Denne artikel beskriver protokollen for udvikling af en innovativ smartphone-baseret diætvurderingsapplikation Traqq, herunder ekspertevalueringer og brugbarhedstest.
For at indsamle data om indtagelse gennem kosten på en hurtig og pålidelig måde blev der udviklet en fleksibel og innovativ smartphone-applikation (app) kaldet Traqq (iOS / Android). Denne app kan bruges som en fødevareoptegnelse og 24-timers tilbagekaldelse (eller kortere tilbagekaldelsesperioder). Der kan oprettes forskellige stikprøveordninger på enten forudbestemte eller tilfældige dage/tidspunkter inden for en forudbestemt periode for begge metoder, hvor push-meddelelser opfordrer deltagerne til at registrere deres fødeindtagelse. I tilfælde af manglende svar omlægges meddelelser automatisk for at sikre fuldstændig dataindsamling. Til brug som fødevarepost kan respondenterne få adgang til appen og logge deres fødeindtagelse hele dagen. Fødevareposter lukkes automatisk i slutningen af dagen; tilbagekalder lukke efter indsendelse af de forbrugte varer. Tilbagekaldelsen såvel som fødevareoptegnelsesmodulet giver adgang til en omfattende fødevareliste baseret på den hollandske fødevaresammensætningsdatabase (FCDB), som kan være vant til at passe til forskellige forskningsformål. Ved valg af en fødevare bliver respondenterne samtidig bedt om at indsætteportionsstørrelse, dvs. Portionsstørrelsesmuligheder kan justeres, f.eks.kun indtastning i gram i tilfælde af en vejet fødevarerekord eller forbrugstid i stedet for at spise lejlighed). Appen indeholder også funktionen Mine retter, som gør det muligt for respondenten at oprette deres egne opskrifter eller produktkombinationer(f.eks.en daglig morgenmad) og kun rapportere den samlede forbrugte mængde. Derefter tegner appen sig for udbytte- og tilbageholdelsesfaktorer. Dataene gemmes på en sikker server. Hvis det ønskes, kan yderligere spørgsmål, dvs. Dette papir beskriver udviklingen af systemet (app og backend), herunder ekspertevalueringer og usability test.
Nøjagtig kostvurdering er afgørende for at sikre kvaliteten af undersøgelser af ernæringens rolle i sundheds- og sygdomsforebyggelse. I øjeblikket anvender sådanne undersøgelser generelt etablerede selvrapporteringsmetoder til vurdering af kosten,dvs. På trods af at disse metoder er af stor betydning for ernæringsforskning, har de også forskellige ulemper, f.eks. hukommelsesrelateret bias, social ønskværdig bias og er byrdefulde for respondenten såvel som forskeren1,2. De seneste teknologiske opfindelser giver nu mulighed for at overvinde disse ulemper. I løbet af de seneste år har forskellige forskergrupper benyttet denne mulighed og udviklet webbaserede og smartphone-baserede kostvurderingsværktøjer til ernæringsforskning, der adresserer nogle af disse kendte ulemper (se Eldridge et al.3 for et omfattende overblik over web- og smartphone-baserede værktøjer),dvs. reducere årsager til fejl, forbedre brugervenlighed og mindske deltagerens og forskerens byrde1.
Ikke desto mindre er antallet af fuldautomatiske og validerede smartphone-applikationer (apps), der er egnede til ernæringsforskning, stadig begrænset. De fleste af de tilgængelige diætvurderingsapps(dvs.kommercielt eller udviklet til forskning) er enten ikke fuldt automatiserede(dvs.kræver manuel kodning af fødevarer) eller er ikke (godt) validerede3. Desuden er de fleste tilgængelige validerede apps udviklet til et specifikt forskningsformål og brug i et bestemt land; på grund af temmelig faste design, genbrug af sådanne apps til andre forskningsformål eller i andre lande synes udfordrende3,4,5,6,7,8. Endelig, på trods af tilgængeligheden af mad record-baserede apps, til dato, ingen tilbagekaldelse-baserede apps synes at eksistere endnu. Selvom fødevareregistreringer er tilbøjelige til reaktivitetsbias, dvs. respondenter kan ændre deres fødeindtagelse på grund af bevidstheden om, at de observeres2,9, er dette ikke tilfældet for tilbagekaldelser, hvilket understreger behovet for udvikling af en valideret tilbagekaldelsesbaseret app10. En innovativ diætvurderingsapp kaldet Traqq blev udviklet til brug i Holland, som kan bruges som fødevarerekord samt en tilbagekaldelse, afhængigt af forskningsspørgsmålet1.
Udover muligheden for at skifte mellem indstillingen for madoptegnelse og tilbagekaldelse, adskiller denne app sig også fra andre diætvurderingsværktøjer på grund af dens fleksible karakter. Specifikt med hensyn til fødevarelisten, skøn over portionsstørrelse, prøveudtagningsordninger og muligheden for at indarbejde yderligere spørgsmål. Graden af fleksibilitet i systemet gør det muligt at skræddersy til flere forskningsformål, der kræver nøjagtig vurdering af kostadfærd. I øjeblikket er appen i færd med at blive valideret og vil være klar til at blive brugt i forskellige typer ernæringsrelateret forskning. Appen kan også bruges og måske forbedres yderligere til brug i ernæringsmæssige interventionsprogrammer til at måle og påvirke kostadfærd. Da udviklingen af pålidelige kostvurderingsværktøjer er udfordrende, og rapporter om disse processer er knappe, især med hensyn til bruger- og ekspertinddragelse3,11,12, giver dette papir et detaljeret overblik over, hvordan forskellige informationskilder blev integreret i den systematiske og iterative udvikling af denne smartphone-baserede diætvurderingsapp. Processen omfatter teori, ekspertkonsultation og brugerengagement.
Dette papir præsenterer den iterative udviklingsproces af den smartphone-baserede diætvurderingsapp Traqq. Afvejning af det krævede niveau af nøjagtighed og brugervenlighed udgjorde følgende hovedudfordringer i udviklingen afappen i forbindelse med beslutninger om 1) dataindtastning (dvs. valg afden mest nøjagtige metode til fødevareidentifikation og kvantificering af portionsstørrelse), 2) fødevaresammensætningsdata (dvs. valg af en nøjagtig database og oprettelse af en fuldt udbygget fødevareliste), 3) tilpasningsmuligheder (dvs. fleksibilitet i fødevarelisten, kvantificering af portionsstørrelse og opskrifter) og 4) validering(dvs.mod traditionelle metoder og/eller uafhængigeforanstaltninger) 3,50. Under litteraturgennemgangen blev fem validerede og fuldt automatiserede, smartphone-baserede diætvurderingsværktøjer udviklet til forskning identificeret3, nemlig My Meal Mate4, Electronic Dietary Intake Assessment (eDIA)7, Easy Diet Diary8, Electronic Carnet Alimentaire (e-CA)5og Eat and Track (EaT)6.
På grund af automatiseringsniveauet for disse fem diætvurderingsapps samt denne app falder forskerbyrden og omkostningerne betydeligt, mens data fuldstændigheden øges sammenlignet med traditionelle diætvurderingsmetoder. Derudover adskiller denne app sig igen fra de fem eksisterende diætvurderingsværktøjer med hensyn til fleksibilitet. Specifikt, mens eksisterende apps alle er baseret på madpostmetoden, kan denne app bruges som en fødevarepost såvel som en tilbagekaldelse. Mens designet af disse apps er fast, har Traqq desuden den største fordel, at det kan ændres, så det passer til forskellige forskningsformål(f.eks.kostvurderingsmetode, fødevareliste, prøveudtagningsordninger, yderligere spørgsmål)3,50. Omvendt indeholder andre eksisterende diætvurderingsapps værdifulde funktioner, som ikke implementeres i appen (endnu). For at illustrere dette punkt giver nogle apps brugeren mulighed for at tage billeder af deres mad til fødevaregenkendelse og skøn over portionsstørrelse, såsom det halvautomatiske, teknologiassisterede diætvurderingssystem (TADA) system51,52.
Deltagerne i anvendelighedsundersøgelsen viste også, at brugen af fotografier kunne være et værdifuldt supplement til vurderingen af støttedelens størrelse. Der var dog stadig for mange udfordringer at tage op til at gennemføre en sådan funktion på dette stadium, f.eks. og om, hvordan man behandler opskriftsretter. På grund af disse tekniske udfordringer er de eksisterende billedbaserede diætvurderingsapps stadig halvautomatiske, hvilket betyder, at manuel billedgennemgang skal udføres af brugeren, forskeren eller begge51,52. Teknologiske fremskridt, såsom crowdsourcing og maskinlæring, har potentiale til at forbedre brugen af madbilleder til kostvurdering53,54. I fremtiden vil disse muligheder blive undersøgt for yderligere at forbedre appen. Appens udviklingsproces var kendetegnet ved forskellige kritiske trin. For det første blev der gennemført et formativt forskningstrin, hvori de videnskabelige begreber, der ligger til grund for begrundelsen for at oprette, lettede beslutningstagningen ved udarbejdelsen af appens generelle skitse.
I denne fase blev der lagt særlig vægt på udvælgelsen af FCDB og udvælgelsen af PSEA-aspekter , der begge direkte påvirker datanøjagtigheden21. Med hensyn til FCDB, som app oprindeligt er udviklet til brug i Holland, dens mad liste er baseret på den hollandske FCDB, NEVO14. I fremtiden er målet at videreudvikle appen til international brug, hvilket kræver mere omfattende fødevaresammensætningsdata, da mange fødevarer er landespecifikke. I øjeblikket findes der endnu ingen international FCDB, og hvis den findes, kan dens anvendelse have været begrænset. Mere specifikt, da den nederlandske fødevareliste allerede indeholder 2.389 fødevarer, vil gennemførelsen af en international fødevaresammensætningstabel, f.eks. Derfor vil landespecifikke fødevarelister sandsynligvis være mest værdifulde og ofte også foretrukket af fagfolk55.
Dette lettes af appen, da den gør det muligt at importere alternative fødevarelister og dermed linke til forskellige (internationale) fødevaresammensætningstabeller. Med hensyn til portionsstørrelserne er der flere muligheder, der understøtter nøjagtigheden afestimaterne, f.eks. I betragtning af brugervenlighed foretrækkes direkte implementering af en PSEA i appen frem for at bruge en PSEA ved siden af appen (f.eks.billedhæfte, referentobjekter). Under udviklingen af appen blev det besluttet at lette kvantificering af portionsstørrelse ved at give mulighed for at indtaste portionsstørrelser ved hjælp af forslag til portionsstørrelse og indtastning i gram. Forslag til portionsstørrelse er baseret på den eneste tilgængelige hollandske database i portionsstørrelse56. Selv om hollandske kostvurderingsværktøjer som Compl-eat og Eetmeter også er afhængige af denne database13,17, skal det bemærkes , at denne database med portionsstørrelse stammer fra 2003 , og bordservicestørrelserne er siden stegetmed 57. Brug af denne database kan derfor undervurdere fødeindtagelse.
I øjeblikket opdateres databasen med portionsstørrelse af det hollandske nationale institut for folkesundhed og miljø (RIVM), det hollandske ernæringscenter og Wageningen University og Research58, som i sidste ende vil blive brugt til at opdatere forslagene til portionsstørrelse i appen. Uoverensstemmelser mellem de gamle og nye portioner vil blive kortlagt og justeret, hvor det er nødvendigt. Selv om brugen af portionsstørrelse billeder(dvs.en række billeder portrættere forskellige mængder af en udvalgt mad) kan være et godt alternativ til tekst-baseret portion størrelse forslag59, forskning har vist, at nøjagtigheden af portionsstørrelse skøn er højest, når en række portionsstørrelse billeder præsenteres på én gang, i stedet for et billede ad gangen45, 60,61. Generelt har aktuelt tilgængelige smartphones relativt små skærme, hvilket begrænser præsentationen af en række billeder. Selv om nye teknologier letter brugen af interaktiv portionsstørrelse grafik, hvori mængder af fødevarer på en virtuel plade eller kop kan øges eller reduceres ved hjælp af en skyder61, disse teknikker er relativt nye og stadig skal evalueres grundigt for at vurdere deres nøjagtighed.
Et andet kritisk skridt i udviklingen af appen omfattede inddragelse af eksperter og tilsigtede slutbrugere. Selvom det ikke ofte er indarbejdet i udviklingsprocessen af værktøjer (eller ikke beskrevet)11,12, feedback fra eksperter – såvel som tilsigtede slutbrugere – erafgørende 61, tillader maksimering af brugervenlighed og opretholder det krævede nøjagtighedsniveau. Tilbagemeldingerne fra de tilsigtede slutbrugere var især nyttige i det endelige design af funktionen Mine retter. Samlet set var brugerne tilfredse med muligheden for at skabe deres egne retter. De kæmpede dog med nogle af procedurerne, for eksempel selvom funktionen automatisk ville gemme data, var dette ikke synligt for brugeren. Derfor fortsatte mange brugere med at søge efter knappen Gem og sad fast, bange for at gå tilbage og miste deres input. Baseret på den slags feedback blev funktionen forbedret, så den passede bedre til brugerens forventninger.
Afslutningsvis er Traqq en innovativ app med mange fordele i forhold til eksisterende apps og webbaserede værktøjer. Der er dog stadig forskellige begrænsninger. Da appen stadig er afhængig af selvrapportering, findes der stadig selvrapporteringsrelaterede målefejl(f.eks.hukommelsesbias (dvs.i tilfælde af tilbagekaldelse), social ønskværdig bias og ændringer af fødeindtagelse (dvs.i tilfælde af fødevareregistreringer), unøjagtige skøn over portionsstørrelse (dvs.i begge))1. I de kommende år vil nyligt lancerede nye teknologier blive udforsket for yderligere at fremme appen, f.eks.ved at udforske værdien af at implementere funktioner som stregkodescannere, stemmeoptagelse, chatbots og billeder, som kan forbedre fødevareidentifikation og vurdering af portionsstørrelse. Mulighederne for at oprette forbindelse til andre apps(f.eks.aktivitetstrackere, søvntrackere) og enheder(f.eks.accelerometre, pulsmålere, tyggesensorer) undersøges også. Endelig er backend også udsat for yderligere udvikling, f.eks.
The authors have nothing to disclose.
Forfatterne vil gerne takke Anouk Geelen og Arvind Datadien for deres nøglerolle i udviklingen af Traqq. Desuden vil forfatterne gerne takke Romy Willemsen for hendes hjælp til dataindsamlingen og dataanalysen i brugbarhedsundersøgelsen. Endelig vil forfatterne gerne takke eksperterne og deltagerne for at dele deres erfaringer og meninger gennem hele processen. Udviklingen blev udført af Wageningen Universitet og Forskning og delvist finansieret af Ministeriet for Landbrug, Natur og Fødevarekvalitet og Industri, i forbindelse med TKI Agri&Food PPS – projekt Smart Food Intake (AF16096).
ASA24 Portion size picture book | American National Cancer Institute | na | The portion size image database as used in the ASA24-tool |
Atlas.ti v8 | ATLAS.ti Scientific Software Development GmbH | na | Qualitative data analysis software for research |
Compl-eat | Wageningen University | na | The portion size suggestions database as used in the Compl-eat 24hR module |
iOS screen record function | Apple Inc. | na | Build-in iOS feature to make screen recordings |
NEVO (version 2016/5.0) | RIVM | na | Dutch Food Composition Database |
Qualtrics | Qualtrics XM | na | Online survey tool that can be used to implement additional questions in Traqq |
Recordable | Invisibility ltd. | na | Android app to make screen recordings |
SPSS version 24.0 | IBM Corporation | na | Statistical software |
System Usability Scale (SUS) | na | na | Validated questionnaire to assess a system's usability |