Bling Protocolo de referencia de estimación de fotografías de alimentos

Qué responderá el punto de referencia

La unidad es una comida independiente, evaluada en un producto congelado Bling creado para el diario del consumidor. No es una validación clínica y no puede respaldar el diagnóstico, el tratamiento, la dosificación de medicamentos ni el asesoramiento nutricional individualizado.

• ¿A qué distancia están las estimaciones de energía de primer paso y macronutrientes de los valores de referencia documentados?
• ¿Con qué frecuencia las estimaciones caen dentro de las bandas de error predeclaradas?
• ¿Qué contextos de comida e ingredientes visualmente ocultos se asocian con un error mayor?
• ¿Cuánto cambia el error de un paso de corrección de usuario estructurado sin que implique precisión de laboratorio?

Muestra y colección

Una publicación de referencia general requiere un piloto de logística de 100 comidas seguido de al menos 1000 comidas de evaluación independiente recopiladas después de congelar el producto y el protocolo. Al menos 200 comidas de evaluación permanecen en la reserva confirmatoria, cada contexto primario informado contiene al menos 50 comidas y la recolección abarca al menos tres lugares o fuentes domésticas a lo largo de múltiples ciclos de menú.

El piso es una protección de publicación, no una afirmación de poder estadístico. El piloto nunca se incluye en la evaluación principal y se informará la precisión del intervalo de confianza lograda.

Las particiones de desarrollo, piloto y evaluación están aisladas por restaurante, comida, linaje de recetas, restaurante o lugar y grupo de imágenes casi duplicadas. Las imágenes de evaluación final son nuevas, no públicas y no están disponibles para su ajuste inmediato antes de que se congelen el protocolo y el sistema.

Dos distribuciones complementarias

• Una muestra de uso natural que preserva la distribución observada del tráfico del producto.
• Una muestra de estrés equilibrada que abarca cocina, bandas energéticas y de porciones, platos individuales versus combinados, comida casera versus comida de restaurante o empaquetada, bebidas, salsas, ingredientes ocultos, oclusión, luz, ángulo, recipiente y preparaciones de bajo contraste.

Contextos de comida predeclarados

• elemento visible único
• plato mixto casero
• restaurante o comida para llevar
• alimentos envasados o de marca
• sopa, bebida u otra preparación de baja visibilidad

Inclusión

• Una comida o alimento completo fotografiado antes de su consumo.
• Un método de referencia documentado y cantidad comestible
• Una versión del producto congelado y resultado del primer paso con marca de tiempo
• Estado de consentimiento y desidentificación registrado antes de la publicación de cualquier imagen

Exclusión

• Cantidad de referencia faltante o fuente de nutrición no verificable
• Comidas parciales a menos que se mida la fracción consumida
• Imágenes que contienen personas o información personal no relacionada
• Eliminación post hoc porque una estimación tuvo un mal desempeño

Cómo se construyen los valores de referencia

Partiendo de un plato o recipiente tarado. Registre cada ingrediente o adición de receta bloqueada por separado, el modelo de báscula, la fecha y masa de calibración, la incertidumbre de la báscula, el incremento de peso comestible, el nuevo pesaje final, el estado de preparación, la revisión de la receta, las sobras y el aceite o líquido desechado.

1. Ingredientes comestibles pesados más rendimiento medido de la receta cocida
2. Etiqueta de información nutricional del paquete exacto y peso de la porción consumida
3. Registro nutricional oficial del restaurante que coincide con el artículo y la porción solicitados

USDA Los registros FoodData Central incluirán el identificador FDC, el tipo de datos, la fecha de acceso y la fecha de publicación o actualización. Se elige una fuente que coincida con la forma y preparación del alimento, no simplemente con el nombre más cercano.

Los totales de nutrientes de los ingredientes se escalan según el peso comestible y el rendimiento medido de la receta terminada. Cualquier factor de retención o rendimiento deberá indicar su fuente y versión.

Dos revisores nutricionales calificados comparan de forma independiente los ingredientes con los registros de composición; un tercer revisor resuelve los desacuerdos. Los subconjuntos con alto contenido de aceite, alto contenido de agua, mucha salsa y de marca variable reciben preparación duplicada o análisis de laboratorio para cuantificar el error del método de referencia.

La incertidumbre de referencia, las sustituciones, los restos y los valores no disponibles siguen siendo campos explícitos; no se convierten silenciosamente en verdad exacta.

Registro y congelación inmutable

Registre el protocolo y el plan de análisis estadístico antes de desbloquear las etiquetas de evaluación.

La publicación pública debe nombrar el registro de registro, la marca de tiempo, el hash del archivo de protocolo, el hash del manifiesto de imagen, la versión de los datos de referencia, la compilación del producto, la configuración del modelo, los hashes de solicitud, la versión del analizador, los resultados primarios, los márgenes, las exclusiones, las reglas de datos faltantes, el plan de subgrupos y el análisis de precisión del tamaño de la muestra.

Cada desviación del registro congelado se enumera, fecha, justifica y se mantiene fuera del resultado confirmatorio cuando pueda sesgar el resultado.

Captura de fotografía y estimación

El análisis principal utiliza una fotografía común y corriente de un consumidor. Las vistas adicionales se registran por separado y no se pueden mezclar con el resultado principal.

• clase de dispositivo
• vista de cámara y banda de distancia
• condición de iluminación
• tipo placa o contenedor
• si una referencia de escala es visible
• contexto de la comida y visibilidad de la preparación

Las imágenes públicas deben tener permiso de publicación explícito, no contener ninguna persona o información personal no relacionada y tener metadatos extraíbles eliminados.

Dos resultados, nunca combinados

1. estimación solo con fotografía del primer paso
2. estimación posterior a la revisión después de las indicaciones de corrección predeclaradas

La revisión estructurada se limita a la identidad de los alimentos, las porciones, la grasa o salsa para cocinar, los acompañamientos o bebidas que faltan y la coincidencia de la base de datos. Los resultados de primera pasada y corregidos permanecen separados.

El resultado principal es la primera respuesta producida a través de la ruta del producto real. Las llamadas repetidas se ejecutan solo en un subconjunto prerregistrado para cuantificar la salida estocástica y la coherencia de las fallas; no se selecciona ninguna carrera porque obtuvo la mejor puntuación.

Cuando un modelo comercial no se puede anclar a una instantánea inmutable, el informe debe indicar que no se garantiza la reproducción exacta y preservar las respuestas sin procesar con marca de tiempo además de todas las configuraciones de invocación disponibles.

Resultados y análisis estadístico

Informe intervalos de confianza bilaterales del 95 % utilizando 10 000 remuestreos de arranque de grupos de comidas. Todas las fotografías y etapas estimadas de una comida permanecen en la misma muestra.

Publicar la media, la mediana, el rango intercuartil y la distribución empírica completa cuando corresponda; no confíe en un promedio.

Inspeccione el error con respecto a la magnitud de referencia antes de aplicar los límites fijos de Bland-Altman. Si la varianza cambia materialmente con la energía de la comida, utilice un índice logarítmico registrado previamente o un análisis de límites de acuerdo basado en regresión.

Cualquier comparación de sistemas o etapas utiliza intervalos de diferencia de arranque emparejados con comidas. La equivalencia o no inferioridad requiere un margen congelado antes de abrir las etiquetas; una diferencia no significativa nunca se llama equivalente.

Los dos resultados coprimarios se declaran antes del análisis. Las reclamaciones confirmatorias secundarias o de subgrupos utilizan un procedimiento jerárquico congelado o de tasa de descubrimiento falso; todos los demás análisis de subgrupos se denominan exploratorios.

Barreras contra un resultado halagador

• La precisión del reconocimiento no se informa como precisión nutricional.
• Las estimaciones faltantes o fallidas cuentan como fallas y se informan por separado; no se caen.
• Los errores porcentuales macro no se calculan cuando el valor de referencia está demasiado cerca de cero.
• No se utiliza ningún porcentaje de precisión universal único fuera de la muestra congelada, la versión y el método de referencia.
• La correlación no se trata como acuerdo o exactitud.
• Ningún umbral se describe como estándar industrial o regulatorio a menos que una autoridad citada realmente lo defina.

Estratos reportados

• contexto de comida
• visibilidad de ingredientes
• producto único versus plato mixto
• casera versus restaurante o empaquetada
• condición de la foto
• cocina solo cuando el estrato alcanza el piso de publicación
• región y banda de precios
• condiciones de cámara e iluminación
• tono de piel solo cuando se conserva una mano o un cultivo adyacente a una persona con consentimiento explícito

Publique un recuento de flujo desde las comidas recolectadas hasta las comidas analizadas, cada motivo de exclusión, estimaciones no disponibles y nutrientes de referencia faltantes.

Taxonomía de fallas

• error de identidad alimentaria
• error de porción o volumen
• error oculto de aceite, salsa, azúcar o preparación
• error de suposición de marca o receta
• error de análisis de unidad o salida estructurada
• finalización de ingredientes no admitidos
• subestimación o sobreestimación bruta
• consejo médico o enfermedad inadecuado
• exposición de privacidad

11 puertas antes de un titular

1. Registre previamente públicamente el protocolo, el plan de análisis estadístico, el esquema de observación, la versión del código de análisis y los hashes de contenido antes de abrir las etiquetas de evaluación.
2. Congelar la creación del producto, el modelo exacto o la instantánea del proveedor, las indicaciones, el canal de imágenes, el analizador, la región, la configuración de invocación y la publicación de la composición de los alimentos; no combine versiones materialmente diferentes en un resultado de título.
3. Completar el piloto separado, el piso de evaluación de 1000 comidas, la reserva confirmatoria de 200 comidas, la regla de diversidad de fuentes y cada piso de estrato informado; de lo contrario, etiquete el lanzamiento como piloto únicamente sin ningún reclamo de referencia general.
4. Registros completos de pesaje trazable, rendimiento de recetas y retención, revisión nutricional independiente con adjudicación e incertidumbre de referencia cuantificada.
5. Tenga en cuenta cada comida recolectada, estimación fallida, exclusión, corrección y nutriente no disponible.
6. Indique los intervalos de confianza para los resultados coprimarios, el sesgo de Bland-Altman y los límites de acuerdo, los errores graves, los resultados fallidos y los resultados de estrés y subgrupos preespecificados.
7. Verifique el aislamiento de la partición y documente la evidencia de que las imágenes de evaluación, los linajes de recetas, los lugares y los casi duplicados no estaban disponibles para un ajuste rápido o una selección de resultados.
8. Publique datos anonimizados a nivel de fila cuando el consentimiento lo permita, el diccionario de datos, el código de análisis, las sumas de verificación y un registro de cambios versionado.
9. Consentimiento completo, eliminación de EXIF y GPS, investigación de antecedentes personales y confidenciales, controles de retención y eliminación, revisión de acceso y revisión del uso de datos del proveedor del modelo.
10. Publica un conjunto de centinelas dorados, cambia los activadores, monitorea la cadencia, los umbrales de alerta y las condiciones que pausan o retraen una afirmación de precisión.
11. Mantenga las conclusiones en el diario del consumidor, nombre los modos de falla y rechace afirmaciones clínicas, universales o sin fundamento causal.

Protocolo legible por máquina

La página legible por humanos y los archivos legibles por máquina provienen de la misma fuente versionada. Un conjunto de datos futuro recibirá el marcado del conjunto de datos solo después de que realmente existan datos a nivel de fila y distribuciones descargables.

• Protocolo JSON
• Esquema JSON de observación
• Cita de BibTeX

Estándares utilizados—y no reivindicados

Los informes GRRAS y Bland-Altman forman la columna vertebral del estudio de acuerdo directo. TRIPOD-LLM y los elementos de transparencia seleccionados de TRIPOD+AI rigen los informes de modelos, indicaciones, datos, intervalos de confianza, subgrupos, fallas y ciencia abierta. NIST AI RMF y su perfil de IA generativa rigen los controles de versión, proveedores, privacidad, deriva, incidentes y retiro. USDA FoodData Central y Nutrition5k informan la procedencia y adquisición de referencia.

Este no es un estudio de precisión diagnóstica, un estudio de modelo de predicción clínica, una intervención aleatoria ni una evaluación de apoyo a la toma de decisiones clínicas. Por lo tanto, no afirma cumplir con STARD-AI, TRIPOD+AI, CONSORT-AI, SPIRIT-AI o DECIDE-AI.

Libro mayor de origen

Estándares y métodos de referencia

1. Directrices para la presentación de informes sobre estudios de confiabilidad y concordancia (GRRAS)Revista de Epidemiología Clínica / Red EQUATOR
2. Métodos de Bland-Altman para el análisis de acuerdos: una revisión de los estándares de presentación de informesRevista Internacional de Avances en Estudios de Enfermería
3. Guía de presentación de informes TRIPOD-LLM para estudios que utilizan modelos de lenguaje grandesMedicina de la naturaleza
4. Declaración TRIPOD+AI: guía actualizada para informar modelos de predicción clínicaEl BMJ
5. Documentación de datos FoodData CentralUSDA
6. Nutrition5k: Hacia la comprensión nutricional automática de los alimentos genéricosIEEE/CVF CVPR
7. Marco de gestión de riesgos de inteligencia artificial 1.0NIST
8. Marco de gestión de riesgos de inteligencia artificial: perfil de inteligencia artificial generativaNIST
9. Bienestar General: Política para Dispositivos de Bajo RiesgoEE.UU. Administración de Alimentos y Medicamentos
10. Cumplir con la regla de notificación de infracciones de salud de la FTCEE.UU. Comisión Federal de Comercio
11. Conjunto de datos estructuradosCentro de Búsqueda de Google

Las correcciones y los desafíos de protocolo son bienvenidos en team@bling.best.