Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Gültigkeit eines KI-basierten Programms zur Identifizierung von Lebensmitteln und Schätzung der Portionsgröße von Lebensmitteln (PortionSizeAI)

14. November 2023 aktualisiert von: Chloe, Pennington Biomedical Research Center

Testen der Gültigkeit eines auf künstlicher Intelligenz basierenden Programms zur Identifizierung von Lebensmitteln und zur Schätzung der Portionsgröße von Lebensmitteln bei Erwachsenen, eine Pilotstudie

Der Zweck dieser Studie ist es, die Genauigkeit der künstlichen Ernährungsintelligenz in der Openfit-App während der Mahlzeiten in einer kontrollierten Laborumgebung zu testen

Studienübersicht

Status

Abgeschlossen

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Für diese Pilotstudie werden die Forscher unter Verwendung einer Convenience-Probe bis zu 25 Erwachsene rekrutieren, um die Nutrition AI-Technologie in Openfit zu verwenden, um die Portionsgröße der bereitgestellten Lebensmittel und die simulierte Tellerverschwendung sowie die Nahrungsaufnahme in einer Laborumgebung bei Pennington Biomedical zu identifizieren und abzuschätzen Research Center (PBRC) und/oder der Louisiana State University (LSU). Labormitglieder innerhalb des Ingestive Behavioral Laboratory werden auch die Fähigkeit von Nutrition AI testen, Lebensmittel zu identifizieren und bereitgestellte Lebensmittel, Tellerverschwendung und Lebensmittelaufnahme im Labor zu quantifizieren. Die Mahlzeiten werden simuliert, und die Teilnehmer werden die bereitgestellten Lebensmittel nicht konsumieren.

Studientyp

Interventionell

Einschreibung (Tatsächlich)

24

Phase

  • Unzutreffend

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • Vereinigte Staaten
    • Louisiana
      • Baton Rouge, Louisiana, Vereinigte Staaten, 70808
        • Pennington Biomedical Research Center

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

18 Jahre bis 62 Jahre (Erwachsene)

Akzeptiert gesunde Freiwillige

Ja

Beschreibung

Einschlusskriterien:

  • Männlich oder weiblich
  • Alter 18-62 Jahre
  • Selbst angegebener Body-Mass-Index (BMI) 18,5-50 kg/m2

Ausschlusskriterien:

  • Alle Bedingungen oder Umstände, die den Studienabschluss verhindern könnten
  • Sie sind mit einem iPhone nicht vertraut oder können es nicht verwenden

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Sonstiges
  • Zuteilung: N / A
  • Interventionsmodell: Einzelgruppenzuweisung
  • Maskierung: Keine (Offenes Etikett)

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: Experimental
  • Training und Nutzung von Openfit
  • Verwendung der App zur Schätzung der Nahrungsaufnahme aus simulierten Mahlzeiten in einem Labor bei PBRC oder LSU (Teilnehmer nehmen während der Mahlzeiten keine Nahrung zu sich)
  • Bewertung der Benutzerfreundlichkeit und Zufriedenheit der App
Gerät: PortionSize AI
Für diese Pilotstudie werden die Forscher unter Verwendung einer Convenience-Stichprobe bis zu 25 Erwachsene rekrutieren, um mithilfe der Nutrition AI-Technologie in Openfit die Portionsgröße von Lebensmitteln zu identifizieren und abzuschätzen, die in einer Laborumgebung am Pennington Biomedical Research Center (PBRC) und/oder bereitgestellt werden Louisiana State University (LSU). Labormitglieder des Ingestive Behavioral Laboratory werden außerdem die Fähigkeit von Nutrition AI testen, im Labor bereitgestellte Lebensmittel zu identifizieren und zu quantifizieren. Die Mahlzeiten werden simuliert und die Teilnehmer nehmen die bereitgestellten Lebensmittel nicht zu sich.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Identifizierung von plattierten Lebensmitteln mit der Openfit Mobile App
Zeitfenster: Ein Studienbesuch von ca. 2 Stunden

Vereinbarung über die Identifizierung der bereitgestellten Lebensmittel und Getränke im Vergleich zur bekannten Identifizierung auf Artikelebene und über alle Artikel hinweg, bei denen die Identifizierung durch Folgendes bestimmt wird: 1) Ernährungs-KI ohne Korrektur (automatisiert), 2) Ernährungs-KI mit Benutzerkorrektur (halbautomatisch)

Damit ein durch die Ernährungs-KI identifiziertes Lebensmittel als exakt übereinstimmendes Lebensmittel angesehen werden kann, muss der Name des identifizierten Lebensmittels mit dem servierten Lebensmittel übereinstimmen oder diesem sehr nahe kommen. Beispielsweise ist ein als Obstsalat identifizierter Fruchtcocktail eine akzeptable Übereinstimmung. Proportionen werden verwendet, um zu beurteilen, ob sich der Prozentsatz der von Nutrition AI korrekt identifizierten Lebensmittel auf dem Teller vom Prozentsatz der Lebensmittel unterscheidet, die durch eine Kriterienmethode (menschlicher Bewerter) korrekt identifiziert wurden. Beschreibende Daten werden auch verwendet, um die Häufigkeit zu beschreiben, mit der auf dem Teller servierte Lebensmittel für alle Lebensmittel bei allen Teilnehmern korrekt identifiziert wurden. Insgesamt wurden von allen Teilnehmern 255 Lebensmittel getestet.
Ein Studienbesuch von ca. 2 Stunden
Schätzung der Portionsgröße (kcal) von plattierten Lebensmitteln mit der Openfit Mobile App
Zeitfenster: Ein Studienbesuch von ca. 2 Stunden

Fehler zwischen mittleren Schätzungen der verzehrten Lebensmittel (kcal) und bekannten verzehrten Lebensmitteln (kcal), bestimmt durch: 1) Ernährungs-KI ohne Benutzerkorrektur (automatisiert), 2) Ernährungs-KI mit Benutzerkorrektur (halbautomatisch)

Es werden mittlere Fehler und eine Bland-Altman-Analyse durchgeführt, um Fehler bei der Schätzung der verzehrten Lebensmittel aus der Ernährungs-KI im Vergleich zu Schätzungen aus der Kriteriumsmessung (gewogene Lebensmittel) zu ermitteln.
Ein Studienbesuch von ca. 2 Stunden
Benutzerzufriedenheit der Openfit Mobile App zur Aufzeichnung von Speisen
Zeitfenster: Ein Studienbesuch von ca. 2 Stunden

Nach Abschluss der Bewertung der verzehrten Lebensmittel nehmen die Teilnehmer an einer Umfrage zur Benutzerzufriedenheit (User Satisfaction Survey, USS) teil. Das USS wurde von einer früheren Version übernommen, die zur Bewertung der Benutzerfreundlichkeit einer mobilen Anwendung zur Ernährungsbewertung verwendet wurde. Das USS umfasst fünf quantitative Fragen und drei offene Antwortfragen. Die quantitativen Fragen werden jeweils anhand einer 6-stufigen Likert-Skala bewertet, wobei 1 die niedrigste und schlechteste Punktzahl und 6 die höchste und beste Punktzahl darstellt.

Die Daten für jede der fünf quantitativen Antworten im USS werden über die Teilnehmer gemittelt und separat als Mittelwert (SD) dargestellt. Offene Antworten werden mithilfe qualitativer Methoden ausgewertet, um gemeinsame Themen zu identifizieren.
Ein Studienbesuch von ca. 2 Stunden
Benutzerfreundlichkeit der Openfit Mobile App zur Aufzeichnung von Speisen
Zeitfenster: Ein Studienbesuch von ca. 2 Stunden
Die Teilnehmer füllen den Computer Usability Satisfaction Questionnaire (CSUQ) aus. Der CSUQ wird häufig zur Beurteilung der Benutzerfreundlichkeit mobiler Anwendungen verwendet. Der CSUQ besteht aus 19 Fragen, die jeweils anhand einer 7-Punkte-Likert-Skala bewertet werden (wobei 1 der niedrigste und beste Wert und 7 der höchste und schlechteste Wert ist). Die Teilnehmer bewerten Zufriedenheit, Nützlichkeit, Informationsqualität und Schnittstellenqualität des CSUQ Openfit-App. Der Durchschnitt dieser 19 Fragen (1 ist die beste durchschnittliche Punktzahl und 7 die schlechteste durchschnittliche Punktzahl) ergibt eine Gesamtbewertung der Benutzerfreundlichkeit.
Ein Studienbesuch von ca. 2 Stunden

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Identifizierung von Plattenabfall mit der Openfit Mobile App
Zeitfenster: Ein Studienbesuch von ca. 2 Stunden

Vereinbarung zur Identifizierung von Tellerabfällen im Vergleich zu bekannter Identifizierung auf Artikelebene und über alle Artikel hinweg, wenn die Identifizierung bestimmt wird durch: 1) Ernährungs-KI ohne Benutzerkorrektur (automatisiert), 2) Ernährungs-KI mit Benutzerkorrektur (halbautomatisch)

Damit ein durch die Ernährungs-KI identifiziertes Lebensmittel als exakt übereinstimmendes Lebensmittel betrachtet wird, muss der Name des identifizierten Lebensmittels mit dem servierten Lebensmittel übereinstimmen oder diesem sehr nahe kommen. Beispielsweise ist ein als Fruchtsalat identifizierter Fruchtcocktail eine akzeptable Übereinstimmung. Proportionen werden verwendet, um zu beurteilen, ob sich der Prozentsatz der Lebensmittel, die von Nutrition AI korrekt identifiziert wurden, von dem Prozentsatz der Lebensmittel unterscheidet, die durch eine Kriteriumsmethode (menschlicher Bewerter) korrekt identifiziert wurden. Deskriptive Daten werden auch verwendet, um die Häufigkeit zu beschreiben, mit der Plattenabfall korrekt identifiziert wurde.
Ein Studienbesuch von ca. 2 Stunden
Schätzung der Portionsgröße (Grammgewicht) von Tellerabfällen mit der Openfit Mobile App
Zeitfenster: Ein Studienbesuch von ca. 2 Stunden

Fehler zwischen mittleren Schätzungen der Portionsgewichte (Grammgewicht) und bekannten Portionsgewichten (Grammgewicht), wobei die Schätzungen des Tellerabfalls bestimmt werden durch: 1) Nutrition AI ohne Benutzerkorrektur (automatisiert), 2) Nutrition AI mit Benutzerkorrektur (halb- automatisiert)

Mittlerer Fehler und Bland-Altman-Analyse werden durchgeführt, um Fehler bei der Schätzung des Tellerabfalls aus der Ernährungs-KI im Vergleich zu Schätzungen aus dem Kriteriumsmaß (gewogenes Lebensmittel) zu bestimmen.
Ein Studienbesuch von ca. 2 Stunden
Schätzung der Portionsgröße (kcal) von Tellerabfällen mit der Openfit Mobile App
Zeitfenster: Ein Studienbesuch von ca. 2 Stunden

Fehler zwischen den mittleren Schätzungen der Portionsgröße (kcal) und der bekannten Portionsgröße (kcal), wobei die Schätzungen der Tellerverschwendung bestimmt werden durch: 1) Ernährungs-KI ohne Benutzerkorrektur (automatisiert), 2) Ernährungs-KI mit Benutzerkorrektur (halbautomatisch)

Mittlerer Fehler und Bland-Altman-Analyse werden durchgeführt, um Fehler bei der Schätzung des Tellerabfalls aus der Ernährungs-KI im Vergleich zu Schätzungen aus dem Kriteriumsmaß (gewogenes Lebensmittel) zu bestimmen.
Ein Studienbesuch von ca. 2 Stunden
Benutzerzufriedenheit der mobilen Openfit-App zur Erfassung von Plattenabfällen
Zeitfenster: Ein Studienbesuch von ca. 2 Stunden

Nach Abschluss der Bewertung des Plattenabfalls werden die Teilnehmer an einer Umfrage zur Benutzerzufriedenheit teilnehmen. Die Ermittler passten eine 10 Fragen umfassende Umfrage zur Benutzerzufriedenheit an, die in früheren Studien durchgeführt wurde, um die Zufriedenheit, Benutzerfreundlichkeit und Angemessenheit der Schulung für mobile Apps zu quantifizieren.

Die Antworten auf den Fragebogen zur Benutzerzufriedenheit werden anhand von Häufigkeiten und Prozentsätzen für Likert-Skalendaten bewertet. Offene Antworten werden mit qualitativen Methoden ausgewertet, um gemeinsame Themen zu identifizieren.
Ein Studienbesuch von ca. 2 Stunden
Schätzung der Portionsgröße (Grammgewicht) der Nahrungsaufnahme mit der Openfit Mobile App
Zeitfenster: Ein Studienbesuch von ca. 2 Stunden

Fehler zwischen mittleren Schätzungen von Portionsgewichten (Grammgewicht) und bekannten Portionsgewichten (Grammgewicht), wobei Schätzungen der Lebensmittelaufnahme (Essen auf dem Teller – Tellerabfall) bestimmt werden durch: 1) Ernährungs-KI ohne Benutzerkorrektur (automatisiert), 2) Ernährung KI mit Benutzerkorrektur (halbautomatisch)

Mittlerer Fehler und Bland-Altman-Analyse werden durchgeführt, um Fehler bei der Schätzung der Nahrungsaufnahme aus der Ernährungs-KI im Vergleich zu Schätzungen aus dem Kriteriumsmaß (gewogene Nahrung) zu bestimmen.
Ein Studienbesuch von ca. 2 Stunden
Schätzung der Portionsgröße (kcal) der Nahrungsaufnahme mit der Openfit Mobile App
Zeitfenster: Ein Studienbesuch von ca. 2 Stunden

Fehler zwischen den mittleren Schätzungen der Nahrungsaufnahme (kcal) und der bekannten Nahrungsaufnahme (kcal), wobei die Schätzungen der Nahrungsaufnahme (Essen auf dem Teller – Tellerabfall) bestimmt werden durch: 1) Ernährungs-KI ohne Benutzerkorrektur (automatisch), 2) Ernährungs-KI mit Benutzerkorrektur (halbautomatisch)

Mittlerer Fehler und Bland-Altman-Analyse werden durchgeführt, um Fehler bei der Schätzung der Nahrungsaufnahme aus der Ernährungs-KI im Vergleich zu Schätzungen aus dem Kriteriumsmaß (gewogene Nahrung) zu bestimmen.
Ein Studienbesuch von ca. 2 Stunden

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Pennington Biomedical Research Center

Mitarbeiter

National Institute of Diabetes and Digestive and Kidney Diseases (NIDDK)

Ermittler

  • Hauptermittler: Chloe P Lozano, PhD, Pennington Biomedical Research Center

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

27. April 2022

Primärer Abschluss (Tatsächlich)

3. Juni 2022

Studienabschluss (Tatsächlich)

3. Juni 2022

Studienanmeldedaten

Zuerst eingereicht

12. April 2022

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

18. April 2022

Zuerst gepostet (Tatsächlich)

25. April 2022

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Geschätzt)

16. November 2023

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

14. November 2023

Zuletzt verifiziert

1. November 2023

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

  • PBRC 2022-011
  • T32DK064584 (US NIH Stipendium/Vertrag)

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

Jegliche Identifikatoren könnten von den identifizierbaren Informationen der Teilnehmer entfernt werden und nach einer solchen Entfernung könnten die Informationen für zukünftige Forschungsstudien verwendet oder einem anderen Forscher für zukünftige Forschung ohne zusätzliche informierte Zustimmung des Probanden oder gesetzlich bevollmächtigten Vertreters gegeben werden.

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Klinische Studien zur Ernährungsbewertung

Klinische Studien zur PortionSize AI

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Tunisia

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren