Prototyping the Automated Food Imaging and Nutrient Intake Tracking System: Modified Participatory Iterative Design Sprint
Notice bibliographique
Résumé
Background: A total of 45% of older adults living in long-term care (LTC) have some form of malnutrition. Several methods of tracking food and fluid intake exist, but they are limited in terms of their accuracy and ease of application. An easy-to-use, objective, accurate, and comprehensive food intake system designed with LTC in mind may provide additional insights regarding nutritional support systems and nutritional interventions. Objective: The aim of this study was to conduct a multistage participatory iterative design sprint of a Goldilocks quality horizontal prototype for the Automated Food Imaging and Nutrient Intake Tracking (AFINI-T) system. Specific design objectives included the following: (1) identify practice-relevant problems and solutions through user-centered participatory design, (2) mitigate feasibility-related barriers to uptake, and (3) employ user-centered technology development. Methods: A 6-stage iterative participatory design sprint was developed and executed. A total of 38 participants and advisors representing 15 distinct roles (eg, personal support worker, nurse, and dietitian) were engaged in the design sprint. Subjective workload (Raw Task Load Index), subjective usability scales, and a modified Ravden checklist were used to assess project advisors’ perceptions of the AFINI-T system prototype compared with the current method of food and fluid intake charting. Results: The top priorities for this system were identified as the following: ease of use, high accuracy, system reliability, ease of maintenance, and requirement of integrating with the current PointClickCare system. Data from project advisors informed design decisions leading to a Goldilocks quality horizontal prototype of the AFINI-T system. Compared with the current food and fluid intake charting system, AFINI-T was perceived to have the following: less time demands (t10.8=4.89; P<.001), less effort (t13.5=5.55; P<.001), and less frustration (t13.0=3.80; P=.002). Usability ratings of the AFINI-T prototype were high, with a subjective usability score mean of 89.2 and the highest ratings on a modified Ravden usability checklist of “very satisfactory” for 7 out of 8 sections. Conclusions: The AFINI-T concept system appears to have good practice relevance as a tool for an intelligent food and fluid intake tracking system in LTC. The AFINI-T concept system may provide improvement over the current system, and advisors are keen to try the AFINI-T system. This research gives tangible examples of how the sprint method can be adapted and applied to the development of novel needs-based application-driven technology.
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 | 0,035 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».