รูปภาพอาหารและคำอธิบายของส่วนประกอบหลักที่ผู้เข้าร่วมจัดเตรียมให้ในภายหลังได้รับการเข้ารหัสโดยผู้ประเมินอิสระและผ่านการฝึกอบรมมาแล้ว ตามคู่มือมาตรฐาน ผู้ประเมินได้เพิ่มส่วนประกอบเพิ่มเติมที่แสดงในภาพลงในคำอธิบาย อาหารที่บริโภคทั้งหมดถูกแบ่งออกเป็น 14 หมวดหมู่อาหารที่แตกต่างกัน

ซึ่งได้มาจากระบบการจำแนกอาหารที่ออกแบบโดยสมาคมโภชนาการแห่งเยอรมัน (DGE) และตามหมวดหมู่อาหารที่มีอยู่ของฐานข้อมูลสารอาหารของเยอรมัน (Max Rubner Institut) ไม่ได้ประเมินปริมาณของเหลวและวิธีการเตรียมการ ดังนั้นไขมันและส่วนผสมในสูตรเพิ่มเติมจึงไม่รวมอยู่ในการวิเคราะห์เพิ่มเติม เนื่องจากไม่ได้แสดงถึงองค์ประกอบหลักของการรับประทานอาหาร นอกจากนี้ยังมีการเพิ่มสารเติมแต่งรสเค็มลงในการจัดหมวดหมู่

ไม่มีผู้เข้าร่วมหลุดออกหรือต้องได้รับการยกเว้นเนื่องจากอัตราการขาดหายไปสูง ค่าที่หายไปต่ำกว่า 5% สำหรับตัวแปรทั้งหมด อัตราการปฏิบัติตามในระดับมื้ออาหารไม่สามารถประเมินได้โดยตรง เนื่องจากจำนวนอาหารและของว่างอาจแตกต่างกันไปในแต่ละบุคคล (ระหว่างวัน)

จากการประมาณการปฏิบัติตามกฎเกณฑ์คร่าวๆ จำนวนอาหารที่คาดหวังจากมุมมอง “เชิงบรรทัดฐาน” ในช่วงแปดวันที่สังเกตสามารถใช้เป็นมาตรฐานเปรียบเทียบได้ (8 x อาหารเช้า, 8 × อาหารกลางวัน, 8 × อาหารค่ำ = 24 มื้อ) โดยเฉลี่ยแล้ว ผู้เข้าร่วมรายงานอาหารเช้า M = 6.3 มื้อ (SD = 2.3), M = 5.3 อาหารกลางวัน (SD = 1.8) และ M = 6.5 อาหารเย็น (SD = 2.0) เมื่อเปรียบเทียบกับ “กฎเกณฑ์” ที่คาดไว้ 24 มื้อ

ตัวเลขเหล่านี้บ่งชี้ถึงการปฏิบัติตามกฎระเบียบที่ดี (ประมาณ 75%) โดยมีแนวโน้มที่จะพลาดมื้ออาหารหกมื้อระหว่างช่วงการศึกษา (ประมาณ 25%) อย่างไรก็ตาม “กฎเกณฑ์” ที่คาดไว้ 24 มื้อสำหรับช่วงการศึกษาอาจสูงเกินไป เนื่องจากผู้เข้าร่วมอาจข้ามมื้ออาหารด้วย (เช่น อาหารเช้า) นอกจากนี้ อัตราความสอดคล้องในปัจจุบันยังเทียบได้กับการศึกษาอื่นๆ ตัวอย่างเช่น Elliston et al.36 บันทึกรายงานอาหาร/อาหารว่าง 3.3 ฉบับต่อวันในกลุ่มตัวอย่างผู้ใหญ่ชาวออสเตรเลีย

และ Casperson et al.37 บันทึกรายงานอาหาร 2.2 ฉบับต่อวันในกลุ่มตัวอย่างวัยรุ่น ในการศึกษานี้ โดยเฉลี่ย M = 3.4 (SD = 1.35) มื้ออาหารหรือของว่างได้รับรายงานต่อวัน ข้อมูลเหล่านี้บ่งชี้ว่าโดยรวมแล้วเป็นอัตราที่น่าพอใจ และไม่ได้ระบุการรายงานแบบคัดเลือกสำหรับรายการอาหารบางรายการ

ในการแสดงข้อมูลเป็นภาพกราฟิก มีการใช้ Tableau (เวอร์ชัน 10.1) และสำหรับการวิเคราะห์ทางสถิติเพิ่มเติม IBM SPSS Statistics การวิเคราะห์เหล่านี้นั้นจะสามารถช่วยในเรื่องของการควบคุมการรับประทานอาหารทำให้ผู้บริโภคที่ใช้การคำนวณนี้นั้นมีการรับประทานอาหารที่มีประสิทธิภาพมากขึ้น

การรับประทานอาหารที่ได้ประสิทธิภาพนั้นจะช่วยส่งผลทำให้ร่างกายของเรานั้นได้รับสารอาหารและการรับประทานอาหารที่ดีและถูกต้อง นั่นหมายความว่าเราจะมีสุขภาพที่ดีขึ้นได้นั่นเอง อย่างไรก็ตาม ในการวิเคราะห์นั้นอาจจะมีขั้นตอนที่ค่อนข้างจะยุ่งยากและมีความซับซ้อนและต้องอาศัยผู้เชี่ยวชาญในการวิเคราะห์อย่างจริงจังรวมทั้งตัวผู้บริโภคเองนั้นก็จะต้องมีความจริงจังและเข้มงวดด้วย

 

สนับสนุนโดย    เครื่องช่วยฟังโรงพยาบาลรัฐ