УДК 004.9:613.2
Ил. 4. Библ. 20.
DOI: 10.21323/2071-2499-2021-3-36-39

Информационные технологии, как инструмент, в оценке и анализе сбалансированности рационов питания

Никитина М.А., канд. техн. наук, Лисицын А.Б., академик РАН, Чернуха И.М., академик РАН
ФНЦ пищевых систем им. В.М. Горбатова
Ключевые слова: рацион питания, структурно-параметрическая оптимизация; функция полезности, компьютерная система,
Реферат:
Представлена компьютерная система в оценке рациона здорового питания. На основе математических моделей система обеспечивает решение задач структурно-параметрической оптимизации с учётом множества ограничений и условий с последующим выбором оптимального решения по заданным функциям полезности. Информационной основой системы является база данных, содержащая девять независимых друг от друга таблиц. Каждая из этих таблиц содержит 15 полей. Используется язык структурированных запросов SQL. Описан укрупнённый алгоритм реализации задачи составления здорового рациона питания с учётом «паспорта здоровья» человека, состоящий из 4 этапов. На первом этапе на основании антропометрических данных, биомаркеров (формула крови, кислотность желудочно-кишечного тракта) физиологического состояния человека в системе генерируется модель пользователя («паспорт здоровья человека»). Модель учитывает риск возникновения заболеваний и статус желудочно-кишечного тракта. На втором этапе система позволяет сделать выбор продуктов с учётом физиологического состояния человека, автоматически исключив «нежелательные» продукты, блюда, кулинарные изделия. На третьем этапе осуществляется оценка сформированного рациона питания, происходит анализ и сравнение поступивших в организм человека пищевых нутриентов (белки, жиры, углеводы, витамины, макро- и микроэлементы) с рекомендуемыми нормами для данного конкретного человека. На четвёртом этапе происходит оценка адекватности рациона питания по функционалу качества.

Information technologies as a tool in diet assessment and analysis

Nikitina M.A., Lisitsyn A.B., Chernukha I.M.
Gorbatov Research Center for Food Systems
Key words: diet, structural-parametric optimization, utility function, computer system
Summary:
A computer system for healthy diet assessment is presented. Based on the mathematical models, the system ensures a solution to the tasks of the structural-parametric optimization with consideration for a set of constraints and conditions with the following choice of the optimal solution by given utility functions. The information basis of the system is the database containing nine independent tables. Each of these tables has 15 fields. The Structured Query Language (SQL) is used. The authors describe the enlarged four-stage algorithm for realizing the task of constructing a healthy diet taking into account an in-dividual “health passport”. At the first stage, the user’s model (individual “health pass-port”) is generated in the system based on the anthropometric data, biomarkers (hemo-gram, acidity of the gastrointestinal tract) of the individual physiological state. The model accounts for the risk of the disease development and the status of the gastrointes-tinal tract. At the second stage, the system allows choosing products with regard to the physiological state of an individual automatically excluding “undesirable” products, dishes, culinary products. At the third state, the formed diet is assessed; ingested nutri-ents (proteins, fats, carbohydrates, vitamins, macro- and microelements) are analyzed and compared with the recommended norms for a particular individual. At the fourth stage, diet adequacy is assessed by the quality functional.

СПИСОК ЛИТЕРАТУРЫ / REFERENCES:

1. WHO: Increased attention of health systems to nutrition can save 3.7 million lives by 2025. Electronic resource. – Access mode [https://www.who.int/en/news-room/detail/04–09–2019-stronger-focus-on-nutrition-within-health-services-could-save‑3.7-million -lives-by‑2025].

2. Shekar, M. Investing in nutrition. The foundation for development. An investment framework to reach the global nutrition targets / M. Shekar, J. Kakietek, M. D’Alimonte, D. Walters, H. Rogers, J.D. Eberwein, S. Soe-Lin, R. Hecht // World Bank, Results for Development, Bill and Melinda Gates Foundation, CIFF, 1000 days. – 2019. – Electronic resource. – Access mode [http://documents1.worldbank.org/curated/en/963161467989517289/pdf/104865-REVISED-Investing-in-Nutrition-FINAL.pdf] (2019).

3. Sukhatme, P.V. The World’s Hunger and Future Needs in Food Supplies / P.V. Sukhatme // Journal of Royal Statistical Society, Series A. – 1961. – V. 124. – P. 463–525.

4. Edwardson, W. The Design of Nutritional Food Products for a Developing Country / W. Edwardson // A Thesis for the Degree of Ph. D. in Product Development. – Massey University:

New Zealand, 1974.

5. Anderson, A.M. Diet Planning in the Third World by Linear and Goal Programming / A.M. Anderson, M.D. Earle // Journal of the Operational Research Society. 1983. – V. 34 (1). – P. 9–16.

6. Alpaslan, F. Türkiye’de 6 Büyük İlde Doğrusal Programlama ile Optimum Beslenme Maliyetinin Minimizasyonu (1994–1997) / F. Alpaslan // Ondokuz Mayıs University, Fen-Edebiyat Fakültesi Araştırma Fonu. – 1996. – V. F (150). – P. 6–8.

7. Kaldirim, E. Application of a Multi-objective Genetic Algorithm to the Modified Diet Problem / E. Kaldirim, Z. Köse // Genetic and Evolutionary Computation Congress (GECCO). Undergraduate Student Workshop. – USA: Seattle, 2006.

8. Youbo, Lv. Multi-Objective Nutritional Diet Optimization Based on Quantum Genetic Algorithm / Lv. Youbo // Fifth International Conference on Natural Computation, Tianjin, China, 2009. – P. 336–340. DOI:10.1109/ICNC.2009.192.

9. Sahingoz, S.A. Compliance with Mediterranean Diet Quality Index (KIDMED) and nutrition knowledge levels in adolescents. A case study from Turkey / S.A. Sahingoz, N. Sanlier // Appetite. – 2011. – V. 57 (8). – P. 272–277.

10. Lipatov, N.N. Methods of quantitative evaluation and modelling of raw meat and finished products amino acid balance / N.N. Lipatov // 31th ICoMT – International Congress of Meat Science and Technology, Sofia, Bulgaria, 1985. – P. 158–161.

11. Kamaev, V. An Intelligent Medical Differential Diagnosis System Based on Expert Systems / V. Kamaev, D.P. Panchenko, Nguen Vien Le, O.A. Trushkina // Knowledge-Based Software Engineering. – 2014. – V. 466. – P. 576–584. DOI: 10.1007/978–3–319–11854–3_50.

12. Melnikov, M.P. Retrieval of Drug-Drug Interactions Information from Biomedical Texts: Use of TF-IDF for Classification / M.P. Melnikov, P.N. Vorobkalov // Knowledge-Based Software Engineering. – 2014. – V. 466. – P. 593–602. DOI: 10.1007/978–3–319–11854–3_52.

13. Tyrsin, A.N. Probability-Entropy Model of Multidimensional Risk as a Tool for Population Health Research / A.N. Tyrsin, D.A. Yashin, A.A. Surina // Society 5.0: Cyberspace for Advanced Human-Centered Society. 2020. – V. 333. – P. 205–216. DOI: 10.1007/978–3–030–63563–3_16.

14. Meldo, A. The natural language explanation algorithms for the lung cancer computer-aided diagnosis system / A. Meldo, L. Utkin, M. Kovalev, E. Kasimov // Artificial Intelligence in Medicine. – 2020. – V. 108. – P. 101952. DOI: 10.1016 / j.artmed.2020.101952.

15. Utkin, L.V. Deep Forest as a framework for a new class of machine-learning models / L.V. Utkin, A.A. Meldo, A.V. Konstantinov // National Science Review. – 2019. – V. 6 (2). – P. 186–187. DOI: 10.1093/nsr/nwy151.16. Davis-Dusenbery, B. Precision Medicine and Big Data / B. Davis-Dusenbery // Pharmaceutical executive. – 2017. – V. 37 (3). – P. 14.

17. Wu, P.Y. Omic and Electronic Health Record Big Data Analytics for Precision Medicine / P.Y. Wu, C.W. Cheng, C.D. Kaddi, J. Venugopalan, R. Hoffman, M.D. Wang // IEEE transactions on biomedical engineering. – 2017. – V. 2. – P. 263–273. DOI: 10.1109/TBME.2016.2573285.

18. Nikitina, M.A. Principal approaches to design and optimization of a diet for targeted consumer groups / M.A. Nikitina, I.M. Chernukha, D.E. Nurmukhanbetova // News of the national academy of Science Republic of Kazakhstan. Series of geology and technical sciences. – 2019. – V. 433 (1). – P. 231–241. DOI: 10.32014 / 2019.2518–170X.28.

19. Ivashkin, Yu.A. Information technology of optimization the adequate human nutrition / Yu.A. Ivashkin, M.A. Nikitina //Bulletin of international academy of system studies. Informatics, ecology, economy. – 2016. – V. 18 (1). – P. 49–60.

20. Nikitina, M.A. Structural-parametric modeling in human healthy nutrition system / M.A. Nikitina // CEUR Workshop Proceedings. – 2020. – V. 2667. – P. 219–224.

Контакты:

Никитина Марина Александровна
m.nikitina@fncps.ru
Лисицын Андрей Борисович
info@fncps.ru
Чернуха Ирина Михайловна
I.chernuha@fncps.ru

Для цитирования:

Никитина, М.А. Информационные технологии, как инструмент, в оценке и анализе сбалансированности рационов питания / М.А. Никитина, А.Б. Лисицын, И.М. Чернуха // Все о мясе. – 2021. – № 3. – С. 36-39. DOI: 10.21323/2071-2499-2021-3-36-39.

For citation:

Nikitina, M.A. Information technologies as a tool in diet assessment and analysis / M.A. Nikitina, A.B. Lisitsyn, I.M. Chernukha // Vsyo o myase. – 2021. – № 3. – Р. 36-39. DOI: 10.21323/2071-2499-2021-3-36-39.