Ważność programu opartego na sztucznej inteligencji do identyfikacji żywności i szacowania wielkości porcji żywności (PortionSizeAI)
Testowanie ważności programu opartego na sztucznej inteligencji do identyfikacji żywności i szacowania wielkości porcji żywności wśród dorosłych, badanie pilotażowe
Przegląd badań
Szczegółowy opis
Typ studiów
Zapisy (Rzeczywisty)
Faza
- Nie dotyczy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Louisiana
-
Baton Rouge, Louisiana, Stany Zjednoczone, 70808
- Pennington Biomedical Research Center
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Opis
Kryteria przyjęcia:
- Mężczyzna czy kobieta
- Wiek 18-62 lata
- Samodzielny wskaźnik masy ciała (BMI) 18,5-50 kg/m2
Kryteria wyłączenia:
- Wszelkie warunki lub okoliczności, które mogłyby utrudnić ukończenie badania
- Nie znasz lub nie potrafisz używać iPhone'a
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Inny
- Przydział: Nie dotyczy
- Model interwencyjny: Zadanie dla jednej grupy
- Maskowanie: Brak (otwarta etykieta)
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Eksperymentalny: Eksperymentalny
|
Na potrzeby tego badania pilotażowego badacze zrekrutują do 25 osób dorosłych, które będą korzystać z technologii Nutrition AI w Openfit w celu identyfikacji i oszacowania wielkości porcji żywności dostarczanej w warunkach laboratoryjnych w Pennington Biomedical Research Center (PBRC) i/lub Uniwersytet Stanowy Luizjany (LSU).
Członkowie laboratorium w ramach Laboratorium Zachowań Spożywczych przetestują także zdolność AI Nutrition do identyfikacji żywności i oznaczania ilościowego żywności dostarczanej w laboratorium.
Posiłki będą symulowane, a uczestnicy nie będą spożywać dostarczonej żywności.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Identyfikacja żywności na talerzu za pomocą aplikacji mobilnej Openfit
Ramy czasowe: Jedna wizyta studyjna trwająca ~2 godziny
|
Porozumienie dotyczące identyfikacji dostarczanej żywności i napojów w porównaniu ze znaną identyfikacją, na poziomie artykułu oraz we wszystkich artykułach, w przypadku których identyfikacja jest ustalana za pomocą: 1) AI żywienia bez korekty (automatyczna), 2) AI żywienia z korektą użytkownika (półautomatycznie) Aby żywność zidentyfikowana za pomocą AI żywienia została uznana za dokładnie odpowiadającą żywności, nazwa zidentyfikowanej żywności musi odpowiadać podawanej żywności lub być jej bardzo zbliżona. Na przykład koktajl owocowy określony jako sałatka owocowa jest odpowiednim odpowiednikiem. Proporcje zostaną wykorzystane do oceny, czy odsetek produktów spożywczych na talerzu, które zostały prawidłowo zidentyfikowane przez Nutrition AI, różni się od odsetka produktów spożywczych poprawnie zidentyfikowanych metodą kryterialną (oceniający przez człowieka). Dane opisowe zostaną również wykorzystane do opisania częstotliwości, z jaką żywność na talerzu była prawidłowo identyfikowana w przypadku wszystkich produktów spożywczych u wszystkich uczestników. W sumie przebadano 255 produktów spożywczych u wszystkich uczestników. |
Jedna wizyta studyjna trwająca ~2 godziny
|
|
Oszacowanie wielkości porcji (kcal) żywności na talerzu za pomocą aplikacji mobilnej Openfit
Ramy czasowe: Jedna wizyta studyjna trwająca ~2 godziny
|
Błąd pomiędzy średnimi oszacowaniami żywności na talerzu (kcal) i znanej żywności na talerzu (kcal), określony przez: 1) Odżywianie AI bez korekty użytkownika (automatyczne), 2) Odżywianie AI z korektą użytkownika (półautomatycznie) Przeprowadzony zostanie błąd średni i analiza Blanda-Altmana w celu określenia błędów w ocenie żywności na talerzu na podstawie AI Nutrition w porównaniu z szacunkami na podstawie miary kryterialnej (żywność ważona). |
Jedna wizyta studyjna trwająca ~2 godziny
|
|
Zadowolenie użytkowników aplikacji mobilnej Openfit do rejestrowania na talerzu żywności
Ramy czasowe: Jedna wizyta studyjna trwająca ~2 godziny
|
Po zakończeniu oceny żywności na talerzu uczestnicy wypełnią ankietę satysfakcji użytkownika (USS). Skala USS została zaadaptowana z poprzedniej wersji służącej do oceny przydatności aplikacji mobilnej do oceny diety. USS zawiera pięć pytań ilościowych i trzy pytania z odpowiedzią otwartą. Każde pytanie ilościowe będzie oceniane w 6-punktowej skali Likerta, gdzie 1 oznacza najniższy i najgorszy wynik, a 6 oznacza najwyższy i najlepszy wynik. Dane dla każdej z pięciu odpowiedzi ilościowych w USS zostaną uśrednione dla uczestników i przedstawione osobno jako średnia (SD). Otwarte odpowiedzi zostaną ocenione przy użyciu metod jakościowych w celu zidentyfikowania wspólnych tematów. |
Jedna wizyta studyjna trwająca ~2 godziny
|
|
Użyteczność aplikacji mobilnej Openfit do rejestrowania żywności na talerzu
Ramy czasowe: Jedna wizyta studyjna trwająca ~2 godziny
|
Uczestnicy wypełnią Kwestionariusz Satysfakcji z Użyteczności Komputera (CSUQ).
CSUQ jest często używany do oceny użyteczności aplikacji mobilnych.
CSUQ składa się z 19 pytań, każde oceniane w 7-punktowej skali Likerta (gdzie 1 to najniższy i najlepszy wynik, a 7 to najwyższy i najgorszy wynik), a uczestnicy oceniają satysfakcję, użyteczność, jakość informacji i jakość interfejsu Aplikacja OpenFit.
Średnia z tych 19 pytań (1 to najlepszy średni wynik, a 7 to najgorszy średni wynik) daje ogólny wynik użyteczności.
|
Jedna wizyta studyjna trwająca ~2 godziny
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Identyfikacja odpadów płytowych za pomocą aplikacji mobilnej Openfit
Ramy czasowe: Jedna wizyta studyjna ok. 2 godz
|
Porozumienie dotyczące identyfikacji odpadów płytowych w porównaniu ze znaną identyfikacją, na poziomie pozycji i we wszystkich pozycjach, gdzie identyfikacja jest określana przez: 1) Sztuczna inteligencja żywienia bez korekty użytkownika (automatyczna), 2) Sztuczna inteligencja żywienia z korektą użytkownika (półautomatyczna) Aby żywność zidentyfikowana za pomocą sztucznej inteligencji żywieniowej została uznana za dokładnie dopasowaną do żywności, nazwa zidentyfikowanej żywności musi pasować lub być zbliżona do serwowanej żywności. Na przykład koktajl owocowy identyfikowany jako sałatka owocowa jest dopuszczalnym dopasowaniem. Proporcje zostaną wykorzystane do oceny, czy odsetek artykułów żywnościowych, które zostały poprawnie zidentyfikowane przez Nutrition AI, różni się od procentu żywności prawidłowo zidentyfikowanej metodą kryterialną (wskaźnik ludzki). Dane opisowe zostaną również wykorzystane do opisania częstotliwości, z jaką prawidłowo identyfikowano odpady płytowe. |
Jedna wizyta studyjna ok. 2 godz
|
|
Oszacowanie wielkości porcji (waga w gramach) odpadów z talerza za pomocą aplikacji mobilnej Openfit
Ramy czasowe: Jedna wizyta studyjna ok. 2 godz
|
Błąd między średnimi oszacowaniami masy porcji (waga w gramach) a znanymi wagami porcji (waga w gramach), gdzie oszacowania odpadów na talerzu są określane przez: 1) AI odżywiania bez korekty użytkownika (automatycznie), 2) AI żywienia z korektą użytkownika (pół zautomatyzowany) Przeprowadzony zostanie błąd średni i analiza Blanda-Altmana w celu określenia błędów w oszacowaniu odpadów płytowych z AI Nutrition w porównaniu z oszacowaniami z miary kryterium (zważona żywność). |
Jedna wizyta studyjna ok. 2 godz
|
|
Oszacowanie wielkości porcji (kcal) odpadów z talerza za pomocą aplikacji mobilnej Openfit
Ramy czasowe: Jedna wizyta studyjna ok. 2 godz
|
Błąd między średnią szacunkową wielkością porcji (kcal) a znaną wielkością porcji (kcal), gdzie szacunki odpadów z talerza są określane przez: 1) AI żywienia bez korekty użytkownika (automatycznie), 2) AI żywienia z korektą użytkownika (półautomatycznie) Przeprowadzony zostanie błąd średni i analiza Blanda-Altmana w celu określenia błędów w oszacowaniu odpadów płytowych z AI Nutrition w porównaniu z oszacowaniami z miary kryterium (zważona żywność). |
Jedna wizyta studyjna ok. 2 godz
|
|
Zadowolenie użytkownika z aplikacji mobilnej Openfit do rejestrowania odpadów płytowych
Ramy czasowe: Jedna wizyta studyjna ok. 2 godz
|
Po zakończeniu oceny odpadów płytowych uczestnicy wypełnią ankietę satysfakcji użytkowników. Badacze zaadaptowali ankietę satysfakcji użytkownika składającą się z 10 pytań, która została przeprowadzona we wcześniejszych badaniach, aby określić ilościowo satysfakcję, łatwość użytkowania i adekwatność szkolenia w zakresie aplikacji mobilnych. Odpowiedzi na kwestionariusz satysfakcji użytkownika zostaną ocenione przy użyciu częstotliwości i wartości procentowych dla danych skali Likerta. Otwarte odpowiedzi zostaną ocenione przy użyciu metod jakościowych w celu zidentyfikowania wspólnych tematów. |
Jedna wizyta studyjna ok. 2 godz
|
|
Oszacowanie wielkości porcji (waga w gramach) spożycia pokarmu za pomocą aplikacji mobilnej Openfit
Ramy czasowe: Jedna wizyta studyjna ok. 2 godz
|
Błąd między średnią szacunkową wagą porcji (waga w gramach) a znaną wagą porcji (waga w gramach), gdzie szacunki spożycia żywności (jedzenie na talerzu - odpady z talerza) są określane przez: 1) Odżywianie AI bez korekty użytkownika (automatycznie), 2) Odżywianie Sztuczna inteligencja z korektą użytkownika (półautomatyczna) Przeprowadzony zostanie błąd średni i analiza Blanda-Altmana w celu określenia błędów oszacowania spożycia pokarmu z AI Żywienia w porównaniu z oszacowaniami z miary kryterium (pokarm zważony). |
Jedna wizyta studyjna ok. 2 godz
|
|
Oszacowanie wielkości porcji (kcal) spożycia pokarmu za pomocą aplikacji mobilnej Openfit
Ramy czasowe: Jedna wizyta studyjna ok. 2 godz
|
Błąd między średnimi oszacowaniami spożycia żywności (kcal) a znanym spożyciem żywności (kcal), gdzie szacunki spożycia żywności (jedzenie na talerzu - odpady z talerza) są określane przez: 1) AI żywienia bez korekty użytkownika (automatycznie), 2) AI żywienia z korekta użytkownika (półautomatyczna) Przeprowadzony zostanie błąd średni i analiza Blanda-Altmana w celu określenia błędów oszacowania spożycia pokarmu z AI Żywienia w porównaniu z oszacowaniami z miary kryterium (pokarm zważony). |
Jedna wizyta studyjna ok. 2 godz
|
Współpracownicy i badacze
Śledczy
- Główny śledczy: Chloe P Lozano, PhD, Pennington Biomedical Research Center
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Szacowany)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
- PBRC 2022-011
- T32DK064584 (Grant/umowa NIH USA)
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .