식품 식별 및 식품 1인분 크기 추정을 위한 AI 기반 프로그램의 타당성 (PortionSizeAI)
파일럿 연구에서 식품을 식별하고 성인의 식품 부분 크기를 추정하기 위한 인공 지능 기반 프로그램의 타당성 테스트
연구 개요
상세 설명
연구 유형
등록 (실제)
단계
- 해당 없음
연락처 및 위치
연구 장소
-
-
Louisiana
-
Baton Rouge, Louisiana, 미국, 70808
- Pennington Biomedical Research Center
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- 남성 또는 여성
- 18-62세
- 자가 보고 체질량 지수(BMI) 18.5~50kg/m2
제외 기준:
- 연구 완료를 방해할 수 있는 모든 조건 또는 상황
- iPhone에 익숙하지 않거나 사용할 수 없음
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 다른
- 할당: 해당 없음
- 중재 모델: 단일 그룹 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 실험적
|
이 예비 연구에서 연구자들은 편의 표본을 사용하여 최대 25명의 성인을 모집하여 Openfit의 Nutrition AI 기술을 사용하여 Pennington Biomedical Research Center(PBRC) 및/또는 실험실 환경에서 제공되는 식품의 섭취량을 식별하고 추정할 것입니다. 루이지애나 주립대학교(LSU).
섭취 행동 연구소(Ingestive Behavioral Laboratory) 내의 실험실 구성원들은 또한 실험실에서 제공되는 음식을 식별하고 정량화하는 Nutrition AI의 능력을 테스트합니다.
식사는 가상으로 진행되며 참가자는 제공된 음식을 섭취하지 않습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Openfit 모바일 앱을 사용하여 도금된 식품 식별
기간: ~2시간 동안 1회 연구 방문
|
알려진 식별과 비교하여 제공되는 식음료 식별에 관한 합의, 항목 수준 및 식별이 결정되는 모든 항목에 걸쳐: 1) 수정 없는 Nutrition AI(자동), 2) 사용자 수정이 포함된 Nutrition AI(반자동) Nutrition AI를 통해 식별된 음식이 정확한 음식 일치로 간주되려면 식별된 음식의 이름이 제공되는 음식과 일치하거나 유사해야 합니다. 예를 들어, 과일 샐러드로 식별되는 과일 칵테일은 허용되는 일치 항목입니다. Nutrition AI에 의해 올바르게 식별된 도금된 식품 항목의 비율이 기준 방법(인간 평가자)에 의해 올바르게 식별된 식품의 비율과 다른지 여부를 평가하는 데 비율이 사용됩니다. 설명 데이터는 또한 모든 참가자의 모든 음식 항목에 대해 도금된 음식이 올바르게 식별되는 빈도를 설명하는 데 사용됩니다. 모든 참가자를 대상으로 총 255개의 식품 항목을 테스트했습니다. |
~2시간 동안 1회 연구 방문
|
|
Openfit 모바일 앱을 사용하여 플레이팅된 음식의 부분 크기 추정(kcal)
기간: ~2시간 동안 1회 연구 방문
|
플레이팅된 음식의 평균 추정치(kcal)와 플레이팅된 알려진 음식(kcal) 사이의 오류는 1) 사용자 수정이 없는 Nutrition AI(자동), 2) 사용자 수정이 있는 Nutrition AI(반자동)에 의해 결정됩니다. 평균 오류 및 Bland-Altman 분석을 수행하여 기준 측정(중량 측정 식품)의 추정치와 비교하여 Nutrition AI에서 플레이팅된 식품 추정의 오류를 확인합니다. |
~2시간 동안 1회 연구 방문
|
|
플레이팅된 음식을 기록하는 Openfit 모바일 앱의 사용자 만족도
기간: ~2시간 동안 1회 연구 방문
|
참가자는 플레이팅된 음식에 대한 평가를 마친 후 사용자 만족도 설문조사(USS)를 완료하게 됩니다. USS는 식이 평가를 위한 모바일 애플리케이션의 유용성을 평가하는 데 사용된 이전 버전에서 채택되었습니다. USS에는 정량적 질문 5개와 개방형 응답 질문 3개가 포함되어 있습니다. 정량적 질문은 각각 6점 Likert 척도를 사용하여 채점되며, 1이 가장 낮은 점수와 가장 낮은 점수, 6이 가장 높은 점수와 가장 좋은 점수입니다. USS의 5가지 정량적 응답 각각에 대한 데이터는 참가자 전체의 평균을 구하고 별도로 평균(SD)으로 표시됩니다. 공개 응답은 공통 주제를 식별하기 위한 질적 방법을 사용하여 평가됩니다. |
~2시간 동안 1회 연구 방문
|
|
도금된 음식 기록을 위한 Openfit 모바일 앱의 유용성
기간: ~2시간 동안 1회 연구 방문
|
참가자는 컴퓨터 사용성 만족도 설문지(CSUQ)를 작성하게 됩니다.
CSUQ는 모바일 애플리케이션의 유용성을 평가하는 데 자주 사용됩니다.
CSUQ는 19개의 질문으로 구성되어 있으며 각 질문은 7점 Likert 척도(1이 가장 낮은 점수, 7이 가장 높은 점수)를 사용하여 채점되며 참가자는 만족도, 유용성, 정보 품질 및 인터페이스 품질을 평가합니다. 오픈핏 앱.
이 19개 질문의 평균(1은 최고 평균 점수, 7은 최저 평균 점수)이 전반적인 사용성 점수를 제공합니다.
|
~2시간 동안 1회 연구 방문
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Openfit 모바일 앱을 사용한 접시 폐기물 식별
기간: ~2시간의 1회 연구 방문
|
1) 사용자 수정이 없는 Nutrition AI(자동), 2) 사용자 수정이 있는 Nutrition AI(반자동) Nutrition AI를 통해 식별된 식품이 정확한 식품 일치로 간주되려면 식별된 식품의 이름이 제공되는 식품과 일치하거나 거의 일치해야 합니다. 예를 들어, 과일 샐러드로 식별되는 과일 칵테일은 허용되는 일치 항목입니다. 비율은 Nutrition AI에 의해 올바르게 식별된 식품 항목의 백분율이 기준 방법(인간 평가자)에 의해 올바르게 식별된 식품의 백분율과 다른지 여부를 평가하는 데 사용됩니다. 설명 데이터는 또한 플레이트 폐기물이 올바르게 식별된 빈도를 설명하는 데 사용됩니다. |
~2시간의 1회 연구 방문
|
|
Openfit 모바일 앱을 사용한 접시 폐기물의 부분 크기 추정(그램 중량)
기간: ~2시간의 1회 연구 방문
|
1인분 중량(그램 중량)과 알려진 1인분 중량(그램 중량)의 평균 추정치 사이의 오차. 여기서 접시 폐기물의 추정치는 다음에 의해 결정됩니다. 1) 사용자 수정이 없는 Nutrition AI(자동), 2) 사용자 수정이 있는 Nutrition AI(반 자동화) 평균 오차 및 Bland-Altman 분석을 수행하여 기준 측정(계량된 음식)의 추정치와 비교하여 Nutrition AI의 접시 폐기물 추정 오차를 결정합니다. |
~2시간의 1회 연구 방문
|
|
Openfit 모바일 앱을 사용한 접시 폐기물의 1인분 크기 추정(kcal)
기간: ~2시간의 1회 연구 방문
|
1인분 크기(kcal)와 알려진 1인분 크기(kcal)의 평균 추정치 사이의 오차. 접시 낭비 추정치는 다음과 같이 결정됩니다. 1) 사용자 수정이 없는 Nutrition AI(자동), 2) 사용자 수정이 있는 Nutrition AI(반자동) 평균 오차 및 Bland-Altman 분석을 수행하여 기준 측정(계량된 음식)의 추정치와 비교하여 Nutrition AI의 접시 폐기물 추정 오차를 결정합니다. |
~2시간의 1회 연구 방문
|
|
기록판 낭비를 위한 Openfit 모바일 앱의 사용자 만족도
기간: ~2시간의 1회 연구 방문
|
접시 폐기물 평가를 완료한 후 참가자는 사용자 만족도 조사를 완료합니다. 조사관은 모바일 앱에 대한 만족도, 사용 용이성 및 교육의 적합성을 정량화하기 위해 이전 연구에서 관리된 10개 질문으로 구성된 사용자 만족도 조사를 채택했습니다. 사용자 만족도 설문지에 대한 응답은 Likert 척도 데이터의 빈도와 백분율을 사용하여 평가됩니다. 열린 응답은 질적 방법을 사용하여 공통 주제를 식별하기 위해 평가됩니다. |
~2시간의 1회 연구 방문
|
|
Openfit 모바일 앱을 사용한 음식 섭취량 추정(그램 중량)
기간: ~2시간의 1회 연구 방문
|
1인분 중량(그램 중량)과 알려진 1인분 중량(그램 중량)의 평균 추정치 사이의 오차. 여기서 음식 섭취량(도금된 음식 - 접시 폐기물)의 추정치는 다음과 같이 결정됩니다. 1) 사용자 수정이 없는 영양 AI(자동), 2) 영양 사용자 수정 기능이 있는 AI(반자동) 평균 오차 및 Bland-Altman 분석을 수행하여 기준 측정(계량된 음식)의 추정치와 비교하여 Nutrition AI의 음식 섭취량 추정 오차를 결정합니다. |
~2시간의 1회 연구 방문
|
|
Openfit 모바일 앱을 사용한 음식 섭취량 추정(kcal)
기간: ~2시간의 1회 연구 방문
|
음식 섭취량(kcal)의 평균 추정치와 알려진 음식 섭취량(kcal) 사이의 오차, 여기서 음식 섭취량(도마에 담긴 음식 - 접시에 담긴 폐기물)의 추정치는 다음에 의해 결정됩니다. 1) 사용자 수정이 없는 영양 AI(자동), 2) 영양 AI 사용자 수정(반자동) 평균 오차 및 Bland-Altman 분석을 수행하여 기준 측정(계량된 음식)의 추정치와 비교하여 Nutrition AI의 음식 섭취량 추정 오차를 결정합니다. |
~2시간의 1회 연구 방문
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Chloe P Lozano, PhD, Pennington Biomedical Research Center
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
키워드
기타 연구 ID 번호
- PBRC 2022-011
- T32DK064584 (미국 NIH 보조금/계약)
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .