Validité d'un programme basé sur l'IA pour identifier les aliments et estimer la taille des portions alimentaires (PortionSizeAI)
Test de la validité d'un programme basé sur l'intelligence artificielle pour identifier les aliments et estimer la taille des portions alimentaires chez les adultes, une étude pilote
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Type d'étude
Inscription (Réel)
Phase
- N'est pas applicable
Contacts et emplacements
Lieux d'étude
-
-
Louisiana
-
Baton Rouge, Louisiana, États-Unis, 70808
- Pennington Biomedical Research Center
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
La description
Critère d'intégration:
- Masculin ou féminin
- 18-62 ans
- Indice de masse corporelle (IMC) autodéclaré 18,5-50 kg/m2
Critère d'exclusion:
- Toute condition ou circonstance qui pourrait empêcher l'achèvement de l'étude
- Vous ne connaissez pas ou ne savez pas utiliser un iPhone
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Autre
- Répartition: N / A
- Modèle interventionnel: Affectation à un seul groupe
- Masquage: Aucun (étiquette ouverte)
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Expérimental: Expérimental
|
Pour cette étude pilote, en utilisant un échantillon de commodité, les enquêteurs recruteront jusqu'à 25 adultes pour utiliser la technologie Nutrition AI dans Openfit pour identifier et estimer la taille des portions d'aliments fournis dans un laboratoire du Pennington Biomedical Research Center (PBRC) et/ou Université d'État de Louisiane (LSU).
Les membres du laboratoire du laboratoire de comportement ingestif testeront également la capacité de Nutrition AI à identifier les aliments et à quantifier les aliments fournis dans le laboratoire.
Les repas seront simulés et les participants ne consommeront pas les aliments fournis.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Identification des aliments plaqués à l'aide de l'application mobile Openfit
Délai: Une visite d'étude d'environ 2 heures
|
Accord concernant l'identification des aliments et des boissons fournis par rapport à l'identification connue, au niveau de l'article et pour tous les articles où l'identification est déterminée par : 1) l'IA nutritionnelle sans correction (automatisée), 2) l'IA nutritionnelle avec correction de l'utilisateur (semi-automatisée) Pour qu’un aliment identifié via Nutrition AI soit considéré comme une correspondance exacte, le nom de l’aliment identifié doit correspondre ou être proche de l’aliment servi. Par exemple, un cocktail de fruits identifié comme une salade de fruits est un accord acceptable. Les proportions seront utilisées pour évaluer si le pourcentage d'aliments servis correctement identifiés par Nutrition AI est différent du pourcentage d'aliments correctement identifiés par une méthode de critère (évaluateur humain). Des données descriptives seront également utilisées pour décrire la fréquence à laquelle les aliments servis ont été correctement identifiés pour tous les produits alimentaires chez tous les participants. Au total, 255 produits alimentaires ont été testés auprès de tous les participants. |
Une visite d'étude d'environ 2 heures
|
|
Estimation de la taille des portions (kcal) des aliments servis à l'aide de l'application mobile Openfit
Délai: Une visite d'étude d'environ 2 heures
|
Erreur entre les estimations moyennes de l'aliment servi (kcal) et de l'aliment connu (kcal), déterminée par : 1) l'IA nutritionnelle sans correction de l'utilisateur (automatisée), 2) l'IA nutritionnelle avec correction de l'utilisateur (semi-automatisée) L'erreur moyenne et l'analyse de Bland-Altman seront effectuées pour déterminer les erreurs d'estimation des aliments servis à partir de l'IA nutritionnelle par rapport aux estimations de la mesure du critère (aliments pesés). |
Une visite d'étude d'environ 2 heures
|
|
Satisfaction des utilisateurs de l'application mobile Openfit pour l'enregistrement des aliments plaqués
Délai: Une visite d'étude d'environ 2 heures
|
Après avoir terminé l'évaluation de l'assiette alimentaire, les participants répondront à une enquête de satisfaction des utilisateurs (USS). L'USS a été adapté d'une version précédente utilisée pour évaluer la convivialité d'une application mobile d'évaluation diététique. L'USS comprend cinq questions quantitatives et trois questions à réponse ouverte. Les questions quantitatives seront chacune notées à l'aide d'une échelle de Likert à 6 points, 1 étant le score le plus bas et le pire, et 6 le score le plus élevé et le meilleur. Les données pour chacune des cinq réponses quantitatives de l'USS seront moyennées entre les participants et présentées séparément sous forme de moyenne (SD). Les réponses ouvertes seront évaluées à l'aide de méthodes qualitatives pour identifier les thèmes communs. |
Une visite d'étude d'environ 2 heures
|
|
Utilisabilité de l'application mobile Openfit pour l'enregistrement des aliments plaqués
Délai: Une visite d'étude d'environ 2 heures
|
Les participants rempliront le questionnaire de satisfaction en matière d'utilisabilité informatique (CSUQ).
Le CSUQ est fréquemment utilisé pour évaluer l’utilisabilité des applications mobiles.
Le CSUQ se compose de 19 questions, chacune notée à l'aide d'une échelle de Likert à 7 points (1 étant le score le plus bas et le meilleur et 7 étant le score le plus élevé et le pire) et les participants évalueront la satisfaction, l'utilité, la qualité de l'information et la qualité de l'interface du Application OpenFit.
La moyenne de ces 19 questions (1 étant la meilleure note moyenne et 7 étant la plus mauvaise note moyenne) fournit un score global d'utilisabilité.
|
Une visite d'étude d'environ 2 heures
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Identification des déchets de plaques à l'aide de l'application mobile Openfit
Délai: Une visite d'étude d'environ 2 heures
|
Accord concernant l'identification des déchets d'assiettes par rapport à l'identification connue, au niveau de l'article et pour tous les articles, où l'identification est déterminée par : 1) Nutrition AI sans correction de l'utilisateur (automatisée), 2) Nutrition AI avec correction de l'utilisateur (semi-automatisée) Pour qu'un aliment identifié par l'IA Nutrition soit considéré comme un aliment correspondant exactement, le nom de l'aliment identifié doit correspondre ou être proche de l'aliment servi. Par exemple, un cocktail de fruits identifié comme une salade de fruits est un accord acceptable. Les proportions seront utilisées pour évaluer si le pourcentage d'aliments correctement identifiés par Nutrition AI est différent du pourcentage d'aliments correctement identifiés par une méthode de critère (évaluateur humain). Des données descriptives seront également utilisées pour décrire la fréquence à laquelle les déchets de plaques ont été correctement identifiés. |
Une visite d'étude d'environ 2 heures
|
|
Estimation de la taille des portions (poids en grammes) des déchets d'assiettes à l'aide de l'application mobile Openfit
Délai: Une visite d'étude d'environ 2 heures
|
Erreur entre les estimations moyennes des poids des portions (poids en grammes) et les poids des portions connues (poids en grammes), où les estimations des déchets d'assiettes sont déterminées par : 1) Nutrition AI sans correction de l'utilisateur (automatisée), 2) Nutrition AI avec correction de l'utilisateur (semi- automatique) L'erreur moyenne et l'analyse de Bland-Altman seront effectuées pour déterminer les erreurs dans l'estimation des déchets d'assiettes de l'AI Nutrition par rapport aux estimations de la mesure de critère (aliments pesés). |
Une visite d'étude d'environ 2 heures
|
|
Estimation de la taille des portions (kcal) de déchets d'assiettes à l'aide de l'application mobile Openfit
Délai: Une visite d'étude d'environ 2 heures
|
Erreur entre les estimations moyennes de la taille des portions (kcal) et la taille des portions connue (kcal), où les estimations des déchets d'assiette sont déterminées par : 1) Nutrition AI sans correction de l'utilisateur (automatisée), 2) Nutrition AI avec correction de l'utilisateur (semi-automatisée) L'erreur moyenne et l'analyse de Bland-Altman seront effectuées pour déterminer les erreurs dans l'estimation des déchets d'assiettes de l'AI Nutrition par rapport aux estimations de la mesure de critère (aliments pesés). |
Une visite d'étude d'environ 2 heures
|
|
Satisfaction des utilisateurs de l'application mobile Openfit pour l'enregistrement des déchets de plaques
Délai: Une visite d'étude d'environ 2 heures
|
Après avoir terminé l'évaluation des déchets de plaques, les participants rempliront une enquête de satisfaction des utilisateurs. Les enquêteurs ont adapté une enquête de satisfaction des utilisateurs de 10 questions qui a été administrée dans des études antérieures pour quantifier la satisfaction, la facilité d'utilisation et l'adéquation de la formation aux applications mobiles. Les réponses au questionnaire de satisfaction des utilisateurs seront évaluées à l'aide de fréquences et de pourcentages pour les données de l'échelle de Likert. Les réponses ouvertes seront évaluées à l'aide de méthodes qualitatives pour identifier les thèmes communs. |
Une visite d'étude d'environ 2 heures
|
|
Estimation de la taille des portions (poids en grammes) de l'apport alimentaire à l'aide de l'application mobile Openfit
Délai: Une visite d'étude d'environ 2 heures
|
Erreur entre les estimations moyennes des poids des portions (poids en grammes) et les poids des portions connus (poids en grammes), où les estimations de l'apport alimentaire (assiettes alimentaires - déchets d'assiettes) sont déterminées par : 1) Nutrition AI sans correction de l'utilisateur (automatisée), 2) Nutrition IA avec correction utilisateur (semi-automatisée) L'erreur moyenne et l'analyse de Bland-Altman seront effectuées pour déterminer les erreurs d'estimation de l'apport alimentaire à partir de l'IA nutritionnelle par rapport aux estimations de la mesure du critère (aliments pesés). |
Une visite d'étude d'environ 2 heures
|
|
Estimation de la taille des portions (kcal) de l'apport alimentaire à l'aide de l'application mobile Openfit
Délai: Une visite d'étude d'environ 2 heures
|
Erreur entre les estimations moyennes de l'apport alimentaire (kcal) et l'apport alimentaire connu (kcal), où les estimations de l'apport alimentaire (assiettes alimentaires - déchets d'assiettes) sont déterminées par : 1) Nutrition AI sans correction de l'utilisateur (automatisée), 2) Nutrition AI avec correction utilisateur (semi-automatisée) L'erreur moyenne et l'analyse de Bland-Altman seront effectuées pour déterminer les erreurs d'estimation de l'apport alimentaire à partir de l'IA nutritionnelle par rapport aux estimations de la mesure du critère (aliments pesés). |
Une visite d'étude d'environ 2 heures
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chercheur principal: Chloe P Lozano, PhD, Pennington Biomedical Research Center
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Estimé)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Autres numéros d'identification d'étude
- PBRC 2022-011
- T32DK064584 (Subvention/contrat des NIH des États-Unis)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .