방법 논문

자동화된 식품 섭취 및 식습관 평가 방법의 개념 개발 및 사용

4.8K 조회수

⸱

DOI:

10.3791/62144

⸱

2021년 2월 19일

 ,  ,  ,  ,  ,  , 
1Division of Human Nutrition and Health, Wageningen University & Research

이 논문에서

정오 공지

Important: There has been an erratum issued for this article. View Erratum Notice

요약

이 프로토콜은 새로운 기술 기반 식이 평가 방법을 보여주고 설명합니다. 이 방법은 여러 개의 내장 계량 스케일과 비디오 카메라가있는 식사 트레이로 구성됩니다. 이 장치는 식사 과정에서 음식과 음료 섭취 및 식사 행동의 자동화 된 측정을 통합한다는 점에서 독특합니다.

초록

식이 및 먹는 행동 평가 방법의 대다수는 자기 보고를 기반으로 합니다. 부담스러우며 측정 오류도 발생하기 쉽습니다. 최근의 기술 혁신을 통해 사용자와 연구원 모두에게 더 적은 노력이 필요한 보다 정확하고 정확한 식이 및 식습관 평가 도구를 개발할 수 있습니다. 따라서 음식 섭취 및 식습관을 평가하는 새로운 센서 기반 장치가 개발되었습니다. 이 장치는 비디오 카메라와 3 개의 별도 내장 계량 스테이션이 장착 된 일반 식사 트레이입니다. 계량 스테이션은 식사 과정에서 그릇, 접시 및 마시는 컵의 무게를 지속적으로 측정합니다. 얼굴에 배치된 비디오 카메라는 인공 지능(AI)기반자동 얼굴 표현 소프트웨어를 사용하여 분석되는 식사 행동 특성(츄, 바이트)을 기록합니다. 트레이 중량과 비디오 데이터는 무선 수신기를 사용하여 PC(개인용 컴퓨터)로 실시간으로 전송됩니다. 먹는 양, 식기율 및 한입 크기와 같은 관심의 결과는 관심 시점에서 이러한 측정값의 데이터를 빼서 계산할 수 있습니다. 트레이의 현재 버전에 의해 얻은 정보는 연구 목적으로 사용될 수 있으며, 장치의 업그레이드 된 버전은 식이 섭취 및 식사 행동에 대한 보다 개인화 된 조언을 용이하게합니다. 기존의 식이 평가 방법과는 달리, 이 식이 평가 장치는 식사 내에서 직접 음식 섭취를 측정하고 메모리 또는 부분 크기 추정에 의존하지 않습니다. 궁극적으로,이 장치는 따라서 매일 주요 식사 음식 섭취 및 먹는 행동 측정에 적합합니다. 미래에, 이 기술 기반의 식이 평가 방법은 운동, 에너지 섭취 및 식사 행동에 대한 완전한 개요를 얻기 위해 건강 응용 프로그램 또는 스마트 시계에 연결 될 수있다.

서론

영양 연구 및 식이 실습에서 과체중 및 비만 문제에 대한 해결책을 찾기 위해 사람들이 무엇을, 얼마나 많이, 어떻게 먹는지에 대한 좋은 척도를 갖는 것이 중요합니다. 식이 섭취량을 평가하기 위해 식품 일기, 24 h 리콜 또는 식품 주파수 설문지1과같은 기존의 자체 보고서 설문지가 종종 사용됩니다. 이러한 방법은 자기 보고에 의존하므로 사회적 바람직한 답변, 메모리 부족 및 부분 크기를 추정하는 데 어려움이 있기 때문에 시간이 많이 걸리고 편견이 발생하기 쉽습니다2,3. 식단 품질(음식 유형 및 먹는 양)의 측정 외에도음식섭취를 늦추는 식사 행동이 식사 4 내에서 과소비를 방지하는 것으로 나타났기 때문에 음식을 먹는 방법을 아는 것도 중요합니다. 먹는 행동을 평가하는 황금 기준은 두 관찰자가 식사를 하는 사람들의 비디오 녹화에 인장하는 것입니다5. 이 방법은 오히려 노동 집약적이고 시간이 많이 소요되며 행동에 대한 즉각적인 피드백을 허용하지 않습니다.

최근의 기술 발전은 이제 음식 섭취량의 자동화 된 측정과 식사 기간 동안 먹는 행동의 자동화 된 측정을 결합 할 수있는 기회를 제공합니다. 이러한 발전에 대응하여, 새로운 센서 기반 식이 평가 방법이 개발되었다, mEETr라는, 두 네덜란드어 단어의 약어 '미터'(번역 : 측정 장치), 그리고 'eet'(번역: 먹기). mEETr은 3개의 내장 계량스테이션(도 1이 트레이와 센서 플레이트의 디자인을 보여 준다)과 카메라 홀더가 있는 일반 다이닝 트레이입니다. 각 계량 스테이션은 무게를 분배하기 위해 세 개의 삼각형 위치 측정 지점으로 구성됩니다. 계량 스테이션은 그릇, 접시 및 음료컵 또는 유리의 무게를 식사 위에 지속적으로 측정합니다. mEETr에는 비디오 카메라 홀더도 포함되어 있습니다. 현재 카메라 홀더는 트레이와 분리되어 있지만 표준화를 위해 mEETr (접이식 비디오 카메라 스틱)의 다음 업그레이드 후 통합 카메라가 이상적입니다. 카메라는 물린 및 츄의 수에 대한 자동화 된 실시간 분석과 식사 기간의 자동화 된 실시간 분석을 용이하게하여 식습관과 물린 크기에 대한 정보를 생성 할 수 있습니다. 식습관에 대한 자동화된 분석은 새로 개발된 알고리즘을 사용하여 수행됩니다. 다양한 연구 그룹은 사람들에게 식사의 가속화와 사람들이 먹는 수량에 대한 실시간 피드백을 제공하는 장치를개발했다 6. 또한, 증강 포크는식사7 내에서 물린 수와 빈도에 대한 실시간 피드백을 제공하기 위해 개발되었습니다. 또한, 귀 센서는 자유생활 조건에서 먹는 미세구조를 측정하기 위해 개발되었다8,9. 이 장치와 유사한 것은 Ioakimidis 외10에의해 사용된 셋업입니다, 여기서 비디오 측정은 음식 섭취량, 물린 수 및 츄잉 행동을 결정하기 위하여 계량 판과 결합되었습니다.

이러한 장치에 비해 mEETr의 참신은 한 장치에서 두 접시와 음주 컵(n =3)과 먹는 동작(예: 식기율, 물린 물기, 물린 크기 및 츄잉 동작)의 식품 섭취를 자동화된 측정값을 결합한다는 것이다. mEETr은 입증된 바와 같이, 통제된 (실험실) 환경 내에서 음식 섭취 및 식사 행동의 식사 측정 내에서 적합합니다, 그러나 결국 목표는 보육, 노인 가정 및 병원과 같은 재발생 식사 계획이 이용되는 통제되지 않는 환경에서 mEETr을 사용하는 것입니다.

궁극적으로, mEETr은 기존의 식이 평가 방법과 비디오의 수동 코딩보다 음식 섭취 및 식사 행동의 보다 정확하고 정확한 측정을 제공하는 것입니다. 음식 섭취의 더 나은 측정영양및 건강 연구에 도움이 될 것입니다, 뿐만 아니라 그들의 도전에 있는 건강 전문가는 음식 관련 비 전염성 질병의 증가에 대처하기 위하여11. 궁극적으로 mEETr은 mEETr을 다른 건강 앱이나 스마트 시계와 같은 기존 기술 및 소프트웨어에 연결하여 가정에서 건강 관리에 민감한 사용자뿐만 아니라 연구 및 건강 관리 설정에도 사용할 수 있습니다. 전반적으로, 이러한 건강 조치는 사용자가 나 건강 관리 전문가에게 다양한 건강 행동 패턴 (예를 들어, 음식 섭취, 먹는 행동, 실제 측정, 수면, 스트레스에 따른 에너지 지출)에 대한 다소 다양하고 완전한 개요를 제공하여 사용자가 식단을 최적화하고 건강한 라이프 스타일을 만들 수 있게합니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

이 파일럿 연구는 프로젝트를 시작하기 전에 와게닝겐 대학의 METC에 의해 승인되었다.

주의: 이 프로젝트에 참여한 모든 참가자는 눈에 띄고 인식가능한 얼굴을 보여주는 비디오 이미지의 승인을 포함하여 정보에 입각한 동의를 제공했습니다.

1. 샘플 준비 및 참가자 동의

  1. 주스(유리 또는 컵), 과일 요구르트(그릇), 과일 조각(접시)을 준비합니다.
    참고: 이러한 식품은 데모 목적으로만 선택됩니다(그림2).
  2. 연구에 참여하기로 동의하는 참가자 또는 자원봉사자를 모집합니다.
  3. 측정 오류를 피하기 위해 안경을 쓰고(콘택트렌즈를 사용할 수 없는 사람) 및/또는 얼굴 털(수염 또는 콧수염)을 착용한 참가자를 제외합니다.
  4. 연구 및 데이터 수집(데이터 저장소, 접근성)에 대해 참가자에게 알립니다. 익명이 아닌 비디오 녹화의 경우 별도의 권한을 얻습니다. 데이터를 수집하기 전에 정보에 입각한 동의에 대한 참가자의 서명을 가져옵니다.

2. 장치 및 측정 위치 설정

참고: 이 프로토콜은 제어된(실험실 을 먹는) 설정의 데이터 수집에적합합니다.

  1. 방의 빛이 참가자의 얼굴에 그림자를 고르게 분산되어 있는지 확인하십시오.
  2. 참가자 이외의 개인의 존재로 인해 비디오 녹화의 배경 잡음이 발생하지 않습니다.
  3. 테이블 앞에 의자에 앉는다. 참가자의 가슴 바로 아래에 탁상이 있습니다.
  4. 트레이와 웹캠의 무선 수신기를 랩톱에 연결합니다.
  5. 랩톱을 시작합니다. 노트북에 CPU i7-10750H, SSD M.2 512 GB, 메모리 1x 16 GB, DDR4 2933 MHz 비 ECC 메모리, 운영 체제 64 비트 : 노트북에 다음과 같은 사양이 있는지 확인하십시오.
  6. 트레이를 켜고 트레이(녹색 표시등)에 충전이 있는지 확인합니다.
  7. 각각 대시보드와 함께 커넥터 프로그램(dos), 수신기 및 프로세서 소프트웨어 프로그램을 엽니다.
  8. 프로세서 프로그램에서 들어오는 이미지 품질을 확인합니다(그림3).
    참고: 식사 동작을 감지하려면 이미지 품질이 작업 표시줄(녹색)의 마지막 분기 내에 있어야 합니다. 가능한 한 100 % 녹색에 가깝습니다. 그림자 형성은 낮은 이미지 품질로 이어질 수 있습니다.
  9. 이미지 프레임이 올바른지 확인하여 이미지 품질이 저하되는 것을 방지합니다. 팔과 어깨를 포함한 가슴까지 참가자의 머리(두개골 위)가 명확하게 보이는지 확인합니다.

3. 계량 시스템 및 데이터 전송

  1. 처음으로 mEETr을 사용하기 전에 측정값을 검증합니다.
    참고: mEETr 장치는 3개의 내장 계량스테이션(그림 2)이있는 정기적인 상용 식사 트레이(섬유 강제 에폭시 디너 트레이)로 구성됩니다.
  2. 셋업을 검증하려면 트레이가 접시, 그릇 및 마시는 유리의 무게를 지속적으로 측정해야 합니다.
    참고: 전체 범위에서 계량 스케일의 정밀도는 0.3%여야 합니다.
  3. 각 계량 플랫폼에 너무 많은 무게를 두지 마십시오. 가장 큰 플랫폼 (저녁 식사 접시)의 최대 무게는 1.5kg입니다. 두 개의 작은 계량 플랫폼 (그릇과 유리)의 최대 무게는 800g입니다. 정확하게 측정할 수 있는 최소 중량은 각 계량 스테이션에 대해 1g입니다.
  4. 접시, 컵 및 그릇이 플랫폼이나 주변 트레이에 놓여 있지 않은지 확인합니다. 이를 방지하기 위해 중앙 링을 사용하십시오.
    참고: 각 계량 스테이션은 하나의 스케일로 함께 작용하는 세 개의 삼각형 위치 힘 센서로 구성됩니다. 무게의 균형을 맞추기 위해 삼각형 위치를 선택했습니다.
  5. 트레이를 건조하게 유지하십시오. 트레이에는 전자 장치가 포함된 트레이 아래에 50mm 얇은 베이스 패널(중앙 회로 기판)이 포함되어 있습니다.
  6. 데이터 전송의 경우 트레이가 무선 수신기에 연결되어 있는지 확인합니다.
    참고: 단거리 무선 신호(약 1m 거리)를 통해 계량 데이터를 1s 간격으로 전송합니다. 수신기를 USB 포트를 통해 PC(개인용 컴퓨터)에 연결합니다.
  7. 세 개의 힘 센서는 힘(또는 가중치)을 측정하고, 이를 요약하고 보정된 중량 값으로 변환합니다.
  8. 각 사용 후 트레이를 충전합니다.
    참고: 트레이는 내부 배터리 팩으로 구동되며 USB 충전기로 충전할 수 있습니다. 온/오프 슬라이드 스위치는 USB 소켓 근처에 있습니다. 전체 배터리 충전으로 약 20시간 사용이 가능합니다.
  9. 식기 세척기에서 트레이를 청소하지 마십시오. 트레이는 식기 세척기 증거가 아닙니다. 청소 스프레이를 사용하여 트레이를 청소하십시오. 트레이가 깨끗하고 건조한 지 확인합니다. 플랫폼을 따라 누수 채널은 액체 유출을 배출합니다.

4. 참가자 설명 및 관찰 시작

  1. 참가자 앞에 mEETr을 배치합니다.
  2. 참가자에게 1) 원하는 만큼 또는 적게 먹고, 2) 먹는 동안 웹캠을 똑바로 들여다보고, 3) 먹는 동안 얼굴 앞에 손을 넣지 마십시오.
  3. 수신기 소프트웨어에서 새 관찰을 시작합니다. 날짜, 참가자 번호, 참가자의 성별, 연령 및 체중 및 높이와 같은 인위적인 데이터를 기록합니다. 관찰 이름에 연구 조건 및 연구 방문과 같은 추가 정보를 포함하십시오.
  4. 수신기 소프트웨어의 레코드를 눌러 관찰을 기록합니다.
  5. 데이터 수집 중 비디오 녹화 및 들어오는 데이터를 확인하기 위해 대시보드를 활성화합니다(그림4).
  6. 녹음전에는 참가자에게 1)을 요청하여 참가자 번호로 카드를 올리고, 2) 식사 시작과 끝에 손을 들어 보세요.
  7. 참가자가 식사를 마칠 때 관찰을 종료합니다. 모든 데이터를 스프레드시트로 전송하는 데 2분이 걸립니다.
  8. 참가자의 세션 종료입니다.
  9. 웹캠과 트레이 수신기를 노트북에서 분리하고 청소 조직이나 청소 스프레이로 청소하십시오.

5. 데이터 평가 및 전송

  1. 수신기 소프트웨어의 마지막 관찰을 엽니다. 먹는 행동의 자동화 된 측정은 제목 데이터아래에 저장됩니다. 원시 데이터를 추출하려면 데이터 내보내기를 클릭합니다. 후속 출력 파일에는 참가자 수, 실시간, 상대(시작) 시간 및 테스트 참가자당 사용 식 동작 변수(물린 수, 츄수, 츄잉 지속 시간)에 대한 데이터가 포함되어 있습니다.
    참고: 모든 동작은 타임스탬프가 찍혀 있습니다. 수신기 소프트웨어에서 트레이의 추가 외부 데이터를 추출할 수 있습니다(예: 각 3개의 트레이의 중량에 대한 데이터). 데이터는 초당 10회 기록되고 전송됩니다. 트레이 데이터 수집 시간은 식습관 기록과 동기화됩니다.
  2. 프로그램 자체 내에서 다른 막대 차트에서 결과를 요약하고 시각화합니다. 로그 파일(.xsl)(그림5)에서결과를 원시 데이터로 내보냅니다.
  3. 로그 파일을 스프레드시트로 내보내고 기본 설정 통계 프로그램을 사용하여 데이터 분석을 수행합니다.
  4. 데이터 분석 전에 데이터를 정리합니다.
    참고: 플레이트에 칼붙이로 누르는 왜곡(무게 증가의 원인)으로 인해 트레이의 계량 데이터는 물린 크기를 나타내는 단계 크기, 물린 사이의 시간을 나타내는 단계 길이를 나타내는 단계 크기로 카플란 마이어 곡선으로 청소해야 합니다. 곡선의 시작은 시작 가중치를 나타내고 마지막 단계는 다음과 같이 최종 가중치를 나타냅니다.
    1. 시간 대를 통해 초당 측정으로 부드럽게 하여 극한의 값을 필터링합니다.
    2. 5 g 경계를 설정하고, 무게 고원을 감지하고(즉, +/- 5g 내의 변화 없음), 체중 변화(시간이 지남에 따라 5g 보다 큰 변화)를 감지하여 물린 크기와 부분 의 변화를 나타냅니다.
    3. 접시에 남아있는 칼으로 인한 체중 증가를 제외하십시오.
      참고: 출력은 웨이트 스테이션당 총 중량 변화(= 식사 크기), 평균 물기 크기 및 분당 물기의 끝입니다.
  5. 식사 과정에서 먹는 속도(g/sec) 및 물린 크기(g/bite) 변화를 결정하기 위해 트레이 체중 데이터와 먹는 동작을 수동으로 통합합니다(그림6, 도 7, 도 8, 도 9, 도 10).

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

느린 섭취율(도7),작은 한 모금/물린크기(그림 8)및 더 많은 츄(그림9)는mEETr 트레이에 의해 측정된 요구르트 및 주스(도6)에비해 샐러드의 섭취량이 낮아졌다. 참가자들은 과일 주스에 비해 과일 샐러드를 17% 적게 먹습니다. 모든 식사 행동 특성은 주스, 요구르트 및 샐러드 사이에 차이가 있습니다(그림 7, 그림 8, 그림 9). 참가자들은 요구르트와 주스에 비해 과일 샐러드에 훨씬 더 많이 츄어. 관찰된 츄 수는 요구르트와 과일 샐러드 사이에 3배씩 차이가 있었다. 또한 한 입 크기는 주스에 비해 한 입 당 샐러드 6.5 g로 가장 작았습니다 : 한...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

건강한 식단과 건강한 식습관은 과체중과비만(11)의예방 및 해결책에 중요한 역할을 하는 것으로 나타났다. 그러나, 식이 섭취량과 먹는 행동을 측정하는 데 사용되는 많은 방법은 사용자, 연구원 및 건강 관리 전문가에게 부담스니이며 메모리 및 부분 크기 추정에 의존하기 때문에 편향 될 수 있습니다. mEETr을 사용하여, 독립적으로 또는 기존의 비디오 및 식이 평가 방법과 함께, 노력과 식이 섭취 및 먹는 행동 평가의 정확성과 정밀도를 감소시킬 것이다.

mEETr을 사용하려면 몇 가지 중요한 단계를 해결해야 합니다. 한 가지 기본적인 방법론적 고려 사항은 녹화된 비디오의 얼굴 분석과 관련된 개인 정보 보호입니다. 참가자에 대 한 익명은 윤리적 연구의 필수적인 기능. 그러나 얼굴 분석이 mEETr의 일부가되는 경우 익명성은거의 불가능합니다 16. 따라서, 연구 환경에서 mEETr의 사용은 데이터 안전...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

mEETr 장치 및 동반 소프트웨어는 상업 파트너와 협력하여 개발되었습니다. 놀더스 정보 기술. 저자는 이해 상충을 선언하지 않습니다.

감사의 글

우리는 J.M.C. D. Meijer 와게닝겐 대학의 기술 개발 스튜디오와 mEETr 트레이의 개발에 대한 그의 도움에 대한 연구. 이 연구는 4 네덜란드 기술 대학, 4TU- 프라이드 및 편견 프로젝트에 의해 투자되었다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
배터리및배터리 팩(LiPo) 및 USB 포트 커넥터를 통해 전자 제품을 충전합니다. 이 포트의 데이터가 없습니다.
커넥터 프로그램NoldusNoldus 정보 기술 소프트웨어 대시보드 nview
디너 트레이nana유리 강화 에폭시의 표준 디너 트레이
더 큰 스케일nana 트리플포스 센서 방식을 기반으로 한 하나의 높은 범위의 맞춤형 스케일.
메인보드또는세 가지 스케일 측정값을 보정된 중량 숫자로 변환하는 메인보드. 이 보드에는 저전력 단거리 RF 송신기도 포함되어 있습니다.
OS WindowsMicrosoftwindows 10 Pro 64비트
프로세서 프로그램NoldusNoldus 정보 기술 소프트웨어 FaceReader
수신기 프로그램NoldusNoldus 정보 기술 소프트웨어 Observer
RF 수신기nanaRF 수신기에 연결된 사용자 정의 빌드 USB 변환기. 이 수신기에는 저역에 민감하게 만들기 위한 스퀠치 설정이 있습니다.
작은 저울nana triple force sensor 방법을 기반으로 하는 두 개의 낮은 범위의 맞춤형 저울.

참고문헌

  1. Burrows, T. L., Ho, Y. Y., Rollo, M. E., Collins, C. E. Validity of dietary assessment methods when compared to the method of doubly labeled water: A systematic review in adults. Frontiers in Endocrinology. 10, 850(2019).
  2. Brouwer-Brolsma, E. M., et al. Dietary intake assessment: From traditional paper-pencil questionnaires to technology-based tools. Environmental software systems. Data science in action. Advances in Information and Communication Technology. 554, (2020).
  3. Palese, A., et al. What nursing home environment can maximise eating independence among residents with cognitive impairment? Findings from a secondary analysis. Geriatric Nursing. 41 (6), 709-716 (2020).
  4. Krop, E. M., et al. Influence of oral processing on appetite and food intake - A systematic review and meta-analysis. Appetite. 125, 253-269 (2018).
  5. Nicolas, E., Veyrune, J. L., Lassauzay, C., Peyron, M. A., Hennequin, M. Validation of video versus electromyography for chewing evaluation of the elderly wearing a complete denture. Journal of Oral Rehabilitation. 34 (8), 566-571 (2007).
  6. Sabin, M. A., et al. A novel treatment for childhood obesity using Mandometer® technology. International Journal of Obesity. 7, (2006).
  7. Hermsen, S., et al. Evaluation of a Smart fork to decelerate eating rate. Journal of the Academy of Nutrition and Dietetics. 116 (7), 1066-1068 (2016).
  8. vanden Boer, J., et al. The splendid eating detection sensor: Development and feasibility study. JMIR mHealth and uHealth. 6 (9), 170(2018).
  9. Papapanagiotou, V., et al. A novel chewing detection system based on ppg, audio, and accelerometry. IEEE Journal of Biomedical and Health Informatics. 21 (3), 607-618 (2016).
  10. Ioakimidis, I., et al. Description of chewing and food intake over the course of a meal. Physiology & Behavior. 104 (5), 761-769 (2011).
  11. Ruiz, L. D., Zuelch, M. L., Dimitratos, S. M., Scherr, R. E. Adolescent obesity: Diet quality, psychosocial health, and cardiometabolic risk factors. Nutrients. 12 (1), 43(2020).
  12. Forde, C. G., van Kuijk, N., Thaler, T., de Graaf, C., Martin, N. Oral processing characteristics of solid savoury meal components, and relationship with food composition, sensory attributes and expected satiation. Appetite. 60 (1), 208-219 (2013).
  13. Weijzen, P. L. G., Smeets, P. A. M., de Graaf, C. Sip size of orangeade: effects on intake and sensory-specific satiation. British Journal of Nutrition. 102 (07), 1091-1097 (2009).
  14. Zijlstra, N., de Wijk, R. A., Mars, M., Stafleu, A., de Graaf, C. Effect of bite size and oral processing time of a semisolid food on satiation. The American Journal of Clinical Nutrition. 90 (2), 269-275 (2009).
  15. Bolhuis, D. P., et al. Slow food: sustained impact of harder foods on the reduction in energy intake over the course of the day. PloS One. 9 (4), 93370(2014).
  16. Grinyer, A. The anonymity of research participants: assumptions, ethics and practicalities. Social Research Update. 36 (1), 4(2002).

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

정오


Formal Correction: Erratum: Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method
Posted by JoVE Editors on 6/24/2021. Citeable Link.

An erratum was issued for: Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method. An author name was updated.

The name was updated from:

Cees de Graaf

to:

Kees de Graaf

태그

관련 논문