A machine learning-driven service to guide compliance to a low sodium diet

People with certain medical conditions are required to follow a low sodium diet and keep track of their intake so that healthcare professionals ensure their compliance. Methods to assess compliance remain traditional and stressful for all stakeholders (patients, caregivers, and healthcare professionals). The commonly used tool by dietitians consists of the 24-Hour Dietary Recall (24-H DR); a process that entirely relies on patients’ memory and recall abilities. Hence, it is prone for bias and inaccurate assessment. Patients who are doing well and complying with the low sodium diet are often overwhelmed and feel burdened with the lengthy and complex 24-H DR. While others who need frequent assessments are being affected and deferred by the standardized interval of time for communication and subsequent interventions. This delay in assessment and guidance might result in the lack of motivation to initiate and maintain a low sodium diet on the long-term. The entire process does not intake into consideration the patients’ mental models, their feelings, and their willingness to change personal behaviors. With all this in mind, my thesis’s main goal is to help in monitoring dietary compliance to a low sodium diet, while promoting an informed decision making to ensure that. The primary objective is to help patients and their caregivers navigate through dietary changes. As for the secondary objective, we are aiming to assist dietitians in grasping an overview of the patients’ dietary lifestyles and intervening accordingly. In line with the concept to avoid overwhelming/ underwhelming patients, the proposed solution will consist of a digital application that will incorporate machine learning’s (ML) ability to predict the results of a 24-H DR every two weeks. This process would replace the need to perform the 24-H DR more frequently and will predict the results based on the ML model training and data collection coming from their grocery and eating out data points. The application will have constant and variable components to further customize the experience. The variable components will be enabled/ disabled based on the patient’s compliance status (high, mid, and low) determined by the predicted outcomes of the 24-H DR. Following a more human centered design, the solution lessened efforts in chunk and divided them into contextual experiences that would prompt the users to get and share the right information at the right time. A positive tone of voice and approach have been well perceived by users. Direct feedback on eating behaviors has resulted in improvements of patients’ self-efficacy and awareness as reported by users.

I soggetti affetti da specifiche condizioni di salute sono tenuti a seguire diete a basso contenuto di sodio e a tener traccia della loro assunzione in maniera assidua e costante, affinché gli operatori sanitari ne garantiscano la conformità. I tradizionali metodi di verifica risultano spesso stressanti per tutte le parti interessate (pazienti, caregiver e operatori sanitari). Lo strumento più comunemente utilizzato dai dietisti consiste nel Richiamo Dietetico delle 24 ore (24-H DR): un processo che si basa interamente sulla memoria dei pazienti e sulle loro capacità di ricordare quanto assunto nei pasti precedenti. Il processo è quindi incline ad errori e valutazioni imprecise. I pazienti che si sentono bene e rispettano la dieta a basso contenuto di sodio risultano spesso sopraffatti e oppressi dal lungo e complesso processo di 24-H DR. Altri, che invece hanno bisogno di valutazioni più frequenti, vengono afflitti e rallentati dall'intervallo di tempo standard delle comunicazioni e dei successivi interventi. Questo ritardo nella valutazione e nelle direttive potrebbe portare alla perdita di motivazione nell’iniziare una dieta a basso contenuto di sodio e nel mantenerla nel lungo periodo. L'intero processo, inoltre, non prende in considerazione i modelli mentali dei pazienti, così come la loro tendenza e volontà nel migliorare i propri comportamenti. L'obiettivo principale della mia tesi si delinea nel desiderio di aiutare il monitoraggio e la conformità nelle diete a basso contenuto di sodio, promuovendo al contempo un processo decisionale informato che tuteli il percorso e l’utente. L'obiettivo primario è quello di aiutare i pazienti e i loro assistenti a navigare attraverso i cambiamenti della dieta. Per quanto riguarda l'obiettivo secondario, ci proponiamo di aiutare i dietisti a costruire una panoramica sugli stili di vita alimentari dei pazienti e a intervenire di conseguenza. In linea con il concetto di riduzione della sopraffazione/sottomissione dei pazienti, la soluzione proposta consisterà in un'applicazione digitale che incorporerà le tecnologie di Machine Learning (ML) per prevedere i risultati di un 24-H DR ogni due settimane. Questo processo sostituirebbe la necessità di eseguire la 24-H DR più frequentemente e consentirebbe di prevederne i risultati sulla base dell'addestramento del modello ML nonché della raccolta dei dati provenienti da: informazioni sulle tendenze di acquisto e input sull’assunzione quotidiana. L'applicazione si baserà su componenti costanti e variabili, per favorire un ulteriore personalizzazione dell'esperienza. I componenti variabili saranno attivati/disattivati in base allo stato di conformità del paziente (alto, medio e basso) determinato dai risultati previsti del 24-H DR. Seguendo una struttura focalizzata maggiormente sull'utente, la soluzione ha ridotto gli sforzi, suddividendoli in esperienze contestuali con l’obiettivo di spingere i pazienti a ottenere e condividere le informazioni giuste al momento giusto. Un tono di voce e un approccio positivo sono stati ben percepiti. Il feedback diretto sui comportamenti alimentari ha portato a miglioramenti dell'autoefficacia e della consapevolezza dei pazienti, come riportato dai utenti.