Shigeko Kato

1 Departamentul de Informatică de Sănătate Omniprezentă, Școala Absolventă de Medicină, Universitatea din Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo, 113-8655 Japonia

Kayo Waki

1 Departamentul de Informatică de Sănătate Omniprezentă, Școala Absolventă de Medicină, Universitatea din Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo, 113-8655 Japonia

2 Departamentul de Diabet și Boli Metabolice, Școala Absolventă de Medicină, Universitatea din Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo, 113-8655 Japonia

Sadako Nakamura

3 Institutul de Alimentație, Nutriție și Sănătate, Universitatea Jumonji, 2-1-28 Sugasawa, Niiza-Shi, Saitama 352-8510 Japonia

4 Division of Nutrition Science, Graduate School of Human Health Science, University of Nagasaki, Siebold, 1-1-1 Manabino, Nagayo-chyo, Nagasaki, 851-2195 Japonia

Sanae Osada

5 Junior College, Department of Food and Nutrition, Kagawa Education Institute of Nutrition, 3-24-3, Komagome, Toshima-ku, Tokyo, 170-8481 Japonia

Haruka Kobayashi

6 Departamentul de afaceri al asistenței medicale Departamentul de soluții de viață inteligentă, NTT DOCOMO, Inc., 2-11-1 Nagatacho, Chiyoda-ku, Tokyo, 100-6111 Japonia

Hideo Fujita

1 Departamentul de Informatică de Sănătate Omniprezentă, Școala Absolventă de Medicină, Universitatea din Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo, 113-8655 Japonia

Takashi Kadowaki

2 Departamentul de Diabet și Boli Metabolice, Școala Absolventă de Medicină, Universitatea din Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo, 113-8655 Japonia

Kazuhiko Ohe

7 Departamentul de Informatică Medicală, Școala de Medicină, Universitatea din Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo, 113-8655 Japonia

Date asociate

Abstract

fundal

Acuratețea estimării aportului nutrițional și a echilibrului din fotografiile meselor nu a fost bine documentată. Cu toate acestea, DialBetics (DB) - sistemul nostru de asistență pentru auto-gestionarea diabetului, care se bazează pe tehnologiile informației și comunicării - se bazează pe fotografiile pe care pacienții cu diabet zaharat de tip 2 le iau din mesele lor cu smartphone-urile. Prin urmare, am proiectat un studiu pentru a evalua această acuratețe.

Metode

Am pregătit 61 de feluri de mâncare a căror cantitate/valoare reală a energiei totale și a fiecărui nutrient erau cunoscute: proteine, grăsimi, carbohidrați, fibre dietetice și sare. Balanța lor - raportul proteină-grăsime-carbohidrați - era de asemenea cunoscută, constituind înregistrarea alimentelor cântărite (WFR). Au fost făcute fotografii cu smartphone-urile acelor feluri de mâncare și trei dietetici înregistrați au evaluat fiecare fel de mâncare din acele fotografii, denumind felul de mâncare și estimând cantitatea fiecărui nutrient din acesta, plus echilibrul felului de mâncare. Aceste valori estimate ale DB și WFR au fost comparate utilizând testul Wilcoxon cu perechi potrivite de sumă de rang; au fost calculați coeficienții de corelație intraclasă (ICC). Acordul dintre cele două valori pentru fiecare fel de mâncare a fost evaluat prin analiza Bland-Altman.

Rezultate

Au existat ICC semnificative - 0,84 pentru grăsimi (95% interval de încredere 0,75-0,90) și 0,93 pentru carbohidrați (0,88, 0,96) - dar nu au existat diferențe semnificative statistic între DB și WRF pentru alți nutrienți sau echilibru. Analiza Bland-Altman a arătat că diferențele dintre cele două valori au fost aleatorii și nu influențate de aportul de nutrienți; Limitele de acord de 95% erau acceptabile, deși largi (energie -198 până la 210 kcal/vas; carbohidrați -22,7 până la 25,8 g/vas).

Concluzie

Evaluarea dietei DB prin fotografii este fiabilă, cu un potențial aparent de evaluare a dietelor.

Material suplimentar electronic

Versiunea online a acestui articol (doi: 10.1007/s13340-015-0240-0) conține materiale suplimentare, care sunt disponibile utilizatorilor autorizați.

Introducere

Dietele planificate și autogestionarea sunt necesități de bază pentru ca pacienții cu diabet zaharat să mențină controlul glicemic [1, 2]. Dieteticienii îi sfătuiesc pe pacienți cu privire la dieta lor pe baza obiceiurilor alimentare ale fiecărui pacient, așa cum rezultă din evidența alimentelor cântărite (WFR) și a rechemărilor de 24 de ore (24 hR). Cu toate acestea, astfel de metode retrospective de stabilire a dietei pacienților suferă de dependența de memoria fiecărui pacient și de potențialele tendințe de rechemare și raportare greșită [3]. Pe de altă parte, prescripția prospectivă a dietelor stabilite poate pune o sarcină mare asupra pacientului și aproape sigur înseamnă modificarea aportului obișnuit [3].

Tehnologiile informației și comunicațiilor (TIC) fac posibilă înregistrarea dietei exacte a pacienților cu fotografii și date text folosind dispozitive precum telefoane mobile, smartphone-uri și tablete. Înregistrările dietetice cu fotografii digitale pot îmbunătăți calitatea datelor, consistența și completitudinea înregistrării alimentelor [4]. Prin urmare, multe studii au folosit fotografii de masă pentru a completa metodele mai tradiționale de constatare a consumului de alimente pentru studii epidemiologice și studii clinice dietetice ale WFR sau 24hRs [4-6]. Odată cu utilizarea tot mai răspândită a smartphone-urilor, au fost dezvoltate diverse aplicații pentru smartphone-uri (aplicații) pentru înregistrări dietetice și autogestionare [7]. Unele aplicații oferă unele sau toate aceste funcții precum monitorizarea administrării insulinei, controlul glicemic, activitatea fizică și înregistrarea dietei.

Noile metode inovatoare de evaluare a aportului alimentar cu dispozitive mobile se încadrează în cinci categorii: jurnale electronice de hrană, evaluări auto-realizate asistate de fotografierea alimentelor, 24hR, analiza fotografiilor cu alimente de către dieteticieni instruiți și analiza automată a fotografiei alimentare [5]. Un studiu al unei aplicații pentru a facilita pierderea în greutate (My Meal Mate) a raportat consumuri de energie care s-au corelat favorabil cu 24hR ca mijloc de estimare a consumului de grup [3]. Fukuo și colab. au investigat pacienții cu diabet zaharat de tip 2 și au dezvoltat o aplicație care să le permită să țină jurnalele alimentare cu fotografii folosind un asistent digital personal de mână (PDA), iar anchetatorii au găsit un acord bun între PDA și 24hR în ceea ce privește aportul de energie și macronutrienți [8]. ]. Aceste descoperiri sugerează că aplicațiile de înregistrare a alimentelor cu fotografii au un potențial bun ca instrument de evaluare a dietelor. Cu toate acestea, validitatea utilizării fotografiilor de masă pe smartphone pentru a măsura aportul alimentar nu a fost examinată cu rigoarea necesară. În consecință, în timp ce studiile anterioare au comparat estimările aportului nutrițional de către aplicațiile bazate pe TIC cu cele ale 24 de ore (adesea falibile) bazate pe memorie, pentru o mai mare acuratețe am comparat evaluările efectuate de sistemul nostru cu cele din WFR făcute de dietetici instruiți.

Am dezvoltat un sistem de asistență de auto-management bazat pe smartphone pentru pacienții cu diabet zaharat de tip 2 numit „DialBetics” (DB) [9]. DB prezintă un sistem automat de evaluare și feedback pentru datele biologice ale fiecărui pacient (nivelul glicemiei, greutatea corporală și tensiunea arterială), înregistrarea alimentelor și activitatea fizică. Am raportat că - într-un studiu randomizat de 3 luni - pacienții cu diabet zaharat de tip 2 care au utilizat DB și-au îmbunătățit semnificativ HbA1c în comparație cu un grup de control care nu a utilizat DB (-0,4 ± 0,8%, p = 0,01) [10].

În studiul de față, am investigat validitatea măsurării aportului alimentar al pacienților prin intermediul fotografiilor cu masa lor introdusă în DB. Ingredientele, greutatea și valorile nutrienților vaselor pe care le-am pregătit, fotografiate de smartphone și introduse pentru a simula aportul pacienților, au fost măsurate cu precizie. Au fost comparate valorile nutrienților cunoscuți pentru fiecare WFR și valorile estimate provenite de la DB.

Materiale și metode

Poate că caracteristica cheie a DB este o evaluare dietetică de către dieteticienii înregistrați (RD) a fotografiilor meselor pacientului, cu acele evaluări și câteva mesaje simple despre obiceiurile alimentare alimentate înapoi pacienților. În acest studiu, am efectuat un test oarbă - cu fotografii cu feluri de mâncare pe care le-am pregătit special - pentru a determina validitatea evaluării aportului nutrițional cu fotografiile smartphone-ului.

Pe scurt, fără să știe cei trei RD care făceau evaluarea, un al doilea set de opt RD-uri au pregătit feluri de mâncare și le-au făcut fotografii pe smartphone; fotografiile au fost trimise aleatoriu către RD-urile de evaluare (prin DB) ca și cum ar proveni de la pacienți. Apoi am putea evalua cât de bine au estimat conținutul nutrițional din cele trei fotografii de masă ale pacienților, observând cât de aproape erau estimările lor de valorile cunoscute ale preparatelor preparate în RD. Trebuie subliniat din nou că cei trei RD care evaluează nu știau că se efectuează acest test.

Criterii de selecție și clasificare a felurilor de mâncare

Record de mâncare cântărit pentru feluri de mâncare

A existat câte un WFR pentru fiecare dintre preparatele preparate. Toate ingredientele, inclusiv condimentele, au fost măsurate cu un cântar digital de gătit (Shimadzu PZ-2000, Shimadzu Corp., Kyoto, Japonia), pahar de măsurare sau lingură de măsurare. RD-urile au înregistrat numele fiecărui fel de mâncare și ingredientele sale, cu greutăți măsurate. Conținutul de energie și nutrienți al fiecărui fel de mâncare a fost calculat astfel: tuturor ingredientelor li s-a dat codul alimentar găsit în tabelele standard de compoziție alimentară pentru Japonia, ediția 2010; pe baza acestui cod, valorile nutrienților pentru greutățile măsurate au fost analizate de software-ul Eiyokun (versiunea 6.0, Kenpakusha Corp., Tokyo, Japonia). Suma valorilor nutrienților a fost înregistrată pentru fiecare fel de mâncare. Știam astfel conținutul exact de energie și cantitatea/valorile a cinci substanțe nutritive - proteine, grăsimi, carbohidrați, fibre alimentare și sare - și echilibrul acestora, adică raportul proteină-grăsime-carbohidrat (PFC) pentru fiecare fel de mâncare, date obisnuite solicitat în studiile de dietă și accentul pe prevenirea hipertensiunii.

Pregătirea fotografiei

Mâncărurile pregătite au fost așezate în combinațiile și tiparele de masă obișnuite în Japonia (cu bețișoare sau tacâmuri pentru autenticitate) pe o față de masă cu un model pătrat tipic de 4,5 × 4,5 cm. Fotografiile care urmează să fie introduse în DB au fost realizate de smartphone la un unghi de 45-60 ° pentru a arăta adâncimea vaselor, asigurându-se că fiecare vas este complet vizibil. Fiecare fel de mâncare a fost folosit o singură dată, iar felurile de mâncare au fost grupate pentru a constitui mese tipice. În total, au fost făcute 24 de fotografii de masă: mese compuse din două feluri de mâncare (n = 13), trei feluri de mâncare (n = 9) și patru feluri de mâncare (n = 2).

Evaluare dietetică folosind DialBetics

Din fotografiile introduse în DB, trei RD-uri instruite au identificat fiecare fel de mâncare din masă și au estimat ingredientele sale și metoda utilizată pentru a-l găti. De asemenea, au estimat dimensiunea fiecărei porții, apoi au combinat toate aceste date pentru a evalua aportul alimentar. Au calculat valorile nutrienților folosind baza de date DB. Odată ce au identificat fiecare fel de mâncare din fotografia mesei, au ales acele feluri de mâncare (sau echivalentul lor - adică ingrediente și metode de gătit similare) din baza de date, apoi au calculat valorile nutrienților pentru dimensiunea porției în conformitate cu baza de date. După cum sa menționat, acești RD nu pregătiseră vasele și nu știau despre originea lor și nici măcar că se desfășura acest proces.

Deoarece cei trei RD au fost instruiți în mod special pentru a evalua aportul alimentar folosind fotografii de masă - și au avut experiență în acest sens pentru diverse companii, estimările lor fiind încadrate în variații acceptabile - fotografiile (atât de la pacienți, cât și pentru studiul orb) ar putea să fie trimise la întâmplare, fiecare fotografie mergând la un singur RD pentru evaluare. Datorită pregătirii și experienței lor dovedite, nu a fost nevoie de mai multe evaluări ale fotografiilor.

Identificarea fiecărui fel de mâncare după nume

Evident, pentru o evaluare exactă a aportului alimentar, RD trebuie să poată identifica, din fotografii, numele fiecărui fel de mâncare dintr-o masă și să-i estimeze valorile nutriționale. Această identificare trebuie să includă identificarea corectă a componentelor vasului: ingredientele și metoda de gătit [12]. Prin urmare, am definit identificarea exactă a meselor foto ca fiind doar cele care se potriveau cu mesele enumerate în Suplimentul 1 sau erau echivalente cu acele mese din principalele ingrediente și metoda de gătit folosite pentru a le prepara. De exemplu, dacă dieteticianul a identificat un fel de mâncare ca „tempura de legume”, dar de fapt a fost „tempura de ciuperci shitake”, am considerat că este corect. Dacă dieteticianul a folosit un nume diferit de cel din baza de date, dar era în mod clar același fel de mâncare, acesta era și el corect. Orice altă identificare a fost considerată inexactă.

analize statistice

Analizele au fost efectuate utilizând software-ul statistic STATA, versiunea 12 (Stata Corp.). Testul de sumă de rang cu perechi potrivite Wilcoxon a fost utilizat pentru a compara media de energie a grupului (kcal) și valoarea macronutrienților măsurată atât de WFR, cât și de DB.

Corelația dintre cele două metode pentru determinarea fiecărei energii și a valorii macronutrienților a fost evaluată prin coeficientul de corelație intraclasă (ICC) (analiza unică a varianței, acordul absolut și măsurile individuale). Pentru analizele ICC, toate datele au fost transformate în jurnal pentru a îmbunătăți distribuția înclinată. Acordul dintre cele două metode a fost evaluat folosind regresia Bland-Altman; diferențele medii de energie și valoarea macronutrienților dintre metode au fost reprezentate grafic față de valoarea medie, iar limitele de acord de 95% au fost marcate.

Rezultate

Precizia DialBetics în comparație cu înregistrarea alimentelor cântărite

Acord între cele două metode

Figura 1 prezintă graficul Bland-Altman pentru acordul dintre DB și WFR; diferențele medii sunt mici, dar limitele de 95% ale acordului sunt largi pentru energie și macronutrienți (energie -198 până la 210 kcal, proteine ​​-10,7 până la 9,8 g, grăsimi -13,0 până la 13,7 g, carbohidrați -22,7 până la 25,8 g, fibre dietetice - 2,2 la 2,6 g, sare -2,8 la 2,8 g). Deși parcelele pentru fiecare nutrient prezintă câteva valori aberante, majoritatea măsurătorilor sunt împrăștiate de-a lungul liniei de egalitate. Astfel, comploturile arată un acord bun între cele două metode. Acestea indică faptul că diferențele au fost aleatorii și nu au demonstrat nicio prejudecată sistematică.

validarea

Grafic Bland-Altman pentru valorile nutrienților calculate din DialBetics (DB) și înregistrarea alimentelor cântărite (WFR). A Plot pentru energie, limitele acordului sunt -198 până la 210 kcal, p = 0,30; b grafic pentru proteine, limitele acordului sunt de -10,7 până la 9,8 g, p = 0,50; c grafic pentru grăsime, limitele acordului sunt de -13,0 până la 13,7 g, p = 0,67; d grafic pentru carbohidrați, limitele acordului sunt de -22,7 până la 25,8 g, p = 0,22; e grafic pentru fibre dietetice, limitele acordului sunt de -2,2 până la 2,6 g, p = 0,15; f grafic pentru sare, limitele acordului sunt de -2,8 până la 2,8 g, p = 0,19. Toate parcelele nu au prezentat erori sistematice

Efectele evaluării exacte a vaselor asupra estimării aportului de nutrienți

Discuţie

Acuratețea estimării aportului nutrițional și a echilibrului din fotografiile meselor nu a fost bine studiată. Prin urmare, a fost de remarcat faptul că, în studiul de față, cu aceleași feluri de mâncare, corelațiile dintre DB și WFR pentru energie, macronutrienți, fibre dietetice și sare au fost moderate până la ridicate cu ICC de la 0,84 la 0,93 și un interval îngust de 95% CI. Cu mâncăruri individuale, parcelele Bland-Altman au prezentat limite destul de largi de acord pentru energia totală și alți nutrienți. La nivel de grup, când vasele au fost analizate împreună, calculând media energiei totale și fiecare nutrient din toate vasele, energia totală și alți nutrienți nu au fost semnificative statistic. Astfel, DB pare să aibă potențial ca instrument de evaluare dietetică.

Același lucru ar fi valabil și pentru studiul nostru. Cu toate acestea, studiul nostru arată că identificarea corectă a numelui unui aliment sau fel de mâncare tinde să conducă la estimarea corectă a mărimii porției, ceea ce, la rândul său, are ca rezultat o estimare mai precisă a energiei și a macronutrienților pentru fiecare fel de mâncare.

Punctele forte ale prezentului studiu includ o comparație a DB cu WFR, o evaluare a unui model alimentar japonez comun și un test al capacității DB de a măsura cu precizie aportul de nutrienți în mediul normal așteptat pentru utilizarea aplicației. O limitare potențială este numărul relativ mic de feluri de mâncare utilizate pentru studiu și faptul că acestea erau în mare parte feluri de mâncare japoneze, limitând generalizabilitatea la alte populații. În plus, utilizarea DB - în special funcția sa de înregistrare a alimentelor - a scăzut de-a lungul mai multor săptămâni, limitând numărul de feluri de mâncare pentru evaluare [10]. Validitatea DB ar putea fi afectată dacă numărul de feluri de mâncare înregistrate a fost prea mic pentru a efectua o evaluare dietetică la nivel de grup.

Ca instrument de evaluare dietetică, BD ar putea fi considerată scumpă, deoarece dieteticienii efectuează evaluarea. Automatizarea modulului de evaluare a dietei va reduce costurile în timp ce va oferi feedback pacienților cu privire la dietă și modificările sugerate mai rapid. Munca noastră continuă să investigheze reducerea costurilor și timpul prin automatizarea modulului de evaluare dietetică a DB.

În concluzie, funcția de evaluare a dietei DB este asociată - și în acord - cu WFR, validând utilizarea fotografiilor de masă pentru a evalua aportul nutrițional al pacientului, cel puțin în Japonia. Sunt necesare teste suplimentare cu alte (și mai mari) populații de studiu care utilizează diferite modele alimentare pentru a înțelege aplicabilitatea clinică mai largă a DB.

Material suplimentar electronic

Mai jos este linkul către materialul suplimentar electronic.