Conceptontwikkeling en gebruik van een geautomatiseerde methode voor voedselinname en beoordeling van eetgedrag

Summary

Dit protocol toont en verklaart een nieuwe op technologie gebaseerde dieetbeoordelingsmethode. De methode bestaat uit een eetbak met meerdere ingebouwde weegschalen en een videocamera. Het apparaat is uniek in de zin dat het geautomatiseerde metingen van voedsel- en drankinname en eetgedrag in de loop van een maaltijd bevat.

Abstract

De overgrote meerderheid van de methoden voor het beoordelen van voedings- en eetgedrag is gebaseerd op zelfrapportages. Ze zijn omslachtig en ook gevoelig voor meetfouten. Recente technologische innovaties maken de ontwikkeling mogelijk van nauwkeurigere en nauwkeurigere voedings- en eetgedragsbeoordelingsinstrumenten die minder inspanning vereisen voor zowel de gebruiker als de onderzoeker. Daarom werd een nieuw sensorgebaseerd apparaat ontwikkeld om voedselinname en eetgedrag te beoordelen. Het apparaat is een gewone eetbak uitgerust met een videocamera en drie afzonderlijke ingebouwde weegstations. De weegstations meten het gewicht van de kom, het bord en de drinkbeker continu tijdens een maaltijd. De videocamera die op het gezicht is geplaatst, registreert eetgedragskenmerken (kauwen, beten), die worden geanalyseerd met behulp van op kunstmatige intelligentie (AI) gebaseerde automatische gezichtsuitdrukkingssoftware. Het gewicht van de lade en de videogegevens worden in realtime naar een pc (pc) getransporteerd met behulp van een draadloze ontvanger. De uitkomsten van rente, zoals de gegeten hoeveelheid, eetsnelheid en bijtgrootte, kunnen worden berekend door de gegevens van deze metingen af te trekken op de tijdstippen van rente. De informatie verkregen door de huidige versie van de lade kan worden gebruikt voor onderzoeksdoeleinden, een verbeterde versie van het apparaat zou ook het verstrekken van meer gepersonaliseerd advies over dieetinname en eetgedrag vergemakkelijken. In tegenstelling tot de conventionele dieetbeoordelingsmethoden meet dit voedingsbeoordelingsapparaat de voedselinname direct binnen een maaltijd en is het niet afhankelijk van het geheugen of de schatting van de portiegrootte. Uiteindelijk is dit apparaat daarom geschikt voor dagelijkse voedselinname en eetgedragsmaatregelen. In de toekomst kan deze op technologie gebaseerde dieetbeoordelingsmethode worden gekoppeld aan gezondheidstoepassingen of slimme horloges om een volledig overzicht te krijgen van lichaamsbeweging, energie-inname en eetgedrag.

Introduction

In voedingsonderzoek en voedingspraktijk is het belangrijk om goede metingen te hebben van wat, hoeveel en hoe mensen eten, om oplossingen te vinden voor de problemen met overgewicht en obesitas. Om de inname via de voeding te beoordelen, worden vaak conventionele zelfrapportagevragenlijsten gebruikt, zoals voedseldagboeken, 24-uurs recalls of voedselfrequentievragenlijsten¹. Deze methoden zijn gebaseerd op zelfrapportage en zijn daarom tijdrovend en vatbaar voor bias als gevolg van sociaal wenselijke antwoorden, ontoereikend geheugen en moeilijkheden bij het schatten van^{portiegroottes 2,3}. Naast metingen van de dieetkwaliteit (voedseltype en hoeveelheid gegeten), is het ook belangrijk om te weten hoe het voedsel wordt gegeten, omdat eetgedrag dat de voedselinname vertraagt, is aangetoond dat het overconsumptie binnen een maaltijd voorkomt⁴. Om het eetgedrag te beoordelen, is de gouden standaard om twee waarnemers video-opnamen te laten maken van mensen die een maaltijd eten⁵. Deze methode is nogal arbeidsintensief en tijdrovend en laat geen onmiddellijke feedback op het gedrag toe.

Recente technologische ontwikkelingen bieden nu de mogelijkheid om geautomatiseerde metingen van voedselinname te combineren met geautomatiseerde metingen van het eetgedrag tijdens een maaltijd. Als reactie op deze ontwikkelingen is een nieuwe sensorgebaseerde voedingsbeoordelingsmethode ontwikkeld, de mEETr, het acroniem van de twee Nederlandse woorden 'Meter' (vertaald: meetapparaat) en 'eet' (vertaald: eten). De mEETr is een gewone eettafel met drie ingebouwde weegstations(figuur 1 toont het ontwerp van de lade en de sensorplaten) en een camerahouder. Elk weegstation bestaat uit drie driehoekig gepositioneerde meetpunten om het gewicht te verdelen. De weegstations meten het gewicht van de kom, het bord en de drinkbeker of het glas continu tijdens de maaltijd. De mEETr bevat ook een videocamerahouder. Momenteel staat de camerahouder los van de lade, maar voor standaardisatiedoeleinden zou een geïntegreerde camera na de volgende upgrade van mEETr (een opvouwbare videocamerastick) ideaal zijn. De camera vergemakkelijkt geautomatiseerde real-time analyse van het aantal beten en kauwen en de eetduur, waardoor informatie over de eetsnelheid en de bijtgrootte kan worden genereren. Geautomatiseerde analyse van eetgedrag wordt gedaan met behulp van een nieuw ontwikkeld algoritme. Verschillende onderzoeksgroepen hebben apparaten ontwikkeld om mensen realtime feedback te geven over de versnelling van het eten en de hoeveelheid die mensen eten⁶. Ook zijn augmented vorken ontwikkeld om real-time feedback te geven over het aantal beten en hun frequentie binnen een maaltijd⁷. Bovendien werd een oorsensor ontwikkeld om de microstructuur van het eten in vrije levensomstandigheden te meten^8,9. Vergelijkbaar met dit apparaat is de opstelling die wordt gebruikt door Ioakimidis et al.¹⁰, waar videometingen werden gecombineerd met een weegplateau om de voedselinname, het aantal beten en het kauwgedrag te bepalen.

In vergelijking met deze apparaten is de nieuwigheid van de mEETr dat het geautomatiseerde metingen van voedselinname van twee borden en een drinkbeker (n = 3) en eetgedrag (bijv. eetsnelheid, aantal beten, bijtgrootte en kauwgedrag) in één apparaat combineert. De mEETr is, zoals aangetoond, geschikt voor maaltijdmetingen van voedselinname en eetgedrag binnen een gecontroleerde (eetlab)omgeving, maar uiteindelijk is het doel om de mEETr te gebruiken in minder gecontroleerde omgevingen waar re-voorkomende maaltijdplannen worden gebruikt, zoals kinderdagverblijven, bejaardentehuizen en ziekenhuizen.

Uiteindelijk zal de mEETr een objectievere en als zodanig nauwkeurigere en nauwkeurigere meting van voedselinname en eetgedrag bieden dan conventionele dieetbeoordelingsmethoden en handmatige codering van video's. Betere maatregelen van de voedselinname zouden ten goede komen aan voedings- en gezondheidsonderzoek, maar ook aan de gezondheidswerkers in hun uitdaging om de toename van voedselgerelateerde niet-overdraagbare ziekten te bestrijden¹¹. Uiteindelijk kan de mEETr worden gebruikt in onderzoeks- en gezondheidszorginstellingen en door gezondheidsbewuste gebruikers thuis door de mEETr te koppelen aan bestaande technologieën en software, zoals andere gezondheidsapps of slimme horloges. Over het algemeen bieden deze gezondheidsmaatregelen de gebruiker of de zorgverlener een vrij divers en volledig overzicht van een verscheidenheid aan gezondheidsgedragspatronen (bijv. voedselinname, eetgedrag, energieverbruik op basis van real-life maatregelen, slaap, stress) waardoor de gebruiker zijn dieet kan optimaliseren en een gezonde levensstijl kan creëren.

Protocol

Deze pilotstudie is voorafgaand aan de start van het project goedgekeurd door het METC van Wageningen University.

LET OP: Alle deelnemers die aan dit project hebben bijgedragen, hebben een geïnformeerde toestemming gegeven, inclusief de goedkeuring van videobeelden met zichtbare en herkenbare gezichten.

1. Monstervoorbereiding en toestemming van de deelnemer

1. Bereid een sap (glas of kopje), fruityoghurt (kom) en fruitstukjes (bord).
   OPMERKING: Deze voedingsmiddelen zijn alleen geselecteerd voor demonstratiedoeleinden (Figuur 2).
2. Rekruteer een deelnemer of een vrijwilliger die ermee instemt deel te nemen aan het onderzoek.
3. Sluit de deelnemers uit die een bril dragen (die geen contactlenzen kan gebruiken) en/of gezichtshaar (baard of snor) hebben om meetfouten te voorkomen.
4. Informeer de deelnemers over het onderzoek en de dataverzameling (dataopslag, toegankelijkheid). Verkrijg afzonderlijke machtigingen in het geval van niet-anonieme video-opnamen. Ontvang de handtekening van de deelnemer op de geïnformeerde toestemming voordat u gegevens verzamelt.

2. Opstelling van apparaat- en meetlocatie

OPMERKING: Dit protocol is geschikt voor het verzamelen van gegevens in een gecontroleerde (eetlaboratorium) omgeving.

1. Zorg ervoor dat het licht in de kamer gelijkmatig verdeeld is en vermijd schaduwen op de gezichten van de deelnemers.
2. Vermijd het achtergrondgeluid op de video-opnamen vanwege de aanwezigheid van andere personen dan de deelnemer.
3. Plaats de deelnemer op een stoel voor een tafel; met tafelblad net onder de borst van de deelnemer.
4. Sluit de draadloze ontvanger van de lade en de webcam aan op een laptop.
5. Start de laptop op. Zorg ervoor dat de laptop de volgende specificaties heeft: CPU i7-10750H, SSD M.2 512 GB, Geheugen 1x 16 GB, DDR4 2933 MHz niet-ECC-geheugen, Besturingssysteem 64 bit.
6. Schakel de lade in en zorg ervoor dat er lading in de lade zit (groen licht).
7. Open respectievelijk het connectorprogramma (dos), de ontvanger en het processorsoftwareprogramma samen met het dashboard.
8. Controleer de binnenkomende beeldkwaliteit in het processorprogramma (Figuur 3).
   OPMERKING: Om het eetgedrag te detecteren, moet de beeldkwaliteit zich binnen het laatste kwartaal van de taakbalk (groen) liggen; zo dicht mogelijk bij 100% groen. Schaduwvorming kan leiden tot een lage beeldkwaliteit.
9. Zorg ervoor dat het afbeeldingskader correct is om een slechte beeldkwaliteit te voorkomen. Zorg ervoor dat het hoofd van de deelnemer (boven de schedel) tot aan de borst, inclusief armen en schouders, duidelijk zichtbaar is.

3. Weegsysteem en datatransport

1. Valideer de metingen voorafgaand aan het gebruik van de mEETr voor de eerste keer.
   OPMERKING: Het mEETr-apparaat bestaat uit een reguliere in de handel verkrijgde eetbak (vezelgebonden epoxy dinerbak) met drie ingebouwde weegstations (figuur 2).
2. Om de opstelling te valideren, moet u ervoor zorgen dat de lade continu het gewicht van een bord, kom en drinkglas meet.
   OPMERKING: De precisie van de weegbrug over het hele bereik moet 0,3% zijn.
3. Plaats niet te veel gewicht op elk weegplateau. Het maximale gewicht voor het grootste platform (dinerbord) is 1,5 kg. Het maximale gewicht van de twee kleinere weegplateaus (kom en glas) is 800 g. Het minimumgewicht dat nauwkeurig kan worden gemeten is 1 g voor elk weegstation.
4. Zorg ervoor dat de plaat, de beker en de kom niet op het platform of de omliggende bak rusten. Maak gebruik van de middelste ring om dit te voorkomen.
   OPMERKING: Elk weegstation bestaat uit drie driehoekige krachtsensoren die samen als één weegschaal werken. Een driehoekspositie werd gekozen om het gewicht in evenwicht te brengen.
5. Zorg ervoor dat u de lade droog houdt. De lade bevat een 50 mm dun basispaneel (centrale printplaat) onder de lade die de elektronica bevat.
6. Voor gegevensoverdracht moet u ervoor zorgen dat de lade verbinding maakt met een draadloze ontvanger.
   OPMERKING: Breng de weeggegevens met een interval van 1 s over via een radiosignaal op korte afstand (ongeveer 1 m afstand). Sluit de ontvanger via een USB-poort aan op een pc.
7. De drie krachtsensoren meten de krachten (of gewichten), vatten ze samen en zetten ze om in een gekalibreerde gewichtswaarde.
8. Laad de lade na elk gebruik op.
   OPMERKING: De lade wordt gevoed door een intern batterijpakket en kan worden opgeladen met een USB-oplader. Een aan/uit-schuifschakelaar bevindt zich in de buurt van de USB-aansluiting. Een volledige batterijlading zorgt voor ongeveer 20 uur gebruik.
9. Maak de lade niet schoon in de vaatwasser; de lade is niet vaatwasmachinebestendig. Reinig de lade met een reinigingsspray. Zorg ervoor dat de lade schoon en droog wordt gehouden. Lekkanalen langs de platforms voeren vloeistoflekken af.

4. Uitleg van de deelnemer en begin van de waarneming

1. Plaats de mEETr voor de deelnemer.
2. Instrueer de deelnemer om 1) zoveel of zo weinig te eten als hij / zij wil, 2) kijk recht in de webcam tijdens het eten en 3) leg geen handen voor het gezicht tijdens het eten.
3. Start een nieuwe observatie in de ontvangersoftware. Registreer de datum, het deelnemersnummer, het geslacht, de leeftijd en antropometrische gegevens van de deelnemer, zoals gewicht en lengte. Voeg aanvullende informatie zoals de studievoorwaarde en het studiebezoek toe aan de observatienaam.
4. Druk op Opnemen in de ontvangersoftware om de waarneming op te nemen.
5. Activeer het dashboard om de video-opnamen en de binnenkomende gegevens tijdens het verzamelen van gegevens te controleren (figuur 4).
6. Vraag de deelnemer voorafgaand aan de opname om 1) de kaart met het deelnemersnummer op te tillen en 2) de hand op te steken aan het begin en einde van de maaltijd.
7. Beëindig de observatie wanneer de deelnemer klaar is met eten. Het duurt 2 minuten om alle gegevens over te zetten naar een spreadsheet.
8. Dit is het einde van de sessie voor de deelnemer.
9. Koppel de webcam en de lade-ontvanger los van de laptop en maak deze schoon met een reinigingsdoekje of reinigingsspray.

5. Evaluatie en overdracht van gegevens

1. Open de laatste waarneming in de ontvangersoftware. Geautomatiseerde metingen van eetgedrag worden opgeslagen onder het kopje Gegevens. Klik op Gegevens exporteren om de onbewerkte gegevens te extraheren. Het daaropvolgende uitvoerbestand bevat gegevens over het deelnemersnummer, real-time, relatieve (om te beginnen) tijd en eetgedragsvariabelen (aantal beten, aantal kauwen, kauwduur) per testdeelnemer.
   OPMERKING: Alle gedragingen zijn gestempeld. In de ontvangersoftware kunnen extra externe gegevens van de lade worden geëxtraheerd, bijvoorbeeld de gegevens over het gewicht van elk van de drie trays. De gegevens worden 10 keer per seconde geregistreerd en overgedragen. De tijd voor het verzamelen van traygegevens wordt gesynchroniseerd met de opname van het eetgedrag.
2. Vat de resultaten samen en visualiseer ze in verschillende staafdiagrammen binnen het programma zelf. Exporteer de resultaten als onbewerkte gegevens in logbestanden (.xsl) (Figuur 5).
3. Exporteer de logbestanden naar een spreadsheet en voer de gegevensanalyse uit met behulp van het statistische programma van voorkeur.
4. Reinig de gegevens vóór gegevensanalyse.
   OPMERKING: Vanwege de vervormingen van het persen met bestek op de borden (wat een toename van het gewicht veroorzaakt), moeten weeggegevens van de lade worden gereinigd tot een Kaplan Meier-curve met stapgrootte die de bijtgrootte aangeeft, de staplengte die de tijd tussen de beten aangeeft. Het begin van de curve geeft het begingewicht aan, de laatste stap geeft het eindgewicht aan) als volgt.
   1. Maak de tijdspunten vloeiender tot metingen per seconde om extreme waarden uit te filteren.
   2. Stel 5 g grens in, detecteer gewichtsplateaus (d.w.z. geen verandering binnen +/- 5 g) en gewichtsveranderingen (veranderingen in de loop van de tijd groter dan 5 g) om bijtgroottes en portieveranderingen aan te geven.
   3. Sluit gewichtstoename uit omdat er bestek op het bord blijft liggen.
      OPMERKING: De output is de totale gewichtsveranderingen per begin en einde van de maaltijd (= maaltijdgrootte), gemiddelde bijtgrootte en beten per min.
5. Om de veranderingen in eetsnelheid (g/sec) en bijtgrootte (g/beet) in de loop van de maaltijd te bepalen, integreert u handmatig de gewichtsgegevens van de lade en het eetgedrag (figuur 6, figuur 7, figuur 8, figuur 9, figuur 10).

Representative Results

Een langzamere inname (figuur 7), kleinere sip/bite maten (figuur 8) en meer kauwen (figuur 9) leidden tot een lagere inname van de salade in vergelijking met de yoghurt en het sap (figuur 6) zoals gemeten door de mEETr tray. De deelnemers aten 17% minder van de fruitsalade in vergelijking met het vruchtensap. Alle eetgedragskenmerken verschilden tussen sap, yoghurt en salade (figuur 7, figuur 8, figuur 9). De deelnemers kauwden aanzienlijk meer op de fruitsalade in vergelijking met de yoghurt en het sap. Het waargenomen aantal kauwen verschilde met een factor drie tussen de yoghurt en fruitsalade. Bovendien was de bijtgrootte de kleinste voor de salade 6,5 g per hap in vergelijking met het sap: 8 g per slok. Over het algemeen leken het aantal kauwen, de bijtgrootte en de eetsnelheid van invloed te zijn op de hoeveelheid die tijdens de maaltijd werd gegeten in een eetlabomgeving. Deze bevindingen zijn in overeenstemming met andere studies die melden dat een langere orale verwerkingstijd (hoger aantal kauwen, kleinere bijtgroottes) de voedselinname vermindert^12,13,14,15.

Figuur 1: Afbeelding van de lade hieronder met de drie weegstations en de drie druksensoren op de printplaat hierboven. Klik hier om een grotere versie van deze afbeelding te bekijken.

Figuur 2: De mEETr opstelling met de geteste voedingsmiddelen. Klik hier om een grotere versie van deze afbeelding te bekijken.

Figuur 3: Geautomatiseerde detectie van het eetgedrag met behulp van vaste punten op het gezicht (ogen en mond). Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 4: Dashboard dat de binnenkomende gegevens van de drie weegschalen van de lade en inkomende videogegevens visualiseert. Klik hier om een grotere versie van deze afbeelding te bekijken.

Figuur 5: Overzicht van de gegevensverzameling. De daling van het voedingsgewicht op de drie weegschalen tijdens de maaltijd wordt aangetoond door de drie bovenste grafieken; pieken worden veroorzaakt door de druk van bestek. Happen en slokjes (inclusief duur) en aantal kauwen worden in de laatste rij weergegeven door de gekleurde horizontale balken. Klik hier om een grotere versie van deze afbeelding te bekijken.

Figuur 6: Voedselinname (g) per product gemeten met de mEETr tray. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 7: Eetsnelheid (g/min) per product op basis van de mEETr tray en geautomatiseerde eetgedrag video analyse. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 8: Gemiddelde bijtgrootte (g) per product op basis van de mEETr tray en geautomatiseerde eetgedrag video analyse. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 9: Totaal aantal kauwen per product op basis van de mEETr tray en geautomatiseerde eetgedrag video analyse. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 10: Ruwe gegevensuitvoer van een meting, inclusief de drie weegplateaus, gedrag en tijdstempels. Klik hier om een grotere versie van deze figuur te bekijken.

Discussion

Een gezond dieet en een gezond eetgedrag hebben aangetoond een sleutelrol te spelen bij de preventie van en oplossing voor overgewicht en obesitas¹¹. Veel van de methoden die worden gebruikt om de inname van de voeding en het eetgedrag te meten, zijn echter belastend voor gebruikers, onderzoekers en professionals in de gezondheidszorg en kunnen bevooroordeeld zijn omdat ze afhankelijk zijn van schattingen van het geheugen en de portiegrootte. Het gebruik van de mEETr, onafhankelijk of naast conventionele video- en dieetbeoordelingsmethoden, zou de inspanning en de nauwkeurigheid en precisie van de inname van de voeding en de beoordeling van het eetgedrag verminderen.

Voordat de mEETr kan worden gebruikt, moeten een paar kritieke stappen worden aangepakt. Een fundamentele methodologische overweging is privacy met betrekking tot de gezichtsanalyse van opgenomen video. Anonimiteit voor deelnemers is een integraal kenmerk van ethisch onderzoek. Echter, met de gezichtsanalyse als onderdeel van de mEETr, anonimiteit is bijna onmogelijk¹⁶. Het gebruik van mEETr in een onderzoeksomgeving vereist dus uitgebreide bepalingen met betrekking tot gegevensveiligheid en verdient aandacht in de geïnformeerde toestemming en andere deelnemersdocumentatie. Uiteindelijk worden in een verbeterde versie van de mEETr gezichtsopnamen realtime binnen het apparaat verwerkt zonder videogegevens op te slaan. Bijgevolg zou geen opslag van de gezichtsopnamen gerechtvaardigd zijn, waardoor anonieme gegevens kunnen worden verzameld.

Een andere cruciale stap in het protocol is dat in deze versie van de mEETr alle datastromen onafhankelijk zijn, wat de integratie van de metingen van de video-analyses en de drie verschillende schalen tijdens de nabewerking vereist. De analyse van de gegevens wordt eenvoudig uitgevoerd op basis van het weegstation; het is dan aan de onderzoeker om de gegevens post-hoc te koppelen aan wat er in die specifieke kom of op die specifieke plaat of op de bekerlocatie werd geserveerd. Om het mengen van gegevensstromen te voorkomen, dwingt de structuur van de lade af dat de kom, plaat of beker alleen op specifieke locaties kan worden geplaatst vanwege ringen die op het specifieke stuk servies passen.

Uiteindelijk moet de onmiddellijke integratie van de gegevensstromen plaatsvinden, wat zou dienen als een extra validatiemaatregel voor realtime besluitvorming met gewichtsverandering in de kom / plaat / beker die de hap of slok valideert en vice versa, en als zodanig geautomatiseerde feedback op eetgedrag direct na de maaltijd mogelijk maakt.

Naast deze kritieke stappen moeten gegevensbewaking en probleemoplossing of het vangen van fouten worden vereenvoudigd, wat kan worden bereikt met behulp van de volgende wijzigingen: (1) Automisatie van het opstarten van het systeem, (2) Integratie van kwaliteitsindicatoren op het dashboard die de informatie over videokwaliteit bieden voor geautomatiseerde detectie van eetgedrag, (3) Lagere geheugenvereisten voor de laptop , (4) Geautomatiseerde gebeurtenisdetectie die de meetpogingen tijdens niet-eettijden voorkomt.

Naast deze verbeterpunten zijn er enkele uitdagingen bij het gebruik van mEETr die aandacht verdienen. Ten eerste moeten de volgende versies van de mEETr waterdicht worden gemaakt, zodat ze in een vaatwasser kunnen worden gereinigd. Ten tweede, om geldige maatregelen van het eetgedrag te verkrijgen, moet de deelnemer zich houden aan verschillende beperkingen en regels. Voor geldig gebruik van de mEETr is het van cruciaal belang dat de video ononderbroken is en dat de gebruiker tijdens het kauwen recht in de camera kijkt. Bovendien moet de gebruiker, om kauwen en slikken te detecteren, 1) volledig zichtbaar zijn in het frame, inclusief schouders en handen 2) geen schaduwen op het gezicht hebben; standaardisatie van licht is nodig. Deze voorwaarden verstoren het natuurlijke of normale eetgedrag. Omdat eten een inherent sociale aangelegenheid is onder normale levensomstandigheden, past het hebben van deze beperkingen niet moeiteloos bij normaal sociaal eetgedrag. Het nauwkeurige gebruik van de mEETr vereist dus voorlopig een niet-conventionele manier van eten. Wijzigingen in het algoritme moeten in de toekomst worden aangebracht om een robuustere meting te hebben die de deelnemer niet verplicht zich aan bepaalde eetregels of -beperkingen te houden. Over het algemeen kan het gebruik van mEETr reactiviteit van de gebruiker veroorzaken, wat resulteert in een gewijzigde voedselinname als gevolg van bewustzijn van wat er wordt gegeten met behulp van de mEETr-lade. Dit kan worden voorkomen wanneer de ingebouwde weegstations volledig verborgen zijn en een vis-eye camera wordt gebruikt die in de lade is ingebouwd, zodat een standaard gezichtshoogte niet vereist is. De huidige versie van de mEEtr is daarom alleen geschikt voor lab-based studies. Vanwege de beperkingen en regels die deze techniek vereist, vertalen de resultaten zich niet direct naar vrijlevende eetpatronen.

Naast deze wijzigingen zijn er twee functionele uitbreidingen van het huidige systeem die in de toekomst moeten worden opgenomen. Ten eerste moet extra hyperspectrale cameratechnologie aan de mEETr worden toegevoegd om het macronutriëntengehalte van de voedselitems op het bord te analyseren. Dit zou de behoefte aan kennis van het exacte voedselitem dat op het bord ligt omzeilen, terwijl calorische innamemetingen per maaltijd nog steeds mogelijk zijn. Ten tweede kan een machine learning-benadering om voedingsmiddelen automatisch te herkennen worden gekoppeld aan de huidige video-analyse, waardoor verdere automatisering van het systeem mogelijk is. Om de maaltijdherkenning verder te vergroten, kan een tweede camera worden toegevoegd die zich uitsluitend richt op het eten en drinken op de borden.

Idealiter kunnen de mEETr-lade en camera worden gekoppeld aan het bestaande ecosysteem van de dieet-app, waardoor de mEETr-resultaten rechtstreeks kunnen worden ingevoerd in dieetapps en diëtisten². Op basis van de door mEETr verzamelde informatie kan direct feedback en advies worden gegeven aan de consument of patiënt rekening houdend met (macro)nutriënteninname en eetgedrag (voedseltextuur en eetsnelheid). Dit zou de gebruiker in staat stellen om hun dieet en eetgedrag te optimaliseren om een gezonde levensstijl te creëren.

Materials

Name	Company	Catalog Number	Comments
Battery	na	na	Battery pack (LiPo) and charge electronics via an USB port connector. No data from this port.
Connector program	Noldus		Noldus Information technology software dashboard nview
Dinner tray	na	na	Standard dinner tray from glass inforced epoxy
Larger scale	na	na	One high range custom made scale based on a triple force sensor method.
Mainboard	na	na	A mainboard converting the three scale measurements to calibrated weight numbers. This board also contains the low power short range RF transmitter.
OS Windows	Microsoft		windows 10 Pro 64 bit
Processor program	Noldus		Noldus Information technology software FaceReader
Receiver program	Noldus		Noldus Information technology software Observer
RF receiver	na	na	Custom build USB converter connected to a RF receiver. This receiver has a squelch setting for making it low range sensitive.
Small scales	na	na	Two low range custom made scales based on a triple force sensor method.