CN104115176A - 用于为儿童预测年龄适宜或发育阶段适宜食品的方法 - Google Patents

用于为儿童预测年龄适宜或发育阶段适宜食品的方法 Download PDF

Info

Publication number
CN104115176A
CN104115176A CN201280069621.4A CN201280069621A CN104115176A CN 104115176 A CN104115176 A CN 104115176A CN 201280069621 A CN201280069621 A CN 201280069621A CN 104115176 A CN104115176 A CN 104115176A
Authority
CN
China
Prior art keywords
food
age
value
children
agglomerate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201280069621.4A
Other languages
English (en)
Inventor
S·E·史密斯-辛普森
A·M·埃曼希塞尔
M·M·弗雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nestec SA
Original Assignee
Societe dAssistance Technique pour Produits Nestle SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Societe dAssistance Technique pour Produits Nestle SA filed Critical Societe dAssistance Technique pour Produits Nestle SA
Publication of CN104115176A publication Critical patent/CN104115176A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Food Science & Technology (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • General Preparation And Processing Of Foods (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供用于将食品分类并预测应当向儿童提供某些食品的适宜年龄和/或发育阶段的方法。在一个实施方案中，这些方法包括数学模型，所述数学模型使用关键组织属性的量值以预测食品的最小年龄和/或发育阶段。使用本公开的方法，可以在产品早期开发期间指导食品的分类。额外地，本公开的方法产生了对关键组织属性在各发育阶段之间区分适宜产品的理解。

Description

用于为儿童预测年龄适宜或发育阶段适宜食品的方法
背景
本公开一般地涉及健康和营养。更具体地，本公开涉及用于将食品分类并预测应当向儿童提供食品的适宜年龄和/或发育阶段的方法。
本领域已知不同年龄和发育阶段的儿童展示不同水平的发育性技能，例如包括大动作技能、精细动作技能、口部动作技能和认知发育。实际上，从出生年龄至学龄前年龄，儿童快速发育并且随着他们长大总是精细调节发育性技能。因为婴儿和学龄前儿童具有十分不同的发育性技能，所以对父母和看护者而言重要的是为儿童提供适宜儿童年龄和/或发育阶段的食品。例如，不应当向婴儿提供自我进食的手握饼干，因为婴儿尚未使其肢体运动发育精练到自我进食的地步，婴儿将也不能够恰当地在口腔中咀嚼饼干以吞咽饼干。备选地，尽管学龄前大的儿童可能能够恰当地吃手握饼干，但是饼干不太可能适于较大儿童的发育阶段。
然而，对于父母和看护者而言并不总是容易确定儿童的适宜食品。这部分地归咎于以下事实：大部分父母根本不是表征儿童食品某些属性或立即认出儿童适宜发育阶段方面的专家。就这一点而论，需要提供根据消费食品的儿童的适宜年龄和/或发育阶段法表征食品的综合方法。还需要用于预测儿童可以消费食品的适宜年龄和/或发育阶段的客观方法。
发明简述
提供了为儿童预测食品的适宜年龄或适宜发育阶段的方法。还提供根据儿童的适宜年龄或适宜发育阶段将食品分类的方法。在一个实施方案中，提供一种用于预测应当向儿童提供新食品的适宜年龄的方法。所述方法包括：评价多种已知食品中每种食品的至少两种组织属性(texture attributes)以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，并且使用运行适宜软件的计算机以使用信息集合体执行回归分析，以预测新食品的适宜年龄。
在一个实施方案中，所述方法还包括从评价的至少两种组织属性确定主要(driving)组织属性。
在一个实施方案中，由一个人通过将已知食品置于此人的口腔中进行评价。
在一个实施方案中，通过至少两位个体的专家团进行评价。
在一个实施方案中，使用机器进行评价。
在一个实施方案中，至少两种组织属性选自基质中小片数量(amount of pieces in matrix)、表面粗度(surface roughness)、坚实度(firmness)、湿度(moistness)、破裂(breakdown)、团块的内聚性(cohesiveness of the mass)、团块的黏附性(adhesiveness of themass)、吸潮(moisture absorption)、操作次数(准备好以吞咽)、易吞咽性(ease of swallow)、残余口腔被覆(residual mouthcoating)、浓厚性(denseness)、酥脆性(fracturability)、团块的粗度(roughnessof the mass)、力度(force)、功率(work)和斜率(slope)、长度(length)、宽度(width)、厚度(thickness)、水分(moisture)、Bostwick及它们的组合。
在一个实施方案中，已知的食品是儿童食品。
在一个实施方案中，新食品是儿童食品。
在一个实施方案中，已知的食品是点心(snack)和餐食(meals)之一。
在一个实施方案中，信息集合体是数据库。
在一个实施方案中，多种已知食品中至少一者是点心食品。
在一个实施方案中，至少两种组织属性可以包括坚实度和破裂。
在一个实施方案中，多种已知食品中至少一者是就餐食品(meal food product)。
在一个实施方案中，至少两种组织属性可以包括残余口腔被覆和团块粗度。
在另一个实施方案中，提供一种用于预测应当向儿童提供新食品的适宜发育阶段的方法。所述方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，并且使用运行适宜软件的计算机以使用信息集合体执行判别分析，以预测新食品的适宜发育阶段。
在一个实施方案中，多种已知食品中至少一者是点心食品。至少两种组织属性可以包括坚实度、破裂、易吞咽性和残余口腔被覆。
在一个实施方案中，多种已知食品中至少一者是就餐食品。至少两种组织属性可以包括湿度、易吞咽性和浓厚性。
在又一个实施方案中，提供了就应当向儿童提供新食品的适宜年龄而言对新食品分类的方法。所述方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，并且使用运行适宜软件的计算机以使用信息集合体执行回归分析，以根据这种新食品的适宜年龄将新食品分类。
在一个实施方案中，多种已知食品中至少一者是点心食品。至少两种组织属性可以包括坚实度和破裂。
在一个实施方案中，多种已知食品中至少一者是就餐食品。至少两种组织属性可以包括残余口腔被覆和团块粗度。
在又一个实施方案中，提供了就应当向儿童提供新食品的适宜发育阶段而言对新食品分类的方法。所述方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，并且使用运行适宜软件的计算机以使用信息集合体执行判别分析，以根据这种新食品的适宜发育阶段将新食品分类。
在一个实施方案中，多种已知食品中至少一者是点心食品。至少两种组织属性可以包括坚实度、破裂、易吞咽性和残余口腔被覆。
在一个实施方案中，多种已知食品中至少一者是就餐食品。至少两种组织属性可以包括湿度、易吞咽性、浓厚性。
在又一个实施方案中，提供用于预测待消费点心食品的儿童的适宜年龄的方法。所述方法包括分析点心食品的坚实度以获得坚实度值，分析点心食品的破裂以获得破裂值，并通过将坚实度值和破裂值代入公式中计算儿童的适宜年龄，所述公式是年龄＝78.5–1.4*(坚实度值)–0.4*(破裂值)+0.0123*(坚实度值)2。
在一个实施方案中，使用咀嚼法(Chewing method)进行分析点心食品坚实度的步骤。
在一个实施方案中，使用咀嚼法进行分析点心食品破裂的步骤。
在一个实施方案中，分析点心食品坚实度的步骤包括至少两次分析所述食品以获得第一和第二坚实度值，并且其中坚实度值是第一和第二坚实度值的平均数。
在一个实施方案中，分析点心食品破裂的步骤包括至少两次分析所述食品以获得第一和第二破裂值，并且其中破裂值是第一和第二破裂值的平均数。
在一个实施方案中，年龄以月计算。
在又一个实施方案中，提供用于预测待消费就餐食品的儿童的适宜年龄的方法。所述方法包括分析就餐食品的残余口腔被覆以获得残余口腔被覆值，分析就餐食品的团块粗度以获得团块粗度值，并通过将残余口腔被覆值和团块粗度值代入公式中计算儿童的适宜年龄，所述公式是年龄＝2.45–0.11*(残余口腔被覆值)+0.50*(团块粗度值)。
在一个实施方案中，使用舌至腭法(Tongue to Palate method)进行分析就餐食品的残余口腔被覆的步骤。
在一个实施方案中，使用咀嚼法进行分析就餐食品的团块粗度的步骤。
在又一个实施方案中，提供用于预测待消费新食品的儿童的适宜年龄的方法。所述方法包括：对描述多种已知食品中每种食品的至少两种组织属性的第一组数值进行统计分析，从至少两种组织属性鉴定到作为良好年龄预测物的至少两种主要组织属性，所述至少两种主要组织属性选自坚实度、破裂、残余口腔被覆、团块的粗度及它们的组合，评价新食品以获得描述至少两种主要组织属性的第二组数值，并且使用运行适宜软件的计算机来使用第二组数值执行回归分析以预测适宜年龄。
在一个实施方案中，新食品是点心食品。至少两种主要组织属性可以选自坚实度、破裂或它们的组合。
在一个实施方案中，使用咀嚼法获得点心食品的坚实度数值。
在一个实施方案中，使用咀嚼法获得点心食品的破裂数值。
在一个实施方案中，新食品是就餐食品。至少两种主要组织属性可以选自残余口腔被覆、团块粗度或它们的组合。
在一个实施方案中，使用舌至腭法获得就餐食品的残余口腔被覆数值。
在一个实施方案中，使用咀嚼法获得就餐食品的团块粗度数值。
在又一个实施方案中，提供用于预测待消费点心食品的儿童的适宜发育阶段的方法。所述方法包括：对描述多种已知食品中每种食品的至少两种组织属性的第一组数值进行统计分析，从至少两种组织属性鉴定到作为良好发育阶段预测物的至少两种主要组织属性，所述至少两种主要组织属性选自坚实度、破裂、易吞咽性、残余口腔被覆及它们的组合，评价点心食品以获得描述至少两种主要组织属性的第二组数值，并且使用运行适宜软件的计算机来使用第二组数值执行判别分析以预测适宜发育阶段。
在一个实施方案中，使用咀嚼法获得点心食品的坚实度数值。
在一个实施方案中，使用咀嚼法获得点心食品的破裂数值。
在一个实施方案中，使用舌至腭法获得点心食品的易吞咽性数值。
在一个实施方案中，使用舌至腭法获得点心食品的残余口腔被覆数值。
在又一个实施方案中，提供用于预测待消费就餐食品的儿童的适宜发育阶段的方法。所述方法包括：对描述多种已知食品中每种食品的至少两种组织属性的第一组数值进行统计分析，从至少两种组织属性鉴定到作为良好发育阶段预测物的至少两种主要组织属性，所述至少两种主要组织属性选自湿度、易吞咽性、浓厚性或它们的组合，评价点心食品以获得描述至少两种主要组织属性的第二组数值，并且使用运行适宜软件的计算机来使用第二组数值执行判别分析以预测适宜发育阶段。
在一个实施方案中，使用舌至腭法获得就餐食品的湿度数值。
在一个实施方案中，使用舌至腭法获得就餐食品的易吞咽性数值。
在一个实施方案中，使用咀嚼法获得就餐食品的浓厚性数值。
在又一个实施方案中，提供就待消费点心食品的儿童的适宜年龄而言将点心食品分类的方法。所述方法包括分析点心食品的坚实度以获得坚实度值，分析点心食品的破裂以获得破裂值，并通过将坚实度值和破裂值代入公式中，将点心食品基于儿童的适宜年龄分类，所述公式是年龄＝78.5–1.4*(坚实度值)–0.4*(破裂值)+0.0123*(坚实度值)2。
在一个实施方案中，使用咀嚼法进行分析点心食品坚实度的步骤。
在一个实施方案中，使用咀嚼法进行分析点心食品破裂的步骤。
在一个实施方案中，分析点心食品坚实度的步骤包括至少两次分析所述食品以获得第一和第二坚实度值，并且其中坚实度值是第一和第二坚实度值的平均数。
在一个实施方案中，分析点心食品破裂的步骤包括至少两次分析所述食品以获得第一和第二破裂值，并且其中破裂值是第一和第二破裂值的平均数。
在一个实施方案中，年龄以月计算。
在又一个实施方案中，提供就待消费就餐食品的儿童的适宜年龄而言将就餐食品分类的方法。所述方法包括分析就餐食品的残余口腔被覆以获得残余口腔被覆值，分析就餐食品的团块粗度以获得团块粗度值，并通过将残余口腔被覆值和团块粗度值代入公式中，基于儿童的适宜年龄将就餐食品分类，所述公式是年龄＝2.45–0.11*(残余口腔被覆值)+0.50*(团块粗度值)。
在一个实施方案中，使用舌至腭法进行分析就餐食品的残余口腔被覆的步骤。
在一个实施方案中，使用咀嚼法进行分析就餐食品的团块粗度的步骤。
在一个实施方案中，分析就餐食品的残余口腔被覆的步骤包括至少两次分析该食品以获得第一和第二残余口腔被覆值，并且其中残余口腔被覆值是第一和第二残余口腔被覆值的平均数。
在一个实施方案中，分析就餐食品的团块粗度的步骤包括至少两次分析该食品以获得第一和第二团块粗度值，并且其中团块粗度值是第一和第二团块粗度值的平均数。
在一个实施方案中，年龄以月计算。
在又一个实施方案中，提供就待消费新食品的儿童的适宜年龄而言将新食品分类的方法。所述方法包括：对描述多种已知食品中每种食品的至少两种组织属性的第一组数值进行统计分析，从至少两种组织属性鉴定到作为良好年龄预测物的至少两种主要组织属性，所述至少两种主要组织属性选自坚实度、破裂、残余口腔被覆、团块的粗度及它们的组合，评价新食品以获得描述至少两种主要组织属性的第二组数值，并且使用运行适宜软件的计算机来使用第二组数值执行回归分析以预测适宜年龄。
在一个实施方案中，新食品是点心食品。至少两种主要组织属性可以选自坚实度、破裂或它们的组合。
在一个实施方案中，使用咀嚼法获得点心食品的坚实度数值。
在一个实施方案中，使用咀嚼法获得点心食品的破裂数值。
在一个实施方案中，新食品是就餐食品。至少两种主要组织属性可以选自残余口腔被覆、团块粗度或它们的组合。
在一个实施方案中，使用舌至腭法获得就餐食品的残余口腔被覆数值。
在一个实施方案中，使用咀嚼法获得就餐食品的团块粗度数值。
在又一个实施方案中，提供就待消费点心食品的儿童的适宜发育阶段而言将点心食品分类的方法。所述方法包括：对描述多种已知食品中每种食品的至少两种组织属性的第一组数值进行统计分析，从至少两种组织属性鉴定到作为良好发育阶段预测物的至少两种主要组织属性，所述至少两种主要组织属性选自坚实度、破裂、易吞咽性、残余口腔被覆及它们的组合，评价点心食品以获得描述至少两种主要组织属性的第二组数值，并且使用运行适宜软件的计算机来使用第二组数值执行判别分析以预测适宜发育阶段。
在一个实施方案中，使用咀嚼法获得点心食品的坚实度数值。
在一个实施方案中，使用咀嚼法获得点心食品的破裂数值。
在一个实施方案中，使用舌至腭法获得点心食品的易吞咽性数值。
在一个实施方案中，使用舌至腭法获得点心食品的残余口腔被覆数值。
在又一个实施方案中，提供就待消费就餐食品的儿童的适宜发育阶段而言将就餐食品分类的方法。所述方法包括：对描述多种已知食品中每种食品的至少两种组织属性的第一组数值进行统计分析，从至少两种组织属性鉴定到作为良好发育阶段预测物的至少两种主要组织属性，所述至少两种主要组织属性选自湿度、易吞咽性、浓厚性或它们的组合，评价点心食品以获得描述该至少两种主要组织属性的第二组数值，并且使用运行适宜软件的计算机来使用第二组数值执行判别分析以预测适宜发育阶段。
在一个实施方案中，使用舌至腭法获得就餐食品的湿度数值。
在一个实施方案中，使用舌至腭法获得就餐食品的易吞咽性数值。
在一个实施方案中，使用咀嚼法获得就餐食品的浓厚性数值。
在又一个实施方案中，提供用于减少儿童因点心食品噎住的风险的方法。所述方法包括提供表征为适于预定年龄儿童的点心食品，所述表征包括分析点心食品的坚实度以获得坚实度值，分析点心食品的破裂以获得破裂值，并计算食用点心食品的儿童的预定年龄，通过将坚实度值和破裂值代入公式，所述公式是年龄＝78.5–1.4*(坚实度值)–0.4*(破裂值)+0.0123*(坚实度值)2；并且指导父母或看护者向儿童施用点心食品。
在一个实施方案中，使用咀嚼法进行分析点心食品坚实度的步骤。
在一个实施方案中，使用咀嚼法进行分析点心食品破裂的步骤。
在一个实施方案中，分析点心食品坚实度的步骤包括至少两次分析所述食品以获得第一和第二坚实度值，并且其中坚实度值是第一和第二坚实度值的平均数。
在一个实施方案中，分析点心食品破裂的步骤包括至少两次分析所述食品以获得第一和第二破裂值，并且其中破裂值是第一和第二破裂值的平均数。
在一个实施方案中，年龄以月计算。
在又一个实施方案中，提供用于减少儿童因就餐食品噎住的风险的方法。所述方法包括提供表征为适于预定年龄儿童的就餐食品，所述表征包括分析就餐食品的残余口腔被覆以获得残余口腔被覆值，分析就餐食品的团块粗度以获得团块粗度值，并通过将残余口腔被覆值和团块粗度值代入公式中计算就餐食品的儿童的预定年龄，所述公式是年龄＝2.45–0.11*(残余口腔被覆值)+0.50*(团块粗度值)；并且指导父母或看护者向儿童施用就餐食品。
在一个实施方案中，使用舌至腭法进行分析就餐食品的残余口腔被覆的步骤。
在一个实施方案中，使用咀嚼法进行分析就餐食品的团块粗度的步骤。
在一个实施方案中，分析就餐食品的残余口腔被覆的步骤包括至少两次分析该食品以获得第一和第二残余口腔被覆值，并且其中残余口腔被覆值是第一和第二残余口腔被覆值的平均数。
在一个实施方案中，分析就餐食品的团块粗度的步骤包括至少两次分析该食品以获得第一和第二团块粗度值，并且其中团块粗度值是第一和第二团块粗度值的平均数。
在一个实施方案中，年龄以月计算。
在又一个实施方案中，提供用于训练个体以预测待消费点心食品的儿童的适宜年龄的方法。所述方法包括指导该个体分析点心食品的坚实度以获得坚实度值，指导该个体分析点心食品的破裂以获得破裂值，通过将坚实度值和破裂值代入公式中计算儿童的适宜年龄，所述公式是年龄＝78.5–1.4*(坚实度值)–0.4*(破裂值)+0.0123*(坚实度值)2，并且将计算的年龄与已知的年龄比较。
在一个实施方案中，已知的年龄从信息数据库获得。
在一个实施方案中，使用咀嚼法进行分析点心食品坚实度的步骤。
在一个实施方案中，使用咀嚼法进行分析点心食品破裂的步骤。
在一个实施方案中，年龄以月计算。
在又一个实施方案中，提供用于训练个体以预测消费就餐食品的儿童的适宜年龄的方法。所述方法包括指导该个体以分析就餐食品的残余口腔被覆以获得残余口腔被覆值，指导该个体以分析就餐食品的团块粗度以获得团块粗度值，通过将残余口腔被覆值和团块粗度值代入公式中计算儿童的适宜年龄，所述公式是年龄＝2.45–0.11*(残余口腔被覆值)+0.50*(团块粗度值)，并且将计算的年龄与已知的年龄比较。
在一个实施方案中，已知的年龄从信息数据库获得。
在一个实施方案中，使用舌至腭法进行分析就餐食品的残余口腔被覆的步骤。
在一个实施方案中，使用咀嚼法进行分析就餐食品的团块粗度的步骤。
在一个实施方案中，年龄以月计算。
在又一个实施方案中，提供用于训练个体以预测消费点心食品的儿童的适宜发育阶段的方法。所述方法包括指导该个体以分析已知点心食品的组织属性：坚实度、破裂、易吞咽性和残余口腔被覆，提供包含多种已知食品中的每种食品的多个已知组织属性值的数据库，所述数据库还包括多种已知食品中的每种食品的适宜发育阶段，并且多种已知食品包含已知点心食品，使用判别分析以确定将已知点心食品划分入多个发育阶段中每个发育阶段的概率，并且将该概率与已知点心食品的已知适宜发育阶段比较。
在一个实施方案中，使用咀嚼法获得点心食品的坚实度数值。
在一个实施方案中，使用咀嚼法获得点心食品的破裂数值。
在一个实施方案中，使用舌至腭法获得点心食品的易吞咽性数值。
在一个实施方案中，使用舌至腭法获得点心食品的残余口腔被覆数值。
在又一个实施方案中，提供用于训练个体以预测待消费就餐食品的儿童的适宜阶段的方法。所述方法包括指导该个体以分析已知就餐食品的组织属性：湿度、易吞咽性和浓厚性，提供包含多种已知食品中的每种食品的多个已知组织属性值的数据库，所述数据库还包括多种已知食品中的每种食品的适宜发育阶段，并且多种已知食品包含已知就餐食品，使用判别分析以确定将已知就餐食品划分入多个发育阶段中每个发育阶段的概率，并且将该概率与已知就餐食品的已知适宜发育阶段比较。
在一个实施方案中，使用舌至腭法获得就餐食品的湿度数值。
在一个实施方案中，使用舌至腭法获得就餐食品的易吞咽性数值。
在一个实施方案中，使用咀嚼法获得就餐食品的浓厚性数值。
在又一个实施方案中，提供新食品，所述新食品已经使用评价该产品至少两种组织属性的方法调整或设计。所述方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据待消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，评价新食品的至少两种组织属性以获得每种组织属性的数值，并且使用运行适宜软件的计算机以使用信息集合体执行回归分析以预测新食品的适宜年龄。该方法还包括根据预测的适宜年龄调整或设计新食品。
在又一个实施方案中，提供新食品，所述新食品已经使用评价该产品至少两种组织属性的方法调整或设计。用于评价的方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，评价新食品的至少两种组织属性以获得每种组织属性的数值，并且使用运行适宜软件的计算机以使用信息集合体执行判别分析以预测新食品的适宜发育阶段。该方法还包括根据预测的发育阶段调整或设计新食品。
在另一个实施方案中，提供用于销售或许诺销售新食品的方法。所述方法包括使用评价新食品至少两种组织属性的方法制备该产品并销售或许诺销售新食品。用于评价的方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，评价新食品的至少两种组织属性以获得每种组织属性的数值，使用运行适宜软件的计算机以使用信息集合体执行回归分析以预测新食品的适宜年龄，并且根据预测的适宜年龄制备新食品。
在又一个实施方案中，提供用于销售或许诺销售新食品的方法。所述方法包括使用评价新食品至少两种组织属性的方法制备该产品并销售或许诺销售新食品。用于评价的方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，评价新食品的至少两种组织属性以获得每种组织属性的数值，使用运行适宜软件的计算机以使用信息集合体执行判别分析以预测新食品的适宜发育阶段，并且根据预测的发育阶段制备新食品。
在另一个实施方案中，提供用于销售或许诺销售新食品的方法。所述方法包括使用评价新食品至少两种组织属性的方法调整或设计该产品并销售或许诺销售新食品。用于评价的方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据待消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，评价新食品的至少两种组织属性以获得每种组织属性的数值，使用运行适宜软件的计算机以使用信息集合体执行回归分析以预测新食品的适宜年龄，并且根据预测的适宜年龄调整或设计新食品。
在又一个实施方案中，提供用于销售或许诺销售新食品的方法。所述方法包括使用评价新食品至少两种组织属性的方法调整或设计该产品并销售或许诺销售新食品。用于评价的方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据待消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，评价新食品的至少两种组织属性以获得每种组织属性的数值，使用运行适宜软件的计算机以使用信息集合体执行判别分析以预测新食品的适宜发育阶段，并且根据预测的发育阶段调整或设计新食品。
在又一个实施方案中，提供用于出售新食品的方法。所述方法包括使用评价新食品至少两种组织属性的方法制备该产品并出售新食品。用于评价的方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，评价新食品的至少两种组织属性以获得每种组织属性的数值，使用运行适宜软件的计算机以使用信息集合体执行回归分析以预测新食品的适宜年龄，并且根据预测的适宜年龄制备新食品。
在又一个实施方案中，提供用于出售新食品的方法。所述方法包括使用评价新食品至少两种组织属性的方法制备该产品并出售新食品。用于评价的方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，评价新食品的至少两种组织属性以获得每种组织属性的数值，使用运行适宜软件的计算机以使用信息集合体执行判别分析以预测新食品的适宜发育阶段，并且根据预测的发育阶段制备新食品。
在又一个实施方案中，提供用于出售新食品的方法。所述方法包括使用评价新食品至少两种组织属性的方法调整或设计该产品并出售新食品。用于评价的方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，评价新食品的至少两种组织属性以获得每种组织属性的数值，使用运行适宜软件的计算机以使用信息集合体执行回归分析以预测新食品的适宜年龄，并且根据预测的适宜年龄调整或设计新食品。
在又一个实施方案中，提供用于出售新食品的方法。所述方法包括使用评价新食品至少两种组织属性的方法调整或设计该产品并出售新食品。用于评价的方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，评价新食品的至少两种组织属性以获得每种组织属性的数值，使用运行适宜软件的计算机以使用信息集合体执行判别分析以预测新食品的适宜发育阶段，并且根据预测的发育阶段调整或设计新食品。
本公开的一个优点是提供用于预测待消费某食品的儿童的适宜年龄的方法。
本公开的另一个优点是提供用于预测待消费某食品的儿童的适宜发育阶段的方法。
本公开的又一个优点是提供用于根据儿童的年龄将食品分类的方法。
本公开的再一个优点是提供用于根据儿童的发育阶段将食品分类的方法。
本公开的另一个优点是提供通过为儿童提供年龄和/或发育阶段适宜的食品降低儿童噎住风险的方法。
另一个优点提供用于训练专家团如何将食品根据儿童的适宜年龄和/或发育阶段分类的方法。
本文中描述了额外的特征和优点，并且它们将从以下详述显而易见。
详细说明
除非上下文另外清楚地说明，否则如本公开中及所附权利要求书中所用，单数形式“一个(a)”、“一种(an)”和“该(the)”包括复数指称。
如本文所用，将“约”理解为指在数字范围内的数字。另外，本文的全部数字范围应当理解为包括该范围内部的全部整数、自然数或分数。
如本文所用，“咀嚼法”指一种评价食品的方法，包括用磨牙压住并咀嚼食品样品。咀嚼法中评估的主要参数包括但不限于用磨牙第一次咬、用磨牙第一次咀嚼和用磨牙咀嚼样品5-7次。
如本文所用，“发育阶段”指在儿童生命中儿童一般开始显示某些行为或一般能够执行某些动作的阶段。例如，固态食品一般在“辅助坐起”阶段向儿童引入，所述辅助坐起阶段可以是年龄约4至约6个月。发育阶段的其他例子包括在约零月至约4个月的“出生+阶段”、在约6+个月的“坐起阶段”、在约8+个月的“爬行阶段”、在约10个月的“爬行阶段10+”、在约12+个月的“学步儿阶段”和在约24+个月的“学龄前阶段”。
如本文所用，“判别分析”指线性判别分析，它是一种方法，所述方法在统计、模式识别和机器学习中用来发现表征或区分两类或更多类客体或事件的特征的线性组合。技术人员将立即地领会何谓判别分析并且假定具有已知类别y的客体或事件的每份样本的一组观察结果x，将能够使用判别分析来找到相同分布的y类别的任何样本的良好预测物。
如本文所用，“主要组织属性”或“关键组织属性”指对于将食品针对特定年龄或特定发育阶段进行适当分类而加以区分具有显著影响的组织属性。可以通过统计分析(例如，逐步线性回归分析、逐步判别分析等)大得多的一组组织属性鉴定主要组织属性。
如本文所用，“就餐”食品指意在早餐、午餐和正餐的正常就餐时间消费的一种或多种食品。
如本文所用，“回归分析”指统计分析技术，它包括当重点在于因变量和一个或多个自变量之间关系时用于建模并分析几种变量的许多技术。回归分析帮助人们理解当任一个自变量变动而其他自变量保持固定时，因变量的典型值怎样变化。回归分析可以是任何类型的回归分析并可以例如是，线性回归或多元线性回归等。技术人员将立即领会何谓回归分析并且将知道怎样使用回归分析以确定因变量和一个或多个自变量之间的关系。
如本文所用，“点心”食品指一种或多种食品，所述食品一般在一份的尺寸上小于就餐食品和/或意在早餐、午餐和正餐的正常就餐之间消费。
如本文所用，短语“组织属性”指涉及食品组织的属性或描述性特征。组织属性可以包括但不限于基质中的小片数量、表面粗度、坚实度、湿度、破裂、团块的内聚性、团块的黏附性，吸潮、操作次数(准备好以吞咽)、易吞咽性、残余口腔被覆、浓厚性、酥脆性和团块粗度。在一个实施方案中，组织属性：基质中的小片数量，表面粗度和操作次数(准备好以吞咽)均可以使用舌至腭法测量，如下文将描述。在另一个实施方案中，组织属性：浓厚性、酥脆性和团块粗度均可以使用咀嚼法测量，如下文将描述。许多的上述组织属性也可以使用舌至腭评价法测量以及咀嚼法。例如，在一个实施方案中，坚实度、湿度、吸潮、破裂、团块的内聚性、团块的黏附性、易吞咽性和残余口腔被覆均是可以根据舌至腭法或咀嚼法之一或这两者测量的组织属性的例子。
如本文所用，“舌至腭法”指一种评价食品的方法，所述方法包括用舌向着硬腭压住并操作食品样品。舌至腭法中所评估的主要参数包括但不限于初始舌操作、用舌至颚第一次压住、用舌抵住颚操作样品5-7次和用舌操作的次数。
在2002年，Dr.Kay Toomey创造了发育食品连续谱(Developmental Food Continuum)，概述了组织化食物类群之间转变期间适宜的组织。实际上，在本公开之前，食品由有限数目的内部专家和外部专家评价，所述专家将主观评价新创新产品的原型并使用对比分析来建议适宜的分期。尽管这类主观评价是可用的，但是用于客观分析或主观和客观分析组合的方法将更可靠。
因此，本公开涉及一组经验证的数学模型，所述数学模型使用关键组织属性的量值来预测食品的最小年龄和发育阶段。具体而言，
本公开涉及鉴定在申请人的儿童食物集合(portfolio)内部区分每个阶段的主要组织属性和产生数学模型，所述数学模型采用申请人的启动健康保持健康(“SHSH”)转折点分期体系(Start Healthy Stay Healthy(“SHSH”)Milestone Stage System)对新产品预测适宜的分期。申请人的SHSH转折点分期体系，其版本在下表1中显示，对大动作发育、精细动作发育、口部动作发育、认知发育和儿童发育的六个不同阶段的适宜产品分类，所述阶段包括例如出生阶段+(0-4个月)、辅助坐起阶段(4-6个月)、坐起阶段(6+个月)、爬行阶段(8+个月)、爬行阶段10+(10+个月)、学步阶段(12+个月)和学龄前阶段(24+月)。然而，技术人员当然将领会现有的模型可以相对于任何食品使用并且不限于申请人的文件集合。
表1–发育转折点/阶段
先前，一旦食品商业化，则年龄或阶段的分类以主观方式获得或基于食品安全规范获得。然而采用本发明的模型，可以在产品早期开发之间指导分类。这些模型已经产生对哪种关键组织属性在发育阶段之间区分适宜产品的理解。本公开的目的是鉴定主要组织属性，所述主要组织属性有助于将当前儿童相关食品“分期”并且因此有助于产生可以测量这些属性并随后用来预测新创新食品适宜年龄和分期的方法。
目前没有基于正在形成的口部动作和精细动作采食技能而解释在发育上适宜于婴儿和幼儿的每种食物“组织”的感官描述性特性和固有分析性特性的消费者交流。目前，当喂养他们的孩子时，父母使用试错法，经常导致令人不快和不成功的就餐时间。不成功喂养的长期结果可能包括口部动作技能延迟、挑食习惯和堵嘴/哽噎。年龄和发育的适合程度似乎对于父母和医学从业人员而言是显而易见的，然而，具有不同物理性能的食品与儿童发育性技能(例如，口部动作、精细动作和大动作)的相互作用导致本发明公开的方法和过程的独特性。这种例子包括但不限于：(i)它不是较小尺寸的小片直接转变成较大尺寸的小片-在一些情况下，较大尺寸的产品可以在比具有不同组织的较小尺寸产品更早的阶段引入(例如，Zwieback Toast与Cinnamon Animal Graham)；(ii)儿童处置酱汁中小片的能力与酱汁/原浆的厚度相关，更浓厚的酱汁使小片结合在一起以作为粘结团块在口腔中移动(例如，“浓醪w/团块”爬行阶段)并且稀薄酱汁造成小片分离出来，导致儿童对这些小片作呕；和(iii)申请人在美国的主要竞争者将全部点心食品集中在相同的阶段12+月年龄组中，而不是根据发育适合程度按照阶段区分每种食品。因此，在申请人的所有产品中对组织属性的定量已经产生每种阶段的组织指纹，所述组织指纹可以与消费者共享以辅助孩子从乳汁或配方食品转向泥糊状婴儿食品并且随后转向固态餐桌食品。
为了鉴定主要组织属性，申请人收集申请人目前出售的已经在美国市场内部具有漫长和成功历史的约36种食品的感官描述分析、分析性量值和产品规格值以采集组织指纹。通过在置于口腔时描述食品的组织属性方面受过训练的专家团进行感官描述分析。每位组成员对相同食品进行多次反复分析并且记录该食品的许多不同组织属性的值。该数据用来鉴定在每个SHSH转折点阶段之间区分产品的大约22种组织属性。例如，申请人鉴定哪种组织属性在爬行阶段和学步阶段之间在幅度方面变动。因此，使用经训练以采用其口腔作为分析仪器评价食品特征的专门一组人来获得表征特定儿童食品的第一个大数据群。额外地，由专家团编纂的数据可以连续地更新并改进以提供综合信息数据库以提供进一步改善的儿童食品预测和分类。
22种鉴定的组织属性的例子例如包括基质中的小片数量、表面粗度、坚实度、湿度、破裂、团块的内聚性、团块的黏附性，吸潮、操作次数(准备好以吞咽)、易吞咽性、残余口腔被覆、浓厚性、酥脆性和团块粗度。从这22种组织属性中，使用统计分析(例如，逐步线性回归分析或逐步判别分析)来确定对儿童食品的年龄分类或阶段分类具有最大影响的主要或关键组织属性。还使用这些主要组织来创建数学模型，所述数学模型具有预测用于婴儿和儿童(例如，年龄0-48个月)的新发明产品的适宜年龄和阶段定位的能力。
点心的主要组织属性的例子(使用逐步线性回归分析测定)例如包括易吞咽性、残余口腔被覆、坚实度和破裂。由于详细分析由专家团进行，所以可能相对于儿童发育阶段联系每种主要组织属性的数值范围(按评分100)。例如，下表2中描述点心产品的主要组织属性的范围。
表2–点心食品主要组织属性的例子
爬行阶段 爬行阶段10+ 学步阶段 学龄前阶段
易吞咽性 15-20 20-25 20-65 >60
残余口腔被覆 10-25 10-30 10-30 10-25
坚实度 40-70 60-70 40-70 40-70
破裂 >80 70-80 60-80 40-60
就餐食品的主要组织属性的例子(使用逐步判别分析测定)包括湿度、易吞咽性和浓厚性。再次地，由于详细分析由专家团进行，所以可能相对于儿童发育阶段联系每种主要组织属性的数值范围(按评分100)。例如，下表3中描述就餐产品的主要组织属性的范围。
表3–就餐食品主要组织属性的例子
除专家团分析之外，申请人还进行内部分析以表征专家团评价的相同36种食品的不同属性。具体而言，申请人使用模拟口腔内部力学的机器来评价参数如，例如，力(N)、功率(N mm)、斜率(N/mm)、长度(mm)、宽度(mm)、厚度(mm)、水分(％)和Bostwick。可以在下文描述的有助于预测食品和/或将其分类的统计分析中包括这些参数作为额外的组织属性。使用Biplot和聚类分析，申请人还证实从专家团获得的结果的可靠性。Biplot表明产品和组成员影响和它们的相互作用自始至终是显著的；并且区分性、重现性和标度(scale)是正常的。K-均值聚类法还展示原始数据的可靠性。
使用统计技术评价从专家团获得的原始数据和由申请人获得的量值的组合以获得本发明模型。在统计分析期间确定，由专家团评价的36种产品的描述性属性将通过使36种产品分成点心食品和就餐食品而最有效地最佳建模。因此，创建用于16种点心食品和20种就餐食品的不同模型。额外地，将点心食品和就餐食品均相对于年龄适合程度和发育阶段适合程度进行评价。
在一个实施方案中，逐步回归分析用来开发数学模型以预测应当向儿童提供某些点心食品和就餐食品的最小年龄。基于专家团分析和由申请人进行的内部测试，确定了儿童应当消费特定点心食品的最小年龄由主要组织属性i)(通过咀嚼法评价的)坚实度和ii)(通过咀嚼法评价的)破裂来最佳预测。咀嚼法由用磨牙挤压并咀嚼样品组成。咀嚼法中评估的主要参数包括但不限于用磨牙第一次咬、用磨牙第一次咀嚼和用磨牙咀嚼样品5-7次。附带预测的点心年龄多元回归模型发现可以使用以下式计算最小年龄：
年龄(月)＝78.5–1.4*(坚实度(第一次咬))–0.4*(破裂(咀嚼))+0.0123*(坚实度(第一次咬))2。
另外，基于专家团分析和由申请人进行的内部测试并且使用逐步回归分析，确定儿童应当消费特定就餐食品的最小年龄由主要组织属性i)(通过舌至腭法评价的)残余口腔被覆和ii)(通过咀嚼法评价的)团块粗度来最佳预测。舌至腭法由用舌抵住硬颚压住并操作样品组成。舌至腭法中所评估的主要参数包括但不限于初始舌操作、用舌至颚第一次压住、用舌抵住颚操作样品5-7次和用舌操作的次数。附带预测的餐食年龄多元回归模型发现可以使用以下式计算最小年龄：
年龄(月)＝1.9–0.16*(残余口腔被覆(舌))+0.60*(团块粗度(咀嚼))。
在本公开中，判别分析用来开发数学模型以预测应当向儿童提供某些点心食品和就餐食品的发育阶段。具体而言，基于专家团分析和由申请人进行的内部测试，确定儿童应当消费特定点心食品的发育阶段由主要组织属性i)(通过咀嚼法评价的)坚实度；和ii)(通过咀嚼法评价的)破裂；iii)(通过舌至腭法评价的)易吞咽性；和iv)(通过咀嚼法评价的)残余口腔被覆来最佳预测。上文中描述了舌至腭法和咀嚼法。
另外，基于专家团分析和由申请人进行的内部测试，确定儿童应当消费特定就餐食品的发育阶段由主要组织属性i)(通过舌至腭法评价的)湿度；ii)(通过舌至腭法评价的)易吞咽性；和iii)(通过咀嚼法评价的)浓厚性来最佳预测。上文中描述了舌至腭法和咀嚼法。
归因于判别分析的复杂性，不能获得一种用于相对于发育阶段预测和/或将食品分类的具体公式，对于用于相对于最小年龄预测食品和/或将其分类的逐步回归分析而言也是如此。实际上，食品群的不断变动的组织属性数据将导致不断变动的协方差。例如，来自专家团评价36种食品的终产物是对多种食品评价的每种组织属性的一大组数值。多种食品中每种食品的数值、组织属性和鉴定的庞大集群可以存储在数据库中。当评价新食品并将其添加至该数据库，本文提出的模型将改变，因而改进该模型。由于使用信息数据库作为判别分析评价中的来源并且数据库不断变化，所以不可能仅使用一个公式来相对于适宜发育阶段预测食品和/或将其分类。然而，当提供适宜的数据时，技术人员将领会怎样执行判别分析。
在一个实施方案中，可以使用计算机和计算机可读取介质最高效地执行判别分析，所述计算机可读取介质含有必需数据和指令以使用运行适宜软件的计算机执行判别分析。必需数据可以包括但不限于：(i)组织属性，例如基质中的小片数量、表面粗度、坚实度、湿度、破裂、团块的内聚性、团块的黏附性、吸潮、操作次数(准备好以吞咽)、易吞咽性、残余口腔被覆、浓厚性、酥脆性、团块粗度、力(N)、功率(N mm)、斜率(N/mm)、长度(mm)、宽度(mm)、厚度(mm)、水分(％)和Bostwick；(ii)主要或关键组织属性，例如包括(如通过咀嚼法的第一次咬所分析的)坚实度、(如通过咀嚼法所分析的)破裂、(如通过舌至腭法所分析的)易吞咽性、(如通过舌至腭法所分析的)残余口腔被覆、(如通过咀嚼法所分析的)团块粗度、(如通过舌至腭法所分析的)湿度和(如通过咀嚼法所分析的)浓厚性；和(iii)欲寻求预测和/或分类的新开发食品的主要或关键组织属性的数值。
计算机可读取介质应当还包括代码或指令以指示计算机处理器如何执行判别分析。代码与必需数据相互作用以相对于儿童的年龄-适合程度和/或阶段-适合程度预测食品和/或对其分类。一旦执行分析，
代码也可以指示计算机处理器怎样产生(format)新开发食品应当在特定发育阶段中分类的输出概率。例如，如果正在评价一种新食品以便预测为和/或划归成选自辅助坐起阶段、坐起阶段、爬行阶段、爬行阶段10+、学步阶段和学龄前阶段的发育阶段，则判别分析的输出可以表示新开发食品具有划归为辅助坐起阶段的29％概率和划归为坐起阶段的71％概率。技术人员将理解，可以使用运行适宜软件的计算机执行本文中讨论的任何统计分析(例如，回归、判别等)或计算。
通过使用这些模型评价几种新开发产产品，申请人验证这些模型。起初，申请人从专门从事食品组织描述的外部分析公司获得最小年龄和阶段信息。基于这种信息，申请人使用新开发的模型还预测了新开发产品的最小年龄以及其适宜发育阶段。回归分析模型显示点心食品和就餐食品的实际最小年龄和预测最小年龄之间的良好相关性。类似地，判别分析模型对点心食品实现约81％的正确阶段分类并且对就餐食品实现约85％正确阶段分类。
先前鉴定的主要组织属性可以在新产物原型中测量并且随后通过使用验证的数学模型，在SHSH转折点系统内部与市场上表现强的当前产品比较。在这个方面，申请人可以使用本发明模型来筛选并训练内部独立的组织评估团队，这将允许测量新原型的组织属性。当然，这从商业角度看令人心动，因为申请人将在开发过程中更早阶段对新开发产品的年龄分类和/或阶段分类具有更大的可靠性和可信度。如上文提到，随着对新开发的组织完成充分描述分析，可以不断进行模型验证和增强。
本发明模型的创建还为较大一组人客观评定组织属性提供系统训练，其中所述组织属性随后可以用来预测年龄和阶段以及指导进一步开发。该模型还能够为婴儿和儿童的新食品指导组织开发。该模型可以用来指导向目标阶段开发或直接建议新产品的适宜年龄或阶段定位。如果需要特定定位，则组织属性量值可以用来重新配制原型以匹配。例如，如果一种新开发产品意在作为爬行阶段食品出售，但是使用本发明模型的内部组织分析表示这种新开发的产品更适用于学步阶段食品，则申请人能够重新配制该食品以实现与爬行阶段食品相关的不同组织属性。由申请人内部地进行这些评估而不将这种分析交给外部专家团也将引起时间和成本节省。
本公开还提供提到的前述任一个模型和方法的用途，用于制备、调整、设计、销售、许诺销售和出售因使用相同方法和用途产生的任何产品。例如，在一个实施方案中，提供新食品，所述新食品已经使用评价该产品至少两种组织属性的方法调整或设计。所述方法包括：评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值，根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品，准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值，评价新食品的至少两种组织属性以获得每种组织属性的数值，并且使用运行适宜软件的计算机以使用信息集合体执行回归分析以预测新食品的适宜年龄。该方法还包括根据预测的适宜年龄调整或设计新食品。
总之，本公开的方法提供胜过已知食品预测和分类方法的几个优点。例如，益处包括但不限于，使用受训的专家团以获得众多食品的组织概况分析的组织描述，开发可以作为预测、分类、训练等的未来资源使用的大规模组织描述数据库和将新开发食品的组织属性与已经在组织描述数据库中分类的食品的组织属性比较以高效开发产品及对产品可靠分类/预测的能力。益处还包括但不限于组织描述数据库和本明开发的模型确定与不同发育阶段相关的主要组织属性的用途，和持续改进本发明模型以甚至更可靠地作出未来食品预测/分类的能力。另外，本公开的方法可以用来训练内部专家团以帮助降低开发时间和成本，以及增加产品开发效率。
通过举例方式并且不加以限制，以下实施例说明本公开的多种实施方式。
实施例1
用于开发和验证本发明数学模型的方法
1.由食品组织专家进行的描述分析
申请人将申请人目前销售的36种儿童食品的分析外包给部分专门从事食品组织分析的外部咨询公司。该公司使用两种评价方法确定36种产品的组织谱：舌至颚法和咀嚼法。舌至腭法由用舌抵住硬颚压住并操作样品组成。舌至腭法中所评估的主要参数包括但不限于初始舌操作、用舌至颚第一次压住、用舌抵住颚操作样品5-7次和用舌操作的次数。咀嚼法由用磨牙挤压并咀嚼样品组成。咀嚼法中评估的主要参数包括但不限于用磨牙第一次咬、用磨牙第一次咀嚼和用磨牙咀嚼样品5-7次。11名训练有素的组成员进行36种产品的三轮重复评价，总计每种产品33次评价。
使用这两种评价方法，相对于22种描述性属性的核心集合评价全部36种产品。舌至腭法包括11种描述性属性，包括基质中的小片数量(由初始舌操作描述)、表面粗度、坚实度和湿度(由采用舌至颚第一次压紧描述)、破裂、团块的内聚性、团块黏附性和吸潮(由采用舌顶住颚操作样品5-7次描述)和准备好以吞咽的操作次数、易吞咽性和残余口腔被覆(由用舌操作的次数描述)。咀嚼法包括11种描述性属性，包括坚实度(由用磨牙第一次咬描述)、浓厚性、湿度和酥脆性(由用磨牙第一次咀嚼描述)、吸潮、破裂、团块的粗度、团块内聚性和团块黏附性(由用磨牙咀嚼样品5-7次描述)和易吞咽性和残余口腔被覆(由用磨牙多次咀嚼描述)。
组成员按100点无结构线标度评价全部描述性属性，例外是准备好以吞咽的操作次数的属性。告知组成员输入准备好吞咽样品的操作次数的数值。如果在用舌操作50次后不能吞咽该样品，则告知组成员停止评价并输入数值50。
改良Williams设计用来以平衡方式提供样品。组成员在样品之间用室温蒸馏水(大约72°F/22℃)清洗他们的颚。在独立的计算机化小间中在白光下评价样品。将评价期间采集的全部原始数据提供给申请人用于评价。申请人分析原始数据以获得每种食品的每种描述性属性/组织属性的平均评分。
2.由申请人采集的分析性数据
在专家团完成组织描述性研究后，申请人对这36种产品进行几种分析性测试。使用模拟口腔内部力学的PSM Pro机，申请人能够分析36种产品的每种产品以获得力(N)、功率(N mm)和斜率(N/mm)的量值。在相关时，申请人还采集36种产品的额外数据，例如包括长度(mm)、宽度(mm)、厚度(mm)，水分(％)和Bostwick。由专家团获得的原始数据和由申请人获得的量值的组合发送至外部统计咨询公司用于评价。
3.团队计量的性能-进行的Biplot和聚类分析
为了评价专家团进行的组织描述性研究的能力和可靠性，申请人进一步评价从组织描述性研究获得的原始数据。具体而言，申请人制备Biplot曲线和聚类曲线以验证专家团的可靠性。Biplot表明产品和组成员影响和它们的相互作用自始至终是显著的；并且区分性、重现性和标度使用是正常的。K-均值聚类法还展示原始数据的可靠性。
4.创建的数学模型
评价从专家团获得的原始数据和由申请人获得的量值的组合以获得本发明模型。使用逐步回归分析，由专家团获得的原始数据和由申请人获得的量值与最小儿童年龄相关。使用逐步判别分析，由专家团获得的原始数据和由申请人获得的量值与儿童最小发育阶段相关。对“点心”食品和“就餐”食品进行独立分析。
点心食品
使用统计分析，发现组织属性-破裂(如咀嚼法所述)是儿童应当消费特定点心食品的最小年龄的最佳单一预测物。甚至更具体地，回归分析确定，儿童应当消费特定点心食品的最小年龄由主要组织属性i)坚实度(如使用咀嚼法第一次咬所述)和ii)破裂(如通过咀嚼法描述)最佳地预测。附带预测的点心的年龄多元回归模型发现可以使用以下式计算最小年龄：
年龄(月份)＝78.5–1.4*(坚实度)–0.4*(破裂)+0.0123*(坚实度)2。
用于确定儿童应当消费点心食品的大部分适宜发育阶段的判别分析模型也是成功的。使用主要组织属性-坚实度(如使用咀嚼法第一次咬所述)和破裂(如通过咀嚼法描述)，该判别分析实现约81％正确的发育阶段分类率。
就餐食品
使用统计分析，发现组织属性-团块粗度(如咀嚼法所述)是儿童应当消费特定就餐食品的最小年龄的最佳单一预测物。甚至更具体地，回归分析确定，儿童应当消费特定就餐食品的最小年龄仅略微较好地由主要组织属性i)残余口腔被覆(如通过舌至腭法所描述)和ii)团块粗度(如通过咀嚼法描述)预测。附带预测的餐食的年龄多元回归模型发现可以使用以下式计算最小年龄：
年龄(月)＝1.9–0.16*(残余口腔被覆)+0.60*(团块粗度)。
用于确定儿童应当消费就餐食品的大部分适宜发育阶段的判别分析模型也是成功的。使用主要组织属性：坚实度(如通过舌至腭法所描述)、湿度(如通过舌至腭法所描述)、易吞咽性(如通过舌至腭法所描述)、浓厚性(如通过使用咀嚼法的第一次咬所描述)和宽度(mm)，该判别分析实现约90％正确的发育阶段分类率。
5.验证的数学模型
为了验证用于预测上文所述的点心和餐食的年龄适合程度和阶段适合程度的统计模型，添加5种额外的新产品(三种点心和两种餐食)至最初36种产品(16种点心和20种餐食)用于评价。用于点心的原始模型仅涉及主要组织属性：坚实度(如通过使用咀嚼法的第一次咬所描述)和破裂(如使用咀嚼法所述那样)。由于可获得5种新产品的该数据，所以在验证中使用该原始模型。用于餐食的原始阶段模型涉及宽度量值(mm)。由于不可获得5种新产品的宽度数据，基于对新餐食产品采集的感官属性修整阶段模型。
点心食品
确定儿童应当消费特定点心食品的最小年龄的回归分析由主要组织属性i)坚实度(如使用咀嚼法第一次咬所述)和ii)破裂(如使用咀嚼法描述)最佳地预测。附带预测的点心的年龄多元回归模型发现可以使用以下式计算最小年龄：
年龄(月份)＝78.5–1.4*(坚实度)–0.4*(破裂)+0.0123*(坚实度)2。
用于确定儿童应当消费点心食品的大部分适宜发育阶段的判别分析模型也是成功的。使用主要组织属性-坚实度(如使用咀嚼法第一次咬所述)和破裂(如使用咀嚼法描述)，该判别分析实现约81％正确的发育阶段分类率。三种新点心的每一种明显划分入爬行发育阶段。
就餐食品
确定应当为儿童提供特定就餐食品的最小年龄的回归分析由主要组织属性i)残余口腔被覆(如通过舌至腭法所描述)和ii)团块粗度(如通过咀嚼法描述)预测。附带预测的餐食的年龄多元回归模型发现可以使用以下式计算最小年龄：
年龄(月)＝2.45–0.11*(残余口腔被覆)+0.50*(团块粗度)。
用于确定儿童应当消费就餐食品的大部分适宜发育阶段的“感官唯一”判别分析模型也是成功的。使用组织属性：湿度(如使用舌至腭法所描述)、易吞咽性(如使用舌至腭法所描述)和浓厚性(如通过使用咀嚼法的第一次咬所描述)，该判别分析实现约85％正确的发育阶段分类率。将一种新食品明确地划分入学步阶段发育阶段中，而将另一种新食品明确地划分入学龄前发育阶段中。
随着对数学模型的验证，申请人发现全部4种模型(即，预测点心的适宜年龄的回归模型、预测点心的适宜阶段的判别模型、预测餐食的适宜年龄的回归模型和预测餐食的适宜阶段的判别模型)均良好拟合原始数据。另外，所述模型能够精确地预测不包括在模型构建分析中的5种新产品的年龄值和阶段值。
6.开发用于训练组织团队的方法
基于本公开中提出的数学模型，申请人相信，现在将更容易开发用于训练内部专家组织团队的标准方案，所述团队将是能够容易和客观地预测儿童应当消费特定食品的最小年龄和阶段。申请人也将能够更好地调节新食品配方以针对儿童的特定最小年龄或发育阶段开发食品。例如，申请人可以使用上述数学模型将新开发食品划分至相应的发育阶段中(例如，爬行阶段、坐起阶段等)。如果这种分类不是申请人所预期的那种(例如，分类是爬行阶段，但是申请人意在开发用于坐起阶段的新食品)，申请人将能够调整配方以实现将新开发产品划分为坐起阶段产品的组织属性。
应当理解本领域技术人员显而易见对目前优选的本文所述实施方式的多种变化和修改。可以作出此类变化和修改而不脱离现有主题的精神和范围并且不削弱其预期优点。因此意图是此类变化和修改应当由所附权利要求书涵盖。

Claims (21)

1.一种用于预测应当向儿童提供新食品的适宜年龄的方法，所述方法包括：
评价多种已知食品中每种食品的至少两种组织属性以获得多种已知食品中每种食品的每种组织属性的数值；
根据消费所述已知食品的儿童的适宜年龄和适宜发育阶段表征多种已知食品中的每种食品；
准备信息集合体，所述信息集合体含有多种已知食品、每种已知食品的适宜年龄、每种已知食品的适宜发育阶段和每种已知食品的组织属性数值；和
使用运行适宜软件的计算机以使用信息集合体执行回归分析，以预测新食品的适宜年龄，
其中至少两种组织属性选自：基质中小片数量、表面粗度、坚实度、湿度、破裂、团块的内聚性、团块的黏附性、吸潮、操作次数(准备好以吞咽)、易吞咽性、残余口腔被覆、浓厚性、酥脆性、团块的粗度、力度、功率和斜率、长度、宽度、厚度、水分、Bostwick及它们的组合；并且
其中信息集合体是数据库。
2.根据权利要求1所述的方法，还包括至少一个以下步骤：
a)从评价的至少两种组织属性确定主要组织属性；
b)对描述多种已知食品中每种食品的至少两种组织属性的第一组数值进行统计分析；
从至少两种组织属性鉴定到作为良好年龄预测物的至少两种主要组织属性，所述至少两种主要组织属性选自坚实度、破裂、残余口腔被覆、团块的粗度及它们的组合；
评价新食品以获得描述至少两种主要组织属性的第二组数值；和
使用运行适宜软件的计算机来使用第二组数值执行回归分析以预测适宜年龄；或
c)它们的组合。
3.根据权利要求1所述的方法，其中评价由以下至少一者进行：
至少一个人，通过将已知食品置于此人的口腔中；
具有至少两位个体的至少一个专家团；
至少一个台机器；或
它们的组合。
4.根据权利要求1所述的方法，其中至少一种已知食品和至少一种新食品是以下的至少一者：至少一种儿童食品；至少一种点心食品；已经改良或设计过的至少一种食品；至少一种就餐食品；正在改良或设计以提供与更年长或更年幼适宜年龄相关的组织属性不同的组织属性的至少一种食品；正在销售或许诺销售的新食品；正在营销的新食品；或它们的组合。
5.根据权利要求1所述的方法，其中至少两种组织属性包括坚实度、水分、破裂、易吞咽性和残余口腔被覆。
6.根据权利要求1所述的方法，其中用于预测应当向儿童提供新食品的适宜年龄的方法是一种用于预测应当向儿童提供新食品的适宜发育阶段的方法。
7.根据权利要求1所述的方法，其中用于预测应当向儿童提供新食品的适宜年龄的方法是一种用于相对于应当向儿童提供新食品的适宜年龄对所述新食品分类的方法。
8.根据权利要求1所述的方法，其中用于预测应当向儿童提供新食品的适宜年龄的方法是一种用于预测儿童消费至少一种新食品的适宜年龄的方法。
9.根据权利要求1所述的方法，其中用于预测应当向儿童提供新食品的适宜年龄的方法是一种用于就儿童消费就餐食品的适宜年龄而言对所述食品分类的方法。
10.根据权利要求1所述的方法，其中用于预测应当向儿童提供新食品的适宜年龄的方法是一种用于降低儿童因食品而噎住的风险的方法。
11.根据权利要求1所述的方法，还包括分析点心食品的坚实度以获得坚实度值；
分析点心食品的破裂以获得破裂值；并且
通过将坚实度值和破裂值代入公式计算儿童的适宜年龄，该公式包括：
年龄＝78.5–1.4*(坚实度值)–0.4*(破裂值)+0.0123*(坚实度值)2。
12.根据权利要求1所述的方法，包括使用咀嚼法进行以下至少一者的分析：
点心食品的坚实度；
点心食品的破裂；
分析点心食品的团块粗度；或
它们的组合。
13.根据权利要求1所述的方法，其中分析点心食品坚实度的步骤包括至少两次分析所述食品以获得第一和第二坚实度值，并且其中坚实度值是第一和第二坚实度值的平均数。
14.根据权利要求1所述的方法，其中分析点心食品破裂的步骤包括至少两次分析所述食品以获得第一和第二破裂值，并且其中破裂值是第一和第二破裂值的平均数。
15.根据权利要求1所述的方法，还包括分析就餐食品的残余口腔被覆以获得残余口腔被覆值；
分析就餐食品的团块粗度以获得团块粗度值；和
通过将残余口腔被覆值和团块粗度值代入公式，计算儿童的适宜年龄，该公式包括：
年龄＝2.45–0.11*(残余口腔被覆值)+0.50*(团块粗度值).
16.根据权利要求15所述的方法，其中使用舌至腭法进行分析就餐食品的残余口腔被覆的步骤。
17.根据权利要求1所述的方法，其中分析就餐食品的残余口腔被覆的步骤包括至少两次分析所述食品以获得第一和第二残余口腔被覆值，并且其中残余口腔被覆值是第一和第二残余口腔被覆值的平均数。
18.根据权利要求1所述的方法，其中分析就餐食品的团块粗度的步骤包括至少两次分析所述食品以获得第一和第二团块粗度值，并且其中团块粗度值是第一和第二团块粗度值的平均数。
19.根据权利要求1所述的方法，还包括：
训练个体预测儿童消费食品的适宜年龄，所述方法包括以下至少一者：
a)指导所述个体分析就餐食品的残余口腔被覆以获得残余口腔被覆值；
指导所述个体分析就餐食品的团块粗度以获得团块粗度值；和
通过将残余口腔被覆值和团块粗度值代入公式，计算儿童的适宜年龄，该公式包括：
年龄＝2.45–0.11*(残余口腔被覆值)+0.50*(团块粗度值)；并且
将计算的年龄与已知的年龄比较；
b)指导所述个体分析所述食品的残余口腔被覆以获得残余口腔被覆值；
指导所述个体分析就餐食品的团块粗度以获得团块粗度值；和
通过将残余口腔被覆值和团块粗度值代入公式，计算儿童的适宜年龄，该公式包括：
年龄＝2.45–0.11*(残余口腔被覆值)+0.50*(团块粗度值)；并且
将计算的年龄与已知的年龄比较；
c)指导所述个体分析已知食品的以下组织属性：坚实度、破裂、易吞咽性和残余口腔被覆；
提供包含多种已知食品中的每种食品的多个已知组织属性值的数据库，所述数据库还包含多种已知食品中的每种食品的适宜发育阶段，并且多种已知食品包含已知的点心食品；
使用运行适宜软件的计算机来执行判别分析以确定将已知点心食品划分入多个发育阶段的每个发育阶段的概率；并且
将所述概率与已知点心食品的已知适宜发育阶段比较；
d)指导所述个体分析已知食品的以下组织属性：湿度、易吞咽性和浓厚性；
提供包含多种已知食品中的每种食品的多个已知组织属性值的数据库，所述数据库还包含多种已知食品中的每种食品的适宜发育阶段，并且多种已知食品包含已知的就餐食品；
使用运行适宜软件的计算机来执行判别分析以确定将已知就餐食品划分入多个发育阶段的每个发育阶段的概率；并且
将所述概率与已知就餐食品的已知适宜发育阶段比较；或
它们的组合。
20.一种用于出售新食品的方法，所述方法包括：
使用评价产品的至少两种组织属性的方法，调整现存的食品或设计新食品，所述方法选自权利要求1至权利要求19中要求保护的那些方法；并且
出售新食品。
21.一种用于销售或许诺销售新食品的方法，所述方法包括：
使用评价产品的至少两种组织属性的方法，制备新食品或调整现存的食品，所述方法选自权利要求1至权利要求19中要求保护的那些方法；并且
销售或许诺销售所述新食品。
CN201280069621.4A 2011-12-14 2012-12-14 用于为儿童预测年龄适宜或发育阶段适宜食品的方法 Pending CN104115176A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201161570657P 2011-12-14 2011-12-14
US61/570,657 2011-12-14
PCT/EP2012/075483 WO2013087810A1 (en) 2011-12-14 2012-12-14 Methods for predicting age-or developmental stage-appropriate foods for children

Publications (1)

Publication Number Publication Date
CN104115176A true CN104115176A (zh) 2014-10-22

Family

ID=47520033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280069621.4A Pending CN104115176A (zh) 2011-12-14 2012-12-14 用于为儿童预测年龄适宜或发育阶段适宜食品的方法

Country Status (11)

Country Link
US (1) US9691029B2 (zh)
EP (1) EP2791885A1 (zh)
JP (1) JP5875701B2 (zh)
CN (1) CN104115176A (zh)
AU (1) AU2012351604A1 (zh)
CA (1) CA2858628A1 (zh)
MX (1) MX2014007153A (zh)
PH (1) PH12014501206A1 (zh)
SG (1) SG11201402898SA (zh)
WO (1) WO2013087810A1 (zh)
ZA (1) ZA201405097B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI771222B (zh) * 2021-11-05 2022-07-11 芙莉曼科技股份有限公司 孕產育兒專家服務系統及其方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016178772A1 (en) * 2015-04-05 2016-11-10 Smilables Inc. Remotely aggregating and analyzing measurement data from multiple infant monitoring systems

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1268033A (zh) * 1997-02-14 2000-09-27 拜奥马尔国际公司 用来预测未来健康的系统
JP2009014700A (ja) * 2007-01-31 2009-01-22 Osaka Univ 緑茶の品質予測方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0109965A1 (en) 1982-11-26 1984-06-13 Embalarte Industria E Comercio Ltda. Wrapping for containing liquid products of differing viscosity
US4988016A (en) 1989-01-30 1991-01-29 James P. Hawkins Self-sealing container
JP3338397B2 (ja) * 1999-03-29 2002-10-28 雪印乳業株式会社 食品の物性測定器具及びそれを用いる食品の物性測定方法
JP2006227021A (ja) * 2001-08-02 2006-08-31 Nisshin Oillio Group Ltd 多孔性食品食感評価方法、多孔性食品データ処理装置、多孔性食品食感評価方法及び多孔性食品食感評価方法をコンピュータに実行させるプログラム
ES1057328Y (es) 2004-04-06 2004-11-01 Negrin Pedro Ramon Mora Envase flexible al vacio con facil apertura para monodosis de fluidos pastosos
UA103180C2 (ru) * 2007-11-26 2013-09-25 Нестек С.А. Сбалансированная по возрасту система питания для детей
US20120254196A1 (en) * 2009-10-13 2012-10-04 Nestec S.A. Systems for evaluating dietary intake and methods of using same
WO2011119023A1 (en) * 2010-03-26 2011-09-29 N.V. Nutricia Low protein infant formula with increased essential amino acids
JP5311680B2 (ja) * 2010-04-01 2013-10-09 長谷川香料株式会社 食品の硬さ、食感、及びテクスチャーの評価方法
WO2012021532A2 (en) * 2010-08-09 2012-02-16 Nurish, Inc. Daily meal planning system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1268033A (zh) * 1997-02-14 2000-09-27 拜奥马尔国际公司 用来预测未来健康的系统
JP2009014700A (ja) * 2007-01-31 2009-01-22 Osaka Univ 緑茶の品質予測方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
ALINA SURMACKA SZCZESNIAK: "Texture is a sensory property", 《FOOD QUALITY AND PREFERENCE》 *
BETTY RUTH CARRUTH等: "Prevalence of picky eaters among infants and toddlers and their caregivers’ decisions about offering a new food", 《JOURNAL OF THE AMERICAN DIETETIC ASSOCIATION》 *
CO INJURY，AP PREVENTION: "Prevention of choking among children", 《AMERICAN ACADEMY OF PEDIATRICS》 *
ERIKA G. GISEL: "Effect of Food Texture on the Development of Chewing of children Between Six Months and Two Years of Age", 《DEVELOPMENTAL MEDICINE AND CHILD NEUROLOGY》 *
KAY A. TOOMEY: "Developmental Food Continuum", 《HTTP://FILE-01.BLOGCN.COM/WP03/M00/03/8F/WKGKCK7GFJOAAAAAAAIKBECAVVQ329.PDF》 *
MARK JOHN BRUWER等: "Fusion of sensory and mechanical testing data to define measures of snack food texture", 《FOOD QUALITY AND PREFERENCE》 *
TRACEY GRAVES: "Is my child picky eater or a problem feeder?", 《HTTPS://WEB.ARCHIVE.ORG/WEB/*/HTTP://WWW.FDHKIDS.COM/DOCS/IS_MY_CHILD_A_PICKY_EATTER_OR_A_PROBLEM_FEEDER.PDF》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI771222B (zh) * 2021-11-05 2022-07-11 芙莉曼科技股份有限公司 孕產育兒專家服務系統及其方法

Also Published As

Publication number Publication date
PH12014501206A1 (en) 2014-09-08
EP2791885A1 (en) 2014-10-22
NZ625616A (en) 2016-01-29
AU2012351604A1 (en) 2014-06-19
MX2014007153A (es) 2014-08-29
US20140372357A1 (en) 2014-12-18
SG11201402898SA (en) 2014-07-30
JP2015505044A (ja) 2015-02-16
CA2858628A1 (en) 2013-06-20
US9691029B2 (en) 2017-06-27
ZA201405097B (en) 2016-05-25
JP5875701B2 (ja) 2016-03-02
WO2013087810A1 (en) 2013-06-20

Similar Documents

Publication Publication Date Title
US11621077B2 (en) Methods and systems for using artificial intelligence to select a compatible element
Rostami et al. A novel time-aware food recommender-system based on deep learning and graph clustering
ES2961543T3 (es) Determinación de un régimen de bienestar óptimo
Costa et al. PHAROS—PHysical assistant RObot system
JP2021511597A (ja) ペットウェルネスプラットフォームのための方法及びシステム
Rutledge Injury severity and probability of survival assessment in trauma patients using a predictive hierarchical network model derived from ICD-9 codes
CN106537395A (zh) 用于提供动物健康、营养和/或保健建议的系统和方法
CN110851725A (zh) 一种医疗资源推荐方法、系统、计算设备和存储介质
Bründl et al. Systematic mapping of developmental milestones in wild chimpanzees
US10902351B1 (en) Methods and systems for using artificial intelligence to analyze user activity data
CN106934253A (zh) 用于基于网络的生物活动评价的系统和方法
EP4002377A1 (en) Personalized meal diet and exercise providing method using integrated health information and service system
Dar-Odeh et al. Predicting recurrent aphthous ulceration using genetic algorithms-optimized neural networks
González Ariza et al. Discriminant canonical tool for differential biometric characterization of multivariety endangered hen breeds
Irshad et al. SenseHunger: Machine learning approach to hunger detection using wearable sensors
CN104408281B (zh) 一种用于便携式酒壶设计的混杂型交互式进化优化方法
Navarro et al. Did tools create humans?
CN104115176A (zh) 用于为儿童预测年龄适宜或发育阶段适宜食品的方法
US20220399099A1 (en) System and method for providing personalized dietary suggestion platform
Chen et al. A computational atlas of tissue-specific regulatory networks
CN113990503A (zh) 一种人工智能结合医疗经验的慢性病风险预测方法及系统
Van Belle12 et al. Interval coded scoring systems for survival analysis
Höhle et al. Classifying the decision to perform surgery in MEN1 cancer patients using decision trees
US20240078451A1 (en) Methods and systems for physiologically informed gestational inquiries
US11887720B1 (en) Apparatus and method for using a feedback loop to optimize meals

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20141022