Denne protokollen viser og forklarer en ny teknologibasert kostholdsvurderingsmetode. Metoden består av et spisebrett med flere innebygde veievekter og et videokamera. Enheten er unik i den forstand at den inneholder automatiserte mål på mat- og drikkeinntak og spiseatferd i løpet av et måltid.
De aller fleste vurderingsmetoder for kostholds- og spiseatferd er basert på selvrapporter. De er tyngende og også utsatt for målefeil. Nyere teknologiske innovasjoner muliggjør utvikling av mer nøyaktige og presise kostholds- og spiseatferdsvurderingsverktøy som krever mindre innsats for både brukeren og forskeren. Derfor ble det utviklet en ny sensorbasert enhet for å vurdere matinntak og spiseatferd. Enheten er et vanlig spisebrett utstyrt med et videokamera og tre separate innebygde veiestasjoner. Veiestasjonene måler vekten av bollen, tallerkenen og drikkekoppen kontinuerlig i løpet av et måltid. Videokameraet plassert i ansiktet registrerer spiseatferdskarakteristikker (tygger, biter), som analyseres ved hjelp av kunstig intelligens (AI) -basert automatisk ansiktsuttrykksprogramvare. Skuffvekten og videodataene transporteres i sanntid til en PC ved hjelp av en trådløs mottaker. Utfallet av renter, for eksempel mengden spist, spiserate og bitestørrelse, kan beregnes ved å trekke fra dataene til disse tiltakene på rentepunktene. Informasjonen oppnådd av den nåværende versjonen av brettet kan brukes til forskningsformål, en oppgradert versjon av enheten vil også lette levering av mer personlige råd om kostholdsinntak og spiseatferd. I motsetning til de konvensjonelle kostholdsvurderingsmetodene måler denne diettvurderingsenheten matinntak direkte i et måltid og er ikke avhengig av minne eller porsjonsstørrelsesestimering. Til syvende og sist er denne enheten derfor egnet for daglig hovedmatinntak og spiseatferdstiltak. I fremtiden kan denne teknologibaserte kostholdsvurderingsmetoden knyttes til helseapplikasjoner eller smarte klokker for å få en fullstendig oversikt over trening, energiinntak og spiseatferd.
I ernæringsforskning og kostholdspraksis er det viktig å ha gode mål på hva, hvor mye og hvordan folk spiser, for å finne løsninger på overvekt og fedmeproblemer. For å vurdere kostholdsinntaket brukes ofte konvensjonelle selvrapporteringsspørreskjemaer som matdagbøker, 24 timers tilbakekallinger eller spørreskjemaer for matfrekvens1. Disse metodene er avhengige av selvrapportering og er derfor tidkrevende og utsatt for skjevheter på grunn av sosiale ønskelige svar, hukommelses utilstrekkelighet og vanskeligheter med å estimere porsjonsstørrelser2,3. I tillegg til mål på diettkvaliteten (mattype og mengde spist), er det også viktig å vite hvordan maten spises, da spiseatferd som bremser matinntaket har vist seg å forhindre overforbruk i et måltid4. For å vurdere spiseatferd er den gylne standarden å ha to observatører som kommenterer videoopptak av folk som spiser et måltid5. Denne metoden er ganske arbeidskrevende og tidkrevende og tillater ikke umiddelbar tilbakemelding på oppførselen.
Nylige teknologiske fremskritt gir nå muligheten til å kombinere automatiserte mål på matinntak med automatiserte tiltak for spiseatferd i løpet av et måltid. Som svar på denne utviklingen ble det utviklet en ny sensorbasert kostholdsvurderingsmetode, kalt mEETr, akronymet til de to nederlandske ordene ‘Meter’ (oversatt: måleenhet) og ‘eet’ (oversatt: å spise). mEETr er et vanlig spisebrett med tre innebygde veiestasjoner (figur 1 demonstrerer utformingen av brettet og sensorplatene) og en kameraholder. Hver veiestasjon består av tre trekantede plasserte målepunkter for å fordele vekten. Veiestasjonene måler vekten av bollen, tallerkenen og drikkekoppen eller glasset kontinuerlig over måltidet. mEETr har også en videokameraholder. For øyeblikket er kameraholderen atskilt fra skuffen, men for standardisering vil et integrert kamera etter neste oppgradering av mEETr (en sammenleggbar videokamerapinne) være ideell. Kameraet letter automatisert sanntidsanalyse av antall biter og tygger, og spisevarighet, noe som gir mulighet for generering av informasjon om spisehastigheten og bitestørrelsen. Automatisert analyse av spiseatferd gjøres ved bruk av en nyutviklet algoritme. Ulike forskningsgrupper har utviklet enheter for å gi folk tilbakemelding i sanntid om akselerasjonen av å spise og mengden folk spiser6. Også augmented gafler er utviklet for å gi tilbakemelding i sanntid på antall biter og deres frekvens i et måltid7. I tillegg ble en øresensor utviklet for å måle mikrostrukturen ved å spise i frie levekår8,9. I likhet med denne enheten er oppsettet som brukes av Ioakimidis et al.10, hvor videotiltak ble kombinert med en veieplate for å bestemme matinntaket, antall biter og tyggeadferd.
Sammenlignet med disse enhetene er nyheten til mEETr at den kombinerer automatiserte mål på matinntak av to tallerkener og en drikkekopp (n = 3) og spiseatferd (f.eks. spisehastighet, antall biter, bitestørrelse og tyggeadferd) i en enhet. mEETr, som demonstrert, er egnet for innenfor måltidstiltak for matinntak og spiseatferd i et kontrollert (spiselaboratorium) miljø, men til slutt er målet å bruke mEETr i mindre kontrollerte miljøer der gjenoppnømte måltidsplaner brukes som barnehager, eldrehjem og sykehus.
Til syvende og sist vil mEETr gi et mer objektivt, og som sådan mer nøyaktig og presist mål på matinntak og spiseatferd enn konvensjonelle kostholdsvurderingsmetoder og manuell koding av videoer. Bedre tiltak for matinntaket vil være til nytte for ernærings- og helseforskningen, men også helsepersonellet i deres utfordring for å bekjempe økningen i matrelaterte ikke-smittsomme sykdommer11. Til syvende og sist kan mEETr brukes i forsknings- og helsetjenesteinnstillinger så vel som av helsebevisste brukere hjemme ved å koble mEETr til eksisterende teknologier og programvare, for eksempel andre helseapper eller smarte klokker. Samlet sett gir disse helsetiltakene brukeren eller helsepersonellet en ganske variert og fullstendig oversikt over en rekke helseatferdsmønstre (f.eks. matinntak, spiseatferd, energiforbruk basert på virkelige tiltak, søvn, stress) som gjør det mulig for brukeren å optimalisere kostholdet og skape en sunn livsstil.
Et sunt kosthold og en sunn spiseatferd har vist seg å spille en nøkkelrolle i forebygging av og løsning på overvekt og fedme11. Imidlertid er mange av metodene som brukes til å måle kostholdsinntaket og spiseatferden belastende for brukere, forskere og helsepersonell, og kan være partisk da de er avhengige av hukommelses- og porsjonsstørrelsesestimater. Ved hjelp av mEETr, uavhengig eller sammen med konvensjonelle video- og kostholdsvurderingsmetoder, ville redusere innsatsen og nøyaktig…
The authors have nothing to disclose.
Vi takker J.M.C. D. Meijer fraTechnical Development Studio of Wageningen University and Research for hans hjelp i utviklingen av mEETr-brettet. Denne forskningen ble finansiert av 4 Nederlandske tekniske universiteter, 4TU- Pride and Prejudice-prosjektet.
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. |