeuf Illusion’s bias on serving and eating behavior. Journal of Consumer Research. 39 (2), 215-228 (2012).
- Portiegrootte voedingsmiddelen. RIVM. , (2019).
- Timon, C. M., et al. A review of the design and validation of web- and computer-based 24-h dietary recall tools. Nutrition Research Reviews. 29 (2), 268-280 (2016).
- Kirkpatrick, S. I., et al. The use of digital images in 24-hour recalls may lead to less misestimation of portion size compared with traditional interviewer-administered recalls. The Journal of Nutrition. 146 (12), 2567-2573 (2016).
- Subar, A. F., et al. Assessment of the accuracy of portion size reports using computer-based food photographs aids in the development of an automated self-administered 24-hour recall. Journal of the American Dietetic Association. 110 (1), 55-64 (2010).
- Figwee - Learn More. Figwee. , Available from: https://figwee.com/learn-more/ (2021).
- Preece, J., Sharp, H., Rogers, Y. Interaction design: beyond human-computer interaction. , John Wiley & Sons. (2015).
