一种学龄期儿童进食行为评价系统的制作方法

1.本发明属于儿童保健及发育行为儿科领域，具体涉及一种学龄期儿童进食行为评价系统。


背景技术：

2.全球发达及发展中国家肥胖率均以惊人速度增长，1985-2015年我国主要大城市7岁以上学龄儿童肥胖率由0.5％攀升至7.3％，我国儿童也面临肥胖挑战。儿童期肥胖会增加成年期糖尿病等各类慢性非传染性疾病的发病风险，也是重型神经精神类疾病的高危因素，威胁人群整体健康水平。近年研究表明，成年期糖尿病等各类慢性非传染性疾病的进展还与过度摄入高糖、高脂食物等不良进食行为相关。进食行为与能量物质摄入密切相关，其调控异常是导致肥胖发病的起始环节。美国针对9-15岁的青少年队列研究显示，不良进食行为是肥胖的风险因素，肥胖又可进一步促进不良进食行为发生。探究儿童不良进食行为，并针对影响不良进食行为的内在驱动因素进行干预，如对食物健康程度的认知，如对食物口味的偏好等，实现有计划性的选择，管理进食行为显得尤为重要。目前，临床上尚缺乏系统且有效的不良进食行为评价工具，因此，针对进食行为异常的有效治疗方案匮乏。此外，现在针对儿童不良进食行为评价，主要是对个体的特异性进食行为进行收集、分析、综合、判断，多采用的是问卷采集形式。这些评价大多集中于针对儿童当下或既往进食行为的回顾及对膳食成分、食物摄入量的分析以了解儿童膳食结构。这种单纯的问卷信息采集形式，缺乏有效的生态效度，亦不能探究儿童不良进食行为背后的内在驱动因素，且量表的发放、收集与录入也给大规模采集数据带来了不利的影响。因此，便捷且生态化的儿童不良进食行为评价系统的建立显得尤为重要。
3.当前现有的儿童不良进食行为评价，大多基于问卷测验的方式。儿童不良进食行为及儿童膳食回顾问卷，大多由儿童家长填写，收集到的数据准确度会受到家长主观因素的影响，且多为回顾性问卷会引入回忆误差的偏倚，进而影响数据准确度；此外，既往的进食行为评价由于采用问卷测验的方式，受空间和人力的限制，难以实施大规模采集数据。


技术实现要素：

4.为了解决上述技术问题，本发明设计了一种学龄期儿童进食行为评价系统，本发明的学龄期儿童进食行为评价系统，将行为问卷、生态化食物选择及评估整合在一起，省去问卷发放、收集、录入等繁琐的工作，节省了很多时间和人力上的成本。此外，该系统整合后可使用移动电子设备进行测量，在节省人力之余，为多中心数据采集提供更便捷的方式。
5.为了达到上述技术效果，本发明是通过以下技术方案实现的：一种学龄期儿童进食行为评价系统，包括：体质指数采集测量模块、饮食行为问卷模块、食物选择模块、食物选择驱动因素评估模块、模型建立模块、结果评估模块；上述各模块均集成于终端设备，由终端设备为载体进行实现，所述体质指数采集测量模块负责采集被试者录入的身高、体重信息，并由终端内处理器基于评价标准程序运算结合身高、体重反馈出被试者bmi指数；所述
饮食行为问卷模块提供被试者关于饮食行为的问卷类目，被试者本人回答问卷后，采集的结果数据被终端设备数据库模块保存；所述食物选择模块提供不同种类食物图片，终端设备屏幕可出现“十分不想吃”、“不想吃”、“想吃”、“十分想吃”选项，被试者选择相应选项后，处理器采集结果数据并由终端设备数据库模块保存；所述食物选择驱动因素评估模块同样提供不同种类食物图片，并在每张图片上显示四种关于食物选择的驱动因素选项，被试者回答选项内容，由终端设备数据库模块记录保持结果数据；模型建立模块是通过机器学习的方法来整合之前四个模块中采集到的结构数据，然后通过算法生成基于体质情况及食物选择偏好评估模型；所述结果评估模块是待食物选择偏好评估模型建立成功后，只需输入体质指数采集测量模块、饮食行为问卷模块、食物选择模块、食物选择驱动因素评估模块的评估结果，直接由结果评估模块输出食物选择偏好的评估结果及不良饮食行为的内在驱动因素。
6.一种学龄期儿童进食行为评价系统的建立方法，包括以下步骤：
7.s1：被试者通过终端设备输入端录入身高、体重、年龄、性别信息，然后终端设备处理器运算分析得出被试者的身体bmi指数，同时系统给出饮食及行为建议；
8.s2：终端设备系统进入饮食行为问卷评估界面，从情绪性饮食行为、限制性饮食行为及外部性饮食行为三方面对被试的饮食行为进行评估，评估结果用于反馈得出被试者饮食行为是否健康，被试是否具有控制自己饮食行为的意识，以及被试能否合理控制自己的进食行为；若评估结果不达标，则预警被试者及监护人进行关注；
9.s3：对被试者进行食物选择行为偏好评估，系统终端设备出现 32张低卡食物图片及31张高卡食物图片，被试者在四个选项“十分不想吃、不想吃、想吃、十分想吃”中进行选择；通过被试在健康、美味、自然这三个情况下对不同食物的进食欲望的评分，及在不同情况下选择高卡及低卡食物的数目，结合s1中的身体bmi指数得到被试者的食物选择偏好评估结果；
10.s4：基于s3中32张低卡食物图片及31张高卡食物图片，针对每张图片被试者回答“你觉得这个食物有多健康、你觉得这个食物有多好吃、看到这个食物你是什么感觉、你感觉自己能控制住想要这个食物的欲望吗”四个问题，结合四个问题的评估结果和s3中得到的食物卡路里高低判断被试对食物的情绪评定及决策评定；
11.s5：结合s1得出的身体bmi指数，s2得出的饮食行为问卷评分， s3得出的在不同情况下对不同食物进食欲望评分以及在不同情况下选择的高卡及低卡食物的比例，s4得出食物选择评估分数基于机器学习方法构建出食物选择偏好评估数学模型；
12.s6：后来被试者只需完成s1-s4评估步骤，直接通过s5构建的食物选择偏好评估数学模型得出食物选择偏好的评估结果及不良饮食行为的内在驱动因素；
13.优选的，所述s3中健康、美味、自然三种情况，每种情况各对应21张图片；
14.优选的，所述s4中情绪评定通过“看到这个食物你是什么感觉、你感觉自己能控制住想要这个食物的欲望吗”判断，决策评定通过“你觉得这个食物有多健康、你觉得这个食物有多好吃”判断；
15.优选的，所述s5中采用回归模型paceregression来建立食物选择偏好评估模型。
16.本发明的有益效果是：
17.通过本技术给出的基于终端设备使用对学龄期儿童进食行为评价，提取体质指
数、个体进食行为、食物选择相关的行为特征，并用机器学习的方法建立通过上述行为特征评估儿童不良进食行为，食物选择偏好及不良进食行为驱动因素。避免了传统问卷评估带来的主观因素的影响，更便捷、真实、准确、客观的采集不良进食行为及食物选择驱动因素评估所需的个体数据。同时，基于终端设备评估系统可以实现更广的范围上进行大规模的数据采集。
附图说明
18.图1是本发明系统构建流程图。
具体实施方式
19.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
20.实施例1
21.s1：被试者通过终端设备输入端录入身高、体重、年龄、性别信息，然后终端设备处理器基于根据中华人民共和国国家卫生健康委员会2018年发布的学龄儿童青少年超重与肥胖筛查判定标准开发的程序运算分析得出被试者的身体bmi指数，告知其目前为消瘦、正常、超重或肥胖，同时系统给出饮食及行为建议；
22.s2：终端设备系统进入饮食行为问卷评估界面，问卷基于修订版儿童荷兰饮食行为问卷进行，从情绪性饮食行为、限制性饮食行为及外部性饮食行为三方面对被试的饮食行为进行评估，评估结果用于反馈得出被试者饮食行为是否健康，被试是否具有控制自己饮食行为的意识，以及被试能否合理控制自己的进食行为；若评估结果不达标，则预警被试者及监护人进行关注；
23.s3：对被试者进行食物选择行为偏好评估，系统终端设备出现 32张低卡食物图片及31张高卡食物图片，被试者在四个选项“十分不想吃、不想吃、想吃、十分想吃”中进行选择；通过被试在健康、美味、自然这三个情况下对不同食物的进食欲望的评分，及在不同情况下选择高卡及低卡食物的数目，每种情况对应21张食物图片，结合s1中的身体bmi指数得到被试者的不同情况下不同体质状况被试食物选择偏好情况；
24.s4：基于s3中32张低卡食物图片及31张高卡食物图片，针对每张图片被试者回答“你觉得这个食物有多健康、你觉得这个食物有多好吃、看到这个食物你是什么感觉、你感觉自己能控制住想要这个食物的欲望吗”四个问题，结合四个问题的评估结果和s3中得到的食物卡路里高低判断被试对食物的情绪评定及决策评定；其中情绪评定通过“看到这个食物你是什么感觉、你感觉自己能控制住想要这个食物的欲望吗”判断，决策评定通过“你觉得这个食物有多健康、你觉得这个食物有多好吃”判断；
25.s5：结合s1得出的身体bmi指数，s2得出的饮食行为问卷评分， s3得出的在不同情况下对不同食物进食欲望评分以及在不同情况下选择的高卡及低卡食物的比例，s4得出食物选择评估分数基于回归模型paceregression构建出食物选择偏好评估数学模型；对不同体质情况和上述四个变量进行特征融合，将融合后的特征输入到食物选择偏好评估模型
中，输出预测的被试的食物选择偏好及不良进食行为的内在驱动因素，计算被试实际的进食欲望评分和预测的进食欲望评分之间的差值，在差值最小时，停止训练，得到训练好的预测模型；
26.s6：后来被试者只需完成s1-s4评估步骤，直接通过s5构建的食物选择偏好评估数学模型得出食物选择偏好的评估结果及不良饮食行为的内在驱动因素；评估结果如下：1)被试为消瘦、正常、超重或肥胖；2)被试饮食偏好低卡或者高卡食物；3)被试进食主要驱动因素为情绪性，或由外部环境驱动，或由限制性行为驱动。
27.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
28.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。