Validade de um programa baseado em IA para identificar alimentos e estimar o tamanho das porções de alimentos (PortionSizeAI)

• Treinamento e uso do Openfit
• Usando o aplicativo para estimar a ingestão de alimentos a partir de refeições simuladas em um laboratório no PBRC ou LSU (os participantes não comerão durante as refeições)
• Avaliação da usabilidade e satisfação do aplicativo

Acordo em torno da identificação de alimentos e bebidas fornecidos em comparação com a identificação conhecida, no nível do item e em todos os itens onde a identificação é determinada por: 1) IA de nutrição sem correção (automatizada), 2) IA de nutrição com correção do usuário (semiautomática)

Para que um alimento identificado através da Nutrition AI seja considerado uma correspondência alimentar exata, o nome do alimento identificado deve corresponder ou ser próximo do alimento servido. Por exemplo, um coquetel de frutas identificado como salada de frutas é uma combinação aceitável. As proporções serão utilizadas para avaliar se a porcentagem de alimentos servidos que foram corretamente identificados pela Nutrition AI é diferente da porcentagem de alimentos corretamente identificados por um método de critério (avaliador humano). Dados descritivos também serão usados ​​para descrever a frequência com que os alimentos servidos foram identificados corretamente para todos os itens alimentares de todos os participantes. No total, foram testados 255 alimentos em todos os participantes.

Erro entre as estimativas médias de alimentos servidos (kcal) e alimentos conhecidos (kcal), determinado por: 1) IA de nutrição sem correção do usuário (automatizado), 2) IA de nutrição com correção do usuário (semiautomático)

O erro médio e a análise de Bland-Altman serão realizados para determinar os erros na estimativa dos alimentos servidos no Nutrition AI em comparação com as estimativas da medida do critério (alimentos pesados).

Após concluir a avaliação dos alimentos servidos, os participantes responderão a uma pesquisa de satisfação do usuário (USS). A USS foi adaptada de uma versão anterior utilizada para avaliar a usabilidade de um aplicativo móvel para avaliação dietética. O USS inclui cinco questões quantitativas e três questões de resposta aberta. Cada uma das questões quantitativas será pontuada em uma escala Likert de 6 pontos, sendo 1 a pontuação mais baixa e pior e 6 a pontuação mais alta e melhor.

Os dados para cada uma das cinco respostas quantitativas no USS serão calculados em média entre os participantes e apresentados separadamente como média (DP). As respostas abertas serão avaliadas utilizando métodos qualitativos para identificar temas comuns.

Acordo em torno da identificação de resíduos de placa em comparação com a identificação conhecida, no nível do item e em todos os itens, onde a identificação é determinada por: 1) IA de nutrição sem correção do usuário (automática), 2) IA de nutrição com correção do usuário (semiautomatizada)

Para que um alimento identificado por meio da IA ​​de nutrição seja considerado uma correspondência exata, o nome do alimento identificado deve corresponder ou ser uma correspondência próxima ao alimento servido. Por exemplo, um coquetel de frutas identificado como salada de frutas é uma combinação aceitável. Proporções serão usadas para avaliar se a porcentagem de itens alimentares que foram identificados corretamente por Nutrition AI é diferente da porcentagem de alimentos identificados corretamente por um método de critério (avaliador humano). Dados descritivos também serão usados ​​para descrever a frequência com que os resíduos de placa foram identificados corretamente.

Erro entre as estimativas médias dos pesos das porções (peso em gramas) e os pesos das porções conhecidas (peso em gramas), onde as estimativas de desperdício do prato são determinadas por: 1) IA de nutrição sem correção do usuário (automática), 2) IA de nutrição com correção do usuário (semi- automatizado)

O erro médio e a análise de Bland-Altman serão realizados para determinar os erros na estimativa de resíduos do prato do Nutrition AI em comparação com as estimativas da medida de critério (alimento pesado).

Erro entre as estimativas médias do tamanho da porção (kcal) e o tamanho conhecido da porção (kcal), onde as estimativas de desperdício do prato são determinadas por: 1) IA de nutrição sem correção do usuário (automática), 2) IA de nutrição com correção do usuário (semi-automatizada)

O erro médio e a análise de Bland-Altman serão realizados para determinar os erros na estimativa de resíduos do prato do Nutrition AI em comparação com as estimativas da medida de critério (alimento pesado).

Depois de concluir a avaliação do desperdício de placas, os participantes responderão a uma pesquisa de satisfação do usuário. Os pesquisadores adaptaram uma pesquisa de satisfação do usuário com 10 perguntas que foi administrada em estudos anteriores para quantificar a satisfação, a facilidade de uso e a adequação do treinamento para aplicativos móveis.

As respostas ao questionário de satisfação do usuário serão avaliadas por meio de frequências e porcentagens para dados da escala Likert. As respostas abertas serão avaliadas usando métodos qualitativos para identificar temas comuns.

Erro entre as estimativas médias dos pesos das porções (peso em gramas) e os pesos das porções conhecidas (peso em gramas), onde as estimativas de ingestão de alimentos (alimentos empratados - resíduos de pratos) são determinadas por: 1) Nutrição AI sem correção do usuário (automática), 2) Nutrição IA com correção do usuário (semi-automatizada)

O erro médio e a análise de Bland-Altman serão realizados para determinar os erros na estimativa da ingestão alimentar do IA de Nutrição em comparação com as estimativas da medida de critério (alimentos pesados).

Erro entre as estimativas médias de ingestão alimentar (kcal) e a ingestão alimentar conhecida (kcal), onde as estimativas de ingestão alimentar (alimento empratado - desperdício de prato) são determinadas por: 1) IA de nutrição sem correção do usuário (automática), 2) IA de nutrição com correção do usuário (semi-automatizada)

O erro médio e a análise de Bland-Altman serão realizados para determinar os erros na estimativa da ingestão alimentar do IA de Nutrição em comparação com as estimativas da medida de critério (alimentos pesados).