Waiting
Login processing...

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

Behavior

Desarrollo conceptual y uso de un método automatizado de evaluación de la ingesta de alimentos y el comportamiento alimentario

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

Este protocolo muestra y explica un nuevo método de evaluación dietética basado en la tecnología. El método consiste en una bandeja de comedor con múltiples básculas de pesaje incorporadas y una cámara de vídeo. El dispositivo es único en el sentido de que incorpora medidas automatizadas de la ingesta de alimentos y bebidas y el comportamiento alimentario en el transcurso de una comida.

Abstract

La gran mayoría de los métodos de evaluación del comportamiento alimentario y dietético se basan en autoinformes. Son gravosos y también propensos a errores de medición. Las innovaciones tecnológicas recientes permiten el desarrollo de herramientas de evaluación del comportamiento alimentario y dietético más preciso y preciso que requieren menos esfuerzo tanto para el usuario como para el investigador. Por lo tanto, se desarrolló un nuevo dispositivo basado en sensores para evaluar la ingesta de alimentos y el comportamiento alimentario. El dispositivo es una bandeja de comedor regular equipada con una cámara de video y tres estaciones de pesaje integradas separadas. Las estaciones de pesaje miden el peso del tazón, el plato y la taza de bebida continuamente en el transcurso de una comida. La cámara de video colocada en la cara registra las características de comportamiento alimentario (masticaciones, mordeduras), que se analizan utilizando un software de expresión facial automática basado en inteligencia artificial (IA). El peso de la bandeja y los datos de vídeo se transportan en tiempo real a un ordenador personal (PC) mediante un receptor inalámbrico. Los resultados de interés, como la cantidad consumida, la tasa de ingerición y el tamaño de la mordedura, se pueden calcular restando los datos de estas medidas en los momentos de interés. La información obtenida por la versión actual de la bandeja se puede utilizar con fines de investigación, una versión mejorada del dispositivo también facilitaría la provisión de asesoramiento más personalizado sobre la ingesta dietética y el comportamiento alimentario. Contrariamente a los métodos de evaluación dietética convencionales, este dispositivo de evaluación dietética mide la ingesta de alimentos directamente dentro de una comida y no depende de la memoria o la estimación del tamaño de la porción. En última instancia, este dispositivo es, por lo tanto, adecuado para la ingesta diaria de alimentos y las medidas de comportamiento alimentario. En el futuro, este método de evaluación dietética basado en la tecnología se puede vincular a aplicaciones de salud o relojes inteligentes para obtener una visión general completa del ejercicio, la ingesta de energía y el comportamiento alimentario.

Introduction

En la investigación de la nutrición y la práctica dietética, es clave tener buenas medidas de qué, cuánto y cómo comen las personas, para encontrar soluciones a los problemas de sobrepeso y obesidad. Para evaluar la ingesta dietética, a menudo se utilizan cuestionarios convencionales de autoinforme, como diarios de alimentos, retiros de 24 horas o cuestionarios de frecuencia de alimentos1. Estos métodos se basan en el autoinforme y, por lo tanto, consumen mucho tiempo y son propensos al sesgo debido a respuestas socialmente deseables, insuficiencia de memoria y dificultades para estimar los tamaños de las porciones2,3. Además de las medidas de la calidad de la dieta (tipo de alimento y cantidad ingerida), también es importante saber cómo se comen los alimentos, ya que se ha demostrado que las conductas alimentarias que ralentizan la ingesta de alimentos previenen el consumo excesivo dentro de una comida4. Para evaluar el comportamiento alimentario el estándar de oro es que dos observadores anoten grabaciones de video de personas comiendo una comida5. Este método es bastante laborioso y lento y no permite una retroalimentación inmediata sobre el comportamiento.

Los avances tecnológicos recientes ahora brindan la oportunidad de combinar medidas automatizadas de la ingesta de alimentos con medidas automatizadas del comportamiento alimentario en el transcurso de una comida. En respuesta a estos desarrollos, se desarrolló un nuevo método de evaluación dietética basado en sensores, llamado mEETr, el acrónimo de las dos palabras holandesas 'Meter' (traducido: dispositivo de medición) y 'eet' (traducido: comer). El mEETr es una bandeja de comedor normal con tres estaciones de pesaje incorporadas(la Figura 1 demuestra el diseño de la bandeja y las placas del sensor) y un soporte para cámara. Cada estación de pesaje consta de tres puntos de medición colocados triangularmente para distribuir el peso. Las estaciones de pesaje miden el peso del tazón, el plato y la taza o el vaso para beber continuamente durante la comida. El mEETr también incluye un soporte para cámara de vídeo. Actualmente, el soporte de la cámara está separado de la bandeja, pero para fines de estandarización, una cámara integrada después de la próxima actualización de mEETr (un stick de cámara de video plegable) sería ideal. La cámara facilita el análisis automatizado en tiempo real del número de mordeduras y masticaciones, y la duración de la alimentación, lo que permite la generación de información sobre la tasa de alimentación y el tamaño de la mordedura. El análisis automatizado del comportamiento alimentario se realiza con el uso de un algoritmo recientemente desarrollado. Varios grupos de investigación han desarrollado dispositivos para proporcionar a las personas retroalimentación en tiempo real sobre la aceleración de la alimentación y la cantidad de personas comen6. Además, se han desarrollado horquillas aumentadas para proporcionar retroalimentación en tiempo real sobre el número de picaduras y su frecuencia dentro de una comida7. Además, se desarrolló un sensor auditivo para medir la microestructura de comer en condiciones de vida libres8,9. Similar a este dispositivo es la configuración utilizada por Ioakimidis et al.10,donde las medidas de video se combinaron con una placa de pesaje para determinar la ingesta de alimentos, el número de mordeduras y el comportamiento de masticación.

En comparación con estos dispositivos, la novedad del mEETr es que combina medidas automatizadas de la ingesta de alimentos de dos platos y una taza para beber (n = 3) y el comportamiento alimentario (por ejemplo, la tasa de alimentación, el número de picaduras, el tamaño de la mordedura y el comportamiento de masticación) en un solo dispositivo. El mEETr, como se ha demostrado, es adecuado para las mediciones de la ingesta de alimentos y el comportamiento alimentario dentro de un entorno controlado (laboratorio de alimentación), pero eventualmente el objetivo es usar el mEETr en entornos menos controlados donde se utilizan planes de comidas recurrentes, como guarderías, hogares de ancianos y hospitales.

En última instancia, el mEETr proporcionará una medida más objetiva y, como tal, más precisa y precisa de la ingesta de alimentos y el comportamiento alimentario que los métodos convencionales de evaluación dietética y la codificación manual de videos. Una mejor medida de la ingesta de alimentos beneficiaría a la investigación en nutrición y salud, pero también a los profesionales de la salud en su desafío de combatir el aumento de las enfermedades no transmisibles relacionadas con los alimentos11. En última instancia, el mEETr se puede utilizar en entornos de investigación y atención médica, así como por usuarios conscientes de la salud en el hogar, vinculando el mEETr a tecnologías y software existentes, como otras aplicaciones de salud o relojes inteligentes. En general, estas medidas de salud proporcionan al usuario o al profesional de la salud una visión general bastante diversa y completa de una variedad de patrones de comportamiento de salud (por ejemplo, ingesta de alimentos, comportamiento alimentario, gasto de energía basado en medidas de la vida real, sueño, estrés) que permiten al usuario optimizar su dieta y crear un estilo de vida saludable.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Este estudio piloto fue aprobado por el METC de la Universidad de Wageningen antes de comenzar el proyecto.

PRECAUCIÓN: Todos los participantes que contribuyeron a este proyecto proporcionaron un consentimiento informado, incluyendo la aprobación de imágenes de video que muestran rostros visibles y reconocibles.

1. Preparación de la muestra y consentimiento del participante

  1. Prepare un jugo (vaso o taza), yogur de fruta (tazón de fuente) y trozos de fruta (plato).
    NOTA: Estos alimentos se seleccionan únicamente con fines de demostración (Figura 2).
  2. Reclutar a un participante o un voluntario que acepte participar en el estudio.
  3. Excluir a los participantes que usen anteojos (que no puedan usar lentes de contacto) y/o que tengan vello facial (barba o bigote) para evitar errores de medición.
  4. Informar a los participantes sobre el estudio y la recolección de datos (almacenamiento de datos, accesibilidad). Obtenga permisos independientes en caso de grabaciones de vídeo no anónimas. Obtener la firma del participante en el consentimiento informado antes de recopilar los datos.

2. Configuración del dispositivo y de la ubicación de medición

NOTA: Este protocolo es adecuado para la recopilación de datos en un entorno controlado (laboratorio dealimentación).

  1. Asegúrese de que la luz en la sala esté distribuida uniformemente, evite las sombras en las caras de los participantes.
  2. Evite el ruido de fondo en las grabaciones de video debido a la presencia de personas que no sean el participante.
  3. Asiente al participante en una silla ante una mesa; con la mesa situada justo debajo del pecho del participante.
  4. Conecte el receptor inalámbrico de la bandeja y la cámara web a un portátil.
  5. Inicie la computadora portátil. Asegúrese de que la computadora portátil tenga las siguientes especificaciones: CPU i7-10750H, SSD M.2 512 GB, Memoria 1x 16 GB, DDR4 2933 MHz sin memoria ECC, Sistema operativo de 64 bits.
  6. Encienda la bandeja y asegúrese de que haya carga en la bandeja (luz verde).
  7. Abra el programa conector (dos), el receptor y el programa de software del procesador junto con el panel, respectivamente.
  8. Compruebe la calidad de imagen entrante en el programa del procesador (Figura 3).
    NOTA: Para detectar el comportamiento alimentario, la calidad de la imagen debe estar dentro del último cuarto de la barra de tareas (verde); tan cerca de 100% verde como sea posible. La formación de sombras puede conducir a una baja calidad de imagen.
  9. Asegúrese de que el marco de la imagen es correcto para evitar una mala calidad de imagen. Asegúrese de que la cabeza del participante (por encima del cráneo) hasta el pecho, incluidos los brazos y los hombros, sean claramente visibles.

3. Sistema de pesaje y transporte de datos

  1. Valide las medidas antes del uso del mEETr por primera vez.
    NOTA: El dispositivo mEETr consiste en una bandeja de comedor regular disponible comercialmente (bandeja de cena epoxi forzada de fibra) con tres estaciones de pesaje incorporadas(Figura 2).
  2. Para validar la configuración, asegúrese de que la bandeja mida continuamente el peso de un plato, un recipiente y un vaso para beber.
    NOTA: La precisión de la báscula de pesaje en toda la gama debe ser del 0,3%.
  3. No coloque demasiado peso en cada plataforma de pesaje. El peso máximo para la plataforma más grande (plato de la cena) es de 1,5 kg. El peso máximo de las dos plataformas de pesaje más pequeñas (cuenco y vidrio) es de 800 g. El peso mínimo que se puede medir con precisión es de 1 g para cada estación de pesaje.
  4. Asegúrese de que el plato, la taza y el recipiente no estén descansando en la plataforma o en la bandeja circundante. Hacer uso del anillo central para evitar esto.
    NOTA: Cada estación de pesaje consta de tres sensores de fuerza colocados en triángulo que actúan juntos como una báscula. Se eligió una posición triangular para equilibrar el peso.
  5. Asegúrese de mantener la bandeja seca. La bandeja incluye un panel base delgado de 50 mm (placa de circuito central) debajo de la bandeja que contiene la electrónica.
  6. Para la transferencia de datos, asegúrese de que la bandeja se conecta a un receptor inalámbrico.
    NOTA: Transfiera los datos de pesaje a un intervalo de 1 s a través de una señal de radio de corto alcance (aproximadamente 1 m de distancia). Conecte el receptor a un ordenador personal (PC) a través de un puerto USB.
  7. Los tres sensores de fuerza miden las fuerzas (o pesos), las suman y las convierten en un valor de peso calibrado.
  8. Recargue la bandeja después de cada uso.
    NOTA: La bandeja está alimentada por una batería interna y se puede cargar con un cargador USB. Un interruptor deslizante de encendido/apagado se encuentra cerca de la toma USB. Una carga de batería completa proporciona alrededor de 20 h de uso.
  9. No limpie la bandeja en un lavavajillas; la bandeja no es a prueba de lavavajillas. Limpie la bandeja con un spray de limpieza. Asegúrese de que la bandeja se mantenga limpia y seca. Los canales de fugas a lo largo de las plataformas drenan los derrames de líquido.

4. Explicaciones de los participantes e inicio de la observación

  1. Coloque el mEETr delante del participante.
  2. Instruya al participante a 1) coma tanto o tan poco como quiera, 2) mire directamente a la cámara web mientras come, y 3) no ponga las manos delante de la cara mientras come.
  3. Inicie una nueva observación en el software del receptor. Registre la fecha, el número de participante, el sexo del participante, la edad y los datos antropométricos, como el peso y la altura. Incluya información adicional como la condición del estudio y la visita del estudio en el nombre de la observación.
  4. Pulse Grabar en el software receptor para registrar la observación.
  5. Active el tablero para comprobar las grabaciones de vídeo y los datos entrantes durante la recogida de datos (Figura 4).
  6. Antes de la grabación, pídale al participante que 1) levante la tarjeta con el número de participante, y 2) levante la mano al inicio y al final de la comida.
  7. Termine la observación cuando el participante termine de comer. Se tarda 2 minutos en transferir todos los datos a una hoja de cálculo.
  8. Este es el final de la sesión para el participante.
  9. Desconecte la cámara web y el receptor de la bandeja de la computadora portátil y límpiese con un pañuelo de limpieza o un aerosol de limpieza.

5. Evaluación y transferencia de datos

  1. Abra la última observación en el software del receptor. Las medidas automatizadas del comportamiento alimentario se almacenan bajo el título Datos. Haga clic en Exportar datos para extraer los datos sin procesar. El archivo de salida posterior contiene datos sobre el número de participantes, el tiempo real, la hora relativa (de inicio) y las variables de comportamiento alimentario (número de mordeduras, número de masticaciones, duración de la masticación) por participante de la prueba.
    Nota : todos los comportamientos tienen marca de tiempo. En el software receptor, se pueden extraer datos externos adicionales de la bandeja, por ejemplo, los datos sobre el peso de cada una de las tres bandejas. Los datos se registran 10 veces por segundo y se transfieren. El tiempo de recopilación de datos de la bandeja se sincroniza con los registros de comportamiento alimentario.
  2. Resuma y visualice los resultados en diferentes gráficos de barras dentro del propio programa. Exportar los resultados como datos sin procesar en archivos de registro (.xsl) (Figura 5).
  3. Exporte los archivos de registro a una hoja de cálculo y realice el análisis de datos utilizando el programa estadístico de preferencia.
  4. Limpie los datos antes del análisis de datos.
    NOTA: Debido a las distorsiones de prensado con cubiertos en las placas (causando un aumento de peso), los datos de pesaje de la bandeja deben limpiarse a una curva de Kaplan Meier con el tamaño del paso que indica el tamaño de la mordida, la longitud del paso que indica el tiempo entre las mordeduras. El principio de la curva indica el peso inicial, el último paso indica el peso final) de la siguiente manera.
    1. Alisar a lo largo de los puntos de tiempo a las mediciones por segundo para filtrar los valores extremos.
    2. Establezca el límite de 5 g, detecte mesetas de peso (es decir, sin cambios dentro de +/- 5 g) y cambios de peso (cambios a lo largo del tiempo mayores de 5 g) para indicar los tamaños de las mordeduras y los cambios en las porciones.
    3. Excluya el aumento de peso debido a los cubiertos que permanecen en el plato.
      NOTA: La salida es los cambios de peso total por estación de peso comenzar y terminar la comida (= tamaño de la comida), tamaño promedio de la mordida, y mordeduras por minuto.
  5. Para determinar los cambios en la tasa de alimentación (g/seg) y el tamaño de la mordida (g/mordida) a lo largo de la comida, integre manualmente los datos de peso de la bandeja y el comportamiento alimentario(Figura 6, Figura 7, Figura 8, Figura 9, Figura 10).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Una tasa de ingestión más lenta(Figura 7),tamaños de sorbo/bocado más pequeños(Figura 8),y más masticaciones(Figura 9)llevaron a una menor ingesta de la ensalada en comparación con el yogur y el jugo(Figura 6)medidos por la bandeja mEETr. Los participantes edieron un 17% menos de la ensalada de frutas en comparación con el jugo de fruta. Todas las características de comportamiento alimentario diferían entre el jugo, el yogur y la ensalada(Figura 7, Figura 8, Figura 9). Los participantes masticaron significativamente más en la ensalada de frutas en comparación con el yogur y el jugo. El número observado de masticaciones diferenció por un factor de tres entre el yogur y la ensalada de frutas. Además, el tamaño del bocado fue el más pequeño para la ensalada 6,5 g por bocado en comparación con el jugo: 8 g por sorbo. En general, el número de masticaciones, el tamaño de la mordedura y la tasa de ingerencia parecían afectar la cantidad que se comió durante la comida en un entorno de laboratorio de alimentación. Estos hallazgos están de acuerdo con otros estudios que informan que un mayor tiempo de procesamiento oral (mayor número de masticaciones, tamaños de mordida más pequeños) disminuye la ingesta de alimentos12,13,14,15.

Figure 1
Figura 1:Imagen de la bandeja de abajo con las tres estaciones de pesaje y los tres sensores de presión en la placa de impresión de arriba. Haga clic aquí para ver una versión más grande de esta figura.

Figure 2
Figura 2:La configuración de mEETr con los alimentos probados. Haga clic aquí para ver una versión más amplia de esta figura.

Figure 3
Figura 3: Detección automatizada del comportamiento alimentario utilizando puntos fijos en la cara (ojos y boca). Haga clic aquí para ver una versión más amplia de esta figura.

Figure 4
Figura 4:Panel de control que visualiza los datos entrantes de las tres básculas de pesaje de la bandeja, así como los datos de vídeo entrantes. Haga clic aquí para ver una versión más amplia de esta figura.

Figure 5
Figura 5:Descripción general de la recopilación de datos. La disminución en el peso de los alimentos en las tres básculas de pesaje durante el transcurso de la comida se muestra en los tres gráficos superiores; los picos son causados por la presión de los cubiertos. Las mordeduras y los sorbos (incluida la duración) y el número de masticaciones se muestran en la última fila por las barras horizontales de colores. Haga clic aquí para ver una versión más amplia de esta figura.

Figure 6
Figura 6:Ingesta de alimentos (g) por producto medida con la bandeja mEETr. Haga clic aquí para ver una versión más amplia de esta figura.

Figure 7
Figura 7:Tasa de alimentación (g/min) por producto basada en la bandeja mEETr y el análisis de vídeo automatizado del comportamiento alimentario. Haga clic aquí para ver una versión más amplia de esta figura.

Figure 8
Figura 8:Tamaño medio de la mordida (g) por producto basado en la bandeja mEETr y el análisis automatizado de vídeo del comportamiento alimentario. Haga clic aquí para ver una versión más amplia de esta figura.

Figure 9
Figura 9: Número total de masticaciones por producto basado en la bandeja mEETr y el análisis automatizado de vídeo del comportamiento alimentario. Haga clic aquí para ver una versión más amplia de esta figura.

Figure 10
Figura 10:Salida de datos sin procesar de una medición, incluidas las tres plataformas de pesaje, el comportamiento y las marcas de tiempo. Haga clic aquí para ver una versión más amplia de esta figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Una dieta saludable y un comportamiento alimentario saludable han demostrado jugar un papel clave en la prevención y solución al sobrepeso y la obesidad11. Sin embargo, muchos de los métodos utilizados para medir la ingesta dietética y el comportamiento alimentario son onerosos para los usuarios, investigadores y profesionales de la salud y pueden estar sesgados, ya que dependen de las estimaciones de memoria y tamaño de las porciones. El uso del mEETr, de forma independiente o junto con los métodos convencionales de evaluación de video y dietética, disminuiría el esfuerzo y la exactitud y precisión de la ingesta dietética y la evaluación del comportamiento alimentario.

Antes de que el mEETr pueda ser utilizado, algunos pasos críticos necesitan ser abordados. Una consideración metodológica básica es la privacidad relacionada con el análisis facial del video grabado. El anonimato para los participantes es una característica integral de la investigación ética. Sin embargo, con el análisis facial siendo una parte del mEETr, el anonimato es casi imposible16. Por lo tanto, el uso de mEETr en un entorno de investigación requiere amplias disposiciones relativas a la seguridad de los datos y merece atención en el consentimiento informado y en la documentación de otros participantes. En última instancia, en una versión mejorada de las grabaciones faciales mEETr se procesan en tiempo real dentro del dispositivo sin almacenar datos de video. En consecuencia, no se justificaría el almacenamiento de las grabaciones faciales, lo que permitiría la recopilación anónima de datos.

Otro paso crítico en el protocolo es que en esta versión del mEETr todos los flujos de datos son independientes lo que requiere la integración de las medidas de los análisis de vídeo y las tres escalas diferentes durante el post-procesamiento. El análisis de los datos se realiza simplemente sobre la base de la estación de pesaje; entonces depende del investigador acoplar los datos post-hoc a lo que se sirvió en ese tazón específico o en ese plato específico o en la ubicación de la taza. Para evitar la mezcla de flujos de datos, la estructura de la bandeja impone que el tazón, la placa o la taza solo se pueden colocar en ubicaciones específicas debido a los anillos que se ajustan a la pieza específica de vajilla.

Eventualmente, la integración inmediata de los flujos de datos tiene que tener lugar, lo que serviría como una medida de validación adicional para la toma de decisiones en tiempo real con el cambio de peso en el tazón / plato / taza que valida la mordida o el sorbo y viceversa, y como tal permitir la retroalimentación automatizada sobre el comportamiento alimentario inmediatamente después de la comida.

Además de estos pasos críticos, se debe simplificar la supervisión de datos y la solución de problemas o la captura de errores, lo que podría lograrse con la ayuda de las siguientes modificaciones: (1) Automización de la puesta en marcha del sistema, (2) Integración de indicadores de calidad en el panel que proporcionan la información sobre la calidad de video para la detección automatizada del comportamiento alimentario, (3) Menores requisitos de memoria para la computadora portátil , (4) Detección automatizada de eventos que impide los intentos de medición durante los tiempos de no comer.

Además de estas áreas de mejora, hay algunos desafíos al usar mEETr que merecen atención. En primer lugar, las siguientes versiones del mEETr deben hacerse impermeables para que se puedan limpiar en un lavavajillas. En segundo lugar, para obtener medidas válidas del comportamiento alimentario, el participante debe adherirse a varias restricciones y reglas. Para un uso válido del mEETr, es fundamental que el video sea ininterrumpido y que el usuario mire directamente a la cámara mientras mastica. Además, para que el algoritmo detecte masticaciones y golondrinas, el usuario debe ser 1) totalmente visible en el marco, incluidos los hombros y las manos, 2) no tener sombras en la cara; la estandarización de la luz es necesaria. Estos requisitos previos perturban el comportamiento alimentario natural o normal. Como comer es un asunto inherentemente social en condiciones de vida normales, tener estas restricciones en su lugar no encaja sin esfuerzo con el comportamiento alimentario social normal. Por lo tanto, el uso preciso del mEETr, por ahora, requiere una forma no convencional de comer. Las alteraciones al algoritmo deben hacerse en el futuro para tener una medición más robusta que no requiera que el participante se adhiera a ciertas reglas o restricciones de alimentación. En general, el uso de mEETr puede crear reactividad del usuario, lo que resulta en una ingesta de alimentos alterada debido a la conciencia de lo que se come usando la bandeja mEETr. Esto puede evitarse cuando las estaciones de pesaje incorporadas están completamente ocultas y se utiliza una cámara vis-eye que se incorpora dentro de la bandeja de tal manera que no se requiere una altura de cara estándar. Por lo tanto, la versión actual del mEEtr solo es adecuada para estudios basados en laboratorio. Debido a las restricciones y reglas requeridas por esta técnica, los resultados no se traducen directamente en patrones de alimentación de vida libre.

Junto a estas alteraciones, hay dos ampliaciones funcionales del sistema actual que deben incorporarse en el futuro. En primer lugar, es necesario agregar tecnología de cámara hiperespectral adicional al mEETr para analizar el contenido de macronutrientes de los alimentos en el plato. Esto evitaría la necesidad de conocimiento del alimento exacto que está en el plato, al tiempo que permite mediciones de ingesta calórica por comida. En segundo lugar, se puede adjuntar un enfoque de aprendizaje automático para reconocer automáticamente los alimentos al análisis de video actual, lo que permite una mayor automatización del sistema. Para aumentar aún más el reconocimiento de las comidas, se podría agregar una segunda cámara que se centra únicamente en los alimentos y bebidas en los platos.

Idealmente, la bandeja y la cámara de mEETr se pueden vincular al ecosistema de aplicaciones dietéticas existente, lo que permitiría la entrada directa de los resultados de mEETr en aplicaciones dietéticas y dietistas2. Sobre la base de la información recopilada por mEETr, se puede dar retroalimentación y asesoramiento inmediatos al consumidor o paciente considerando la ingesta de (macro)nutrientes y el comportamiento alimentario (textura de los alimentos y tasa de alimentación). Esto permitiría al usuario optimizar su dieta y comportamiento alimentario para crear un estilo de vida saludable.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

El dispositivo mEETr y el software acompañado se han desarrollado en cooperación con un socio comercial; Noldus Tecnología de la información. Los autores declaran que no hay conflictos de intereses.

Acknowledgments

Agradecemos a J.M.C. D. Meijer del Estudio de Desarrollo Técnico de la Universidad de Wageningen e Investigación por su ayuda en el desarrollo de la bandeja mEETr. Esta investigación fue financiada por las 4 universidades técnicas holandesas, 4TU- Proyecto orgullo y prejuicio.

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

Comportamiento Número 168 evaluación dietética tecnología inteligencia artificial ingesta de alimentos comportamiento alimentario masticación

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

Desarrollo conceptual y uso de un método automatizado de evaluación de la ingesta de alimentos y el comportamiento alimentario
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