Rx Food App: A Proof-of-Concept Study of an Image-Based Dietary Assessment Mobile Application
Notice bibliographique
Résumé
To determine if Rx Food, an image-based dietary assessment app powered by artificial intelligence, can derive comparable nutritional composition estimates compared to calculated methods. Sub-group analyses assessed differences between composite (i.e., multiple ingredients) and single item foods. Food items were selected for testing based on their frequency of consumption among patients attending a weight management clinic. Food photos were uploaded, and serving sizes entered, into the app which generated estimated nutrient data. The nutritional composition of foods was also analyzed with ESHA Food Processor software. Nutrient estimates between the methods were compared using paired t-tests, Pearson correlation coefficients, and Bland-Altman plots for energy, carbohydrates, protein, total fat, fibre, total sugar and sodium. Thirty-nine food items were analyzed [n = 10 (27%) composite items and n = 29 (73%) single item foods]. There were no statistically significant differences in the mean differences in estimates from Rx Food and calculated values for all nutrients: −4.3 ± 29.2 kcal for energy, −0.4 ± 2.6 g for carbohydrates, −0.1 ± 1.9 g for protein, −0.3 ± 1.7 g for fat, −0.2 ± 2.3 g for fibre, 0.01 ± 1.4 g for sugar, and −33 ± 135 mg for sodium. Among all food items, a strong, significant correlation (r > 0.80; P < 0.05) was observed for all nutrients except fibre (r = 0.552; P < 0.001). In the Bland-Altman plots for all foods, significant bias was found for fibre (r = 0.562; P < 0.001), fat (r = 0.562; P = 0.025), and sodium (r = 0.359; P = 0.025), suggesting that Rx Food may underestimate nutrient composition at higher levels. Subgroup analyses of composite items showed significant strong correlations for energy, carbohydrates, protein, and sugar (r > 0.80; P < 0.05), significant moderate correlations (r = 0.60–0.79; P < 0.05) for fat and fibre, but not for sodium (r = 0.591; P = 0.072). Single item analysis showed significant correlations for all nutrients (r > 0.80; P < 0.05). This preliminary data shows that Rx Food has the potential to be an accurate, image-based, low burden tool to calculate nutrient composition of foods. These findings justify further research to determine the validity of Rx Food in its ability to generate accurate nutrient intake data as a dietary assessment tool. N/A.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».