Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

अवधारणा विकास और एक स्वचालित भोजन का सेवन और खाने व्यवहार मूल्यांकन विधि का उपयोग

Published: February 19, 2021 doi: 10.3791/62144
Automatic Translation
1, 1, 1, 1, 1, 1, 1
1Division of Human Nutrition and Health, Wageningen University & Research

ERRATUM NOTICE

Summary

यह प्रोटोकॉल एक नई तकनीक आधारित आहार मूल्यांकन विधि को दिखाता है और बताता है। विधि कई निर्मित वजन तराजू और एक वीडियो कैमरा के साथ एक भोजन ट्रे के होते हैं । डिवाइस इस अर्थ में अद्वितीय है कि यह भोजन और पेय के सेवन और भोजन के दौरान खाने के व्यवहार के स्वचालित उपायों को शामिल करता है।

Abstract

आहार और भोजन व्यवहार मूल्यांकन विधियों के विशाल बहुमत स्वयं रिपोर्ट पर आधारित हैं । वे भारी होते हैं और माप त्रुटियों से भी ग्रस्त होते हैं। हाल ही में तकनीकी नवाचार अधिक सटीक और सटीक आहार और खाने के व्यवहार मूल्यांकन उपकरण के विकास के लिए अनुमति देते हैं जिन्हें उपयोगकर्ता और शोधकर्ता दोनों के लिए कम प्रयास की आवश्यकता होती है। इसलिए, भोजन के सेवन और खाने के व्यवहार का आकलन करने के लिए एक नया सेंसर आधारित उपकरण विकसित किया गया था। डिवाइस एक नियमित भोजन ट्रे एक वीडियो कैमरा और तीन अलग निर्मित वजन स्टेशनों के साथ सुसज्जित है । वजन स्टेशनों कटोरा, थाली के वजन को मापने, और एक भोजन के दौरान लगातार कप पीने । चेहरे पर तैनात वीडियो कैमरा व्यवहार विशेषताओं (चबाने, काटने) खाने के रिकॉर्ड करता है, जिसका विश्लेषण आर्टिफिशियल इंटेलिजेंस (एआई) आधारित स्वचालित चेहरे की अभिव्यक्ति सॉफ्टवेयर का उपयोग करके किया जाता है। ट्रे वजन और वीडियो डेटा एक वायरलेस रिसीवर का उपयोग कर एक निजी कंप्यूटर (पीसी) के लिए वास्तविक समय पर ले जाया जाता है । ब्याज के परिणाम, जैसे कि खाया गया राशि, खाने की दर और काटने का आकार, ब्याज के समय बिंदुओं पर इन उपायों के डेटा को घटाकर गणना की जा सकती है। ट्रे के वर्तमान संस्करण द्वारा प्राप्त जानकारी अनुसंधान प्रयोजनों के लिए इस्तेमाल किया जा सकता है, डिवाइस का एक उन्नत संस्करण भी आहार का सेवन और खाने के व्यवहार पर अधिक व्यक्तिगत सलाह के प्रावधान की सुविधा होगी । पारंपरिक आहार मूल्यांकन विधियों के विपरीत, यह आहार मूल्यांकन उपकरण भोजन के सेवन को सीधे भोजन के भीतर मापता है और स्मृति या भाग आकार अनुमान पर निर्भर नहीं होता है। अंततः, इसलिए यह डिवाइस दैनिक मुख्य भोजन भोजन के सेवन और खाने के व्यवहार के उपायों के लिए अनुकूल है। भविष्य में, इस तकनीक आधारित आहार मूल्यांकन विधि को व्यायाम, ऊर्जा सेवन और खाने के व्यवहार का पूरा अवलोकन प्राप्त करने के लिए स्वास्थ्य अनुप्रयोगों या स्मार्ट घड़ियों से जोड़ा जा सकता है।

Introduction

पोषण अनुसंधान और आहार अभ्यास में, अधिक वजन और मोटापे की समस्याओं का समाधान खोजने के लिए, लोग क्या, कितना, और कैसे खाते हैं, इसके अच्छे उपाय करना महत्वपूर्ण है। आहार के सेवन का आकलन करने के लिए, अक्सर पारंपरिक स्व-रिपोर्ट प्रश्नावली का उपयोग खाद्य डायरी, 24 एच याद करते हैं या खाद्य आवृत्ति प्रश्नावली1जैसे होते हैं। ये विधियां आत्म-रिपोर्ट पर निर्भर करती हैं और इसलिए समय लेने वाली होती हैं और सामाजिक-वांछनीय उत्तरों, स्मृति अपर्याप्तता और भाग के आकार का आकलन करने में कठिनाइयों के कारण पूर्वाग्रह से ग्रस्त होती हैं2,3। आहार की गुणवत्ता (भोजन के प्रकार और खाया गया भोजन की मात्रा) के उपायों के अलावा, यह जानना भी महत्वपूर्ण है कि भोजन कैसे खाया जाता है, क्योंकि भोजन के सेवन को धीमा करने वाले व्यवहार को भोजन के भीतर अधिक खपत को रोकने के लिए दिखाया गया है4। खाने के व्यवहार का आकलन करने के लिए सुनहरा मानक यह है कि दो पर्यवेक्षक भोजन खाने वाले लोगों की वीडियो रिकॉर्डिंग एनोटेटकरें 5. यह विधि बल्कि श्रम गहन और समय लेने वाली है और व्यवहार पर तत्काल प्रतिक्रिया के लिए अनुमति नहीं देती है।

हाल ही में तकनीकी प्रगति अब एक भोजन के पाठ्यक्रम पर खाने के व्यवहार के स्वचालित उपायों के साथ भोजन के सेवन के स्वचालित उपायों गठबंधन करने का अवसर प्रदान करते हैं । इन घटनाओं के जवाब में, एक नया सेंसर-आधारित आहार मूल्यांकन विधि विकसित की गई थी, जिसे mEETr कहा जाता है, दो डच शब्दों 'मीटर' (अनुवादित: मापने वाला उपकरण), और 'ईट' (अनुवादित: खाने के लिए) का परिवर्णी शब्द। mEETr तीन निर्मित वजन स्टेशनों के साथ एक नियमित भोजन ट्रे है(चित्रा 1 ट्रे और सेंसर प्लेटों के डिजाइन को दर्शाता है) और एक कैमरा धारक । प्रत्येक वजन स्टेशन वजन वितरित करने के लिए तीन त्रिकोणीय तैनात माप अंक के होते हैं । वजन स्टेशन भोजन के ऊपर लगातार कटोरे, प्लेट और पीने के कप या ग्लास के वजन को मापते हैं। mEETR में एक वीडियो कैमरा धारक भी शामिल है। वर्तमान में, कैमरा धारक ट्रे से अलग है, लेकिन मानकीकरण प्रयोजनों के लिए mEETr (एक तह वीडियो कैमरा स्टिक) के अगले उन्नयन के बाद एक एकीकृत कैमरा आदर्श होगा । कैमरा काटने और चबाने की संख्या के स्वचालित वास्तविक समय विश्लेषण की सुविधा देता है, और खाने की अवधि, जो खाने की दर और काटने के आकार के बारे में जानकारी के उत्पादन के लिए अनुमति देता है। खाने के व्यवहार का स्वचालित विश्लेषण एक नव विकसित एल्गोरिदम के उपयोग के साथ किया जाता है। विभिन्न अनुसंधान समूहों ने लोगों को खाने के त्वरण पर वास्तविक समय की प्रतिक्रिया प्रदान करने के लिए उपकरण विकसित किए हैं और लोग6खाते हैं । इसके अलावा, एक भोजन7के भीतर काटने की संख्या और उनकी आवृत्ति पर वास्तविक समय प्रतिक्रिया प्रदान करने के लिए संवर्धित कांटे विकसित किए गए हैं। इसके अतिरिक्त,8,9मुक्त जीवन स्थितियों में खाने की सूक्ष्म संरचना को मापने के लिए एक कान सेंसर विकसित किया गया था। इस डिवाइस के समान सेट-अप Ioakimidis एट अल द्वारा इस्तेमाल किया जाता है।10,जहां वीडियो उपायों को भोजन के सेवन, काटने की संख्या और चबाने के व्यवहार को निर्धारित करने के लिए एक वजन प्लेट के साथ जोड़ा गया था।

इन उपकरणों की तुलना में mEETr की नवीनता यह है कि यह दो प्लेटों और एक पीने के कप (एन = 3) और खाने के व्यवहार के भोजन के स्वचालित उपायों को जोड़ती है (जैसे, खाने की दर, काटने की संख्या, काटने का आकार, और चबाने व्यवहार) एक डिवाइस में । mEETr, के रूप में प्रदर्शन किया, भोजन के सेवन और एक नियंत्रित (खाने प्रयोगशाला) वातावरण के भीतर व्यवहार खाने के भोजन के उपायों के भीतर के लिए अनुकूल है, लेकिन अंततः उद्देश्य कम नियंत्रित वातावरण में mEETr का उपयोग करें, जहां फिर से होने वाली भोजन की योजना जैसे daycares, बुजुर्ग घरों, और अस्पतालों के रूप में उपयोग किया जाता है ।

अंततः, mEETr एक अधिक उद्देश्य प्रदान करेगा, और इस तरह के रूप में, पारंपरिक आहार मूल्यांकन विधियों और वीडियो के मैनुअल कोडिंग की तुलना में भोजन के सेवन और खाने के व्यवहार का अधिक सटीक और सटीक उपाय। भोजन के सेवन के बेहतर उपायों से पोषण और स्वास्थ्य अनुसंधान को लाभ होगा, लेकिन साथ ही स्वास्थ्य पेशेवरों को भोजन से संबंधित गैर-संचारी रोगों में वृद्धि का मुकाबला करने की चुनौती में11। अंततः mEETr अनुसंधान और स्वास्थ्य देखभाल सेटिंग्स के साथ ही स्वास्थ्य के प्रति जागरूक उपयोगकर्ताओं द्वारा घर पर मौजूदा प्रौद्योगिकियों और सॉफ्टवेयर, जैसे अन्य स्वास्थ्य क्षुधा या स्मार्ट घड़ियों के लिए mEETr को जोड़ने के द्वारा इस्तेमाल किया जा सकता है । कुल मिलाकर, ये स्वास्थ्य उपाय उपयोगकर्ता या स्वास्थ्य देखभाल पेशेवर को विभिन्न प्रकार के स्वास्थ्य-व्यवहार पैटर्न (जैसे, भोजन का सेवन, खाने के व्यवहार, वास्तविक जीवन के उपायों, नींद, तनाव के आधार पर ऊर्जा व्यय) के विविध और पूर्ण अवलोकन के साथ प्रदान करते हैं, जिससे उपयोगकर्ता को अपने आहार का अनुकूलन करने और एक स्वस्थ जीवन शैली बनाने में सक्षम बनाया जा सके।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

इस प्रायोगिक अध्ययन को परियोजना शुरू करने से पहले Wageningen विश्वविद्यालय के METC द्वारा अनुमोदित किया गया था ।

सावधानी: इस परियोजना में योगदान देने वाले सभी प्रतिभागियों ने एक सूचित सहमति प्रदान की, जिसमें दृश्यमान और पहचानने योग्य चेहरे दिखाने वाले वीडियो चित्रों का अनुमोदन शामिल है।

1. नमूना तैयारी और प्रतिभागी की सहमति

  1. एक रस (कांच या कप), फल दही (कटोरा), और फलों के टुकड़े (प्लेट) तैयार करें।
    नोट: इन खाद्य पदार्थों को केवल प्रदर्शन उद्देश्यों के लिए चुना जाता है(चित्रा 2)।
  2. एक प्रतिभागी या एक स्वयंसेवक जो अध्ययन में भाग लेने के लिए सहमत भर्ती ।
  3. चश्मा पहने प्रतिभागियों को बाहर (जो संपर्क लेंस का उपयोग नहीं कर सकते) और/या चेहरे के बाल (दाढ़ी या मूंछें) होने के लिए माप त्रुटियों से बचने के लिए ।
  4. प्रतिभागियों को अध्ययन और डेटा संग्रह (डेटा स्टोरेज, पहुंच) के बारे में सूचित करें। गैर-गुमनाम वीडियो रिकॉर्डिंग के मामले में अलग-अलग अनुमति प्राप्त करें। डेटा एकत्र करने से पहले सूचित सहमति पर प्रतिभागी के हस्ताक्षर प्राप्त करें।

2. डिवाइस और माप स्थान सेट-अप

नोट: यह प्रोटोकॉल एक नियंत्रित (खाने प्रयोगशाला) सेटिंग में डेटा संग्रह के लिए अनुकूलहै ।

  1. सुनिश्चित करें कि कमरे में प्रकाश समान रूप से वितरित किया जाता है-प्रतिभागियों के चेहरे पर छाया से बचें ।
  2. प्रतिभागी के अलावा अन्य व्यक्तियों की उपस्थिति के कारण वीडियो रिकॉर्डिंग पर पृष्ठभूमि शोर से बचें।
  3. एक मेज से पहले एक कुर्सी पर प्रतिभागी सीट; टेबलटॉप के साथ बस प्रतिभागी की छाती के नीचे स्थित है।
  4. ट्रे और वेबकैम के वायरलेस रिसीवर को लैपटॉप से कनेक्ट करें।
  5. लैपटॉप शुरू करो। सुनिश्चित करें कि लैपटॉप में निम्नलिखित स्पेसिफिकेशन हैं: सीपीयू i7-10750H, एसएसडी एम2 512 जीबी, मेमोरी 1x 16 जीबी, डीडीआर4 2933 मेगाहर्ट्ज नॉन-ईसीसी-मेमोरी, ऑपरेटिंग सिस्टम 64 बिट।
  6. ट्रे पर स्विच करें और यह सुनिश्चित करें कि ट्रे (हरी बत्ती) में चार्ज है।
  7. कनेक्टर प्रोग्राम (डीआइएस), रिसीवर और प्रोसेसर सॉफ्टवेयर प्रोग्राम को डैशबोर्ड के साथ क्रमशः खोलें।
  8. प्रोसेसर प्रोग्राम(चित्रा 3)में आने वाली इमेज क्वालिटी की जांच करें ।
    नोट: खाने के व्यवहार का पता लगाने के लिए, छवि की गुणवत्ता कार्य बार (हरे रंग) की अंतिम तिमाही के भीतर होनी चाहिए; जितना संभव हो उतना 100% हरे रंग के करीब। छाया बनाने से छवि की गुणवत्ता कम हो सकती है।
  9. सुनिश्चित करें कि छवि फ्रेम खराब छवि गुणवत्ता को रोकने के लिए सही है। सुनिश्चित करें कि प्रतिभागी का सिर (कपाल के ऊपर) छाती तक, जिसमें हाथ और कंधे शामिल हैं, स्पष्ट रूप से दिखाई दे रहे हैं।

3. वजन प्रणाली और डेटा परिवहन

  1. पहली बार mEETr के उपयोग से पहले के उपायों को मान्य करें।
    नोट: mEETr डिवाइस तीन निर्मित वजन स्टेशनों(चित्रा 2)के साथ एक नियमित रूप से व्यावसायिक रूप से उपलब्ध डाइनिंग ट्रे (फाइबर लागू epoxy डिनर ट्रे) के होते हैं ।
  2. सेट-अप को मान्य करने के लिए, यह सुनिश्चित करें कि ट्रे लगातार एक प्लेट, कटोरे और पीने के गिलास के वजन को मापता है।
    नोट: पूरी रेंज में वजन पैमाने की सटीकता 0.3% होनी चाहिए।
  3. प्रत्येक वजनी मंच पर बहुत अधिक वजन न रखें। सबसे बड़े प्लेटफॉर्म (डिनर प्लेट) के लिए अधिकतम वजन 1.5 किलो है। दो छोटे वजन वाले प्लेटफार्मों (कटोरे और ग्लास) का अधिकतम वजन 800 ग्राम है। न्यूनतम वजन जिसे सटीक रूप से मापा जा सकता है, प्रत्येक वजन स्टेशन के लिए 1 ग्राम है।
  4. सुनिश्चित करें कि प्लेट, कप और कटोरा मंच या आसपास की ट्रे पर आराम नहीं कर रहे हैं। इससे बचने के लिए केंद्र की अंगूठी का उपयोग करें।
    नोट: प्रत्येक वजन स्टेशन तीन त्रिकोण तैनात बल सेंसर है कि एक पैमाने के रूप में एक साथ कार्य के होते हैं । वजन को संतुलित करने के लिए त्रिकोण की स्थिति चुनी गई।
  5. ट्रे को सूखा रखना सुनिश्चित करें। इस ट्रे में इलेक्ट्रॉनिक्स वाले ट्रे के नीचे 50 एमएम पतला बेस पैनल (सेंट्रल सर्किट बोर्ड) शामिल है।
  6. डेटा ट्रांसफर के लिए, सुनिश्चित करें कि ट्रे वायरलेस रिसीवर से कनेक्ट होती है।
    नोट: एक छोटी दूरी रेडियो संकेत (लगभग 1 मीटर दूरी) के माध्यम से एक 1 एस अंतराल पर वजन डेटा हस्तांतरण । एक यूएसबी पोर्ट के माध्यम से रिसीवर को एक निजी कंप्यूटर (पीसी) से कनेक्ट करें।
  7. तीन बल सेंसर बलों (या वजन) को मापते हैं, उन्हें योग करते हैं, और उन्हें एक अंशांकित वजन मूल्य में परिवर्तित करते हैं।
  8. प्रत्येक उपयोग के बाद ट्रे को रिचार्ज करें।
    नोट: ट्रे एक आंतरिक बैटरी पैक द्वारा संचालित है और एक यूएसबी चार्जर के साथ चार्ज किया जा सकता है । यूएसबी सॉकेट के पास एक ऑन/ऑफ स्लाइड स्विच स्थित है। एक पूर्ण बैटरी चार्ज उपयोग के बारे में 20 घंटे के लिए प्रदान करता है।
  9. ट्रे को डिशवॉशर में साफ न करें; ट्रे डिशवॉशर प्रूफ नहीं है। एक सफाई स्प्रे का उपयोग कर ट्रे को साफ करें। सुनिश्चित करें कि ट्रे को साफ और सूखा रखा जाए। प्लेटफार्मों के साथ लीक चैनल तरल फैल नाली ।

4. प्रतिभागी स्पष्टीकरण और अवलोकन की शुरुआत

  1. प्रतिभागी के सामने mEETR रखें।
  2. 1 के लिए प्रतिभागी निर्देश) जितना या जितना कम वह चाहता है उतना खाएं, 2) खाने के दौरान सीधे वेबकैम में देखें, और 3) खाने के दौरान चेहरे के सामने हाथ न डालें।
  3. रिसीवर सॉफ्टवेयर में एक नया अवलोकन शुरू करें। डेट, पार्टिसिपेंट्स नंबर, पार्टिसिपेंट्स का जेंडर, एज और एंथ्रोपोमेट्रिक डेटा लॉग इन करें, जैसे वजन और हाइट। अवलोकन नाम में अध्ययन की स्थिति और अध्ययन यात्रा जैसी अतिरिक्त जानकारी शामिल करें।
  4. अवलोकन को रिकॉर्ड करने के लिए रिसीवर सॉफ्टवेयर में रिकॉर्ड दबाएँ।
  5. डेटा संग्रह(चित्रा 4)के दौरान वीडियो रिकॉर्डिंग और आने वाले डेटा की जांच करने के लिए डैशबोर्ड को सक्रिय करें।
  6. रिकॉर्डिंग से पहले, प्रतिभागी को 1 से पूछें) प्रतिभागी संख्या के साथ कार्ड उठाएं, और 2) भोजन के शुरू और अंत में अपना हाथ उठाएं।
  7. प्रतिभागी के खाने को खत्म करने पर अवलोकन समाप्त करें। सभी डेटा को स्प्रेडशीट में स्थानांतरित करने में 2 मिनट लगते हैं।
  8. प्रतिभागी के लिए यह सत्र का अंत है।
  9. लैपटॉप से वेबकैम और ट्रे-रिसीवर को डिस्कनेक्ट करें और इसे साफ करने वाले टिश्यू या क्लीनिंग स्प्रे से साफ करें ।

5. मूल्यांकन और डेटा का हस्तांतरण

  1. रिसीवर सॉफ्टवेयर में अंतिम अवलोकन खोलें। खाने के व्यवहार के स्वचालित उपाय शीर्षक डेटाके तहत संग्रहीत कर रहे हैं । कच्चे डेटा निकालने के लिए निर्यात डेटा पर क्लिक करें। बाद की आउटपुट फ़ाइल में प्रतिभागी संख्या, वास्तविक समय, सापेक्ष (शुरू करने के लिए) समय, और खाने के व्यवहार चर (काटने की संख्या, चबाने की संख्या, चबाने की अवधि) प्रति परीक्षण प्रतिभागी पर डेटा होता है।
    नोट: सभी व्यवहार समय मुहर लगी है । रिसीवर सॉफ्टवेयर में, ट्रे का अतिरिक्त बाहरी डेटा निकाला जा सकता है, उदाहरण के लिए, तीन ट्रे में से प्रत्येक के वजन का डेटा। डेटा प्रति सेकंड 10 बार दर्ज किया जाता है और स्थानांतरित किया जाता है। ट्रे डेटा संग्रह समय खाने के व्यवहार रिकॉर्डिंग के साथ सिंक्रोनाइज्ड है।
  2. कार्यक्रम के भीतर ही विभिन्न बार चार्ट में परिणामों को संक्षेप में प्रस्तुत करें और कल्पना करें। लॉग फाइलों (.xsl)(चित्रा 5)में कच्चे डेटा के रूप में परिणामों का निर्यात करें।
  3. लॉग फ़ाइलों को स्प्रेडशीट में निर्यात करें और वरीयता के सांख्यिकीय कार्यक्रम का उपयोग करके डेटा विश्लेषण करें।
  4. डेटा विश्लेषण से पहले डेटा को साफ करें।
    नोट: प्लेटों पर कटलरी के साथ दबाने की विकृतियों के कारण (वजन में वृद्धि के कारण), ट्रे के वजन डेटा को काटने के आकार का संकेत देने वाले कदम आकार के साथ एक कयोजना मेयर वक्र को साफ करने की आवश्यकता होती है, काटने के बीच समय का संकेत देने वाली कदम लंबाई। वक्र की शुरुआत शुरू वजन इंगित करता है, अंतिम चरण अंत वजन इंगित करता है) इस प्रकार है।
    1. चरम मूल्यों को फ़िल्टर करने के लिए प्रति सेकंड मापों के लिए टाइमपॉइंट पर चिकना करें।
    2. 5 ग्राम सीमा निर्धारित करें, वजन पठारों का पता लगाएं (यानी, +/-5 ग्राम के भीतर कोई परिवर्तन नहीं), और वजन में परिवर्तन (5 ग्राम से बड़े समय के साथ परिवर्तन) काटने के आकार और भाग परिवर्तन को इंगित करने के लिए।
    3. प्लेट पर बनी कटलरी के कारण वजन वृद्धि को बाहर करें।
      नोट: आउटपुट प्रति वजन स्टेशन शुरू और भोजन के अंत (= भोजन का आकार), औसत काटने का आकार, और प्रति मिनट काटने के कुल वजन परिवर्तन है।
  5. भोजन के दौरान खाने की दर (जी/सेकंड) और काटने के आकार (जी/काटने) में परिवर्तन निर्धारित करने के लिए, मैन्युअल रूप से ट्रे वजन डेटा और खाने के व्यवहार को एकीकृत करें(चित्रा 6, चित्रा 7, चित्रा 8, चित्रा 9, चित्रा 10)।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

एक धीमी घूस दर(चित्रा 7),छोटे घूंट/काटने के आकार(चित्रा 8),और अधिकचबाने (चित्रा 9)दही और रस(चित्रा 6)के रूप में mEETr ट्रे द्वारा मापा की तुलना में सलाद का कम सेवन करने के लिए नेतृत्व किया । प्रतिभागियों ने फलों के रस की तुलना में फलों का सलाद 17% कम खाया। सभी खाने के व्यवहार विशेषताओं रस, दही, और सलाद के बीच मतभेद(चित्रा 7, चित्रा 8, चित्रा 9)। प्रतिभागियों ने दही और रस की तुलना में फलों के सलाद पर काफी अधिक चबाया । दही और फलों के सलाद के बीच तीन के कारक से भिन्न चबाने की संख्या। इसके अतिरिक्त, काटने का आकार रस की तुलना में सलाद 6.5 ग्राम प्रति काटने के लिए सबसे छोटा था: 8 ग्राम प्रति घूंट। कुल मिलाकर, चबाने की संख्या, काटने का आकार, और खाने की दर एक खाने की प्रयोगशाला सेटिंग में भोजन के दौरान खाया गया था कि राशि को प्रभावित करने के लिए लग रहा था । ये निष्कर्ष अन्य अध्ययनों के अनुसार हैं जो रिपोर्ट करते हैं कि एक बढ़ा हुआ मौखिक प्रसंस्करण समय (चबाने की अधिक संख्या, छोटे काटने के आकार) भोजन का सेवन12, 13,14,15कम करदेताहै।

Figure 1
चित्र 1:तीन वजन स्टेशनों के साथ नीचे ट्रे की तस्वीर, और ऊपर प्रिंट प्लेट पर तीन दबाव सेंसर । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 2
चित्र 2:खाद्य पदार्थों के साथ mEETR सेट-अप परीक्षण किया । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 3
चित्र 3:चेहरे (आंख और मुंह) पर निश्चित बिंदुओं का उपयोग करके खाने के व्यवहार का स्वचालित पता लगाना। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 4
चित्र 4:डैशबोर्ड ट्रे के तीन वजनी पैमानों के साथ-साथ आने वाले वीडियो डेटा के आने वाले डेटा की कल्पना करता है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 5
चित्रा 5:डेटा संग्रह अवलोकन। भोजन के दौरान तीन वजन तराजू पर भोजन के वजन में कमी तीन ऊपरी रेखांकन द्वारा दिखाया गया है; चोटियों कटलरी के दबाव के कारण कर रहे हैं। काटने और घूंट (अवधि सहित) और चबाने की संख्या रंगीन क्षैतिज सलाखों द्वारा अंतिम पंक्ति में दिखाया गया है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 6
चित्र 6:mEETr ट्रे के साथ मापा के रूप में उत्पाद के अनुसार खाद्य सेवन (जी)। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 7
चित्रा 7:mEETr ट्रे और स्वचालित भोजन व्यवहार वीडियो विश्लेषण के आधार पर प्रति उत्पाद खाने की दर (जी/मिनट) । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 8
चित्र 8:mEETr ट्रे और स्वचालित भोजन व्यवहार वीडियो विश्लेषण के आधार पर प्रति उत्पाद औसत काटने का आकार (जी) । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 9
चित्रा 9:mEETr ट्रे और स्वचालित भोजन व्यवहार वीडियो विश्लेषण के आधार पर प्रति उत्पाद चबाने की कुल संख्या । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 10
चित्रा 10:तीन वजन वाले प्लेटफ़ॉर्म, व्यवहार और समय टिकटों सहित माप का कच्चा डेटा आउटपुट। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

एक स्वस्थ आहार और एक स्वस्थ भोजन व्यवहार अधिक वजन और मोटापे की रोकथाम और समाधान में एक महत्वपूर्ण भूमिका निभाने के लिए दिखाया गया है11. हालांकि, आहार का सेवन और खाने के व्यवहार को मापने के लिए इस्तेमाल किए जाने वाले कई तरीके उपयोगकर्ताओं, शोधकर्ताओं और स्वास्थ्य देखभाल पेशेवरों के लिए भारी हैं और पक्षपाती हो सकते हैं क्योंकि वे स्मृति और भाग के आकार के अनुमानों पर निर्भर हैं। mEETr का उपयोग करना, स्वतंत्र रूप से या पारंपरिक वीडियो और आहार मूल्यांकन विधियों के साथ, प्रयास और सटीकता और आहार का सेवन और खाने के व्यवहार के आकलन की सटीकता कम हो जाएगा ।

इससे पहले कि mEETr इस्तेमाल किया जा सकता है, कुछ महत्वपूर्ण कदम को संबोधित करने की जरूरत है । एक बुनियादी पद्धति विचार दर्ज वीडियो के चेहरे के विश्लेषण से संबंधित गोपनीयता है। प्रतिभागियों के लिए गुमनामी नैतिक अनुसंधान की एक अभिन्न विशेषता है। हालांकि, चेहरे के विश्लेषण के साथ mEETr का एक हिस्सा होने के नाते, गुमनामी लगभग असंभव16है । इस प्रकार, एक शोध सेटिंग में mEETr के उपयोग के लिए डेटा सुरक्षा से संबंधित व्यापक प्रावधानों की आवश्यकता होती है और सूचित सहमति और अन्य भागीदार प्रलेखन में ध्यान देना वारंट करता है। अंततः, mEETr चेहरे की रिकॉर्डिंग के एक उन्नत संस्करण में वीडियो डेटा भंडारण के बिना डिवाइस के भीतर वास्तविक समय संसाधित कर रहे हैं । नतीजतन, चेहरे की रिकॉर्डिंग का कोई भंडारण आवश्यक नहीं होगा, जो गुमनाम डेटा संग्रह की अनुमति होगी ।

प्रोटोकॉल में एक और महत्वपूर्ण कदम यह है कि mEETr के इस संस्करण में सभी डेटा स्ट्रीम स्वतंत्र हैं जिसके लिए वीडियो विश्लेषण के उपायों और पोस्ट-प्रोसेसिंग के दौरान तीन अलग-अलग पैमानों के एकीकरण की आवश्यकता होती है। डेटा का विश्लेषण केवल वजन स्टेशन के आधार पर किया जाता है; यह तो शोधकर्ता पर निर्भर है कि क्या है कि विशिष्ट कटोरा में या उस विशिष्ट थाली में या कप स्थान में परोसा गया था के लिए डेटा के बाद तदर्थ जोड़ी । डेटा धाराओं को मिलाने से रोकने के लिए, ट्रे की संरचना यह लागू करती है कि कटोरे, प्लेट या कप को केवल छल्ले के कारण विशिष्ट स्थानों पर रखा जा सकता है जो टेबलवेयर के विशिष्ट टुकड़े को फिट करते हैं।

अंततः, डेटा धाराओं के तत्काल एकीकरण के लिए जगह है, जो वास्तविक समय कटोरा में वजन परिवर्तन के साथ निर्णय लेने के लिए एक अतिरिक्त सत्यापन उपाय के रूप में सेवा करेंगे/

इन महत्वपूर्ण चरणों के अलावा, डेटा निगरानी और समस्या निवारण या त्रुटि को पकड़ने को सरल बनाया जाना चाहिए, जिसे निम्नलिखित संशोधनों की मदद से प्राप्त किया जा सकता है: (1) सिस्टम के स्टार्ट-अप का ऑटोमाइजेशन, (2) डैशबोर्ड पर गुणवत्ता संकेतकों का एकीकरण जो स्वचालित भोजन व्यवहार का पता लगाने के लिए वीडियो गुणवत्ता के बारे में जानकारी प्रदान करता है, (3) लैपटॉप के लिए कम मेमोरी आवश्यकताएं , (4) स्वचालित घटना का पता लगाना जो खाने-खाने के समय के दौरान माप के प्रयासों को रोकता है।

सुधार के लिए इन क्षेत्रों के शीर्ष पर, mEETr का उपयोग करते समय कुछ चुनौतियां हैं जो ध्यान आकर्षित करने की आवश्यकता है। सबसे पहले, mEETr के निम्नलिखित संस्करणों को वाटरप्रूफ बनाया जाना चाहिए ताकि उन्हें डिशवॉशर में साफ किया जा सके। दूसरा, खाने के व्यवहार के वैध उपायों को प्राप्त करने के लिए, प्रतिभागी को विभिन्न प्रतिबंधों और नियमों का पालन करने की आवश्यकता है। mEETr के वैध उपयोग के लिए, यह महत्वपूर्ण है कि वीडियो निर्बाध है, और उपयोगकर्ता चबाने के दौरान सीधे कैमरे में दिखता है। इसके अतिरिक्त, एल्गोरिदम के लिए चबाने और निगल का पता लगाने के लिए, उपयोगकर्ता को 1 होना चाहिए) कंधे और हाथों सहित फ्रेम में पूरी तरह से दिखाई देना 2) चेहरे पर कोई छाया नहीं है; प्रकाश के मानकीकरण की जरूरत है। ये आवश्यकताएं प्राकृतिक या सामान्य खाने के व्यवहार को परेशान करती हैं। के रूप में खाने के सामांय रहने की स्थिति में एक स्वाभाविक सामाजिक मामला है, जगह में इन प्रतिबंधों होने सामांय सामाजिक खाने के व्यवहार के साथ सहजता से जाल नहीं है । इस प्रकार, mEETr के सटीक उपयोग, अभी के लिए, खाने का एक गैर पारंपरिक तरीके की आवश्यकता है । एल्गोरिदम में परिवर्तन भविष्य में एक अधिक मजबूत माप है कि प्रतिभागी कुछ खाने के नियमों या प्रतिबंधों का पालन करने की आवश्यकता नहीं है करने के लिए किया जाना चाहिए । सामान्य तौर पर, mEETr का उपयोग उपयोगकर्ता प्रतिक्रियाशीलता पैदा कर सकता है, जिसके परिणामस्वरूप mEETr ट्रे का उपयोग करके खाया जाने वाली जागरूकता के कारण भोजन का सेवन बदल सकता है। इसे तब रोका जा सकता है जब बिल्ट-इन वजन स्टेशन पूरी तरह से छिपे होते हैं, और एक विस-आई कैमरा का उपयोग किया जाता है जिसे ट्रे के भीतर शामिल किया जाता है ताकि एक मानक चेहरे की ऊंचाई की आवश्यकता न हो। इसलिए mEEtr का वर्तमान संस्करण केवल प्रयोगशाला आधारित अध्ययन के लिए अनुकूल है। प्रतिबंध और इस तकनीक के लिए आवश्यक नियमों के कारण, परिणाम सीधे मुक्त रहने वाले खाने के पैटर्न के लिए अनुवाद नहीं करते ।

इन परिवर्तनों के बगल में, वर्तमान प्रणाली के दो कार्यात्मक एक्सटेंशन हैं जिन्हें भविष्य में शामिल करने की आवश्यकता है। सबसे पहले, प्लेट पर खाद्य पदार्थों की मैक्रोन्यूट्रिएंट सामग्री का विश्लेषण करने के लिए अतिरिक्त हाइपरस्पेक्ट्रल कैमरा तकनीक को एमएईटीआर में जोड़ने की आवश्यकता है। यह सटीक खाद्य पदार्थ है कि थाली पर है, जबकि अभी भी भोजन प्रति गरमी सेवन माप की अनुमति के ज्ञान की जरूरत को दरकिनार होगा । दूसरा, खाद्य पदार्थों को स्वचालित रूप से पहचानने के लिए एक मशीन लर्निंग दृष्टिकोण वर्तमान वीडियो विश्लेषण से जुड़ा हो सकता है, जिससे सिस्टम के आगे स्वचालन की अनुमति मिल सकती है। भोजन की मान्यता को और बढ़ाने के लिए, एक दूसरा कैमरा जोड़ा जा सकता है जो पूरी तरह से प्लेटों पर भोजन और पेय पर केंद्रित है ।

आदर्श रूप से, mEETr ट्रे और कैमरा मौजूदा आहार ऐप पारिस्थितिकी तंत्र से जोड़ा जा सकता है, जो mEETr परिणामों के प्रत्यक्ष इनपुट को आहार ऐप और आहारविशेषज्ञों 2में अनुमति देगा। mEETr द्वारा एकत्र की गई जानकारी के आधार पर, उपभोक्ता या रोगी को तत्काल प्रतिक्रिया और सलाह दी जा सकती है (मैक्रो) पोषक तत्वों का सेवन और खाने का व्यवहार (भोजन बनावट और खाने की दर)। यह उपयोगकर्ता को एक स्वस्थ जीवन शैली बनाने के लिए अपने आहार और खाने के व्यवहार को अनुकूलित करने में सक्षम बनाएगा।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

mEETr डिवाइस और साथ सॉफ्टवेयर एक वाणिज्यिक भागीदार के सहयोग से विकसित किया गया है; नोल्डस सूचना प्रौद्योगिकी। लेखक हितों के टकराव की घोषणा नहीं करते हैं ।

Acknowledgments

हम mEETr ट्रे के विकास में उनकी मदद के लिए Wageningen विश्वविद्यालय और अनुसंधान के तकनीकी विकास स्टूडियो के जे.M.C डी Meijer धन्यवाद. इस शोध को 4 डच तकनीकी विश्वविद्यालयों, 4TU-प्राइड एंड प्रिज्युडिस प्रोजेक्ट द्वारा वित्त पोषित किया गया था ।

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.

DOWNLOAD MATERIALS LIST

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).

Tags

व्यवहार अंक १६८ आहार मूल्यांकन प्रौद्योगिकी आर्टिफिशियल इंटेलिजेंस भोजन का सेवन खाने के व्यवहार चबाने

Erratum

Formal Correction: Erratum: Concept Development and Use of an Automated Food Intake and Eating Behavior Assessment Method
Posted by JoVE Editors on 06/24/2021. Citeable Link.

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

The name was updated from:

Cees de Graaf

to:

Kees de Graaf

अवधारणा विकास और एक स्वचालित भोजन का सेवन और खाने व्यवहार मूल्यांकन विधि का उपयोग
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Lasschuijt, M. P., Brouwer-Brolsma,… More

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).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter