Conceptontwikkeling en gebruik van een geautomatiseerde methode voor voedselinname en beoordeling van eetgedrag
Summary
Dit protocol toont en verklaart een nieuwe op technologie gebaseerde dieetbeoordelingsmethode. De methode bestaat uit een eetbak met meerdere ingebouwde weegschalen en een videocamera. Het apparaat is uniek in de zin dat het geautomatiseerde metingen van voedsel- en drankinname en eetgedrag in de loop van een maaltijd bevat.
Abstract
De overgrote meerderheid van de methoden voor het beoordelen van voedings- en eetgedrag is gebaseerd op zelfrapportages. Ze zijn omslachtig en ook gevoelig voor meetfouten. Recente technologische innovaties maken de ontwikkeling mogelijk van nauwkeurigere en nauwkeurigere voedings- en eetgedragsbeoordelingsinstrumenten die minder inspanning vereisen voor zowel de gebruiker als de onderzoeker. Daarom werd een nieuw sensorgebaseerd apparaat ontwikkeld om voedselinname en eetgedrag te beoordelen. Het apparaat is een gewone eetbak uitgerust met een videocamera en drie afzonderlijke ingebouwde weegstations. De weegstations meten het gewicht van de kom, het bord en de drinkbeker continu tijdens een maaltijd. De videocamera die op het gezicht is geplaatst, registreert eetgedragskenmerken (kauwen, beten), die worden geanalyseerd met behulp van op kunstmatige intelligentie (AI) gebaseerde automatische gezichtsuitdrukkingssoftware. Het gewicht van de lade en de videogegevens worden in realtime naar een pc (pc) getransporteerd met behulp van een draadloze ontvanger. De uitkomsten van rente, zoals de gegeten hoeveelheid, eetsnelheid en bijtgrootte, kunnen worden berekend door de gegevens van deze metingen af te trekken op de tijdstippen van rente. De informatie verkregen door de huidige versie van de lade kan worden gebruikt voor onderzoeksdoeleinden, een verbeterde versie van het apparaat zou ook het verstrekken van meer gepersonaliseerd advies over dieetinname en eetgedrag vergemakkelijken. In tegenstelling tot de conventionele dieetbeoordelingsmethoden meet dit voedingsbeoordelingsapparaat de voedselinname direct binnen een maaltijd en is het niet afhankelijk van het geheugen of de schatting van de portiegrootte. Uiteindelijk is dit apparaat daarom geschikt voor dagelijkse voedselinname en eetgedragsmaatregelen. In de toekomst kan deze op technologie gebaseerde dieetbeoordelingsmethode worden gekoppeld aan gezondheidstoepassingen of slimme horloges om een volledig overzicht te krijgen van lichaamsbeweging, energie-inname en eetgedrag.
Introduction
In voedingsonderzoek en voedingspraktijk is het belangrijk om goede metingen te hebben van wat, hoeveel en hoe mensen eten, om oplossingen te vinden voor de problemen met overgewicht en obesitas. Om de inname via de voeding te beoordelen, worden vaak conventionele zelfrapportagevragenlijsten gebruikt, zoals voedseldagboeken, 24-uurs recalls of voedselfrequentievragenlijsten1. Deze methoden zijn gebaseerd op zelfrapportage en zijn daarom tijdrovend en vatbaar voor bias als gevolg van sociaal wenselijke antwoorden, ontoereikend geheugen en moeilijkheden bij het schatten vanportiegroottes 2,3. Naast metingen van de dieetkwaliteit (voedseltype en hoeveelheid gegeten), is het ook belangrijk om te weten hoe het voedsel wordt gegeten, omdat eetgedrag dat de voedselinname vertraagt, is aangetoond dat het overconsumptie binnen een maaltijd voorkomt4. Om het eetgedrag te beoordelen, is de gouden standaard om twee waarnemers video-opnamen te laten maken van mensen die een maaltijd eten5. Deze methode is nogal arbeidsintensief en tijdrovend en laat geen onmiddellijke feedback op het gedrag toe.
Recente technologische ontwikkelingen bieden nu de mogelijkheid om geautomatiseerde metingen van voedselinname te combineren met geautomatiseerde metingen van het eetgedrag tijdens een maaltijd. Als reactie op deze ontwikkelingen is een nieuwe sensorgebaseerde voedingsbeoordelingsmethode ontwikkeld, de mEETr, het acroniem van de twee Nederlandse woorden ‘Meter’ (vertaald: meetapparaat) en ‘eet’ (vertaald: eten). De mEETr is een gewone eettafel met drie ingebouwde weegstations(figuur 1 toont het ontwerp van de lade en de sensorplaten) en een camerahouder. Elk weegstation bestaat uit drie driehoekig gepositioneerde meetpunten om het gewicht te verdelen. De weegstations meten het gewicht van de kom, het bord en de drinkbeker of het glas continu tijdens de maaltijd. De mEETr bevat ook een videocamerahouder. Momenteel staat de camerahouder los van de lade, maar voor standaardisatiedoeleinden zou een geïntegreerde camera na de volgende upgrade van mEETr (een opvouwbare videocamerastick) ideaal zijn. De camera vergemakkelijkt geautomatiseerde real-time analyse van het aantal beten en kauwen en de eetduur, waardoor informatie over de eetsnelheid en de bijtgrootte kan worden genereren. Geautomatiseerde analyse van eetgedrag wordt gedaan met behulp van een nieuw ontwikkeld algoritme. Verschillende onderzoeksgroepen hebben apparaten ontwikkeld om mensen realtime feedback te geven over de versnelling van het eten en de hoeveelheid die mensen eten6. Ook zijn augmented vorken ontwikkeld om real-time feedback te geven over het aantal beten en hun frequentie binnen een maaltijd7. Bovendien werd een oorsensor ontwikkeld om de microstructuur van het eten in vrije levensomstandigheden te meten8,9. Vergelijkbaar met dit apparaat is de opstelling die wordt gebruikt door Ioakimidis et al.10, waar videometingen werden gecombineerd met een weegplateau om de voedselinname, het aantal beten en het kauwgedrag te bepalen.
In vergelijking met deze apparaten is de nieuwigheid van de mEETr dat het geautomatiseerde metingen van voedselinname van twee borden en een drinkbeker (n = 3) en eetgedrag (bijv. eetsnelheid, aantal beten, bijtgrootte en kauwgedrag) in één apparaat combineert. De mEETr is, zoals aangetoond, geschikt voor maaltijdmetingen van voedselinname en eetgedrag binnen een gecontroleerde (eetlab)omgeving, maar uiteindelijk is het doel om de mEETr te gebruiken in minder gecontroleerde omgevingen waar re-voorkomende maaltijdplannen worden gebruikt, zoals kinderdagverblijven, bejaardentehuizen en ziekenhuizen.
Uiteindelijk zal de mEETr een objectievere en als zodanig nauwkeurigere en nauwkeurigere meting van voedselinname en eetgedrag bieden dan conventionele dieetbeoordelingsmethoden en handmatige codering van video’s. Betere maatregelen van de voedselinname zouden ten goede komen aan voedings- en gezondheidsonderzoek, maar ook aan de gezondheidswerkers in hun uitdaging om de toename van voedselgerelateerde niet-overdraagbare ziekten te bestrijden11. Uiteindelijk kan de mEETr worden gebruikt in onderzoeks- en gezondheidszorginstellingen en door gezondheidsbewuste gebruikers thuis door de mEETr te koppelen aan bestaande technologieën en software, zoals andere gezondheidsapps of slimme horloges. Over het algemeen bieden deze gezondheidsmaatregelen de gebruiker of de zorgverlener een vrij divers en volledig overzicht van een verscheidenheid aan gezondheidsgedragspatronen (bijv. voedselinname, eetgedrag, energieverbruik op basis van real-life maatregelen, slaap, stress) waardoor de gebruiker zijn dieet kan optimaliseren en een gezonde levensstijl kan creëren.
Protocol
Representative Results
Discussion
Een gezond dieet en een gezond eetgedrag hebben aangetoond een sleutelrol te spelen bij de preventie van en oplossing voor overgewicht en obesitas11. Veel van de methoden die worden gebruikt om de inname van de voeding en het eetgedrag te meten, zijn echter belastend voor gebruikers, onderzoekers en professionals in de gezondheidszorg en kunnen bevooroordeeld zijn omdat ze afhankelijk zijn van schattingen van het geheugen en de portiegrootte. Het gebruik van de mEETr, onafhankelijk of naast conven…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Wij danken J.M.C. D. Meijer van de Technische Ontwikkelingsstudio van Wageningen University and Research voor zijn hulp bij de ontwikkeling van de mEETr tray. Dit onderzoek is gefinancierd door het project 4 Nederlandse Technische Universiteiten, 4TU- Pride and Prejudice.
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).
