Summary

Kavram Geliştirme ve Otomatik Gıda Alımı ve Yeme Davranışı Değerlendirme Yönteminin Kullanımı

Published: February 19, 2021
doi:

Summary

Bu protokol, teknoloji tabanlı yeni bir diyet değerlendirme yöntemini gösterir ve açıklar. Yöntem, birden fazla dahili tartım terazisi ve bir video kamera içeren bir yemek tepsisi oluşur. Cihaz, bir yemek boyunca otomatik yiyecek ve içecek alımı ve yeme davranışı önlemlerini içermesi açısından benzersizdir.

Abstract

Diyet ve yeme davranışı değerlendirme yöntemlerinin büyük çoğunluğu kendi kendine raporlara dayanmaktadır. Külfetli ve aynı zamanda ölçüm hatalarına eğilimlidirler. Son teknolojik yenilikler, hem kullanıcı hem de araştırmacı için daha az çaba gerektiren daha doğru ve hassas diyet ve yeme davranışı değerlendirme araçlarının geliştirilmesine izin verir. Bu nedenle, gıda alımını ve yeme davranışını değerlendirmek için yeni bir sensör tabanlı cihaz geliştirildi. Cihaz, bir video kamera ve üç ayrı dahili tartım istasyonu ile donatılmış normal bir yemek tepsisidir. Tartım istasyonları, bir yemek boyunca kasenin, tabağın ve içme kabının ağırlığını sürekli olarak ölçer. Yüze konumlandırılmış video kamera, yapay zeka (AI) tabanlı otomatik yüz ifade yazılımı kullanılarak analiz edilen yeme davranışı özelliklerini (çiğneme, ısırık) kaydeder. Tepsi ağırlığı ve video verileri gerçek zamanlı olarak kablosuz alıcı kullanılarak kişisel bir bilgisayara (PC) taşınır. Yenilen miktar, yeme oranı ve ısırık büyüklüğü gibi ilgi çekici sonuçlar, bu önlemlerin verilerinin faiz zaman noktalarında çıkarılmasıyla hesaplanabilir. Tepsinin mevcut sürümü tarafından elde edilen bilgiler araştırma amacıyla kullanılabilir, cihazın yükseltilmiş bir sürümü de diyet alımı ve yeme davranışı hakkında daha kişiselleştirilmiş tavsiyelerin sağlanmasını kolaylaştıracaktır. Geleneksel diyet değerlendirme yöntemlerinin aksine, bu diyet değerlendirme cihazı gıda alımını doğrudan bir öğün içinde ölçer ve belleğe veya porsiyon büyüklüğü tahminine bağlı değildir. Sonuçta, bu cihaz bu nedenle günlük ana yemek gıda alımı ve yeme davranışı önlemleri için uygundur. Gelecekte, bu teknoloji tabanlı diyet değerlendirme yöntemi, egzersiz, enerji alımı ve yeme davranışına tam bir genel bakış elde etmek için sağlık uygulamalarına veya akıllı saatlere bağlanabilir.

Introduction

Beslenme araştırmalarında ve diyet uygulamalarında, aşırı kilo ve obezite sorunlarına çözüm bulmak için insanların ne, ne kadar ve nasıl yediklerine dair iyi önlemlere sahip olmak anahtardır. Diyet alımını değerlendirmek için, genellikle gıda günlükleri, 24 saat geri çağırmalar veya gıda sıklığı anketleri1gibi geleneksel kendi kendine rapor anketleri kullanılır. Bu yöntemler kendi kendine rapora dayanır ve bu nedenle sosyal olarak istenen cevaplar, bellek yetersizliği ve porsiyon boyutlarını tahmin etmedeki zorluklar nedeniyle zaman alıcı ve önyargıyaeğilimlidir 2,3. Diyet kalitesi (gıda türü ve yenen miktar) önlemlerine ek olarak, gıda alımını yavaşlatan yeme davranışlarının bir öğün içinde aşırı iknayı önlediği gösterildiğinden, yiyeceklerin nasıl yendiğini bilmek de önemlidir4. Yeme davranışını değerlendirmek için altın standart, iki gözlemcinin yemek yiyen insanların video kayıtlarına açıklama eklemesidir5. Bu yöntem oldukça emek yoğun ve zaman alıcıdır ve davranış hakkında anında geri bildirime izin vermez.

Son teknolojik gelişmeler artık otomatik gıda alımı önlemlerini, bir yemek boyunca yeme davranışının otomatik önlemleriyle birleştirme fırsatı sunuyor. Bu gelişmelere yanıt olarak, iki Felemenkçe ‘Meter’ (çevrilmiş: ölçüm cihazı) ve ‘eet’ (tercüme: yemek için) kelimelerinin kısaltması olan mEETr adı verilen yeni bir sensör tabanlı diyet değerlendirme yöntemi geliştirildi. mEETr, üç dahili tartım istasyonuna(Şekil 1 tepsinin ve sensör plakalarının tasarımını gösterir) ve bir kamera tutucuya sahip normal bir yemek tepsisidir. Her tartım istasyonu, ağırlığı dağıtmak için üçgen olarak konumlandırılmış üç ölçüm noktasından oluşur. Tartım istasyonları, kasenin, tabağın ve içme kabının veya bardağın ağırlığını yemek üzerinde sürekli olarak ölçer. mEETr ayrıca bir video kamera tutucu içerir. Şu anda, kamera tutucu tepsiden ayrıdır, ancak standartlaştırma amacıyla mEETr’nin (katlanabilir video kamera çubuğu) bir sonraki yükseltmesinden sonra entegre bir kamera ideal olacaktır. Kamera, ısırık ve çiğneme sayısının otomatik gerçek zamanlı analizini ve yeme süresi sağlar, bu da yeme oranı ve ısırık boyutu hakkında bilgi üretilmesini sağlar. Yeme davranışının otomatik analizi, yeni geliştirilen bir algoritma kullanılarak yapılır. Çeşitli araştırma grupları, insanlara yemenin hızlanması ve insanların yedikleri miktar hakkında gerçek zamanlı geri bildirim sağlamak için cihazlargeliştirmiştir 6. Ayrıca, bir yemek içindeki ısırık sayısı ve sıklığı hakkında gerçek zamanlı geri bildirim sağlamak için artırılmış çatallar geliştirilmiştir7. Ek olarak, serbest yaşam koşullarında yemenin mikro yapısını ölçmek için bir kulak sensörü geliştirilmiştir8,9. Bu cihaza benzer Ioakimidis ve ark.10tarafından kullanılan kurulum , video önlemlerinin gıda alımını, ısırık sayısını ve çiğneme davranışını belirlemek için bir tartım plakası ile birleştirildiği yerdir.

Bu cihazlarla karşılaştırıldığında, mEETr’nin yeniliği, iki tabak ve bir içme kabının (n = 3) otomatik gıda alımı önlemlerini ve yeme davranışını (örneğin, yeme oranı, ısırık sayısı, ısırık boyutu ve çiğneme davranışı) tek bir cihazda birleştirmesidir. mEETr, gösterildiği gibi, kontrollü (yeme laboratuvarı) bir ortamda gıda alımı ve yeme davranışının yemek önlemleri dahilinde uygundur, ancak sonunda amaç, mEETr’yi kreşler, yaşlılar ve hastaneler gibi yeniden oluşan yemek planlarının kullanıldığı daha az kontrollü ortamlarda kullanmaktır.

Sonuç olarak, mEETr geleneksel diyet değerlendirme yöntemlerine ve videoların manuel kodlamasına göre daha objektif ve bu nedenle gıda alımı ve yeme davranışının daha doğru ve kesin bir ölçüsünü sağlayacaktır. Gıda alımının daha iyi ölçülmesi beslenme ve sağlık araştırmalarına fayda sağlayacaktır, aynı zamanda sağlık profesyonelleri gıda ile ilgili bulaşıcı olmayan hastalıklardaki artışla mücadele etme mücadelelerinde11. Sonuçta mEETr, araştırma ve sağlık hizmetleri ayarlarında ve evdeki sağlık bilincine sahip kullanıcılar tarafından mEETr’yi diğer sağlık uygulamaları veya akıllı saatler gibi mevcut teknolojilere ve yazılımlara bağlayarak kullanılabilir. Genel olarak, bu sağlık önlemleri kullanıcıya veya sağlık uzmanına, kullanıcının diyetini optimize etmesini ve sağlıklı bir yaşam tarzı yaratmasını sağlayan çeşitli sağlık davranışı kalıplarına (örneğin, gıda alımı, yeme davranışı, gerçek hayattaki önlemlere dayalı enerji harcaması, uyku, stres) oldukça çeşitli ve eksiksiz bir genel bakış sağlar.

Protocol

Bu pilot çalışma, projeye başlamadan önce Wageningen Üniversitesi METC tarafından onaylanmıştır. DİkKAT: Bu projeye katkıda bulunan tüm katılımcılar, görünür ve tanınabilir yüzleri gösteren video görüntülerinin onaylanması da dahil olmak üzere bilinçli bir onay sağladı. 1. Örnek hazırlık ve katılımcı onayı Bir meyve suyu (cam veya bardak), meyve yoğurt (kase) ve meyve parçaları (tabak) hazırlayın.NOT: Bu yiyece…

Representative Results

Daha yavaş bir yutulma oranı (Şekil 7), daha küçük yudum / ısırık boyutları (Şekil 8) ve daha fazla çiğneme (Şekil 9) mEETr tepsisi ile ölçülen yoğurt ve meyve suyuna kıyasla salata alımının düşmesine yol açmıştır (Şekil 6). Katılımcılar meyve suyuna kıyasla meyve salatasının ‘sini yediler. Tüm yeme davranışı özellikleri meyve suyu, yoğurt ve salata arasında …

Discussion

Sağlıklı bir diyet ve sağlıklı bir beslenme davranışı, aşırı kilo ve obezitenin önlenmesinde ve çözümünde kilit bir rol oynadığını göstermiştir11. Bununla birlikte, diyet alımını ve yeme davranışını ölçmek için kullanılan yöntemlerin çoğu kullanıcılar, araştırmacılar ve sağlık uzmanları için külfetlidir ve hafıza ve porsiyon büyüklüğü tahminlerine bağlı oldukları için önyargılı olabilirler. mEETr’yi bağımsız olarak veya geleneksel vide…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Wageningen Üniversitesi ve Araştırma Teknik Geliştirme Stüdyosu’ndan J.M.C. D. Meijer’e mEETr tepsisinin geliştirilmesindeki yardımları için teşekkür ederiz. Bu araştırma 4 Hollanda Teknik Üniversitesi, 4TU- Gurur ve Önyargı projesi tarafından finanse edildi.

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

  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).

Play Video

Cite This Article
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).

View Video