ERRATUM NOTICE
Important: There has been an erratum issued for this article. Read more …
Summary
Este protocolo mostra e explica um novo método de avaliação alimentar baseado em tecnologia. O método consiste em uma bandeja de jantar com várias balanças de pesagem embutidas e uma câmera de vídeo. O dispositivo é único no sentido de que incorpora medidas automatizadas de consumo de alimentos e bebidas e comportamento alimentar ao longo de uma refeição.
Abstract
A grande maioria dos métodos de avaliação de comportamento alimentar e alimentar baseia-se em auto-relatos. São pesados e também propensos a erros de medição. As recentes inovações tecnológicas permitem o desenvolvimento de ferramentas de avaliação de comportamento alimentar e alimentar mais precisas e precisas que requerem menos esforço tanto para o usuário quanto para o pesquisador. Por isso, foi desenvolvido um novo dispositivo baseado em sensores para avaliar a ingestão de alimentos e o comportamento alimentar. O dispositivo é uma bandeja de jantar regular equipada com uma câmera de vídeo e três estações de pesagem embutidas separadas. As estações de pesagem medem o peso da tigela, do prato e do copo de beber continuamente ao longo de uma refeição. A câmera de vídeo posicionada no rosto registra características de comportamento alimentar (mastigações, mordidas), que são analisadas usando software de expressão facial automática baseado em inteligência artificial (IA). O peso da bandeja e os dados de vídeo são transportados em tempo real para um computador pessoal (PC) usando um receptor sem fio. Os resultados de juros, como a quantidade consumida, a taxa de alimentação e o tamanho da mordida, podem ser calculados subtraindo os dados dessas medidas nos momentos de interesse. As informações obtidas pela versão atual da bandeja podem ser usadas para fins de pesquisa, uma versão atualizada do dispositivo também facilitaria o fornecimento de conselhos mais personalizados sobre ingestão alimentar e comportamento alimentar. Ao contrário dos métodos convencionais de avaliação alimentar, este dispositivo de avaliação alimentar mede diretamente a ingestão de alimentos dentro de uma refeição e não depende da memória ou da estimativa do tamanho da porção. Em última análise, este dispositivo é, portanto, adequado para as medidas diárias de consumo de alimentos e comportamento alimentar. No futuro, esse método de avaliação dietética baseado em tecnologia pode estar ligado a aplicações de saúde ou relógios inteligentes para obter uma visão geral completa do exercício, da ingestão de energia e do comportamento alimentar.
Introduction
Na pesquisa nutricional e na prática dietética, é fundamental ter boas medidas do que, quanto e como as pessoas comem, para encontrar soluções para os problemas de sobrepeso e obesidade. Para avaliar a ingestão alimentar, muitas vezes são utilizados questionários convencionais de autorendimento, como diários alimentares, recalls de 24h ou questionários de frequência alimentar1. Esses métodos se baseiam no auto-relato e, portanto, são demorados e propensos a preconceitos devido a respostas social-desejáveis, inadequação da memória e dificuldades em estimar tamanhos de porções2,3. Além das medidas da qualidade da dieta (tipo de alimento e quantidade consumida), também é importante saber como o alimento é consumido, pois comportamentos alimentares que retardam a ingestão de alimentos têm sido mostrados para evitar o consumo excessivo dentro de uma refeição4. Para avaliar o comportamento alimentar, o padrão dourado é ter dois observadores anotando gravações de vídeo de pessoas comendo uma refeição5. Este método é bastante trabalhoso e demorado e não permite feedback imediato sobre o comportamento.
Os recentes avanços tecnológicos agora proporcionam a oportunidade de combinar medidas automatizadas de consumo alimentar com medidas automatizadas do comportamento alimentar ao longo de uma refeição. Em resposta a esses desenvolvimentos, foi desenvolvido um novo método de avaliação dietética baseado em sensores, chamado mEETr, o acrônimo das duas palavras holandesas 'Meter' (traduzido: dispositivo de medição) e 'eet' (traduzido: comer). O mEETr é uma bandeja de jantar regular com três estações de pesagem embutidas (Figura 1 demonstra o design da bandeja e das placas do sensor) e um suporte de câmera. Cada estação de pesagem consiste em três pontos de medição posicionados triangularmente para distribuir o peso. As estações de pesagem medem o peso da tigela, do prato e do copo ou do copo de beber continuamente durante a refeição. O mEETr também inclui um suporte de câmera de vídeo. Atualmente, o suporte da câmera é separado da bandeja, mas para fins de padronização uma câmera integrada após a próxima atualização do mEETr (um bastão de câmera de vídeo dobrável) seria ideal. A câmera facilita a análise automatizada em tempo real do número de mordidas e mastigações, e duração da alimentação, o que permite a geração de informações sobre a taxa de alimentação e o tamanho da mordida. A análise automatizada do comportamento alimentar é feita com o uso de um algoritmo recém-desenvolvido. Vários grupos de pesquisa desenvolveram dispositivos para fornecer às pessoas feedback em tempo real sobre a aceleração da alimentação e a quantidade que as pessoas comem6. Além disso, garfos aumentados foram desenvolvidos para fornecer feedback em tempo real sobre o número de mordidas e sua frequência dentro de uma refeição7. Além disso, foi desenvolvido um sensor auditivo para medir a microestrutura da alimentação em condições de vida gratuitas8,9. Semelhante a este dispositivo é a configuração usada por Ioakimidis et al.10, onde medidas de vídeo foram combinadas com uma placa de pesagem para determinar a ingestão de alimentos, número de mordidas e comportamento de mastigação.
Em comparação com esses dispositivos, a novidade do mEETr é que ele combina medidas automatizadas de ingestão alimentar de dois pratos e um copo de bebida (n = 3) e comportamento alimentar (por exemplo, taxa de alimentação, número de mordidas, tamanho da mordida e comportamento de mastigação) em um dispositivo. O mEETr, como demonstrado, é adequado para medidas de alimentação e comportamento alimentar dentro de um ambiente controlado (laboratório alimentar), mas eventualmente o objetivo é usar o mEETr em ambientes menos controlados onde são utilizados planos de refeição recorrentes, como creches, asilos e hospitais.
Em última análise, o mEETr fornecerá uma medida mais objetiva e precisa do comportamento alimentar e de consumo alimentar do que os métodos convencionais de avaliação alimentar e a codificação manual dos vídeos. Melhores medidas do consumo alimentar beneficiariam a nutrição e a pesquisa em saúde, mas também os profissionais de saúde em seu desafio de combater o aumento das doenças não transmissíveis relacionadas a alimentos11. Em última análise, o mEETr pode ser usado em pesquisas e configurações de cuidados de saúde, bem como por usuários conscientes da saúde em casa, vinculando o mEETr a tecnologias e softwares existentes, como outros aplicativos de saúde ou relógios inteligentes. Em geral, essas medidas de saúde fornecem ao usuário ou ao profissional de saúde uma visão geral bastante diversificada e completa de uma variedade de padrões de comportamento em saúde (por exemplo, consumo alimentar, comportamento alimentar, gasto energético baseado em medidas da vida real, sono, estresse) permitindo que o usuário otimize sua dieta e crie um estilo de vida saudável.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Este estudo piloto foi aprovado pela METC da Universidade de Wageningen antes de iniciar o projeto.
ATENÇÃO: Todos os participantes que contribuíram para este projeto forneceram um consentimento informado, incluindo a aprovação de imagens de vídeo mostrando rostos visíveis e reconhecíveis.
1. Preparação da amostra e consentimento do participante
- Prepare um suco (copo ou xícara), iogurte de frutas (tigela) e pedaços de frutas (prato).
NOTA: Estes alimentos são selecionados apenas para fins de demonstração(Figura 2). - Recrute um participante ou um voluntário que concorde em participar do estudo.
- Exclua os participantes que usam óculos (que não podem usar lentes de contato) e/ou ter pelos faciais (barba ou bigode) para evitar erros de medição.
- Informe os participantes sobre o estudo e a coleta de dados (armazenamento de dados, acessibilidade). Obtenha permissões separadas em caso de gravações de vídeo não anônimas. Obtenha a assinatura do participante sobre o consentimento informado antes de coletar dados.
2. Configuração do local de configuração do dispositivo e da medição
NOTA: Este protocolo é adequado para coleta de dados em umambiente controlado (laboratório de alimentação).
- Certifique-se de que a luz na sala está uniformemente distribuída para evitar sombras no rosto dos participantes.
- Evite o ruído de fundo nas gravações de vídeo devido à presença de indivíduos que não sejam o participante.
- Sentar o participante em uma cadeira diante de uma mesa; com mesa localizada logo abaixo do peito do participante.
- Conecte o receptor sem fio da bandeja e a webcam a um laptop.
- Ligue o laptop. Certifique-se de que o laptop tenha as seguintes especificações: CPU i7-10750H, SSD M.2 512 GB, Memória 1x 16 GB, DDR4 2933 MHz não-ECC-memória, Sistema operacional 64 bits.
- Ligue a bandeja e certifique-se de que há carga na bandeja (luz verde).
- Abra o programa de conector (dos), o receptor e o programa de software do processador junto com o painel de instrumentos, respectivamente.
- Verifique a qualidade da imagem recebida no programa do processador(Figura 3).
NOTA: Para detectar o comportamento alimentar, a qualidade da imagem deve estar dentro do último trimestre da barra de tarefas (verde); o mais próximo possível de 100% verde. A formação de sombras pode levar à baixa qualidade de imagem. - Certifique-se de que o quadro de imagem está correto para evitar a má qualidade da imagem. Certifique-se de que a cabeça do participante (acima do crânio) até o peito, incluindo braços e ombros são claramente visíveis.
3. Sistema de pesagem e transporte de dados
- Validar as medidas antes do uso do mEETr pela primeira vez.
NOTA: O dispositivo mEETr consiste em uma bandeja de jantar disponível comercialmente regular (bandeja de jantar epóxi de fibra suspensa) com três estações de pesagem embutidas(Figura 2). - Para validar a configuração, certifique-se de que a bandeja mede continuamente o peso de um prato, tigela e copo de bebida.
NOTA: A precisão da balança de pesagem em toda a faixa deve ser de 0,3%. - Não coloque muito peso em cada plataforma de pesagem. O peso máximo para a maior plataforma (prato de jantar) é de 1,5 kg. O peso máximo das duas plataformas de pesagem menores (tigela e vidro) é de 800 g. O peso mínimo que pode ser medido com precisão é de 1 g para cada estação de pesagem.
- Certifique-se de que a placa, o copo e a tigela não estão descansando na plataforma ou na bandeja circundante. Faça uso do anel central para evitar isso.
NOTA: Cada estação de pesagem consiste em três sensores de força posicionados em triângulo que atuam juntos como uma escala. Uma posição de triângulo foi escolhida para equilibrar o peso. - Certifique-se de manter a bandeja seca. A bandeja inclui um painel de base fino de 50 mm (placa de circuito central) abaixo da bandeja que contém a eletrônica.
- Para transferência de dados, certifique-se de que a bandeja se conecte a um receptor sem fio.
NOTA: Transfira os dados de pesagem em um intervalo de 1 s através de um sinal de rádio de curto alcance (cerca de 1 m de distância). Conecte o receptor a um computador pessoal (PC) através de uma porta USB. - Os três sensores de força medem as forças (ou pesos), somam-nas e convertem-nas em um valor de peso calibrado.
- Recarregue a bandeja após cada uso.
NOTA: A bandeja é alimentada por uma bateria interna e pode ser carregada com um carregador USB. Um interruptor de slides liga/desliga está localizado perto da tomada USB. Uma carga completa da bateria prevê cerca de 20 h de uso. - Não limpe a bandeja em uma lava-louça; a bandeja não é à prova de lava-louças. Limpe a bandeja usando um spray de limpeza. Certifique-se de que a bandeja está limpa e seca. Canais de vazamento ao longo das plataformas drenam derramamentos líquidos.
4. Explicações dos participantes e início da observação
- Coloque o mEETr na frente do participante.
- Instrua o participante a 1) comer tanto ou tão pouco quanto quiser, 2) olhar diretamente para a webcam enquanto come, e 3) não colocar as mãos na frente do rosto enquanto comer.
- Inicie uma nova observação no software receptor. Registre a data, número do participante, sexo do participante, idade e dados antropométricos, como peso e altura. Inclua informações adicionais, como a condição do estudo e a visita ao estudo no nome da observação.
- Pressione o Registro no software receptor para registrar a observação.
- Ative o painel de instrumentos para verificar as gravações de vídeo e os dados recebidos durante a coleta de dados(Figura 4).
- Antes da gravação, peça ao participante para 1) levantar o cartão com o número do participante, e 2) levantar a mão no início e no final da refeição.
- Termine a observação quando o participante terminar de comer. Leva 2 minutos para transferir todos os dados para uma planilha.
- Este é o fim da sessão para o participante.
- Desconecte a webcam e o receptor de bandeja do laptop e limpe-a com um tecido de limpeza ou spray de limpeza.
5. Avaliação e transferência de dados
- Abra a última observação no software receptor. As medidas automatizadas de comportamento alimentar são armazenadas sob o título Dados. Clique em Exportar dados para extrair os dados brutos. O arquivo de saída subsequente contém dados sobre o número do participante, tempo real, tempo relativo (para iniciar) e variáveis de comportamento alimentar (número de mordidas, número de mastigações, duração da mastigação) por participante do teste.
NOTA: Todos os comportamentos são carimbados pelo tempo. No software receptor, podem ser extraídos dados externos adicionais da bandeja, por exemplo, os dados sobre o peso de cada uma das três bandejas. Os dados são registrados 10 vezes por segundo e transferidos. O tempo de coleta de dados da bandeja é sincronizado com as gravações de comportamento alimentar. - Resumir e visualizar os resultados em diferentes gráficos de barras dentro do próprio programa. Exporte os resultados como dados brutos em arquivos de log (.xsl)(Figura 5).
- Exporte os arquivos de registro para uma planilha e realize a análise de dados usando o programa estatístico de preferência.
- Limpe os dados antes da análise dos dados.
NOTA: Devido às distorções de pressionar com talheres nas placas (causando um aumento de peso), os dados de pesagem da bandeja precisam ser limpos para uma curva Kaplan Meier com tamanho de passo indicando o tamanho da mordida, o comprimento do passo indicando o tempo entre as mordidas. O início da curva indica o peso inicial, a última etapa indica o peso final) da seguinte forma.- Suavizar os pontos de tempo para medições por segundo para filtrar valores extremos.
- Defina limite de 5 g, detecte platôs de peso (ou seja, sem alteração dentro de +/- 5 g) e mudanças de peso (alterações ao longo do tempo maiores que 5 g) para indicar tamanhos de mordidas e alterações de porções.
- Exclua o aumento de peso devido aos talheres que permanecem na placa.
NOTA: A saída é a mudança total de peso por estação de peso começar e terminar a refeição (= tamanho da refeição), tamanho médio da mordida e mordidas por minuto.
- Para determinar as mudanças na taxa alimentar (g/seg) e no tamanho da mordida (g/bite) ao longo da refeição, integre manualmente os dados de peso da bandeja e o comportamento alimentar(Figura 6, Figura 7, Figura 8, Figura 9, Figura 10).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Uma taxa de ingestão mais lenta(Figura 7),tamanhos menores de gole/mordida(Figura 8),e mais mastigações(Figura 9) levaram a uma menor ingestão da salada em comparação com o iogurte e o suco(Figura 6),medido pela bandeja mEETr. Os participantes comeu 17% menos da salada de frutas em comparação com o suco de fruta. Todas as características do comportamento alimentar diferem entre o suco, o iogurte e a salada(Figura 7, Figura 8, Figura 9). Os participantes mastigaram significativamente mais na salada de frutas em comparação com o iogurte e o suco. O número observado de mastigações difere por um fator de três entre o iogurte e a salada de frutas. Além disso, o tamanho da mordida foi o menor para a salada 6,5 g por mordida em comparação com o suco: 8 g por gole. No geral, o número de mastigações, o tamanho da mordida e a taxa de alimentação pareciam afetar a quantidade que foi comida durante a refeição em um ambiente de laboratório alimentar. Esses achados estão de acordo com outros estudos que relatam que um aumento do tempo de processamento oral (maior número de mastigações, tamanhos menores de mordida) diminui a ingestão alimentar12,13,14,15.
Figura 1: Imagem da bandeja abaixo com as três estações de pesagem, e os três sensores de pressão na placa de impressão acima. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 2: A configuração mEETr com os itens alimentares testados. Clique aqui para ver uma versão maior desta figura.
Figura 3: Detecção automatizada do comportamento alimentar usando pontos fixos no rosto (olhos e boca). Por favor clique aqui para ver uma versão maior desta figura.
Figura 4: Painel visualizando os dados recebidos das três balanças de pesagem da bandeja, bem como dados de vídeo recebidos. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 5: Visão geral da coleta de dados. A diminuição do peso alimentar nas três balanças de pesagem durante o curso da refeição é demonstrada pelos três gráficos superiores; picos são causados pela pressão de talheres. Mordidas e goles (incluindo duração) e número de mastigações são mostrados na última linha pelas barras horizontais coloridas. Clique aqui para ver uma versão maior desta figura.
Figura 6: Consumo alimentar (g) por produto medido com a bandeja mEETr. Clique aqui para ver uma versão maior desta figura.
Figura 7: Taxa de alimentação (g/min) por produto com base na bandeja mEETr e análise de vídeo de comportamento alimentar automatizado. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 8: Tamanho médio da mordida (g) por produto com base na bandeja mEETr e análise de vídeo de comportamento alimentar automatizado. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 9: Número total de mastigações por produto com base na bandeja mEETr e análise de vídeo de comportamento alimentar automatizado. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 10: Saída bruta de dados de uma medição, incluindo as três plataformas de pesagem, comportamento e carimbos de hora. Por favor, clique aqui para ver uma versão maior desta figura.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Uma dieta saudável e um comportamento alimentar saudável têm mostrado desempenhar um papel fundamental na prevenção e solução para o sobrepeso e obesidade11. No entanto, muitos dos métodos utilizados para medir a ingestão alimentar e o comportamento alimentar são pesados para usuários, pesquisadores e profissionais de saúde e podem ser tendenciosos, pois dependem de estimativas de memória e tamanho das porções. O uso do mEETr, independentemente ou ao lado dos métodos convencionais de avaliação de vídeo e dieta, diminuiria o esforço e a precisão e precisão da ingestão alimentar e avaliação do comportamento alimentar.
Antes que o mEETr possa ser usado, algumas etapas críticas precisam ser abordadas. Uma consideração metodológica básica é a privacidade relacionada à análise facial do vídeo gravado. O anonimato para os participantes é uma característica integral da pesquisa ética. No entanto, com a análise facial sendo parte do mEETr, o anonimato é quase impossível16. Assim, o uso do mEETr em um ambiente de pesquisa exige disposições extensivas relativas à segurança dos dados e garante atenção no consentimento informado e na documentação de outros participantes. Em última análise, em uma versão atualizada das gravações faciais mEETr são processadas em tempo real dentro do dispositivo sem armazenar dados de vídeo. Consequentemente, nenhum armazenamento das gravações faciais seria justificado, o que permitiria a coleta anônima de dados.
Outro passo crítico no protocolo é que nesta versão do mEETr todos os fluxos de dados são independentes, o que requer a integração das medidas das análises de vídeo e das três escalas diferentes durante o pós-processamento. A análise dos dados é realizada simplesmente com base na estação de pesagem; cabe então ao pesquisador acoplar os dados pós-hoc ao que foi servido naquela tigela específica ou naquela placa específica ou no local do copo. Para evitar a mistura de fluxos de dados, a estrutura da bandeja impõe que a tigela, placa ou copo só podem ser colocados em locais específicos devido a anéis que se encaixam na peça específica de louça.
Eventualmente, a integração imediata dos fluxos de dados tem que ocorrer, o que serviria como uma medida de validação adicional para a tomada de decisão em tempo real com a mudança de peso na tigela/prato/xícara validando a mordida ou gole e vice-versa, e como tal permitindo feedback automatizado sobre o comportamento alimentar imediatamente após a refeição.
Além dessas etapas críticas, o monitoramento de dados e a solução de problemas ou a captura de erros devem ser simplificados, o que poderia ser alcançado com a ajuda das seguintes modificações: (1) Automização da inicialização do sistema, (2) Integração de indicadores de qualidade no painel que fornecem as informações sobre qualidade de vídeo para detecção automatizada de comportamento alimentar, (3) Requisitos de memória mais baixos para o laptop, , (4) Detecção automatizada de eventos que previne as tentativas de medição durante os tempos de não alimentação.
Além dessas áreas para melhoria, existem alguns desafios ao usar o mEETr que merecem atenção. Em primeiro lugar, as seguintes versões do mEETr devem ser feitas impermeável para que possam ser limpas em uma lava-louças. Em segundo lugar, para obter medidas válidas do comportamento alimentar, o participante precisa cumprir diversas restrições e regras. Para o uso válido do mEETr, é fundamental que o vídeo seja ininterrupto, e que o usuário olhe diretamente para a câmera enquanto mastiga. Além disso, para que o algoritmo detecte mastigações e andorinhas, o usuário precisa ser 1) totalmente visível na moldura, incluindo ombros e mãos 2) não ter sombras no rosto; a padronização da luz é necessária. Esses pré-requisitos perturbam o comportamento alimentar natural ou normal. Como comer é um assunto inerentemente social em condições normais de vida, ter essas restrições em vigor não se mistura sem esforço com o comportamento alimentar social normal. Assim, o uso preciso do mEETr, por enquanto, requer uma forma não convencional de comer. Alterações no algoritmo precisam ser feitas no futuro para ter uma medição mais robusta que não exija que o participante adera a certas regras ou restrições alimentares. Em geral, o uso do mEETr pode criar reatividade do usuário, resultando em uma ingestão de alimentos alterada devido à consciência do que é comido usando a bandeja mEETr. Isso pode ser evitado quando as estações de pesagem incorporadas estão completamente escondidas, e uma câmera vis-eye é usada que é incorporada dentro da bandeja de tal forma que uma altura do rosto padrão não é necessária. A versão atual do mEEtr é, portanto, adequada apenas para estudos baseados em laboratório. Devido às restrições e regras exigidas por essa técnica, os resultados não se traduzem diretamente em padrões alimentares de vida livre.
Ao lado dessas alterações, há duas extensões funcionais do sistema atual que precisam ser incorporadas no futuro. Em primeiro lugar, a tecnologia adicional de câmera hiperespectral precisa ser adicionada ao mEETr para analisar o conteúdo macronutriente dos itens alimentares no prato. Isso contornaria a necessidade de conhecimento do item alimentar exato que está no prato, ao mesmo tempo em que permite medições calóricas de consumo por refeição. Em segundo lugar, uma abordagem de aprendizado de máquina para reconhecer automaticamente itens alimentares pode ser anexada à análise de vídeo atual, permitindo uma maior automação do sistema. Para aumentar ainda mais o reconhecimento da refeição, uma segunda câmera poderia ser adicionada que se concentra apenas nos alimentos e bebidas nos pratos.
Idealmente, a bandeja e a câmera mEETr podem estar ligadas ao ecossistema de aplicativos dietéticos existentes, o que permitiria a entrada direta dos resultados do mEETr em aplicativos dietéticos e nutricionistas2. Com base nas informações coletadas pelo mEETr, comentários e conselhos imediatos podem ser dados ao consumidor ou paciente considerando (macro) ingestão de nutrientes e comportamento alimentar (textura de alimentos e taxa alimentar). Isso permitiria ao usuário otimizar sua dieta e comportamento alimentar para criar um estilo de vida saudável.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
O dispositivo mEETr e o software acompanhado foram desenvolvidos em cooperação com um parceiro comercial; Tecnologia de informação Noldus. Os autores não declaram conflitos de interesse.
Acknowledgments
Agradecemos a J.M.C. D. Meijer do Estúdio de Desenvolvimento Técnico da Universidade de Wageningen e Pesquisa por sua ajuda no desenvolvimento da bandeja mEETr. Esta pesquisa foi financiada pelo projeto 4 Universidades Técnicas Holandesas, 4TU- Orgulho e Preconceito.
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. |
References
- 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).
- 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).
- 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).
- 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).
- 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).
- Sabin, M. A., et al. A novel treatment for childhood obesity using Mandometer® technology. International Journal of Obesity. 7, (2006).
- 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).
- vanden Boer, J., et al. The splendid eating detection sensor: Development and feasibility study. JMIR mHealth and uHealth. 6 (9), 170 (2018).
- 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).
- Ioakimidis, I., et al. Description of chewing and food intake over the course of a meal. Physiology & Behavior. 104 (5), 761-769 (2011).
- 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).
- 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).
- 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).
- 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).
- 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).
- Grinyer, A. The anonymity of research participants: assumptions, ethics and practicalities. Social Research Update. 36 (1), 4 (2002).
Tags
Comportamento Questão 168 avaliação alimentar tecnologia inteligência artificial ingestão de alimentos comportamento alimentar mastigaçãoErratum
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
