Validità di un programma basato sull'intelligenza artificiale per identificare gli alimenti e stimare le dimensioni delle porzioni di cibo (PortionSizeAI)

• Formazione e utilizzo di Openfit
• Utilizzo dell'app per stimare l'assunzione di cibo da pasti simulati in un laboratorio presso PBRC o LSU (i partecipanti non mangeranno cibo durante i pasti)
• Valutazione dell'usabilità e della soddisfazione dell'app

Accordo relativo all'identificazione degli alimenti e delle bevande forniti rispetto all'identificazione nota, a livello di articolo e in tutti gli articoli in cui l'identificazione è determinata da: 1) AI nutrizionale senza correzione (automatizzata), 2) AI nutrizionale con correzione dell'utente (semiautomatica)

Affinché un alimento identificato tramite Nutrition AI possa essere considerato un'esatta corrispondenza alimentare, il nome dell'alimento identificato deve corrispondere o avere una corrispondenza ravvicinata con il cibo servito. Ad esempio, un cocktail di frutta identificato come macedonia è un abbinamento accettabile. Verranno utilizzate le proporzioni per valutare se la percentuale di alimenti placcati correttamente identificati da Nutrition AI è diversa dalla percentuale di alimenti correttamente identificati da un metodo di criterio (valutatore umano). I dati descrittivi verranno utilizzati anche per descrivere la frequenza con cui il cibo placcato è stato correttamente identificato per tutti gli alimenti in tutti i partecipanti. In totale sono stati testati 255 prodotti alimentari tra tutti i partecipanti.

Errore tra le stime medie del cibo placcato (kcal) e del cibo noto placcato (kcal), determinato da: 1) AI nutrizionale senza correzione dell'utente (automatizzata), 2) AI nutrizionale con correzione dell'utente (semiautomatica)

Verranno eseguite l'errore medio e l'analisi di Bland-Altman per determinare gli errori nella stima del cibo placcato dalla Nutrition AI rispetto alle stime della misura del criterio (cibo pesato).

Dopo aver completato la valutazione del cibo servito, i partecipanti completeranno un sondaggio sulla soddisfazione degli utenti (USS). L'USS è stato adattato da una versione precedente utilizzata per valutare l'usabilità di un'applicazione mobile per la valutazione della dieta. L'USS comprende cinque domande quantitative e tre domande a risposta aperta. A ciascuna domanda quantitativa verrà assegnato un punteggio utilizzando una scala Likert a 6 punti, dove 1 rappresenta il punteggio più basso e peggiore e 6 il punteggio più alto e migliore.

I dati per ciascuna delle cinque risposte quantitative nell'USS verranno calcolati la media tra i partecipanti e presentati separatamente come media (SD). Le risposte aperte saranno valutate utilizzando metodi qualitativi per identificare temi comuni.

Accordo sull'identificazione dei rifiuti di piatti rispetto all'identificazione nota, a livello di articolo e in tutti gli articoli, dove l'identificazione è determinata da: 1) IA nutrizionale senza correzione da parte dell'utente (automatizzata), 2) IA nutrizionale con correzione da parte dell'utente (semiautomatica)

Affinché un alimento identificato tramite l'IA nutrizionale sia considerato un'esatta corrispondenza alimentare, il nome dell'alimento identificato deve corrispondere o essere molto simile al cibo servito. Ad esempio, un cocktail di frutta identificato come macedonia è una corrispondenza accettabile. Le proporzioni verranno utilizzate per valutare se la percentuale di alimenti che sono stati correttamente identificati da Nutrition AI è diversa dalla percentuale di alimenti correttamente identificati da un metodo di criterio (valutatore umano). I dati descrittivi verranno utilizzati anche per descrivere la frequenza con cui i rifiuti di lastre sono stati correttamente identificati.

Errore tra le stime medie dei pesi delle porzioni (peso in grammi) e i pesi delle porzioni note (peso in grammi), in cui le stime dello scarto di piatti sono determinate da: 1) IA nutrizionale senza correzione da parte dell'utente (automatizzata), 2) IA nutrizionale con correzione da parte dell'utente (semi- automatizzato)

Verranno eseguite l'errore medio e l'analisi di Bland-Altman per determinare gli errori nella stima dello scarto di piatto dall'IA nutrizionale rispetto alle stime dalla misura del criterio (cibo pesato).

Errore tra le stime medie della dimensione della porzione (kcal) e la dimensione nota della porzione (kcal), dove le stime dello spreco del piatto sono determinate da: 1) IA nutrizionale senza correzione da parte dell'utente (automatizzata), 2) IA nutrizionale con correzione da parte dell'utente (semi-automatica)

Verranno eseguite l'errore medio e l'analisi di Bland-Altman per determinare gli errori nella stima dello scarto di piatto dall'IA nutrizionale rispetto alle stime dalla misura del criterio (cibo pesato).

Dopo aver completato la valutazione dello spreco di lastre, i partecipanti completeranno un sondaggio sulla soddisfazione degli utenti. I ricercatori hanno adattato un sondaggio sulla soddisfazione degli utenti di 10 domande che è stato somministrato in studi precedenti per quantificare la soddisfazione, la facilità d'uso e l'adeguatezza della formazione per le app mobili.

Le risposte al questionario sulla soddisfazione degli utenti saranno valutate utilizzando frequenze e percentuali per i dati della scala Likert. Le risposte aperte saranno valutate utilizzando metodi qualitativi per identificare temi comuni.

Errore tra le stime medie dei pesi delle porzioni (peso in grammi) e i pesi delle porzioni noti (peso in grammi), dove le stime dell'assunzione di cibo (cibo impiattato - scarto del piatto) sono determinate da: 1) Nutrizione AI senza correzione dell'utente (automatizzata), 2) Nutrizione AI con correzione dell'utente (semi-automatica)

L'errore medio e l'analisi di Bland-Altman saranno eseguiti per determinare gli errori nella stima dell'assunzione di cibo dall'IA nutrizionale rispetto alle stime dalla misura del criterio (cibo pesato).

Errore tra le stime medie dell'assunzione di cibo (kcal) e l'assunzione di cibo nota (kcal), dove le stime dell'assunzione di cibo (cibo impiattato - scarto del piatto) sono determinate da: 1) Nutrition AI senza correzione dell'utente (automatizzata), 2) Nutrition AI con correzione dell'utente (semi-automatica)

L'errore medio e l'analisi di Bland-Altman saranno eseguiti per determinare gli errori nella stima dell'assunzione di cibo dall'IA nutrizionale rispetto alle stime dalla misura del criterio (cibo pesato).