De voorgestelde pilot maakt deel uit van een groter project onder leiding van 5M ICT. In het grotere project zal 5M ICT een deep learning (DL) methode toepassen voor voedselherkenning op foto's die de gebruiker voor en na het eten maakt,…
ID
Bron
Verkorte titel
Aandoening
- Eetstoornissen en -afwijkingen
Synoniemen aandoening
Betreft onderzoek met
Ondersteuning
Onderzoeksproduct en/of interventie
Uitkomstmaten
Primaire uitkomstmaten
Feasilibity/acceptability, inclusief % aantal ingevulde eetmomenten,
tevredenheidsbeoordelingen/feedback van gebruikers/gebruikerseisen en
dieetgedrag; Calorie-inname zoals bijgehouden via de app;
Gewicht: Patiënten worden eenmaal per maand gewogen als een standaardprocedure
tijdens de behandeling.
Secundaire uitkomstmaten
n/a
Achtergrond van het onderzoek
Binge Eating Disorder (BED) is een eetstoornis die wordt gekenmerkt door
recidiverende en persisterende episoden van eetbuien in afwezigheid van
ongepaste gewichtsbeheersingsmethoden die bij andere eetstoornissubtypen worden
toegepast, zoals purgeren. Hoewel de prevalentie van BED in Nederland
onduidelijk is, vanwege het feit dat BED een relatief 'nieuwe' diagnostische
categorie is in de DSM 5, en vanwege methodologische tekortkomingen van
bestaand onderzoek, wordt op basis van Australisch onderzoek (Hay, 1998)
geschat dat ongeveer 160.000 mensen in Nederland lijden aan BED.
BED is sterk geassocieerd met obesitas. Hoewel de meeste mensen met obesitas
geen BED hebben, zijn de meeste mensen met BED zwaarlijvig en kunnen zij
medische problemen hebben. Comorbide problemen zijn echter niet alleen
lichamelijk, maar ook psychisch. BED zelf wordt vaak gekenmerkt door het
gebruik van voedsel om met emoties om te gaan (Goldfield et al., 2008), als ook
door ontregelingen van interoceptief bewustzijn, eetlust en
verzadigingsmechanismen (Sysko et al., 2007). Behandeling voor BED moet daarom
zowel gericht zijn op de eetstoornis als op het overgewicht. Cognitieve
gedragstherapie (CGT) is de eerste keuze behandeling voor BED en heeft tot nu
toe de sterkste empirische ondersteuning (NICE 2004, Wilson et al., 2007),
resulterend in ongeveer 50% binge abstinentie na behandeling. Hieruit blijkt
dat er nog veel ruimte voor verbetering is. Bovendien, en vergelijkbaar met
alternatieve psychologische en gedragsbehandelingen, leidt CGT bij de meeste
patiënten niet tot een betekenisvolle hoeveelheid gewichtsverlies (Wilson e.a.,
2007). Het vinden van manieren om de resultaten op het gebied van eetbuien en
gewichtsverlies te verbeteren is daarom een belangrijke onderzoeksprioriteit.
Het toevoegen van een leefstijlinterventie aan CGT kan mogelijk de uitkomsten
van eetbuien en gewichtsverlies verbeteren. Verscheidene bestaande
leefstijlinterventies voor obesitas zijn gericht op portie- en eetbewustzijn,
omdat mensen met obesitas en BED zich over het algemeen niet goed houden aan
voedingsrichtlijnen (Kristeller & Wolever, 2011), omdat ze zich niet bewust
zijn van hun eetgedrag. Het nauwkeurig kunnen inschatten en afmeten van
voedselporties is belangrijk voor het voorkomen en behandelen van obesitas
(Ayala, 2006) en leefstijlinterventies hebben zich daarom op verschillende
manieren en met succesvolle resultaten gericht op portiecontrole en
eetbewustzijn. Voorbeelden hiervan zijn mindfulness-gebaseerde training
(Kristeller & Wolever, 2011), Mandometer training gericht op het verminderen
van de snelheid van eten en de totale inname (Ford et al. 2011), en het gebruik
van portiecontrole borden (Kesman et al, 2011).
In de huidige studie willen we een innovatieve tool voor een
leefstijlinterventie testen. Meer specifiek stellen we voor om een app te
gebruiken die de calorie-inname bijhoudt via foto's genomen met een smartphone.
Deze app zou niet alleen nuttig kunnen zijn als tool binnen een
leefstijlinterventie op zich, maar ook als een betrouwbare methode om de
consumptie te meten. Een nauwkeurige meting van de voedingsconsumptie is lastig
bij patiënten met BED, vanwege de onderrapportage die gebruikelijk is bij
personen met obesitas en overgewicht. Het gebruik van mobiele telefoons om bij
te houden en te fotograferen wat ze eten, kan een handigere en betrouwbaardere
manier zijn om gegevens te verzamelen (zie bijvoorbeeld Segovia-Siapco & Sabaté
(2016)).
Doel van het onderzoek
De voorgestelde pilot maakt deel uit van een groter project onder leiding van
5M ICT. In het grotere project zal 5M ICT een deep learning (DL) methode
toepassen voor voedselherkenning op foto's die de gebruiker voor en na het eten
maakt, waardoor de voedingsinname nauwkeurig kan worden bijgehouden. Deze
informatie zal worden ingebouwd in een app met een voedselherkenningsmodule.
Ten slotte zullen er twee pilots worden gedaan: een met verschillende leden van
een fitnessclub (geen onderdeel van het huidige voorstel) en een met
verschillende patiënten (N = 3-4) (het huidige voorstel).
De bijdrage van het Centrum voor Eetstoornissen aan het project is het bepalen
van de gebruikerseisen voordat de app wordt ontwikkeld door het testen van de
app bij een klein aantal patiënten met BED, en het onderzoeken van de
haalbaarheid en aanvaardbaarheid, ook rekening houdend met dieetgedrag.
Primaire doelstelling: het testen van de door 5M ICT ontwikkelde
voedselherkenningsapp bij een klein aantal patiënten met BED, het vaststellen
van de gebruikersbehoeften en het onderzoeken van de haalbaarheid en
aanvaardbaarheid van de app (vanuit het oogpunt van de patiënt en de clinicus),
ook rekening houdend met dieetgedrag.
Let op: de studie heeft niet als doel om op basis van de gegevens conclusies te
trekken met betrekking tot de effectiviteit. De app wordt alleen getest met het
oog op verdere ontwikkeling. Het einddoel is om de app te ontwikkelen met
behulp van de feedback van de patiënten.
Onderzoeksopzet
Case series.
Inschatting van belasting en risico
Het is mogelijk dat het gebruik van de app dieetgedrag zal doen toenemen. We
zullen hierover enkele vragen meenemen in de vragenlijst. Patiënten zijn in
behandeling tijdens het gebruik van de app en de therapeut zal kunnen
ingrijpen.
Publiek
Orlovia Pavla 12
Ni¨ 18000
RS
Wetenschappelijk
Orlovia Pavla 12
Ni¨ 18000
RS
Landen waar het onderzoek wordt uitgevoerd
Leeftijd
Belangrijkste voorwaarden om deel te mogen nemen (Inclusiecriteria)
- Een DSM 5 eetbuistoornis diagnose
- In behandeling zijn voor een eetbuistoornis bij het Centrum voor
Eetstoornissen
- Leeftijd 18-64
Belangrijkste redenen om niet deel te kunnen nemen (Exclusiecriteria)
- Een andere eetstoornis dan een eetbuistoornis hebben gehad in het verleden
- Leeftijd < 18 & > 64
Opzet
Deelname
Opgevolgd door onderstaande (mogelijk meer actuele) registratie
Geen registraties gevonden.
Andere (mogelijk minder actuele) registraties in dit register
Geen registraties gevonden.
In overige registers
Register | ID |
---|---|
CCMO | NL78315.028.21 |