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

Os autores querem agradecer a Anouk Geelen e Arvind Datadien por seu papel fundamental no desenvolvimento do Traqq. Além disso, os autores gostariam de agradecer a Romy Willemsen por sua ajuda na coleta de dados e na análise de dados no estudo de usabilidade. Por fim, os autores agradecem aos especialistas e participantes por compartilharem suas experiências e opiniões ao longo do processo. O desenvolvimento foi executado pela Universidade de Wageningen e Pesquisa e parcialmente financiado pelo Ministério da Agricultura, Natureza e Qualidade alimentar e indústria, no contexto da TKI Agri&Food PPS - projeto Smart Food Intake (AF16096).

Os autores não têm nada a revelar.

Este artigo apresenta o processo de desenvolvimento iterativo do aplicativo de avaliação dietética baseado em smartphones Traqq. Equilibrar o nível de precisão e a simpatia exigidas pelo usuário colocou os seguintes principais desafios no desenvolvimento do aplicativo relacionados às decisões sobre 1) entrada de dados (ou seja,selecionar o método mais preciso para identificação de alimentos e quantificação de tamanho da porção), 2) dados de composição alimentar(ou seja,selecionar um banco de dados preciso e criar uma lista completa de alimentos), 3) opções de personalização(ou seja. flexibilidade na lista de alimentos, quantificação do tamanho da porção e receitas e validação de 4 (ou seja,contra métodos tradicionais e/ou medidas independentes)3,50. Durante a revisão da literatura, foram identificadas cinco ferramentas validadas e totalmente automatizadas, baseadas em smartphones, de avaliação alimentar desenvolvidas para pesquisa3, ou seja, My Meal Mate4, Electronic Dietry Intake Assessment (eDIA)7, Easy Diet Diary8,Electronic Carnet Alimentaire (e-CA)5, e Eat and Track (EaT)6.
Devido ao nível de automatização desses cinco aplicativos de avaliação alimentar, bem como deste aplicativo, a carga e os custos dos pesquisadores diminuem substancialmente enquanto a completude dos dados aumenta em comparação com os métodos tradicionais de avaliação alimentar. Além disso, este aplicativo, por sua vez, difere das cinco ferramentas de avaliação dietética existentes em termos de flexibilidade. Especificamente, enquanto os aplicativos existentes são todos baseados no método de registro alimentar, este aplicativo pode ser usado como um registro alimentar, bem como um recall. Além disso, enquanto o design desses aplicativos é fixo, o Traqq tem a maior vantagem de que pode ser modificado para se adequar a diferentes propósitos de pesquisa (por exemplo,método de avaliação alimentar, lista de alimentos, esquemas amostrais, perguntas adicionais)3,50. Por outro lado, outros aplicativos de avaliação dietética existentes contêm recursos valiosos, que ainda não são implementados no aplicativo. Para ilustrar esse ponto, alguns aplicativos permitem que o usuário tire fotos de seus alimentos para reconhecimento alimentar e estimativa de tamanho de porção, como o sistema de avaliação dietética semi-automatizada e assistida por tecnologia (TADA)sistema 51,52.
Os participantes do estudo de usabilidade também indicaram que o uso de fotografias poderia ser uma adição valiosa para ajudar na estimativa do tamanho da porção. No entanto, ainda havia muitos desafios a serem enfrentados para implementar tal característica nesta fase, por exemplo,especificando e orientando em relação ao ângulo fotográfico (ou seja,para avaliar a profundidade), a necessidade de um criador de referência (ou seja,corrigir tamanhos e cores), o essencial antes e depois da foto (ou seja,para avaliar as quantidades consumidas), e sobre como processar pratos de receitas. Devido a esses desafios técnicos, os aplicativos de avaliação alimentar baseados em imagens existentes ainda são semi-automatizados, o que significa que a revisão manual de imagem deve ser feita pelo usuário, pelo pesquisador ou ambos51,52. Avanços tecnológicos, como crowdsourcing e machine learning, têm potencial para melhorar o uso de imagens alimentares para avaliação alimentar53,54. No futuro, essas opções serão exploradas para melhorar ainda mais o aplicativo. O processo de desenvolvimento do aplicativo foi caracterizado por várias etapas críticas. Em primeiro lugar, foi concluída uma etapa de pesquisa formativa em que os conceitos científicos que sustentam a lógica para a criação de aplicativos facilitaram a tomada de decisão na criação do contorno geral do aplicativo.
Nesta etapa, foi dada especial atenção à seleção do FCDB e à seleção dos aspectos do PSEA que influenciam diretamente na precisão dos dados21. Em relação ao FCDB, como o aplicativo foi originalmente desenvolvido para uso na Holanda, sua lista de alimentos é baseada no FCDB holandês, NEVO14. No futuro, o objetivo é desenvolver ainda mais o aplicativo para uso internacional, o que requer dados mais extensos de composição alimentar, já que muitos alimentos são específicos do país. Atualmente, ainda não existe nenhum FCDB internacional e, se houver, seu uso poderia ter sido limitado. Mais especificamente, como a lista de alimentos holandeses já contém 2.389 alimentos, a implementação de uma tabela internacional de composição de alimentos, por exemplo,para 5 países provavelmente multiplicaria esse número de alimentos por cerca de 5 e afetaria negativamente a busca de alimentos e, consequentemente, a usabilidade do aplicativo. Portanto, as listas de alimentos específicas do país provavelmente serão mais valiosas e, muitas vezes, também preferidas pelos profissionais55.
Isso é facilitado pelo aplicativo, pois permite a importação de listas alternativas de alimentos e, assim, vinculação a diferentes tabelas de composição alimentar (internacional). Em relação aos tamanhos das porções, existem várias opções disponíveis para suportar a exatidão das estimativas, por exemplo,uso de livretos de imagem, objetos referenciais e/ou sugestões de tamanho de porção textual26. Em vista da simpatia do usuário, a implementação direta de um PSEA no aplicativo é preferida em vez de usar um PSEA ao lado do aplicativo (por exemplo,livreto de imagem, objetos referenciais). Durante o desenvolvimento do app, a decisão foi tomada para facilitar a quantificação do tamanho da porção, oferecendo a oportunidade de inserir tamanhos de porção usando sugestões de tamanho de porção e entrada em gramas. A sugestão de tamanho da porção baseia-se no único banco de dados de tamanho de porção holandêsdisponível 56. Embora as ferramentas holandesas de avaliação alimentar, como Compl-eat e Eetmeter, também dependam desse banco de dados13,17, é preciso notar que este banco de dados de tamanho de porção data de 2003, e os tamanhos de utensílios de mesa aumentaramdesde então 57. O uso desse banco de dados pode, portanto, subestimar a ingestão de alimentos.
Atualmente, o banco de dados de tamanho da porção está sendo atualizado pelo Instituto Nacional Holandês de Saúde Pública e Meio Ambiente (RIVM), o Centro de Nutrição Holandês e a Universidade de Wageningen e pesquisa58, que eventualmente serão usadas para atualizar as sugestões de tamanho da porção no aplicativo. As discrepâncias entre as porções antigas e novas serão mapeadas e ajustadas quando necessário. Embora o uso de imagens de tamanho de porção (ou seja,uma série de imagens que retratam diferentes quantidades de um alimento selecionado) possa ser uma boa alternativa para sugestões de tamanho de porção baseada em texto59, a pesquisa mostrou que a precisão da estimativa de tamanho da porção é maior quando uma série de imagens de tamanho de porção é apresentada de uma só vez, em vez de uma imagem de cada vez45, 60,61. Geralmente, os smartphones disponíveis atualmente possuem telas relativamente pequenas, o que limita a apresentação de uma série de imagens. Embora as novas tecnologias facilitem o uso de gráficos interativos de tamanho de porção em que quantidades de alimentos em uma placa virtual ou copo podem ser aumentadas ou diminuídas usando um controle deslizante61,essas técnicas são relativamente novas e ainda precisam ser minuciosamente avaliadas para avaliar sua precisão.
Outro passo crítico no desenvolvimento do aplicativo incluiu o envolvimento de especialistas e usuários finais pretendidos. Embora não seja frequentemente incorporado no processo de desenvolvimento de ferramentas (ou não descritas)11,12, o feedback de especialistas e usuários finais pretendidos - é crucial61, permite a maximização da usabilidade e mantém o nível de precisão necessário. O feedback dos usuários finais pretendidos foi particularmente útil no design final da função Meus Pratos. No geral, os usuários ficaram satisfeitos com a possibilidade de criar seus próprios pratos. No entanto, eles lutaram com alguns dos procedimentos, por exemplo, embora a função salvasse automaticamente os dados, isso não era visível para o usuário. Portanto, muitos usuários continuaram procurando pelo botão Salvar e ficaram presos, com medo de voltar e perder sua entrada. Com base nesses tipos de feedback, a função foi melhorada para melhor atender às expectativas do usuário.
Para concluir, o Traqq é um aplicativo inovador com muitas vantagens sobre aplicativos existentes e ferramentas baseadas na Web. No entanto, ainda existem várias limitações. Como o aplicativo ainda se baseia em auto-relato, ainda existem erros de medição relacionados ao autorrelato (por exemplo,viés de memória (ou seja,em caso de recall), viés de desejo social e modificações de consumo alimentar (ou seja,no caso de registros alimentares), estimativas imprecisas de tamanho da porção(ou seja,em ambos))1. Nos próximos anos, novas tecnologias lançadas recentemente serão exploradas para avançar ainda mais o aplicativo, por exemplo,explorando o valor da implementação de recursos como scanners de código de barras, gravação de voz, chatbots e imagens, o que poderia melhorar a identificação de alimentos e a estimativa de tamanho das porções. Possibilidades de conexão com outros aplicativos (por exemplo,rastreadores de atividade, rastreadores de sono) e dispositivos(por exemplo,acelerômetros, monitores de frequência cardíaca, sensores de mastigação) também estão sendo exploradas. Finalmente, o backend também está sendo submetido a mais desenvolvimento, por exemplo, através da expansão das opções de amostragem.

Uma avaliação alimentar precisa é crucial para garantir a qualidade dos estudos sobre o papel da nutrição na saúde e na prevenção de doenças. Atualmente, tais estudos geralmente utilizam métodos de avaliação alimentar de autorre relato estabelecidos, ou seja,questionários de frequência alimentar, recalls de 24h (24hRs) e/ou registros alimentares1. Apesar de esses métodos serem de grande importância para a pesquisa nutricional, eles também possuem diversas desvantagens, por exemplo, viés relacionado à memória, viés de desejo social, e são pesados para o entrevistado, bem como para o pesquisador1,2. Invenções tecnológicas recentes agora oferecem a oportunidade de superar essas desvantagens. Durante os últimos anos, vários grupos de pesquisa aproveitaram essa oportunidade e desenvolveram ferramentas de avaliação dietética baseadas na Web e em smartphones para pesquisas nutricionais que abordam algumas dessas desvantagens conhecidas (ver Eldridge et al.3 para uma visão geral extensiva das ferramentas baseadas na Web e no smartphone), ou seja,reduzir as causas de erro, melhorar a simpatia do usuário e diminuir a carga do participante e do pesquisador1.
No entanto, o número de aplicativos (aplicativos) totalmente automatizados e validados para smartphones apropriados para pesquisas nutricionais ainda é limitado. A maioria dos aplicativos de avaliação dietética disponíveis (ou seja,comercialmente ou desenvolvidos para pesquisa) ou não são totalmente automatizados (ou seja,exigem codificação manual de itens alimentares) ou não são (bem) validados3. Além disso, a maioria dos aplicativos validados disponíveis foram desenvolvidos para um propósito específico de pesquisa e uso em um país específico; devido a designs bastante fixos, reutilizar tais aplicativos para outros fins de pesquisa ou em outros países parece desafiador3,4,5,6,7,8. Finalmente, apesar da disponibilidade de aplicativos baseados em registros alimentares, até o momento, nenhum aplicativo baseado em recall parece existir ainda. Embora os registros alimentares sejam propensos a viés de reatividade, ou seja,os entrevistados podem alterar sua ingestão alimentar devido à consciência de que estão sendo observados2,9, não é o caso de recalls, o que enfatiza a necessidade do desenvolvimento de um aplicativo validado baseado em recall10. Um inovador aplicativo de avaliação alimentar chamado Traqq foi desenvolvido para uso nos Países Baixos que pode ser usado como registro alimentar, bem como um recall, dependendo da questão da pesquisa1.
Além da possibilidade de alternar entre a opção de registro alimentar e a opção de recall, este app também difere de outras ferramentas de avaliação alimentar devido à sua natureza flexível. Especificamente, em relação à lista de alimentos, estimativas de tamanho das porções, esquemas amostrais e a possibilidade de incorporar questões adicionais. O nível de flexibilidade no sistema permite a adaptação a múltiplos propósitos de pesquisa que requerem uma avaliação precisa dos comportamentos alimentares. Atualmente, o app está em processo de validação e estará pronto para ser utilizado em diversos tipos de pesquisa relacionada à nutrição. O aplicativo também pode ser usado, e talvez melhorado para uso, em programas de intervenção nutricional para medir e influenciar comportamentos alimentares. Como o desenvolvimento de ferramentas confiáveis de avaliação alimentar é desafiador, e os relatórios sobre esses processos são escassos, especialmente no que diz respeito ao envolvimento de usuários e especialistas3,11,12, este artigo fornece uma visão geral detalhada sobre como diferentes fontes de informação foram integradas no desenvolvimento sistemático e iterativo deste aplicativo de avaliação dietética baseado em smartphones. O processo incorpora teoria, consulta especializada e engajamento do usuário.

<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

Para coletar dados de consumo dietético de forma rápida e confiável, foi desenvolvido um aplicativo flexível e inovador de smartphone (App) chamado Traqq (iOS/Android). Este aplicativo pode ser usado como um registro alimentar e recall de 24 horas (ou períodos de recall mais curtos). Diferentes esquemas de amostragem podem ser criados em dias/horários pré-especificados ou aleatórios dentro de um período pré-determinado para ambos os métodos, com notificações push para instar os participantes a registrar sua ingestão alimentar. Em caso de não resposta, as notificações são automaticamente reagendadas para garantir a coleta completa de dados. Para uso como registro alimentar, os entrevistados podem acessar o aplicativo e registrar sua ingestão alimentar ao longo do dia. Os registros alimentares fecham automaticamente no final do dia; lembra-se após a submissão dos itens consumidos. O recall, bem como o módulo de registro alimentar, fornecem acesso a uma extensa lista de alimentos com base no banco de dados de composição alimentar holandês (FCDB), que pode estar acostumado a se adequar a diferentes propósitos de pesquisa. Ao selecionar um item alimentar, os entrevistados são simultaneamente solicitados a inserir o tamanho da porção, ou seja,em medidas domésticas (por exemplo,copos, colheres, copos), tamanhos de porção padrão (por exemplo,pequeno, médio, grande) ou peso em gramas, e comer ocasião/tempo de consumo. As opções de tamanho da porção podem ser ajustadas, por exemplo,entrada apenas em gramas em caso de registro alimentar pesado ou tempo de consumo em vez de comer ocasião). O app também inclui uma função Meus Pratos, que permite ao entrevistado criar suas próprias receitas ou combinações de produtos (por exemplo,um café da manhã diário) e informar apenas a quantidade total consumida. Posteriormente, o aplicativo contabiliza fatores de rendimento e retenção. Os dados são armazenados em um servidor seguro. Se desejar, podem ser incorporadas perguntas adicionais, ou seja,em geral, ou relacionadas a alimentos específicos ou ocasiões alimentares. Este artigo descreve o desenvolvimento do sistema (app e backend), incluindo avaliações de especialistas e testes de usabilidade.

O sistema (ap e backend) foi desenvolvido utilizando as etapas descritas no protocolo descrito acima; os principais resultados deste processo são descritos abaixo, concluindo com o design final do aplicativo.
Pesquisa formativa Além da extensa revisão da literatura, várias ferramentas baseadas na Web foram inspecionadas (por exemplo,Compl-eat13, ASA2414, Foodbook2415, MyFood2416) no que diz respeito à metodologia de avaliação dietética e recursos implementados. Além disso, foram comparados o desempenho de vários aplicativos de rastreamento de alimentos frequentemente utilizados nos Países Baixos (por exemplo,MijnEetmeter17, MyFitnessPal18, Virtuagym Food19), com foco em aspectos como metodologia de avaliação dietética, fornecimento de informações, confiabilidade, mecanismo de busca e uso de recursos adicionais (por exemplo,imagens, scanner de código de barras, funções de receita). Os resultados desta inspeção levaram à decisão de desenvolver o aplicativo de tal forma que ele possa ser usado como registro alimentar e um recall. Além disso, levou à implementação da função Meus Pratos, que pode ser usada para criar receitas originais ou combinações de produtos frequentemente consumidos (por exemplo,um café da manhã diário). Dentro dessa função, os fatores de rendimento e retenção são automaticamente levados em conta.
Para quantificar com precisão a ingestão de alimentos e nutrientes, uma lista completa, embora prática, de alimentos é crucial. A compilação dessa lista de alimentos requer uma troca entre a extensão da lista de alimentos e a busca dos alimentos (ou seja,as descrições dos alimentos precisam ser claras, compreensíveis e fáceis de localizar)41,42. Como os dados de composição alimentar formam a base fundamental para a avaliação alimentar21,22, é importante garantir que a lista de alimentos desenvolvidos possa estar ligada a dados precisos de composição alimentar. A lista de alimentos incluída no aplicativo é baseada no FCDB holandês (NEVO)14, que foi selecionado por sua confiabilidade e dados de composição de alimentos ricos. Originalmente, o NEVO consiste em 2.389 alimentos (versão 2016/5.0), que foi reduzido a uma lista de alimentos de 1.449 itens, eliminando "itens confusos" (por exemplo,alimentos que não podem ser consumidos crus, alimentos que não podem ser consumidos sem adições) ou itens que não são tão essenciais para incluir (por exemplo,devido às baixas taxas de consumo com base na Pesquisa Holandesa de Consumo Alimentar (DNFCS)43).
Além disso, o NEVO contém alimentos similares com diferentes marcas; nesse caso, apenas a opção genérica foi incluída na lista de alimentos. Para facilitar ainda mais a usabilidade, alguns alimentos foram renomeados para eliminar terminologias desnecessárias como "preparado", "congelado", "médio" e "natural". Este "protocolo de limpeza" foi desenvolvido por três nutricionistas de pesquisa bem treinados e executado por meio de uma sintaxe, que pode ser reexecutada assim que o NEVO for atualizado. Além disso, para otimizar a busca de alimentos, 1.019 sinônimos conhecidos dos alimentos incluídos foram adicionados à lista de alimentos. Assim, a lista de alimentos incluída no aplicativo acabou sendo composta por 2.468 itens. Uma visão geral do desenvolvimento da lista de alimentos é exibida na Figura 2. Note-se que, embora esta extensa lista de alimentos tenha sido desenvolvida para uso geral, o backend do aplicativo permite a importação de listas alternativas de alimentos, se necessário.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/62032/62032fig2v2.jpg"> Figura 2: Estrutura da lista de alimentos desenvolvida para o aplicativo. A lista de alimentos é baseada no banco de dados de composição alimentar holandês (FCDB) e foram adicionadas sugestões e sinônimos correspondentes de tamanho de porção para cada item na lista final de alimentos. <a href="https://www.jove.com/files/ftp_upload/62032/62032fig02large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
Outro aspecto crucial da avaliação alimentar é a quantificação dos tamanhos das porções. Embora os auxílios de estimativa de tamanho da porção (PSEAs), por exemplo, imagens, objetos referenciais e tamanhos de porções padrão, apoiem a notificação das quantidades de alimentos consumidos24,26,44, o relato errado dos tamanhos das porções ainda é uma fonte substancial de viés24,25,45,46, e a literatura sobre a eficácia dos diferentes PSEAs é inconsistente26. Imagens de alimentos, sugestões de tamanho de porção (ou seja,tamanhos padrão e medidas domésticas) e entrada gratuita de peso em gramas são as PSEAs mais utilizadas nas ferramentas de avaliação dietética baseadas na Web e no smartphone34. Por exemplo, enquanto sugestões de tamanho de porção (por exemplo,copos, colheres, pequenas, grandes) são usadas em ferramentas como Compl-eat13 e Oxford WebQ47, imagens ajudam estimativas de tamanho de porção em ferramentas como ASA2414 e Myfood2416. Para investigar o PSEA mais adequado para o aplicativo, foi realizado um estudo piloto para comparar a precisão das sugestões de tamanho da porção (por exemplo,pequenas, médias, grandes ou copos, colher), entrada gratuita em gramas e imagens de tamanho de porção. Os resultados deste estudo levaram à implementação de sugestões de tamanho de porção como o PSEA no aplicativo, juntamente com a opção de inserir quantidades em gramas27.
Revisão de especialistas O objetivo das avaliações de especialistas foi avaliar qualitativamente o aplicativo em termos de funcionalidade e facilidade de aprendizado. Como muitos usuários preferem aprender software explorando29, o nível de aprendizado de um sistema é importante. Um total de 10 especialistas, ou seja,4 (pesquisa) nutricionistas e 6 especialistas em nutrição e comportamento em saúde (cientistas) participaram dos passos a passo cognitivos nos quais 60% usaram um smartphone Android. Mais importante, avaliações de especialistas indicaram que a primeira versão do aplicativo não era suficientemente intuitiva, por exemplo,a estrutura do menu foi julgada incerta devido a botões/ícones vagos, e o mecanismo de busca gerou uma ordem ilógica de resultados. Outro ponto crítico decorrente das revisões pericial relacionadas ao fato de que os itens selecionados não puderam ser modificados. Com base nesses resultados, o design do aplicativo foi consideravelmente atualizado a partir da fase 2 em diante(Figura 1).
Avaliação de usabilidade Um total de 22 participantes participaram das entrevistas em voz alta, que formaram a base da avaliação da usabilidade. O tamanho inicial da amostra foi fixado em 20 participantes36, após o qual a saturação dos dados foi avaliada. Como a saturação dos dados não foi alcançada após 20 entrevistas, a inclusão continuou enquanto avaliava a saturação dos dados após cada entrevista sucessiva. Os participantes apresentaram idade média de ± desvio padrão de 48 ± 17 anos (faixa de 22 a 70 anos); 36% eram do sexo masculino e a maioria da população era altamente instruída (55%). Além disso, a maioria dos participantes usou um dispositivo Android (n=14, 64%), e quase todos os participantes tiveram mais de 1 ano de experiência com uso de smartphones (n=21, 96%)(Tabela 1). Todos os participantes completaram as tarefas sem ou com instrução mínima.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td></td>
			<td>Total (n=22)</td>
		</tr>
<tr>
<td>Gênero</td>
			<td></td>
		</tr>
<tr>
<td>Homem (%)</td>
			<td>36.4</td>
		</tr>
<tr>
<td>Mulher (%)</td>
			<td>63.6</td>
		</tr>
<tr>
<td>Média de idade (média, SD)</td>
			<td>48.1 (17.2)</td>
		</tr>
<tr>
<td>Escolaridade</td>
			<td></td>
		</tr>
<tr>
<td>Baixo (%)</td>
			<td>0</td>
		</tr>
<tr>
<td>Médio (%)</td>
			<td>45.5</td>
		</tr>
<tr>
<td>Alta (%)</td>
			<td>54.5</td>
		</tr>
<tr>
<td>Tipo de smartphone</td>
			<td></td>
		</tr>
<tr>
<td>Android (%)</td>
			<td>63.6</td>
		</tr>
<tr>
<td>iOS (%)</td>
			<td>36.4</td>
		</tr>
<tr>
<td>Experiência em smartphones</td>
			<td></td>
		</tr>
<tr>
<td>Menor que 6 meses (%)</td>
			<td>4.5</td>
		</tr>
<tr>
<td>Entre 6 meses e 1 ano (%)</td>
			<td>0</td>
		</tr>
<tr>
<td>Mais de 1 ano (%)</td>
			<td>95.5</td>
		</tr>
<tr>
<td>SUS (média, SD)</td>
			<td>79.4 (15.1)</td>
		</tr>
</tbody></table>Mesa 1. Características da população do estudo e resultados da avaliação da usabilidade. Apenas os resultados da escala de usabilidade do sistema (SUS) são retratados nesta tabela juntamente com as características dos participantes.
Considerando que alguns participantes (n=13, 59%) indicaram dificuldades ao utilizar a funcionalidade Meus Pratos; outros (n=5, 23%) encontraram problemas de funcionalidade menores, como resposta lenta do botão do menu e dificuldades em usar botões relacionados ao tamanho insuficiente da tela de smartphones menores). Além disso, 15 (68%) participantes indicaram sua preferência por uma opção de entrada em tamanhos de porções consumidas em gramas. Por fim, a avaliação do escore do SUS indicou uma classificação de 79/100 (faixa 40-100), sendo que apenas 3 dos 22 participantes avaliaram o aplicativo abaixo de 68/100 e 13 classificados >80/100, o que sugere que o aplicativo pode ser considerado fácil de usar. Assim, no geral, as melhorias sugeridas foram pequenas, e as avaliações de usabilidade foram promissoras. Posteriormente, foram discutidas sugestões de melhoria dentro da equipe de pesquisa e, se consideradas relevantes, incorporadas na fase 4 para otimizar ainda mais a responsabilidade e a usabilidade do aplicativo (Figura 1).
Design final As etapas descritas no protocolo e os resultados do estudo de avaliação acabaram resultando em um design final para o aplicativo e o backend, que visava um simples design visual. Este aplicativo pode ser usado como um registro alimentar e um recall. Como descrito anteriormente, a lista de alimentos é uma versão modificada do NEVO. A estimativa de tamanho da porção é apoiada por sugestões de tamanho de porção específica de alimentos; porções consumidas também podem ser inseridas em gramas. No caso da versão de recall do app, o pesquisador tem a possibilidade de selecionar horários diferentes (por exemplo,2hR, 8hR ou 24hR). Para coletar dados de consumo alimentar em dias e horários diferentes, vários esquemas de amostragem podem ser criados dentro de um período predeterminado. As notificações push convidam os entrevistados a registrar sua ingestão alimentar. Para garantir a coleta completa de dados, os convites são automaticamente reagendados em caso de não resposta. Dentro do módulo de recall, os entrevistados só podem relatar sua ingestão alimentar após receberem um convite. Em caso de registro alimentar, os entrevistados podem acessar o aplicativo e registrar sua ingestão alimentar ao longo do dia.
Em contraste com a maioria das ferramentas 24hR, o módulo de recall do aplicativo não é baseado no Método Automatizado de Passe Múltiplo - um método de cinco etapas para coletar dados de consumo de alimentos para as 24 horas anteriores48- uma vez que este método é muito elaborado e demorado para uso em um aplicativo. Mais especificamente, para aumentar a usabilidade e melhorar a conformidade das gravações de consumo alimentar11,38,49, a navegação foi reduzida ao mínimo limitando o número de telas que precisam ser acessadas a 4 ( Figura3): 1) uma tela de visão geral mostrando a janela de relatórios; 2) os alimentos consumidos são relatados através da tela de pesquisa e, uma vez selecionados 3, uma caixa de diálogo aparece sondando ocasião de alimentação e quantidade consumida, após a qual 4) o usuário retorna à tela de visão geral agora mostrando os itens alimentares gravados. Além disso, o usuário também pode usar a função Meus Pratos para criar receitas ou combinações de produtos, que podem ser inseridas através do botão Menu.
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/62032/62032fig03.jpg"> Figura 3: Visão geral do roteamento no aplicativo. Por <a href="https://www.jove.com/files/ftp_upload/62032/62032fig03large.jpg" target="_blank">favor, clique aqui para ver uma versão maior desta figura.</a>
Os dados são armazenados em um servidor seguro. Se desejar, podem ser incorporadas perguntas gerais adicionais ou relacionadas a ocasiões alimentares específicas ou alimentos. O aplicativo pode se conectar com ferramentas de pesquisa on-line. Portanto, é possível realizar uma pesquisa não relacionada à ingestão de alimentos via aplicativo em horários pré-especificados (por exemplo,contexto, questões comportamentais, de humor). Também é possível fazer perguntas específicas relacionadas a itens alimentares relatados ou ocasiões de alimentação (por exemplo,quando as maçãs são relatadas, quando o almoço é relatado). O uso de ferramentas de pesquisa online oferece a oportunidade de fazer muitas perguntas diferentes através do aplicativo. Os dados coletados de consumo alimentar podem ser exportados do servidor e importados para o software de cálculo nutricional para análises posteriores. Em caso de uso de perguntas adicionais, esses dados estarão disponíveis na ferramenta de pesquisa, como de costume. O objetivo era desenvolver um aplicativo bem estruturado e fácil de usar. Algumas capturas de tela do design podem ser vistas na Figura 4A-E.
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/62032/62032fig04.jpg"> Figura 4: Capturas de tela da versão final do aplicativo. (A) A tela Start/Overview, mostrando o convite com o (neste caso) período de recall de 2 h. O usuário pode pressionar o toevoegen do produto ( ouseja,adicionar item) para relatar um item alimentar ou Niets gegeten de gedronken (ou seja,eu não comi ou bebo nada) no caso de nada ser consumido durante esta janela de tempo. (B) A tela de pesquisa, mostrando resultados que correspondem ao termo de pesquisa "Jus" da lista de alimentos. O item desejado pode ser selecionado a partir dos resultados da pesquisa. (C) Uma tela pop-up requer a entrada de detalhes no item selecionado "Jus d 'orange". Neste caso, o aplicativo pede a quantidade consumida e a ocasião de comer. O usuário pode voltar ao resultado da pesquisa pressionando Annuleren (ou seja,cancelar) ou Opslaan (ou seja,salvar) para ir mais longe. (D) A visão geral novamente, desta vez mostrando todos os itens relatados. Outro item pode ser adicionado (Toevoegen do produto) ou a entrada pode ser enviada (Versturen Lijst). (E) Depois de selecionar a versatura de Lijst,um pop-up aparece perguntando ao usuário se ele tem certeza de que deseja enviar, e lembra ao usuário que não é possível fazer mais alterações após o envio da lista. O usuário tem a opção de cancelar(Annuleren) ou enviar(Versturen). <a href="https://www.jove.com/files/ftp_upload/62032/62032fig04large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</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

Este artigo descreve o protocolo para o desenvolvimento de um inovador aplicativo de avaliação dietética baseado em smartphones Traqq, incluindo avaliações de especialistas e testes de usabilidade.

Desenvolvimento Iterativo de uma ferramenta inovadora de avaliação dietética baseada em smartphones: Traqq

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

O processo de desenvolvimento das ferramentas de avaliação alimentar muitas vezes não é apenas parcialmente descrito, demonstrando todo o processo subjacente ao fundamento científico, e pode beneficiar o desenvolvimento de ferramentas comparáveis. Este protocolo descreve todas as medidas tomadas para desenvolver o aplicativo, incluindo uma extensa triagem da literatura e ferramentas existentes, seguida de construção de protótipos e avaliação por especialistas e usuários finais pretendidos. Este protocolo fornece insights sobre os do's e não do processo de desenvolvimento de ferramentas de avaliação dietética para pesquisa nutricional, bem como aplicações de mudança de comportamento.O desenvolvimento de uma ferramenta como a Traqq requer o envolvimento de vários especialistas, como pesquisadores de nutrição, nutricionistas e pessoal de TI. Certifique-se de manter esses especialistas envolvidos durante todo o processo. Para gerenciar um projeto na função de gerente, navegue até traqq.idbit.net e use as credenciais do administrador para fazer login no backend do aplicativo. Clique em Ir aos projetos e clique na seta na coluna Exibir para selecionar o projeto desejado no projeto. Na página visão geral do Projeto, clique na guia Participantes.Quando a tela de visão geral do participante for exibida, clique em Adicionar novo participante e digite o Codinome, Notas, ID de login e chave de login conforme apropriado e salve o arquivo. Para agendar convites para cada participante, clique na guia Convites. Na tela de visão geral dos Convites, clique em Adicionar novo convite.Na tela a seguir, selecione um participante e digite o tempo de início do período, tempo de término do período, tempo de abertura, tempo de fechamento, URL da pesquisa, notas e habilite conforme apropriado. Para acompanhar a coleta de dados através da guia Calendário, selecione um participante de interesse no menu suspenso. Para acompanhar as respostas através da guia Resposta, selecione um participante de interesse no menu suspenso.Para analisar os dados coletados, envie uma solicitação por e-mail ao administrador para uma exportação de dados. Para usar o aplicativo como participante, baixe o aplicativo disponível gratuitamente em um smartphone e faça login para acessar o aplicativo. Após receber um convite, clique na notificação e clique no edital aberto.Para inserir o item alimentar consumido, clique em Adicionar item de alimentos e digite o nome do item consumido. O nome do item pode ser clicado se ele aparecer durante a digitação. Na tela a seguir, informe a quantidade consumida, descrição correspondente do tamanho da porção, ocasião de alimentação e ou tempo de consumo do item.Depois de salvar, repita a entrada até que todos os alimentos consumidos tenham sido relatados e clique em enviar a lista para enviar a lista. Nesta avaliação de usabilidade, um total de 22 sujeitos participaram de entrevistas em voz alta. Os participantes tinham entre 22 e 70 anos, com idade média de 48 anos.36% eram homens e mais de 50% eram altamente educados. A maioria dos participantes usou um dispositivo Android, e quase todos os participantes tiveram mais de um ano de experiência com o uso de smartphones. A avaliação do escore de usabilidade do sistema indicou uma classificação média de 79 de 100, com um intervalo entre 40 e 100.Apenas três participantes avaliaram o aplicativo abaixo de 68 e 13 classificaram-no acima de 80, sugerindo que o aplicativo pode ser considerado fácil de usar. A Traqq é a primeira ferramenta flexível de avaliação alimentar para compartilhar o protocolo de desenvolvimento. Esperamos ajudar e inspirar outros pesquisadores que visam desenvolver ferramentas flexíveis semelhantes.

Research

JoVE Journal

Behavior

Development of a Virtual Reality Assessment of Everyday Living Skills

Desenvolvimento de uma Avaliação de Realidade Virtual do cotidiano Habilidades de Vida

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

Comportamento

Experimental Assessment of Mouse Sociability Using an Automated Image Processing Approach

Avaliação experimental de rato Sociabilidade utilizando uma abordagem de processamento de imagem automatizado

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

Avaliação de um Sistema de Reconhecimento de Atividade Humana baseado em Smartphone em uma Vida Diária Ambiente

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

Um mecanismo baseado em roda de corrida inovadora para melhorar o desempenho Rat Formação

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

Distúrbios de comportamento: uma abordagem inovadora para monitorizar os efeitos moduladores de uma dieta Nutraceutical

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

Um ensaio automatizado rápida iterativo Geotaxis negativo para analisar o comportamento de adultos de escalada em um modelo de drosófila de neurodegeneração

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

Uma avaliação objetiva e criança-amigável da função do braço usando um Sensor 3D

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

Aplicando um programa de personalização eMASS como uma ferramenta de pesquisa para avaliar os benefícios do consumidor

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

Avaliação do Comportamento Sexual de Camundongos Machos

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

Avaliação da somatosensação de pressão de ponto lingual midline usando monofilamentos de cabelo von Frey

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