MétaCan
Menu
Retour à la cohorte
Enregistrement W2179077788 · doi:10.2196/mhealth.4804

A Mobile Phone App for Dietary Intake Assessment in Adolescents: An Evaluation Study

2015· article· en· W2179077788 sur OpenAlexvenueno aff
Åsa Svensson, Christel Larsson

Notice bibliographique

RevueJMIR mhealth and uhealth · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesUmeå UniversitetSvenska Forskningsrådet FormasVetenskapsrådetVårdalstiftelsen
Mots-clésMobile phoneMedicinemHealthMobile appsPsychologyDemographyComputer sciencePsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is a great need for dietary assessment methods that suit the adolescent lifestyle and give valid intake data. OBJECTIVE: To develop a mobile phone app and evaluate its ability to assess energy intake (EI) and total energy expenditure (TEE) compared with objectively measured TEE. Furthermore, to investigate the impact of factors on reporting accuracy of EI, and to compare dietary intake with a Web-based method. METHODS: Participants 14 to 16 years of age were recruited from year nine in schools in Gothenburg, Sweden. In total, 81 adolescents used the mobile phone app over 1 to 6 days. TEE was measured with the SenseWear Armband (SWA) during the same or proximate days. Individual factors were assessed with a questionnaire. A total of 15 participants also recorded dietary intake using a Web-based method. RESULTS: The mobile phone app underestimated EI by 29% on a group level (P<.001) compared to TEE measured with the SWA, and there was no significant correlation between EI and TEE. Accuracy of EI relative to TEE increased with a weekend day in the record (P=.007) and lower BMI z-score (P=.001). TEE assessed with the mobile phone app was 1.19 times the value of TEE measured by the SWA on a group level (P<.001), and the correlation between the methods was .75 (P<.001). Analysis of physical activity levels (PAL) from the mobile phone app stratified by gender showed that accuracy of the mobile phone app was higher among boys. EI, nutrients, and food groups assessed with the mobile phone app and Web-based method among 15 participants were not significantly different and several were significantly correlated, but strong conclusions cannot be drawn due to the low number of participants. CONCLUSIONS: By using a mobile phone dietary assessment app, on average 71% of adolescents' EI was captured. The accuracy of reported dietary intake was higher with lower BMI z-score and if a weekend day was included in the record. The daily question in the mobile phone app about physical activity could accurately rank the participants' TEE.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,347
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,207
Tête enseignante GPT0,550
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207