Article de méthode

Un référentiel de vidéos pour des méthodes innovantes d’évaluation et d’analyse de l’alimentation

1.4K vues

DOI :

10.3791/64958

3 février 2023

Dans cet article

Résumé

ARTICLES DISCUTÉS :

Lasschuijt, M. P. et al. Développement de concepts et utilisation d’une méthode automatisée d’évaluation de la prise alimentaire et du comportement alimentaire. Journal des expériences visualisées. (168), E62144 (2021).

Chung, J. et al. Conception et évaluation de lunettes intelligentes pour la consommation alimentaire et la classification de l’activité physique. Journal des expériences visualisées. (132), e56633 (2018).

Lucassen, D. A., Brouwer-Brolsma, E. M., van de Wiel, A. M., Siebelink, E., Feskens, E. J. Développement itératif d’un outil innovant d’évaluation diététique basé sur smartphone : TRAQQ. Journal des expériences visualisées. (169), E62032 (2021).

Boronat, A. et al. Évaluations momentanées de l’écologie diététique assistées par appareil mobile pour l’évaluation de l’adhésion au régime méditerranéen de manière continue. Journal des expériences visualisées. (175), E62161 (2021).

Meroni, A., Jualim, N., Fuller, N. 'Boden Food Plate' : nouvelle méthode interactive basée sur le web pour l'évaluation de l'apport alimentaire. Journal des expériences visualisées. (139), E57923 (2018).

Mezgec, S., Seljak, B. K. Réseaux neuronaux profonds pour l’évaluation diététique basée sur l’image. Journal des expériences visualisées. (169), E61906 (2021).

Bromage, S. Tableurs intégrés pour l’analyse nutritionnelle des enquêtes sur l’alimentation de la population. Journal des expériences visualisées. (188), E64327 (2022).

Éditorial

Dans le contexte de la recherche clinique et épidémiologique, l’apport alimentaire est une exposition particulièrement complexe à mesurer, compte tenu de la grande diversité des aliments consommés dans le monde, avec des variations dans les habitudes de consommation selon les occasions de manger, les jours, les saisons et le cycle de vie. L’évaluation de l’apport est entravée par des erreurs de mesure provenant de diverses sources, notamment le rappel imparfait des aliments consommés dans les évaluations rétrospectives (p. ex., rappels de régime alimentaire dans les 24 heures et questionnaires sur la fréquence des aliments) et la réactivité associée à l’enregistrement en temps réel dans le cas des registres alimentaires. Dans l’analyse et l’interprétation, la diversité des composants alimentaires souvent d’intérêt dans une étude donnée ajoute à la complexité, liée à la reconnaissance croissante de la nécessité de tenir compte de la multidimensionnalité de l’apport pour caractériser et traduire de manière holistique les effets des habitudes alimentaires sur la santé et le risque de maladie. Ces défis, qui se traduisent par des lacunes dans la quantité et la qualité des données sur l’apport alimentaire disponibles pour les populations du monde entier, ainsi que par des déficits dans les stratégies pertinentes et fondées sur des données probantes pour améliorer les habitudes alimentaires, continuent d’inspirer des approches novatrices qui tentent de surmonter les défis auxquels sont confrontées les méthodes conventionnelles d’évaluation de l’alimentation.

En date d’octobre 2022, cette collection de méthodes comprend sept articles décrivant l’élaboration, l’évaluation et/ou l’application de méthodes et d’outils innovants d’évaluation et d’analyse diététiques que les chercheurs pourraient envisager d’appliquer dans leurs propres travaux. Trois des articles décrivent un protocole pour l’élaboration d’une méthode visant à aider les chercheurs intéressés à créer des méthodes similaires adaptées à des contextes ou à des populations spécifiques. Les méthodes intègrent des aspects de la nutrition, du comportement et de l’informatique, associés à l’ingénierie mécanique, électrique et logicielle, soulignant l’importance de larges perspectives interdisciplinaires et intégratives pour l’innovation dans ce domaine.

Appareils de mesure
Lasschuijt et al.1 ont conçu un appareil composé d’un plateau de repas sensible au poids et d’un système de caméra relié pour extraire des informations sur les comportements alimentaires, y compris le nombre de mastications, la taille de la bouchée et le taux de consommation de différents aliments dans un repas, afin de fournir des informations sur ce que les aliments sont consommés, en quelle quantité et à quelle vitesse. Cet appareil fournit une méthode potentiellement peu contraignante pour décrire les comportements alimentaires modifiables sans s’appuyer sur l’auto-déclaration ou l’autosurveillance.

Chung et al.2 présentent une paire de lunettes intelligentes imprimées en 3D capables de détecter objectivement les modèles d’activité des muscles temporaux pendant l’alimentation et différentes activités physiques, à l’aide de circuits imprimés spécialisés sur les charnières gauche et droite. Le protocole décrit comment construire les lunettes et les circuits et comment générer les données collectées dans un logiciel d’apprentissage automatique pour distinguer les comportements alimentaires des autres comportements, afin d’adapter les interventions pour réduire la consommation excessive de nourriture.

Méthodes d’évaluation basées sur des logiciels
Lucassen et al.3 ont développé l’application mobile TRAQQ, un outil convivial pour recueillir des registres alimentaires et des rappels alimentaires, intégrant des données sur la composition des aliments, la taille des portions et des recettes personnalisables qui tiennent compte du rendement de cuisson et de la rétention des nutriments. Le backend de l’application permet aux chercheurs d’inviter et de rappeler aux participants de compléter les évaluations selon des schémas d’échantillonnage personnalisables, et reprogramme automatiquement les non-répondants. Le document fournit un protocole pour la recherche formative, la conception et l’évaluation d’applications, la gestion d’études et la mise en œuvre d’applications pour aider les utilisateurs intéressés à développer et à utiliser des outils similaires.

Boronat et al.4 décrivent le développement d’évaluations écologiques momentanées (EMA) assistées par la technologie qui fournissent un échantillonnage répété en temps réel des comportements alimentaires dans les environnements naturels, dans ce cas, pour mesurer l’adhésion au régime méditerranéen par le biais d’invites quotidiennes et hebdomadaires. L’utilisation de la plate-forme EMA assistée par la technologie fournit également aux participants des rapports hebdomadaires qui résument les aspects sains et malsains de leur alimentation et favorisent un changement de comportement.

Meroni et al.5 présentent la Boden Food Plate, une méthode de saisie des données sur l’apport alimentaire qui consiste à identifier les aliments dans une base de données intégrée sur la composition des aliments et à les positionner sur une représentation visuelle d’une assiette pour chaque repas, produisant ainsi des estimations de l’apport en nutriments. Il s’agit d’une méthode interactive attrayante d’évaluation de l’apport alimentaire et nutritionnel, avec des similitudes avec les directives diététiques basées sur l’alimentation qui utilisent un modèle d’assiette pour recommander des proportions appropriées de différents groupes d’aliments.

Développement de logiciels
Mezgec et Seljak6 décrivent le développement d’architectures de réseaux neuronaux profonds pour traiter les images de repas en distinguant les différents aliments et boissons (« segmentation ») et en les identifiant avec précision. Le protocole sert de ressource pour aider les experts en apprentissage automatique à sélectionner des méthodes d’apprentissage profond et des étapes d’augmentation des données pour entreprendre la segmentation et la classification des aliments, y compris la sélection et le nettoyage des ensembles de données utilisés pour former et mettre en œuvre ces analyses.

Bromage7 présente un système de tableurs intégrés pour l’analyse nutritionnelle des enquêtes sur l’alimentation de la population (ISNAPDS), qui utilise des formules simples pour calculer les apports en nutriments et en groupes d’aliments et les contributions des groupes d’aliments aux apports en nutriments. Le système prend en charge de manière flexible les données quantitatives, semi-quantitatives et non quantitatives sur la consommation alimentaire recueillies à l’aide de méthodes d’évaluation prospectives et rétrospectives, en utilisant différentes périodes de référence et méthodes d’estimation de la taille des portions, ainsi qu’un tableau de composition des aliments fourni par l’utilisateur.

Ces exemples offrent une fenêtre passionnante sur l’avenir de l’évaluation alimentaire, tout en soulignant les défis importants auxquels les acteurs de pointe du domaine sont confrontés pour fournir des solutions réalisables et opportunes aux lacunes mondiales existantes en matière de données. Malgré les progrès de la technologie d’enregistrement de la consommation alimentaire, la capture précise de l’apport habituel à long terme reste un défi qui ne sera pas entièrement résolu par de nouvelles approches technologiques pour mesurer prospectivement l’apport alimentaire. Il est donc nécessaire de continuer à explorer comment les mesures autodéclarées et objectives de l’apport alimentaire et de la nutrition peuvent être agrégées afin d’améliorer la capacité de comprendre les habitudes alimentaires en relation avec la santé et la maladie. Ces efforts peuvent être renforcés par l’intégration des progrès dans la mesure d’autres facettes de la santé, notamment l’activité physique, le sommeil et la composition corporelle.

La diversité des avancées technologiques est impressionnante, et il est important d’identifier les approches les plus prometteuses à intégrer dans des méthodes et des outils normalisés et bien évalués, qui peuvent être intégrés dans les systèmes de recherche et de surveillance afin de promouvoir le suivi systématique et les comparaisons internationales. Dans les pays du Sud, où le besoin de données exploitables et de haute qualité sur les régimes alimentaires des populations est sans doute le plus grand, et où la capacité de collecte de ces données est généralement faible, la science de la mise en œuvre est justifiée pour s’assurer que les innovations technologiques sont viables et bénéfiques.

Déclarations de divulgation

Les auteurs n’ont rien à divulguer.

Remerciements

S.B. a reçu le soutien des National Institutes of Health (T32 DK 007703).

Références

  1. Lasschuijt, M. P., et al. Concept development and use of an automated food intake and eating behavior assessment method. Journal of Visualized Experiments. (168), e62144(2021).
  2. Chung, J., et al. Design and evaluation of smart glasses for food intake and physical activity classification. Journal of Visualized Experiments. (132), e56633(2018).
  3. Lucassen, D. A., Brouwer-Brolsma, E. M., van de Wiel, A. M., Siebelink, E., Feskens, E. J. Iterative development of an innovative smartphone-based dietary assessment tool: TRAQQ. Journal of Visualized Experiments. (169), e62032(2021).
  4. Boronat, A., et al. Mobile device-assisted dietary ecological momentary assessments for the evaluation of the adherence to the Mediterranean diet in a continuous manner. Journal of Visualized Experiments. (175), e62161(2021).
  5. Meroni, A., Jualim, N., Fuller, N. Boden Food Plate': novel interactive web-based method for the assessment of dietary intake. Journal of Visualized Experiments. (139), e57923(2018).
  6. Mezgec, S., Seljak, B. K. Deep neural networks for image-based dietary assessment. Journal of Visualized Experiments. (169), e61906(2021).
  7. Bromage, S. Integrated spreadsheets for nutritional analysis of population diet surveys. Journal of Visualized Experiments. (188), e64327(2022).

Réimpressions et autorisations

Mots-clés

Automated Food IntakeEating Behavior AssessmentSmart GlassesPhysical Activity ClassificationSmartphone based Dietary ToolTRAQQEcological Momentary AssessmentsMediterranean Diet AdherenceInteractive Web based MethodDietary Intake AssessmentImage based Dietary AssessmentDeep Neural NetworksNutritional Analysis