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

Författarna vill tacka Anouk Geelen och Arvind Datadien för deras nyckelroll i utvecklingen av Traqq. Vidare vill författarna tacka Romy Willemsen för hennes hjälp med datainsamlingen och dataanalysen i användbarhetsstudien. Slutligen vill författarna tacka experterna och deltagarna för att de delar med sig av sina erfarenheter och åsikter under hela processen. Utvecklingen genomfördes av Wageningen University and Research och finansierades delvis av ministeriet för jordbruk, natur och livsmedelskvalitet och industri, inom ramen för TKI Agri&Food PPS - projekt Smart Food Intake (AF16096).

Författarna har inget att avslöja.

Detta dokument presenterar den iterativa utvecklingsprocessen för den smartphone-baserade kostbedömningsappen Traqq. Att balansera den erforderliga noggrannhetsnivån och användarvänligheten utgjorde följande huvudutmaningar i utvecklingen av appen i samband med beslut om 1)datainmatning(dvs. att välja den mest exakta metoden för livsmedelsidentifiering och kvantifiering av portionsstorlek), 2) uppgifter om livsmedelssammansättning ( dvs. väljaenkorrekt databas och skapa en fullfjädrad livsmedelslista), 3) anpassningsalternativ ( dvs. Flexibilitet i livsmedelsförteckning, portionsstorleksk kvantifiering och recept) och 4)validering(dvs. mot traditionella metoder och/eller oberoende åtgärder)3,50. Under litteraturgranskningen identifierades fem validerade och helautomatiska, smartphone-baserade, kostbedömningsverktyg som utvecklats för forskning3, nämligen My Meal Mate4, Electronic Dietary Intake Assessment (eDIA)7, Easy Diet Diary8, Electronic Carnet Alimentaire (e-CA)5, och Eat and Track (EaT)6.
På grund av automatiseringsnivån för dessa fem kostbedömningsappar samt denna app minskar forskarnas börda och kostnader avsevärt medan data fullständigheten ökar jämfört med traditionella kostbedömningsmetoder. Dessutom skiljer sig denna app i sin tur från de fem befintliga kostbedömningsverktygen när det gäller flexibilitet. Specifikt, medan befintliga appar alla är baserade på matpostmetoden, kan denna app användas som en livsmedelspost såväl som en återkallelse. Även om utformningen av dessa appar är fast har Traqq den största fördelen att den kan modifieras för att passa olika forskningsändamål (t.ex.kostbedömningsmetod, livsmedelslista, provtagningssystem, ytterligare frågor)3,50. Omvänt innehåller andra befintliga kostbedömningsappar värdefulla funktioner som inte implementeras i appen (ännu). För att illustrera denna punkt tillåter vissa appar användaren att ta fotografier av sin mat för livsmedelsigenkänning och portionsstorleksuppskattning som det halvautomatiska, teknikstödda kostbedömningssystemet (TADA)51,52.
Deltagarna i användbarhetsstudien angav också att användningen av fotografier kan vara ett värdefullt tillägg till uppskattningen av stödportionsstorleken. Det fanns dock fortfarande alltför många utmaningar att taitu med för att genomföra ensådan funktion i detta skede,t.ex. och om hur man bearbetar recepträtter. På grund av dessa tekniska utmaningar är de befintliga bildbaserade kostbedömningsapparna fortfarande halvautomatiska, vilket innebär att manuell bildgranskning måste göras av användaren, forskaren ellerbåda 51,52. Tekniska framsteg, såsom crowdsourcing och maskininlärning, har potential att förbättra användningen av matbilder för kostbedömning53,54. I framtiden kommer dessa alternativ att utforskas för att ytterligare förbättra appen. Appens utvecklingsprocess präglades av olika kritiska steg. För det första slutfördes ett formativt forskningssteg där de vetenskapliga begrepp som ligger till grund för grunden för appskapande underlättade beslutsfattandet när det gäller att skapa appens allmänna konturer.
I detta skede ägnades särskild uppmärksamhet åt valet av FCDB och valet av PSEA-aspekter som båda direkt påverkar uppgifternas riktighet21. När det gäller FCDB, eftersom appen ursprungligen har utvecklats för användning i Nederländerna, är dess livsmedelslista baserad på den nederländska FCDB, NEVO14. I framtiden är målet att vidareutveckla appen för internationell användning, vilket kräver mer omfattande data om livsmedelssammansättning eftersom många livsmedel är landsspecifika. För närvarande finns det ingen internationell FCDB ännu och om det finns kan dess användning ha varit begränsad. Mer specifikt, eftersom den nederländska livsmedelslistan redan innehåller 2 389 livsmedel, skulle genomförandet av en internationell tabell över livsmedelssammansättning, t.ex. Därför kommer landsspecifika livsmedelslistor förmodligen att vara mest värdefulla och ofta också föredragna av yrkesverksamma55.
Detta underlättas av appen eftersom den möjliggör import av alternativa livsmedelslistor och därmed koppling till olika (internationella) tabeller för livsmedelssammansättning. När det gäller portionsstorlekarna finns det flera alternativ tillgängliga för att stödja uppskattningarnas noggrannhet, t.ex.användning av bildhäften, referensobjekt och/eller förslag på textdelsstorlek26. Med tanke på användarvänligheten föredras direkt implementering av en PSEA i appen framför att använda en PSEA tillsammans med appen(t.ex.bildhäfte, referensobjekt). Under utvecklingen av appen fattades beslutet att underlätta portionsstorleksklikifiering genom att erbjuda möjlighet att ange portionsstorlekar med hjälp av portionsstorleksförslag och inträde i gram. Förslag på portionsstorlek baseras på den enda tillgängliga nederländska portionsstorleksdatabasen56. Även om holländska kostbedömningsverktyg som Compl-eat och Eetmeter också förlitar sig på denna databas13,17, måste det noteras att denna delstorleksdatabas är från 2003, och bordsstorlekar har sedan dess ökat57. Att använda denna databas kan därför underskatta födointaget.
För närvarande uppdateras databasen för portionsstorlek av Dutch National Institute for Public Health and the Environment (RIVM), Dutch Nutrition Center och Wageningen University and Research58, som så småningom kommer att användas för att uppdatera portionsstorleksförslagen i appen. Avvikelser mellan de gamla och nya delarna kommer att kartläggas och justeras vid behov. Även om användningen av bilderi portionsstorlek( dvs. en serie bilder som visar olika mängder av en vald mat) kan vara ett bra alternativ för textbaserade portionsstorleksförslag59, har forskning visat att noggrannheten i portionsstorleksuppskattningen är högst när en serie portionsstorleksbilder presenteras på en gång, istället för en bild itaget 45, 60,61. I allmänhet har för närvarande tillgängliga smartphones relativt små skärmar, vilket begränsar presentationen av en serie bilder. Även om ny teknik underlättar användningen av interaktiv portionsstorleksgrafik där mängden mat på en virtuell tallrik eller kopp kan ökas eller minskas med hjälp av ettskjutreglage 61, är dessa tekniker relativt nya och måste fortfarande utvärderas noggrant för att bedöma deras noggrannhet.
Ett annat kritiskt steg i utvecklingen av appen var medverkan av experter och avsedda slutanvändare. Även om det inte ofta ingår i utvecklingsprocessen för verktyg (eller inte beskrivs)11,12, tillåter feedback från experter såväl som avsedda slutanvändare -avgörande 61, maximering av användbarhet och upprätthåller den önskade noggrannheten. Feedbacken från de avsedda slutanvändarna var särskilt användbar i den slutliga utformningen av funktionen Mina rätter. Sammantaget var användarna nöjda med möjligheten att skapa sina egna rätter. De kämpade dock med några av procedurerna, till exempel, även om funktionen automatiskt skulle spara data, var detta inte synligt för användaren. Därför fortsatte många användare att söka efter Spara-knappen och fastnade, rädd för att gå tillbaka och förlora sin input. Baserat på denna typ av feedback förbättrades funktionen för att bättre passa användarens förväntningar.
Avslutningsvis är Traqq en innovativ app med många fördelar jämfört med befintliga appar och webbaserade verktyg. Det finns dock fortfarande olika begränsningar. Eftersom appen fortfarande förlitar sig på självrapportering finns det fortfarande självrapporteringsrelaterade mätfel(t.ex.minnesfördomar ( dvs.vidåterkallande), social önskvärdhetsbias och modifieringar av livsmedelsintag (dvs. när det gällerlivsmedelsregister), felaktiga uppskattningar av portionsstorlekar(dvs. ibåda))1. Under de kommande åren kommer nyligen lanserad ny teknik att utforskas för att ytterligare föra appen framåt, t.ex.genom att utforska värdet av att implementera funktioner som streckkodsskannrar, röstinspelning, chatbots och bilder, vilket kan förbättra matidentifiering och uppskattning av portionsstorlek. Möjligheter att få kontakt med andra appar(t.ex.aktivitetsmätare, sömnspårare) och enheter(t.ex.accelerometrar, pulsmätare, tuggsensorer) undersöks också. Slutligen genomgår backend också ytterligare utveckling, t.ex. genom utökning av provtagningsalternativ.

Noggrann kostbedömning är avgörande för att säkerställa kvaliteten på studierna om näringens roll i hälsa och förebyggande av sjukdomar. För närvarande använder sådana studier i allmänhet etablerade metoder för självrapportering av kosten,dvs. Trots det faktum att dessa metoder är av stor betydelse för näringsforskningen, har de också olika nackdelar, t.ex. minnesrelaterad partiskhet, social önskvärdhetsbias och är betungande för respondenten såväl som forskaren1,2. Den senaste tidens tekniska uppfinningar erbjuder nu möjligheten att övervinna dessa nackdelar. Under de senaste åren tog olika forskargrupper tillfället i akt och utvecklade webbaserade och smartphone-baserade kostbedömningsverktyg för näringsforskning som tar itu mednågra av dessa kända nackdelar (se Eldridge et al.3 för en omfattande översikt över webb- och smartphonebaserade verktyg), dvs. minska orsakerna till fel, förbättra användarvänligheten och minska deltagarens och forskarens börda1.
Ändå är antalet helt automatiserade och validerade smartphone-applikationer (appar) som är lämpliga för näringsforskning fortfarande begränsat. De flesta av de tillgängligakostbedömningsapparna(dvs. kommersiellt eller utvecklade för forskning) är antingen inte helt automatiserade (dvs.kräver manuell kodning av livsmedel) eller är inte (väl) validerade3. Dessutom har de flesta tillgängliga validerade appar utvecklats för ett specifikt forskningsändamål och användning i ett visst land. på grund av ganska fasta mönster verkar åter använda sådana appar för andra forskningsändamål eller i andra länderutmanande 3,4,5,6,7,8. Slutligen, trots tillgången till matregisterbaserade appar, verkar det hittills inte finnas några återkallelsebaserade appar. Även om livsmedelsregister är benägna att reaktivitetsbias, dvs. respondenterkan ändra sitt matintag på grund av medvetenheten om att de observeras2,9, är detta inte fallet för återkallelser, vilket betonar behovet av utvecklingen av en validerad återkallandebaserad app10. En innovativ dietbedömningsapp som heter Traqq utvecklades för användning i Nederländerna som kan användas som livsmedelsregister samt en återkallelse, beroende på forskningsfrågan1.
Förutom möjligheten att växla mellan matregisteralternativet och återkallelsealternativet skiljer sig denna app också från andra kostbedömningsverktyg på grund av dess flexibla natur. Särskilt när det gäller livsmedelsförteckningen, uppskattningar av portionsstorlek, provtagningssystem och möjligheten att införliva ytterligare frågor. Flexibilitetsnivån i systemet möjliggör skrädderi till flera forskningsändamål som kräver noggrann bedömning av kostbeteenden. För närvarande håller appen på att valideras och kommer att vara redo att användas i olika typer av näringsrelaterad forskning. Appen kan också användas, och kanske ytterligare förbättras för användning, i näringsmässiga interventionsprogram för att mäta och påverka kostbeteenden. Eftersom utvecklingen av tillförlitliga kostbedömningsverktyg är utmanande, och rapporter om dessa processer är knappa, särskilt när det gäller användar- och expertinflytande3,11,12, ger detta dokument en detaljerad översikt över hur olika informationskällor integrerades i den systematiska och iterativa utvecklingen av denna smartphone-baserade dietbedömningsapp. Processen innehåller teori, expertkonsultation och användarengagemang.

<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

För att samla in intagsdata via kosten på ett snabbt och tillförlitligt sätt utvecklades en flexibel och innovativ smartphoneapplikation (app) kallad Traqq (iOS /Android). Denna app kan användas som ett livsmedelsregister och 24-h återkallelse (eller kortare återkallelseperioder). Olika provtagningssystem kan skapas antingen på förutbestämda eller slumpmässiga dagar/tider inom en förutbestämd period för båda metoderna, med pushnotiser för att uppmana deltagarna att registrera sitt livsmedelsintag. Vid uteblivet svar omplaneras meddelanden automatiskt för att säkerställa fullständig datainsamling. För användning som livsmedelsregister kan respondenterna komma åt appen och logga sitt matintag hela dagen. Matposter stängs automatiskt i slutet av dagen; återkallar stängning efter inlämning av de förbrukade artiklarna. Återkallelsen och modulen för livsmedelsregister ger tillgång till en omfattande livsmedelslista baserad på den nederländska databasen för livsmedelssammansättning (FCDB), som kan användas för att passa olika forskningsändamål. Vid val av matvara uppmanas respondenterna samtidigt att sättain portionsstorlek, dvs. Portionsstorleksalternativ kan justeras, t.ex.endast komma in i gram vid vägd livsmedelsjournal eller konsumtionstid istället för att äta tillfälle). Appen innehåller också en My Dishes-funktion, som gör det möjligt för respondenten att skapa sina egna recept eller produktkombinationer(t.ex.en daglig frukost) och endast rapportera den totala mängden som konsumeras. Därefter står appen för avkastnings- och kvarhållningsfaktorer. Data lagras på en säker server. Om så önskas kan ytterligare frågor, dvs.i allmänhet eller de som rör specifika livsmedel eller mattillfällen, införlivas. Detta dokument beskriver utvecklingen av systemet (app och backend), inklusive expertutvärderingar och användbarhetstestning.

Systemet (app och backend) utvecklades med hjälp av stegen som beskrivs i det ovan beskrivna protokollet. De viktigaste resultaten av denna process beskrivs nedan och avslutas med appens slutliga design.
Formativ forskning Förutom omfattande litteraturgranskning inspekterades flera webbaserade verktyg (t.ex.Compl-eat13, ASA2414, Foodbook2415, MyFood2416) med avseende på kostbedömningsmetodik och implementerade funktioner. Dessutom jämfördes prestandan hos flera matspårningsappar som ofta används i Nederländerna (t.ex.MijnEetmeter17, MyFitnessPal18, Virtuagym Food19), med fokus på aspekter som kostbedömningsmetodik, tillhandahållande av information, tillförlitlighet, sökmotor och användning av ytterligare funktioner(t.ex.bilder, streckkodsläsare, receptfunktioner). Resultaten av denna inspektion ledde till beslutet att utveckla appen på ett sådant sätt att den kan användas som ett livsmedelsregister och en återkallelse. Dessutom ledde det till implementeringen av funktionen Mina rätter, som kan användas för att skapa originalrecept eller ofta konsumerade produktkombinationer(t.ex.en daglig frukost). Inom denna funktion beaktas automatiskt avkastnings- och retentionsfaktorer.
För att exakt kvantifiera mat- och näringsintaget är en fullständig, om än praktisk, livsmedelslista avgörande. För att sammanställa en sådan livsmedelslista krävs en kompromiss mellan livsmedelslistans omfattande och livsmedelsprodukters sökbarhet (dvs. livsmedelsbeskrivningarnamåste vara tydliga, förståeliga och lätta att hitta)41,42. Eftersom data om livsmedelssammansättning utgör den grundläggande grunden för kostbedömning21,22, är det viktigt att se till att den utvecklade livsmedelslistan kan kopplas till exakta uppgifter om livsmedelssammansättning. Matlistan som ingår i appen är baserad på holländska FCDB (NEVO)14, som valdes för sin tillförlitlighet och rika matsammansättningsdata. Ursprungligen består NEVO av 2 389 livsmedel (version 2016/5.0), som reducerades till en livsmedelslista med 1 449 artiklar genom att eliminera "förvirrande föremål" (t.ex.Livsmedel som inte kan konsumeras råa, livsmedel som inte kan konsumeras utan tillägg) eller produkter som inte är lika viktiga att inkludera (t.ex.på grund av låg konsumtionsgrad baserad på den nederländska undersökningen om livsmedelskonsumtion (DNFCS)43).
Dessutom innehåller NEVO liknande livsmedel med olika varumärken; I sådana fall ingick endast det generiska alternativet i livsmedelsförteckningen. För att ytterligare underlätta användbarheten döptes vissa livsmedel om för att eliminera onödiga terminologier som "beredd", "frusen", "genomsnittlig" och "naturlig". Detta "rengöringsprotokoll" utvecklades av tre välutbildade forskningsdietister och utfördes med hjälp av en syntax, som kan köras igen när NEVO uppdateras. För att optimera sökbarheten hos livsmedel lades dessutom 1 019 välkända synonymer till de inkluderade livsmedel till i livsmedelslistan. Således bestod matlistan som ingår i appen så småningom av 2 468 artiklar. En översikt över utvecklingen av livsmedelslistan visas i figur 2. För att notera, även om denna omfattande livsmedelslista har utvecklats för allmänt bruk, tillåter appens backend import av alternativa livsmedelslistor om det behövs.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/62032/62032fig2v2.jpg"> Bild 2: Matlistans struktur utvecklad för appen. Livsmedelslistan är baserad på den nederländska databasen för livsmedelssammansättning (FCDB) och motsvarande förslag om portionsstorlek och synonymer lades till för varje artikel i den slutliga livsmedelslistan. <a href="https://www.jove.com/files/ftp_upload/62032/62032fig02large.jpg" target="_blank">Klicka här om du vill visa en större version av den här figuren.</a>
En annan viktig aspekt av kostbedömningen är kvantifieringen av portionsstorlekar. Även om portionsstorleksuppskattningshjälpmedel (PSEAs), t.ex. bilder, referensobjekt och standardportionsstorlekar, stöder rapporteringen av mängden livsmedel som konsumeras24,26,44, är felrapportering av portionsstorlekar fortfarande en betydande källa till partiskhet24,25,45,46, och litteratur om effektiviteten hos de olika PSEAs är inkonsekvent26. Matbilder, portionsstorleksförslag (dvs. standardstorlekaroch hushållsmått) och fri viktinmatning i gram är de mest använda PSEAs i webb- och smartphonebaserade kostbedömningsverktyg34. Till exempel används portionsstorleksförslag (t.ex.koppar, skedar, små, stora) i verktyg som Compl-eat13 och Oxford WebQ47, bilder hjälper portionsstorleksuppskattningar i verktyg som ASA2414 och Myfood2416. För att undersöka den lämpligaste PSEA för appen genomfördes en pilotstudie för att jämföra noggrannheten hos portionsstorleksförslag(t.ex.små, medelstora, stora eller kopp, sked), fri entré i gram och portionsstorleksbilder. Resultaten av denna studie ledde till genomförandet av portionsstorleksförslag som PSEA i appen tillsammans med möjligheten att ange belopp i gram27.
Expertrecension Syftet med expertutvärderingarna var att kvalitativt utvärdera appen när det gäller funktionalitet och enkel inlärning. Eftersom många användare föredrar att lära sig programvara genomutforskning 29, är ett systems nivå av lärbarhet viktig. Totalt 10 experter, dvs.4 (forskning) dietister och 6 närings- och hälsobeteendeexperter (forskare) deltog i de kognitiva genomgångar där 60% använde en Android-smartphone. Viktigast av allt var att expertutvärderingar indikerade att den första versionen av appen inte var tillräckligt intuitiv, t.ex.menystrukturen bedömdes vara oklar på grund av vaga knappar / ikoner, och sökmotorn genererade en ologisk ordning av resultat. En annan kritisk punkt som härrör från expertgranskningarna gällde det faktum att valda objekt inte kunde ändras. Baserat på dessa resultat uppgraderades appens design avsevärt från steg 2 och framåt (figur 1).
Utvärdering av användbarhet Totalt deltog 22 deltagare i de tankesnalongsintervjuerna, som låg till grund för användbarhetsutvärderingen. Den ursprungliga urvalsstorleken fastställdes till 20deltagare 36, varefter datamättnaden bedömdes. Eftersom datamättnaden inte nåddes efter 20 intervjuer fortsatte inkluderingen vid bedömningen av datamättnad efter varje på varandra följande intervju. Deltagarna hade en genomsnittlig ± standardavvikelseålder på 48 ± 17 år (intervall 22-70 år); 36% var män, och majoriteten av befolkningen var högutbildade (55%). Dessutom använde de flesta deltagarna en Android-enhet (n =14, 64%), och nästan alla deltagare hade över 1 års erfarenhet av smartphone-användning (n=21, 96%) (Tabell 1). Alla deltagare slutförde uppgifterna utan eller med minimal undervisning.
<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>Genus</td>
			<td></td>
		</tr>
<tr>
<td>Man (%)</td>
			<td>36.4</td>
		</tr>
<tr>
<td>Kvinna (%)</td>
			<td>63.6</td>
		</tr>
<tr>
<td>Medelålder (medelvärde, SD)</td>
			<td>48.1 (17.2)</td>
		</tr>
<tr>
<td>Utbildningsnivå</td>
			<td></td>
		</tr>
<tr>
<td>Låg (%)</td>
			<td>0</td>
		</tr>
<tr>
<td>Medium (%)</td>
			<td>45.5</td>
		</tr>
<tr>
<td>Hög (%)</td>
			<td>54.5</td>
		</tr>
<tr>
<td>Smartphone-typ</td>
			<td></td>
		</tr>
<tr>
<td>Android (%)</td>
			<td>63.6</td>
		</tr>
<tr>
<td>iOS (%)</td>
			<td>36.4</td>
		</tr>
<tr>
<td>Smartphone-upplevelse</td>
			<td></td>
		</tr>
<tr>
<td>Kortare än 6 månader (%)</td>
			<td>4.5</td>
		</tr>
<tr>
<td>Mellan 6 månader och 1 år (%)</td>
			<td>0</td>
		</tr>
<tr>
<td>Längre än 1 år (%)</td>
			<td>95.5</td>
		</tr>
<tr>
<td>SUS (medelvärde, SD)</td>
			<td>79.4 (15.1)</td>
		</tr>
</tbody></table>Tabell 1. Studiepopulationens egenskaper och resultat av användbarhetsutvärderingen. Endast resultaten av systemets användbarhetsskala (SUS) framställs i denna tabell tillsammans med deltagarnas egenskaper.
Vissa deltagare (n=13, 59%) uppgav svårigheter när de använde funktionen Mina rätter. andra (n=5, 23%) stötte på mindre funktionsproblem som långsam respons på menyknappen och svårigheter att använda knappar relaterade till otillräcklig skärmstorlek på mindre smartphones). Dessutom angav 15 (68%) deltagare att de föredrar ett alternativ att ange konsumerade portionsstorlekar i gram. Slutligen visade utvärderingen av SUS-poängen ett betyg på 79/100 (intervall 40-100), där endast 3 av de 22 deltagarna betygsatte appen under 68/100 och 13 betygsatt >80/100, vilket tyder på att appen kan betraktas som användarvänlig. På det hela taget var de föreslagna förbättringarna därför små, och användbarhetsutvärderingarna var lovande. Därefter diskuterades förslag till förbättringar inom forskargruppen och, om det anses relevant, införlivades i steg 4-uppgraderingen för att ytterligare optimera appens smak och användbarhet (figur 1).
Slutlig design Stegen som beskrivs i protokollet och resultaten av utvärderingsstudien resulterade så småningom i en slutlig design för appen och backend, som syftade till en enkel visuell design. Denna app kan användas som en matpost och en återkallelse. Som beskrivits tidigare är livsmedelslistan en modifierad version av NEVO. Uppskattning av portionsstorlek stöds av matspecifika portionsstorleksförslag. konsumerade portioner kan också anges i gram. Vid återkallelseversionen av appen har forskaren möjlighet att välja olika tidsslots (t.ex.2hR, 8hR eller 24hR). För att samla in uppgifter om livsmedelsintag under olika dagar och tider kan olika provtagningssystem skapas inom en förutbestämd period. Push-meddelanden uppmanar respondenterna att registrera sitt matintag. För att säkerställa fullständig datainsamling omplaneras inbjudningar automatiskt vid uteblivet svar. Inom återkallelsemodulen kan respondenterna bara rapportera sitt matintag efter att ha fått en inbjudan. När det gäller livsmedelsregistret kan respondenterna komma åt appen och logga sitt matintag hela dagen.
I motsats till de flesta 24hR-verktyg är appens återkallelsemodul inte baserad på Automated Multiple-Pass Method -en femstegsmetod för att samla in matintagsdata för de tidigare 24 h48- eftersom den här metoden är för detaljerad och tidskrävande för användning i en app. Mer specifikt, för att öka användbarheten och förbättra efterlevnaden avinspelningarerna för 11,38,49, minskade navigeringen till ett minimum genom att begränsa antalet skärmar som måste nås till 4 ( figur3): 1) en översiktsskärm som visar rapporteringsfönstret; 2) förbrukade livsmedel rapporteras via sökskärmen, och när önskat objekt har valts 3) visas en dialogruta som undersöker mattillfället och den konsumerade mängden, varefter 4) användaren återvänder till översiktsskärmen som nu visar de inspelade matvarorna. Dessutom kan användaren också använda funktionen Mina rätter för att skapa recept eller produktkombinationer, som kan anges via menyknappen.
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/62032/62032fig03.jpg"> Bild 3: Schematisk översikt över rutten i appen. Klicka här för att se en större version av den här <a href="https://www.jove.com/files/ftp_upload/62032/62032fig03large.jpg" target="_blank">figuren.</a>
Data lagras på en säker server. Om så önskas kan ytterligare frågor-allmänna eller relaterade till specifika ättillfällen eller matvaror - införlivas. Appen kan ansluta till online-undersökningsverktyg. Därför är det möjligt att genomföra en undersökning som inte är relaterad till matintag via appen vid förutbestämda tider(t.ex.sammanhang, beteendemässiga, humörfrågor). Det är också möjligt att ställa specifika frågor relaterade till rapporterade livsmedel eller mattillfällen (t.ex.när äpplen rapporteras, när lunch rapporteras). Användningen av online-undersökningsverktyg ger möjlighet att ställa många olika frågor via appen. De insamlade uppgifterna om livsmedelsintag kan exporteras från servern och importeras till näringsberäkningsprogram för ytterligare analyser. Vid användning av ytterligare frågor kommer dessa uppgifter att finnas tillgängliga i undersökningsverktyget som vanligt. Syftet var att utveckla en välstrukturerad och lättanvänd app. Vissa skärmdumpar av designen kan ses i figur 4A-E.
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/62032/62032fig04.jpg"> Bild 4: Skärmbilder av den slutliga versionen av appen. (A) Start/Översikt-skärmen, som visar inbjudan med (i det här fallet) 2 h-återkallelseperioden. Användaren kan trycka på Product toevoegen (dvs.Lägg till artikel) för att rapportera en matvara eller Niets gegeten av gedronken (dvs.jag åt inte eller drack något) om ingenting konsumerades under detta tidsfönster. (B) Sökskärmen, som visar resultat som matchar sökterjen "Jus" från matlistan. Önskat objekt kan väljas från sökresultaten. (C) En popup-skärm kräver indata av detaljer på det valda objektet "Jus d 'orange". I det här fallet ber appen om den mängd som konsumeras och äter tillfälle. Användaren kan gå tillbaka till sökresultatet genom att trycka på Annuleren (dvs.avbryta) eller Opslaan (dvs.spara) för att gå längre. (D) Översikten igen, den här gången visar alla rapporterade objekt. En annan artikel kan läggas till (Product toevoegen) eller indata kan skickas (Lijst versturen). (E) Efter att ha valt Lijst versturenvisas ett popup-fönster som frågar användaren om de är säkra på att de vill skicka, och påminner användaren om att det inte är möjligt att göra fler ändringar efter att listan har skickats. Användaren har möjlighet att avbryta (Annuleren) eller skicka (Versturen). <a href="https://www.jove.com/files/ftp_upload/62032/62032fig04large.jpg" target="_blank">Klicka här om du vill visa en större version av den här 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

Den här artikeln beskriver protokollet för utveckling av en innovativ smartphone-baserad kostbedömningsapplikation Traqq, inklusive expertutvärderingar och användbarhetstestning.

Iterativ utveckling av ett innovativt smartphonebaserat kostbedömningsverktyg: Traqq

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

Utvecklingsprocessen för kostbedömningsverktyg beskrivs ofta inte bara delvis, vilket visar hela processen bakom den vetenskapliga grunden och kan gynna utvecklingen av jämförbara verktyg. Detta protokoll beskriver alla steg som vidtagits för att utveckla appen, inklusive en omfattande screening av litteraturen och befintliga verktyg, följt av prototypbyggnad och utvärdering av experter och avsedda slutanvändare. Detta protokoll ger insikter i do's och don'ts av utvecklingsprocessen för kostbedömningsverktyg för näringsforskning, liksom beteendeförändringsapplikationer.Utvecklingen av ett verktyg som Traqq kräver medverkan av flera experter, såsom näringsforskare, dietister och IT-personal. Var noga med att hålla dessa experter involverade under hela processen. Om du vill hantera ett projekt i chefsrollen navigerar du till traqq.idbit.net och använda administratörsautentiseringsuppgifterna för att logga in på programmets server del. Klicka på Gå till projekt och klicka på pilen i kolumnen Visa för att välja önskat projekt i projektet. Klicka på fliken Deltagare på sidan Projektöversikt.När deltagaröversiktsskärmen visas klickar du på Lägg till ny deltagare och anger kodnamn, anteckningar, inloggnings-ID och inloggningsnyckel efter behov och sparar filen. Om du vill schemalägga inbjudningar för varje deltagare klickar du på fliken Inbjudningar. Klicka på Lägg till ny inbjudan på översiktsskärmen Inbjudningar.På följande skärm väljer du en deltagare och anger periodens starttid, periodsluttid, öppningstid, stängningstid, undersökningsadress, anteckningar och aktivera efter behov. Om du vill spåra datainsamlingen via fliken Kalender väljer du en deltagare av intresse på rullgardinsmenyn. Om du vill spåra svar via fliken Svar väljer du en deltagare av intresse på rullgardinsmenyn.Om du vill analysera insamlade data skickar du en begäran via e-post till administratören om en dataexport. Om du vill använda applikationen som deltagare laddar du ned den fritt tillgängliga appen till en smartphone och loggar in för att komma åt appen. När du har fått en inbjudan klickar du på meddelandet och klickar på den öppna inbjudan.Om du vill ange den matvara som förbrukats klickar du på Lägg till matartikel och anger namnet på den förbrukade artikeln. Namnet på objektet kan klickas om det visas när du skriver. På följande skärm rapporterar du den förbrukade mängden, motsvarande portionsstorleksbeskrivning, mattillfälle och eller konsumtionstid för artikeln.När du har sparat upprepar du posten tills alla förbrukade matvaror har rapporterats och klickar sedan på Skicka lista för att skicka listan. I denna användbarhetsutvärdering deltog totalt 22 ämnen i tankeintervjuer. Deltagarna var mellan 22 och 70 år, med en medelålder på 48 år.36% var män och över 50% var högutbildade. Majoriteten av deltagarna använde en Android-enhet, och nästan alla deltagare hade över ett års erfarenhet av smartphone-användning. Utvärderingen av systemets användbarhetspoäng indikerade ett medelbetyg på 79 av 100, med ett intervall mellan 40 och 100.Endast tre deltagare betygsatte appen under 68 och 13 betygsatte den över 80, vilket tyder på att appen kan betraktas som användarvänlig. Traqq är det första flexibla kostbedömningsverktyget för att dela utvecklingsprotokollet. Vi hoppas kunna hjälpa och inspirera andra forskare som vill utveckla liknande flexibla verktyg.

Research

JoVE Journal

Behavior

Development of a Virtual Reality Assessment of Everyday Living Skills

Utveckling av en virtuell verklighet Bedömning av vardagen 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

Experimentell Bedömning av mus Sällskaplighet hjälp av en automatiserad bildbehandling 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

Utvärdering av en Smartphone-baserade Human Activity Recognition System i en Daily Living miljö

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

En innovativ Wheel baserad mekanism Running för förbättrad Rat Utbildning Performance

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

Beteendestörningar: en innovativ strategi för att övervaka modulerande effekterna 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

Automatisk snabb iterativ negativa Geotaxis test för analysera vuxen klättring beteende i Drosophila modell för 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 och barnvänliga bedömning av Arm funktion med hjälp 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

Tillämpa ett eMASS anpassnings program som ett forskningsverktyg för att utvärdera konsumenternas fördelar

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

Bedömning av sexuellt beteende hos manliga möss

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

Bedömning av Midline Lingual Point-Pressure Somatosensation Med von Frey Hair Monofilaments

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