我们基于以用户为中心的设计方法开发应用程序[ 18， 20.- 22]。关键的开发步骤包括对相关文献和商业移动应用程序的审查。创新的设计理念被集思广益，然后进行审查，以开发帮助不同年龄段的用户选择个性化食品的概念。一名医生和两名营养师根据可用性、膳食信息的完整性和准确性评估了最初的原型。最终确定了两种备选方案。此外，在随机试验中，从可用性的角度对这两种原型进行了评估，以比较其准确性和反应时间的可用性，以反映预定膳食中的实际食物。

提出了定制食品标识的组合概念。食品以一种或多种主要食品成分以及影响每种食品的热量和常量营养素含量的相关副成分的选择来表示。副成分在本文中被称为“食品属性”。每一种主要的食物成分在文化上被认为代表了一个主要的食物群体。例如，摩卡咖啡的主要食品成分是不含牛奶、糖或其他添加剂的咖啡部分。摩卡咖啡的食物属性包括所有商业上可用的选择，如各种类型的牛奶，糖的量，和调味剂(如肉桂粉)。在本文中，摩卡有多达三种类型的食物属性:配料(木薯珍珠，仙草凉茶果冻，冰淇淋，椰子魔芋果冻)，牛奶类型(全脂，低脂，无脂)和糖量(普通，少，一半，四分之一，无)。其他食物可能涉及不同的烹饪方法(蒸、煮、炒、油炸、煎锅和沙拉)。在另一个例子中，“西红柿炒蛋”由两种主要材料(鸡蛋和西红柿)组成。食物属性包括制备方法(爆炒)，这决定了用油的数量。

主要的食物成分以树状结构的子组组织。综上所述，总体结构分为组、子组和主成分。原型有14个食物组，包含49个子组，这些子组又包含1000多种主要食物成分。组和亚组分类是根据高级营养师的意见设计的，反映了广泛使用的分类方案。由于文化和习惯的不同，食物种类和相应的食物属性选择也会发生变化。最后，在我们的研究中，“混合食品”包含了两种或两种以上的主要食品成分，以解释其他食品组中不包括的新食品。

基于这个概念，在Android操作系统中实现了两个原型，用于移动设备。这两个原型共享一个共同的界面和程序来选择食物组和子组。这两种原型在用于确定相应食物属性的操作方面有所不同。自选选项卡允许用户选择所需的食品属性来组成食品。在自动详尽列表中，用户可以滚动并从包含不同食品属性的综合食品列表中进行选择。

每个原型的第一个屏幕都包括一个可滚动的食物组列表，一次显示五组。在自己选择的选项卡应用程序(见 图1A)，列表中的每个字段在左侧有一个彩色图标，在右侧有文字描述。然而，在自治穷举列表应用程序中(参见 图2A，它只提供了文字描述。每个领域的背景特点是交替的白色和灰色线条，以增加清晰度。为了更好的可读性，还考虑了文本和背景的对比。使用的文字字体是微软正黑字体。在7英寸的显示器中，单个字符的尺寸约为1.5 × 1.0厘米。

第二及第三屏( 图1b, c和 图2B、c)分别表示亚组和主要食品成分。布局设计、用户交互模式和文本功能与第一个屏幕相同。

在自己选择的选项卡应用程序(见 图1D-f)，用户首先选择食品的主要成分和食品属性。然后这些选择显示在单独的选项卡中。然后，用户点击一个食物属性(例如，“糖”)，并选择一个描述性特征(例如，“半糖”; 图1e).一旦指定所需的食物属性，用户点击“确认”按钮( 图1F)完成食物项目( 图1g).整个操作顺序见 多媒体附录1。

对于自主穷尽列表app，用户在选择食物组和子组后，再选择主要的食物成分( 图2C)，然后显示一个滚动列表( 图2d).清单中的每一项都提供了主要食品成分的文字描述，以及用逗号分隔的食品属性的相应组合(例如，“摩卡，5分糖，木薯粉，零脂肪”)。这个列表提供了所有可能的配料组合。以摩卡咖啡为例，在150种变体的排列中，有6种浇头选择，5种牛奶选择和5种糖量选择(6*5*5=150)。用户滚动列表以选择所需的组合。整个操作顺序见 多媒体附录2。

另一个接口用于选择混合食品(参见方法中的组合概念)。从第一个屏幕上的“混合食物”选项开始，用户会在屏幕的上半部分看到两个空帧(参见 多媒体附录3和 多媒体附录4)，它允许用户从屏幕下方的图标中选择五个子组中的两个。这种设计允许用户从以下子组中组合两到三种主要的食品成分:肉、蛋、蘑菇、蔬菜和豆类。在选择了要组合的主要食品成分之后，用户就可以选择相应的食品属性，包括制备方法。

在自选选项卡应用程序中，用户选择两个子组，并显示两个相应的滚动列表(参见 多媒体附录3)，然后用户从中选择一种主要的食物成分。然后，用户选择适当的关联属性(请参阅下一节) 多媒体附录3）.这个序列的操作显示在 多媒体附录5。

在自主详尽列表应用程序中，在选择两个子组后，用户将看到一个可滚动的列表，其中包含主要食品成分和食品属性的所有可能组合( 多媒体附录4）.操作顺序如 多媒体附录6。

设计了一项平行的两组随机试验，以评估和比较自主选择标签和自主详尽列表应用程序在正确食物输入准确性和最终用户响应时间方面的有效性。研究方案经长庚纪念医院伦理委员会审查，并获得机构审查委员会批准(103-2745B, ISRCTN 86142301)。参与者年龄分别为18至29岁和55至73岁，他们是通过当地大学和医院招募的。那些患有严重疾病的人被排除在外。

对于青年的招募，我们在课程开始前宣布并介绍了学习流程和内容，由一名硕士生负责。与会者的联系信息被记录在流程图的底部，因此可以联系他们进行参与登记。相反，年长的参与者是由长庚纪念医院的研究助理介绍的。那些愿意参加的人被记录在名单上。注册后获得基线数据和知情同意。

为了保证年龄分布均匀，SAS软件生成了两个随机数列表[ 23]。我们的招募和实施是根据1:1比例的随机列表顺序进行的。然后个别约见进行评估。总的来说，53名参与者(36名年轻人和17名老年人)和52名参与者(34名年轻人和18名老年人)分别被分配到自选标签组和自主详尽列表组。

应用程序的可用性是根据准确性和响应时间作为报告食物项目任务的主要终点来评估的。准确度被定义为正确计数数除以总计数数。“正确”被定义为参与者为12个项目中的每一个选择正确的主要食品成分和正确的食品属性，在组和/或子组之间无限制地切换。响应时间被记录下来并嵌入到应用程序中，以毫秒为单位，表示用户选择(点击)某种主要食品成分(见 图1c和 图2C)完成食品属性的选择，并点击“确认”按钮(见 图1f和 图2e)。

评估是由一名研究助理进行的，他首先管理了一份基本背景问卷，以分析相关经验的分布。问卷收集了参与者自我报告的基线信息，包括性别、年龄、身体质量指数(BMI)、部门/单位、营养相关课程、健康教育计划和烹饪经验。然后，研究助理通过一餐四种食物(蒸红薯、煮鹅肉、炒香菇、炒豆腐、苹果汁)来演示这两款应用的使用，让参与者熟悉应用的操作。演示结束后，每位用户可以进行3分钟的app操作练习，进行热身。每个参与者被要求观察两顿实际的饭菜，并在一个原型中记录每一项。每一餐代表一顿典型的午餐或晚餐。膳食(见 多媒体附录7)用真正的食物按适当的份量准备，并在整个实验过程中始终放在盘子里。所有食品都附有清晰可见和易于理解的标签，以防止因误认而导致的错误。所有的测量，包括屏幕上的反应和持续时间，都是在移动应用程序内自动收集的。评估期为2014年6月至2015年1月。在两组中均未发现任何伤害或意外影响。

第一顿饭的特色是中国馒头、炸鸡腿、皮蛋冷豆腐、胡萝卜丝炒蛋、培根炒卷心菜和绿茶。第二道菜是白米饭、炒猪排、青椒炒肉丝、番茄炒蛋、咸鸭蛋炒苦瓜、奶茶。

参与者有3分钟的时间来完成每项任务。完成第一餐后，参与者继续标记第二餐，没有休息。所有参与者都完成了评估。

在自选标签组中，每个参与者首先观察桌子上的食物。然后，他们浏览第一个屏幕(即食物组列表)，并为每组选择合适的条目。然后进入第二个屏幕(即子组列表)，接着是第三个屏幕(即主要食品成分列表)。如果参与者无法找到所需的主要食物成分，他/她可以点击屏幕左上角的“返回”按钮返回到上一个屏幕重新选择。

在选择了想要的主要食物成分后，参与者通过切换到其他选项卡来选择相应的食物属性。选择完成后，参与者点击“确认”按钮完成选择。

在选择了主食、主菜和饮料后，参与者点击了第一个屏幕上的“混合食物”项目。在混合食品屏幕上(见 多媒体附录3)，参与者可以选择两个小组。在主要食品配料屏幕(见 多媒体附录3)，参与者通过滚动菜单找到并选择想要的主食材，然后确认选择。一旦选定了所需的主要食品成分，参与者就可以点击所需的制备方法。

在自治穷举列表组中，参与者对第一个和第二个屏幕执行与自选选项卡相同的操作。然而，在第三个(混合食物)屏幕上，应用程序呈现了一个全面的食物列表，参与者可以从中选择想要的食物。

对于基线问卷信息，二分类变量(例如，性别，单位和经验)通过自选选项卡和自主穷举列表组的计数来证明。连续变量也以个体水平的数值收集，并按每组进行分析，如年龄和BMI为基线，消耗时间以秒为单位。我们做了卡方检验 t二分变量和连续变量的检验分别用于两组比较的比例检验和均值检验。当任务完成时间的差异(以秒为单位)被用作连续变量时，我们使用独立变量 t根据意向治疗原则对两组进行比较。所有统计检验均为双侧，且 P小于0.05的值被认为具有统计学意义。所有统计分析均采用SAS软件9.4版进行。

至于样本量的确定，我们的主要结果是基于报告食物项目的准确性和所消耗的时间。所需的样本量是根据先前的一项研究[ 6]。假设自选标签法和自主穷举列表法的统计能力为80%，双尾α水平为5%，在10%精度差下确定每组的样本量要求为50人，37人假设平均差4秒，标准差为6秒。因此，每个组需要50名参与者的最小样本量。

共有105名参与者完成了测试，其中包括从长庚大学招募的70名大学生(18-29岁)和从长庚纪念医院招募的35名老年人(55-73岁)。参与者被随机分配到自选标签(53名参与者)和自主详尽列表组(52名参与者)，每组中的源人口与总体人口的比例代表(见 图3)，总体平均年龄为35岁(SD 19.50)。在营养、一般健康教育和烹饪方面的经验和专业知识在两组之间没有显著差异。基线信息分布没有显示两组之间的显著差异，因此证实随机分配是偶然的(见 表1）.

表2总结了所有12种食物的反应准确性。自选标签组和自治穷尽列表组的总体准确率分别达到97.77%(1228/1256)和98.53%(1214/1232)。自选标签组最常贴错标签的食品是绿茶和炒肉丝青椒;在自主详尽清单中，绿茶是最常被贴错标签的项目。在自选标签组中，12个项目中有10个项目零次或一次贴错标签。在自主穷举列表组中，12个项目中有11个被错误标记为零或一次。

在自选标签组中，13个错误答案中有11个是参与者没有选择“无浇头”(n=2)，没有选择制备方法(n=5)，没有选择“非乳制品奶精”(n=3)，没有选择两种食物属性(n=1)。其余的错误答案是选择了错误的准备方法(n=2)。在自主穷尽列表组中，所有9个错误答案都是由于食物属性选择错误;没有一个是由于用户忽略选择属性而导致的。

表3总结了参与者为12种食物选择属性所需的时间。除了一种食物(煮熟的米饭)外，自主选择标签组在所有食物上的表现都明显优于自主详尽列表组。自我选择标签组的年轻参与者在自主详尽列表上比他们的同龄人有明显的时间优势，除了三个项目(中国馒头、炸鸡腿和煮米饭)。自选标签组的老年参与者在时间上比自主选择详尽列表组的参与者有明显的优势，除了炸鸡腿和煮米饭。

自选选项卡和自主穷举列表组均显示出较高的准确性( 表2)，以报告两种不同膳食的食物种类，不论年龄组别。

由于用户没有在某个类别中选择适当的属性，或者用户在该类别中选择了错误的属性，会出现自选选项卡组中的错误。这两种错误类型会导致不正确的卡路里营养摄入量计算。老年参与者的错误率相对较高，可能是由于视力或认知能力下降。在错误的答案中，有11个是因为参与者没有选择欣赏食物的属性。这些错误可能是由于界面或培训问题，它们可以通过对用户界面和培训协议的未来改进来解决。

自治穷举列表组比自选选项卡组更容易犯属性选择错误，这可能是因为有大量具有相似食物描述的列表。然而，自治穷举列表组没有产生任何选择适当属性失败的实例，因为自治穷举列表设计自动呈现了所有可能的食物项目的综合列表。

研究发现，自主选择的标签应用程序比自主详尽列表应用程序更高效，12种食物中有11种需要更少的时间来完成(煮米饭是唯一的例外)。在输入过程中，自选选项卡用户花时间从选项卡菜单中选择每个适当的属性，然后切换到下一个选项卡以选择某个属性。每次选择的总体平均时间从煮米饭的2.7秒(SD 1.90)到绿茶的12.4秒(SD 8.13)不等。然而，自主详尽列表要求参与者浏览多个列表以找到特定的食物组合，煮米饭需要3.6秒(SD 2.94)，绿茶需要26.2秒(SD 14.90)。

然而，在自选标签应用程序中，混合食品的输入任务每个属性需要5到6秒，饮料是最耗时的分类项目，因为参与者需要从每个标签菜单中选择三个属性，而其他食品只需要选择一个属性。在自主穷举列表app中，混合食品的输入操作效率很低。在自主穷举列表app中，煮米饭的输入时间最少，因为选项列表只有5个项目。

此外，无论是小组还是应用程序，输入第二顿饭所需的时间都比第一顿饭少，可能是因为第一顿饭让参与者熟悉了系统操作。

为了准确地描述实际的食物摄入量，当当前数据库无法描述实际的食物项目时，移动应用程序允许用户选择膳食定制，以正确描述食物替代品。由于食物成分资料库不断更新及有新的食谱，维持资料库既费时又困难[ 24]。不完整的数据库会影响饮食记录的准确性。提出的概念提供了一个优势，因为它可以从少数已知元素中获得广泛的食物替代品，确保用户可以补充不完整的食物数据库，以说明他们的实际食物摄入量。食物列表是由数据库中元素(主要成分和食物属性)的组合算法生成的。例如，有三种主要食物成分的混合食物，每种有10种选择，将产生1000种(10*10*10=1000)组合。一个潜在的问题是，该系统将产生许多在现实生活中极不可能被消耗的组合。该列表将显示在自治穷举列表界面中，这将大大降低搜索和选择的速度。此外，用户可能难以从仅在单一成分或属性方面有所不同的类似食物变体中进行选择。这在自选标签应用程序中不是问题，因为它不提供食物项目属性的详尽排列。

这里描述的实验是在实验室条件下使用预先确定的食物清单进行的，参与者是从大学和医院招募的，所收集的数据并没有解释错误选择的原因。在受试者招募方面，本研究仅纳入18 ~ 29岁和55 ~ 73岁的受试者;因此，研究结果不能用于外部效度。一个完整年龄范围的大队列将有助于进一步解释。

未来的研究应该专注于改进这两种原型，并开发用于实际用餐环境的新应用程序。进一步的工作还需要考虑其他方面和变量(包括食物份量和两种以上食物的组合)。在其他文化中，食物清单和食物组合需要进一步评估。这些努力的结果将有助于确定这种混合食物的想法是否可以用来有效地取代包括所有食物项目的食物数据库。

各种各样的移动健康应用程序已经开发出不同的创新设计，但这种开发原型在用户交互中的有效性很难严格评估。本研究展示了设计创新在实现个人定制饮食记录概念中的应用，并使用两个目标群体的随机试验。实验结果表明，这两个开发的应用程序在描述两个不同年龄组的目标用户的各种食物方面达到了很高的准确性。自选标签应用程序在准确性和时间响应方面都表现得更好。此外，这个概念有可能在定制饮食记录中解释更广泛的食物多样性。用户交互的概念和结果为相关饮食记录应用的持续发展提供了科学依据。