Name: iterative development of an innovative smartphone-based dietary assessment tool: traqq
Uploaded: 2021-03-19T13:30:00
Duration: 4 min 54 s
Description: Watch this Scientific Journal Video about Iterative Development of an Innovative Smartphone-Based Dietary Assessment Tool: Traqq at JoVE.com

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).

Forfatterne har ingenting å avsløre.

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.

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.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>ASA24 Portion size picture book</td>
			<td>American National Cancer Institute</td>
			<td>na</td>
			<td>The portion size image database as used in the ASA24-tool</td>
		</tr>
		<tr>
			<td>Atlas.ti v8</td>
			<td>ATLAS.ti Scientific Software Development GmbH</td>
			<td>na</td>
			<td>Qualitative data analysis software for research</td>
		</tr>
		<tr>
			<td>Compl-eat</td>
			<td>Wageningen University</td>
			<td>na</td>
			<td>The portion size suggestions database as used in the Compl-eat 24hR module</td>
		</tr>
		<tr>
			<td>iOS screen record function</td>
			<td>Apple Inc.</td>
			<td>na</td>
			<td>Build-in iOS feature to make screen recordings</td>
		</tr>
		<tr>
			<td>NEVO (version 2016/5.0)</td>
			<td>RIVM</td>
			<td>na</td>
			<td>Dutch Food Composition Database</td>
		</tr>
		<tr>
			<td>Qualtrics</td>
			<td>Qualtrics XM</td>
			<td>na</td>
			<td>Online survey tool that can be used to implement additional questions in Traqq</td>
		</tr>
		<tr>
			<td>Recordable</td>
			<td>Invisibility ltd.</td>
			<td>na</td>
			<td>Android app to make screen recordings</td>
		</tr>
		<tr>
			<td>SPSS version 24.0</td>
			<td>IBM Corporation</td>
			<td>na</td>
			<td>Statistical software</td>
		</tr>
		<tr>
			<td>System Usability Scale (SUS)</td>
			<td>na</td>
			<td>na</td>
			<td>Validated questionnaire to assess a system&#39;s usability</td>
		</tr>
	</tbody>
</table>

iterative development of an innovative smartphone-based dietary assessment tool: traqq

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.

Systemet (app og backend) ble utviklet ved hjelp av trinnene som er beskrevet i den ovenfor beskrevne protokollen; De viktigste resultatene av denne prosessen er beskrevet nedenfor, og konkluderer med den endelige utformingen av appen.
Formativ forskning I tillegg til omfattende litteraturgjennomgang ble flere nettbaserte verktøy inspisert (f.eks.Compl-eat13, ASA2414, Foodbook2415, MyFood2416) med hensyn til kostholdsvurderingsmetodikk og implementerte funksjoner. I tillegg ble ytelsen til flere matsporingsapper som ofte brukes i Nederland sammenlignet (for eksempelMijnEetmeter17, MyFitnessPal18, Virtuagym Food19), med fokus på aspekter som kostholdsvurderingsmetodikk, levering av informasjon, pålitelighet, søkemotor og bruk av tilleggsfunksjoner (f.eks.bilder, strekkodeskanner, oppskriftsfunksjoner). Resultatene av denne inspeksjonen førte til beslutningen om å utvikle appen på en slik måte at den kan brukes som matvarepost og tilbakekalling. Videre førte det til implementeringen av My Dishes-funksjonen, som kan brukes til å lage originale oppskrifter eller ofte konsumerte produktkombinasjoner(f.eks.en daglig frokost). Innenfor denne funksjonen tas det automatisk hensyn til avkastnings- og oppbevaringsfaktorer.
For å nøyaktig kvantifisere mat- og næringsinntaket, er en komplett, om enn praktisk, matliste avgjørende. Kompilering av en slik matliste krever en avveining mellom utslåelsen av matlisten og søkbarheten til matvarene (dvs.matbeskrivelser må være klare, forståelige og enkle å finne)41,42. Ettersom matsammensetningsdata danner det grunnleggende grunnlaget for kostholdsvurdering21,22, er det viktig å sikre at den utviklede matlisten kan knyttes til nøyaktige matsammensetningsdata. Matlisten som er inkludert i appen er basert på den nederlandske FCDB (NEVO)14, som ble valgt for pålitelighet og rike matsammensetningsdata. Opprinnelig består NEVO av 2 389 matvarer (versjon 2016/5.0), som ble redusert til en matliste med 1 449 varer ved å eliminere "forvirrende gjenstander" (f.eks.matvarer som ikke kan konsumeres rå, matvarer som ikke kan konsumeres uten tilsetninger) eller varer som ikke er like viktige å inkludere (f.eks.på grunn av lave forbruksrater basert på den nederlandske matforbruksundersøkelsen (DNFCS)43).
I tillegg inneholder NEVO lignende matvarer med forskjellige merkenavn; I et slikt tilfelle ble bare det generiske alternativet inkludert i matlisten. For ytterligere å lette brukervennligheten ble noen matvarer omdøpt for å eliminere unødvendig terminologi som "forberedt", "frossen", "gjennomsnitt" og "naturlig". Denne "rengjøringsprotokollen" ble utviklet av tre godt trente forskningsdietikere og utført ved hjelp av en syntaks, som kan kjøres på nytt når NEVO er oppdatert. I tillegg, for å optimalisere søkbarheten av matvarer, ble 1,019 kjente synonymer av de inkluderte matvarene lagt til matlisten. Dermed utgjorde matlisten som er inkludert i appen til slutt 2,468 elementer. En oversikt over utviklingen av matlisten vises i figur 2. For å merke seg, selv om denne omfattende matlisten er utviklet for generell bruk, tillater appens bakserver import av alternative matlister om nødvendig.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/62032/62032fig2v2.jpg"> Figur 2: Strukturen til matlisten som er utviklet for appen. Matlisten er basert på den nederlandske matsammensetningsdatabasen (FCDB), og tilsvarende forslag til porsjonsstørrelse og synonymer ble lagt til for hvert element i den endelige matvarelisten. <a href="https://www.jove.com/files/ftp_upload/62032/62032fig02large.jpg" target="_blank">Klikk her for å se en større versjon av denne figuren.</a>
Et annet viktig aspekt ved kostholdsvurdering er kvantifisering av porsjonsstørrelser. Selv om estimeringshjelpemidler for porsjonsstørrelse (PSEAer), for eksempel bilder, referentobjekter og standard porsjonsstørrelser, støtter rapporteringen av mengden matvarer som forbrukes24,26,44, er feilrapportering av porsjonsstørrelser fortsatt en betydelig kilde til bias24,25,45,46og litteratur om effektiviteten til de forskjellige PSEAene er inkonsekvent26. Matbilder, forslag til porsjonsstørrelse (dvs.standardstørrelser og husholdningstiltak), og gratis vektinngang i gram er de mest brukte PSEAene i web- og smarttelefonbaserte kostholdsvurderingsverktøy34. Mens for eksempel forslag til porsjonsstørrelse (f.eks.kopper, skjeer, små, store) brukes i verktøy som Compl-eat13 og Oxford WebQ47, hjelper bilder porsjonsstørrelsesestimater i verktøy som ASA2414 og Myfood2416. For å undersøke den mest passende PSEA for appen, ble det utført en pilotstudie for å sammenligne nøyaktigheten av forslag til porsjonsstørrelse(f.eks.små, mellomstore, store eller kopper, skje), gratis inngang i gram og bilder av porsjonsstørrelse. Resultatene av denne studien førte til implementering av porsjonsstørrelsesforslag som PSEA i appen sammen med muligheten til å legge inn beløp i gram27.
Ekspert gjennomgang Målet med ekspertevalueringene var å kvalitativt evaluere appen når det gjelder funksjonalitet og enkel læring. Siden mange brukere foretrekker å lære programvare ved å utforske29, er et systems nivå av lærbarhet viktig. Totalt 10 eksperter, det vil si4 (forskning) diettister og 6 ernærings- og helseadferdseksperter (forskere) deltok i de kognitive gjennomgangene der 60% brukte en Android-smarttelefon. Viktigst av alt indikerte ekspertevalueringer at den første versjonen av appen ikke var tilstrekkelig intuitiv, for eksempelble menystruktur vurdert uklart på grunn av vage knapper / ikoner, og søkemotoren genererte en ulogisk rekkefølge av resultater. Et annet kritisk punkt som oppstår fra ekspertgjennomgangene relatert til det faktum at valgte elementer ikke kunne endres. Basert på disse resultatene ble utformingen av appen betydelig oppgradert fra trinn 2 og utover (figur 1).
Evaluering av brukervennlighet Totalt 22 deltakere deltok i intervjuene, som dannet grunnlaget for brukervennlighetsevalueringen. Den første utvalgsstørrelsen ble satt til 20 deltakere36, hvoretter datametning ble vurdert. Ettersom datametning ikke ble nådd etter 20 intervjuer, fortsatte inkluderingen mens de vurderte datametning etter hvert påfølgende intervju. Deltakerne hadde en gjennomsnittlig ± standardavviksalder på 48 ± 17 år (område 22-70 år); 36% var menn, og flertallet av befolkningen var høyt utdannet (55%). I tillegg brukte de fleste deltakerne en Android-enhet (n = 14, 64%), og nesten alle deltakerne hadde over 1 års erfaring med smarttelefonbruk (n = 21, 96%) (Tabell 1). Alle deltakerne fullførte oppgavene uten eller med minimal instruksjon.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td></td>
			<td>Totalt (n=22)</td>
		</tr>
<tr>
<td>Kjønn</td>
			<td></td>
		</tr>
<tr>
<td>Mann (%)</td>
			<td>36.4</td>
		</tr>
<tr>
<td>Kvinne (%)</td>
			<td>63.6</td>
		</tr>
<tr>
<td>Gjennomsnittsalder (gjennomsnitt, SD)</td>
			<td>48.1 (17.2)</td>
		</tr>
<tr>
<td>Utdanningsnivå</td>
			<td></td>
		</tr>
<tr>
<td>Lav (%)</td>
			<td>0</td>
		</tr>
<tr>
<td>Middels (%)</td>
			<td>45.5</td>
		</tr>
<tr>
<td>Høy (%)</td>
			<td>54.5</td>
		</tr>
<tr>
<td>Smarttelefon type</td>
			<td></td>
		</tr>
<tr>
<td>Android (%)</td>
			<td>63.6</td>
		</tr>
<tr>
<td>iOS (%)</td>
			<td>36.4</td>
		</tr>
<tr>
<td>Smarttelefonopplevelse</td>
			<td></td>
		</tr>
<tr>
<td>Kortere enn 6 måneder (%)</td>
			<td>4.5</td>
		</tr>
<tr>
<td>Mellom 6 måneder og 1 år (%)</td>
			<td>0</td>
		</tr>
<tr>
<td>Lengre enn 1 år (%)</td>
			<td>95.5</td>
		</tr>
<tr>
<td>SUS (gjennomsnitt, SD)</td>
			<td>79.4 (15.1)</td>
		</tr>
</tbody></table>Tabell 1. Kjennetegn på studiepopulasjonen og resultatene av brukervennlighetsevaluering. Bare resultatene av systemets brukervennlighetsskala (SUS) er portrettert i denne tabellen sammen med deltakeregenskapene.
Mens noen deltakere (n = 13, 59%) indikerte vanskeligheter mens de brukte My Dishes-funksjonaliteten; andre (n = 5, 23%) opplevde mindre funksjonalitetsproblemer som langsom respons på menyknappen og vanskeligheter med å bruke knapper relatert til utilstrekkelig skjermstørrelse på mindre smarttelefoner). Videre indikerte 15 (68%) deltakere deres preferanse for et alternativ for å legge inn konsumerte porsjonsstørrelser i gram. Til slutt indikerte evalueringen av SUS-poengsummen en vurdering på 79/100 (område 40-100), der bare 3 av de 22 deltakerne vurderte appen under 68/100 og 13 vurdert >80/100, noe som antyder at appen kan betraktes som brukervennlig. Samlet sett var de foreslåtte forbedringene små, og brukbarhetsevalueringer var lovende. Deretter ble forslag til forbedring diskutert i forskerteamet og, hvis det anses relevant, innlemmet i trinn 4-oppgraderingen for å optimalisere smaken og brukervennligheten til appen ytterligere (figur 1).
Endelig design Trinnene beskrevet i protokollen og resultatene av evalueringsstudien resulterte til slutt i en endelig design for appen og backend, som var rettet mot en enkel visuell design. Denne appen kan brukes som en matpost og en tilbakekalling. Som beskrevet tidligere, er matlisten en modifisert versjon av NEVO. Estimering av porsjonsstørrelse støttes av matspesifikke forslag til porsjonsstørrelse. forbrukte porsjoner kan også legges inn i gram. I tilfelle tilbakekallingsversjonen av appen har forskeren muligheten til å velge forskjellige tidsluker (for eksempel., 2hR, 8hR eller 24hR). For å samle inn matinntaksdata på forskjellige dager og tider, kan ulike prøvetakingsordninger opprettes innen en forhåndsbestemt periode. Push-varsler inviterer respondentene til å registrere matinntaket. For å sikre fullstendig datainnsamling planlegges invitasjoner automatisk på nytt i tilfelle frafall. I tilbakekallingsmodulen kan respondentene bare rapportere matinntaket etter å ha mottatt en invitasjon. I tilfelle matjournalen kan respondentene få tilgang til appen og logge matinntaket gjennom dagen.
I motsetning til de fleste 24hR-verktøy, er tilbakekallingsmodulen til appen ikke basert på Automated Multiple-Pass Method - en femtrinns metode for å samle matinntaksdata for forrige 24 h48- da denne metoden er for forseggjort og tidkrevende for bruk i en app. Mer spesifikt, for å øke brukervennligheten og forbedre overholdelsen av matinntaksopptakene11,38,49, ble navigasjonen redusert til et minimum ved å begrense antall skjermbilder som må nås til 4 ( Figur3): 1) et oversiktsskjermbilde som viser rapporteringsvinduet; 2) konsumerte matvarer rapporteres gjennom søkeskjermen, og når ønsket element er valgt 3), vises en dialogboks som undersøker spise anledning og forbrukt mengde, hvoretter 4) brukeren går tilbake til Oversikt-skjermen som nå viser de innspilte matvarene. I tillegg kan brukeren også bruke Mine retter-funksjonen til å lage oppskrifter eller produktkombinasjoner, som kan legges inn via Meny-knappen.
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/62032/62032fig03.jpg"> Figur 3: Skjematisk oversikt over ruten i appen. <a href="https://www.jove.com/files/ftp_upload/62032/62032fig03large.jpg" target="_blank">Klikk her for å se en større versjon av denne figuren.</a>
Dataene lagres på en sikker server. Om ønskelig kan ytterligere spørsmål generelt eller relatert til spesifikke spise anledninger eller matvarer - innlemmes. Appen kan koble til nettbaserte undersøkelsesverktøy. Derfor er det mulig å gjennomføre en undersøkelse som ikke er relatert til matinntak via appen på forhåndsspesifiserte tider(f.eks.kontekst, atferdsmessig, humørspørsmål). Det er også mulig å stille spesifikke spørsmål knyttet til rapporterte matvarer eller spise anledninger (f.eks.når epler rapporteres, når lunsj rapporteres). Bruken av online undersøkelsesverktøy gir en mulighet til å stille mange forskjellige spørsmål via appen. De innsamlede matinntaksdataene kan eksporteres fra serveren og importeres til programvare for ernæringsberegning for videre analyser. Ved bruk av tilleggsspørsmål vil disse dataene være tilgjengelige i undersøkelsesverktøyet som vanlig. Målet var å utvikle en godt strukturert og brukervennlig app. Noen skjermbilder av designet kan ses i figur 4A-E.
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/62032/62032fig04.jpg"> Figur 4: Skjermbilder av den endelige versjonen av appen. (A) Startskjermen/Oversikt-skjermen, som viser invitasjonen med (i dette tilfellet) 2 h-recall-perioden. Brukeren kan trykke på Produkt toevoegen (dvs.Legg til element) for å rapportere en matvare eller Niets gegeten av gedronken (dvs.jeg spiste eller drakk ikke noe) i tilfelle ingenting ble konsumert i løpet av dette tidsvinduet. (B) Søkeskjermen, som viser resultater som samsvarer med søkeordet "Jus" fra matlisten. Ønsket element kan velges fra søkeresultatene. (C) En popup-skjerm krever inntasting av detaljer om det valgte elementet "Jus d 'oransje". I dette tilfellet ber appen om mengden som forbrukes og spiser anledning. Brukeren kan gå tilbake til søkeresultatet ved å trykke annuleren (dvs.avbryte) eller Opslaan (dvs.lagre) for å gå videre. (D) Oversikten på nytt, denne gangen viser alle de rapporterte elementene. Et annet element kan legges til (Produkt toevoegen) eller innspillene kan sendes (Lijst versturen). (E) Når du har valgt Lijst versturen, vises det et popup-vindu som spør brukeren om de er sikre på at de vil sende, og minner brukeren på at det ikke er mulig å gjøre flere endringer etter at listen er sendt. Brukeren kan avbryte (Annuleren) eller sende (Versturen). <a href="https://www.jove.com/files/ftp_upload/62032/62032fig04large.jpg" target="_blank">Klikk her for å se en større versjon av denne figuren.</a>

Watch this Scientific Journal Video about Iterative Development of an Innovative Smartphone-Based Dietary Assessment Tool: Traqq at JoVE.com

Iterative Development of an Innovative Smartphone-Based Dietary Assessment Tool: Traqq

Denne artikkelen beskriver protokollen for utvikling av et innovativt smarttelefonbasert kostholdsvurderingsprogram Traqq, inkludert ekspertevalueringer og brukervennlighetstesting.

Iterativ utvikling av et innovativt smarttelefonbasert kostholdsvurderingsverktøy: Traqq

To collect dietary intake data in a fast and reliable manner, a flexible and innovative smartphone application (app) called Traqq was developed ...

Utviklingsprosessen for kostholdsvurderingsverktøy er ofte ikke bare delvis beskrevet, og demonstrerer hele prosessen som ligger til grunn for den vitenskapelige understøttelsen, og kan være til nytte for utviklingen av sammenlignbare verktøy. Denne protokollen beskriver alle trinnene som er tatt for å utvikle appen, inkludert en omfattende screening av litteraturen og eksisterende verktøy, etterfulgt av prototypebygging og evaluering av eksperter og tiltenkte sluttbrukere. Denne protokollen gir innsikt i do's og don'ts av utviklingsprosessen av kostholdsvurderingsverktøy for ernæringsforskning, samt atferdsendringsapplikasjoner.Utviklingen av et verktøy som Traqq krever involvering av flere eksperter, for eksempel ernæringsforskere, kostholdseksperter og IT-personell. Sørg for å holde disse ekspertene involvert gjennom hele prosessen. Hvis du vil administrere et prosjekt i lederrollen, går du til traqq.idbit.og bruke administratorlegitimasjonen til å logge på baksiden av programmet. Klikk Gå til prosjekter, og klikk pilen i Vis -kolonnen for å velge ønsket prosjekt i prosjektet. Klikk kategorien Deltakere på Prosjektoversikt-siden.Når skjermbildet for deltakeroversikt vises, klikker du på Legg til ny deltaker og skriver inn kodenavn, notater, påloggings-ID og påloggingsnøkkel etter behov og lagrer filen. Hvis du vil planlegge invitasjoner for hver deltaker, klikker du kategorien Invitasjoner . Klikk Legg til ny invitasjon i skjermbildet Invitasjoner- oversikt.I det følgende skjermbildet velger du en deltaker og angir starttidspunktet for perioden, periodens sluttidspunkt, åpningstid, stengetid, URL-adresse for undersøkelse, notater og aktiver etter behov. Hvis du vil spore datainnsamlingen via Kalender-fanen, velger du en deltaker av interesse fra rullegardinmenyen. Hvis du vil spore svar via Svar-fanen, velger du en deltaker av interesse fra rullegardinmenyen.For å analysere de innsamlede dataene, send en forespørsel via e-post til administratoren for en dataeksport. For å bruke applikasjonen som deltaker, last ned den fritt tilgjengelige appen til en smarttelefon og logg inn for å få tilgang til appen. Når du har mottatt en invitasjon, klikker du varselet og klikker den åpne invitasjonen.Hvis du vil angi matvaren som forbrukes, klikker du Legg til matvare og skriver inn navnet på den forbrukte varen. Du kan klikke navnet på elementet hvis det vises mens du skriver. I skjermbildet nedenfor rapporterer du den forbrukte mengden, tilsvarende beskrivelse av porsjonsstørrelse, spisevansknyting og eller forbrukstid for varen.Når du har lagret, gjentar du oppføringen til alle de forbrukte matvarene er rapportert, og deretter klikker du Send liste for å sende listen. I denne brukervennlighetsevalueringen deltok totalt 22 i tenke høyt intervjuer. Deltakerne var mellom 22 og 70 år gamle, med en gjennomsnittsalder på 48 år.36% var menn og over 50% var høyt utdannet. Flertallet av deltakerne brukte en Android-enhet, og nesten alle deltakerne hadde over ett års erfaring med smarttelefonbruk. Evalueringen av systemets brukervennlighetspoengsum indikerte en gjennomsnittsrangering på 79 av 100, med et område mellom 40 og 100.Bare tre deltakere vurderte appen under 68 og 13 vurderte den over 80, noe som tyder på at appen kan betraktes som brukervennlig. Traqq er det første fleksible kostholdsvurderingsverktøyet for deling av utviklingsprotokollen. Vi håper å hjelpe og inspirere medforskere som har som mål å utvikle lignende fleksible verktøy.

Research

JoVE Journal

Behavior

Development of a Virtual Reality Assessment of Everyday Living Skills

Utvikling av en Virtual Reality Vurdering av hverdagen Skills

Cognitive impairments affect the majority of patients with schizophrenia and these impairments predict poor long term psychosocial outcomes.&#160; ...

Experimental Assessment of Mouse Sociability Using an Automated Image Processing Approach

Eksperimentell Vurdering av Mouse Omgjengelighet hjelp av en automatisert bildebehandling Approach

Mouse is the preferred model organism for testing drugs designed to increase sociability. We present a method to quantify mouse sociability in which the ...

Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment

Evaluering av en smarttelefon-basert Menneskelig aktivitet Recognition System i en Daily Living Environment

An evaluation method that includes continuous activities in a daily-living environment was developed for Wearable Mobility Monitoring Systems (WMMS) that ...

An Innovative Running Wheel-based Mechanism for Improved Rat Training Performance

Et nyskapende Running Wheel-basert mekanisme for Forbedret Rat Trening Resultater

This study presents an animal mobility system, equipped with a positioning running wheel (PRW), as a way to quantify the efficacy of an exercise activity ...

Behavioral Disturbances: An Innovative Approach to Monitor the Modulatory Effects of a Nutraceutical Diet

Adferdsforstyrrelser: en innovativ tilnærming til å overvåke regulerende effekt av en nutraceutical Diet

In dogs, diets are often used to modulate behavioral disturbances related to chronic anxiety and stress caused by intense and restless activity. However, ...

An Automated Rapid Iterative Negative Geotaxis Assay for Analyzing Adult Climbing Behavior in a Drosophila Model of Neurodegeneration

An Automated Rapid Iterative Negative Geotaxis Assay for Analyzing Adult Climbing Behavior in a Drosophila Model of Neurodegeneration

En automatisert rask iterativ Negative Geotaxis analysen for å analysere voksen klatring atferd i Drosophila modell av Neurodegeneration

Neurodegenerative diseases are frequently associated with a progressive loss of movement ability, reduced life span, and age-dependent neurodegeneration. ...

An Objective and Child-friendly Assessment of Arm Function by Using a 3-D Sensor

En objektiv og barnevennlig vurdering av Arm-funksjonen ved hjelp av en 3D-Sensor

Progressive and irreversible muscle atrophy characterizes Spinal Muscular Atrophy (SMA) and other similar muscle disorder diseases. Objective assessment ...

Applying an eMASS Customization Program as a Research Tool to Evaluate Consumer Benefits

Bruke et eMASS tilpasnings program som et forskningsverktøy for å evaluere forbruker fordeler

As many scholars and practitioners study personalization and relationship marketing, it is important to provide personalization such as mass customization ...

Assessment of Sexual Behavior of Male Mice

Vurdering av seksuell atferd av mannlige mus

Sexual behavior is highly species-specific. Although rodents have slightly different sexual behaviors, mice and rats have a similar sexual behavioral ...

Assessment of Midline Lingual Point-Pressure Somatosensation Using Von Frey Hair Monofilaments

Vurdering av midline lingual punkt-trykk somatosensation ved hjelp av Von Frey Hår Monofilamenter

Detection and discrimination threshold estimates for oral point pressure are assessed using Von Frey Hair monofilaments. Consistent with previously ...