अवधारणा विकास और एक स्वचालित भोजन का सेवन और खाने व्यवहार मूल्यांकन विधि का उपयोग
Summary
यह प्रोटोकॉल एक नई तकनीक आधारित आहार मूल्यांकन विधि को दिखाता है और बताता है। विधि कई निर्मित वजन तराजू और एक वीडियो कैमरा के साथ एक भोजन ट्रे के होते हैं । डिवाइस इस अर्थ में अद्वितीय है कि यह भोजन और पेय के सेवन और भोजन के दौरान खाने के व्यवहार के स्वचालित उपायों को शामिल करता है।
Abstract
आहार और भोजन व्यवहार मूल्यांकन विधियों के विशाल बहुमत स्वयं रिपोर्ट पर आधारित हैं । वे भारी होते हैं और माप त्रुटियों से भी ग्रस्त होते हैं। हाल ही में तकनीकी नवाचार अधिक सटीक और सटीक आहार और खाने के व्यवहार मूल्यांकन उपकरण के विकास के लिए अनुमति देते हैं जिन्हें उपयोगकर्ता और शोधकर्ता दोनों के लिए कम प्रयास की आवश्यकता होती है। इसलिए, भोजन के सेवन और खाने के व्यवहार का आकलन करने के लिए एक नया सेंसर आधारित उपकरण विकसित किया गया था। डिवाइस एक नियमित भोजन ट्रे एक वीडियो कैमरा और तीन अलग निर्मित वजन स्टेशनों के साथ सुसज्जित है । वजन स्टेशनों कटोरा, थाली के वजन को मापने, और एक भोजन के दौरान लगातार कप पीने । चेहरे पर तैनात वीडियो कैमरा व्यवहार विशेषताओं (चबाने, काटने) खाने के रिकॉर्ड करता है, जिसका विश्लेषण आर्टिफिशियल इंटेलिजेंस (एआई) आधारित स्वचालित चेहरे की अभिव्यक्ति सॉफ्टवेयर का उपयोग करके किया जाता है। ट्रे वजन और वीडियो डेटा एक वायरलेस रिसीवर का उपयोग कर एक निजी कंप्यूटर (पीसी) के लिए वास्तविक समय पर ले जाया जाता है । ब्याज के परिणाम, जैसे कि खाया गया राशि, खाने की दर और काटने का आकार, ब्याज के समय बिंदुओं पर इन उपायों के डेटा को घटाकर गणना की जा सकती है। ट्रे के वर्तमान संस्करण द्वारा प्राप्त जानकारी अनुसंधान प्रयोजनों के लिए इस्तेमाल किया जा सकता है, डिवाइस का एक उन्नत संस्करण भी आहार का सेवन और खाने के व्यवहार पर अधिक व्यक्तिगत सलाह के प्रावधान की सुविधा होगी । पारंपरिक आहार मूल्यांकन विधियों के विपरीत, यह आहार मूल्यांकन उपकरण भोजन के सेवन को सीधे भोजन के भीतर मापता है और स्मृति या भाग आकार अनुमान पर निर्भर नहीं होता है। अंततः, इसलिए यह डिवाइस दैनिक मुख्य भोजन भोजन के सेवन और खाने के व्यवहार के उपायों के लिए अनुकूल है। भविष्य में, इस तकनीक आधारित आहार मूल्यांकन विधि को व्यायाम, ऊर्जा सेवन और खाने के व्यवहार का पूरा अवलोकन प्राप्त करने के लिए स्वास्थ्य अनुप्रयोगों या स्मार्ट घड़ियों से जोड़ा जा सकता है।
Introduction
पोषण अनुसंधान और आहार अभ्यास में, अधिक वजन और मोटापे की समस्याओं का समाधान खोजने के लिए, लोग क्या, कितना, और कैसे खाते हैं, इसके अच्छे उपाय करना महत्वपूर्ण है। आहार के सेवन का आकलन करने के लिए, अक्सर पारंपरिक स्व-रिपोर्ट प्रश्नावली का उपयोग खाद्य डायरी, 24 एच याद करते हैं या खाद्य आवृत्ति प्रश्नावली1जैसे होते हैं। ये विधियां आत्म-रिपोर्ट पर निर्भर करती हैं और इसलिए समय लेने वाली होती हैं और सामाजिक-वांछनीय उत्तरों, स्मृति अपर्याप्तता और भाग के आकार का आकलन करने में कठिनाइयों के कारण पूर्वाग्रह से ग्रस्त होती हैं2,3। आहार की गुणवत्ता (भोजन के प्रकार और खाया गया भोजन की मात्रा) के उपायों के अलावा, यह जानना भी महत्वपूर्ण है कि भोजन कैसे खाया जाता है, क्योंकि भोजन के सेवन को धीमा करने वाले व्यवहार को भोजन के भीतर अधिक खपत को रोकने के लिए दिखाया गया है4। खाने के व्यवहार का आकलन करने के लिए सुनहरा मानक यह है कि दो पर्यवेक्षक भोजन खाने वाले लोगों की वीडियो रिकॉर्डिंग एनोटेटकरें 5. यह विधि बल्कि श्रम गहन और समय लेने वाली है और व्यवहार पर तत्काल प्रतिक्रिया के लिए अनुमति नहीं देती है।
हाल ही में तकनीकी प्रगति अब एक भोजन के पाठ्यक्रम पर खाने के व्यवहार के स्वचालित उपायों के साथ भोजन के सेवन के स्वचालित उपायों गठबंधन करने का अवसर प्रदान करते हैं । इन घटनाओं के जवाब में, एक नया सेंसर-आधारित आहार मूल्यांकन विधि विकसित की गई थी, जिसे mEETr कहा जाता है, दो डच शब्दों ‘मीटर’ (अनुवादित: मापने वाला उपकरण), और ‘ईट’ (अनुवादित: खाने के लिए) का परिवर्णी शब्द। mEETr तीन निर्मित वजन स्टेशनों के साथ एक नियमित भोजन ट्रे है(चित्रा 1 ट्रे और सेंसर प्लेटों के डिजाइन को दर्शाता है) और एक कैमरा धारक । प्रत्येक वजन स्टेशन वजन वितरित करने के लिए तीन त्रिकोणीय तैनात माप अंक के होते हैं । वजन स्टेशन भोजन के ऊपर लगातार कटोरे, प्लेट और पीने के कप या ग्लास के वजन को मापते हैं। mEETR में एक वीडियो कैमरा धारक भी शामिल है। वर्तमान में, कैमरा धारक ट्रे से अलग है, लेकिन मानकीकरण प्रयोजनों के लिए mEETr (एक तह वीडियो कैमरा स्टिक) के अगले उन्नयन के बाद एक एकीकृत कैमरा आदर्श होगा । कैमरा काटने और चबाने की संख्या के स्वचालित वास्तविक समय विश्लेषण की सुविधा देता है, और खाने की अवधि, जो खाने की दर और काटने के आकार के बारे में जानकारी के उत्पादन के लिए अनुमति देता है। खाने के व्यवहार का स्वचालित विश्लेषण एक नव विकसित एल्गोरिदम के उपयोग के साथ किया जाता है। विभिन्न अनुसंधान समूहों ने लोगों को खाने के त्वरण पर वास्तविक समय की प्रतिक्रिया प्रदान करने के लिए उपकरण विकसित किए हैं और लोग6खाते हैं । इसके अलावा, एक भोजन7के भीतर काटने की संख्या और उनकी आवृत्ति पर वास्तविक समय प्रतिक्रिया प्रदान करने के लिए संवर्धित कांटे विकसित किए गए हैं। इसके अतिरिक्त,8,9मुक्त जीवन स्थितियों में खाने की सूक्ष्म संरचना को मापने के लिए एक कान सेंसर विकसित किया गया था। इस डिवाइस के समान सेट-अप Ioakimidis एट अल द्वारा इस्तेमाल किया जाता है।10,जहां वीडियो उपायों को भोजन के सेवन, काटने की संख्या और चबाने के व्यवहार को निर्धारित करने के लिए एक वजन प्लेट के साथ जोड़ा गया था।
इन उपकरणों की तुलना में mEETr की नवीनता यह है कि यह दो प्लेटों और एक पीने के कप (एन = 3) और खाने के व्यवहार के भोजन के स्वचालित उपायों को जोड़ती है (जैसे, खाने की दर, काटने की संख्या, काटने का आकार, और चबाने व्यवहार) एक डिवाइस में । mEETr, के रूप में प्रदर्शन किया, भोजन के सेवन और एक नियंत्रित (खाने प्रयोगशाला) वातावरण के भीतर व्यवहार खाने के भोजन के उपायों के भीतर के लिए अनुकूल है, लेकिन अंततः उद्देश्य कम नियंत्रित वातावरण में mEETr का उपयोग करें, जहां फिर से होने वाली भोजन की योजना जैसे daycares, बुजुर्ग घरों, और अस्पतालों के रूप में उपयोग किया जाता है ।
अंततः, mEETr एक अधिक उद्देश्य प्रदान करेगा, और इस तरह के रूप में, पारंपरिक आहार मूल्यांकन विधियों और वीडियो के मैनुअल कोडिंग की तुलना में भोजन के सेवन और खाने के व्यवहार का अधिक सटीक और सटीक उपाय। भोजन के सेवन के बेहतर उपायों से पोषण और स्वास्थ्य अनुसंधान को लाभ होगा, लेकिन साथ ही स्वास्थ्य पेशेवरों को भोजन से संबंधित गैर-संचारी रोगों में वृद्धि का मुकाबला करने की चुनौती में11। अंततः mEETr अनुसंधान और स्वास्थ्य देखभाल सेटिंग्स के साथ ही स्वास्थ्य के प्रति जागरूक उपयोगकर्ताओं द्वारा घर पर मौजूदा प्रौद्योगिकियों और सॉफ्टवेयर, जैसे अन्य स्वास्थ्य क्षुधा या स्मार्ट घड़ियों के लिए mEETr को जोड़ने के द्वारा इस्तेमाल किया जा सकता है । कुल मिलाकर, ये स्वास्थ्य उपाय उपयोगकर्ता या स्वास्थ्य देखभाल पेशेवर को विभिन्न प्रकार के स्वास्थ्य-व्यवहार पैटर्न (जैसे, भोजन का सेवन, खाने के व्यवहार, वास्तविक जीवन के उपायों, नींद, तनाव के आधार पर ऊर्जा व्यय) के विविध और पूर्ण अवलोकन के साथ प्रदान करते हैं, जिससे उपयोगकर्ता को अपने आहार का अनुकूलन करने और एक स्वस्थ जीवन शैली बनाने में सक्षम बनाया जा सके।
Protocol
Representative Results
Discussion
एक स्वस्थ आहार और एक स्वस्थ भोजन व्यवहार अधिक वजन और मोटापे की रोकथाम और समाधान में एक महत्वपूर्ण भूमिका निभाने के लिए दिखाया गया है11. हालांकि, आहार का सेवन और खाने के व्यवहार को मापने के लिए इस?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
हम mEETr ट्रे के विकास में उनकी मदद के लिए Wageningen विश्वविद्यालय और अनुसंधान के तकनीकी विकास स्टूडियो के जे.M.C डी Meijer धन्यवाद. इस शोध को 4 डच तकनीकी विश्वविद्यालयों, 4TU-प्राइड एंड प्रिज्युडिस प्रोजेक्ट द्वारा वित्त पोषित किया गया था ।
Materials
| 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).
