使用新型反馈系统控制进食行为

摘要

受试者从放置在与计算机相连的电子秤上的盘子中进食，计算机记录用餐过程中盘子的重量变化。计算机屏幕上的反馈信息使受试者能够根据参考曲线调整其进食行为，从而实现体重的正常化。

摘要

受试者从置于与计算机相连的电子秤上的餐盘中进食，计算机记录进餐过程中餐盘的重量变化，生成描述食物摄入量、进餐时长及进食速率的曲线，该曲线由二次方程建模。该方法的目的是通过在计算机屏幕上提供视觉反馈，使受试者能够根据屏幕上实时显示的自身进食速率进行调整，从而改变其进食行为。该方法产生的数据通过定制算法自动分析，并拟合至二次方程。该方法的优势在于能够客观记录进食行为，并为在实验研究和临床实践中改变进食行为提供了可能。其局限性在于实验受试者的行为可能受到该方法本身的影响。然而，这一局限性在临床应用中可能成为优势，因为该方法更易于稳定患者的进食行为。采用该方法的治疗已使数百名神经性厌食症及其他进食障碍患者的体重恢复正常并恢复健康，同时也降低了严重超重患者的体重并改善了其健康状况。

引言

本文介绍的设备通过在进食期间利用计算机屏幕提供视觉反馈，控制进食速度和食物摄入量，从而帮助体重过轻或过重的患者恢复至正常体重并改善健康状况。该设备由一台定制的电子秤和一台计算机组成。 例如， 一部智能手机。一个应用程序允许受试者通过蓝牙将智能手机与电子秤连接。智能手机与电子秤连接后，受试者将一个餐盘放在秤上，并将食物放在盘中，然后开始进食。在固定的时间间隔，手机屏幕会显示一个评分量表，要求受试者评估自身的饱腹感。根据实验目的或临床干预需求，该评分量表可选择断开。出于实验或临床目的，智能手机屏幕上会同时显示进食速率的参考曲线和饱腹感的参考曲线。在进食过程中，受试者自身的进食速率和饱腹感评分将实时显示在屏幕上，使其能够参照参考曲线进行调整。

该设备记录进食过程中餐盘重量的减少以及饱腹感评分，并存储这些记录。重量减少的数据用于拟合累积食物摄入量（CFI）曲线的二次模型：y=kx²+lx，其中 y 表示已摄入的食物量，k 表示进餐过程中进食速率的变化，l 表示初始进食速率¹。CFI 曲线基于对进餐期间以下三种行为的建模：咬食、添加食物和伪迹（与进食无关的重量变化）。这些行为被映射到上下文无关文法（CFG）的非终结符号上²。记录数据经过预处理后，被划分为对应于重量变化的时间区间（基于前向导数和 delta 系数），然后将这些区间映射到 CFG 的终结符号。该 CFG 进而可在假设各事件相互独立的前提下，估计出对整餐行为最可能的解释。

该设备被用于科研以及临床实践。它最初被用于治疗神经性厌食症及其他进食障碍患者，随后被用于治疗严重超重患者。

在视觉反馈辅助下的进食具有以下科学依据。包括人类在内的动物在进化过程中形成了摄取多种不同食物的能力，但它们在选择进食内容时会受到视觉反馈的影响。 "自助餐" 条件^3,4然而，从解剖结构和行为习性上看，一旦环境条件恶化，它们能够摄取任何可获得的食物^3,4 以及进食行为，尤其是咀嚼行为，因此成为人类头部进化的主要驱动力，包括大脑和咀嚼器官的演化³因此，进食模式对于体重控制可能比所摄入食物的种类更为重要。有证据表明，饮食干预对恢复正常体重的作用甚微，甚至毫无效果。⁵ 且此处描述的设备可以 例如， 帮助学龄儿童在校园午餐期间面临快速进食挑战时摄入正常量的食物⁶ 逆转短期禁食对青年女性和男性食物摄入量的影响⁷.

神经科学假定，体重问题的根源在于大脑⁸。然而，全球数亿目前超重的人群⁹，不太可能是在体重增加之前就因神经异常而引发该问题。更有可能的是，神经异常¹⁰以及医学异常¹¹是由于长期进食过量所导致的结果¹²，除非在某些罕见的基因型中可能存在例外¹³。

神经科学无法解释体重问题的一个可能原因在于其基本假设不正确， 即， 通过作用于摄食行为的兴奋性/抑制性神经调控，使体重保持几乎恒定⁸大脑可能施加的任何抑制作用显然都未能阻止近来数亿人变得严重超重。⁹对大脑在进食中作用的更深入理解源于一项发现：下丘脑肽类物质过去被认为可促进进食，但实际上其作用是允许个体寻找食物，即使为此牺牲实际的食物摄入量^14,15这些结果最近已得到证实^16,17，支持以下观点：只有当食物的体力获取成本较高时，体重才能维持在健康水平，这一条件被称为 "人类稳态表型"¹⁸考虑到参与进食行为及其他行为的脑部与遗传网络的多重性¹⁹因此，若试图仅通过调控一两种神经递质系统来减轻或增加体重，即使并非完全不可能，也将极为困难。鉴于上述因素，药物干预对严重超重者的体重几乎不会产生任何显著效果也就不足为奇了²⁰，以及体重过轻者中²¹.

具有讽刺意味的是，一些近期的研究发现仅仅证实了 Mayer 在 1953 年就已经提出的关于饮食、基因、大脑和体力活动在体重调节中作用的预测²²。作为一种替代观点，进食行为可能在体重控制中起着因果作用，而神经科学和遗传学可能将机制误认为原因。有研究支持这一观点：人类全年每日的进食倾向旨在最大化食物摄入，推动体重上升，以抵消食物短缺带来的任何影响²³。在人类的稳态表型中，这种生理性过度进食的影响被获取食物所需的体力消耗所平衡¹⁸。由于如今这种体力消耗几乎为零，人类需要外部支持来维持健康的低体重状态。这种支持由本设备提供。

传统的进食障碍治疗方法并非针对进食行为本身，而是针对患者的心理症状。平均有30%的患者会中途退出这些治疗，少于50%的患者达到缓解，尽管症状仍然存在，且至少30%的患者在治疗结束一年内复发²⁴。然而，早在多年前就已发现，针对进食行为的治疗比针对心理症状的治疗效果更佳²⁵。这一发现近期通过本报告中所述设备的应用得到了再次验证。采用该方法，在长达五年的随访期间，估计有75%的进食障碍患者达到缓解，仅有10%的患者复发²⁶，显著优于现有的治疗标准²⁴。

尽管严重超重患者的进食速度有所增加，但进食速度与体重之间的因果关系尚未明确，且进食速度以往一直通过问卷调查来确定²⁷。本文所述装置可对进食速度和食物摄入量进行客观测量，当用于降低这两项指标时，已证明在减轻体重和改善健康方面比传统的饮食和运动干预对严重超重青少年更为有效²⁸。

目前设备所采用的进食行为记录原理早在多年前已有描述^29,30,31，此后已被用于实验中记录和改变进食速率^1,6,7,32,33。然而，该技术尚未在临床试验之外及临床实践中用于治疗体重过轻或超重患者。该临床治疗方案的一部分包括在家庭及日常生活中使用该设备。实践证明，该设备在实验室研究和临床应用中均具有良好的用户友好性。

方案

所有涉及实验对象和患者的研究工作均已获得瑞典斯德哥尔摩中央伦理审查委员会的批准。

1. 视觉反馈对进食速度和食物摄入量的调控

1. 下载设备应用程序。
2. 按下秤底部的红色按钮以打开秤（图1）。
3. 打开应用程序，通过按下 控制 选择无视觉反馈进食，或通过按下 训练 选择有视觉反馈进食（图2）。
4. 在搜索到的秤中选择一个，并点击 连接 将秤与智能手机连接（图3）。
5. 将餐盘放在秤上。按 完成 继续（图4）。
6. 将食物放在餐盘上（0%）。
   1. 继续向餐盘中添加食物（72%）。
   2. 准备进食时，按下 开始 （100%）（图5）。
7. 调整进食速度以匹配虚线蓝色参考曲线（图6）。
8. 当屏幕上出现评分标尺时，对饱腹感进行评分。将饱腹感评分调整至S形虚线紫色参考曲线。按 完成 继续进食（图7）。
9. 若进食过快，请放慢速度（图8）。
10. 餐盘中无剩余食物时，进食结束后按 否（图9）。
11. 当显示用餐时长后，按 完成 退出（图10）。

结果

五名女性接受了治疗，并从神经性厌食症中达到缓解状态，其年龄为17.5岁（15–24岁）（中位数，最小值–最大值）。图11、图12、图13展示了设备生成的数据、CFI曲线的形态以及在治疗初期两次记录和缓解期一次记录中的二次模型拟合结果。请注意，在首次无视觉反馈的测试中进食速度呈加速趋势；三天后再次进食时，在参考曲线提供视觉反馈的情况下已能摄入大量食物；其中一名患者在缓解期的进食速度较治疗初期的两次记录几乎翻倍。

图14A 显示，五名患者的缓解时间存在很大差异。该图还显示，在缓解时体重指数（BMI）正常的情况下（图14B），患者进食量高于入院时（图14C），且尽管进餐持续时间并未缩短，但其变异性降低（图14D）。需要注意的是，神经性厌食症患者在入院时即使BMI较低，也可能摄入相对较大的一餐（图14C）。同样值得注意的是，尽管三名患者在入院时进食速度呈加速趋势，但在缓解期，除一人外其余均表现为减速进食（图14E）。相应地，缓解时的初始进食速度较入院时有所增加（图14F）。

图1：电子天平。按下按钮以开启天平。请点击此处查看该图的放大版本。

图 2：开始进餐。 打开应用程序以开始进餐。按下 对照 可在无视觉反馈的情况下进食。按下 训练 可在有视觉反馈的情况下进食。 请点击此处查看此图的放大版本。

图 3：连接秤与智能手机。 在应用程序中选择秤具，然后点击 连接 以继续操作。请点击此处查看此图的放大版本。

图 4：将餐盘放在秤上。 将餐盘放在秤上，然后点击 完成 以继续操作。 请点击此处查看该图的放大版本。

图5：将食物放置于餐盘中。 将食物放入餐盘，直至显示100%，准备进食时点击开始。请点击此处查看此图的放大版本。

图6：在视觉反馈下进食。 调整进食速度以匹配虚线蓝色参考曲线。 请点击此处查看此图的放大版本。

图7：饱腹感评分。 当评分量表出现时，标明饱腹感程度。根据虚线形式的紫色参考曲线调整评分，然后点击 完成 继续进食。请点击此处查看此图的放大版本。

图8：调整进食速率。 若进食速率偏离蓝色虚线参考曲线，请进行相应调整。请点击此处查看该图的放大版本。

图9：用餐结束。 如果餐盘上没有食物，请按 否。 请点击此处查看此图的放大版本。

图10：用餐结束。 显示与参考曲线的符合情况及用餐时长。点击完成退出。 请点击此处查看此图的放大版本。

图11：神经性厌食症患者的早期累积食物摄入量（CFI）曲线。 设备记录数据（蓝线）、去除伪迹后数据（红线）以及通过二次方程拟合的CFI曲线。数据来自一名神经性厌食症患者在治疗第二天、无视觉反馈条件下的进食情况。请点击此处查看该图的放大版本。

图 12：神经性厌食症治疗的早期反应。 患者在治疗第五天适应参考曲线。数据来自同一位患者。 请点击此处查看该图的放大版本。

图13：神经性厌食症的缓解。 经过175天治疗后，在缓解时进食速率的增加。数据来自同一位患者在无视觉反馈条件下进食的情况。请点击此处查看该图的放大版本。

图14：进食行为治疗对神经性厌食症的影响。 在五名接受治疗并达到缓解的神经性厌食症患者中，缓解所需时间存在高度变异性（A），同时体重指数（BMI）趋于正常化（B）。注意入院时（Adm）食物摄入量（C）、进餐持续时间（D）、进食速率减缓程度（E）以及初始进食速率（F）的个体差异，而在缓解时（Rem）这些指标均趋于正常化。患者进餐时未参考曲线。数据以中位数（最小值-最大值）表示。 请点击此处查看该图的放大版本。

讨论

尽管本文所述方法在治疗体重问题患者方面是一项主要干预措施，但该治疗还包括其他干预手段，此前已有描述，包括入组和缓解标准³⁴，以及对1428例患者每三个月进行一次的疗效评估²⁶。本报告的重点是该器械本身，而非这些附加干预措施。

该设备的控制模式用于记录健康受试者以及体重过轻和超重患者的进食行为。训练模式则随后用于出于实验或临床目的改变进食行为。在治疗神经性厌食症患者时，计算机屏幕上显示的100%是指根据患者在控制模式下进行的三次初步测试结果，个体化确定的应进食食物量。对神经性厌食症患者而言，100%的食物量虽少，但仍多于其在三次初步测试中实际摄入的量。患者需练习逐步增加进食量，并被要求持续添加食物，直至屏幕上显示达到100%。虚线蓝色参考曲线的形状在治疗过程中保持不变，其依据是研究发现，正常体重的健康人群进食速率呈逐渐下降趋势，即以减速方式进行¹。虚线紫色饱腹感参考曲线则基于累积饱腹感曲线最符合S型（sigmoid）曲线的研究发现¹。坐标轴上无具体数值。治疗持续进行，直至患者能够在无参考曲线的情况下，于约10至15分钟内摄入约300-350克食物。这些数据来源于正常体重的健康受试者。在临床实践中，体重过轻和超重患者均可从三种普通瑞典食物中任选其一，并可饮水。在健康受试者中对进食行为进行实验性操控的方法与此相同^1,6,7,32,33。由于利用参考曲线提供的视觉反馈重建正常饱腹感的过程与此方法一致，故此处不再赘述。然而在临床上，这一干预措施至关重要，因为神经性厌食症患者对饱腹感的评分显著高于健康受试者。

患者在治疗期间进食时会遵循视觉反馈，而在无反馈进食时则允许在用餐过程中向餐盘中添加食物。添加食物及其他事件（包括使用刀叉切割食物时对餐盘施加的压力）会影响设备的记录，产生伪影和错误，此前这些干扰需手动处理，如文献³⁵所述。通过该设备记录的进食数据被收集到一个定制数据库中，临床医生可从中提取结果，向患者反馈治疗进展情况，研究人员也可利用该数据进行实验结果分析。

神经性厌食症患者进食量少且进食速度缓慢³⁴然而有趣的是，即使在体重指数（BMI）非常低的情况下，他们仍能够摄入正常量的餐食。¹⁸例如，报道中的患者在治疗早期即能够进食300克食物，远早于其体重指数（BMI）恢复正常，并且仅在无序进食三天后便实现了这一进食量。 即， 仅以极低速度进食，但进食速度逐渐加快。开始进食时速度极低的厌食症患者，在最初几餐中往往进食速度会有所提升，本文报道的三名患者即如此。然而，当患者接近缓解期时，进食减速率与初始进食速度之间的反向关系开始显现。¹已有数百名进食障碍患者通过该方案治疗达到缓解，且该方案操作简便，无任何不良副作用。²⁶严重肥胖的患者也接受了类似的减重治疗，但体重并未降至正常水平^28,33目前尚无用于标准化严重超重患者体重的方法。

该方法的一个局限性在于，即使没有视觉反馈，受试者也可能受到设备的影响。这一假设可通过比较使用该设备获得的数据与通过录像记录的进餐数据来验证。具有讽刺意味的是，这一相同的局限性在治疗中可能成为优势，因为治疗的目标正是使食物摄入量恢复正常。

尽管目前的方法长期以来已被用于记录进食行为，但将视觉反馈用于实验和临床目的的做法，尚未在本研究团队和本诊所之外得到应用。对于旨在恢复患者进食行为的临床医生，以及希望将进食行为作为实验变量的研究人员而言，该设备提供了一种可行的方法。现在，利用本算法计算CFI曲线，可实现结果分析的自动化，从而避免耗时的手动处理过程，使得对大量受试者进食行为的监测与分析成为可能。

该算法的有效性将进一步提高。目前，算法基于对咬合值偏离真实值的估计，且已将这些估计与伪影分离开来。

该设备将用于儿童，以预防成年后的体重问题。本报告中讨论的大多数硬件和软件已准备好用于大规模应用。可能的改进，包括优化设备屏幕上反馈信息的视觉设计，以及通过增加餐中行为的种类和对未完成餐次的分析来扩展CFG，必须等待预期的大规模应用结果出来后才能进行。

材料

本文使用的材料清单

姓名	公司	目录编号	评论
量程	TÜM ELEKTRONIK	无目录编号	csutm 制作，未商业化