Какой трекер калорий используют исследователи в клинических испытаниях? Обзор опубликованных исследований

Когда исследователи разрабатывают клиническое испытание, требующее мониторинга потребления пищи, выбор инструмента отслеживания становится методологическим решением, напрямую влияющим на качество данных. В отличие от потребителей, которые могут выбирать приложение по эстетике или цене, исследователи оценивают приложения для отслеживания по таким критериям, как валидность измерений, возможности экспорта данных, функции соблюдения требований участников и воспроизводимость. Приложения, которые чаще всего встречаются в опубликованных клинических исследованиях, отражают строгий процесс выбора, показывающий, каким инструментам научное сообщество доверяет свои данные.

В этой статье представлен обзор опубликованных клинических исследований, чтобы определить, какие приложения для отслеживания калорий используются в испытаниях, почему исследователи выбирают конкретные приложения и какие функции делают приложение подходящим для научного мониторинга питания.

Таблица обзора по исследованиям

Исследование	Журнал	Год	Используемое приложение	Тип исследования	Размер выборки	Причина выбора этого приложения
Athinarayanan et al.	Frontiers in Endocrinology	2019	Cronometer	RCT	262	Комплексное отслеживание микроэлементов для мониторинга кетогенной диеты
Stringer et al.	Frontiers in Nutrition	2021	Cronometer	Интервенция	42	Достоверность данных USDA/NCCDB для контролируемого анализа питания
Patel et al.	Obesity	2019	Lose It!	RCT	218	Поведенческое вмешательство по снижению веса с отслеживанием через приложение
Turner-McGrievy et al.	JAMA Internal Medicine	2017	Множественные (включая Lose It!)	RCT	96	Сравнение методов самоконтроля питания
Laing et al.	JMIR mHealth uHealth	2014	MyFitnessPal	RCT	212	Оценка осуществимости вмешательства по снижению веса в первичной медицине
Carter et al.	J Med Internet Res	2013	Приложение в стиле MFP	RCT	128	Сравнение приложения и бумажного дневника
Harvey et al.	Appetite	2019	MyFitnessPal	Наблюдательное	1,422	Последовательность ведения записей и результаты снижения веса
Spring et al.	J Med Internet Res	2013	Индивидуальное приложение	RCT	69	Поддерживаемое технологиями мониторинг питания с коучингом
Tosi et al.	Nutrients	2022	MFP, FatSecret, Yazio	Валидация	40 продуктов	Тестирование точности базы данных по сравнению с лабораторными значениями
Chen et al.	J Am Diet Assoc	2019	6 коммерческих приложений	Валидация	180	Сравнение точности нескольких приложений по сравнению с взвешенными записями
Franco et al.	JMIR mHealth uHealth	2016	MFP, Lose It!	Валидация	Клиническое	Оценка точности в программе управления весом
Evenepoel et al.	Obes Sci Pract	2020	MyFitnessPal	Систематический обзор	15 исследований	Комплексный обзор MFP в научных условиях
Hollis et al.	Am J Prev Med	2008	Бумажные записи	RCT	1,685	Золотой стандарт самоконтроля до появления приложений
Burke et al.	J Am Diet Assoc	2011	PDA трекер	RCT	210	Сравнение электронного и бумажного самоконтроля
Ferrara et al.	Int J Behav Nutr Phys Act	2019	Множественные	Систематический обзор	18 исследований	Обзор инструментов самоконтроля питания на основе приложений

Почему исследователи выбирают конкретные приложения

Факторы, определяющие выбор приложений исследователями, принципиально отличаются от приоритетов потребителей. Понимание этих факторов показывает, что научное сообщество ценит в инструменте для отслеживания питания.

Точность и глубина базы данных

Наиболее критичным фактором для исследователей является точность базы данных. Когда данные о потреблении пищи используются для расчета воздействия питательных веществ в клиническом испытании, ошибки в базе данных напрямую приводят к ошибкам измерений, которые могут затушевать эффекты лечения.

Stringer et al. (2021) прямо указали, что они выбрали Cronometer для своего исследования кетогенной диеты из-за использования данных USDA FoodData Central и NCCDB. Исследование требовало точного отслеживания соотношений макронутриентов, чтобы подтвердить, что участники поддерживают нутритивный кетоз, состояние, определяемое конкретными уровнями ограничения углеводов. Ошибка в базе данных в 20 процентов по содержанию углеводов (в пределах диапазона краудсорсинговых баз данных по данным Tosi et al., 2022) могла бы неверно классифицировать участника как находящегося в кетозе или вне его.

Athinarayanan et al. (2019) также выбрали Cronometer для интервенции по диабету 2 типа, требующей детального мониторинга макронутриентов. Модель непрерывного удаленного ухода в исследовании зависела от точных данных о питании для принятия клинических решений по корректировке медикаментов.

Экспорт данных и интеграция

Исследования требуют данных в форматах, совместимых с программным обеспечением для статистического анализа (CSV, SPSS, SAS). Приложения, которые не могут экспортировать детализированные данные о продуктах в структурированном формате, непрактичны для научного использования, независимо от качества их базы данных.

Cronometer предлагает экспорт в формате CSV с разбивкой по питательным веществам на уровне продуктов, что делает его совместимым со стандартными рабочими процессами анализа данных в исследованиях. Эта функция была явно указана как фактор выбора в нескольких опубликованных исследованиях.

Большинство приложений, ориентированных на потребителей, предоставляют только сводные данные (дневные итоги), а не детализированные данные о продуктах, что ограничивает типы анализов, которые могут проводить исследователи. Протоколы исследований часто требуют данных на уровне продуктов для расчета баллов диетических паттернов, определения потребления конкретных групп продуктов или анализа эффектов времени приема пищи.

Соблюдение требований участников и вовлеченность

Самоконтроль питания является обременительным для участников исследований. Приложения, которые минимизируют время ведения записей и снижают трение, улучшают уровень соблюдения, что напрямую влияет на полноту данных.

Laing et al. (2014) обнаружили, что только 3 процента участников их исследования MFP продолжали вести записи через шесть месяцев, что подчеркивает проблему вовлеченности. Эта находка побудила исследователей искать приложения с функциями, которые уменьшают бремя ведения записей.

Функции ведения записей с поддержкой ИИ, такие как распознавание по фотографиям и голосовой ввод, представляют собой значительный шаг вперед для соблюдения требований в исследованиях. Эти функции сокращают время ведения записей с нескольких минут до секунд, что может существенно улучшить долю записанных приемов пищи в многомесячном исследовании.

Комбинация Nutrola из распознавания по фотографиям с поддержкой ИИ, голосового ввода и сканирования штрих-кодов предоставляет три способа ведения записей с низким уровнем трения, которые учитывают различные предпочтения участников и контексты использования. В сочетании с проверенной базой данных USDA, содержащей 1.8 миллиона записей, этот подход поддерживает точность данных на уровне исследований, максимизируя соблюдение требований участников — комбинация, которую трудно достичь с приложениями, оптимизированными только под одну из этих двух целей.

Охват питательных веществ

Исследования, изучающие статус микроэлементов, индексы качества питания или конкретные связи между питательными веществами и заболеваниями, требуют приложений, которые отслеживают широкий набор питательных веществ.

Охват питательных веществ	Cronometer	Nutrola	MFP	Lose It!
Всего отслеживаемых питательных веществ	82+	80+	19 (стандарт)	22
Индивидуальные аминокислоты	Да	Да	Нет	Нет
Индивидуальные жирные кислоты	Да	Да	Частично	Нет
Все 13 витаминов	Да	Да	Частично	Частично
Все необходимые минералы	Да	Да	Частично	Частично
Подтипы диетической клетчатки	Да	Да	Нет	Нет

Исследования, изучающие сердечно-сосудистые результаты, требуют детальных профилей жирных кислот. Исследования по здоровью костей требуют данных о кальции, витамине D и витамине K. Исследования питания для психического здоровья могут требовать отслеживания индивидуальных аминокислот (триптофан, тирозин) для анализа предшественников нейротрансмиттеров. Только приложения, отслеживающие 80 и более питательных веществ, могут поддерживать эти исследовательские приложения.

Стоимость и проблемы с рекламой

Протоколы исследований требуют одинаковых условий для всех участников. Приложения с рекламой представляют собой две методологические проблемы: реклама может влиять на выбор продуктов (реклама продуктов, показываемая во время ведения записей), а непостоянство показа рекламы среди участников вводит неконтролируемую изменчивость.

Модель Nutrola без рекламы по цене 2.50 евро в месяц устраняет обе проблемы. В исследовательском бюджете стоимость предоставления участникам инструмента для отслеживания без рекламы незначительна по сравнению с общей стоимостью исследования, однако методологическая выгода от устранения влияния рекламы имеет значительное значение.

Сравнение функций на уровне исследований

Функция	Cronometer	Nutrola	MFP	Lose It!
Интеграция с USDA FoodData Central	Да	Да (перекрестная проверка)	Дополнительная	Дополнительная
Экспорт данных (CSV)	Да	Да	Ограниченный	Ограниченный
Данные о питательных веществах на уровне продуктов	Да	Да	Только сводные	Только сводные
Протоколы ввода индивидуальных продуктов	Да	Да	Да	Да
Отслеживание соблюдения требований участников	Ограниченное	Через данные о частоте ведения записей	Ограниченное	Ограниченное
Опыт без рекламы	Платный уровень	Все уровни (2.50 евро/мес)	Только платный уровень	Только платный уровень
Ведение записей с помощью ИИ	Нет	Да (фото + голос)	Нет	Нет
Сканирование штрих-кодов	Да	Да	Да	Да

Ландшафт инструментов для исследований за пределами потребительских приложений

Важно рассматривать потребительские приложения в более широком контексте инструментов оценки питания, используемых в исследованиях.

Установленные исследовательские инструменты

ASA24 (Автоматизированный самоадминистрируемый 24-часовой диетический опрос). Разработанный Национальным институтом рака, ASA24 — это веб-инструмент, который направляет участников через структурированный 24-часовой диетический опрос. Он использует базу данных USDA FNDDS и был валидирован в нескольких исследованиях. ASA24 является золотым стандартом для оценки питания в исследованиях, но не предназначен для ежедневного отслеживания.

NDSR (Система данных о питании для исследований). Разработанная Центром координации питания Университета Миннесоты, NDSR является самым полным инструментом анализа диеты для исследований. Он использует базу данных NCCDB и управляется обученными диетологами. NDSR является эталоном, по которому валидируются другие инструменты. Его стоимость лицензии (примерно 4500 долларов в год) делает его непрактичным для крупных исследований, требующих самоотслеживания участников.

Анкеты о частоте потребления пищи (FFQ). Полуколичественные анкеты, которые оценивают обычное потребление пищи за длительные периоды (обычно месяцы или годы). FFQ эффективны для крупных эпидемиологических исследований, но им не хватает повседневной детализации, которую предоставляют приложения для отслеживания.

Где подходят потребительские приложения

Потребительские приложения для отслеживания калорий занимают уникальную нишу в ландшафте инструментов для исследований: они позволяют осуществлять ежедневный, реальный самоконтроль питания в масштабах. Ни ASA24 (периодические опросы), ни NDSR (требует обученных интервьюеров), ни FFQ (ретроспективные оценки) не могут предоставить такие данные.

Для исследований, требующих ежедневного мониторинга питания у свободно живущих участников в течение недель или месяцев, потребительские приложения часто являются единственным практическим вариантом. Ключевой вопрос заключается в том, какое потребительское приложение обеспечивает качество данных, наиболее близкое к инструментам научного уровня, сохраняя при этом удобство использования, необходимое для соблюдения требований участников.

Приложения, такие как Nutrola и Cronometer, которые используют те же базовые источники данных, что и исследовательские инструменты (USDA FoodData Central, национальные базы данных), преодолевают разрыв между доступностью для потребителей и методологией научного уровня.

Новые тенденции: отслеживание с помощью ИИ в исследованиях

Интеграция распознавания продуктов на основе ИИ в исследовательские протоколы является новой тенденцией, которая решает проблему соблюдения требований, выявленную Laing et al. (2014).

Снижение нагрузки на участников. Ведение записей по фотографиям с помощью ИИ сокращает время отслеживания за прием пищи с 3-5 минут (ручной ввод) до 10-30 секунд (сделать фотографию и подтвердить). В 12-недельном исследовании с тремя приемами пищи в день это экономит примерно 15-25 часов на участника. Для исследований с сотнями участников это представляет собой значительное снижение нагрузки на участников, что может улучшить удержание и полноту данных.

Объективная документация порций. Фотографии приемов пищи предоставляют объективную запись, которую могут независимо проверить исследователи или диетологи, добавляя уровень валидации, недоступный при ручном текстовом вводе.

Обработка естественного языка. Ведение записей на основе голоса, как реализовано в Nutrola, позволяет участникам описывать приемы пищи на естественном языке. Этот способ особенно ценен для групп населения, которые считают ручной текстовый ввод обременительным, включая пожилых людей, людей с ограниченной грамотностью и участников полевых исследований.

Критическое требование: проверенная база данных. Полезность ведения записей с помощью ИИ для исследований полностью зависит от точности базы данных, с которой сопоставляются идентифицированные ИИ продукты. ИИ-система, которая правильно идентифицирует "куриную грудку на гриле", но сопоставляет ее с неточной записью из краудсорсинговой базы данных, предоставляет ложную точность: идентификация верна, но данные о питательных веществах неверны. Именно поэтому архитектура Nutrola, сочетающая ведение записей с помощью ИИ с проверенной базой данных, основанной на USDA, особенно хорошо подходит для исследовательских приложений.

Критерии выбора трекера питания научного уровня

Основываясь на наблюдениях, сделанных в опубликованной литературе, следующие критерии определяют потребительское приложение для отслеживания научного уровня:

1. База данных, основанная на USDA FoodData Central или эквивалентной государственной базе данных. Это гарантирует, что общие записи о продуктах основаны на лабораторно проанализированных значениях, а не на оценках, предоставленных пользователями.

2. Профессиональная проверка записей, не относящихся к USDA. Брендированные продукты и региональные продукты, которые отсутствуют в USDA, должны проходить профессиональную проверку, а не приниматься из краудсорсинговых заявок без валидации.

3. Отслеживание 60 и более питательных веществ. Исследования, изучающие микроэлементы, качество питания или конкретные связи между питательными веществами и здоровьем, требуют комплексного охвата питательных веществ.

4. Экспорт данных на уровне продуктов в стандартных форматах. Экспорт в формате CSV или эквивалент, позволяющий анализ в R, SPSS, SAS или Python.

5. Низкое трение при ведении записей для максимизации соблюдения требований. Ведение записей с помощью ИИ (фото, голос, штрих-код) снижает нагрузку на участников и улучшает полноту данных.

6. Опыт без рекламы. Устраняет влияние рекламы и снижает отвлечение участников во время ведения записей.

7. Последовательный пользовательский опыт. Отсутствие изменений в функциях или интерфейсе в течение периода исследования, которые могут повлиять на поведение ведения записей.

Nutrola соответствует всем семи критериям: база данных, основанная на USDA и перекрестно проверенная, записи, проверенные диетологами (1.8 миллиона), отслеживание более 80 питательных веществ, ведение записей с помощью ИИ (фото и голос), сканирование штрих-кодов, отсутствие рекламы по цене 2.50 евро в месяц и доступность на iOS и Android.

Часто задаваемые вопросы

Какое приложение для отслеживания калорий наиболее часто используется в клинических исследованиях?

По объему цитирования MyFitnessPal встречается чаще всего в опубликованных исследованиях, в значительной степени благодаря своему доминированию на рынке. Однако для контролируемых диетических интервенций, где критична точность данных, предпочтение отдается Cronometer. Исследователи выбирают приложения на основе методологии базы данных и возможностей экспорта данных, а не популярности.

Почему исследователи не используют просто MyFitnessPal, если оно самое популярное?

Популярность и соответствие исследованиям — это разные критерии. Множество исследований (Tosi et al., 2022; Evenepoel et al., 2020) задокументировали проблемы с точностью краудсорсинговой базы данных MFP. Исследователи, проводящие исследования точного питания или контролируемые диетические интервенции, требуют более точных данных, чем те, которые MFP предоставляет последовательно. MFP используется в исследованиях, где потребление пищи является второстепенной переменной, и приблизительные оценки приемлемы.

Можно ли использовать Nutrola в клинических исследованиях?

Методология Nutrola соответствует требованиям научного уровня: основа на USDA FoodData Central, перекрестная проверка диетологами, отслеживание более 80 питательных веществ и ведение записей с помощью ИИ для максимизации соблюдения требований участников. Его 1.8 миллиона проверенных записей, возможности экспорта данных и отсутствие рекламы по цене 2.50 евро в месяц делают его подходящим для исследовательских протоколов, требующих ежедневного мониторинга питания с точностью и вовлечением участников.

В чем разница между исследовательскими инструментами для диеты (ASA24, NDSR) и потребительскими приложениями?

ASA24 и NDSR предназначены для периодической оценки питания, проводимой или контролируемой обученными специалистами. Потребительские приложения (Nutrola, Cronometer, MFP) разработаны для ежедневного самоотслеживания индивидуумами без профессиональной подготовки. Потребительские приложения превосходят в непрерывном, реальном мониторинге, но могут жертвовать некоторой методологической строгостью. Приложения с базами данных, основанными на USDA (Nutrola, Cronometer), значительно сокращают этот разрыв.

Заменит ли отслеживание калорий с помощью ИИ традиционные методы оценки диеты в исследованиях?

Отслеживание с помощью ИИ вряд ли полностью заменит установленные методы, такие как NDSR или ASA24, но будет все больше дополнять их. Основная исследовательская ценность отслеживания с помощью ИИ заключается в снижении нагрузки на участников (улучшение соблюдения и полноты данных) в сочетании с объективной фотодокументацией. Критическое требование заключается в том, чтобы идентификация с помощью ИИ была сопоставлена с проверенной базой данных о питательных веществах. Приложения, такие как Nutrola, которые объединяют удобство ведения записей с помощью ИИ с точностью данных, проверенной USDA, лучше всего подходят для этого нового исследовательского применения.