ERRATUM NOTICE
Important: There has been an erratum issued for this article. Read more …
Summary
Questo protocollo mostra e spiega un nuovo metodo di valutazione dietetica basato sulla tecnologia. Il metodo consiste in un vassoio da pranzo con più bilance integrate e una videocamera. Il dispositivo è unico nel senso che incorpora misure automatizzate di assunzione di cibi e bevande e comportamento alimentare nel corso di un pasto.
Abstract
La stragrande maggioranza dei metodi di valutazione del comportamento alimentare e alimentare si basa su auto-rapporti. Sono onerosi e anche inclini a errori di misurazione. Le recenti innovazioni tecnologiche consentono lo sviluppo di strumenti di valutazione del comportamento dietetico e alimentare più accurati e precisi che richiedono meno sforzo sia per l'utente che per il ricercatore. Pertanto, è stato sviluppato un nuovo dispositivo basato su sensori per valutare l'assunzione di cibo e il comportamento alimentare. Il dispositivo è un normale vassoio da pranzo dotato di videocamera e tre stazioni di pesatura integrate separate. Le stazioni di pesatura misurano continuamente il peso della ciotola, del piatto e della tazza per bere nel corso di un pasto. La videocamera posizionata sul viso registra le caratteristiche del comportamento alimentare (masticazioni, morsi), che vengono analizzate utilizzando un software di espressione facciale automatica basato sull'intelligenza artificiale (AI). Il peso del vassoio e i dati video vengono trasportati in tempo reale su un personal computer (PC) utilizzando un ricevitore wireless. I risultati di interesse, come la quantità mangiata, il tasso di mangiare e la dimensione del morso, possono essere calcolati sottraendo i dati di queste misure nei punti di interesse. Le informazioni ottenute dall'attuale versione del vassoio possono essere utilizzate a scopo di ricerca, una versione aggiornata del dispositivo faciliterebbe anche la fornitura di consigli più personalizzati sull'assunzione alimentare e sul comportamento alimentare. Contrariamente ai metodi di valutazione dietetica convenzionali, questo dispositivo di valutazione dietetica misura l'assunzione di cibo direttamente all'interno di un pasto e non dipende dalla memoria o dalla stima delle dimensioni delle porzioni. In definitiva, questo dispositivo è quindi adatto per l'assunzione giornaliera di cibo principale e misure di comportamento alimentare. In futuro, questo metodo di valutazione dietetica basato sulla tecnologia può essere collegato ad applicazioni sanitarie o orologi intelligenti per ottenere una panoramica completa dell'esercizio fisico, dell'assunzione di energia e del comportamento alimentare.
Introduction
Nella ricerca nutrizionale e nella pratica dietetica, è fondamentale avere buone misure su cosa, quanto e come le persone mangiano, per trovare soluzioni ai problemi di sovrappeso e obesità. Per valutare l'assunzione alimentare, vengono utilizzati questionari di auto-segnalazione spesso convenzionali come diari alimentari, richiami di 24 ore o questionari sulla frequenza alimentare1. Questi metodi si basano sull'auto-report e sono quindi dispendiosi in termini di tempo e inclini a pregiudizi dovuti a risposte social-desiderabili, inadeguatezza della memoria e difficoltà nella stima delle dimensioni delleporzioni 2,3. Oltre alle misure della qualità della dieta (tipo di cibo e quantità mangiata), è anche importante sapere come viene mangiato il cibo, poiché i comportamenti alimentari che rallentano l'assunzione di cibo hanno dimostrato di prevenire il consumo eccessivo all'interno di unpasto 4. Per valutare il comportamento alimentare lo standard d'oro è quello di avere due osservatori annotare le registrazioni video di persone che mangianoun pasto 5. Questo metodo è piuttosto laborioso e richiede molto tempo e non consente un feedback immediato sul comportamento.
I recenti progressi tecnologici ora offrono l'opportunità di combinare misure automatizzate di assunzione di cibo con misure automatizzate del comportamento alimentare nel corso di un pasto. In risposta a questi sviluppi, è stato sviluppato un nuovo metodo di valutazione dietetica basato su sensori, chiamato mEETr, l'acronimo delle due parole olandesi "Meter" (tradotto: dispositivo di misurazione) e "eet" (tradotto: mangiare). Il mEETr è un vassoio da pranzo regolare con tre stazioni di pesatura integrate (la figura1 dimostra il design del vassoio e delle piastre del sensore) e un supporto per fotocamera. Ogni stazione di pesatura è costituita da tre punti di misurazione posizionati triangolari per distribuire il peso. Le stazioni di pesatura misurano continuamente il peso della ciotola, del piatto e della tazza o del bicchiere durante il pasto. L'mEETr include anche un supporto per videocamera. Attualmente, il supporto della fotocamera è separato dal vassoio, ma per scopi di standardizzazione una fotocamera integrata dopo il prossimo aggiornamento di mEETr (una videocamera pieghevole) sarebbe l'ideale. La fotocamera facilita l'analisi automatizzata in tempo reale del numero di morsi e masticazioni e la durata del consumo, che consente la generazione di informazioni sul tasso di alimentazione e sulle dimensioni del morso. L'analisi automatizzata del comportamento alimentare viene eseguita con l'uso di un algoritmo di nuova sviluppo. Vari gruppi di ricerca hanno sviluppato dispositivi per fornire alle persone feedback in tempo reale sull'accelerazione del mangiare e sulla quantità di persone chemangiano 6. Inoltre, le forche potenziate sono state sviluppate per fornire feedback in tempo reale sul numero di morsi e sulla loro frequenza all'interno di un pasto7. Inoltre, è stato sviluppato un sensore auricolare per misurare la microstruttura del mangiare in condizioni di vitalibere 8,9. Simile a questo dispositivo è l'impostazione utilizzata da Ioakimidis etal.
Rispetto a questi dispositivi la novità del mEETr è che combina misure automatizzate di assunzione di cibo di due piatti e una tazza da bere (n = 3) e comportamento alimentare (ad esempio, tasso di mangiare, numero di morsi, dimensioni del morso e comportamento di masticazione) in un unico dispositivo. Il mEETr, come dimostrato, è adatto per misure all'interno dei pasti di assunzione di cibo e comportamento alimentare all'interno di un ambiente controllato (laboratorio alimentare), ma alla fine l'obiettivo è quello di utilizzare il mEETr in ambienti meno controllati in cui vengono utilizzati piani pasto ricorrenti come asili nido, case di riposo e ospedali.
In definitiva, il mEETr fornirà una misura più obiettiva e, come tale, più accurata e precisa dell'assunzione di cibo e del comportamento alimentare rispetto ai metodi di valutazione dietetica convenzionali e alla codifica manuale dei video. Migliori misure dell'assunzione di cibo gioverebbero alla ricerca nutrizionale e sanitaria, ma anche agli operatori sanitari nella loro sfida per combattere l'aumento delle malattie non trasmissibili legate aglialimenti 11. In definitiva, l'mEETr può essere utilizzato in contesti di ricerca e assistenza sanitaria, nonché da utenti attenti alla salute a casa collegando l'mEETr alle tecnologie e al software esistenti, come altre app per la salute o orologi intelligenti. Nel complesso, queste misure sanitarie forniscono all'utente o al professionista sanitario una panoramica piuttosto diversificata e completa di una varietà di modelli di comportamento sanitario (ad esempio, assunzione di cibo, comportamento alimentare, dispendio energetico basato su misure di vita reale, sonno, stress) consentendo all'utente di ottimizzare la propria dieta e creare uno stile di vita sano.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Questo studio pilota è stato approvato dal METC dell'Università di Wageningen prima di iniziare il progetto.
ATTENZIONE: Tutti i partecipanti che hanno contribuito a questo progetto hanno fornito un consenso informato, compresa l'approvazione di immagini video che mostrano volti visibili e riconoscibili.
1. Preparazione del campione e consenso dei partecipanti
- Preparare un succo (bicchiere o tazza), yogurt alla frutta (ciotola) e pezzi di frutta (piatto).
NOTA: Questi alimenti sono selezionati solo a scopo dimostrativo(figura 2). - Recluta un partecipante o un volontario che accetti di partecipare allo studio.
- Escludere i partecipanti che indossano occhiali (che non possono utilizzare lenti a contatto) e/o hanno peli sul viso (barba o baffi) per evitare errori di misurazione.
- Informare i partecipanti dello studio e della raccolta dei dati (archiviazione dei dati, accessibilità). Ottenere autorizzazioni separate in caso di registrazioni video non anonime. Ottenere la firma del partecipante sul consenso informato prima di raccogliere i dati.
2. Configurazione del dispositivo e della posizione di misurazione
NOTA: questo protocollo è adatto per la raccolta dei dati in un ambiente controllato (laboratorioalimentare).
- Assicurarsi che la luce nella stanza sia distribuita uniformemente ed evitare ombre sui volti dei partecipanti.
- Evitare il rumore di fondo sulle registrazioni video a causa della presenza di persone diverse dal partecipante.
- Seduti il partecipante su una sedia prima di un tavolo; con tavolo situato appena sotto il petto del partecipante.
- Collegare il ricevitore wireless del vassoio e la webcam a un laptop.
- Avvia il portatile. Assicurarsi che il laptop abbia le seguenti specifiche: CPU i7-10750H, SSD M.2 512 GB, Memoria 1x 16 GB, DDR4 2933 MHz memoria non ECC, sistema operativo a 64 bit.
- Accendere il vassoio e assicurarsi che vi sia carica nel vassoio (luce verde).
- Aprire rispettivamente il programma del connettore (dos), il ricevitore e il programma software del processore insieme al dashboard.
- Controllare la qualità dell'immagine in ingresso nel programma del processore (Figura 3).
NOTA: per rilevare il comportamento alimentare, la qualità dell'immagine deve essere all'interno dell'ultimo trimestre della barra delle applicazioni (verde); il più vicino possibile al 100% verde. La formazione di ombre può portare a una bassa qualità dell'immagine. - Assicurarsi che la cornice dell'immagine sia corretta per evitare una scarsa qualità dell'immagine. Assicurarsi che la testa del partecipante (sopra il cranio) fino al petto, comprese braccia e spalle, sia chiaramente visibile.
3. Sistema di pesatura e trasporto dati
- Convalidare le misure prima dell'uso del mEETr per la prima volta.
NOTA: Il dispositivo mEETr è costituito da un normale vassoio da pranzo disponibile in commercio (vassoio per la cena epossidico applicato in fibra) con tre stazioni di pesatura integrate(Figura 2). - Per convalidare l'configurazione, assicurarsi che il vassoio misure continuamente il peso di un piatto, una ciotola e un bicchiere da bere.
NOTA: La precisione della bilancia su tutta la gamma dovrebbe essere dello 0,3%. - Non posizionare troppo peso su ogni piattaforma di pesatura. Il peso massimo per la piattaforma più grande (piatto da pranzo) è di 1,5 kg. Il peso massimo delle due piattaforme di pesatura più piccole (ciotola e vetro) è di 800 g. Il peso minimo che può essere misurato con precisione è di 1 g per ogni stazione di pesatura.
- Assicurarsi che il piatto, la tazza e la ciotola non siano appoggiati sulla piattaforma o sul vassoio circostante. Utilizzare l'anello centrale per evitare questo.
NOTA: Ogni stazione di pesatura è costituita da tre sensori di forza posizionati a triangolo che agiscono insieme come un'unica bilancia. Una posizione triangolare è stata scelta per bilanciare il peso. - Assicurarsi di mantenere il vassoio asciutto. Il vassoio include un pannello di base sottile da 50 mm (circuito centrale) sotto il vassoio che contiene l'elettronica.
- Per il trasferimento dei dati, assicurarsi che il vassoio si connetta a un ricevitore wireless.
NOTA: Trasferire i dati di pesatura a un intervallo di 1 s tramite un segnale radio a corto raggio (circa 1 m di distanza). Collegare il ricevitore a un personal computer (PC) tramite una porta USB. - I tre sensori di forza misurano le forze (o pesi), le riassumono e le convertono in un valore di peso calibrato.
- Ricaricare il vassoio dopo ogni utilizzo.
NOTA: Il vassoio è alimentato da un pacco batteria interno e può essere caricato con un caricabatterie USB. Un interruttore a scorrimento di accensione/spegnimento si trova vicino alla presa USB. Una carica completa della batteria prevede circa 20 ore di utilizzo. - Non pulire il vassoio in lavastoviglie; il vassoio non è a prova di lavastoviglie. Pulire il vassoio utilizzando uno spray detergente. Assicurarsi che il vassoio sia tenuto pulito e asciutto. I canali di perdita lungo le piattaforme scaricano fuoriuscite di liquidi.
4. Spiegazioni dei partecipanti e inizio dell'osservazione
- Posizionare il mEETr davanti al partecipante.
- Istruisi il partecipante a 1) mangia quanto vuole, 2) guarda dritto nella webcam mentre mangia e 3) non mettere le mani davanti al viso mentre mangia.
- Avviare una nuova osservazione nel software del ricevitore. Registrare la data, il numero del partecipante, il sesso, l'età e i dati antropometrici del partecipante, ad esempio peso e altezza. Includere ulteriori informazioni come la condizione dello studio e la visita di studio nel nome dell'osservazione.
- Premere Registra nel software del ricevitore per registrare l'osservazione.
- Attivare il dashboard per controllare le registrazioni video e i dati in arrivo durante la raccolta dei dati (Figura 4).
- Prima della registrazione, chiedi al partecipante di 1) alzare la carta con il numero del partecipante e 2) alzare la mano all'inizio e alla fine del pasto.
- Termina l'osservazione quando il partecipante finisce di mangiare. Ci vogliono 2 minuti per trasferire tutti i dati su un foglio di calcolo.
- Questa è la fine della sessione per il partecipante.
- Scollegare la webcam e il vassoio-ricevitore dal laptop e pulirlo con un tessuto detergente o uno spray per la pulizia.
5. Valutazione e trasferimento dei dati
- Aprire l'ultima osservazione nel software del ricevitore. Le misure automatizzate del comportamento alimentare vengono memorizzate sotto la voce Dati. Fare clic su Esporta dati per estrarre i dati non elaborati. Il file di output successivo contiene dati sul numero del partecipante, sul tempo reale, sul tempo relativo (da iniziare) e sulle variabili di comportamento alimentare (numero di morsi, numero di masticazioni, durata masticazione) per partecipante al test.
NOTA: tutti i comportamenti sono contrassegnati dal tempo. Nel software del ricevitore, è possibile estrarre ulteriori dati esterni del vassoio, ad esempio i dati sul peso di ciascuno dei tre vassoi. I dati vengono registrati 10 volte al secondo e trasferiti. Il tempo di raccolta dei dati del vassoio viene sincronizzato con le registrazioni del comportamento alimentare. - Riepilogare e visualizzare i risultati in diversi grafici a barre all'interno del programma stesso. Esportare i risultati come dati non elaborati nei file di registro (xsl) (Figura 5).
- Esportare i file di registro in un foglio di calcolo ed eseguire l'analisi dei dati utilizzando il programma statistico di preferenza.
- Pulire i dati prima dell'analisi dei dati.
NOTA: A causa delle distorsioni di pressatura con posate sulle piastre (causando un aumento di peso), i dati di pesatura del vassoio devono essere puliti su una curva Kaplan Meier con dimensioni del passo che indicano la dimensione del morso, la lunghezza del passo che indica il tempo tra i morsi. L'inizio della curva indica il peso iniziale, l'ultimo passaggio indica il peso finale) come segue.- Smussare i punti di tempo alle misurazioni al secondo per filtrare i valori estremi.
- Impostare 5 g di limite, rilevare gli altipiani di peso (cioè nessuna variazione entro +/- 5 g) e le variazioni di peso (variazioni nel tempo superiori a 5 g) per indicare le dimensioni del morso e le variazioni di porzione.
- Escludere l'aumento di peso a causa delle posate rimaste sulla piastra.
NOTA: L'output è il peso totale variazioni per stazione di peso inizio e fine pasto (= dimensione del pasto), dimensione media del morso e morsi al minuto.
- Per determinare le variazioni del tasso di alimentazione (g/sec) e della dimensione del morso (g/bite) nel corso del pasto, integrare manualmente i dati sul peso del vassoio e il comportamento alimentare(Figura 6, Figura 7, Figura 8, Figura 9, Figura 10).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Un tasso di ingestione più lento (Figura 7), dimensioni più piccole di sorso/morso (Figura 8) e più masticazioni (Figura 9) ha portato a un minore apporto dell'insalata rispetto allo yogurt e al succo (figura 6) misurato dal vassoio mEETr. I partecipanti hanno mangiato il 17% in meno di macedonia rispetto al succo di frutta. Tutte le caratteristiche del comportamento alimentare differivano tra succo, yogurt e insalata (Figura 7, Figura 8, Figura 9). I partecipanti hanno masticato molto di più sull'macedonia rispetto allo yogurt e al succo. Il numero osservato di masticare differiva di un fattore tre tra lo yogurt e l'macedonia di frutta. Inoltre, la dimensione del morso era la più piccola per l'insalata 6,5 g per morso rispetto al succo: 8 g per sorso. Nel complesso, il numero di masticare, la dimensione del morso e il tasso di mangiare sembravano influenzare la quantità che è stata mangiata durante il pasto in un ambiente di laboratorio alimentare. Questi risultati sono in accordo con altri studi che riportano che un aumento del tempo di elaborazione orale (più alto numero di masticazioni, dimensioni ridotte del morso) diminuisce l'assunzione dicibo 12,13,14,15.
Figura 1: Immagine del vassoio sottostante con le tre stazioni di pesatura e dei tre sensori di pressione sulla piastra di stampa sopra. Fare clic qui per visualizzare una versione più ampia di questa figura.
Figura 2: L'insieme mEETr con gli alimenti testati. Clicca qui per visualizzare una versione più grande di questa figura.
Figura 3: Rilevamento automatico del comportamento alimentare utilizzando punti fissi sul viso (occhi e bocca). Fare clic qui per visualizzare una versione più ampia di questa figura.
Figura 4: Dashboard che visualizza i dati in entrata delle trebilance del vassoio e i dati video in arrivo. Fare clic qui per visualizzare una versione più ampia di questa figura.
Figura 5: Panoramica della raccolta dei dati. La diminuzione del peso alimentare sulle tre bilance nel corso del pasto è dimostrata dai tre grafici superiori; picchi sono causati dalla pressione delle posate. Morsi e sorsi (compresa la durata) e il numero di masticazioni sono mostrati nell'ultima riga dalle barre orizzontali colorate. Clicca qui per visualizzare una versione più grande di questa figura.
Figura 6: Assunzione di cibo (g) per prodotto misurata con il vassoio mEETr .Fare clic qui per visualizzare una versione più ampia di questa cifra.
Figura 7: Tasso di alimentazione (g/min) per prodotto in base al vassoio mEETr e all'analisi video del comportamento alimentare automatizzato. Fare clic qui per visualizzare una versione più ampia di questa figura.
Figura 8: Dimensione media del morso (g) per prodotto in base al vassoio mEETr e all'analisi video del comportamento alimentare automatizzato. Fare clic qui per visualizzare una versione più ampia di questa figura.
Figura 9: Numero totale di masticazione per prodotto in base al vassoio mEETr e all'analisi video del comportamento alimentare automatizzato. Fare clic qui per visualizzare una versione più ampia di questa figura.
Figura 10: Output di dati grezzi di una misurazione, incluse le tre piattaforme di pesatura, il comportamento e i timestamp. Fare clic qui per visualizzare una versione più ampia di questa figura.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Una dieta sana e un comportamento alimentare sano hanno dimostrato di svolgere un ruolo chiave nella prevenzione e nella soluzione del sovrappeso e dell'obesità11. Tuttavia, molti dei metodi utilizzati per misurare l'assunzione alimentare e il comportamento alimentare sono onerosi per utenti, ricercatori e professionisti sanitari e possono essere di parte in quanto dipendono dalle stime della memoria e delle dimensioni delle porzioni. L'utilizzo del mEETr, indipendentemente o insieme ai metodi convenzionali di valutazione video e dietetica, ridurrebbe lo sforzo e l'accuratezza e la precisione dell'assunzione alimentare e della valutazione del comportamento alimentare.
Prima di poter utilizzare mEETr, è necessario affrontare alcuni passaggi critici. Una considerazione metodologica di base è la privacy relativa all'analisi facciale del video registrato. L'anonimato per i partecipanti è una caratteristica integrante della ricerca etica. Tuttavia, con l'analisi facciale che fa parte del mEETr, l'anonimato è quasi impossibile16. Pertanto, l'uso di mEETr in un contesto di ricerca richiede ampie disposizioni in materia di sicurezza dei dati e merita attenzione nel consenso informato e nella documentazione di altri partecipanti. In definitiva, in una versione aggiornata delle registrazioni facciali mEETr vengono elaborate in tempo reale all'interno del dispositivo senza memorizzare i dati video. Di conseguenza, non sarebbe giustificata alcuna memorizzazione delle registrazioni facciali, il che consentirebbe la raccolta anonima dei dati.
Un altro passo critico del protocollo è che in questa versione del mEETr tutti i flussi di dati sono indipendenti, il che richiede l'integrazione delle misure delle analisi video e delle tre diverse scale durante la post-elaborazione. L'analisi dei dati viene eseguita semplicemente sulla base della stazione di pesatura; spetta quindi al ricercatore accoppiare i dati post-hoc a quanto servito in quella specifica ciotola o su quella specifica piastra o nella posizione della tazza. Per evitare flussi di dati di miscelazione, la struttura del vassoio impone che la ciotola, la piastra o la tazza possano essere posizionate solo in luoghi specifici a causa di anelli che si adattano al pezzo specifico di stoviglie.
Alla fine, deve avvenire l'integrazione immediata dei flussi di dati, che fungerebbe da ulteriore misura di convalida per il processo decisionale in tempo reale con cambio di peso nella ciotola / piastra / tazza convalidando il morso o il sorso e viceversa, e come tale consentendo un feedback automatico sul comportamento alimentare immediatamente dopo il pasto.
Oltre a questi passaggi critici, il monitoraggio e la risoluzione dei dati o la cattura degli errori dovrebbero essere semplificati, il che potrebbe essere ottenuto con l'aiuto delle seguenti modifiche: (1) Automizzazione dell'avvio del sistema, (2) Integrazione di indicatori di qualità sul cruscotto che forniscono le informazioni sulla qualità video per il rilevamento automatico del comportamento alimentare, (3) Requisiti di memoria inferiori per il laptop , (4) Rilevamento automatico degli eventi che impedisce i tentativi di misurazione durante i periodi di non alimentazione.
Oltre a queste aree di miglioramento, ci sono alcune sfide quando si utilizza mEETr che meritano attenzione. In primo luogo, le seguenti versioni di mEETr dovrebbero essere rese impermeabili in modo che possano essere pulite in lavastoviglie. In secondo luogo, per ottenere misure valide del comportamento alimentare, il partecipante deve aderire a varie restrizioni e regole. Per un uso valido di mEETr, è fondamentale che il video sia ininterrotto e che l'utente guardi direttamente nella fotocamera durante la masticazione. Inoltre, affinché l'algoritmo rilevi masticazioni e rondini, l'utente deve essere 1) completamente visibile nel telaio, comprese spalle e mani 2) non ha ombre sul viso; è necessaria la standardizzazione della luce. Questi prerequisiti disturbano il comportamento alimentare naturale o normale. Poiché mangiare è un affare intrinsecamente sociale in normali condizioni di vita, avere queste restrizioni in atto non si intreccia senza sforzo con il normale comportamento alimentare sociale. Pertanto, l'uso accurato del mEETr, per ora, richiede un modo non convenzionale di mangiare. Le modifiche all'algoritmo devono essere apportate in futuro per avere una misurazione più robusta che non richiede al partecipante di aderire a determinate regole o restrizioni alimentari. In generale, l'uso di mEETr può creare reattività dell'utente, con conseguente alterazione dell'assunzione di cibo a causa della consapevolezza di ciò che viene mangiato utilizzando il vassoio mEETr. Ciò può essere evitato quando le stazioni di pesatura integrate sono completamente nascoste e viene utilizzata una telecamera vis-eye incorporata nel vassoio in modo tale che non sia richiesta un'altezza del viso standard. L'attuale versione di mEEtr è quindi adatta solo per studi di laboratorio. A causa delle restrizioni e delle regole richieste da questa tecnica, i risultati non si traducono direttamente in modelli alimentari liberi.
Accanto a queste modifiche, ci sono due estensioni funzionali del sistema attuale che devono essere incorporate in futuro. In primo luogo, è necessario aggiungere ulteriore tecnologia di telecamere iperspettrali al mEETr per analizzare il contenuto di macronutrienti degli alimenti sul piatto. Ciò eluderebbe la necessità di conoscere l'alimento esatto che si trova sul piatto, pur consentendo misurazioni dell'assunzione calorica per pasto. In secondo luogo, un approccio di machine learning per riconoscere automaticamente gli alimenti può essere collegato all'analisi video corrente, consentendo un'ulteriore automazione del sistema. Per aumentare ulteriormente il riconoscimento dei pasti, potrebbe essere aggiunta una seconda fotocamera che si concentra esclusivamente sul cibo e sulle bevande sui piatti.
Idealmente, il vassoio e la fotocamera mEETr possono essere collegati all'ecosistema di app dietetiche esistente, il che consentirebbe l'input diretto dei risultati mEETr nelle app dietetiche e nei dietologi2. Sulla base delle informazioni raccolte da mEETr, è possibile fornire un feedback immediato e consigli al consumatore o al paziente considerando l'assunzione (macro)di nutrienti e il comportamento alimentare (consistenza del cibo e tasso alimentare). Ciò consentirebbe all'utente di ottimizzare la propria dieta e il comportamento alimentare per creare uno stile di vita sano.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Il dispositivo mEETr e il software accompagnato sono stati sviluppati in collaborazione con un partner commerciale; Noldus Tecnologia dell'informazione. Gli autori non dichiarano conflitti di interesse.
Acknowledgments
Ringraziamo J.M.C. D. Meijer dello Studio di Sviluppo Tecnico dell'Università e della Ricerca di Wageningen per il suo aiuto nello sviluppo del vassoio mEETr. Questa ricerca è stata finanziata dalle 4 università tecniche olandesi, 4TU- Pride and Prejudice project.
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 Numero 168 valutazione dietetica tecnologia intelligenza artificiale assunzione di cibo comportamento alimentare masticazioneErratum
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
