Dit artikel beschrijft het protocol voor de ontwikkeling van een innovatieve smartphone-gebaseerde dieetbeoordelingstoepassing Traqq, inclusief deskundige evaluaties en bruikbaarheidstests.
Om op een snelle en betrouwbare manier innamegegevens via de voeding te verzamelen, is een flexibele en innovatieve smartphone-applicatie (app) genaamd Traqq ontwikkeld (iOS / Android). Deze app kan worden gebruikt als een voedselrecord en 24-uurs recall (of kortere terugroepperioden). Verschillende bemonsteringsschema’s kunnen worden gemaakt op vooraf gespecificeerde of willekeurige dagen/tijden binnen een vooraf bepaalde periode voor beide methoden, met pushmeldingen om de deelnemers aan te sporen hun voedselinname te registreren. In geval van niet-respons worden meldingen automatisch opnieuw gepland om volledige gegevensverzameling te garanderen. Voor gebruik als voedselrecord hebben respondenten toegang tot de app en kunnen ze hun voedselinname gedurende de dag registreren. Voedselrecords sluiten automatisch aan het einde van de dag; terugroepacties sluiten na indiening van de verbruikte artikelen. De recall en de food record module bieden toegang tot een uitgebreide voedsellijst op basis van de Nederlandse voedselsamenstellingsdatabase (FCDB), die kan worden gebruikt om aan verschillende onderzoeksdoeleinden te voldoen. Bij het selecteren van een voedingsitem wordt respondenten tegelijkertijd gevraagd om portiegrootte in te voegen, d.w.z.in huishoudelijke maatregelen(bijv.kopjes, lepels, glazen), standaard portiegroottes(bijv.klein, medium, groot) of gewicht in grammen en eetmoment / tijd van consumptie. Portiegrootteopties kunnen worden aangepast, bijvoorbeeldalleen vermelding in gram in het geval van een gewogen voedselrecord of tijd van consumptie in plaats van een eetmoment). De app bevat ook een My Dishes-functie, waarmee de respondent zijn eigen recepten of productcombinaties kan maken(bijvoorbeeldeen dagelijks ontbijt) en alleen de totale verbruikte hoeveelheid kan rapporteren. Vervolgens houdt de app rekening met opbrengst- en retentiefactoren. De gegevens worden opgeslagen op een beveiligde server. Indien gewenst kunnen aanvullende vragen, d.w.z.in het algemeen of die met betrekking tot specifieke voedingsmiddelen of eetgelegenheden, worden opgenomen. Dit artikel beschrijft de ontwikkeling van het systeem (app en backend), inclusief deskundige evaluaties en usability testing.
Nauwkeurige beoordeling via de voeding is van cruciaal belang om de kwaliteit van studies over de rol van voeding bij gezondheid en ziektepreventie te waarborgen. Momenteel gebruiken dergelijke studies over het algemeen gevestigde zelfrapportage dieetbeoordelingsmethoden, d.w.z.vragenlijsten over de voedselfrequentie, 24-uurs recalls (24hRs) en/of voedselrecords1. Ondanks het feit dat deze methoden van groot belang zijn voor voedingsonderzoek, hebben ze ook verschillende nadelen, bijvoorbeeld geheugengerelateerde bias, sociale wenselijkheidsbias, en zijn ze belastend voor de respondent en de onderzoeker1,2. Recente technologische uitvindingen bieden nu de mogelijkheid om deze nadelen te overwinnen. In de afgelopen jaren hebben verschillende onderzoeksgroepen deze kans aangegrepen en webgebaseerde en smartphonegebaseerde voedingsbeoordelingstools ontwikkeld voor voedingsonderzoek die enkele van deze bekende nadelen aanpakken (zie Eldridge et al.3 voor een uitgebreid overzicht van web- en smartphonegebaseerde tools), d.w.z.oorzaken van fouten verminderen, de gebruiksvriendelijkheid verbeteren en de last van de deelnemer en onderzoeker verminderen1.
Toch is het aantal volledig geautomatiseerde en gevalideerde smartphonetoepassingen (apps) die geschikt zijn voor voedingsonderzoek nog steeds beperkt. De meeste beschikbare apps voor dieetbeoordeling (d.w.z.commercieel of ontwikkeld voor onderzoek) zijn ofwel niet volledig geautomatiseerd(d.w.z.vereisen handmatige codering van voedingsmiddelen) of zijn niet (goed) gevalideerd3. Bovendien zijn de meeste beschikbare gevalideerde apps ontwikkeld voor één specifiek onderzoeksdoel en gebruik in een specifiek land; als gevolg van vrij vaste ontwerpen lijkt het hergebruik van dergelijke apps voor andere onderzoeksdoeleinden of in andere landen een uitdaging3,4,5,6,7,8. Tot slot, ondanks de beschikbaarheid van op voedselrecords gebaseerde apps, lijken er tot op heden nog geen op recall gebaseerde apps te bestaan. Hoewel voedselrecords gevoelig zijn voor reactiviteitsbias, d.w.z.dat respondenten hun voedselinname kunnen wijzigen vanwege het bewustzijn dat ze worden waargenomen2,9, is dit niet het geval voor recalls, wat de noodzaak benadrukt voor de ontwikkeling van een gevalideerde recall-gebaseerde app10. Voor gebruik in Nederland is een innovatieve dieetbeoordelingsapp genaamd Traqq ontwikkeld die kan worden gebruikt als voedselrecord en terugroepactie, afhankelijk van de onderzoeksvraag1.
Naast de mogelijkheid om af te wisselen tussen de optie voor voedselrecord en terugroepoptie, verschilt deze app ook van andere voedingsbeoordelingsinstrumenten vanwege het flexibele karakter. Met name met betrekking tot de voedsellijst, schattingen van de portiegrootte, bemonsteringsschema’s en de mogelijkheid om aanvullende vragen op te nemen. Het niveau van flexibiliteit in het systeem maakt het mogelijk om aan te passen aan meerdere onderzoeksdoeleinden die een nauwkeurige beoordeling van voedingsgedrag vereisen. Momenteel wordt de app gevalideerd en zal deze klaar zijn voor gebruik in verschillende soorten voedingsgerelateerd onderzoek. De app kan ook worden gebruikt, en misschien verder verbeterd voor gebruik, in voedingsinterventieprogramma’s om voedingsgedrag te meten en te beïnvloeden. Aangezien de ontwikkeling van betrouwbare voedingsbeoordelingsinstrumenten een uitdaging is en rapporten over deze processen schaars zijn, vooral met betrekking tot gebruikers- en expertbetrokkenheid3,11,12, biedt dit artikel een gedetailleerd overzicht van hoe verschillende informatiebronnen zijn geïntegreerd in de systematische en iteratieve ontwikkeling van deze smartphonegebaseerde dieetbeoordelingsapp. Het proces omvat theorie, deskundig overleg en gebruikersbetrokkenheid.
Dit artikel presenteert het iteratieve ontwikkelingsproces van de smartphonegebaseerde dieetbeoordelingsapp Traqq. Het in evenwicht brengen van het vereiste niveau van nauwkeurigheid en gebruiksvriendelijkheid vormde de volgende belangrijke uitdagingen bij de ontwikkeling van de app met betrekking tot beslissingen over 1) gegevensinvoer(d.w.z.het selecteren van de meest nauwkeurige methode voor voedselidentificatie en kwantificering van de portiegrootte), 2) voedselsamenstellingsgegevens(d.w.z.het selecteren van een nauwkeurige database en het maken van een volwaardige voedsellijst), 3) aanpassingsopties (d.w.z. flexibiliteit in voedsellijst, kwantificering van portiegrootte en recepten), en 4) validatie (d.w.z.tegen traditionele methoden en/of onafhankelijke maatregelen)3,50. Tijdens het literatuuronderzoek werden vijf gevalideerde en volledig geautomatiseerde, op smartphones gebaseerde, dieetbeoordelingsinstrumenten geïdentificeerd die voor onderzoek waren ontwikkeld3, namelijk My Meal Mate4, Electronic Dietary Intake Assessment (eDIA)7, Easy Diet Diary8, Electronic Carnet Alimentaire (e-CA)5, en Eat and Track (EaT)6.
Als gevolg van de mate van automatisering van deze vijf dieetbeoordelingsapps en deze app, neemt de werklast en kosten van onderzoekers aanzienlijk af, terwijl de volledigheid van de gegevens toeneemt in vergelijking met traditionele dieetbeoordelingsmethoden. Bovendien verschilt deze app op zijn beurt van de vijf bestaande voedingsbeoordelingsinstrumenten in termen van flexibiliteit. In het bijzonder, terwijl bestaande apps allemaal zijn gebaseerd op de voedselrecordmethode, kan deze app worden gebruikt als een voedselrecord en een terugroepactie. Bovendien heeft Traqq, hoewel het ontwerp van deze apps vaststaat, het grote voordeel dat het kan worden aangepast aan verschillende onderzoeksdoeleinden(bijv.dieetbeoordelingsmethode, voedsellijst, bemonsteringsschema’s, aanvullende vragen)3,50. Omgekeerd bevatten andere bestaande apps voor dieetbeoordeling waardevolle functies, die (nog) niet in de app zijn geïmplementeerd. Om dit punt te illustreren, stellen sommige apps de gebruiker in staat om foto’s te maken van hun voedsel voor voedselherkenning en schatting van de portiegrootte, zoals het semi-geautomatiseerde, technologieondersteunde dieetbeoordelingssysteem (TADA)51,52.
Deelnemers aan het usability-onderzoek gaven ook aan dat het gebruik van foto’s een waardevolle aanvulling kan zijn op de schatting van de portiegrootte van de hulp. Er waren echter nog te veel uitdagingen om een dergelijke functie in dit stadium te implementeren, bijvoorbeeld hetspecificeren en begeleiden met betrekking tot de fotografische hoek(d.w.z.om diepte te beoordelen), de noodzaak van een referentiemaker(d.w.z.om te corrigeren voor maten en kleuren), de essentiële voor en na foto(d.w.z.om verbruikte hoeveelheden te beoordelen), en over het verwerken van receptgerechten. Vanwege deze technische uitdagingen zijn de bestaande op afbeeldingen gebaseerde apps voor dieetbeoordeling nog steeds semi-geautomatiseerd, wat betekent dat handmatige beeldbeoordeling moet worden uitgevoerd door de gebruiker, de onderzoeker of beide51,52. Technologische vooruitgang, zoals crowdsourcing en machine learning, kan het gebruik van voedselafbeeldingen voor dieetbeoordeling verbeteren53,54. In de toekomst zullen deze opties worden onderzocht om de app verder te verbeteren. Het ontwikkelingsproces van de app werd gekenmerkt door verschillende kritische stappen. Ten eerste werd een formatieve onderzoeksstap voltooid waarin de wetenschappelijke concepten die ten grondslag liggen aan de redenering voor het maken van apps de besluitvorming bij het opzetten van de algemene schets van de app vergemakkelijkten.
In deze fase werd speciale aandacht besteed aan de selectie van de FCDB en de selectie van de PSEA-aspecten die beide direct van invloed zijn op de nauwkeurigheid van de gegevens21. Wat betreft de FCDB, aangezien de app oorspronkelijk is ontwikkeld voor gebruik in Nederland, is de voedsellijst gebaseerd op de Nederlandse FCDB, NEVO14. In de toekomst is het doel om de app verder te ontwikkelen voor internationaal gebruik, waarvoor uitgebreidere voedselsamenstellingsgegevens nodig zijn, omdat veel voedingsmiddelen landspecifiek zijn. Momenteel bestaat er nog geen internationale FCDB en indien aanwezig, zou het gebruik ervan beperkt kunnen zijn geweest. Meer specifiek, aangezien de Nederlandse voedsellijst al 2.389 voedingsmiddelen bevat, zou de implementatie van een internationale voedselsamenstellingstabel, bijvoorbeeldvoor 5 landen, dit aantal voedingsmiddelen waarschijnlijk met ongeveer 5 vermenigvuldigen en de doorzoekbaarheid van voedingsmiddelen en bijgevolg de bruikbaarheid van de app negatief beïnvloeden. Daarom zullen landspecifieke voedsellijsten waarschijnlijk het meest waardevol zijn en vaak ook de voorkeur krijgen van professionals55.
Dit wordt gefaciliteerd door de app omdat deze het importeren van alternatieve voedsellijsten mogelijk maakt en daarmee koppeling maakt aan verschillende (internationale) voedselsamenstellingstabellen. Wat de portiegroottes betreft, zijn er meerdere opties beschikbaar om de nauwkeurigheid van de schattingen te ondersteunen, bijvoorbeeld hetgebruik van afbeeldingsboekjes, referente objecten en/of suggesties voor tekstuele portiegrootte26. Gezien de gebruiksvriendelijkheid heeft directe implementatie van een PSEA in de app de voorkeur boven het gebruik van een PSEA naast de app(bijv.beeldboekje, referentobjecten). Tijdens de ontwikkeling van de app werd besloten om de kwantificering van de portiegrootte te vergemakkelijken door de mogelijkheid te bieden om portiegroottes in te voeren met behulp van suggesties voor portiegrootte en invoer in grammen. De suggestie voor de portiegrootte is gebaseerd op de enige beschikbare Nederlandse database met portiegrootte56. Hoewel Nederlandse voedingsbeoordelingsinstrumenten zoals Compl-eat en Eetmeter ook op deze database13,17vertrouwen , moet worden opgemerkt dat deze database met portiegrootte dateert uit 2003 en dat de afmetingen van serviesgoed sindsdien met57zijn toegenomen . Het gebruik van deze database kan daarom de voedselinname onderschatten.
Op dit moment wordt de portiegroottedatabase bijgewerkt door het Rijksinstituut voor Volksgezondheid en Milieu (RIVM), het Voedingscentrum en Wageningen University and Research58, die uiteindelijk zal worden gebruikt om de portiegroottesuggesties in de app bij te werken. Verschillen tussen de oude en nieuwe porties worden in kaart gebracht en waar nodig aangepast. Hoewel het gebruik van afbeeldingen van portiegrootte (d.w.z.een reeks afbeeldingen die verschillende hoeveelheden van een geselecteerd voedsel weergeven) een goed alternatief kan zijn voor op tekst gebaseerde suggesties voor portiegrootte59, heeft onderzoek aangetoond dat de nauwkeurigheid van de schatting van de portiegrootte het hoogst is wanneer een reeks afbeeldingen van portiegrootte tegelijk wordt gepresenteerd, in plaats van één afbeelding tegelijk45, 60,61. Over het algemeen hebben momenteel beschikbare smartphones relatief kleine schermen, wat de presentatie van een reeks afbeeldingen beperkt. Hoewel nieuwe technologieën het gebruik van interactieve afbeeldingen van portiegrootte vergemakkelijken, waarbij de hoeveelheden voedsel op een virtuele plaat of beker kunnen worden verhoogd of verlaagd met behulp van een schuifregelaar61, zijn deze technieken relatief nieuw en moeten ze nog steeds grondig worden geëvalueerd om de nauwkeurigheid ervan te beoordelen.
Een andere cruciale stap in de ontwikkeling van de app was de betrokkenheid van experts en beoogde eindgebruikers. Hoewel niet vaak opgenomen in het ontwikkelingsproces van tools (of niet beschreven)11,12, feedback van zowel experts als beoogde eindgebruikers – is cruciaal61, maakt het maximaliseren van bruikbaarheid mogelijk en behoudt het vereiste niveau van nauwkeurigheid. De feedback van de beoogde eindgebruikers was bijzonder nuttig bij het uiteindelijke ontwerp van de my dishes-functie. Over het algemeen waren de gebruikers tevreden met de mogelijkheid om hun eigen gerechten te maken. Ze worstelden echter met sommige procedures, bijvoorbeeld, hoewel de functie automatisch gegevens zou opslaan, was dit niet zichtbaar voor de gebruiker. Daarom bleven veel gebruikers zoeken naar de knop Opslaan en kwamen vast te zitten, bang om terug te gaan en hun input te verliezen. Op basis van dit soort feedback is de functie verbeterd om beter aan de verwachtingen van de gebruiker te voldoen.
Tot slot is Traqq een innovatieve app met veel voordelen ten opzichte van bestaande apps en webgebaseerde tools. Er zijn echter nog steeds verschillende beperkingen. Aangezien de app nog steeds afhankelijk is van zelfrapportage, bestaan er nog steeds zelfrapportagegerelateerde meetfouten(bijv.geheugenbias(d.w.z.in geval van terugroeping), sociale wenselijkheidsbias en wijzigingen in de voedselinname(d.w.z.in het geval van voedselrecords), onjuiste schattingen van de portiegrootte(d.w.z.in beide))1. In de komende jaren zullen recent gelanceerde nieuwe technologieën worden onderzocht om de app verder te verbeteren, bijvoorbeelddoor de waarde te onderzoeken van het implementeren van functies zoals barcodescanners, spraakopname, chatbots en afbeeldingen, wat de voedselidentificatie en de schatting van de portiegrootte zou kunnen verbeteren. Ook mogelijkheden om verbinding te maken met andere apps(bijv.activity trackers, slaaptrackers) en apparaten(bijv.versnellingsmeters, hartslagmeters, kauwsensoren) worden onderzocht. Ten slotte wordt de backend ook verder uitgebouwd, bijvoorbeeld door de uitbreiding van samplingopties.
The authors have nothing to disclose.
De auteurs willen Anouk Geelen en Arvind Datadien bedanken voor hun sleutelrol in de ontwikkeling van Traqq. Verder willen de auteurs Romy Willemsen bedanken voor haar hulp bij het verzamelen van data en de data-analyse in het usability onderzoek. Tot slot willen de auteurs de experts en deelnemers bedanken voor het delen van hun ervaringen en meningen gedurende het hele proces. De ontwikkeling is uitgevoerd door Wageningen University and Research en deels gefinancierd door het ministerie van Landbouw, Natuur en Voedselkwaliteit en industrie, in het kader van TKI Agri&food PPS – project 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 |