受试者吃的食物从一个刻度盘连接到一台电脑, 记录了餐盘的重量损失。在电脑屏幕上的反馈允许主题调整她/他的饮食行为, 以参考曲线, 从而正常化体重。
受试者吃的食物从一个与计算机相连的刻度盘上, 记录了膳食中盘子的重量损失, 并构成了一个由二次方程模拟的食物摄取量、膳食持续时间和进食率曲线。该方法的目的是改变饮食行为, 在电脑屏幕上提供视觉反馈, 主题可以适应, 因为她/他自己的饮食率出现在屏幕上的膳食。利用自定义算法对该方法生成的数据进行自动分析和拟合。该方法具有客观记录饮食行为的优点, 为实验和临床实践中改变饮食行为提供了可能。一个限制可能是实验对象受该方法的影响。同样的局限性可能是临床实践的优势, 因为饮食行为更容易稳定的方法。使用这种方法的治疗具有规范化的体重, 并恢复了百人神经性厌食症和其他饮食紊乱患者的健康, 减轻了体重, 改善了严重超重患者的健康。
本发明的设备用于通过在膳食中通过计算机屏幕上的视觉反馈控制进食率和食物摄取量来恢复体重和超重病人的健康。它由定制的电子秤和计算机组成,例如,智能手机。一个应用程序允许一个主题通过蓝牙连接智能手机的规模。一旦智能手机与天平相连, 主题就会把盘子放在盘子上, 然后开始进食。每隔一段时间, 屏幕上都会出现一个分级刻度, 并要求这个主题对她/他的丰满感进行评分。评分表可以断开, 这取决于实验的目的或临床干预。为了实验和临床目的, 在智能手机屏幕上显示了进食速率的参考曲线和丰满感的参考曲线。这个主题可以适应参考曲线, 因为她/他的饮食率和丰满度的评分出现在屏幕上的膳食。
设备记录了板材的重量的减退, 当食物被消耗, 并且丰满的等级在膳食期间和存放录音。失重数据用于产生累积食物摄入 (CFI) 曲线的二次模型: y = kx2+ lx, 在那里 y = 食物消耗量的数量, k = 饮食的速度的变动在膳食期间和 l = 吃的初期率1。CFI 曲线是基于模型的以下三行动在膳食: 叮咬, 食物加法和工件 (重量变动与食物消耗量无关)。这些操作映射在上下文无关语法 (CFG)2的非终端符号上。录音, 在预处理之后, 被分成与重量变化对应的时间间隔 (基于前向导数和增量系数), 然后映射到 CFG 末端符号。CFG 然后允许估计对膳食的最可能的解释假设独立为每个事件。
该装置用于研究及临床应用。它首先用于治疗神经性厌食症患者和其他饮食紊乱, 随后治疗严重超重患者。
通过视觉反馈辅助进食具有以下科学依据。动物, 包括人类, 已经进化到吃许多不同的食物, 但他们选择吃什么在 “自助餐” 条件下3,4。然而, 他们有装备, 解剖和行为上, 吃任何食物是可利用的, 如果条件得到破坏 3, 4 和饮食行为, 特别是咀嚼, 因此是进化的主要推动力人的头部, 包括大脑和咀嚼器具3。因此, 饮食模式对于控制体重比吃的食物更重要。在支持, 饮食干预有轻微的, 如果有的话, 对规范化体重的影响5和这里描述的设备可以例如,帮助学校的孩子吃正常数量的食物时, 在学校午餐6快速进食并逆转短暂的禁食对年轻妇女和男子的食物摄取的影响7。
神经科学假设认为体重问题的原因是在大脑中的8。然而, 世界上成百上千的人, 现在体重太多9, 这是不太可能的, 因为在体重增加之前出现了神经异常, 这就产生了这个问题。它更有可能是神经异常10, 以及医疗异常11, 开发作为一个效果, 吃太多的12, 保存, 也许在一些罕见的基因型13。
神经科学无法解释体重问题的一个可能的原因是因为它的基本假设不正确,也就是说,通过对进食行为施加的兴奋/抑制神经控制, 体重保持几乎恒定8.不管大脑可能施加什么抑制, 显然没有阻止上亿人严重超重最近9。对大脑在进食中的作用的更好的理解从发现下丘脑肽曾经认为刺激吃行动代替允许查寻食物, 即使以食物摄取的费用14,15。这些结果最近被确认为1617, 支持这样一种观点, 即只有当食物的实际价格较高时, 体重才保持在健康的水平, 这一条件称为 “人类稳态 phenoptype”18。考虑到大脑和遗传网络的多样性从事饮食行为和其他行为也19, 这将是困难的, 如果可能的话, 减少或增加体重通过操纵神经递质系统或两个。考虑到这些因素, 对严重超重的20以及体重不足的21, 药理干预对体重的影响极小, 或者对身体重量没有任何作用, 这一点不足为奇。
具有讽刺意味的是, 最近的一些发现仅仅证实了梅尔在1953年所做的体重调节中饮食、基因、大脑和身体活动的作用, 这些预测已经22。作为一种替代方法, 饮食行为可能在控制体重和神经科学方面产生因果关系, 而遗传学可能会产生错误的病因机制。在支持下, 一年中的每日饮食努力最大限度地提高人类的食物摄取量, 推动体重上升以抵消食物短缺的任何影响23。在人类的自我平衡表型中, 这种生理暴饮暴食的影响抵消了获得食物所需的体力努力18。因为这项努力接近于零今天人类需要外部支持来维持健康的低体重。此支持由当前设备提供。
饮食失调的标准疗法不是针对饮食行为, 而是针对 patients´的心理症状。平均30% 的患者退出这些治疗, 不到50% 进入缓解, 虽然他们仍然症状, 并至少30% 复发在出院后一年24。然而, 很久以前发现治疗饮食行为比治疗心理症状有更好的效果25。最近使用本报告中介绍的设备复制了此发现。通过这种方法, 估计75% 的饮食失调患者进入缓解和10% 复发五年随访26, 改善护理标准24。
虽然严重超重患者的进食率有所增加, 但饮食率与体重之间的因果关系还未得到澄清, 进食率已由问卷27确定。这里所描述的设备可以客观地测量进食率和食物摄取量, 当用于减少这两种措施时, 它已被证明比标准饮食和运动更有效地降低体重和改善健康。干预严重超重青少年28。
在本设备中使用记录进食行为的原则在很久以前就被描述为29,30,31, 此后在实验中使用它记录和更改进食1的速率, 6,7,32,33。然而, 在临床试验和临床实践中, 它还没有被用来治疗超重和肥胖的病人。临床程序的一部分包括在家中和日常生活中使用该设备。它已被证明是在实验室研究和临床实践中的用户友好。
虽然此处描述的方法是对我们治疗体重问题的主要干预措施, 但治疗有其他干预措施, 以前已经说明过, 包括入院和缓解标准34和结果在三月间隔在每1428年患者26。该装置, 而不是这些额外的干预措施, 是本报告的重点。
该设备的控制模式用于记录健康对象和超重患者的饮食行为。随后,培训模式用于为实验性或临床目的改变饮食行为。使用视觉反馈治疗厌食症患者, 100% 如计算机屏幕上所示, 是患者应根据控制模式的三项初步测试单独确定的食物量。100% 是一小部分的食物在一个厌食症患者, 但更多的食物比他/他吃了三初步测试。一个厌食症患者上通用进食更多食物, 他/他被要求添加食物, 直到100% 在屏幕上显示。虚线蓝色参照曲线的形状在治疗过程中保持不变, 其依据的发现是正常体重健康的人以 progessively 递减率 (即)以减速方式在1中进食。丰满感的虚线紫色参照曲线的基础是累积饱足曲线最适合乙状结肠曲线1。坐标轴上没有数字。治疗继续, 直到病人能够吃约300-350 克的食物约10-15 分钟没有参考曲线。这些数据是从正常体重, 健康的对象。无论是超重患者还是在临床实践中, 都有三道普通瑞典菜的选择, 他们被提供喝的水。对饮食行为的实验操作以同样的方式在健康主题中进行1,6,7,32,33。因为用参考曲线提供的视觉反馈重新建立正常的丰满感是以同样的方式进行的, 这里没有讨论。然而, 临床上, 这是一个重要的干预, 因为厌食症患者的感觉丰满程度远远高于健康的对象。
当患者在进食治疗时遵循视觉反馈时, 他们可以在吃饭时, 不带反馈地在餐盘中添加食物。食品添加和其他事件, 包括在盘子中的压力 exterted 使用叉和刀切片时, 会影响设备的录制, 这些组件创建以前手动处理的工件和错误, 如35所述。使用该设备所产生的数据是在一个定制的数据库中收集的, 临床医生可以检索结果, 为患者提供正面的治疗进展和研究者可以用来分析实验结果。
厌食症患者只吃少量食物以慢速34。有趣的是, 即使在非常低的 BMI18中, 它们也能消耗正常大小的膳食。例如, 病人报告说, 在治疗前很早就能吃300克, 而且在 BMI 正常化之前很久, 仅仅三天后, 以无序的方式进食,也就是说,只消耗少量的食物以加速速度。以极低的速度进食的厌食症患者可能会在最初的膳食过程中增加进食率, 正如三的病人在这里报道的那样。然而, 当患者接近缓解时, 减速速率与进食初始速率的反比关系就出现了1。数以百计的饮食失调患者已被治疗为缓解, 该协议已证明用户友好, 没有不良副作用26。严重肥胖患者同样被治疗减肥, 尽管不是正常体重28,33。目前还没有一种方法能使严重超重患者的体重正常化。
该方法的一个局限性是, 即使在没有视觉反馈的情况下, 受试者也可能受到该设备的影响。这一假说可以通过比较与设备获得的数据与从视频记录的膳食获得的数据进行测试。自相矛盾的是, 同样的限制可能是治疗的优势, 其目的是使食物摄入正常化。
虽然目前的方法已经被用来记录饮食行为, 但在我们的研究和临床之外, 还没有将视觉反馈的增加用于实验性和临床医学目的。对于旨在恢复患者饮食行为的临床医生和对使用饮食行为作为实验变量感兴趣的科学家, 该装置提供了一种方法。现在可以通过计算 CFI 曲线的算法对结果进行自动分析, 从而减少了耗时的手工处理的需要。这使得监测和分析的饮食行为在大群体的主题可能。
algortihm 的成效将会进一步改善。当前它根据偏差的估计从叮咬的真正价值作为离解从工件。
该装置将用于儿童, 以防止体重问题的成年。本报告中讨论的大多数硬件和软件都准备好进行大规模使用。可能的改进, 包括优化设备屏幕上反馈的视觉设计, 并扩大 CFG 与其他种类的膳食行动和分析部分完成的膳食, 必须等待预期的大规模使用的结果.
The authors have nothing to disclose.
Maryam Esfandiari 显示了设备的工作原理和 Vasileios Papapanagiotou 描述了如何筛选生成的数据并将其安装到 CFI 曲线中。每 Södersten 描述临床干预所依赖的研究和塞西莉亚讨论其在临床中的应用。这项工作得到了曼多妮集团的支持, 欧洲共同体的信息和通信技术方案辉煌 (610746) 和欧洲共同体的健康、人口变化和福祉方案 (727688)。
Scale | TÜM ELEKTRONIK | no catalogue number | csutm made not comercially available |