Summary
"食品盘子" 是一本电子食品日记, 设计成一种交互式和有趣的方法来收集膳食摄取使用视觉描述。本研究的目的是验证基于网络的应用对传统的三天估计食物日记方法。
Abstract
不同的方法可以用于研究, 以评估膳食摄入量, 其中许多仍然是纸基的。书面估计的食物日记经常被用于临床试验中, 尽管这对研究参与者和研究人员都是一个负担。这种方法需要参加者识字, 费时费力, 劳动密集型, 容易导致报告不足。随着技术的进步, 对电子日记的兴趣与日俱增, 从而使膳食评估过程自动化。这些重点是提高准确性, 减少时间和成本, 并为用户提供一个视觉和更愉快的经验。这里提出的方法旨在验证 "" 的 "" 的 "" 食品板块 ", 这是一个新的基于网络的食物和饮料项目的自我记录的平台, 与传统的估计食物日记相比。研究人员使用纸质问卷对申请进行了满意度评价。六十七名参与者在三天的电子和纸质食品日记中完成了饮食措施。对于分析, 只有在两个研究时间点 (基线和六周) 完成的膳食数据才被利用。尽管饮食数据收集方法之间存在着很小的差异, 但温和的奥特曼分析显示, 电子平台和书面估计的食物日记之间的协议有相当大的95% 的限制, 而且很少有不属于95% 的案例。置信区间。总的来说, 参加者发现电子食物日记比纸方法有趣得多, 而且容易被用作硬拷贝日记。新平台具有作为收集膳食数据的自我记录工具的潜力, 特别是在临床试验环境中使用的时候。然而, 需要进一步的验证研究, 以提高这个新的电子膳食数据收集工具的有效性。
Introduction
准确收集膳食数据和评估饮食的能力是营养和体重管理研究的一个重要组成部分。许多评估饮食摄入的方法, 无论是回顾性的还是前瞻的, 都已经建立起来。然而, 这些常用工具有其自身的局限性。因此, 需要一个新的技术平台来提高数据的准确性, 并减轻研究人员和参与者1、2、3的负担。
二十四小时召回 (24 h 召回) 和食物频率调查表 (FFQs) 是膳食数据收集方法, 依赖于参与者的记忆和遭受潜在的召回偏见和漏报1,2,4.书面的食物记录, 如 FFQs 和食物日记, 需要识字, 并可以给参与者带来很大的负担。此外, 在进食时报告食物和饮品的记录会导致习惯性膳食摄入量的改变5。这些传统的营养数据收集和编码方法也可能非常耗时, 需要训练有素的人员1。七天称重食品日记被认为是非生物标志物的膳食摄入评估金标准。然而, 这一方法已被证明, 以增加七天期间的报告不足率, 由于高参与者负担6。因此, 用传统的家庭措施量化食物和饮料数量的三天估计食物日记比七天的书面食物记录更可行。
以往的研究表明, 与传统方法7、8相比, 使用电子工具收集膳食摄入量是有效和有效的。因此, 人们对能够协助记录和分析膳食数据的技术越来越感兴趣。尽管费用昂贵, 并且需要参加者9的计算机素养, 但电子膳食评估方法增加了与传统膳食收集工具相比更具视觉效果的好处。因此, 他们得到很好的接待, 并发现用户享受10。此外, 电子工具可以显著减少研究人员的时间和收集和分析数据8,11相关的成本。此外, 他们还向参与者提供即时反馈, 允许自我监测营养摄入量和更高的遵守个人目标12,13。
在这里提出的协议是为了测试 "食品板块", 一个基于网络的电子食品日记的功能和实用性, 以及它与传统的三天估计食物日记方法的协议。该平台允许用户在虚拟板上以视觉描述的形式记录每天消耗的食物和饮料项目, 这是应用程序的优点之一。食物和饮料是从一个嵌入式数据库中选择的, 其中包含约1200项固定的服务大小。对电子食品日记中输入的膳食数据进行自动分析, 研究人员可以导出结果。此外, 该应用程序还生成图表, 说明总体能量的饮食是否充足或不充分, 以及研究人员和使用者可以访问的一些重要营养素。与现有的其他营养平台相比, 新创建的电子日记具有创新性和实用性。因此, 它可以成为一个有用的膳食数据收集工具, 用于未来的研究。
本文详细介绍了利用电子和纸质的食物日记进行膳食数据收集的整个协议, 并给出了在全文中充分发表的一些结果. 14
Subscription Required. Please recommend JoVE to your librarian.
Protocol
注: 以下所述的所有实验程序均经悉尼地方卫生区 (皇家阿尔弗雷德亲王区) 道德审查委员会批准。
1. 参加者招聘
- 从机构数据库中招募参与者, 并在机构网站和当地报纸上做广告。
注: 适用于这一特定研究的标准是男性和女性, 年龄25–55岁, 绝经前, BMI ≥25≤35公斤/米2。 - 确保潜在参与者具有计算机读写能力。
2. 准备膳食数据收集的参与者
- 通过呼叫每个参与者来安排初次的个人筛选访问。
- 在筛选访问之前获得每个参与者的书面知情同意。
-
培训参加者使用电子平台。
- 为参与者提供一个分步指南, 说明如何使用电子平台。给参与者足够的时间阅读它。
- 显示参与者如何在学习笔记本电脑上使用平台。
- 让参加者进入平台, 在一个训练有素的研究调查员在场的情况下, 加入一些食品和饮料项目。
- 为参与者提供一个传统的纸质食品日记, 并说明如何使用它包括。请他们在基线访问之前完成。
-
指导参与者:
- 在开始记录食物或饮料之前, 仔细阅读《食物日记》中的说明和 "示例日" (图 1)。
- 记录连续三天 (两个工作日和一个周末) 食用的所有食品和饮料。要求他们报告所有在家里和外面消费的物品 (例如, 在工作或在餐馆), 并把他们在日记中尽可能接近消费时间, 以避免依赖记忆。
- 参考食品日记中包含的部分尺寸指南, 估计食品和饮料的测量和数量。
- 使用食品日记中常见的被遗忘食品和饮料清单, 以确保没有食物和饮料项目丢失。
- 记录下尽可能具体消耗的物品 (用皮肤写 ' 鸡大腿 ' 而不是 ' 鸡肉 ', 或者 ' 减少脂肪牛奶 ', 而不是 ' 牛奶 ', 例如)。
- 说明制备方法 (如油炸、蒸、烤、生等)。
- 列出食品和饮料产品的品牌名称。
- 包括在家里准备的任何不寻常的项目的食谱。
- 指导参加者将纸上记录的书面信息记入电子 diaryat, 每三天结束一次。
- 在筛选访问后一周内安排每个参与者的基线访问。
- 指导参加者在基线访问时携带完成的纸质食物日记。
- 在五周的访问中, 为参与者提供一份新的纸质食物日记, 并指示他们在六周前的三天内完成它, 并要求他们在同一三天内将数据输入到电子日记中。
3. 书面食物日记
注: 在相同的三天期间, 通过使用传统的书面纸日记方法和电子网络平台 ("食物盘子"), 食物摄取量是自报告和收集的。
-
收集膳食数据
注: 参加者完成三天纸食品日记, 并返回他们在基线和六周访问。- 与参加者一起复习食物日记, 确保所有的膳食数据都清晰易懂, 所有的测量和用量都能正确输入。
-
书面膳食数据分析
- 为每个参与者输入三天的书面食物日记数据, 使其成为膳食分析软件 (见材料表), 用于分析营养摄入量。软件自动计算营养摄入量。
- 导出以绝对克 (g) 表示的能量 (焦) 和营养素摄入量 (蛋白质、脂肪和碳水化合物) 的计算值, 并以总能量摄取百分比 (% 焦) 作为平均六天 (三天的基线和三天的六访问) 到电子表格中。
- 将六天的平均值导入统计软件进行分析。
4. 电子食品日记 ("食物盘子")
-
注册
- 向研究参与者发送 "邀请电子邮件", 并在电子平台上注册新帐户。
- 通过输入他们的全名、出生日期、性别、电子邮件和创建用户名 (电子邮件地址) 和密码登录到电子平台 (图 2), 指导参与者遵循注册过程。
- 指导参加者访问有关如何使用电子食品日记从应用程序主页和仔细阅读的视觉指南 (图 3)。
- 提供电话和电子邮件支持, 以帮助在完成电子食品日记时遇到困难的参与者。
-
创建电子食品日记, 有学习参与者:
- 选择邀请他们加入的特定项目标题的图标 (图 4)。
- 选择 "新建条目" 以创建电子食品日记的新一天, 在那里他们可以使用书面食物日记中的信息进入食物和饮料项目 (图 5)。
- 使用 "搜索" 工具查找食物并饮用数据库中白天消耗的物品 (图 6)。
- 点击所需的食物和饮料项目, 并实际上拖到盘子上, 以反映当时所消耗的膳食 (图 6)。
- 选择页面底部的一个小盘子, 移动到不同的膳食 (早餐, 早晨小吃, 午餐, 下午小吃, 晚餐和晚餐)。当选定的小板块开始反弹时, 在屏幕中间的大盘子上输入食物和饮料, 这与选择的膳食相对应 (图 6)。
- 单击 "保存更改" 按钮以保存当天的所有条目 (图 6)。
- 通过单击 "条目" 页面上的 "图形" 图标 (图 5), 可视化条形图, 显示自动计算的膳食摄入量与平均人口膳食摄入 (图 7) 之间的比较。
注: 参与者为基线和六周访问创建两个单独的三天电子食品日记。
-
为分析准备膳食数据
- 通过访问平台管理门户, 将每个参与者的能量和养分摄入量的平均值导出到电子表格中。
- 将电子表格导入统计软件进行分析。
-
总体满意度调查表
- 管理一份以纸为基础的调查表, 以衡量对六周参加者的计划的总体满意度。
- 指导参与者在 0–10 (0 为负数、5中性和10阳性评价) 的范围内, 在基于 web 的应用程序上评分不同的元素, 包括易用性、食物列表的完整性和搜索功能等主题。
5. 膳食数据分析
- 仅使用输入三天的膳食数据进入电子平台的参与者的数据, 并在基线和六周访问期间完成三天的书面食物日记。
-
获取营养素百分比。
- 将总营养素量 (g) 乘以营养素的焦耳每克 (焦/克), 每克17焦用于蛋白质和碳水化合物, 37 焦每克脂肪。
- 除以总能量摄入 (焦) 的值 (焦耳每总克的营养素), 然后乘以100获得的数量, 以发现总能量摄入量的营养素百分比 (焦)。
- 计算总能量 (焦) 和蛋白质、脂肪和碳水化合物摄入量 (在绝对克和作为能量摄入的百分比) 中的平均值 (±standard 偏差 (SD)), 分别用于电子和书面食物日记。
- 利用皮尔逊的产品-力矩相关性确定两种膳食收集方法之间的相关性。
-
获取两个数据收集方法之间的百分比差异。
- 减去从电子食物日记中确定的书面食物日记的价值。
-
为平均总能量 (焦)、蛋白质、碳水化合物和脂肪摄入量 (% 焦) 创建平淡的奥特曼地块。
- 根据方法 (y 轴)15和16之间的差异绘制每个数据收集工具 (x 轴) 的平均值。
- 绘制平均值差和上、下区间线 (平均值 (±SD) * 1.96)。这允许对电子和纸膳食收集方法之间的协议进行广泛的检查。
6. 调查表的分析
- 计算每一个问题的平均 (±SD) 分数, 对从问卷中得出的数据的总体满意度。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
在招募的76名参与者中, 只有67个人在两个时间段 (基线和六周) 在电子和纸质食物日记中记录了三天的食物摄入量。只有从这67个科目的膳食数据用于营养分析。从这项研究中排除的9名参与者没有从所需的时间点完成食物摄取记录。
表 1显示了书面和电子食物日记的平均能量和营养素摄入量没有显著差异。然而, 95% 协议的限制是相当广泛的, 特别是对于能源摄入, 有些情况下, 可以观察躺在95% 置信区间的平淡的奥特曼地块 (图 8A-D)。
皮尔逊积矩相关系数高, 为能量 (0.878), 蛋白质 (0.642), 脂肪 (0.682) 和碳水化合物 (0.792)。尽管这两种数据收集方法15、16之间有很强的相关性, 但这并不意味着良好的协议。
在67名参加者的膳食数据用于营养分析, 65 完成了反馈问卷。所有问卷项目均有超过5的分数 (中性评分), 表明 "食品板块" 被参与者接受, 使用起来很愉快。与会者表示, 他们特别满意 "屏幕上的项目的能见度", 给这个项目最高分 (平均得分 7.4)。与纸质食物日记相比, "乐趣" 和 "易用性" 有同等的第二高评分 (平均得分为 6.9)。"搜索功能" 和 "食物和饮料项目的范围" 被评为最低 (分别为6.1 和6.3 的平均分数)。
图 1: 书面食物日记的 "示例日".根据页面顶部的饮食数据记录, 写出日期 (星期、日、月、年)。总是在新的页面上开始新的一天。写下在 "时间 & 地点" 一天内所消耗的膳食的时间和地点。在 "食物描述 & 金额" 下记录所有食品和饮料及其数量。请单击此处查看此图的较大版本.
图 2: 注册页.填写用星号标记的所有字段。请单击此处查看此图的较大版本.
图 3: 可视化指令指南.通过从主页 ("仪表板") 的左上角选择 "指南" 来访问指导指南。请单击此处查看此图的较大版本.
图 4: 研究项目的选择.从主页 ("仪表板") 中选择对应于学习项目的图标, 以访问电子食品日记帐。请单击此处查看此图的较大版本.
图 5: 新的电子食品日记条目.选择 "新建条目" 开始在电子食品日记中记录新的一天。选择每个已完成条目旁边的 "图形" 图标, 以可视化表示您的膳食摄入量的图表。请单击此处查看此图的较大版本.
图 6: 在电子食品日记中输入食品和饮料项目.选择屏幕底部的6个小板块之一。这些代表了当天的饭菜 (如早餐、晨小吃、午餐、下午小吃、晚餐和晚餐)。选定的小板块开始反弹, 表明在屏幕中间的大板块代表那顿饭。使用 "搜索" 栏找到所需的食物或饮料项目。出现具有可视化描述和服务大小的潜在项目列表。选择所需的食物或饮料项目的适当的服务规模, 并实际上拖他们在大盘子。这些物品出现在盘子上, 可以通过简单地将它们拖出盘子来去除。查看从大盘子右侧的列表中选择的食品和饮料。一旦所有的膳食被记录下来, 选择 "保存更改" 按钮保存条目, 并退出电子食品日记页面。请单击此处查看此图的较大版本.
图 7: 条形图的示例, 将用户的膳食摄入量与平均人口摄入进行比较.将用户的养分摄入量与总体平均值进行比较。绿色的酒吧代表充足的营养素摄入量。红色酒吧代表营养素的摄入不足。请单击此处查看此图的较大版本.
图 8: 对电子和纸质食物日记 (y 轴) 之间的差异, 用于能量和营养素摄入量 (x 轴) 的平均值的单调的奥特曼地块.焦耳 (A) 和蛋白质 (B)、脂肪 (C) 和碳水化合物 (D) 占总能量百分比的单调的奥特曼图显示了两种膳食数据方法之间的95% 协议限制。集合是相当广泛的, 特别是为总能量摄取 (A)。在所有的情节中, 有些情况不属于95% 置信区间。图修改从更充分等。14请单击此处查看此图的较大版本.
| 营养 | 书面食物日记 | 电子食品日记 ("食品盘子") | 平均值差异一 | (95% 置信区间) | ||
| 意味 着 | 标准偏差 | 意味 着 | 标准偏差 | |||
| 能量 (焦) | 7541.01 | 1966.32 | 7451。7 | 2023.84 | 86.38 | (-1848.49, 2019.26) |
| 蛋白 (g) | 91.48 | 27.48 | 94.49 | 27.82 | -3.01 | (-43.74, 37.72) |
| %kJ 从蛋白质 | 20.91 | 4.35 | 21.51 | 4.12 | -0。6 | (-7.63, 6.43) |
| 脂肪 (g) | 66.99 | 21.79 | 67。3 | 23.21 | -0.31 | (-30.43, 29.80) |
| %kJ 从脂肪 | 32.71 | 6.07 | 33.26 | 6.64 | -0.55 | (-7.58, 6.48) |
| 碳水化合物 (g) | 185.87 | 58.22 | 178。2 | 60.43 | 7.66 | (-46.34, 61.66) |
| %kJ 从碳水化合物 | 39.47 | 6.87 | 39.87 | 7.54 | -0.41 | (-9.59, 8.77) |
| 一书面食物日记和电子食物日记的平均差异。通过从电子食品日记中减去为书面食物日记计算的数值, 得出了百分比差异。 | ||||||
表 1: 纸日记与电子食品日记和95% 置信区间 (n=67) 之间各营养素平均值的比较.平均值表明纸质日记和电子食品日记没有显著的差异。然而, 95% 置信区间是相当广泛的, 特别是对总能量摄入量。从富勒等修改的表。14
Subscription Required. Please recommend JoVE to your librarian.
Discussion
本研究使用的基于 web 的食物日记, 即 "食物盘子", 是一种新开发的饮食信息收集方法, 旨在为研究组提供更快的数据获取。结果表明, 在电子方法采集的能量和营养素摄取数据与记录在书面估计的食物日记中的膳食数据相比是准确的, 这被认为是本研究的黄金标准。视觉电子工具也被证明是比它的纸相对更容易和更愉快的使用。
电子食品日记已被证明是有效的收集膳食摄入量。代表每个营养素的百分比的总能量摄入提供了一个更准确的洞察力, 因为它考虑到人口的能量摄入的巨大变化。以前的研究还表明, 传统方法 (24 小时召回和食物日记) 和电子食物日记有关联17。同样, 在目前的研究中, 皮尔逊的产品力矩相关性显示了电子和纸质食品日记之间的强烈关联。然而, 与纸质日记相比, 电子方法的协议限制是相当广泛的。这表明, 需要进一步改进和验证电子工具14。
参与者将反馈问卷中的所有项目评分平均以上, 表明他们对基于 web 的应用程序感到满意。他们发现电子食物日记比纸质食品日记更容易和更愉快。这很可能是因为电子平台是一种可视的记录膳食摄取量的方法, 它鼓励用户参与应用程序的交互功能。作为一种附加功能, "弹出式" 健康食品建议在完成电子食品日记时间歇出现, 提醒用户注意。健康食品建议的重点是交换特定的食物项目与更健康的选择, 例如, 高饱和脂肪的食物与那些高多不饱和或单不饱和脂肪, 和高血糖指数的食物与低血糖指数。在前一次关于移动电话工具的评论中, 还报告了电子食品日记, 以提供更大的满意度, 特别是以移动应用程序的形式, 与纸面日记17相比。使用移动食品日记工具的试用, "我的膳食伴侣", 显示了更大的用户依从性和易用性, 因为参与者发现记录膳食摄入量在手机上更舒适的公共设置10,18。
除了更大的用户满意度, 当与纸质食物日记相比, 电子平台为研究人员提供了更快的膳食数据访问, 因为这是由参与者直接输入的应用。因此, 研究小组应利用有效和可靠的电子工具, 减少与数据录入和分析19书面日记相关的时间和费用。
所描述的协议中最关键的步骤是参与者在电子食品日记中对膳食物品进行自我记录, 并适当使用固定的服务尺寸。参加者可能会犯错误, 不记录在电子数据库中难以找到或无法使用的食物和饮料。此外, 用户可以不正确地记录部分大小, 只需选择预先确定的部分大小, 这并不一定代表实际消耗的部分。这个错误的来源也看到在 ' 我的餐友 '10。然而, 可以说, 预先确定的服务规模有可能最大限度地减少参与者的负担, 并增加用户在基于 web 的平台上的体验。重要的是要让参加者在如何利用电子平台方面进行适当的面对面培训, 并鼓励他们与研究调查员联系以寻求帮助, 如果他们在使用电子食品时遇到困难在研究机构之外的日记。让参与者在创建新的电子食品日记之前测试应用程序的可能性, 并为他们提供一步一步的指南, 详细说明如何使用电子平台是最重要的, 以尽量减少误差来源, 并提高参与者的遵从性。
在 "食物盘子" 中使用的食物范围不够大 (大约有1200种食物与澳大利亚食物数据库中的1万有关), 而且被认为是饮食数据收集方法的一个限制。在参与者完成的反馈问卷中, "食品和饮料项目的范围" 记录了最低平均分数 (6.3)。然而, 在调查问卷中, 5 是中性分, 用户在使用该应用程式时并没有表现出受膳食物品范围的过分限制。该数据库仍需要改进, 以包括更广泛的食品和饮料。
对于未来的研究, 膳食数据收集方法将受益于一些现有固定服务规模的修改, 并将更多的食品和饮料添加到现存的数据库, 特别是在碳水化合物丰富的食品和在某些特定文化的食物类别。此外, 将微量营养素摄入量的分析纳入14是很有价值的。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有什么可透露的。
Acknowledgments
作者要感谢庆阮, 他参与了电子平台的建设, 作为他的工程学学士学位的一部分。我们也承认爱丽丝吉布森, 谁开发了纸食品日记。最后, 我们要感谢麦肯齐坊, 詹姆斯 Gerofi, 法蒂玛 Ferkh, Cholris 梁, 丽莎和邵禹的帮助与实验方法。这项工作由悉尼大学商业发展和工业伙伴关系资助计划资助。
Materials
| Name | Company | Catalog Number | Comments |
| Boden Food Plate | Boden Food Plate | Electronic dietary data collection tool. | |
| Paper Food Diary | Any | Written dietary data collection tool. | |
| Food Works 7 Professional | Xyris Software 2012 | Software for the analysis of dietary intakes. | |
| SPSS 19.0 | SPSS | Statistical software. | |
| Computer | Any | This should be used by the study participants to complete the electronic food diary from outside the research facility. |
References
- Buzzard, M. 24-Hour dietary recall and food record methods. Nutritional Epidemiology. , University Press. Oxford: Oxford. 50-73 (1998).
- MacIntyre, U. Measuring food intake. Introduction to Human Nutrition. , 1st ed, Blackwell Publishing. Oxford. 238-275 (2007).
- Barrett-Connor, E. Nutrition Epidemiology - How Do We Know What They Ate? American Journal of Clinical Nutrition. 54 (1), S182-S187 (1991).
- Black, A. E., et al. Measurements of Total-Energy Expenditure Provide Insights into the Validity of Dietary Measurements of Energy-Intake. Journal of the American Dietetic Association. 93 (5), 572-579 (1993).
- Rebro, S. M., et al. The effect of keeping food records on eating patterns. Journal of the American Dietetic Association. 98 (10), 1163-1165 (1998).
- Johnson, R. K. Dietary intake - How do we measure what people are really eating? Obesity Research. 10, 63s-68s (2002).
- Bonilla, C., et al. Use of electronic dietary assessment tools in primary care: an interdisciplinary perspective. BMC Medical Informatics and Decision Making. 15, 14 (2015).
- Illner, A. K., et al. Review and evaluation of innovative technologies for measuring diet in nutritional epidemiology. International Journal of Epidemiology. 41 (4), 1187-1203 (2012).
- Cole, E., et al. A comparative study of mobile electronic data entry systems for clinical trials data collection. International Journal of Medical Informatics. 75 (10-11), 722-729 (2006).
- Carter, M. C., et al. '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).
- Woods, J., et al. Comparison of electronic and paper data collection. American Journal of Epidemiology. 153 (11), S82 (2001).
- Kerkenbush, N. L., Lasome, C. E. The emerging role of electronic diaries in the management of diabetes mellitus. The American Association of Critical-Care Nurses Clinical Issues. 14 (3), 371-378 (2003).
- Burke, L. E., et al. SMART trial: A randomized clinical trial of self-monitoring in behavioral weight management-design and baseline findings. Contemporary Clinical Trials. 30 (6), 540-551 (2009).
- Fuller, N. R., et al. Comparison of an electronic versus traditional food diary for assessing dietary intake-A validation study. Obesity Research & Clinical Practice. 11 (6), 647-654 (2017).
- Bland, J. M., Altman, D. G. Statistical Methods for Assessing Agreement between Two Methods of Clinical Measurement. Lancet. 1 (8476), 307-310 (1986).
- Bland, J. M., Altman, D. G. Statistical methods for assessing agreement between two methods of clinical measurement. International Journal of Nursing Studies. 47 (8), 931-936 (2010).
- Sharp, D. B., Allman-Farinelli, M. Feasibility and validity of mobile phones to assess dietary intake. Nutrition. 30 (11-12), 1257-1266 (2014).
- Carter, M. C., et al. Adherence to a smartphone application for weight loss compared to website and paper diary: pilot randomized controlled trial. Journal of Medical Internet Research. 15 (4), e32 (2013).
- Johannes, C. B., et al. Electronic versus paper instruments for daily data collection. Annals of Epidemiology. 10 (7), 457 (2000).
