A Mobile Phone App for Dietary Intake Assessment in Adolescents: An Evaluation Study
Notice bibliographique
Résumé
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».