Giltighet av ett AI-baserat program för att identifiera livsmedel och uppskatta matportionsstorlek (PortionSizeAI)

• Träning och användning av Openfit
• Använda appen för att uppskatta matintag från simulerade måltider i ett laboratorium på PBRC eller LSU (deltagare kommer inte att äta mat under måltiderna)
• Betygsätt användbarheten och tillfredsställelsen av appen

Avtal kring identifikation av tillhandahållen mat och dryck jämfört med känd identifikation, på artikelnivå och över alla artiklar där identifiering bestäms av: 1) Nutrition AI utan korrigering (automatiserad), 2) Nutrition AI med användarkorrigering (halvautomatisk)

För att ett livsmedel som identifierats genom Nutrition AI ska anses vara en exakt matmatchning måste namnet på den identifierade maten stämma överens med eller stämma överens med maten som serveras. Till exempel är en fruktcocktail identifierad som en fruktsallad en acceptabel matchning. Proportioner kommer att användas för att bedöma huruvida procentandelen av livsmedel som pläterats som identifierades korrekt av Nutrition AI skiljer sig från procentandelen livsmedel som korrekt identifieras med en kriteriummetod (human rater). Beskrivande data kommer också att användas för att beskriva frekvensen vid vilken mat som pläterats korrekt identifierades för alla livsmedel för alla deltagare. Totalt testades 255 livsmedel bland alla deltagare.

Fel mellan medeluppskattningar av mat pläterad (kcal) och känd mat pläterad (kcal), bestämt av: 1) Nutrition AI utan användarkorrigering (automatiserad), 2) Nutrition AI med användarkorrigering (halvautomatisk)

Medelfel och Bland-Altman-analys kommer att utföras för att bestämma fel vid uppskattning av mat som pläterats från Nutrition AI jämfört med uppskattningar från kriteriemåttet (vägd mat).

Efter att ha slutfört bedömningen av mat som är pläterad kommer deltagarna att fylla i en undersökning om användarnöjdhet (USS). USS har anpassats från en tidigare version som användes för att bedöma användbarheten av en mobilapplikation för kostbedömning. USS innehåller fem kvantitativa frågor och tre öppna svarsfrågor. De kvantitativa frågorna kommer var och en att bedömas med hjälp av en 6-gradig Likert-skala, där 1 är lägsta och sämsta poäng, och 6 är högsta och bästa poäng.

Data för var och en av de fem kvantitativa svaren i USS kommer att beräknas i medeltal mellan deltagarna och presenteras separat som medelvärde (SD). Öppna svar kommer att utvärderas med hjälp av kvalitativa metoder för att identifiera gemensamma teman.

Överenskommelse kring identifiering av tallriksavfall jämfört med känd identifiering, på artikelnivå, och över alla poster, där identifiering bestäms av: 1) Nutrition AI utan användarkorrigering (automatiserad), 2) Nutrition AI med användarkorrigering (halvautomatisk)

För att ett livsmedel som identifierats genom Nutrition AI ska betraktas som en exakt matmatchning måste namnet på den identifierade maten matcha eller vara en nära matchning med maten som serveras. Till exempel är en fruktcocktail identifierad som en fruktsallad en acceptabel matchning. Proportioner kommer att användas för att bedöma om andelen livsmedel som identifierades korrekt av Nutrition AI skiljer sig från procentandelen livsmedel som korrekt identifieras med en kriteriummetod (human rater). Beskrivande data kommer också att användas för att beskriva den frekvens vid vilken plåtavfall identifierades korrekt.

Fel mellan medeluppskattningar av portionsvikter (gramvikt) och kända portionsvikter (gramvikt), där uppskattningar av tallriksavfall bestäms av: 1) Nutrition AI utan användarkorrigering (automatiserad), 2) Nutrition AI med användarkorrigering (semi- automatiserad)

Medelfel och Bland-Altman-analys kommer att utföras för att fastställa fel i uppskattningen av tallrikavfall från Nutrition AI jämfört med uppskattningar från kriteriemåttet (vägd mat).

Fel mellan medeluppskattningar av portionsstorlek (kcal) och känd portionsstorlek (kcal), där uppskattningar av tallriksavfall bestäms av: 1) Nutrition AI utan användarkorrigering (automatiserad), 2) Nutrition AI med användarkorrigering (halvautomatisk)

Medelfel och Bland-Altman-analys kommer att utföras för att fastställa fel i uppskattningen av tallrikavfall från Nutrition AI jämfört med uppskattningar från kriteriemåttet (vägd mat).

Efter genomförd bedömning av plåtavfall kommer deltagarna att fylla i en användarnöjdhetsundersökning. Utredarna anpassade en undersökning om användarnöjdhet med 10 frågor som har administrerats i tidigare studier för att kvantifiera tillfredsställelse, användarvänlighet och lämpligheten av utbildning för mobilappar.

Svar på frågeformuläret om användarnöjdhet kommer att bedömas med hjälp av frekvenser och procentsatser för Likert-skaladata. Öppna svar kommer att utvärderas med hjälp av kvalitativa metoder för att identifiera gemensamma teman.

Fel mellan medeluppskattningar av portionsvikter (gramvikt) och kända portionsvikter (gramvikt), där uppskattningar av matintag (mat pläterad - tallrikavfall) bestäms av: 1) Nutrition AI utan användarkorrigering (automatiserad), 2) Nutrition AI med användarkorrigering (halvautomatisk)

Medelfel och Bland-Altman-analys kommer att utföras för att fastställa fel vid uppskattning av födointag från Nutrition AI jämfört med uppskattningar från kriteriummåttet (vägd mat).

Fel mellan medeluppskattningar av födointag (kcal) och känt födointag (kcal), där uppskattningar av födointag (mat pläterade - tallrikavfall) bestäms av: 1) Nutrition AI utan användarkorrigering (automatiserad), 2) Nutrition AI med användarkorrigering (halvautomatisk)

Medelfel och Bland-Altman-analys kommer att utföras för att fastställa fel vid uppskattning av födointag från Nutrition AI jämfört med uppskattningar från kriteriummåttet (vägd mat).