Denne artikkelen beskriver protokollen for utvikling av et innovativt smarttelefonbasert kostholdsvurderingsprogram Traqq, inkludert ekspertevalueringer og brukervennlighetstesting.
For å samle inn kostholdsinntaksdata på en rask og pålitelig måte, ble en fleksibel og innovativ smarttelefonapplikasjon (app) kalt Traqq utviklet (iOS / Android). Denne appen kan brukes som en matrekord og 24-timers tilbakekalling (eller kortere tilbakekallingsperioder). Ulike prøvetakingsordninger kan opprettes enten på forhåndsspesifiserte eller tilfeldige dager/tider innen en forhåndsbestemt periode for begge metodene, med push-varsler for å oppfordre deltakerne til å registrere matinntaket. Ved frafall planlegges varslinger automatisk på nytt for å sikre fullstendig datainnsamling. For bruk som matvarepost kan respondentene få tilgang til appen og logge matinntaket i løpet av dagen. Matposter lukkes automatisk på slutten av dagen. tilbakekaller lukking etter innsending av de forbrukte elementene. Tilbakekallingen så vel som matrekordmodulen gir tilgang til en omfattende matliste basert på den nederlandske matsammensetningsdatabasen (FCDB), som kan være vant til å passe til forskjellige forskningsformål. Når du velger en matvare, blir respondentene samtidig bedt om å sette inn porsjonsstørrelse, det vilsi i husholdningstiltak(f.eks.kopper, skjeer, briller), standard porsjonsstørrelser(f.eks.små, mellomstore, store) eller vekt i gram, og spise anledning/forbrukstid. Porsjonsstørrelsesalternativer kan justeres, for eksempelbare oppføring i gram i tilfelle veid matrekord eller forbrukstid i stedet for å spise anledning). Appen inneholder også en Mine retter-funksjon, som gjør det mulig for respondenten å lage sine egne oppskrifter eller produktkombinasjoner (f.eks.en daglig frokost) og bare rapportere den totale mengden som forbrukes. Deretter står appen for avkastnings- og oppbevaringsfaktorer. Dataene lagres på en sikker server. Hvis ønskelig, kan ytterligere spørsmål, det vil si, generelt eller de som er relatert til bestemte matvarer eller spise anledninger innlemmes. Dette dokumentet beskriver utviklingen av systemet (app og backend), inkludert ekspertevalueringer og brukervennlighetstesting.
Nøyaktig kostholdsvurdering er avgjørende for å sikre kvaliteten på studiene på ernæringsrollen i helse- og sykdomsforebygging. For tiden bruker slike studier generelt etablerte selvrapporterte kostholdsvurderingsmetoder, det vil sispørreskjemaer for matfrekvens, 24-timers tilbakekallinger (24hRs) og / eller matjournaler1. Til tross for at disse metodene har stor betydning for ernæringsforskning, har de også ulike ulemper, for eksempel minnerelaterte skjevheter, sosial ønskelighetsbias og er tyngende for respondenten så vel som forskeren1,2. Nylige teknologiske oppfinnelser gir nå muligheten til å overvinne disse ulempene. I løpet av de siste årene har ulike forskningsgrupper benyttet denne muligheten og utviklet nettbaserte og smarttelefonbaserte kostholdsvurderingsverktøy for ernæringsforskning som adresserer noen av disse kjente ulempene (se Eldridge et al.3 for en omfattende oversikt over web- og smarttelefonbaserte verktøy), det vilsi redusere årsaker til feil, forbedre brukervennligheten og redusere deltakerens og forskerens byrde1.
Likevel er antall helautomatiske og validerte smarttelefonapplikasjoner (apper) som passer for ernæringsforskning fortsatt begrenset. De fleste av de tilgjengelige appene for kostholdsvurdering (dvs.kommersielt eller utviklet for forskning) er enten ikke fullstendig automatiserte (dvs.krever manuell koding av matvarer) eller er ikke (godt) validert3. Videre er de fleste tilgjengelige validerte apper utviklet for ett spesifikt forskningsformål og bruk i et bestemt land; På grunn av ganske faste utforminger virker det utfordrende å bruke slike apper til andre forskningsformål eller i andre land som utfordrende3,4,5,6,7,8. Til slutt, til tross for tilgjengeligheten av matrekordbaserte apper, ser det til dags dato ikke ut til at det finnes noen tilbakekallingsbaserte apper ennå. Selv om matvareoppføringer er utsatt for reaktivitetsbias, det vil siat respondentene kan endre matinntaket på grunn av bevisstheten om at de blir observert2,9, er dette ikke tilfelle for tilbakekallinger, noe som understreker behovet for utvikling av en validert tilbakekallingsbasert app10. En innovativ kostholdsvurderingsapp kalt Traqq ble utviklet for bruk i Nederland som kan brukes som matrekord samt tilbakekalling, avhengig avforskningsspørsmålet 1.
Foruten muligheten til å veksle mellom matpostalternativet og tilbakekallingsalternativet, skiller denne appen seg også fra andre kostholdsvurderingsverktøy på grunn av sin fleksible natur. Spesielt når det gjelder matlisten, porsjonsstørrelsesestimater, prøvetakingsordninger og muligheten til å innlemme flere spørsmål. Fleksibilitetsnivået i systemet gjør det mulig å skreddersy til flere forskningsformål som krever nøyaktig vurdering av kostholdsatferd. For tiden er appen i ferd med å bli validert og vil være klar til bruk i ulike typer ernæringsrelatert forskning. Appen kan også brukes, og kanskje ytterligere forbedret for bruk, i ernæringsmessige intervensjonsprogrammer for å måle og påvirke kostholdsatferd. Ettersom utviklingen av pålitelige kostholdsvurderingsverktøy er utfordrende, og rapporter om disse prosessene er knappe, spesielt med hensyn til bruker- og ekspertmedvirkning3,11,12, gir denne artikkelen en detaljert oversikt over hvordan forskjellige informasjonskilder ble integrert i den systematiske og iterative utviklingen av denne smarttelefonbaserte kostholdsvurderingsappen. Prosessen omfatter teori, ekspertkonsultasjon og brukerengasjement.
Denne artikkelen presenterer den iterative utviklingsprosessen til den smarttelefonbaserte diettvurderingsappen Traqq. Balansering av det nødvendige nivået av nøyaktighet og brukervennlighet utgjorde følgende hovedutfordringer i utviklingen av appen relatert til beslutninger om 1) dataregistrering (dvs.å velge den mest nøyaktige metoden for matidentifikasjon og kvantifisering av porsjonsstørrelse), 2) matsammensetningsdata (dvs.velge en nøyaktig database og lage en fullverdig matliste), 3) tilpasningsalternativer (dvs. fleksibilitet i matlisten, kvantifisering av porsjonsstørrelse og oppskrifter) og 4) validering (dvs.mot tradisjonelle metoder og/eller uavhengige tiltak)3,50. Under litteraturgjennomgangen ble fem validerte og helautomatiske, smarttelefonbaserte, kostholdsvurderingsverktøy utviklet for forskning identifisert3, 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 grunn av nivået på automatisering av disse fem kostholdsvurderingsappene samt denne appen, reduseres forskerbyrden og kostnadene betydelig mens datafullføringen øker sammenlignet med tradisjonelle kostholdsvurderingsmetoder. I tillegg skiller denne appen seg i sin tur fra de fem eksisterende diettvurderingsverktøyene når det gjelder fleksibilitet. Spesielt, mens eksisterende apper alle er basert på matpostmetoden, kan denne appen brukes som en matpost så vel som en tilbakekalling. Videre, mens utformingen av disse appene er løst, har Traqq den største fordelen at den kan endres for å passe til forskjellige forskningsformål (for eksempelkostholdsvurderingsmetode, matliste, prøvetakingsordninger, tilleggsspørsmål)3,50. På den annen side inneholder andre eksisterende kostholdsvurderingsapper verdifulle funksjoner, som ikke er implementert i appen (ennå). For å illustrere dette punktet tillater noen apper brukeren å ta bilder av maten for matgjenkjenning og porsjonsstørrelsesestimering, for eksempel det halvautomatiske, teknologiassisterte kostholdsvurderingssystemet (TADA)51,52.
Deltakerne i brukervennlighetsstudien indikerte også at bruk av fotografier kunne være et verdifullt tillegg for å hjelpe porsjonsstørrelsesestimering. Det var imidlertid fortsatt for mange utfordringer å ta tak i for å implementere en slik funksjon på dette stadiet, for eksempelå spesifisere og veilede med hensyn til den fotografiske vinkelen (dvs.for å vurdere dybde), behovet for en referanseprodusent (dvs.å korrigere for størrelser og farger), det essensielle før og etter bildet (dvs.for å vurdere forbrukte mengder), og om hvordan du behandler oppskriftsretter. På grunn av disse tekniske utfordringene er de eksisterende bildebaserte kostholdsvurderingsappene fortsatt halvautomatiserte, noe som betyr at manuell bildegjennomgang må gjøres av brukeren, forskeren eller begge51,52. Teknologiske fremskritt, som crowdsourcing og maskinlæring, har potensial til å forbedre bruken av matbilder for kostholdsvurdering53,54. I fremtiden vil disse alternativene bli utforsket for å forbedre appen ytterligere. Utviklingsprosessen til appen var preget av ulike kritiske trinn. For det første ble det gjennomført et formativt forskningstrinn der de vitenskapelige konseptene som ligger til grunn for appoppretting, la til rette for beslutningstaking i å sette opp den generelle disposisjonen av appen.
I løpet av dette stadiet ble det lagt særlig vekt på valg av FCDB og valg av PSEA-aspekter som begge direkte påvirkerdatanøyaktigheten 21. Når det gjelder FCDB, som appen opprinnelig er utviklet for bruk i Nederland, er matlisten basert på den nederlandske FCDB, NEVO14. I fremtiden er målet å videreutvikle appen for internasjonal bruk, noe som krever mer omfattende matsammensetningsdata ettersom mange matvarer er landsspesifikke. For øyeblikket finnes det ingen internasjonal FCDB ennå, og hvis den eksisterer, kan bruken ha vært begrenset. Mer spesifikt, ettersom den nederlandske matlisten allerede inneholder 2389 matvarer, vil implementeringen av et internasjonalt matsammensetningsbord, for eksempelfor 5 land sannsynligvis multiplisere dette antallet matvarer med omtrent 5 og negativt påvirke søkbarheten til matvarer og følgelig appens brukervennlighet. Derfor vil landsspesifikke matlister sannsynligvis være mest verdifulle og ofte også foretrukket av fagfolk55.
Dette forenkles av appen da den muliggjør import av alternative matlister og dermed kobling til forskjellige (internasjonale) matsammensetningstabeller. Når det gjelder porsjonsstørrelsene, er det flere alternativer tilgjengelig for å støtte nøyaktigheten av estimatene, for eksempelbruk av bildehefter, referentobjekter og / eller forslag til tekststørrelse26. I lys av brukervennlighet foretrekkes direkte implementering av en PSEA i appen fremfor å bruke en PSEA ved siden av appen (f.eks.bildehefte, referentobjekter). Under utviklingen av appen ble det besluttet å legge til rette for kvantifisering av porsjonsstørrelse ved å tilby muligheten til å angi porsjonsstørrelser ved hjelp av forslag til porsjonsstørrelse og oppføring i gram. Forslag til porsjonsstørrelse er basert på den eneste tilgjengelige nederlandske databasen med porsjonsstørrelse56. Selv om nederlandske kostholdsvurderingsverktøy som Compl-eat og Eetmeter også er avhengige av denne databasen13,17, må det bemerkes at denne databasen med porsjonsstørrelse stammer fra 2003, og servisestørrelser har siden økt57. Bruk av denne databasen kan derfor undervurdere matinntaket.
For tiden oppdateres databasen for porsjonsstørrelse av Dutch National Institute for Public Health and the Environment (RIVM), Dutch Nutrition Center og Wageningen University and Research58, som til slutt vil bli brukt til å oppdatere forslag til porsjonsstørrelse i appen. Avvik mellom gamle og nye deler vil bli kartlagt og justert der det er nødvendig. Selv om bruken av bilder med porsjonsstørrelse (dvs.en serie bilder som skildrer forskjellige mengder av en valgt mat) kan være et godt alternativ for tekstbaserte forslag til porsjonsstørrelse59, har forskning vist at nøyaktigheten av estimering av porsjonsstørrelse er høyest når en serie bilder i porsjonsstørrelse presenteres samtidig, i stedet for ett bilde om gangen45, 60,61. Generelt har tilgjengelige smarttelefoner relativt små skjermer, noe som begrenser presentasjonen av en serie bilder. Selv om ny teknologi forenkler bruken av interaktiv porsjonsstørrelsesgrafikk der mengder mat på en virtuell tallerken eller kopp kan økes eller reduseres ved hjelp av en glidebryter61, er disse teknikkene relativt nye og må fortsatt evalueres grundig for å vurdere nøyaktigheten.
Et annet kritisk skritt i utviklingen av appen inkluderte involvering av eksperter og tiltenkte sluttbrukere. Selv om det ikke ofte er innlemmet i utviklingsprosessen av verktøy (eller ikke beskrevet)11,12, tilbakemelding fra eksperter – så vel som tiltenkte sluttbrukere – er avgjørende61, tillater maksimering av brukervennlighet, og opprettholder det nødvendige nøyaktighetsnivået. Tilbakemeldingen fra de tiltenkte sluttbrukerne var spesielt nyttig i den endelige utformingen av My Dishes-funksjonen. Totalt sett var brukerne fornøyd med muligheten til å lage sine egne retter. Imidlertid slet de med noen av prosedyrene, for eksempel, selv om funksjonen automatisk ville lagre data, var dette ikke synlig for brukeren. Derfor fortsatte mange brukere å søke etter Lagre-knappen og ble sittende fast, redd for å gå tilbake og miste sine innspill. Basert på denne typen tilbakemeldinger ble funksjonen forbedret for å passe bedre til brukerens forventninger.
For å konkludere er Traqq en innovativ app med mange fordeler i forhold til eksisterende apper og nettbaserte verktøy. Imidlertid er det fortsatt forskjellige begrensninger. Ettersom appen fortsatt er avhengig av selvrapportering, eksisterer det fortsatt selvrapporteringsrelaterte målefeil (f.eks.minnebias (dvs.i tilfelle tilbakekalling), sosial ønskelighetsbias og matinntaksendringer (dvs.i tilfelle matposter), unøyaktige beregninger av porsjonsstørrelse (dvs.i begge))1. I de kommende årene vil nylig lanserte nye teknologier bli utforsket for å fremme appen ytterligere, for eksempelved å utforske verdien av implementeringsfunksjoner som strekkodeskannere, stemmeopptak, chatboter og bilder, noe som kan forbedre matidentifikasjon og estimering av porsjonsstørrelse. Mulighetene for å få kontakt med andre apper (f.eks.aktivitetsmålere, søvnsporere) og enheter (f.eks.akselerometere, pulsmålere, tyggesensorer) utforskes også. Til slutt blir backend også utsatt for videreutvikling, for eksempel gjennom utvidelse av prøvetakingsalternativer.
The authors have nothing to disclose.
Forfatterne ønsker å takke Anouk Geelen og Arvind Datadien for deres sentrale rolle i utviklingen av Traqq. Videre vil forfatterne takke Romy Willemsen for hennes hjelp i datainnsamlingen og dataanalysen i brukervennlighetsstudien. Til slutt ønsker forfatterne å takke ekspertene og deltakerne for å dele sine erfaringer og meninger gjennom hele prosessen. Utbyggingen ble gjennomført av Wageningen Universitet og forskning og delvis finansiert av Landbruks-, natur- og matvaredepartementet og industrien, i sammenheng med TKI Agri&Food PPS – prosjekt 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 |