Határok a pszichológiában

Étkezési magatartás

Ez a cikk a kutatási téma része

Élelmiszer utáni sóvárgás Az összes 11 cikk megtekintése

étvágypszichológiai

  • Cikk letöltése
    • PDF letöltése
    • ReadCube
    • EPUB
    • XML (NLM)
    • Kiegészítő
      Anyag
  • Exportálás
    • EndNote
    • Referencia menedzser
    • Egyszerű TEXT fájl
    • BibTex
OSZD MEG

Eredeti kutatás CIKK

  • 1 Klinikai pszichológia, pszichoterápia és egészségpszichológia osztály, Salzburgi Egyetem, Salzburg, Ausztria
  • 2 Pszichológiai Intézet, Würzburgi Egyetem, Würzburg, Németország
  • 3 Gyermek- és serdülőkorúak pszichiátriai kórháza, Ruhr Egyetem LWL Egyetemi Kórháza, Bochum, Hamm, Németország
  • 4 Orvosi Pszichológiai Intézet, Charité – Universitätsmedizin, Berlin, Németország
  • 5 berlini elme- és agyképző iskola, Humboldt Universität zu Berlin, Berlin, Németország
  • 6 Pszichofiziológia, Molekuláris Genetikai Tanszék, Német Emberi Táplálkozástudományi Intézet Potsdam-Rehbrücke, Nuthetal, Németország

Bevezetés

Jelenlegi környezetünket a nagyon ízletes ételek gyakori jelzései jellemzik. Sok kutató részben ennek a tényezőnek tulajdonítja az elhízás arányának emelkedését és az étkezéssel kapcsolatos önszabályozás problémáit (Meule és Vögele, 2013). Az élelmiszerekre gyakorolt ​​étvágygerjesztő válaszok hátterében álló tényezők vizsgálatához a kutatás egyre inkább élelmiszer-képeket használ (Van Der Laan et al., 2011). A vizuális ételjelek a szagokhoz hasonlóan elsődleges szenzoros inputot jelentenek, amely lehetővé teszi az élelmiszer-objektum ehetőségére és ízére vonatkozó előrejelzéseket. Így a vizuális ételjelek feltételezett ingereknek tekinthetők, amelyek a lenyelés hedonikus és homeosztatikus hatásaihoz kapcsolódnak, és ezért maguk is kifizetődőek (Dagher, 2012). Ezenkívül a nyílt étkezési magatartás erős tudatos ellenőrzés alatt áll, és ezért nem mindig fedi fel a válaszreakció hajlamát. Élelmiszer képek felhasználásával a neurokognitív és közvetett intézkedések különösen sikeresek voltak a nyílt étkezési viselkedés finom étvágygerjesztő és szabályozó tényezőinek vizsgálatában.

Nem csak sokféle étel közül lehet választani, hanem a kutatóknak figyelembe kell venniük a megcélzott lakosságot és ezért egyéni különbségek kép kiválasztásához. Például, ha vegetáriánusok vagy vegánok vesznek részt a mintában, akkor valószínűleg el kell kerülni a képeket tartalmazó húst, mivel ezek megváltoztatják a vegetáriánusok idegi és viselkedési reakcióit a mindenevőkhöz képest (Stockburger et al., 2009a). Hasonló megfontolások vonatkoznak az étkezési preferenciákra kulturális, vallási vagy egészségügyi okok alapján (Hoffman et al., 2013). Az egyéni preferenciák befolyásolják az agy reakcióit, ezért egyes tanulmányok individualizálják az ingereket, hogy megfeleljenek az egyes résztvevők preferenciáinak (pl. Hollmann et al., 2012; Giuliani et al., 2013). A képek kiválasztásakor figyelembe kell venni az életkor és a nem, az iskolai végzettség és a testtömeg-index (BMI) további egyéni különbségeit (Caine-Bish és Scheule, 2009; Raffensperger et al., 2010; Berthoud és Zheng, 2012).

Mód

Ösztönzés

Kép jellemzői

Minden képhez a Matlab R2011b-ben (The Mathworks, Inc. Natick, USA) írt testreszabott szkriptek segítségével kiszámítottuk a kép fizikai tulajdonságait jellemző képtulajdonságokat. A szkriptek letölthetők a élelmiszer-képek weboldal (www.food-pics.sbg.ac.at). Az RGB csatorna-hozzájárulás kivételével az összes tulajdonságot kiszámították, miután a színes képet szürke értékekké konvertálták, a piros, zöld és kék színcsatornák súlyozott összegének kialakításával: 0,2989 × piros + 0,5870 × zöld + 0,1140 × kék. Ez az eljárás az RGB képeket szürkeárnyalattá alakítja azáltal, hogy kiküszöböli az árnyalat és a telítettség információt, miközben megőrzi a kép fényerejét (Poynton, 2012). A következő képtulajdonságokat elemeztük:

Szín, a vörös, zöld és kék csatorna arányos hozzájárulásaként számszerűsítve, az összes nem fehér képpont átlagában. Például a paradicsomot a vörös csatorna erős hozzájárulása jellemzi (lásd 1. ábra).

1. ábra: Példa képek, amelyek a kép jellemzőit mutatják az alacsony (bal) és a magas paraméter (jobb) között.

Méret, a nem fehér pixelek aránya a teljes pixelszámhoz viszonyítva (megegyezik Foroni és mtsai., 2013).

Fényerősség, számszerűsítve a szürkeárnyalatos kép összes nem fehér pixelének és a fehér háttérnek az átlagos fényereje közötti különbségként (Foroni et al., 2013). Így a legkiemelkedőbb tárgyak (vagyis a nagyon sötét tárgyak fehér alapon) a legnagyobb fényerőértékeket eredményezték.

Tárgyon belüli kontraszt, a szürke méretarányú kép összes nem fehér képpontjának fényerősségének szórásaként számszerűsítve. Például egy fekete táblán lévő fekete csokoládé képe képpontokat tartalmaz, amelyek fényereje nagyon sötéttől a fehérig terjed. Így ezt a képet a fényerő értékeinek nagy szórása jellemzi. Ezzel szemben a tejszínhab képe egy fehér lemezen nagyon kevés sötét pixelt tartalmaz, ezért kis szórás jellemzi.

Téri frekvenciák

Az egyes objektumok középértékét kétdimenziós gyors Fourier-transzformáció kiszámításával elemeztük a szürkeárnyalatos képeken. Az egydimenziós teljesítményspektrumokat a kétdimenziós teljesítményspektrumok radiális átlagának kiszámításával kaptuk. Ez az eljárás megadja a kép térbeli frekvenciáinak mérését, tükrözve a pixel fényerejének variációit, függetlenül azok képen való elhelyezkedésétől. A spektrális teljesítmény reprezentálásához minden kép egyetlen értékében kiszámítottuk a mediánhatalmat az összes térbeli frekvencián.

Bonyolultság

Míg egyes képek egyetlen homogén objektumot (például egy szelet sajtot) jelenítenek meg, más képek több objektumot (például különböző gyümölcsök választékát) vagy több összetevőből álló tárgyakat (például pizzát) jelenítenek meg. Az ilyen szempontból összetett képeket több objektum körvonala jellemzi. Így a képeket körvonalakra elemeztük egy Canny edge Detection algoritmus (Canny, 1986) segítségével, és számszerűsítettük a kép bonyolultságát úgy, hogy kiszámítottuk a vázlathoz kapcsolódó pixelek arányát a képen belül. Azonban a körvonal-pixelek számát az objektum mérete is meghatározza - az azonos objektum nagyított változatának nagyobb körvonalai lennének, és magasabb komplexitási értéket adna. Ezért kiszámítottuk a normalizált komplexitás az objektummérettől független mérték, a körvonalhoz kapcsolódó pixelek arányának emelésével a képen lévő nem fehér pixelek teljes számával. A méretet és a fényerőt ugyanúgy számolták ki, mint Foroni és mtsai. (2013).

Makrotápanyagok

Egy képzett kutatási asszisztens (pszichológiai mesterképzés hallgató) egy képzett kutatási asszisztens (pszichológia mesterszakos hallgató) becslése alapján ábrázolt élelmiszer kcal- és makrotápanyag-összetételét (fehérjék, szénhidrátok, zsír) becsülte meg minden élelmiszer-képre. A kalciumot és a makrotápanyagokat kcal/100 g és gramm/100 g, valamint az összes kcal és gramm értékeket adjuk meg az ábrázolt részre. Amikor több élelmiszerelemet (például szőlőt) tüntettek fel, a kísérleti tesztétkezések elemzésének megkönnyítése érdekében a számlálást megadtuk. Ezen adatok pontosságának keresztellenőrzéséhez egy második kutatási asszisztens (szintén pszichológiai mesterképző hallgató) másodszor becsülte meg ezeket az adatokat egy véletlenszerűen kiválasztott 38 élelmiszer-alminta esetében 1. A két kódoló közötti megállapodás kiváló volt; A Pearson-korrelációk között voltak r = 0,84 - ig r = 0,99 átlaggal r = 0,95.

Résztvevők

Négy minta teljesített egy névtelen online felmérést (a minták leírását lásd az 1. táblázatban), hogy normatív adatokat szolgáltasson a következőkről élelmiszer-képek. Csak azokat a résztvevőket vonták be, akik legalább 3 ételkép összes értékelését teljesítették (lásd alább az „Online felmérés” részt). Az első minta („UniHagen minta,” n = 638) a német távoktatási egyetem, a Hageni Egyetem hallgatóiból álltak, akik a felmérést tanfolyam-kredit és 3 × 50 euró sorsoláson való részvétel lehetősége után fejezték be. A második mintát több németországi, svájci és osztrák egyetem levelezőlistáján toborozták (Német nyelvű minta,” n = 831). A harmadik minta az amerikai résztvevőket szólította meg („Amerikai minta,” n = 496), az Amazon „Mechanical Turk” online munkaerőpiacán toborozták, ahol a regisztrált felhasználók fizetés fejében online feladatokon dolgoznak. A negyedik minta egy osztrák középiskola gyermekeivel és fiataljaival foglalkozott (Gyermek/ifjúsági minta,” n = 23) a korosztály meghosszabbítására. A német ajkú és a Gyermekek/ifjúság minták számára 3 × 50 euró sorsoláson való részvételt is felajánlották. Az összes felmérést 2013 május és augusztus között fejezték be. A Salzburgi Egyetem etikai bizottsága jóváhagyta a tanulmányt.

1. táblázat: Demográfiai jellemzők mintánként.

Online felmérés

Mivel a résztvevőktől nem lehetett elvárni, hogy megbízhatóan értékeljék az összes 882 képet, mindegyik résztvevő véletlenszerű képhalmazt minősített, külön a nem élelmiszer jellegű és az ételből készült képekből. A különböző kompenzációs módok (tanfolyam jóváírás, fizetés, sorsolás) miatt a minták az egyes résztvevők által értékelt képek számában különböztek: UniHagen minta 40 nem élelmiszer/80 étel, német nyelvű minta 25/40, amerikai minta 17/35, valamint a Gyermek/Ifjúság minta 5/35. Az egyes képeket átlagosan 48,8 (SD = 22,9) résztvevők.

Adatok elemzése

A. Leírására és feltárására élelmiszer-képek normatív adatbázist, és néhány olyan változó kiemelésére, amelyek a képválasztás és a tanulmányterv során irányíthatják a felhasználókat, a következő elemzéseket hajtottuk végre:

(1) Kép típusa: Leíró adatokat adunk az inger vegyértékéről és az izgalomról az adatbázis különböző ingerosztályaiban (beleértve a nem élelmiszer jellegű képeket is). Az ételek (és a legtöbb fennmaradó elemzés) esetében az íz és az étkezési vágy elsődleges fontosságú, és az kalóriatartalom (magas és alacsony kalóriatartalmú ételek), édesség (édes vs. sós ételek) és a feldolgozás mértéke (egész vagy feldolgozott élelmiszerek).

(2) Egyéni különbségek és demográfiai adatok: A nem, az életkor és a BMI, valamint az étrend (mindenevő és vegetáriánus), valamint a kultúra (német nyelvű és észak-amerikai) hatásait feltárták az íz és az étkezési vágy tekintetében.

(3) Állapotváltozók: Az éhségértékelések összefüggésben voltak az ízléssel és az étkezési vágyakkal. Hasonlóképpen, a fogyókúrázókat („jelenlegi súlycsökkentő étrend”) összehasonlították a nem fogyókúrázókkal az íz és az étkezési vágy tekintetében.

(4) Képjellemzők, értékelések és makrotápanyagok: A korrelációs elemzések összefüggéseket tártak fel a szubjektív értékelések, a kép jellemzői és a tápanyagok között.

Általában a jelen mintában szereplő magas statisztikai teljesítmény miatt csak legalább közepes hatásokat jelentünk (η 2> 0,06, Cohen-féle d > 0,3) hatásméretek, hacsak másképp nem jelezzük. Az összehasonlítás minden egyes alcsoportján belül párosított Student mintát használtunk t-teszt képek alcsoportjainak összehasonlításához vagy 95% -os megbízhatósági intervallumok megjelenítéséhez.

Eredmények

Kép típusa

Példaként az élelmiszereket és a nem élelmiszer jellegű tárgyakat több meghatározott kategóriába soroltuk. Az élelmiszer-objektumokat a képen domináns étel alapján gyümölcsökbe (az összes ételkép 13,3% -a), zöldségfélékbe (20,7%), csokoládékba (11,4%), húsba (11,1%), halakba (2,28%), diófélékbe sorolták. (1,76%), italok (1,58%) és 38% egyéb ételek anélkül, hogy egyértelműen dominálnának egy élelmiszertípusban. A nem élelmiszer jellegű képeket virágok és levelek (13,4%), állatok (10,1%), szerszámok (7,32%), háztartási cikkek (nem konyhai, 28,3%), konyhai eszközök (14,6%), irodaszerek (6,37%) kategóriákba sorolták. ), az élelmiszer-csomagolás (10,5%) és egyéb termékek (1%). A 2. ábra a vegyérték, az izgalom, az íz és az étkezési vágy mutatja ezeket a kategóriákat, 95% -os megbízhatósági intervallumokkal együtt. A tárgyakat, virágokat, leveleket és állatokat a vegyérték szempontjából pozitívabban értékelték az eszközökhöz, a háztartási és konyhai eszközökhöz képest, amint azt a nem átfedő bizalmi intervallumok mutatják. A virágokat és leveleket, valamint az állatokat a vegyértékek szempontjából is pozitívabban értékelték, mint az ételek többségét, a gyümölcs kivételével. Az élelmiszereken belül a gyümölcs volt a legnépszerűbb, mind a vegyérték, az íz és az étkezési vágy tekintetében. Érdekes módon a húst a legkevesebb ízlés és étkezési vágy alapján értékelték (szorosan követték az étkezési vágy dióival).

2. ábra (A) A valencia („nagyon negatív” - „nagyon pozitív”) és az izgalom („nagyon kevés” - „nagyon magas”) és 95% -os konfidencia intervallum minden képkategóriában. (B) A jóízűség és az étkezési vágy (mind „egyáltalán nem”, mind „rendkívüli”) és 95% -os konfidencia intervallum az ételtípusok között.

Ezenkívül, mivel a korábbi kutatások ellentétben álltak az élelmiszerekkel a kalóriasűrűség, a feldolgozás mértéke és az ízlelési tulajdonságok, Élelmiszer képeinket magas vagy alacsony kalóriasűrűségbe soroltuk (a kalóriasűrűségre eső medián felosztás = kcal/100 g), valamint feldolgozott (az összes étel 32,0% -a) és az egész (összes étel 66,7% -a, 1,3% nem osztályozható) kategóriába soroltuk ) és édes (42,8%), szemben a sós ételekkel (38,8%, 18,4% nem osztályozható); lásd a 2. táblázatban az egyes élelmiszertípusok összes értékelésének átlagát és szórását), valamint az egyes kategóriák meghatározott ízét és étkezési vágyát. Magas és alacsony kalóriatartalmú az ételek alacsonyabb minősítést kaptak az íze szempontjából, t(1942) = 13,0, o Az összes élelmiszer 93,2% -át felismerhetőnek és 94,6% -át ismerősnek értékelték).

2. táblázat: Szubjektív értékelések függvényében, ha különböző élelmiszertípusok vannak (átlag, szórás).

A demográfia és az egyéni különbségek változása: kultúra, nem és vegetarianizmus, BMI és életkor

Röviden, a kultúra (Észak-Amerika vs. német nyelvű) hatása az összes élelmiszerértékelésre (minden étel, magas kalóriatartalmú és alacsony kalóriatartalmú/feldolgozott és nem feldolgozott ételek, hús és nem húsos) jelentős, de csekély hatású volt méret (η 2 o Kulcsszavak: standardizált ételképek, ételképek, ételjelek, kép tulajdonságai, ERP, fMRI, étkezési viselkedés, elhízás

Idézet: Blechert J, Meule A, Busch NA és Ohla K (2014) Élelmiszer-képek: képi adatbázis az étkezés és az étvágy kísérleti kutatásához. Elülső. Psychol. 5.: 617. doi: 10.3389/fpsyg.2014.00617

Beérkezett: 2014. március 19 .; Elfogadva: 2014. május 31 .;
Online közzététel: 2014. június 24.

Boris C. Rodríguez-Martín, a kubai Las Villas-i Központi Egyetem „Marta Abreu”

Martin Yeomans, Sussexi Egyetem, Egyesült Királyság
Amy Claire Reichelt, Új-Dél-Wales Egyetem, Ausztrália
Michelle Dalton, Leedsi Egyetem, Egyesült Királyság