Summary
Bu makalede, uzman değerlendirmeleri ve kullanılabilirlik testleri de dahil olmak üzere yenilikçi bir akıllı telefon tabanlı diyet değerlendirme uygulaması Traqq'ın geliştirilmesine yönelik protokol açıklanmaktadır.
Abstract
Diyet alım verilerini hızlı ve güvenilir bir şekilde toplamak için Traqq (iOS / Android) adı verilen esnek ve yenilikçi bir akıllı telefon uygulaması (uygulama) geliştirildi. Bu uygulama bir gıda kaydı ve 24-h geri çağırma (veya daha kısa geri çağırma süreleri) olarak kullanılabilir. Her iki yöntem için önceden belirlenmiş bir süre içinde önceden belirlenmiş veya rastgele günlerde/zamanlarda farklı örnekleme şemaları oluşturulabilir ve katılımcıları gıda alımlarını kaydetmeye teşvik etmek için anlık bildirimler yapılabilir. Yanıt olmaması durumunda, bildirimler tam veri toplama sağlamak için otomatik olarak yeniden zamanlanır. Gıda kaydı olarak kullanmak için, katılımcılar uygulamaya erişebilir ve gün boyunca yiyecek alımlarını kaydedebilir. Yemek kayıtları günün sonunda otomatik olarak kapanır; tüketilen öğelerin gönderilmesinden sonra kapanır. Geri çağırma ve gıda kayıt modülü, farklı araştırma amaçlarına uyacak şekilde edilebilen Hollanda gıda kompozisyon veritabanına (FCDB) dayanan kapsamlı bir gıda listesine erişim sağlar. Bir gıda maddesi seçerken, katılımcıların aynı anda porsiyon boyutunu, yaniev önlemlerine (örneğin, bardaklar, kaşıklar, bardaklar), standart porsiyonboyutlarına(örneğin,küçük, orta, büyük) veya gram olarak ağırlık eklemeleri ve tüketim vesilesi / zamanı eklemeleri istenir. Porsiyon boyutu seçenekleri ayarlanabilir, örneğin,sadece tartılmış bir gıda kaydı veya yemek yerine tüketim zamanı durumunda gram olarak giriş). Uygulama ayrıca, yanıtlayanın kendi tariflerini veya ürün kombinasyonlarını(örneğin,günlük kahvaltı) oluşturmasına ve yalnızca tüketilen toplam miktarı bildirmesine izin veren bir Yemeklerim işlevi içerir. Daha sonra, uygulama verim ve saklama faktörlerini hesaplar. Veriler güvenli bir sunucuda depolanır. İstenirse, genel olarakveya belirli gıda maddeleri veya yeme etkinlikleriyle ilgili ek sorular dahil edilebilir. Bu makalede, uzman değerlendirmeleri ve kullanılabilirlik testi de dahil olmak üzere sistemin gelişimi (uygulama ve arka uç) açıklanmaktadır.
Introduction
Doğru diyet değerlendirmesi, beslenmenin sağlık ve hastalıkları önlemedeki rolüne ilişkin çalışmaların kalitesini sağlamak için çok önemlidir. Şu anda, bu tür çalışmalar genellikle yerleşik kendi kendine rapor diyet değerlendirme yöntemlerini, yanigıda sıklığı anketlerini, 24-h geri çağırmaları (24hRs) ve / veya gıda kayıtlarını kullanır1. Bu yöntemlerin beslenme araştırmaları için büyük öneme sahip olmasına rağmen, hafıza ile ilgili önyargı, sosyal istirafiyet önyargısı gibi çeşitli dezavantajlara da sahiptirler ve araştırmacının yanı sıra araştırmacı için de külfetlidir1,2. Son teknolojik buluşlar artık bu dezavantajların üstesinden gelme fırsatı sunuyor. Geçtiğimiz yıllarda, çeşitli araştırma grupları bu fırsatı değerlendirdi ve bu bilinen dezavantajlardan bazılarını ele alan beslenme araştırmaları için web tabanlı ve akıllı telefon tabanlı diyet değerlendirme araçları geliştirdi (web ve akıllı telefon tabanlı araçlara kapsamlı bir genel bakış için Eldridge ve ark.3'e bakın), yanihata nedenlerini azaltmak, kullanıcı dostuluğu artırmak ve katılımcının ve araştırmacının yükünü azaltmak1.
Bununla birlikte, beslenme araştırmaları için uygun olan tam otomatik ve doğrulanmış akıllı telefon uygulamalarının (uygulamaların) sayısı hala sınırlıdır. Mevcut diyet değerlendirme uygulamalarının çoğu(yani,ticari olarak veya araştırma için geliştirilmiştir) ya tam otomatik değildir(yani,gıda maddelerinin manuel olarak kodlanarak kodlantır) veya (iyi) doğrulanmışdeğildir 3. Ayrıca, mevcut doğrulanmış uygulamaların çoğu belirli bir araştırma amacı ve belirli bir ülkede kullanım için geliştirilmiştir; oldukça sabit tasarımlar nedeniyle, bu tür uygulamaları başka araştırma amaçları için veya diğer ülkelerde yeniden kullanmak 3 , 4,5,6,7,8. Son olarak, gıda kaydı tabanlı uygulamaların kullanılabilirliğine rağmen, bugüne kadar, henüz geri çağırma tabanlı uygulama yok gibi görünüyor. Gıda kayıtları reaktivite önyargısına eğilimli olsa da, yani,katılımcılar gözlemlendikleri farkındalığı nedeniyle gıda alımlarını değiştirebilirler2,9, bu, doğrulanmış bir geri çağırma tabanlı uygulamanın geliştirilmesi ihtiyacını vurgulayan geri çağırmalar için durum böyle değildir10. Traqq adlı yenilikçi bir diyet değerlendirme uygulaması, araştırma sorusuna bağlı olarak, hollanda'da bir gıda kaydı ve geri çağırma olarak kullanılabilecek kullanılmak üzere geliştirilmiştir1.
Gıda kayıt seçeneği ve geri çağırma seçeneği arasında geçiş yapma imkanının yanı sıra, bu uygulama esnek doğası nedeniyle diğer diyet değerlendirme araçlarından da farklıdır. Özellikle, yemek listesi, porsiyon büyüklüğü tahminleri, örnekleme şemaları ve ek sorular ekleme imkanı ile ilgili olarak. Sistemdeki esneklik düzeyi, diyet davranışlarının doğru bir şekilde değerlendirilmesini gerektiren birden fazla araştırma amacına uyarlamayı sağlar. Şu anda, uygulama doğrulanma sürecindedir ve çeşitli beslenme ile ilgili araştırmalarda kullanılmaya hazır olacaktır. Uygulama, diyet davranışlarını ölçmek ve etkilemek için beslenme müdahale programlarında da kullanılabilir ve belki de kullanım için daha da geliştirilebilir. Güvenilir diyet değerlendirme araçlarının geliştirilmesi zor olduğundan ve bu süreçlerle ilgili raporlar, özellikle kullanıcı ve uzman katılımı ile ilgili olarak3,11,12, bu makale, farklı bilgi kaynaklarının bu akıllı telefon tabanlı diyet değerlendirme uygulamasının sistematik ve yinelemeli gelişimine nasıl entegre edildiğine dair ayrıntılı bir genel bakış sunmaktadır. Süreç teori, uzman danışmanlığı ve kullanıcı katılımını içerir.
Protocol
NOT: İnsan katılımcılar dahil tüm işlemler çoğunlukla nitel araştırma yöntemleri ile invaziv olmayan bir şekilde gerçek yapılmıştır. Değerlendirmeler başlamadan önce tüm katılımcılardan bilgilendirilmiş onam alınmıştır. Bu protokol, 1-3. aşamaların iç içe geçtiği kabaca dört aşamaya ayrılabilen yinelemeli gelişim sürecini açıklar (Şekil 1).
Şekil 1: Uygulamanın yinelemeli geliştirme sürecinin aşamalarına genel bakış. Geliştirme süreci toplamda beş aşamadan oluşuyordu. Bununla birlikte, süreç yinelemeliydi, bu da 1 ile 3 arasında aşamaların iç içe geçtiği anlamına geliyor. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
1. Gerçek gelişim sürecinin hazırlanmasında kapsamlı biçimlendirici araştırmalar yapmak.
- Doğru gıda alımı veri toplama, yanigıda giriş yöntemi (gıda listesi ve temel FCDB dahil) ve porsiyon büyüklüğü tahminleri için önemli olduğu bilinen özelliklere özel dikkat göstererek mevcut web ve akıllı telefon tabanlı diyet değerlendirme araçlarını keşfeden masaüstü araştırması yapın.
- Diyet değerlendirme metodolojisi, bilgi sağlama, güvenilirlik, arama motoru ve uygulanan özellikler(ör.görüntüler, barkod tarayıcı, tarif işlevleri) gibi yönlere odaklanan mevcut web ve akıllı telefon tabanlı diyet değerlendirme araçlarını inceleyin.
- Diyet değerlendirmesi alanında uzmanlara danışın.
NOT: Masaüstü araştırma ve mevcut araçların incelenmesinin sonuçları, uygulamanın geliştirilmesi için taslak bir tasarım planına yol açan diyet değerlendirmesi alanındaki uzmanlarla tartışıldı. Bu taslak tasarım planı uzmanlar tarafından değerlendirildi ve gerektiği gibi daha da geliştirildi.
2. Diyet değerlendirme uygulamasını tasarlayın
- Animasyon, markalaşma, renk, düzen ve tipografi20gibi önemli yönleri göz önünde bulundurarak uygulamanın görsel tasarımını oluşturun.
NOT: Boşluk, renk, yazı tipleri, grafikler ve arayüz öğeleri içeriği vurguladıkça ve etkileşimi ilettikçe, uygulamanın işlevselliğini kolaylaştıran öğelerin dahil edilmesi önemlidir. - Toplanan gıda alımı verilerinin besin hesaplamalarını kolaylaştırmak için güvenilir bir FCDB (burada, NEVO) seçin14.
- FCDB'de belirtilen gıda maddelerinin açıklamasını eleştirel bir şekilde değerlendirerek bir gıda listesi oluşturun.
NOT: FCDB'ler çoğunlukla profesyonel kullanım için geliştirilmiştir; gıda açıklamaları genellikle karmaşık ve aranabilirliği engeller(örneğin,"margarin az yağlı% 35 yağ < 10 g doymuş yağ tuzsuz"23). - Arama motoru gereksinimlerini formüle edin; gıda maddelerinin aranabilirliğini kolaylaştırmak için noktalama işaretlerinin, yabancı adların, yanlış yazımların, farklı arama terimlerinin ve arama sonuçlarının sırasının kullanımını göz önünde bulundurun.
- Mevcut çeşitli diyet değerlendirme araçlarını değerlendirerek ve uygun seçeneklerin saha testini değerlendirerek porsiyon büyüklüğü tahminini (yardım) seçin.
- Kullanıcının uygulamadaki gezintisinin mantıklı, öngörülebilir ve takip etmesi kolay olduğundan emin olmak için uygulama içinde yönlendirme tasarlayın.
- Uygulamayı kontrol etmek için arka uç özelliklerini ve gereksinimlerini tasarlayın; genel proje yönetimi, projeye özgü yönetim(örneğin,katılımcılar, davetler, veri toplama) ve kullanıcı yönetimi(örneğin,yetkilendirmeler) ile ilgili işlevleri içerir.
3. Araştırmacılar tarafından yapılan değerlendirmeler
NOT: Her yükseltmenin ardından uygulama, işlevlerin beklendiği gibi iyileşip iyileşmediğini doğrulamak için diyet değerlendirmesinde (kurum içi test) uzmanlığa sahip beslenme bilimcileri ve araştırma diyetisyenleri tarafından test edildi. Aşağıdaki talimatlar araştırmacılar tarafından yürütülecektir.
- Uzmanların uygulamayı tek tek ve rehberlik olmadan keşfedebilmeleri için ilk kez bir kullanıcı deneyimini simüle etmek için bilişsel izlenecek yollar yoluyla uzman değerlendirmesi yapın28. Bilişsel izlenecek yolların aşağıdaki adımlardan oluştuğundan emin olun.
- Uzmanın akıllı telefonun markası ve türü hakkında genel bir anket doldurduğından emin olun.
- Uygulamayı uzmanın akıllı telefonuna yükleyin.
NOT: Doğru kurulum ve işleyişi sağlamak ve değerlendirme sırasında kesinti riskini en aza indirmek için, araştırmacının önce uygulamanın işlevselliğini doğrulaması önerilir. - Her uzmanın ilk kez kullanıcı(yaniaraştırma katılımcısı) rolünü üstlenmesinin istendiği test prosedürleri hakkında uzmana talimat vermek. Değerlendirmenin uzmanın kendi bakış açısından değil, kullanıcının bakış açısından yapıldığını vurgulayın.
NOT: Kullanıcının deneyimli bir akıllı telefon kullanıcısı olduğu ve genel olarak uygulamaların kullanımı hakkında bilgi sahibi olduğu varsayıldı. Ancak, bu uygulama ilk kez kullanıldı. - Ekran ve ses kaydını başlatın.
- Uygulamayı kullanırken ve önceden belirlenmiş bir görev kümesini gerçekleştirirken uzmanın bilişsel izlenecek yolu tamamlamasını isteyin31: 1) "Akşam yemeğimi kaydetmek istiyorum. Bir bardak domates çorbası ve bir bardak sütle başladım.", 2) "Bundan sonra, düzenli olarak tükettiğim ve favori olarak girmek istediğim bir makarna yemeği yedim (yani Yemekleriminselefi )." [tarif sağlandı], 3) "Makarna yemeğini de tükettiğim için, bunu bugünün gıda alım kaydına eklemek istiyorum."ve 4) "Akşam yemeği sırasında yemiş olduğum her şeye girdim. Girdimi bir kez daha kontrol etmek ve sonra göndermek istiyorum."
NOT: Uzman, görevleri yerine getirirken, araştırmacıyı düşünce süreci hakkında, yaniaçıklanan görevi yerine getirmek için tamamlanması gereken adımları açıklayarak bilgilendirir. - Belirsizlikleri açıklığa kavuşturmak için kısa bir takip yapın32ve uzmana ek geri bildirim fırsatı sağlayın.
- Görevlerin amaçlandığı gibi yürütüldüğünden emin olmak için kayıtları kontrol ederek ve sağlanan ek yorumları gözden geçirerek her uzmanın sonuçlarını değerlendirin.
- Kayıtlara dayanarak yapılan varsayımların doğru olup olmadığını değerlendirmek için sonuçları uzmanlarla paylaşın.
NOT: Değerlendirme sonuçları uzmanlara danışılarak tartışılmış ve önceliklendirilmiştir. Bu değerlendirmenin sonuçlarına göre, uygulama daha da yükseltildi.
- Aşağıdaki adımları izleyerek, uygulamanın amaçlanan kullanıcılar arasındaki kullanılabilirliğini ve sevilebilirliğini, yüksek sesle yapılan görüşmeler ve sistem kullanılabilirlik ölçeği (SUS)33 ile değerlendirmek için amaçlanan kullanıcılarla kullanılabilirlik testi yapın:
- Hedef kullanıcı popülasyonu35'itemsil eden katılımcıları işe alın.
- Ekran ve ses kaydı da dahil olmak üzere çalışma prosedürleri hakkında katılımcıya talimat ver. Daha sonra katılımcılardan bilgilendirilmiş onay alın.
NOT: Araştırmacının değerlendirme sırasında katılımcıyı "yüksek sesle düşünmeye" teşvik etmesi, yanigörevi yerine getirirken her görevi tamamlamak için gerekli adımlar hakkındaki düşüncelerini açıklaması ve hangi işlevlerin iyi çalıştığı veya çalışmadığı hakkında yorum yapması önemlidir. - Uygulamayı katılımcının akıllı telefonuna yükleyin.
NOT: Doğru kurulum ve işleyişi sağlamak ve değerlendirme sırasında kesintiler riskini en aza indirmek için, araştırmacının öncelikle uygulamanın işlevselliğini doğrulaması önerilir. - Katılımcıdan yüksek sesle düşünme röportajı için bir uygulama görevi gerçekleştirmesini isteyin: katılımcılardan yatak odalarını görselleştirmelerini ve pencere sayısını saymalarını isteyin, araştırmacıya pencereleri sayarken gördüklerini ve düşündüklerini anlatın. Daha sonra, katılımcılardan yatak odalarındaki pencerelerden birine yaklaşmalarını ve bu pencereye giderken deneyimlerini açıklamalarını isteyin.
NOT: Katılımcıların istedikleri gibi yüksek sesle düşünmeleri için rahat hissetmelerini sağlamak için gerekirse bir uygulama görevi sağlanmış ve tekrarlanmıştır37. - Ekran ve ses kaydını başlatın.
- Katılımcıdan önceden tanımlanmış görevlerle gerçek düşünme-yüksek sesle röportajı tamamlamasını isteyin: katılımcı şunları yapmalıdır: 1) önceki gün boyunca yedikleri ve içtikleri her şeyi kaydetmeli ve 2) Yemeklerim işlevi aracılığıyla düzenli olarak tüketilen bir yemeği kaydetmelidir.
- Oturum sırasında, "Yüksek sesle konuşmaya devam et", "Bana ne düşündüğünü söyle" veya "Aklında ne olduğunu söyle" gibi basit istemlerle katılımcıları gözlemleyin, not alın ve gerekirse yüksek sesle düşünmeye devam etmeye teşvik edin. Katılımcının düşünce sürecine müdahaleyi önlemek için daha fazla etkileşimi en aza indirin28,32.
- Belirsizlikleri açıklığa kavuşturmak için kısa bir takip gerçekleştirin32.
- Katılımcıdan yaş, cinsiyet, eğitim düzeyi, akıllı telefon türü, akıllı telefon deneyimi seviyesi(yani,deneyimli kullanıcıların görevleri hızlı ve doğru bir şekilde gerçekleştirme olasılığı daha yüksektir38) ve sus33- 10 maddelik bir anketin yanı sıra, 1 (kesinlikle katılmıyorum) ile 5 (kesinlikle kabul etme) arasında değişen Likert ölçeği puanlaması yoluyla sistemin kullanılabilirliğini değerlendirmek için bir değerlendirme anketi doldurmasını isteyin.
- Her oturumdaki verileri 1) transcribing, kodlama ve oluşturma (alt) temaları ve 2) 0 ile 10033arasında bir puanla sonuçlanan önceden tanımlanmış bir formül kullanarak SUS puanını hesaplama , burada >68/100 puanı, aracın ortalamanın üzerinde kullanılabilirlik seviyesinde çalıştığını ve 80/100'> bir puanın mükemmel kullanılabilirliği39gösterdiğinigösterir. 40.
NOT: Oturuma rehberlik eden araştırmacının nitel veri analizi yazılımı kullanarak verileri analiz ettiği önerilir. Belirsizlik durumunda ikinci bir araştırmacıya danışılabilir.
- Diyet alım kayıtlarının doğrulanmış geleneksel yöntemlere ve tercihen bağımsız önlemlere karşı nicel doğrulamalarını gerçekleştirin3.
NOT: Uygulama, web tabanlı ve telefon tabanlı(yaniröportajlar) 24hR'lerin yanı sıra bağımsız idrar ve kan biyokimyasal belirteçlerine karşı doğrulanıyor. Uygulamanın nicel doğrulaması bu makalenin kapsamı dışında olduğundan, bu daha fazla tartışılmayacaktır.
4. Uygulama ve etüt yönetimi için arka uç sistemini kullanma
NOT: Sistemin üç yetkilendirme düzeyi vardır: (1) yönetici-bu yetkilendirme düzeyi arka ucun tüm bölümlerine erişim sağlar(örneğin,yeni kullanıcılar oluşturmak, kullanıcı yetkilendirmesini belirlemek ve kullanıcılara bir veya daha fazla projeye erişim izni vermek); (2) proje yöneticileri-bu yetkilendirme düzeyi belirli projelere erişime ve yeni projeler oluşturma imkanına izin verir; ve (3) araştırmacılar-bu yetkilendirme seviyesi yalnızca araştırmacıların dahil olduğu belirli projelere erişim sağlar.
- Arka uçtaki kullanıcıların ve projelerin yöneticiler tarafından yönetilmesi
- Giriş kimlik bilgileri(yanikullanıcı adı, şifre) ile traqq.idbit.netaracılığıyla çevrimiçi arka uyruma erişin.
- Projeler sekmesini ve ardından Yeni proje oluştur 'u tıklatarak yeni bir proje oluşturun.
- Bir sonraki ekranda, istenen proje ayrıntılarını girin(örneğin,proje adı, kişi açıklaması, iletişim e-postası, iletişim telefonu, iletişim web sitesi).
NOT: Yeni bir proje oluşturmak için yalnızca proje adı zorunludur. Kişi açıklaması, e-posta, telefon numarası ve web sitesi, Kişi ve Bilgi düğmesinin altındaki uygulamada görünür hale gelir. - İstediğiniz özellikleri seçin(örneğin,ürün listesi, yeme vesilesi ve/ veya tüketim zamanı, kayıt veya geri çağırma) sorun).
NOT: Her yeni proje, en uygun diyet değerlendirme yöntemi(örneğin,kayıt veya hatırlama), yemek listesi, porsiyon büyüklüğü tahmini ve yeme etkinliği veya yemek saatleri ile ilgili bireysel karar vermeyi gerektirir. - Kaydet 'i tıklatarak yeni projeyi kaydedin.
NOT: Ekran kapandığında, yönetici Projeye genel bakış ekranına geri döner. - Ardından, Kullanıcı sekmesine ve ardından Yeni kullanıcı ekle 'yetıklayarak yeni bir kullanıcı oluşturun.
- Aşağıdaki ekranda, bir Kullanıcı Adı, Parolagirin ve kullanıcıya bir Rol atayın (örneğin,yönetici, yönetici veya kullanıcı).
- Kaydet 'i tıklatarak yeni kullanıcıyı kaydedin.
NOT: Ekran kapandığında, yönetici Kullanıcıya genel bakış ekranına geri döner. - Belirli bir kullanıcı için not defteri simgesini(örneğin,Sütun düzenle) tıklatarak bir kullanıcıyı projeye atayın.
- Bağlantılı Projeleraltındaki açılır menüyü açarak, istediğiniz projeyi seçerek ve Ekle 'yitıklatarak proje atayın.
NOT: Bu eylemin kullanıcının atanması gereken her proje için yinelenmesi gerekir. - Oturum açma kimlik bilgilerini arka uç URL'si ile birlikte yeni kullanıcıya iletin.
- Arka uçtaki projelerin araştırmacılar tarafından yönetilmesi (i.e., Yönetici veya Kullanıcı rolü)
- Yönetici tarafından sağlanan kimlik bilgilerini kullanarak traqq.idbit.net aracılığıyla arka uçta oturum açın.
- Projeleri yönetmek için Projelere git'e tıklayın.
- İstediğiniz proje için Görünüm sütunundaki oka tıklayın.
NOT: Bunu yaptıktan sonra, araştırmacı bir Projeye Genel Bakış sayfasına alınır ve bu özel proje için yeni sekmeler görüntülenir. - Katılımcılar sekmesine tıklayarak arka uçtaki katılımcıları girin. Ardından, Katılımcıya Genel Bakış ekranı görüntülendiğinde, Yeni katılımcı ekle 'yitıklatın.
- Aşağıdaki ekranda Kod Adı, Notlar (isteğe bağlı), Oturum Açma Kimliği, Oturum Açma Anahtarıve Kaydetile bitiş girin.
NOT: Katılımcının çalışma kimliğinin hem kod adı hem de oturum açma kimliği olarak kullanılması önerilir. Bu, birden çok oturum açma kimlik bilgisi durumunda katılımcının karışıklığını en aza indirir. Ayrıca, kod adı yanıtlarda görülebilir. Katılımcı kimliği kullanmak, verilerin kullanımını kolaylaştırır. Bu seçeneğin her katılımcı için yinelenmesi gerekir. Daha büyük gruplar için, Katılımcıları dosyadan içeri aktar (.csv) kullanılabilir. Burada, her katılımcı için aynı ayrıntılar gereklidir. Arka uç, katılımcıların kişisel bilgilerini içeremez. - Davetler sekmesine tıklayarak her katılımcı için davetler planlayın. Ardından, Davete Genel Bakış ekranı görüntülendiğinde, Yeni davet ekle 'yitıklatın.
- Aşağıdaki ekranda, açılır menüden bir Katılımcı seçin ve Dönem başlangıç saati, Dönem bitiş saati, Açılış saati, Kapanış saati, Anket URL'si (yani,ek soruların uygulanması için isteğe bağlı), Notlar (isteğe bağlı), Etkinleştir (her zaman evet) girin.
NOT: Dönem başlangıç ve bitiş saati raporlama zaman dilimine(örneğin,..:.. ve ..:.. arasında tüketilenlere) atıfta bulunur. Buna karşılık, açılış ve kapanış saati, katılımcının alımını gerçekten bildirebileceği dönemi ifade eder. Harici bir anketin doğru uygulanması biraz kodlama gerektirir; bunun için yöneticiden yardım önerilir. Davetlerin çoğunda, Dosya altındaki Davetleri İçeri Aktar (.csv) seçeneği kullanılabilir. Dosya, el ile girişle aynı bilgileri gerektirir. Davetler örnekleme şemaları aracılığıyla da oluşturulabilir(örneğin,sistemin örnekleme süresi, gerekli davet sayısı, yanıt son tarihi gibi kuralların önceden ayarlanmış olmasına bağlı olarak farklı gün ve zamanlarda rastgele bir davet şeması oluşturduğu yer). Örnekleme Düzenleri seçeneğinin bir avantajı, yanıtlanmaması durumunda sistemin otomatik olarak yeni bir davet zamanlamasıdır. - Açılır menüden ilgi çekici bir katılımcı seçerek Takvim sekmesi üzerinden veri toplamayı izleyin.
NOT: Takvim, genel olarak veya belirli katılımcılar için bir proje içindeki zamanlanmış davetlere genel bir bakış sağlar. Gelecekteki davetler mavi ile tasvir edilir, tamamlanan geçmiş davetler yeşil, yanıtsız geçmiş davetler ise kırmızıdır. Davetlere verilen yanıtlar Yanıt sekmesinden de kontrol edilebilir. - Yanıt sekmesi aracılığıyla yanıtları izleyin.
NOT: Yanıt bölümünde, bildirilen gıda alım verileri(örneğin,gıda maddesi, tüketilen miktar, yeme durumu ve/veya tüketim zamanı) toplanır. - Yöneticiden veri verme isteğinde bulunur.
NOT: Veriler, yönetici tarafından daha fazla analiz(örneğin,yanıtlar/ gıda alımı verileri, uyumluluk verileri) için arka uçtan bir .csv dosyasına aktarılabilir. Yanıtlar arasında bildirilen gıda maddeleri, seçilen porsiyon boyutları, gram olarak tüketilen miktarlar ve yeme durumları / zamanları bulunur. - derinlemesine besin analizleri için .csv dosyasını beslenme hesaplama yazılımına aktarın.
NOT: Veriler, Hollanda FCDB'sini kullanan beslenme hesaplama yazılımına aktarılabilir.
5. Çalışma sırasında uygulamanın katılımcılar tarafından kullanılması
- App Store (iOS) veya Google Play Store'dan (Android) serbestçe kullanılabilen uygulamayı indirin ve giriş yaparak uygulamaya erişin.
NOT: Uygulamaya erişmek için araştırmacı tarafından sağlanan giriş kimlik bilgileri gereklidir (adım 4.2.5.). Oturum açtıktan sonra uygulama, katılımcının kimlik bilgilerine (adım 4.2.7.) göre arka uçta planlandığı gibi davetler gönderir. - Uygulama üzerinden davet aldıktan sonra gıda alımını bildirin.
NOT: Katılımcılar gıda alımlarını yalnızca önceden belirlenmiş gün ve saatlerde kaydedebilirler.- Alınan bildirime tıklayarak veya uygulamayı uygulama simgesi üzerinden açarak uygulamayı açın.
NOT: Uygulamayı açtıktan sonra, önceki ve geçerli davetlerin görüntülendiği bir Davete Genel Bakış ekranı görüntülenir. - Açık davete tıklayın.
NOT: Katılımcı, davet döneminin görünür olduğu bir Genel Bakış ekranına alınır. - Ürün toevoegen (Gıda maddesi ekle) üzerine tıklayarak önce tüketilen gıda maddesini girin.
NOT: Katılımcı Arama ekranına alınır. - Tüketilen öğenin adını yazmaya başlayın (örneğin,portakal suyu [jus d 'orange]). Yazarken göründüğü gibi istediğiniz öğeye tıklayın.
- Aşağıdaki ekranda, tüketilen miktarı (Hoeveelheid), ilgili porsiyon boyutu açıklamasını (Portie), yeme vesilesi (Maaltijdmoment) ve / veya tüketim zamanını (Tijdstip) bildirin ve kaydederek sonlandırın (Opslaan) .
- Tüm gıda maddeleri rapor edilene kadar yukarıda belirtilen adımları tekrarlayın.
- Listeyi (geri çağırma)(Lijst versturen) (Liste Gönder) üzerine tıklayarak gönderin veya davet günün sonunda otomatik olarak kapanır (kayıt).
NOT: Liste Gönder seçeneği kayıt sürümünde de görülebilir, böylece kaydı kullanan katılımcılar girişlerini veritabanına da gönderebilir. Ancak, veriler zaten gönderilmiş olsa bile, davet günün sonunda kapanmaya devam eder ve tüm verileri sunucuya gönderir.
- Alınan bildirime tıklayarak veya uygulamayı uygulama simgesi üzerinden açarak uygulamayı açın.
Representative Results
Sistem (uygulama ve arka uç), yukarıda açıklanan protokolde belirtilen adımlar kullanılarak geliştirilmiştir; bu işlemin önemli sonuçları aşağıda açıklanmıştır ve uygulamanın son tasarımı ile sonuçlanmaktadır.
Biçimlendirici araştırma
Kapsamlı literatür taramasına ek olarak, diyet değerlendirme metodolojisi ve uygulanan özellikler açısından çeşitli web tabanlı araçlar(örneğin,Compl-eat13, ASA24 14 , Foodbook2415, MyFood2416) denetlendi. Buna ek olarak, Hollanda'da sıkça kullanılan birkaç gıda izleme uygulamasının performansı karşılaştırıldı (örneğin,MijnEetmeter17, MyFitnessPal18, Virtuagym Food19), diyet değerlendirme metodolojisi, bilgi sağlama, güvenilirlik, arama motoru ve ek özelliklerin kullanımı(örneğin,görüntüler, barkod tarayıcı, tarif işlevleri) gibi yönlere odaklanmaktadır. Bu incelemenin sonuçları, uygulamanın bir gıda kaydı ve geri çağırma olarak kullanılabilecek şekilde geliştirilmesi kararına yol açtı. Ayrıca, orijinal tarifler veya sık tüketilen ürün kombinasyonları(örneğin,günlük kahvaltı) oluşturmak için kullanılabilecek Yemeklerim işlevinin uygulanmasına yol açtı. Bu işlevde verim ve bekletme faktörleri otomatik olarak dikkate alınır.
Gıda ve besin alımını doğru bir şekilde ölçmek için, pratik de olsa eksiksiz bir gıda listesi çok önemlidir. Böyle bir gıda listesinin derlenilmesi, yiyecek listesinin kapsamlılığı ile gıda maddelerinin aranabilirliği arasında bir denge gerektirir(yani,gıda açıklamalarının açık, anlaşılır ve bulunması kolay olması gerekir)41,42. Gıda bileşim verileri diyet değerlendirmesinin temel temelini oluşturduğundan21,22, geliştirilen gıda listesinin doğru gıda bileşim verilerine bağlanabilmesini sağlamak önemlidir. Uygulamaya dahil edilen yiyecek listesi, güvenilirliği ve zengin gıda kompozisyon verileri için seçilen Hollanda FCDB (NEVO)14'e dayanmaktadır. Başlangıçta, NEVO 2.389 gıda öğesinden (sürüm 2016/5.0) oluşur ve bu da "kafa karıştırıcı öğeleri" ortadan kaldırarak 1.449 maddelik bir gıda listesine indirgenmiştir (örneğin.çiğ olarak tüketilemeyen gıdalar, ilaveler olmadan tüketilemeyen gıdalar) veya dahil edilmesi gerekli olmayan ürünler (örneğin,Hollanda Gıda Tüketimi Anketine (DNFCS) dayalı düşük tüketim oranları nedeniyle43).
Ek olarak, NEVO farklı marka adlarına sahip benzer yiyecekler içerir; böyle bir durumda, sadece genel seçenek yiyecek listesine dahil edildi. Kullanılabilirliği daha da kolaylaştırmak için, bazı gıda maddeleri 'hazırlanmış', 'dondurulmuş', 'ortalama' ve 'doğal' gibi gereksiz terminolojiyi ortadan kaldırmak için yeniden adlandırıldı. Bu "temizleme protokolü" üç iyi eğitimli araştırma diyetisyeni tarafından geliştirilmiş ve NEVO güncelleştirildikten sonra yeniden çalıştırılabilen bir sözdizimi ile yürütüldü. Buna ek olarak, gıda maddelerinin aranabilirliğini optimize etmek için, dahil edilen gıdaların 1.019 tanınmış eşanlamlısı besin listesine eklendi. Böylece, uygulamaya dahil edilen yiyecek listesi sonunda 2.468 öğeden oluşuyor. Yemek listesi geliştirmesinin bir özeti Şekil 2'de görüntülenir. Not etmek için, bu kapsamlı gıda listesi genel kullanım için geliştirilmiş olmasına rağmen, uygulamanın arka ucu gerekirse alternatif gıda listelerinin içe geçmesine izin verir.
Şekil 2: Uygulama için geliştirilen yemek listesinin yapısı. Yemek listesi Hollanda gıda kompozisyon veritabanına (FCDB) dayanmaktadır ve son yemek listesindeki her öğe için ilgili porsiyon büyüklüğü önerileri ve eşanlamlılar eklenmiştir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Diyet değerlendirmesinin bir diğer önemli yönü de porsiyon boyutlarının ölçülmesidir. Her ne kadar porsiyon boyutu tahmin yardımcıları (PSEAs), örneğin, görüntüler, referans nesneler ve standart porsiyon boyutları, tüketilen gıda miktarlarının raporlanması desteklesede, 24,26,44, porsiyon boyutlarının yanlış bildirilmesi hala önemli bir önyargı kaynağıdır24,25,45,46ve farklı PSEA'ların etkinliğine ilişkin literatür tutarsızdır26. Gıda görüntüleri, porsiyon boyutu önerileri(yanistandart boyutlar ve ev önlemleri) ve gram olarak ağırlığın serbest girişi, web ve akıllı telefon tabanlı diyet değerlendirme araçlarında en çok kullanılan PSEA'lardır34. Örneğin, porsiyon boyutu önerileri(örneğin,bardaklar, kaşıklar, küçük, büyük) Compl-eat 13 ve Oxford WebQ47gibi araçlarda kullanılırken, görüntüler ASA2414 ve Myfood2416 gibi araçlarda porsiyon boyutu tahminlerine yardımcı olur. Uygulama için en uygun PSEA'yı araştırmak için, porsiyon boyutu önerilerinin doğruluğunu(örneğin,küçük, orta, büyük veya bardak, kaşık), gram olarak ücretsiz giriş ve porsiyon boyutu görüntülerini karşılaştırmak için bir pilot çalışma yapıldı. Bu çalışmanın sonuçları, gram27miktarları girme seçeneği ile birlikte uygulamadaki PSEA olarak porsiyon boyutu önerilerinin uygulanmasına yol açtı.
Uzman incelemesi
Uzman değerlendirmelerinin amacı, uygulamayı işlevsellik ve öğrenme kolaylığı açısından niteliksel olarak değerlendirmekti. Birçok kullanıcı yazılımı kene olarak öğrenmeyi tercih ettiğiiçin 29Bir sistemin öğrenilebilirlik düzeyi önemlidir. %60'ının Android akıllı telefon kullandığı bilişsel izlenecek yollara 4 (araştırma) diyetisyen ve 6 beslenme ve sağlık davranışı uzmanı (bilim insanı) olmak üzere toplam 10 uzman katıldı. En önemlisi, uzman değerlendirmeleri, uygulamanın ilk sürümünün yeterince sezgisel olmadığını, örneğinmenü yapısının belirsiz düğmeler / simgeler nedeniyle belirsiz olarak değerlendirildiğini ve arama motorunun mantıksız bir sonuç sırası oluşturduğunu belirtti. Seçilen maddelerin değiştirilememesi ile ilgili uzman incelemelerinden kaynaklanan bir diğer kritik nokta. Bu sonuçlara dayanarak, uygulamanın tasarımı aşama 2'den itibaren önemli ölçüde yükseltildi (Şekil 1).
Kullanılabilirlik değerlendirmesi
Kullanılabilirlik değerlendirmesinin temelini oluşturan yüksek sesle düşünme söyleşilerine toplam 22 katılımcı katıldı. İlk örneklem boyutu 20 katılımcı36olarak ayarlandı ve ardından veri doygunluğu değerlendirildi. 20 görüşmeden sonra veri doygunluğuna ulaşılamadığı için, art arda yapılan her görüşmeden sonra veri doygunluğu değerlendirilirken kapsayıcılık devam etti. Katılımcıların ortalama ± standart sapma yaşı 48 ± 17 yıl (dağılım 22-70 yıl); Nüfusun %36'sı erkekti ve nüfusun çoğunluğu yüksek eğitimliydi (%55). Buna ek olarak, çoğu katılımcı bir Android cihaz kullandı (n=14,%64) ve neredeyse tüm katılımcılar akıllı telefon kullanımıyla ilgili 1 yıldan fazla deneyime sahipti (n=21, %96) (Tablo 1). Tüm katılımcılar görevleri en az talimat olmadan veya en az talimatla tamamladı.
| Toplam (n=22) | |
| Cinsiyet | |
| Erkek (%) | 36.4 |
| Kadın (%) | 63.6 |
| Ortalama yaş (ortalama, SD) | 48.1 (17.2) |
| Eğitim düzeyi | |
| Düşük (%) | 0 |
| Orta (%) | 45.5 |
| Yüksek (%) | 54.5 |
| Akıllı telefon türü | |
| Android (%) | 63.6 |
| iOS (%) | 36.4 |
| Akıllı telefon deneyimi | |
| 6 aydan kısa (%) | 4.5 |
| 6 ay ile 1 yıl arasında (%) | 0 |
| 1 yıldan uzun (%) | 95.5 |
| SUS (ortalama, SD) | 79.4 (15.1) |
Tablo 1. Çalışma popülasyonunun özellikleri ve kullanılabilirlik değerlendirmesinin sonuçları. Bu tabloda katılımcı özellikleri ile birlikte yalnızca sistem kullanılabilirlik ölçeğinin (SUS) sonuçları gösterilmektedir.
Bazı katılımcılar (n=13, %59) Yemeklerim işlevini kullanırken zorluklara işaret ederken; diğerleri (n=5, %23), menü düğmesinin yavaş yanıt ve daha küçük akıllı telefonların yetersiz ekran boyutuyla ilgili düğmeleri kullanmada zorluklar gibi küçük işlevsellik sorunlarıyla karşılaştı. Ayrıca, 15 (%68) katılımcı, tüketilen porsiyon boyutlarını gram olarak girme seçeneğini tercih ettiğini belirtti. Son olarak, SUS puanının değerlendirilmesi 79/100 (aralık 40-100) olduğunu gösterirken, 22 katılımcıdan sadece 3'ü uygulamayı 68/100'ün altında ve 13'ü 80/100 > derecelendirdi, bu da uygulamanın kullanıcı dostu olarak kabul edilebileceğini gösteriyor. Bu nedenle, genel olarak, önerilen iyileştirmeler küçüktü ve kullanılabilirlik değerlendirmeleri umut vericiydi. Daha sonra, iyileştirme önerileri araştırma ekibi içinde tartışıldı ve ilgili olduğu kabul edilirse, uygulamanın sevilebilirliğini ve kullanılabilirliğini daha da optimize etmek için aşama 4 yükseltmesine dahil edildi (Şekil 1).
Son tasarım
Protokolde açıklanan adımlar ve değerlendirme çalışmasının sonuçları sonunda uygulama ve arka uç için basit bir görsel tasarım hedefleyen nihai bir tasarımla sonuçlandı. Bu uygulama bir gıda kaydı ve geri çağırma olarak kullanılabilir. Daha önce açıklandığı gibi, yemek listesi NEVO'nun değiştirilmiş bir sürümüdür. Porsiyon büyüklüğü tahmini, gıdaya özgü porsiyon boyutu önerileri ile desteklenir; tüketilen porsiyonlar da gram olarak girilebilir. Uygulamanın geri çağırma sürümü durumunda, araştırmacı farklı zaman aralıkları seçme olanağına sahiptir(örneğin,2hR, 8hR veya 24hR). Farklı gün ve saatlerde gıda alımı verilerini toplamak için, önceden belirlenmiş bir süre içinde çeşitli örnekleme şemaları oluşturulabilir. Push bildirimleri, yanıtlayanları gıda alımlarını kaydetmeye davet eder. Tam veri toplamayı sağlamak için, yanıt olmaması durumunda davetler otomatik olarak yeniden zamanlanır. Geri çağırma modülünde, katılımcılar yiyecek alımlarını ancak davet aldıktan sonra bildirebilirler. Gıda kaydı durumunda, katılımcılar uygulamaya erişebilir ve gün boyunca yiyecek alımlarını kaydedebilir.
Çoğu 24hR araçlarının aksine, uygulamanın geri çağırma modülü, önceki 24 saat48için gıda alımı verilerini toplamak için otomatik çoklu geçiş yöntemine -beş adımlı bir yönteme dayanmaz - çünkü bu yöntem bir uygulamada kullanılmak üzere çok ayrıntılı ve zaman alıcıdır. Daha spesifik olarak, kullanılabilirliği artırmak ve gıda alım kayıtlarının uyumluluğunu artırmak için11,38,49, navigasyon, erişilmesi gereken ekran sayısını 4 ile sınırlandırarak minimuma indirildi ( Şekil3): 1) raporlama penceresini gösteren bir Genel Bakış ekranı; 2) tüketilen gıda maddeleri Arama ekranından bildirilür ve istenen öğe seçildikten sonra 3) yeme vesilesi ve tüketilen miktarı araştıran bir iletişim kutusu görünür, bundan sonra 4) kullanıcı şimdi kaydedilen gıda maddelerini gösteren Genel Bakış ekranına döner. Buna ek olarak, kullanıcı menü düğmesi üzerinden girilebilen tarifler veya ürün kombinasyonları oluşturmak için Yemeklerim işlevini de kullanabilir.
Şekil 3: Uygulamadaki yönlendirmeye şematik genel bakış.
Veriler güvenli bir sunucuda depolanır. İstenirse, genel veya belirli yeme etkinlikleri veya yiyecek öğeleri ile ilgili ek sorular dahil edilebilir. Uygulama çevrimiçi anket araçlarıyla bağlanabilir. Bu nedenle, önceden belirlenmiş zamanlarda(örneğin,bağlam, davranışsal, ruh hali soruları) uygulama üzerinden gıda alımıyla ilgisi olmayan bir anket yapmak mümkündür. Bildirilen gıda maddeleri veya yeme etkinlikleriyle ilgili belirli sorular sormak da mümkündür(örneğin,elmalar bildirildiğinde, öğle yemeği bildirildiğinde). Çevrimiçi anket araçlarının kullanımı, uygulama üzerinden birçok farklı soru sorma fırsatı sunar. Toplanan gıda alım verileri sunucudan aktarılabilir ve daha fazla analiz için beslenme hesaplama yazılımına aktarılabilir. Ek soruların kullanılması durumunda, bu veriler her zamanki gibi anket aracında mevcut olacaktır. Amaç, iyi yapılandırılmış ve kullanımı kolay bir uygulama geliştirmekti. Tasarımın bazı ekran görüntüleri Şekil 4A-E.'de görülebilir.
Şekil 4: Uygulamanın son sürümünün ekran görüntüleri. (A) Daveti (bu durumda) 2 h-geri çağırma süresiyle gösteren Başlangıç/Genel Bakış ekranı. Kullanıcı, bu süre zarfında hiçbirşey tüketilmemesi durumunda bir gıda maddesini veya gedronken Niets gegeten'ini (yanihiçbir şey yemedim veya içmedim) bildirmek için Ürün toevoegen'e (yani öğe ekle) basabilir. (B) Yiyecek listesinden "Jus" arama terimiyle eşleşen sonuçları gösteren Arama ekranı. İstenen öğe arama sonuçlarından seçilebilir. (C) Bir açılır ekran, seçilen "Jus d 'orange" öğesindeki ayrıntıların girilmesini gerektirir. Bu durumda, uygulama tüketilen miktarı ve yeme olayını sorar. Kullanıcı, daha ileri gitmek için Annuleren (yaniiptal) veya Opslaan (yanikaydet) tuşuna basarak arama sonucuna geri dönebilir. (D) Genel Bakış, bu kez bildirilen tüm öğeleri gösterir. Başka bir öğe eklenebilir (Ürün toevoegen) veya giriş gönderilebilir (Lijst versturen). (E) Lijst versturen'ı seçtikten sonra, kullanıcıya göndermek istediğinden emin olup olmadığını soran bir açılır pencere görünür ve kullanıcıya liste gönderildikten sonra daha fazla değişiklik yapmanın mümkün olmadığını hatırlatır. Kullanıcı iptal etme (Annuleren) veya gönderme (Versturen) seçeneğine sahiptir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Discussion
Bu makale, akıllı telefon tabanlı diyet değerlendirme uygulaması Traqq'ın yinelemeli gelişim sürecini sunar. Gerekli doğruluk ve kullanıcı dostuluk seviyesini dengelemek, uygulamanın geliştirilmesinde 1) veri girişi(yani,gıda tanımlama ve porsiyon büyüklüğü nicelemesi için en doğru yöntemin seçilmesi), 2) gıda kompozisyon verileri(yanidoğru bir veritabanı seçmek ve tam teşekküllü bir gıda listesi oluşturmak), 3) özelleştirme seçenekleri(yani, gıda listesinde esneklik, porsiyon büyüklüğü nicelemesi ve tarifleri) ve 4) doğrulama(yanigeleneksel yöntemlere ve/veya bağımsız önlemlere karşı)3,50. Literatür taraması sırasında, araştırma için geliştirilen beş doğrulanmış ve tam otomatik, akıllı telefon tabanlı, diyet değerlendirme aracı tespit edildi3, yani My Meal Mate4, Elektronik Diyet Alımı Değerlendirmesi (eDIA)7, Kolay Diyet Günlüğü8, Elektronik Carnet Alimentaire (e-CA)5ve Ye ve İzle (EaT)6.
Bu beş diyet değerlendirme uygulamasının yanı sıra bu uygulamanın otomatikmatizasyon seviyesi nedeniyle, araştırmacı yükü ve maliyetleri önemli ölçüde azalırken, veri eksiksizliği geleneksel diyet değerlendirme yöntemlerine kıyasla artar. Ayrıca, bu uygulama esneklik açısından mevcut beş diyet değerlendirme aracından farklıdır. Özellikle, mevcut uygulamaların tümü gıda kayıt yöntemine dayanırken, bu uygulama bir gıda kaydı ve geri çağırma olarak kullanılabilir. Ayrıca, bu uygulamaların tasarımı sabitken, Traqq farklı araştırma amaçlarına uyacak şekilde değiştirilebilmesi için büyük avantaja sahiptir(örneğin,diyet değerlendirme yöntemi, gıda listesi, örnekleme şemaları, ek sorular)3,50. Buna karşılık, mevcut diğer diyet değerlendirme uygulamaları, uygulamada (henüz) uygulanmayan değerli özellikler içerir. Bu noktayı göstermek için, bazı uygulamalar kullanıcının gıda tanıma ve yarı otomatik, teknoloji destekli diyet değerlendirme (TADA) sistemi51,52gibi porsiyon büyüklüğü tahmini için yiyeceklerinin fotoğraflarını çekmesini sağlar.
Kullanılabilirlik çalışmasına katılanlar, fotoğrafların kullanımının porsiyon büyüklüğü tahminine yardımcı olmak için değerli bir ek olabileceğini de belirttiler. Bununla birlikte, bu aşamada böyle bir özelliği uygulamak için hala ele alınması gereken çok fazla zorluk vardı, örneğin,fotoğraf açısına göre belirtme ve rehberlik etme(yaniderinliği değerlendirmek için), bir referans oluşturucuya duyulan ihtiyaç(yani,boyut ve renkler için düzeltmek için), fotoğraftan önce ve sonra gerekli olan(yanitüketilen miktarları değerlendirmek için), ve tarif yemeklerinin nasıl işleyerek işleyip işlenlerin hakkında. Bu teknik zorluklar nedeniyle, mevcut görüntü tabanlı diyet değerlendirme uygulamaları hala yarı otomatiktir, bu da manuel görüntü incelemesinin kullanıcı, araştırmacı veya her ikisi tarafından yapılması gerektiği anlamına gelir51,52. Kitle kaynak kullanımı ve makine öğrenimi gibi teknolojik gelişmeler, diyet değerlendirmesi için gıda görüntülerinin kullanımını iyileştirme potansiyeline sahiptir53,54. Gelecekte, uygulamayı daha da geliştirmek için bu seçenekler araştırılacaktır. Uygulamanın gelişim süreci çeşitli kritik adımlarla karakterize edildi. İlk olarak, uygulama oluşturma gerekçesini destekleyen bilimsel kavramların uygulamanın genel ana hatlarının oluşturulmasında karar vermeyi kolaylaştırdığı biçimlendirici bir araştırma adımı tamamlandı.
Bu aşamada, FCDB'nin seçimine ve her ikisi de veri doğruluğunu doğrudan etkileyen PSEA yönlerinin seçimine özel dikkat21. FCDB ile ilgili olarak, uygulama başlangıçta Hollanda'da kullanılmak üzere geliştirildiği için, yemek listesi Hollanda FCDB, NEVO14. Gelecekte, amaç, birçok gıda ülkeye özgü olduğu için daha kapsamlı gıda bileşimi verileri gerektiren uluslararası kullanım için uygulamayı daha da geliştirmektir. Şu anda, henüz uluslararası bir FCDB yok ve varsa, kullanımı sınırlı olabilir. Daha spesifik olarak, Hollanda gıda listesi zaten 2.389 gıda maddesi içerdiğinden,5 ülke için uluslararası bir gıda kompozisyon tablosunun uygulanması, muhtemelen bu sayıda gıda maddesini yaklaşık 5 ile çarpacak ve gıdaların aranabilirliğini ve dolayısıyla uygulamanın kullanılabilirliğini olumsuz yönde etkileyecektir. Bu nedenle, ülkeye özgü yiyecek listeleri muhtemelen en değerli olacak ve genellikle profesyoneller tarafından da tercihedilecektir 55.
Bu, alternatif gıda listelerinin içe indirisini ve böylece farklı (uluslararası) gıda kompozisyon tablolarına bağlanmasını sağladığı için uygulama tarafından kolaylaştırılıyor. Porsiyon boyutlarıyla ilgili olarak, tahminlerin doğruluğunu desteklemek için birden fazla seçenek vardır, örneğin,resim kitapçıklarının kullanımı, bilgi nesneleri ve/veya metinsel bölüm boyutu önerileri26. Kullanıcı dostu olması göz önüne atılmışken, uygulamadaki bir PSEA'nın doğrudan uygulanması, uygulamanın yanında bir PSEA kullanılması yerine tercih edilir(ör.resim kitapçığı, bilgi nesneleri). Uygulamanın geliştirilmesi sırasında porsiyon boyutu önerilerini ve gram olarak girişi kullanarak porsiyon boyutlarını girme fırsatı sunarak porsiyon boyutu nicelemesini kolaylaştırma kararı alındı. Porsiyon boyutu önerisi, kullanılabilir tek Hollandaca bölüm boyutu veritabanı56'yı temel 56 'yadayanmaktadır. Compl-eat ve Eetmeter gibi Hollanda diyet değerlendirme araçları da bu veritabanına güvense de13,17, bu porsiyon boyutu veritabanının 2003'ten kalma olduğunu ve sofra takımlarının boyutlarının o zamandan beri arttığını belirtmek gerekir57. Bu nedenle bu veritabanını kullanmak gıda alımını hafife alabilir.
Şu anda, porsiyon boyutu veritabanı Hollanda Ulusal Halk Sağlığı ve Çevre Enstitüsü (RIVM), Hollanda Beslenme Merkezi ve Wageningen Üniversitesi ve Araştırma58tarafından güncelleniyor , sonunda uygulamadaki porsiyon boyutu önerilerini güncellemek için kullanılacak. Eski ve yeni bölümler arasındaki tutarsızlıklar haritalanacak ve gerektiğinde ayarlanacaktır. Her ne kadar porsiyon boyutu görüntülerinin kullanımı(yani,seçilen bir yiyeceğin farklı miktarlarını gösteren bir dizi görüntü) metin tabanlı porsiyon boyutu önerileri için iyi bir alternatif olabilir59, araştırmalar, bir dizi porsiyon boyutu görüntüsü bir kerede sunulduğunda porsiyon boyutu tahmininin doğruluğunun en yüksek olduğunu göstermiştir, bir kerede bir görüntü yerine45, 60,61. Genel olarak, şu anda mevcut olan akıllı telefonlar, bir dizi görüntü sunumını sınırlayan nispeten küçük ekranlara sahiptir. Yeni teknolojiler, sanal bir tabak veya bardaktaki yiyecek miktarlarının bir kaydırıcı kullanılarak artırılabildiği veya azaltılabildiği etkileşimli porsiyon boyutu grafiklerinin kullanımını kolaylaştırsada,bu teknikler nispeten yenidir ve doğruluğunu değerlendirmek için hala iyice değerlendirilmesi gerekir.
Uygulamanın geliştirilmesinde bir başka kritik adım, uzmanların ve amaçlanan son kullanıcıların katılımını içeriyordu. Araçların gelişim sürecine sıklıkla dahil olmasa da (veya açıklanmasa da)11,12, uzmanlardan ve amaçlanan son kullanıcılardan gelen geri bildirimler çok önemlidir61, kullanılabilirliğin en üst düzeye çıkarılmasına izin verir ve gerekli doğruluk seviyesini korur. Amaçlanan son kullanıcıların geri bildirimleri, özellikle Yemeklerim işlevinin son tasarımında yardımcı oldu. Genel olarak, kullanıcılar kendi yemeklerini oluşturma imkanından memnundu. Ancak, bazı yordamlarla mücadele ettiler, örneğin, işlev verileri otomatik olarak kaydetse de, bu kullanıcı tarafından görülemedi. Bu nedenle, birçok kullanıcı Kaydet düğmesini aramaya devam etti ve geri dönmekten ve girdilerini kaybetmekten korkarak sıkıştı. Bu tür geri bildirimlere dayanarak, işlev kullanıcının beklentilerine daha iyi uyacak şekilde geliştirilmiştir.
Sonuç olarak, Traqq mevcut uygulamalara ve web tabanlı araçlara göre birçok avantaja sahip yenilikçi bir uygulamadır. Ancak, hala çeşitli sınırlamalar vardır. Uygulama hala kendi kendine rapora dayandığından, kendi kendine raporla ilgili ölçüm hataları hala mevcuttur(örneğin,bellek önyargısı(yani,geri çağırma durumunda), sosyal talep edilebilirlik önyargısı ve gıda alımı değişiklikleri(yani,gıda kayıtları durumunda), yanlış porsiyon büyüklüğü tahminleri(yaniher ikisinde de))1. Önümüzdeki yıllarda, yakın zamanda başlatılan yeni teknolojiler,örneğin barkod tarayıcılar, ses kaydı, sohbet robotları ve görüntüler gibi gıda tanımlamasını ve porsiyon büyüklüğü tahminini iyileştirebilecek özelliklerin uygulanmasının değerini keşfederek uygulamayı daha da ilerletmek için araştırılacaktır. Diğer uygulamalarla(örneğin,etkinlik izleyicileri, uyku izleyicileri) ve cihazlarla(örneğin,ivmeölçerler, kalp atış hızı monitörleri, çiğneme sensörleri) bağlanma olanakları da araştırılıyor. Son olarak, arka uç, örneğin örnekleme seçeneklerinin genişletilmesi yoluyla daha fazla gelişmeye tabi tutulmaktadır.
Disclosures
Yazarların açıklayacak bir şeyi yok.
Acknowledgments
Yazarlar, Traqq'ın gelişimindeki kilit rolleri için Anouk Geelen ve Arvind Datadien'e teşekkür etmek istiyorlar. Ayrıca, yazarlar Romy Willemsen'e veri toplama ve kullanılabilirlik çalışmasındaki veri analizindeki yardımları için teşekkür eder. Son olarak, yazarlar süreç boyunca deneyimlerini ve görüşlerini paylaştıkları için uzmanlara ve katılımcılara teşekkür etmek istiyorlar. Geliştirme Wageningen Üniversitesi ve Araştırma tarafından yürütüldü ve kısmen Tarım, Doğa ve Gıda Kalitesi ve Endüstrisi Bakanlığı tarafından TKİ Tarım&Gıda BES - proje Akıllı Gıda Alımı (AF16096) bağlamında finanse edildi.
Materials
| Name | Company | Catalog Number | Comments |
| ASA24 Portion size picture book | American National Cancer Institute | na | The portion size image database as used in the ASA24-tool |
| Atlas.ti v8 | ATLAS.ti Scientific Software Development GmbH | na | Qualitative data analysis software for research |
| Compl-eat | Wageningen University | na | The portion size suggestions database as used in the Compl-eat 24hR module |
| iOS screen record function | Apple Inc. | na | Build-in iOS feature to make screen recordings |
| NEVO (version 2016/5.0) | RIVM | na | Dutch Food Composition Database |
| Qualtrics | Qualtrics XM | na | Online survey tool that can be used to implement additional questions in Traqq |
| Recordable | Invisibility ltd. | na | Android app to make screen recordings |
| SPSS version 24.0 | IBM Corporation | na | Statistical software |
| System Usability Scale (SUS) | na | na | Validated questionnaire to assess a system's usability |
References
- Brouwer-Brolsma, E. M. Dietary intake assessment: From traditional paper-pencil questionnaires to technology-based tools. Data science in action. ISESS 2020. IFIP Advances in Information and Communication Technolog. Athanasiadis, I., Frysinger, S., Schimak, G., Knibbe, W. 554, Springer, Cham. Chapter 2 7-23 (2020).
- Thompson, F. E., Subar, A. F. Nutrition in the prevention and treatment of disease. Coulston, A., Boushey, C., Ferruzzi, M., Delahanty, L. , Elsevier, Inc. 5-48 (2017).
- Eldridge, A. L., et al. Evaluation of new technology-based tools for dietary intake assessment-an ILSI Europe Dietary Intake and Exposure Task Force Evaluation. Nutrients. 11 (1), 55 (2018).
- Carter, M. C., Burley, V. J., Nykjaer, C., Cade, J. E. '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).
- Buchaer Della Torre, S., Carrard, I., Farina, E., Danuser, B., Kruseman, M. Development and Evaluation of e-CA, an electronic mobile-based food record. Nutrients. 9 (1), 76 (2017).
- Wellard-Cole, L., et al. Relative validity of the Eat and Track (EaT) smartphone app for collection of dietary intake data in 18-to-30-year olds. Nutrients. 11 (3), 621 (2019).
- Rangan, A. M., et al. Electronic Dietary Intake Assessment (e-DIA): Comparison of a mobile phone digital entry app for dietary data collection with 24-hour dietary recalls. JMIR mHealth and uHealth. 3 (4), 98 (2015).
- Ambrosini, G. L., Hurworth, M., Giglia, R., Trapp, G., Strauss, P. Feasibility of a commercial smartphone application for dietary assessment in epidemiological research and comparison with 24-h dietary recalls. Nutrition. 117 (1), 5 (2018).
- Subar, A. F., et al. Addressing current criticism regarding the value of self-report dietary data. The Journal of Nutrition. 145 (12), 2639-2645 (2015).
- Kipnis, V., et al. Bias in dietary-report instruments and its implications for nutritional epidemiology. Public Health Nutrition. 5 (6), 915-923 (2002).
- Simpson, E., et al. Iterative development of an online dietary recall tool: INTAKE24. Nutrients. 9 (2), 118 (2017).
- Chen, J., Cade, J. E., Allman-Farinelli, M. The most popular smartphone apps for weight loss: a quality assessment. JMIR Mhealth Uhealth. 3 (4), 104 (2015).
- Apple Inc. Human Interface Guidelines. Apple Inc. , Available from: https://developer.apple.com/ios/human-interface-guidelines/ (2017).
- NEVO. RIVM 5.0. NEVO-online. , (2016).
- Jaspers, M. W. A comparison of usability methods for testing interactive health technologies: methodological aspects and empirical evidence. International Journal of Medical Informatics. 78 (5), 340-353 (2009).
- Penha, A. D. S., dos Santos, F. A. N. V. Evaluating the use of the cognitive walk-through usability. Human Factors in Design. 1 (1), (2012).
- Fonteyn, M. E., Kuipers, B., Grobe, S. J. A description of think aloud method and protocol analysis. Qualitative Health Research. 3 (4), 430-441 (2016).
- Brooke, J., et al. SUS - A quick and dirty usability scale. Usability evaluation in industry. 189 (194), 4-7 (1996).
- Kushniruk, A. W., Patel, V. L. Cognitive and usability engineering methods for the evaluation of clinical information systems. Journal of Biomedical Informatic. 37 (1), 56-76 (2004).
- Davison, G. C., Vogel, R. S., Coffman, S. G. Think-aloud approaches to cognitive assessment and the articulated thoughts in simulated situations paradigm. Journal of Consulting and Clinical Psychology. 65 (6), 950-958 (1997).
- Mouname, K., Idri, A., Abran, A. Usability evaluation of mobile applications using ISO 9241 and ISO 25062 standards. SpringerPlus. 5, 548 (2016).
- Sauro, J. A practical guide to the system usability scale: Background, benchmarks & best practices. CreateSpace Independent Publishing Platform. , (2011).
- Bangor, A., Kortum, P., Miller, J. Determining what individual SUS scores mean: Adding an adjective rating scale. Journal of Usability Studies. 4 (3), 114-123 (2009).
- Meijboom, S., et al. Evaluation of dietary intake assessed by the Dutch self-administered web-based dietary 24-h recall tool (Compl-eatTM) against interviewer-administered telephone-based 24-h recalls. Journal of Nutritional Science. 6, 49 (2017).
- Subar, A. F., et al. The Automated Self-Administered 24-hour dietary recall (ASA24): a resource for researchers, clinicians, and educators from the National Cancer Institute. Journal of the Academy of Nutrition and Dietetics. 112 (8), 1134-1137 (2012).
- Timon, C. M., et al. The development, validation, and user evaluation of Foodbook24: A web-based dietary assessment tool developed for the Irish adult population. Journal of Medical Internet Research. 19 (5), 158 (2017).
- Carter, M. C., et al. Development of a UK online 24-h dietary assessment tool: myfood24. Nutrients. 7 (6), 4016-4032 (2015).
- Voedingscentrum. Mijn Eetmeter. , Available from: https://itunes.apple.com/nl/app/mijn-eetmeter/id663382012?mt=8 (2014).
- MyFitnessPal. MyFitnessPal. , Available from: http://www.myfitnesspal.com/welcome/learn_more (2015).
- Virtuagym. Virtuagym. , (2017).
- Evans, K., et al. Development and evaluation of a concise food list for use in a web-based 24-h dietary recall tool. Journal of Nutritional Science. 6, 46 (2017).
- Svensson, A., Magnusson, M., Larsson, C. Overcoming barriers: adolescents' experiences using a mobile phone dietary assessment app. JMIR mHealth and uHealth. 4 (3), 92 (2016).
- Finglas, P. M., Berry, R., Astley, S. Assessing and improving the quality of food composition databases for nutrition and health applications in Europe: the contribution of EuroFIR. Advances in Nutrition. 5 (5), 608-614 (2014).
- Gibson-Moore, H. EuroFIR: Where we are now. Nutrition Bulletin. 38 (3), 358-362 (2013).
- Rossum, C. T. M., et al. The diet of the Dutch. Results of the first two years of the Dutch National Food Consumption Survey 2012–2016. RIVM. , (2016).
- Byrd-Bredbenner, C., Schwartz, J. The effect of practical portion size measurement aids on the accuracy of portion size estimates made by young adults. Journal of Human Nutrition and Dietetics. 17 (4), 351-357 (2004).
- Faggiano, F., et al. Validation of a method for the estimation of food portion size. Epidemiology. 3 (4), 379-382 (1992).
- Faulkner, G. P., et al. An evaluation of portion size estimation aids: precision, ease of use and likelihood of future use. Public Health Nutrition. 19 (13), 2377-2387 (2016).
- Hernandez, T., et al. Portion size estimation and expectation of accuracy. Journal of Food Composition and Analysis. 19, 14-21 (2006).
- Nelson, M., Atkinson, M., Darbyshire, S. Food photography. I: The perception of food portion size from photographs. British Journal of Nutrition. 72 (5), 649-663 (1994).
- Young, L. R., Nestle, M. S. Portion sizes in dietary assessment: issues and policy implications. Nutrition Reviews. 53 (6), 149-158 (1995).
- Liu, B., et al. Development and evaluation of the Oxford WebQ, a low-cost, web-based method for assessment of previous 24 h dietary intakes in large-scale prospective studies. Public Health Nutrition. 14 (11), 1998-2005 (2011).
- Lucassen, D. A., Willemsen, R. F., Geelen, A., Brouwer-Brolsma, E. M., Feskens, E. J. M. The accuracy of portion size estimation using food images and textual descriptions of portion sizes: an evaluation study. Journal of Human Nutrition and Dietetics. , (2021).
- Wharton, C., Rieman, J., Lewis, C., Polson, P. Usability Inspection Methods. Nielsen, J., Mack, R. L. , John Wiley & Sons. 79-104 (1994).
- Nielsen, J. How many test users in a usability test. , Available from: https://www.nngroup.com/articles/how-many-test-users/ (2012).
- AMPM - Features. USDA. , Available from: https://www.ars.usda.gov/mortheast-area/beltsville-md/beltsville-human-nutrition-research-center/food-surveys-research-group/docs/ampm-features/ (2016).
- Zhang, D. S., Adipat, B. Challenges, methodologies, and issues in the usability testing of mobile applications. International Journal of Human-Computer Interaction. 18 (3), 293-308 (2005).
- Cade, J. E. Measuring diet in the 21st century: use of new technologies. Proceedings of the Nutrition Society. 76 (3), 276-282 (2017).
- Ahmad, Z., et al. A mobile food record for integrated dietary assessment. MADiMa16. 2016, 53-62 (2016).
- Boushey, C. J., Spoden, M., Zhu, F. M., Delp, E. J., Kerr, D. A. New mobile methods for dietary assessment: review of image-assisted and image-based dietary assessment methods. Proceedings of the Nutrition Society. 76 (3), 283-294 (2017).
- Fang, S., et al. 2018 IEEE Southwest Symposium on Image Analysis and Interpretation (SSIAI). , Las Vega, Nevada, USA. 25-28 (2018).
- Shao, Z., Mao, R., Zhu, F. 2019 IEEE International Conference on Big Data (Big Data). , Los Angeles, California, USA. 5186-5189 (2019).
- Chen, J., Lieffers, J., Bauman, A., Hanning, R., Allman-Farinelli, M. Designing health apps to support dietetic professional practice and their patients: qualitative results from an international survey. JMIR Mhealth Uhealth. 5 (3), 40 (2017).
- Donders-Engelen, M. R., Van der Heijden, L. J. M., Hulshof, K. F. A. M. Maten, Gewichten en Codenummers 2003. Food portion sizes and coding instructions. Wageningen University: Division of Human Nutrition and TNO Nutrition. , (2003).
- Van Ittersum, K., Wansink, B. Plate size and color suggestibility: The Delboeuf Illusion’s bias on serving and eating behavior. Journal of Consumer Research. 39 (2), 215-228 (2012).
- Portiegrootte voedingsmiddelen. RIVM. , (2019).
- Timon, C. M., et al. A review of the design and validation of web- and computer-based 24-h dietary recall tools. Nutrition Research Reviews. 29 (2), 268-280 (2016).
- Kirkpatrick, S. I., et al. The use of digital images in 24-hour recalls may lead to less misestimation of portion size compared with traditional interviewer-administered recalls. The Journal of Nutrition. 146 (12), 2567-2573 (2016).
- Subar, A. F., et al. Assessment of the accuracy of portion size reports using computer-based food photographs aids in the development of an automated self-administered 24-hour recall. Journal of the American Dietetic Association. 110 (1), 55-64 (2010).
- Figwee - Learn More. Figwee. , Available from: https://figwee.com/learn-more/ (2021).
- Preece, J., Sharp, H., Rogers, Y. Interaction design: beyond human-computer interaction. , John Wiley & Sons. (2015).
