CN115315752A - 用于为健康微生物组提供个体化推荐的系统和方法 - Google Patents
用于为健康微生物组提供个体化推荐的系统和方法 Download PDFInfo
- Publication number
- CN115315752A CN115315752A CN202180024518.7A CN202180024518A CN115315752A CN 115315752 A CN115315752 A CN 115315752A CN 202180024518 A CN202180024518 A CN 202180024518A CN 115315752 A CN115315752 A CN 115315752A
- Authority
- CN
- China
- Prior art keywords
- day
- recommendation
- microbiome
- computer
- microbiome health
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Coloring Foods And Improving Nutritive Qualities (AREA)
Abstract
本发明涉及用于提供个体化微生物组推荐以改善或维持微生物组健康的系统和方法。在本发明的若干实施方案中,该个体化微生物组健康推荐是用于改善或维持健康微生物组的饮食、菜单和菜谱。在若干实施方案中,这些微生物组健康推荐由计算机实现的系统递送。
Description
技术领域
本发明涉及用于提供个体化微生物组推荐以改善或维持微生物组健康的系统和方法。在本发明的若干实施方案中,个体化微生物组健康推荐是用于改善或维持健康微生物组的饮食、菜单和菜谱。在若干实施方案中,这些微生物组健康推荐由计算机实现的系统递送。
背景技术
肠道微生物群是生活在肠道中的数万亿微生物的宿主,其中大多数寄宿在结肠中。肠道微生物群的组成和功能的变化与许多疾病和状况相关,诸如代谢和炎性疾病、癌症、抑郁症以及婴儿健康和长寿。
尽管许多因素可在一个人的整个寿命期间影响肠道微生物群,但饮食被认为是最重要的因素之一。由于个体之间没有两个微生物组是相同的,因此需要为微生物组健康提供个体化和个性化推荐的方法和系统。具体地,此类推荐应以用户友好的方式供个体遵循,以便改善或维持其微生物组健康。
发明内容
个体用户通常难以实施针对健康微生物组的各个食物项推荐,因为它们未在一整天或数周内不同餐食的整个饮食、菜单或菜谱的环境下被考虑。
本发明的方法和系统有利地将临床证实的食物推荐实施为用户友好、实用和可行的微生物组健康饮食、菜单计划或菜谱,其可适应特定的个人需求和偏好。通过这种方式,为个体用户提供了关于如何在其日常饮食、菜单和菜谱中实施微生物组健康推荐的清晰指导。
在若干实施方案中,本发明有利地确定对于微生物组健康推荐,维持总体健康饮食的每日推荐允许量。具体地,观察到微量营养物质的需求量,例如,每日维生素和矿物质的微量营养物质要求。
本发明的若干实施方案的另一个优点是对于微生物组健康推荐,在构建微生物组健康菜单计划时,已经实施了个体用户膳食偏好,诸如:无麸质饮食、无乳糖饮食、地中海饮食、纯素饮食或素食饮食。
本发明的若干实施方案的另一个优点是,对于具有不同体力活动水平或希望减少其每日能量消耗以便减轻体重同时仍保持微生物组健康推荐的个体,可以将每日饮食的总能量需求量设置为不同的阈值。
附图说明
图1——用于微生物组健康推荐的计算机实现的系统:根据本公开的一个实施方案的示例性系统的框图
图2——用于健康微生物组的推荐系统的示例
图3——针对微生物组健康菜单计划的每个饮食类型的蛋白质环境
图4——针对微生物组健康菜单计划的每个饮食类型的碳水化合物
图5——针对微生物组健康菜单计划的每个饮食类型的总脂肪
图6——针对微生物组健康菜单计划的每个饮食类型的维生素K
图7——针对微生物组健康菜单计划的每个饮食类型的食物叶酸
图8——针对微生物组健康菜单计划的每个饮食类型的钠
图9——针对微生物组健康菜单计划的每个饮食类型的纤维
图10——用于建立微生物组健康菜单计划程序的工作流程优化
图11——典型用户的个体生物计量数据
图12——一天的微生物组健康菜单计划示例
图12A示出了一天的菜单计划的营养含量。
图12B示出了早餐和午餐建议。
图12C示出了晚餐和小吃建议。餐食或食物项选择可用标签标记以显示哪些选择是微生物组健康的。在小吃选择中,可以选择替换项进行替换。在该示例中,可以选择开心果,或者可以选择未用盐烘烤的开心果。对于那些标记为微生物组健康的图像,它们标有一个小的“细菌符号”1202,因为它们包含微生物组健康规则之一。“箭头符号”1204允许用户交换由引擎自动创建的菜谱或菜肴。显示标有符号“我的菜单IQ”1206的餐食营养评分,以对每个餐食场合给出100分的餐食营养评分。
图13——微生物组健康菜谱示例
图13A描述了菜谱中的成分和量。
图13B描述了如何制作菜谱的说明。
具体实施方式
定义
“微生物组健康”可以通过许多不同的测量来评估,包括:
(i)确定肠道中微生物物种的α多样性,
(ii)肠道中丁酸盐产生菌,以及
(iii)肠道中短链脂肪酸的产生。
“肠道中微生物物种的α多样性”总结了生态群落的结构,涉及其丰富度(分类群的数量)、均匀度(群落的丰度分布)或二者。在肠道微生物生态学中,分析扩增子测序数据的α多样性是评估环境之间的差异的常见第一方法。肠道中微生物物种的α多样性减少通常发生在衰老个体的整个生命周期中。一般来说,改善或维持肠道微生物物种的α多样性是健康微生物组的标志。
“肠道中丁酸盐产生菌”是健康微生物组的重要细菌群。厚壁菌门是一类细菌,其成员特别以其产生丁酸盐的能力而广为人知。这组细菌负责通过自然发酵工艺产生丁酸盐,并且所得丁酸盐在维持宿主代谢和肠道微生物组多样性的稳态方面起着关键作用。肠道中丁酸盐浓度和丁酸盐产生菌的降低与许多不同疾病的发展有关。此外,消耗益生元诸如蔬菜、豆类、水果和全麦,可增加肠道中丁酸盐的产生。也有结果表明,高蛋白质、高脂肪、低碳水化合物饮食会破坏微生物组中丁酸盐的产生。一般来说,改善或维持肠道中丁酸盐浓度是健康微生物组的标志。
“肠道中短链脂肪酸的产生”是健康微生物组的另一个重要组成部分。短链脂肪酸(SCFA)是碳(C)原子少于6个的脂肪酸,是大肠微生物群通过难消化多糖诸如膳食纤维和抗性淀粉的厌氧发酵产生的主要代谢产物。SCFA可直接或间接影响肠脑通信和大脑功能。保留完整的全麦似乎会导致产生更多的短链脂肪酸。一般来说,改善或维持肠道中短链脂肪酸的产生是健康微生物组的标志。
在若干实施方案中,本发明的系统和方法通过提供微生物组健康推荐诸如饮食推荐、菜单推荐和菜谱推荐来改善或维持肠道中微生物物种的α多样性;改善或维持肠道中丁酸盐的产生;以及改善或维持肠道中短链脂肪酸的产生,从而有助于微生物组健康。
本发明所公开的系统的各种实施方案满足给定特定饮食的一般目标,以推荐一组食物或菜单或菜谱,以便维持或改善个体的总体微生物组健康。微生物组健康取决于个体的一般特征(性别、年龄、体重、身体测量、体力活动水平和其他健康相关状况,如怀孕或哺乳期等)并且用以维持或改善微生物组健康的推荐同样取决于个体的特征。
微生物组健康改善或微生物组健康维持可通过在本发明的膳食推荐之前和之后从个体采集的粪便样品,通过测量诸如以下的参数来确定:(i)肠道中微生物物种的α多样性,(ii)丁酸盐产生菌和(iii)肠道中短链脂肪酸的产生。因此,可以随时间确定在个体已遵循本发明的微生物组健康饮食、菜单和菜谱推荐之后微生物组健康的改善。
在各种实施方案中,本文公开的系统计算并显示指示微生物组的营养影响的食物项、菜单或菜谱的推荐。在这些实施方案中,该系统确定并存储给定时间段内(诸如一顿餐食、一整天、一周或一个月)对于个体来说,计算该推荐所针对的个体的需求的一个或多个指示。
然后,该系统使用户能够指出其已经消耗或计划消耗的消费品(诸如食物项)。对于每种指出的食物项,所公开的系统的数据库或数据存储区存储对单位量该食物项或菜单或菜谱的营养物质含量,具体地微量营养物质含量的指示。该系统使用该营养含量信息,乘以随时间推移消耗的食物项的量,来确定该特定食物项或菜单或菜谱随时间段推移的总营养摄入量。
在各种实施方案中,所公开的系统提供推荐功能,其中该系统推荐将产生具有改善的或最佳微生物组健康菜单的食物或菜单或菜谱的组合。例如,如果用户在早餐之后访问系统并指出其早餐已吃的食物,则本发明所公开的系统可以计算早餐食物的评分,并且还可以确定在这一天的剩余时间内需要消耗什么营养物质,以及在当天的剩余时间内消耗多少能量,以使该个体在这一天消耗的营养物质和能量处于最佳范围以获得总体健康微生物组。在此实施方案中,系统使用这些计算的营养物质量来确定在这一天的剩余时间内可以消耗的食物的组合,以确保尽可能完全地实现个体的营养目标,同时仍然消耗在该个体的最佳卡路里摄入量范围内的一定量的卡路里。因此,本文公开的系统不仅可作为跟踪系统运行,而且还可以作为用于推荐消费品以帮助个体达到其健康微生物组的营养目标的推荐引擎。
术语“营养物质”在本文中重复使用。在一些实施方案中,如本文所用的术语“营养物质”是指对身体具有有益效果的化合物,例如提供能量、生长或健康。该术语包括有机化合物和无机化合物。如本文所用,术语“营养物质”可包括例如常量营养物质、微量营养物质、必需营养物质、条件必需营养物质和植物营养物质。这些术语不一定相互排斥。例如,某些营养物质可根据特定分类体系或列表而被定义为常量营养物质或微量营养物质。
在各种实施方案中,本文使用的术语“常量营养物质”与本领域中充分理解的用法一致,其通常涵盖为了生物体的正常生长和发育所大量需要的营养物质。这些实施方案中的常量营养物质可包括但不限于碳水化合物、脂肪、蛋白质、氨基酸和水。某些矿物质也可被归类为常量营养物质,诸如钙、氯或钠。
在各种实施方案中,本文使用的术语“微量营养物质”与本领域中充分理解的用法一致,其通常涵盖对人体具有有益效果(例如帮助提供能量、生长或健康)但只需要少量或微量的化合物。在此类实施方案中,该术语可包括或涵盖有机化合物和无机化合物两者,例如个别氨基酸、核苷酸和脂肪酸;维生素、抗氧化剂、矿物质、微量元素(例如碘)和电解质(例如钠),以及这些物质的盐,包括氯化钠。
在若干实施方案中,计算特定食物、菜单或菜谱的微量营养物质,特别是维生素和矿物质,以确定微生物组健康项目。该系统可用图标将此类项标记为“微生物组健康”,以便用户可以轻松识别它们。
在各种实施方案中,已经鉴定出被认为特别是微生物组健康的食物组。这些食物或营养物质组选自以下项组成的组:
(i)全麦食物;
(ii)大豆和豆荚;
(iii)纤维;
(iv)坚果和籽;以及
(v)ω-3脂肪酸。
在若干实施方案中,基于每个时间段的这些食物或营养物质组选择菜单和菜谱,以便获得微生物组健康菜单或菜谱。该系统允许替换食物项、菜单和菜谱,以便在这一天制作餐食。
在若干实施方案中,菜单和菜谱考虑了所需的食物或营养物质组的量,以便获得总体均衡饮食以及微生物组健康。
在一个实施方案中,食物或营养物质组的推荐量如下:
(i)全麦食物,总量为约31g/天至477g/天;
(ii)大豆和豆荚,总量为约35g/天至472g/天
(iii)纤维,总量为约16g/天至95g/天;
(iv)坚果和籽,总量为约6g/天至192g/天;以及
(v)ω-3脂肪酸,总量为至多约5200mg/天。
在各种实施方案中,该系统考虑个体用户偏好。个体膳食偏好,诸如:无麸质饮食、无乳糖饮食、地中海饮食、纯素饮食、素食饮食和其他特定饮食。
个体用户喜欢或不喜欢可以存储在该系统中,从而避免一些食物项、菜单和菜谱推荐。该系统还可以存储这些食物项、菜单和菜谱的频率,使得它们可以变化以避免用户厌倦每天具有相同的菜单或菜谱。
在另一个实施方案中,用户携带的一个或多个设备可以在用户处于食品采购场所(诸如杂货店或餐馆)时向该系统提供实时信息。诸如RFID读取器、NFC读取器、可穿戴相机设备和移动电话的设备可以接收或确定(诸如通过扫描RFID标签、读取条形码或确定用户的物理位置)用户可在具体杂货店或餐馆购得的食物。然后,本发明所公开的系统可以考虑该用户可以立即购买或消耗什么食物,从而进行微生物组-健康推荐。
在一个此类实施方案中,当用户坐在餐馆中时,所公开的系统可以向该用户的移动电话推送信息,推荐用户从菜单中选择某些项,以优化给定时间段内该用户的个体微生物组健康菜单。在其它实施方案中,语音识别功能识别由用户通过语音提供的输入。在一个此类实施方案中,语音识别系统在用户在餐馆点单时进行监听;在其它实施方案中,语音识别系统使得用户能够直接说出自己已消耗或将要消耗的项。在另一个实施方案中,本发明所公开的系统可使用地理定位,以基于用户的位置提供适当的锻炼建议。例如,如果用户在工作场所、健身房或家中,则用户的手机、平板电脑或计算机上的应用程序可向用户提供(例如,在聊天框中)不同的活动提示。
现在参见图1,示出了显示主机设备100的电气系统的示例的框图,该主机设备可用于实施本文所公开的计算机化推荐系统的至少一部分。
在一个实施方案中,图1所示的设备100对应于提供以下功能中的一些或全部的一个或多个服务器和/或其他计算设备:(a)使得所公开的系统的远程用户能够访问系统;(b)提供使得远程用户能够与所公开的系统进行交互的一个或多个网页;(c)存储和/或计算实施所公开的系统所需的基础数据,诸如推荐的卡路里摄入量范围、推荐的营养物质消耗范围,以及食物的营养物质含量;(d)计算和显示组成部分;并且/或者(e)提供对可被消耗以帮助个体达到最佳健康微生物组的食物、菜单或菜谱或其他消费品的推荐。
在图1所示的示例性架构中,设备100包括主单元104,该主单元优选地包括一个或多个处理器106,该一个或多个处理器通过地址/数据总线113电耦合到一个或多个存储器设备108、其它计算机电路110和/或一个或多个接口电路112。一个或多个处理器106可以是任何合适的处理器,诸如来自INTEL或INTEL系列微处理器的微处理器。和是英特尔公司(Intel Corporation)的注册商标,并且是指可商购获得的微处理器。应当理解,在其它实施方案中,可以使用其它可商购获得的或特别设计的微处理器作为处理器106。在一个实施方案中,处理器106是专门设计用于所公开的系统中的片上系统(“SOC”)。
在一个实施方案中,设备100还包括存储器108。存储器108优选地包括易失性存储器和非易失性存储器。优选地,存储器108存储与主机设备100的硬件以及与如下文所述的系统中的其它设备交互的一个或多个软件程序。除此之外或者另选地,存储在存储器108中的程序可以与一个或多个客户端设备(诸如客户端设备102(在下文详细论述))交互,以向这些设备提供对存储在设备100上的媒体内容的访问。存储在存储器108中的程序可以由处理器106以任何合适的方式执行。
一个或多个接口电路112可以使用任何合适的接口标准来实施,该接口标准诸如以太网接口和/或通用串行总线(USB)接口。一个或多个输入设备114可以连接到接口电路112,以将数据和命令输入到主单元104中。例如,输入设备114可以是键盘、鼠标、触摸屏、跟踪板、跟踪球、等位点(isopoint)和/或语音识别系统。在一个实施方案中,在设备100被设计成仅通过远程设备操作或交互的情况下,设备100可以不包括输入设备114。在其它实施方案中,输入设备114包括向主机设备100提供数据输入的一个或多个存储设备,诸如一个或多个闪存驱动器、硬盘驱动器、固态驱动器、云存储器或其它存储设备或解决方案。
一个或多个存储设备118也可以通过接口电路112连接到主单元104。例如,硬盘驱动器、CD驱动器、DVD驱动器、闪存驱动器和/或其它存储设备可以连接到主单元104。存储设备118可以存储设备100所使用的任何类型的数据,包括:关于优选营养物质范围的数据;关于各种食物项的营养物质含量的数据;关于系统用户的数据;关于先前生成的膳食摄入量评分的数据;关于先前生成的菜单、菜谱或餐食,个人用户对菜单、菜谱或餐食的偏好,对菜单、菜谱或餐食的偏好频率的数据;关于理想能量摄入量的数据;关于过去能量消耗的数据;以及关于实施本发明所公开的系统需要的任何其他适当的数据,如框150所示。
在若干实施方案中,由框150指示的推荐系统可存储不同的数据库模块,包括:食物数据库模块;菜单数据库模块(例如:早餐、午餐、晚餐和小吃);菜谱数据库模块;膳食限制模块(例如,无麸质、无乳糖、地中海饮食、素食饮食、基于膳食限制的纯素饮食推荐);营养评分模块(例如,用于确定每个菜单、每个菜谱或每一天的常量营养物质或微量营养物质评分);和/或优化模块。
另选地或者除此之外,存储设备118可以被实施为基于云的存储设备,使得通过因特网或其它网络连接电路(诸如以太网电路112)来访问存储设备118。
一个或多个显示器120,和/或打印机、扬声器或其它输出设备119也可以通过接口电路112连接到主单元104。显示器120可以是液晶显示器(LCD)、合适的投影仪,或任何其它合适类型的显示器。显示器120在主机设备100的操作期间生成主机设备100的各种数据和功能的视觉表示。例如,显示器120可用于显示关于以下数据库的信息:优选营养物质范围的数据库、各种食物项的营养物质含量的数据库、系统用户的数据库、先前生成的菜单、菜谱或餐食的数据库和/或使得设备100处的管理员能够与上述其他数据库交互的数据库。例如,如图11所示,存在个体用户信息。在图12A、图12B和图12C中,存在一天的典型菜单计划。在图13中,存在典型的微生物组健康菜谱和制作方法说明。
在例示的实施方案中,计算机化推荐系统的用户使用合适的客户端设备(诸如客户端设备102)与设备100交互。在各种实施方案中,客户端设备102是可以访问由主机设备100提供或服务的内容的任何设备。例如,客户端设备102可以是可运行合适的web浏览器以访问到主机设备100的基于web的界面的任何设备。另选地或者除此之外,提供本文描述的一些功能的一种或多种应用程序或应用程序的部分可以在客户端设备102上运行,在这种情况下客户端设备102仅需要与主机设备100交互来访问存储在主机设备100中的数据,诸如关于各种食物项的健康营养物质范围或营养物质含量的数据。
在一个实施方案中,设备(即,设备100和客户端设备102)的这种连接是通过因特网和/或其它网络上的网络连接来促进的,如在图1中由云116所示。网络连接可以是任何合适的网络连接,诸如以太网连接、数字用户线(DSL)、WiFi连接、蜂窝数据网络连接、基于电话线的连接、同轴电缆上的连接,或另一种合适的网络连接。
在一个实施方案中,主机设备100是提供基于云的服务(诸如,基于云的认证和访问控制、存储、流式传输和反馈提供)的设备。在此实施方案中,主机设备100的具体硬件细节对于所公开的系统的实施者是不重要的—替代地,在此类实施方案中,所公开的系统的实施者利用一个或多个应用程序编程界面(API)与主机设备100以方便的方式交互,诸如输入关于用户的人口统计数据的信息以帮助确定健康营养范围、输入关于所消耗的食物的信息以及下面更详细描述的其它交互。
对设备100和/或客户端设备102的访问可通过适当的安全软件或安全措施来控制。个体用户的访问可以由设备100限定,并且受限于某些数据和/或动作,诸如根据个体的身份选择不同菜单或菜谱或查看计算的评分。取决于那些用户的身份,可以允许主机设备100或客户端设备102的其它用户改变其它数据,诸如加权、敏感性或健康范围值。因此,可能需要系统的用户在访问由所公开的系统提供的内容之前注册设备100。
在一个优选实施方案中,每个客户端设备102具有与上文相对于设备100所描述的结构或架构组成类似的结构或架构组成。也就是说,在一个实施方案中,每个客户端设备102包括显示设备、至少一个输入设备、至少一个存储器设备、至少一个存储设备、至少一个处理器以及至少一个网络接口设备。应当理解,通过包括对于熟知的台式、膝上型或移动计算机系统(包括智能电话、平板电脑等)来说所共有的此类部件,客户端设备102促进相应系统的用户间及彼此之间的交互。
在各种实施方案中,如图1所示的设备100和/或102可以实际上以多个不同的设备实施。例如,设备100可以实际上以一起工作的多个服务器设备实施以实施本文所描述的媒体内容访问系统。在各种实施方案中,一个或多个附加设备(在图1中未示出)与设备100交互以实现或促进对本文所公开的系统的访问。例如,在一个实施方案中,主机设备100通过网络116与一个或多个公共、私有或专有的信息储存库(诸如公共、私有或专有的营养信息、营养物质含量信息、菜单计划程序、菜谱数据库、健康范围信息、能量信息、环境影响信息等的储存库)通信。
在一个实施方案中,所公开的系统不包括客户端设备102。在此实施方案中,本文描述的功能在主机设备100上提供,并且系统用户使用输入设备114、显示设备120和输出设备119与主机设备100直接交互。在此实施方案中,主机设备100将在本文中描述的一些或全部功能提供为面向用户的功能。
在各种实施方案中,本文所公开的系统被布置为多个模块,其中每个模块执行特定功能或功能组。这些实施方案中的模块可以是由通用处理器执行的软件模块、由专用处理器执行的软件模块、在适当的专用硬件设备上执行的固件模块、或者用电路完全地执行本文所述功能的硬件模块(诸如专用集成电路(“ASIC”))。在使用专用硬件来执行本文描述的一些或全部功能的实施方案中,所公开的系统可以使用一个或多个寄存器或其它数据输入引脚来控制设置或调整此类专用硬件的功能。
可以随着时间的推移检查用户进食微生物组健康饮食的目标,以检测饮食中潜在的问题菜单或餐食。然后可使用该系统来识别食物项、菜单或菜谱中所需的推荐改变,以便更接近推荐量。在一些实施方案中,本文所公开的系统和方法可由营养学家、卫生保健专业人员和个体用户(例如,可穿戴设备诸如智能手表或健身跟踪器的用户)使用。
图2示出了根据本公开的实施方案的微生物组推荐系统。系统200包括用户设备202和推荐系统204。在本公开的另一个实施方案中,推荐系统204可以是图1的推荐系统150的实施方案的一个示例。用户设备202可实现为计算设备,诸如计算机、智能手机、平板电脑、智能手表、或相关联的用户可通过其与推荐系统204通信的其他可穿戴装置。用户设备202也可实现为例如语音助手,该语音助手被配置成从用户接收语音请求,并且在靠近用户的计算机设备上本地处理请求或在远程计算设备(例如,在远程计算服务器处)处理请求。
推荐系统204包括以下中的一项或多项:显示器206、属性接收单元208、属性比较单元210、循证饮食和生活方式推荐引擎212、属性分析单元214、属性存储单元216、存储器218和CPU 220。需注意,在一些实施方案中,显示器206可另外地或另选地位于用户设备202内。在一个示例中,推荐系统204可被配置成接收对多个微生物组健康推荐240的请求。例如,用户可在用户设备202上安装要求用户签署推荐服务的应用程序。通过签署该服务,用户设备202可发送对微生物组健康推荐240的请求。在不同的示例中,用户可使用用户设备202来通过用户特定凭证访问网站门户。通过此网站门户,用户可使得用户设备202从推荐系统204请求微生物组健康推荐。
在另一个示例中,推荐系统204可被配置成请求并接收多个用户属性222。例如,显示器206可被配置成向用户展示属性问卷224。属性接收单元208可被配置成接收用户属性222。在一个示例中,属性接收单元208可基于属性问卷224接收多个答案226,并且基于该多个答案来确定多个用户属性222。例如,属性接收单元208可接收属性问卷224的表明用户饮食等同于推荐膳食允许量(“RDA”)的答案,然后确定用户属性222等同于每天维生素K的RDA。在另一个示例中,用户设备属性接收单元208可直接从用户设备102接收用户属性222。
在另一个示例中,属性接收单元208可被配置成接收家庭测试套件的测试结果、医疗专业人员所施行的标准化健康测试的结果、用户所用的自评估工具的结果或任何外部或第三方测试的结果。基于来自这些测试或工具中的任一者的结果,属性接收单元208可被配置成确定用户属性222。例如,用户的微生物组健康状态可以在微生物组健康推荐干预之前通过测量肠道中微生物群物种的α多样性、丁酸盐产生菌或短链脂肪酸的产生来确定。可以在微生物组健康干预之后的时间段内确定相同的测量,以确定是否存在用户微生物组健康状态的改善或维持。
推荐系统204可被进一步配置成将多个用户属性222与对应多个循证微生物组健康基准228进行比较。
此外,属性比较单元210可被进一步配置成基于用户微生物群细分人群230来确定微生物群基准集232。例如,如果属性比较单元210基于多个用户属性222确定用户属于肥胖BMI细分人群230,则属性比较单元210可选择已根据健康微生物组的特定需求创建并定义的微生物群基准集232。
比较单元210可被进一步配置成从该确定的微生物组基准集232中选择循证微生物群基准128,并且将现在所选的循证微生物群基准228与对应用户属性222中的每一个用户属性进行比较。例如,当已确定微生物群基准集232时,响应于确定结果,属性比较单元210可将表示用户维生素K摄入量的用户属性222与表示基准维生素K摄入量的循证微生物群基准228进行比较,从而确定用户是低于、等于还是高于基准维生素K摄入量。尽管此示例是基于具体的数值比较,但基准比较的另一个示例可能是定性的并且因人而异。例如,用户属性222可表明用户当前正经历高于正常水平的压力。与用户压力水平有关的示例性基准可表明平均或较低水平的压力是理想的,因此指示较高压力水平的用户属性222被确定为低于基准的压力水平。由于不同用户经历不同的压力水平,因此即使在相同的情况下,此类比较也需要定制化方案。
另外,在前一个示例中的比较期间,属性比较单元210可被配置成基于循证微生物群基准228与用户属性222之间的比较来确定用户微生物群评分234。例如,如果用户属性222非常接近于满足对应循证微生物群基准228中的全部或大部分,则属性比较单元210可确定用户微生物群评分为95/100。在另一个示例中,可通过字母等级、符号或任何其他允许用户解释其当前属性在基准中的评级表现的排序系统,例如“高”、“中”、“低”来表示分数。可通过显示器206来展示此用户微生物群评分234。
推荐系统204可被进一步配置成基于多个用户属性222以及与对应多个循证微生物群基准228的比较来确定多个微生物群支持机会238。在一个示例中,属性比较单元210可为不满足对应循证微生物群基准的每个用户属性222确定微生物群支持机会238。在此示例中,对应的循证微生物群基准228可能要求用户摄入2μg/天的叶酸,而用户属性可能指示用户仅接受1μg/天的叶酸。因此,属性比较单元210可将叶酸摄入量的增加确定为微生物群支持机会238。
在另一个示例中,属性比较单元210可被配置成识别由多个用户属性222中低于多个循证微生物群基准228中的对应一个循证微生物群基准的每一个用户属性组成的第一用户属性集236;以及识别由多个用户属性222中大于或等于对应循证微生物群基准228的每一个用户属性组成的第二用户属性集236。虽然第一用户属性集236以类似于上文给定示例的方式来确定,但第二用户属性集236的不同之处在于,尽管相关联的用户似乎没有缺乏症,但通过推荐用户维持当前做法或机会以在此基础上进行进一步改善,可能存在支持微生物组健康的机会。因此,推荐系统204可基于哪些属性222属于哪一个集合236来确定支持微生物组健康的机会。
推荐系统204可被进一步配置成基于多个微生物群支持机会238来识别多个微生物组健康推荐240。例如,循证饮食和生活方式推荐引擎212可被配置成基于云的。推荐引擎212可包括以多个数据库242、多个膳食限制过滤器244和一个优化单元246中的一项或多项。基于多个机会238,推荐引擎212可根据多个数据库242、多个膳食限制过滤器244和一个优化单元246中的一项或多项来识别多个微生物组健康推荐240。
在另一个示例中,推荐系统204可被配置成基于先前的用户属性来提供持续推荐。例如,除了前述元件之外,推荐系统204还可包括属性存储单元216和属性分析单元214。属性存储单元216可被配置成响应于属性接收单元108接收多个用户属性222,基于接收多个用户属性222的时间将所接收的用户属性222作为新条目添加到属性历史数据库248中。例如,如果用户属性222在第一天由属性接收单元208接收,则属性存储单元216将所接收的用户属性222添加到累积属性历史数据库248中,注明条目日期,在此情况下是第一天。稍后,如果用户属性222在第二天(例如下一天)由属性接收单元208接收,则属性存储单元216也将这些新属性添加到属性历史数据库248中,注明它们是第二天接收的,同时也保留第一天的较早属性。
此属性分析单元214可被配置成分析存储在属性历史数据库248内的多个用户属性222,其中分析所存储的多个用户属性222包括执行纵向研究250。继续前面的示例,属性分析单元214可对来自第一天、第二天中每一天的用户属性222以及在属性历史数据库248内发现的每一个其他用户属性集合222执行纵向研究。循证饮食和生活方式推荐引擎212可被进一步配置成至少基于在属性历史数据库248内发现的存储用户属性222以及由属性分析单元214执行的分析来生成多个微生物组健康推荐240。
在一个实施方案中,属性分析单元214被进一步配置成响应于属性存储单元216将新条目添加到属性历史数据库248中,反复地分析存储在属性历史数据库248内的多个用户属性222,从而在接收新用户属性222之后,立即实质上重新分析属性历史数据库248内的所有数据。类似地,循证饮食和生活方式推荐引擎212可被进一步配置成响应于属性分析单元214完成分析,反复地生成多个微生物组健康推荐240,由此在每次接收新的用户属性集222时,有效地生成考虑到所有过去和现在的用户属性222的新的微生物组健康推荐240。
在各种实施方案中,对于所公开系统的特定于用户(或特定于群体)的输入是可编程且可配置的,这些输入包括性别、年龄、体重、身高、体力活动水平、是否非肥胖等等。例如,图11示出了典型的个体用户数据。
在一个实施方案中,本文所公开的系统包括或连接到包含食物项、菜单或菜谱和相应营养物质含量的数据库。在该实施方案中,本文所公开的系统包括模糊搜索功能,使得用户能够输入消耗(或待消耗)的食物,然后搜索数据库以查找与用户提供的项最接近的项。在该实施方案中,本文所公开的系统使用有关匹配的食物项的存储营养信息来确定是否为微生物组健康项。例如,图10示出了用于微生物组健康菜单计划的工作流程的示例。
在各种实施方案中,本发明所公开的系统还包括界面(例如图形用户界面),以显示组成饮食的每种食物中可用的每种营养物质的量,以及显示可供消耗的能量的量。例如,在图3至图9中,营养物质已经针对不同的饮食偏好进行了平衡,例如:无限制、无麸质、无乳糖、地中海饮食、纯素饮食或素食饮食。在一些实施方案中,此界面使用户能够修改要消耗的各种食物或能量的量。在其它实施方案中,该系统被配置为使用非用户输入数据来确定消耗的食物或能量的量,诸如通过扫描一个或多个条形码、QR码或RFID标签、图像识别系统,或者通过跟踪从菜单订购或在杂货店购买的项。
所公开的系统的各种实施方案向用户显示了基于用户的需求定制的仪表板或其他适当的用户界面。在本文所公开的系统的实施方案中,提供了图形用户界面,其有利地首次允许用户输入关于在给定时间段内消耗的食物的数据并且适当地基于能量消耗来查看反映消耗饮食的总体营养含量的评分指示。
在本公开中描述的所有公开方法和程序可使用一个或多个计算机程序或部件来实施。这些部件可作为任何常规的计算机可读介质或机器可读介质上的一系列计算机指令而提供,常规的计算机可读介质或机器可读介质包括易失性存储器和非易失性存储器,诸如RAM、ROM、闪存存储器、磁盘或光盘、光学存储器或其他存储介质。该指令可作为软件或固件而提供,并且可全部或部分地在诸如ASIC、FPGA、DSP或任何其他类似装置的硬件部件中实施。该指令可被配置为由一个或多个处理器执行,该一个或多个处理器在执行该一系列计算机指令时执行或促进执行所公开的方法和程序的全部或一部分。
应当理解,对本文该的实施方案作出的各种变化和修改对于本领域的技术人员将是显而易见的。可在不脱离本发明主题的实质和范围且不减弱其预期优点的前提下作出这些变化和修改。因此,此类变化和修改旨在由所附权利要求书涵盖。
实施例
实施例1:菜单计划程序算法的营养基础和营养限制
餐食计划程序的营养基础建立在世界卫生组织(WHO)和美国医学研究所(IoM)制定的参考膳食摄入量以及美国农业部(USDA)发布的“美国人膳食指南”的基础上。基于表型应用了不同水平的个性化:
(i)微量营养物质每日推荐允许量(RDA)取决于性别和年龄组,以及特定的医疗状况(例如怀孕或哺乳期);
(ii)常量营养物质RDA表示为每日能量需求量的一小部分;
(iii)估计的能量需求量是根据生物特征信息(性别、年龄、体重和身高)以及估计的平均活动水平(久坐、适度活跃、活跃、非常活跃)计算而得;
能量需求量基于医学研究所(IOM)公式(https://en.wikipedia.org/wiki/Institute_of_Medicine_Equation,2002),在美国人膳食指南(DGA)(https://health.gov/dietaryguidelines/2015/guidelines/table-of-contents/,2015)的环境下得到。基于AHA/ACC/TOS对超重和肥胖个体(体重指数≥25)应用校正因子,<<Guidelinefor the Management of Overweight and Obesity in Adults>>Circulation,2013andFrankenfield(2013)Clin.Nutr.,vol.32,no.16,p.976–982,2013。
在建立了算法的营养基础后,菜单计划程序遵循健康的美国风格模式,该模式基于美国人通常消耗的食物的类型和比例,但以营养丰富的形式和适当的量为基础。利用在健康美国风格进食模式中捕获的信息,通过从多个组中选择食物(诸如蔬菜、水果、谷物、乳制品、蛋白质食物和油类)来实现所需的营养目标。这些指南旨在满足营养物质需求量,同时不超过卡路里需求量,并且同时保持在过量消耗的膳食组成部分的限制范围内,菜单计划算法的输出严格遵循美国的膳食指南和推荐。
2000千卡是根据相应食物组的指南来实施微生物组规则的参考饮食。下表1示出了每日2000千卡饮食的推荐食物组和每周及每天的消耗量。
表1:2000千卡/天饮食的推荐
食物类群 | 推荐2,000千卡/天 |
蔬菜 | 2<sup>1</sup>/<sub>2</sub>杯当量 |
深绿色蔬菜(杯当量/周) | 1<sup>1</sup>/<sub>2</sub> |
红色和橙色蔬菜(杯当量/周) | 5<sup>1</sup>/<sub>2</sub> |
豆荚(大豆和豌豆)(杯当量/周) | 1<sup>1</sup>/<sub>2</sub> |
淀粉蔬菜(杯当量/周) | 5 |
其他蔬菜(杯当量/周) | 4 |
水果 | 2杯当量 |
谷物 | 6盎司当量 |
全麦(盎司当量/天) | 3 |
精制谷物(盎司当量/天) | 3 |
乳品 | 3杯当量 |
蛋白质食物 | 5<sup>1</sup>/<sub>2</sub>盎司当量 |
海鲜(盎司当量/天) | 8 |
肉类、家禽、蛋(盎司当量/天) | 26 |
坚果籽、豆制品(盎司当量/天) | 5 |
油 | 27g |
个体的营养需求量高度依赖于年龄、性别和体力活动以及其他因素。关于个体营养需求,菜单计划遵循每个年龄和性别组的卡路里、常量营养物质需求量和膳食纤维的膳食指南。
表2:基于参考膳食摄入量和膳食指南推荐的年龄性别组的每日营养目标
参考文献:https://health.gov/sites/default/files/2019-09/2015-2020_Dietary_Guidelines.pdf
实施例2:菜单计划中的微生物组健康食物规则和实施方式
分析了1400多篇科学文章,以找到可直接应用于菜单计划程序引擎的食物成分和食物化合物规则。用食物化合物规则和食物成分规则创建数据库。然而,在不修改的情况下,不可能直接将食物成分规则实施到菜单计划程序引擎中,只能在引擎中调整和实施食物化合物规则。
下面的表3列出了在菜单计划程序中实施的最终规则。在第2列中,“实施的规则”是在菜单计划程序中实施的实际规则以及实施的频率。在第3列中,“文献中的规则数量”是在文献中发现的规则。在第4列中,“适应规则”是适应健康微生物组菜单计划的规则,可供消费者使用。
表3:实施为菜单计划程序的食物或营养规则
菜单计划程序基于美国健康膳食模式,此外还实施了微生物组健康规则,使得始终应用美国健康膳食模式。在设计微生物组健康规则时,基于参考膳食摄入量和膳食指南推荐,进行了多次迭代以调整规则,以便使微生物组健康菜单保持在美国年龄性别组的每日营养目标范围内。
参考文献:
1.Martínez,I.,Lattimer,J.M.,Hubach,K.L.,Case,J.A.,Yang,J.,Weber,C.G.,&Haub,M.D.(2013).Gut microbiome composition is linked to whole grain-induced immunological improvements.The ISME journal,7(2),269-280.
2.Fernando,W.,Hill,J.,Zello,G.,Tyler,R.,Dahl,W.,&Van Kessel,A.(2010).Diets supplemented with chickpea or its main oligosaccharide componentraffinose modify faecal microbial composition in healthy adults.Beneficialmicrobes,1(2),197-207.
3.Ukhanova,M.,Wang,X.,Baer,D.J.,Novotny,J.A.,Fredborg,M.,&Mai,V.(2014).Effects of almond and pistachio consumption on gut microbiotacomposition in a randomised cross-over human feeding study.British Journal ofNutrition,111(12),2146-2152.
4.Menni,C.,Zierer,J.,Pallister,T.,Jackson,M.A.,Long,T.,Mohney,R.P.,...&Valdes,A.M.(2017).Omega-3 fatty acids correlate with gut microbiomediversity and production of N-carbamylglutamate in middle aged and elderlywomen.Scientific reports,7(1),1-11.
5.Holscher,H.D.,Guetterman,H.M.,Swanson,K.S.,An,R.,Matthan,N.R.,Lichtenstein,A.H.,&Baer,D.J.(2018).Walnut consumption alters thegastrointestinal microbiota,microbially derived secondary bile acids,andhealth markers in healthy adults:a randomized controlled trial.The Journal ofnutrition,148(6),861-867.
6.Ukhanova,M.,Wang,X.,Baer,D.J.,Novotny,J.A.,Fredborg,M.,&Mai,V.(2014).Effects of almond and pistachio consumption on gut microbiotacomposition in a randomised cross-over human feeding study.British Journal ofNutrition,111(12),2146-2152.
7.Prykhodko,O.,Sandberg,J.,Burleigh,S.,I.,Nilsson,A.,&F.(2018).Impact of Rye Kernel-Based Evening Meal on MicrobiotaComposition of Young Healthy Lean Volunteers With an Emphasis on TheirHormonal and Appetite Regulations,and Blood Levels of Brain-DerivedNeurotrophic Factor.Frontiers in nutrition,5,45.
8.Fujisawa,T.,Shinohara,K.,Kishimoto,Y.,&Terada,A.(2006).Effect ofmiso soup containing Natto on the composition and metabolic activity of thehuman faecal flora.Microbial ecology in health and disease,18(2),79-84.
9.Lagkouvardos,I.,K.,Heinzmann,S.S.,Platz,S.,Scholz,B.,Engel,K.H.,&Clavel,T.(2015).Gut metabolites and bacterial community networks duringa pilot intervention study with flaxseeds in healthy adult men.Molecularnutrition&food research,59(8),1614-1628.
10.Vanegas,S.M.,Meydani,M.,Barnett,J.B.,Goldin,B.,Kane,A.,Rasmussen,H.,&Koecher,K.(2017).Substituting whole grains for refined grains in a 6-wkrandomized trial has a modest effect on gut microbiota and immune andinflammatory markers of healthy adults.The American journal of clinicalnutrition,105(3),635-650.
实施例3:微生物组健康菜单计划的常量营养物质营养质量
针对28天微生物组健康饮食测试了微生物组健康菜单计划的常量营养物质营养质量。具体地,测试了不同膳食限制的菜单计划:“任何食物”,其是没有膳食限制的杂食性饮食、无麸质饮食、无乳糖饮食、地中海饮食、纯素饮食和素食饮食。
分别显示了常量营养物质的结果:图3中的蛋白质、图4中的碳水化合物和图5中的总脂肪。
所有微生物组健康饮食菜单计划均在美国指南的每日常量营养物质推荐范围内。
实施例4:微生物组健康菜单计划的微量营养物质营养质量
针对28天微生物组健康饮食测试了微生物组健康菜单计划的微量营养物质营养质量。具体地,测试了不同膳食限制的菜单计划:“任何食物”,其是没有膳食限制的杂食性饮食、无麸质饮食、无乳糖饮食、地中海饮食、纯素饮食和素食饮食。
示出了一些关键代表性微量营养物质的结果:图6中的维生素K、图7中的食物叶酸和图8中的钠。
将膳食限制包含到微生物组菜单计划程序中,以便遵守微量营养物质的日常推荐,特别是维生素和矿物质。估计的平均需求量(EAR)用于根据年龄和性别计算用户的微量营养物质必需品,如下表4中的参考膳食摄入量(DRI)表所示。如果EAR不适用于特定营养物质,则使用充足摄入量(AI)代替。EAR代替RDA使用,因为EAR更广泛地适用于大群体。
微生物组友好的菜单计划程序在美国指南对所有给定饮食的每日微量营养物质推荐范围内。
表4:来自美国指南的维生素和矿物质推荐
参考文献:https://www.ncbi.nlm.nih.gov/books/NBK56068/table/summarytables.t1/?report=objectonly
实施例5:总纤维对微生物组健康菜单计划的营养质量的贡献
总纤维被认为是健康肠道微生物群的最重要膳食成分之一。出于此原因,将纤维的目标量设置为高于常规平均每日推荐摄入量(RDA=25g/天)的纤维量。
针对28天微生物组健康饮食测试了总纤维对微生物组健康菜单计划的营养质量的贡献。具体地,测试了不同膳食限制的菜单计划:“任何食物”,其是没有膳食限制的杂食性饮食、无麸质饮食、无乳糖饮食、地中海饮食、纯素饮食和素食饮食。
在图9中,所有饮食中的纤维含量都很高,以便增强微生物群的健康。
实施例6:基于微生物组健康规则计算菜单计划中存在的不同微量营养物质的上
限
考虑微生物组健康食物成分中存在的不同微量营养物质(维生素和矿物质)的可耐受摄入量上限,以使菜单计划不超过可耐受上限。
在下面的表5中,所有规则中存在的不同微量营养物质含量均对照其可耐受上限进行了表示。这些规则没有一条超过上限。
表5-维生素和矿物质的可耐受上限
参考文献:Institute of Medicine(US)Committee to Review DietaryReference Intakes for Vitamin D and Calcium;Ross AC,Taylor CL,Yaktine AL,etal.,editors.Washington(DC):National Academies Press(US);2011。
参考文献:Institute of Medicine(US)Committee to Review DietaryReference Intakes for Vitamin D and Calcium;Ross AC,Taylor CL,Yaktine AL,etal.,editors.Washington(DC):National Academies Press(US);2011。
实施例7:微生物组健康食物摄入量的估算
建立了个性化的微生物组健康菜单计划,重点是关键微生物组健康指标,即α多样性、短链脂肪酸和丁酸盐产生菌的丰度。基于微生物群健康营养规则制定菜单计划。根据1990年至2010年在187个国家/地区收集的营养摄入量数据,确定每种选定食物项或营养物质的摄入量范围(Imamura等人,Lancet Glob Health.2015Mar;3(3):e132-42)。
表6.每个微生物组友好规则的范围和子范围剂量范围
规则组1:全麦消耗量为35g/天
根据表5,全麦35g/天属于第3个五分位数。将全麦摄入量的范围设定为从第3个五分位数的最低限度31g/天到第5个五分位数的最高限度477g/天。(参考文献:Vanegas等人,Am J Clin Nutr.2017Mar;105(3):635-650)
全麦的剂量范围:31-477g/天
规则组2:大豆和豆荚-鹰嘴豆,每天200g/天
在食物组中,鹰嘴豆属于大豆和豆荚。每天消耗200g鹰嘴豆是大豆和豆荚摄入量的第5个五分位数(表5)。为了定义一个范围,我们将下限扩展到第4个五分位数的摄入量下限。鹰嘴豆的范围为35g/天至472g/天。(参考文献:Fernando等人,BenefMicrobes.2010Jun;1(2):197-20)7。)
鹰嘴豆的剂量范围:35g/天至472g/天
规则组3:纤维-糙米、大麦和黑麦面包
纤维是肠道微生物群最重要的膳食成分之一,并且消耗糙米、大麦或黑麦面包增强了微生物群健康指标。使用纤维摄入量来计算食物的量。
黑麦面包干预中16g/天的纤维或大麦+糙米干预中18.7g/天的纤维对微生物群健康指标提供了显著结果。这种纤维摄入量处于全球摄入量范围的第2个五分位数(表5)。纤维摄入量的下限设定为16g/d的纤维摄入量。然而,表5中列出的最高纤维摄入量(41g/天)不够高,因为超过50g/天可以通过菜单计划算法实现。为了设定纤维摄入量的上限,我们参考了尼日利亚学生的纤维摄入量,报告男性志愿者消耗54.2±13.7g/天,女性志愿者消耗40.5±8.5g/天。除平均值外,我们添加了3个标准差,其覆盖尼日利亚人口中99%的纤维摄入量,并且导致95.3g/天的纤维消耗。因此,微生物组菜单计划的纤维摄入量上限为95g/天。餐食计划引擎在日常餐食中加入了糙米、大麦或黑麦面包,以达到文献中显示的量。(参考文献:Martínez等人,ISME J.2013Feb;7(2):269-80;Prykhodko等人,FrontNutr.2018May 29;5:45;Adegoke等人,Br J Nutr.2014 Jun 28;111(12):2146-52)。
膳食纤维的剂量范围:16-95g/天
规则组4:坚果和籽
在微生物群友好成分中:开心果、杏仁、核桃和亚麻籽属于坚果和籽组。在临床研究中测试的开心果的量范围为21g/天(70kg人的亚麻籽为0.3g/kg)至86g/天。这些摄入量在第4个五分位数和第5个五分位数的范围内。该范围定义为从五分位数的下限到第5个五分位数的上限。
(参考文献:Holscher等人,J Nutr.2018 Jun 1;148(6):861-867;Lagkouvardos等人,Mol Nutr Food Res.2015 Aug;59(8):1614-28;Watson等人,Gut.2018Nov;67(11):1974-1983)。
开心果、杏仁、核桃和亚麻籽的剂量范围:6.8-192g/天
规则组5:ω-3脂肪酸:DHA和EPA
补充2g DHA和EPA各自显著增加罗氏菌属物种的丰度。然而,仅从饮食中获取DHA和EPA具有挑战性,2g EPA摄入量或6.67gω-3脂肪酸超过了摄入习惯性消耗的上限。因此,我们遵循不同的方法来设置DHA和EPA的上限和下限。我们根据临床研究中提到的剂量设定膳食DHA和EPA消耗的上限。对于下限,我们参考了ω-3脂肪酸消耗的第5个五分位数。然后,我们将该值转换为DHA,使用鲑鱼油中37%的总ω-3脂肪酸作为DHA的标准。该计算给出了119mg/天DHA的剂量作为下限。(参考文献:Imamura等人,Lancet Glob Health.2015Mar;3(3):e132-42;Dovale-Rosabal等人,Molecules,2019May;24(9):1642)。
DHA的剂量范围:119mg至2000mg/天DHA;EPA的剂量范围:高达2000mg/天;或至多约5200mg/天的总ω-3-脂肪酸。
实施例8-菜单计划的工作流程和优化
图10展示了微生物组健康菜单计划优化的示例性工作流程。
为了建立微生物组健康菜单计划,每天和数周内根据微生物组健康食物优化菜单计划存在特定的规则、限制和目标,以便创建推荐。
对于特定的营养物质或成分,存在最佳范围,该范围由定义营养物质可能范围的下限和上限指定,以及对理想范围的上下偏差进行加权。规则包括附加信息,诸如单位以及规则是否与食物量成比例。
每个目标都针对特定的营养物质,并包括用作优化配方中的权重的系数,以及是否应该最小化或最大化营养物质。
营养物质或成分的规则:
对于每个规则,r,对应于一种营养物质或成分:
rlhr=规则的期望下限
ruhr=规则的期望上限
rlhr0=规则的绝对最小值
ruhr0=规则绝对最大值
rls=规则下限的权重
rus=规则上限的重量
这些是指定目标g,用于最大化或最小化总体菜单计划中的营养物质和/或成分的量:
gcoeff=目标g的系数
gobj∈{min,max}=是否应最大化或最小化g
变量:
从餐食项数据库中,有预先创建的餐食m,适用于菜单计划。每个餐食包含指定量的一种或多种食物,以及整餐的营养摘要信息。
每个餐食由变量f表示。
为每个餐食创建变量Θ,其表示餐食是否将被包含在菜单计划中。对于所有指定规则和目标,要求每个餐食都要有营养信息:
θf,f∈餐食,θf∈{0,1}
引入了标签变量t,以指示是否为每个场合(早餐、午餐、晚餐、小吃)标记该餐食。这些标签用于确保每天正确的餐食次数。
m=餐食场合{早餐、午餐、晚餐、小吃等}
tf,m∈{0,1},f∈餐食,m∈场合
限制:
对于每个限制c,对优化问题的解决方案都有限制。
ml=要包括的最少数目的餐食场合m
mu=要包括的大多数餐食场合m
ml≤cm≤mu,对于m∈{早餐、午餐、晚餐、小吃等}
对于每个规则,我们创建两个具有上限和下限的限制:
cl,r=限制,rlhr≤cl,r≤∞,对于r∈规则
Cu,r=限制,0≤cl,r≤ruhr,对于r∈规则
对于每条规则,都创建了一个松弛变量s,以表示菜单计划与该营养物质期望范围的偏差:
sl,r=规则r的下限松弛变量
Su,r=规则r的上限松弛变量
0≤sl,r≤rlhr-rlhr0,对于r∈规则
0≤su,r≤ruhr0-ruhr,对于r∈规则
每个限制是菜单计划中包含的每种食物的量乘以食物中该营养物质的量的总和,加上相应的松弛变量:
cl,r=规则r的下限限制
cu,r=规则r的上限限制
其中fr=食物f中的营养成分r的量
目标项
目标的目标项obj通过以下方式创建:对每个目标和每种食物求和,包括在菜单计划中的食物量加上食物中的营养物质的量乘以目标系数,通过所有可能的食物中的最大营养物质的量来标准化。
其中fg=食物f中的营养物质g的量
通过最小化规则的相应权重加上上述目标项加权的规则的松弛变量总和,来创建菜单计划。
松弛变量s测量了所得的菜单计划与规则中指定的每种营养物质的界限的偏差。通过最小化松弛变量,菜单计划能够遵守设定的规则。然而,通过使用松弛变量而不是指定限制允许菜单计划有更大的余地,并且认识到可能并不总是能够完全遵循规则。
通过优化引擎解决了这个问题,以每天、每周或每月生成推荐和所得的菜单计划。
实施例9:菜单计划用户应用程序
图11(屏幕截图)示出了在个体用户的菜单计划开始之前收集的个体数据的示例。
使用Web应用程序可视化所得的菜单计划。作为说明性示例,图12A、图12B和图12C示出了健康美国菜单计划的典型屏幕截图。
在图12C中,对于那些标记为微生物组健康的图像,它们标有一个小的“细菌符号”1202,因为它们包含微生物组健康规则之一。“箭头符号”1204允许用户交换由引擎自动创建的菜谱或菜肴。显示标有符号“我的菜单IQ”1206的餐食营养评分,以对每个餐食场合给出100分的餐食营养评分。
Claims (26)
1.一种计算机实现的方法,所述计算机实现的方法用于提供微生物组健康推荐以改善或维持个体的微生物组健康。
2.根据权利要求1所述的计算机实现的方法,其中所述方法包括饮食推荐、菜单推荐和菜谱推荐。
3.根据权利要求1或2所述的计算机实现的方法,其中所述方法包括通过测量以下中的至少一者的改善或维持来确定微生物组健康:(i)肠道中的微生物物种的α多样性,(ii)由丁酸盐产生菌产生的丁酸盐或(iii)在施用所述微生物组健康推荐之前和之后产生的短链脂肪酸。
4.根据权利要求1至3中任一项所述的计算机实现的方法,其中所述方法基于选自包括以下项的组的个体参数来提供个性化的微生物组健康推荐:年龄、性别、身高、体重、BMI、医疗状况和体力活动水平。
5.根据权利要求1至4中任一项所述的计算机实现的方法,其中所述方法基于选自包括以下项的组的膳食偏好或限制来提供个体化微生物组健康推荐:杂食性饮食、无麸质饮食、无乳糖饮食、地中海饮食、纯素饮食和素食饮食。
6.根据权利要求1至5中任一项所述的计算机实现的方法,其中所述方法提供对选自由以下项组成的组的食物或营养物质的推荐:
(i)全麦食物;
(ii)大豆和豆荚;
(iii)纤维;
(iv)坚果和籽;以及
(v)ω-3脂肪酸。
7.根据权利要求6所述的计算机实现的方法,其中所述方法提供对选自由以下项组成的组的食物或营养物质的推荐:
(i)全麦食物,总量为约31g/天至477g/天;
(ii)大豆和豆荚,总量为约35g/天至472g/天;
(iii)纤维,总量为约16g/天至95g/天;
(iv)坚果和籽,总量为约6g/天至192g/天;以及
(v)ω-3脂肪酸,总量为至多约5200mg/天。
8.根据权利要求6至7所述的计算机实现的方法,其中所述方法提供大豆和豆荚类别的推荐,其中选择总量为35g/天-472g/天的鹰嘴豆。
9.根据权利要求6至8中任一项所述的计算机实现的方法,其中纤维选自由以下项组成的组:总量为16g/天-95g/天的糙米、大麦和黑麦。
10.根据权利要求6至9中任一项所述的计算机实现的方法,其中坚果和籽选自由以下项组成的组:总量为6g/天至192g/天的开心果、杏仁、核桃和亚麻籽。
11.根据权利要求6至10中任一项所述的计算机实现的方法,其中所述ω-3脂肪酸选自由以下项组成的组:DHA和EPA补充剂,所述DHA和EPA补充剂各自的量为约119mg/天至2000mg/天;或200g至300g肥鱼中的当量DHA和EPA;或至多约5200mg/天的总ω-3-脂肪酸。
12.一种用于微生物组健康推荐的计算机实现的系统,所述系统包括:
菜单数据库模块;
菜谱数据库模块;
膳食限制模块;
营养评分模块;以及
优化模块;
其中所述系统提供微生物组健康推荐以改善或维持个体的微生物组健康。
13.根据权利要求12所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统提供选自包括以下项的组的推荐:食物推荐、菜单推荐和菜谱推荐以改善或维持个体的微生物组健康。
14.根据权利要求12或13所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统基于选自包括以下项的组的个体用户属性来提供个体化微生物组健康推荐:年龄、性别、身高、体重、BMI、医疗状况、体力活动水平和每日推荐的总能量允许量。
15.根据权利要求12至14中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统基于确定以下中的至少一者的改善或维持来提供个体化微生物组健康推荐:(i)肠道中微生物物种的α多样性,(ii)丁酸盐产生或(iii)短链脂肪酸产生。
16.根据权利要求12至15中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统基于选自包括以下项的组的膳食偏好来提供个体化微生物组健康推荐:杂食性饮食、无麸质饮食、无乳糖饮食、地中海饮食、纯素饮食和素食饮食。
17.根据权利要求12至16中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统提供对选自由以下项组成的组的食物或营养物质组的个体化微生物组健康推荐:
(i)全麦食物;
(ii)大豆和豆荚;
(iii)纤维;
(iv)坚果和籽;以及
(v)ω-3脂肪酸。
18.根据权利要求12至17中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统提供对分类为适合早餐、午餐、晚餐或小吃的菜单的微生物组健康推荐。
19.根据权利要求12至18中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统提供对菜谱的微生物组健康推荐。
20.根据权利要求12至19中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统提供对根据权利要求17所述的选自由以下项组成的组的食物或营养物质组的推荐:
(i)全麦食物,总量为约31g/天至477g/天;
(ii)大豆和豆荚,总量为约35g/天至472g/天
(iii)纤维,总量为约16g/天至95g/天;
(iv)坚果和籽,总量为约6g/天至192g/天;以及
(v)ω-3脂肪酸,总量为至多约5200mg/天。
21.根据权利要求12至20中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统提供对根据权利要求17所述的食物或营养物质组的推荐,其中总量为35g/天至472g/天的鹰嘴豆选自所述大豆和豆荚类别。
22.根据权利要求12至20中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统提供对根据权利要求17所述的食物或营养物质组的推荐,其中纤维选自由以下项组成的组:总量为16g/天至95g/天的糙米、大麦和黑麦。
23.根据权利要求12至20中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统提供对根据权利要求17所述的食物或营养物质组的推荐,其中坚果和籽选自由以下项组成的组:总量为6g/天至192g/天的开心果、杏仁、核桃和亚麻籽。
24.根据权利要求12至20中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统提供对根据权利要求17所述的食物或营养物质组的推荐,其中所述ω-3脂肪酸选自由以下组成的组:DHA和EPA补充剂,各自的量为约119mg/天至2000mg/天;或200g至300g肥鱼中的当量DHA和EPA;或至多约5200mg/天的总ω-3-脂肪酸。
25.根据权利要求12至24中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统提供菜单推荐,其中所述菜单被标记为针对所述用户为微生物组健康的。
26.根据权利要求12至25中任一项所述的用于微生物组健康推荐的计算机实现的系统,其中所述系统提供菜谱推荐,其中所述菜谱被标记为针对所述用户为微生物组健康的。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20171451.6 | 2020-04-27 | ||
EP20171451 | 2020-04-27 | ||
PCT/EP2021/060788 WO2021219528A1 (en) | 2020-04-27 | 2021-04-26 | Systems and methods for providing individualized recommendations for a healthy microbiome |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115315752A true CN115315752A (zh) | 2022-11-08 |
Family
ID=70464945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180024518.7A Pending CN115315752A (zh) | 2020-04-27 | 2021-04-26 | 用于为健康微生物组提供个体化推荐的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230223131A1 (zh) |
EP (1) | EP4143842A1 (zh) |
JP (1) | JP2023522599A (zh) |
CN (1) | CN115315752A (zh) |
WO (1) | WO2021219528A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115798685A (zh) * | 2022-12-18 | 2023-03-14 | 重庆邮电大学 | 一种基于食物图像分割的抑郁症膳食管理方法 |
CN115798685B (zh) * | 2022-12-18 | 2024-05-24 | 广西康久生物科技有限公司 | 一种基于食物图像分割的抑郁症膳食管理方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11823785B2 (en) * | 2020-07-02 | 2023-11-21 | Kpn Innovations, Llc. | Methods and systems for calculating nutritional requirements in a display interface |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10325685B2 (en) * | 2014-10-21 | 2019-06-18 | uBiome, Inc. | Method and system for characterizing diet-related conditions |
-
2021
- 2021-04-26 US US17/996,948 patent/US20230223131A1/en active Pending
- 2021-04-26 CN CN202180024518.7A patent/CN115315752A/zh active Pending
- 2021-04-26 EP EP21720761.2A patent/EP4143842A1/en active Pending
- 2021-04-26 JP JP2022562164A patent/JP2023522599A/ja active Pending
- 2021-04-26 WO PCT/EP2021/060788 patent/WO2021219528A1/en unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115798685A (zh) * | 2022-12-18 | 2023-03-14 | 重庆邮电大学 | 一种基于食物图像分割的抑郁症膳食管理方法 |
CN115798685B (zh) * | 2022-12-18 | 2024-05-24 | 广西康久生物科技有限公司 | 一种基于食物图像分割的抑郁症膳食管理方法 |
Also Published As
Publication number | Publication date |
---|---|
EP4143842A1 (en) | 2023-03-08 |
US20230223131A1 (en) | 2023-07-13 |
WO2021219528A1 (en) | 2021-11-04 |
JP2023522599A (ja) | 2023-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Trends in food sources and diet quality among US children and adults, 2003-2018 | |
CN106716426B (zh) | 用于计算、显示、修改和使用个性化营养健康评分的系统和方法 | |
Meyers et al. | Dietary reference intakes: the essential guide to nutrient requirements | |
Dyett et al. | Vegan lifestyle behaviors. An exploration of congruence with health-related beliefs and assessed health indices | |
Stran et al. | Determinants of food label use differ by sex | |
US11437134B2 (en) | Recommending consumer products using product-ingredient efficacy and/or user-profile data | |
US20140287384A1 (en) | Method, system and apparatus for improved nutritional analysis | |
Britten et al. | Updated US Department of Agriculture Food Patterns meet goals of the 2010 dietary guidelines | |
US20100055652A1 (en) | Processes and systems based on dietary fiber as energy | |
CN110692105A (zh) | 用于计算、显示、修改和使用反映消费品的最佳数量和质量的单膳食摄入量评分的系统和方法 | |
Neale et al. | Impact of providing walnut samples in a lifestyle intervention for weight loss: a secondary analysis of the HealthTrack trial | |
Krondl et al. | Helping older adults meet nutritional challenges | |
KR102361703B1 (ko) | 샐러드 메뉴 추천 서비스 제공 방법 및 장치 | |
US20220406215A1 (en) | Systems and methods for dynamically providing dynamic nutritional guidance | |
CN112102921A (zh) | 营养食谱的生成方法、装置和服务器 | |
CN115315752A (zh) | 用于为健康微生物组提供个体化推荐的系统和方法 | |
Pacheco et al. | Effects of different allotments of avocados on the nutritional status of families: A cluster randomized controlled trial | |
Johnson et al. | Adequacy of nutrient intake among elderly persons receiving home care | |
JP7473247B2 (ja) | 食事提案支援装置、食事提案支援方法、食事提案支援端末、食事提案支援システム、プログラム、および記録媒体 | |
Kennedy et al. | Association between rice consumption and selected indicators of dietary and nutritional status using National Health and Nutrition Examination Survey 2007–2008 | |
Fallaize et al. | The eNutri app: using diet quality indices to deliver automated personalised nutrition advice | |
Brglez et al. | Health concerns regarding malnutrition among the older populations: considerations from a Slovenian perspective | |
Lokuge et al. | Implementation of a personalized and healthy meal recommender system in aid to achieve user fitness goals | |
Aldrich et al. | Perceived importance of dietary protein to prevent weight gain: a national survey among midlife women | |
Koo et al. | Machine learning-based nutrient classification recommendation algorithm and nutrient suitability assessment questionnaire. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |