臨床および疫学研究の文脈では、世界中で消費される食品の多様性と、食事の機会、日、季節、ライフサイクルによって消費パターンが異なることを考えると、食事摂取は測定するのが特に複雑なエクスポージャーです。摂取量の評価は、遡及的評価 (24 時間の食事の想起や食事頻度アンケートなど) で消費された食品の不完全な想起や、食品記録の場合のリアルタイム記録に関連する反応性など、さまざまな原因から生じる測定誤差によって課題となります。分析と解釈では、健康と病気のリスクに対する食事パターンの影響を総合的に特徴付け、翻訳するために摂取の多次元性を説明する必要性の認識の高まりに関連して、特定の研究でしばしば関心のある食事成分の多様性によってさらなる複雑さがもたらされます。これらの課題は、世界中の人口が利用できる食事摂取データの量と質のギャップ、および食事パターンを改善するための時間的で証拠に基づいた戦略の欠陥をもたらし、従来の食事評価方法が直面する課題を克服しようとする革新的なアプローチを刺激し続けています。
2022 年 10 月現在、この方法コレクションには、研究者が自分の研究に適用することを検討できる革新的な食事評価および分析方法およびツールの開発、評価、および/または適用を説明する 7 つの記事が含まれています。そのうちの3つの記事では、関心のある研究者が特定の環境や集団に合わせた同様の方法を作成するのを支援する方法を開発するためのプロトコルについて説明しています。この方法には、栄養学、行動学、コンピューター科学の側面が機械工学、電気工学、ソフトウェア工学と組み合わされており、この分野のイノベーションに対する幅広い学際的かつ統合的な視点の重要性が強調されています。
測定機器
Lasschuijt ら 1 は、重量に敏感なダイニング トレイとリンクされたカメラ システムで構成される装置を設計し、食事中のさまざまな食品の噛む回数、一口サイズ、食べる量などの食事行動に関する情報を抽出し、食品が何を、どれだけ、どのくらいの速さで食べられるかについてのフィードバックを提供します。この装置は、自己報告や自己モニタリングに頼らずに、修正可能な食事行動を記述する、潜在的に負担の少ない方法を提供します。
Chung et al.2 は、左右のヒンジに特殊な回路基板を使用して、食事中の側頭筋の活動パターンやさまざまな身体活動中の側頭筋の活動パターンを客観的に検出できる 3D プリントされたスマート グラスのペアを紹介します。このプロトコルでは、過剰な食物摂取を減らすための介入を調整する方法として、グラスと回路を構築する方法と、収集したデータを機械学習ソフトウェアに出力して摂食行動を他の行動と区別する方法が説明されています。
ソフトウェアベースの評価方法
Lucassen ら 3 は、食品組成、分量、調理歩留まりと栄養素保持を考慮したカスタマイズ可能なレシピに関するデータを組み込んだ、食品記録と食事のリコールを収集するためのユーザーフレンドリーなツールである TRAQQ モバイル アプリを開発しました。アプリのバックエンドを使用すると、研究者は、カスタマイズ可能なサンプリングスキームに従って評価を完了するように参加者を招待して通知し、無回答者を自動的に再スケジュールすることができます。この論文は、形成的研究、アプリの設計と評価、研究管理、およびアプリの実装のためのプロトコルを提供し、同様のツールの開発と使用に関心のあるユーザーを支援します。
Boronat et al.4 は、自然環境での食事行動のリアルタイム サンプリングを繰り返し提供する技術的に支援された生態学的瞬間評価 (EMA) の開発について説明しており、この場合は、毎日および毎週のプロンプトを通じて地中海式食事パターンの順守を測定します。テクノロジー支援の EMA プラットフォームを使用すると、参加者は食事の健康的な側面と不健康な側面を要約し、行動変容を促進する週次レポートも提供されます。
Meroni et al.5 は、埋め込まれた食品組成データベース内の食品を識別し、それらを各食事のプレートの視覚的表現に配置して栄養摂取量の推定値を生成する食物摂取データを入力する方法である Boden Food Plate を提示します。これは、プレートのモデルを使用してさまざまな食品グループの適切な割合を推奨する食品ベースの食事ガイドラインと類似した、食物と栄養素の摂取量を評価する魅力的なインタラクティブな方法を提供します。
ソフトウェア開発
Mezgec と Seljak6 は、異なる食べ物や飲み物を区別し (「セグメンテーション」) し、それぞれを正確に識別することにより、食事の画像を処理するためのディープ ニューラル ネットワーク アーキテクチャの開発について説明しています。このプロトコルは、機械学習の専門家が、これらの分析のトレーニングと実装に使用されるデータセットの選択とクリーニングなど、食品のセグメンテーションと分類を行うための深層学習手法とデータ拡張ステップを選択するのに役立つリソースとして機能します。
Bromage7 は、単純な式を使用して栄養素と食品グループの摂取量、および栄養素摂取量に対する食品グループの寄与度を計算する、人口食生活調査の栄養分析のための統合スプレッドシート (ISNAPDS) のシステムを提供します。このシステムは、前向きおよび遡及的評価方法を使用して収集された定量的、半定量的、および非定量的な食品消費データに柔軟に対応し、さまざまな基準期間とポーションサイズ推定方法、およびユーザー提供の食品組成表を採用します。
これらの例は、食事評価の将来へのエキサイティングな窓を提供すると同時に、現存する世界的なデータギャップに対して実行可能かつタイムリーな解決策を提供するために、この分野の最先端が取り組んでいる重要な課題を強調しています。食物摂取量を記録する技術の進歩にもかかわらず、通常の長期摂取量を正確に把握することは依然として課題であり、食物摂取量を前向きに測定するための新しい技術的アプローチによって完全には対処できません。したがって、健康と病気に関連する食事パターンを理解する能力を向上させるために、食事摂取量と栄養の自己報告的で客観的な尺度をどのように集約できるかを引き続き調査する必要があります。このような取り組みは、身体活動、睡眠、体組成など、健康の他の側面の測定における進歩を統合することで強化される可能性があります。
技術の進歩の多様性は印象的であり、体系的な監視と国際比較を促進するために研究および監視システムに統合できる、標準化され十分に評価された方法とツールに組み込む最も有望なアプローチを特定することが重要です。人口の食事に関する実用的で質の高いデータの必要性が間違いなく最も高く、そのようなデータを収集する能力が一般的に低いグローバル・サウスでは、技術革新が実行可能で有益であることを保証するために、実装科学が必要です。