Summary

פיתוח קונספט ושימוש בשיטת הערכת צריכת מזון ואכילה אוטומטית

Published: February 19, 2021
doi:

Summary

פרוטוקול זה מציג ומסביר שיטת הערכה תזונתית מבוססת טכנולוגיה חדשה. השיטה מורכבת ממגש אוכל עם קשקשי שקילה מובנים מרובים ומצלמת וידאו. המכשיר ייחודי במובן זה שהוא משלב אמצעים אוטומטיים של צריכת מזון ושתייה והתנהגות אכילה במהלך ארוחה.

Abstract

הרוב המכריע של שיטות הערכת התנהגות תזונה ואכילה מבוססים על דיווחים עצמיים. הם מעיקים וגם נוטים לשגיאות מדידה. החידושים הטכנולוגיים האחרונים מאפשרים פיתוח של כלים מדויקים ומדויקים יותר להערכת התנהגות תזונתית ואכילה הדורשים פחות מאמץ הן עבור המשתמש והן עבור החוקר. לכן פותח מכשיר חדש המבוסס על חיישנים להערכת צריכת מזון והתנהגות אכילה. המכשיר הוא מגש אוכל רגיל המצויד במצלמת וידאו ושלוש תחנות שקילה מובנות נפרדות. תחנות השקילה מודדות את משקל הקערה, הצלחת וגביע השתייה ברציפות במהלך הארוחה. מצלמת הוידאו הממוקמת בפנים מתעדת מאפייני התנהגות אוכלים (לעיסות, עקיצות), המנותחים באמצעות תוכנה להבעת פנים אוטומטית מבוססת בינה מלאכותית (AI). משקל המגש ונתוני הווידאו מועברים בזמן אמת למחשב אישי (PC) באמצעות מקלט אלחוטי. ניתן לחשב את תוצאות הריבית, כגון כמות הנאכלים, שיעור האכילה וגודל הנשיכה, על ידי חיסור הנתונים של אמצעים אלה בנקודות הזמן של הריבית. המידע המתקבל על ידי הגרסה הנוכחית של המגש יכול לשמש למטרות מחקר, גרסה משודרגת של המכשיר גם להקל על מתן ייעוץ מותאם אישית יותר על צריכת תזונה והתנהגות אכילה. בניגוד לשיטות ההערכה התזונתיות המקובלות, מכשיר הערכה תזונתי זה מודד את צריכת המזון ישירות בתוך ארוחה ואינו תלוי בזיכרון או בהערכת גודל המנה. בסופו של דבר, מכשיר זה מתאים אפוא לצריכת מזון ארוחה עיקרית יומית ולאמצעי התנהגות אכילה. בעתיד, שיטת הערכה תזונתית מבוססת טכנולוגיה זו יכולה להיות קשורה ליישומי בריאות או שעונים חכמים כדי לקבל סקירה מלאה של פעילות גופנית, צריכת אנרגיה והתנהגות אכילה.

Introduction

במחקר תזונה ותרגול תזונתי, זה המפתח יש אמצעים טובים של מה, כמה, ואיך אנשים אוכלים, כדי למצוא פתרונות לבעיות עודף משקל והשמנת יתר. כדי להעריך את צריכת התזונה, לעתים קרובות נעשה שימוש בשאלונים קונבנציונליים לדיווח עצמי כגון יומני מזון, החזרות של 24 שעות או שאלוני תדירות מזון1. שיטות אלה מסתמכות על דיווח עצמי ולכן הן גוזלות זמן ונוטות להטיה עקב תשובות חברתיות רצויות, חוסר התאמה בזיכרון וקשיים בהערכת גודל המנות2,3. בנוסף למדדי איכות הדיאטה (סוג המזון וכמות אכלו), חשוב גם לדעת כיצד אוכלים את המזון, שכן התנהגויות אכילה המאטות את צריכת המזון הוכחו כממנעות צריכת יתר בתוך ארוחה4. כדי להעריך את התנהגות האכילה תקן הזהב הוא ששני משקיפים יבארו הקלטות וידאו של אנשים שאוכלים ארוחה5. שיטה זו היא אינטנסיבית למדי עבודה זמן רב ואינו מאפשר משוב מיידי על ההתנהגות.

ההתקדמות הטכנולוגית האחרונה מספקת כעת את ההזדמנות לשלב אמצעים אוטומטיים של צריכת מזון עם מדדים אוטומטיים של התנהגות האכילה במהלך ארוחה. בתגובה להתפתחויות אלה, פותחה שיטה חדשה להערכת תזונה מבוססת חיישנים, הנקראת mEETr, ראשי התיבות של שתי המילים ההולנדיות ‘Meter’ (מתורגם: מכשיר מדידה) ו- ‘eet’ (מתורגם: לאכול). ה- mEETr הוא מגש אוכל רגיל עם שלוש תחנות שקילה מובנות(איור 1 מדגים את עיצוב המגש ולוחות החיישן) ומחזיק מצלמה. כל תחנת שקילה מורכבת משלוש נקודות מדידה הממוקמות באופן משולש כדי לפזר את המשקל. תחנות השקילה מודדות את משקל הקערה, הצלחת, וגביע השתייה או הזכוכית ברציפות על הארוחה. MEETr כולל גם מחזיק מצלמת וידאו. נכון לעכשיו, מחזיק המצלמה נפרד מהמגש, אבל למטרות סטנדרטיזציה מצלמה משולבת לאחר השדרוג הבא של mEETr (מקל מצלמת וידאו מתקפל) יהיה אידיאלי. המצלמה מאפשרת ניתוח אוטומטי בזמן אמת של מספר הנשיכות והלעיסות, ומשך האכילה, המאפשר יצירת מידע על קצב האכילה וגודל הנשיכה. ניתוח אוטומטי של התנהגות אכילה נעשה באמצעות אלגוריתם חדש שפותח. קבוצות מחקר שונות פיתחו מכשירים כדי לספק לאנשים משוב בזמן אמת על האצת האכילה והכמות שאנשים אוכלים6. כמו כן, מזלגות מוגברים פותחו כדי לספק משוב בזמן אמת על מספר הנשיכות ותדירותם בתוך ארוחה7. בנוסף, חיישן האוזן פותח כדי למדוד את המיקרו-מבנה של אכילה בתנאי חיים חופשיים8,9. בדומה למכשיר זה הוא ההתקנה בשימוש על ידי Ioakimidis ואח’10, שם אמצעי וידאו שולבו עם צלחת שקילה כדי לקבוע את צריכת המזון, מספר עקיצות, והתנהגות לעיסה.

בהשוואה למכשירים אלה החידוש של mEETr הוא שהוא משלב מידות אוטומטיות של צריכת מזון של שתי צלחות וגביע שתייה (n = 3) והתנהגות אכילה (למשל, קצב אכילה, מספר עקיצות, גודל נשיכה והתנהגות לעיסה) במכשיר אחד. mEETr, כפי שהוכח, מתאים במסגרת מדידות ארוחה של צריכת מזון והתנהגות אכילה בתוך סביבה מבוקרת (מעבדת אכילה), אבל בסופו של דבר המטרה היא להשתמש mEETr בסביבות פחות מבוקרות שבו תוכניות ארוחה המתרחשות מחדש משמשים כגון מעונות יום, קשישים-בתים, ובתי חולים.

בסופו של דבר, mEETr יספק אובייקטיבי יותר, וככאלה, מידה מדויקת ומדויקת יותר של צריכת מזון והתנהגות אכילה מאשר שיטות הערכה תזונתיים קונבנציונליים קידוד ידני של קטעי וידאו. מדדים טובים יותר של צריכת המזון יועילו לתזונה ולחקר הבריאות, אך גם לאנשי מקצוע בתחום הבריאות באתגר שלהם להילחם בעלייה במחלות שאינן מדבקות הקשורות למזון11. בסופו של דבר mEETr יכול לשמש בהגדרות מחקר ובריאות, כמו גם על ידי משתמשים מודעים לבריאות בבית על ידי קישור mEETr לטכנולוגיות ותוכנות קיימות, כגון אפליקציות בריאות אחרות או שעונים חכמים. בסך הכל, אמצעים בריאותיים אלה מספקים למשתמש או למקצוען הבריאות סקירה מגוונת ומלאה למדי של מגוון דפוסי התנהגות בריאותית (למשל, צריכת מזון, התנהגות אכילה, הוצאות אנרגיה המבוססות על אמצעים בחיים האמיתיים, שינה, מתח) המאפשרת למשתמש לייעל את התזונה שלו וליצור אורח חיים בריא.

Protocol

מחקר פיילוט זה אושר על ידי METC של אוניברסיטת Wageningen לפני תחילת הפרויקט. התראה: כל המשתתפים שתרמו לפרויקט זה סיפקו הסכמה מדעת, כולל אישור של תמונות וידאו המציגות פרצופים גלויים ומוכרים. 1. הכנה לדוגמה והסכמת משתתף מכינים מיץ (כוס או כוס), יוגורט פירות (קערה) ו?…

Representative Results

קצב בליעה איטי יותר (איור 7), גדלי לגימה/נשיכה קטנים יותר (איור 8)ועוד לעיסות (איור 9)הובילו לצריכה נמוכה יותר של הסלט בהשוואה ליוגורט ולמיץ (איור 6) כפי שנמדד על ידי מגש mEETr. המשתתפים אכלו 17% פחות מסלט הפירות בהשוואה למיץ הפירות. כ…

Discussion

תזונה בריאה והתנהגות אכילה בריאה הראו לשחק תפקיד מפתח במניעת פתרון עודף משקל והשמנת יתר11. עם זאת, רבות מהשיטות המשמשות למדידת צריכת התזונה והתנהגות האכילה מעיקות על משתמשים, חוקרים ואנשי מקצוע בתחום הבריאות ועשויות להיות מוטות מכיוון שהן תלויות בהערכת זיכרון וגודל מנה. שימו?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

אנו מודים J.M.C. D. Meijer של הסטודיו לפיתוח טכני של אוניברסיטת Wageningen ומחקר על עזרתו בפיתוח מגש mEETr. מחקר זה מומן על ידי 4 האוניברסיטאות הטכניות ההולנדיות, פרויקט 4TU- גאווה ודעה קדומה.

Materials

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.

References

  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).

Play Video

Cite This Article
Lasschuijt, M. P., Brouwer-Brolsma, E., Mars, M., Siebelink, E., Feskens, E., de Graaf, K., Camps, G. Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method. J. Vis. Exp. (168), e62144, doi:10.3791/62144 (2021).

View Video