鉴别饮食选项的方法和装置的制作方法
专利名称：鉴别饮食选项的方法和装置的制作方法
鉴别饮食选项的方法和装置本申请要求2008年5月28日提交的美国临时申请号61/056，538和2009年1月 5日提交的美国临时申请号61/142，533的权益，两者通过引用而全文结合到本文中。本发明涉及评价选项的方法和装置，例如评价食品以帮助选择提供健康平衡饮食 的食品的方法和装置。更具体地讲，本发明提供将相对分数分配给食品的方法和装置，所述 方法和装置允许消费者选择提供满足饮食准则的饮食的食品，例如美国糖尿病协会和美国 人饮食准则制定的准则。
背景技术：
通常用专家小组评价各种选项的可取性，尤其例如饮食选项。在大多数情况下，这 些专家小组可只评价有限数目的项目(items)，这些项目与可用于考虑的巨大(且不断增 加)数目的候选项目相当。遗憾的是，也可能很难确定什么专家评价可用于一些项目。由 于专家未必关于在所给饮食程序中包含的所给食品项目的相关可取性在所有情况下相互 一致，因此这会进一步复杂化。因此，不能从专家小组提供的实际信息明显看出选择一个项 目相对于另一个项目(尤其是未由专家小组评价的项目)的可取性的信息。消费者通常对作出健康食品选项感兴趣。由于各种健康相关的原因，很多消费者 需要作出帮助他们保持饮食的食品选项。例如，将血糖水平(相当于血糖浓度)保持在一 定限度内有显著的健康优点。目前，通常指导患糖尿病的患者和试图食用健康饮食的个体遵循复杂的饮食交换 系统或计算碳水化合物或热量。对于个体来讲，这些系统倾向于遵循困难和令人沮丧。发明概述本发明提供方法和装置，所述方法和装置有效的用于对各种选项评级，和/或鉴 别(或有助于鉴别)多个选项中更需要的选项，尤其例如饮食选项。所述方法对由知情域 (informed domain)代表专家小组作出的需要和不需要选项提供预测。在一个优选的实施 方案中，用专家小组进行强迫性选项比较过程。强迫性选项比较过程产生偏好分数，在本文 中有时称为原始分数。专家小组可包括(排他性或至少包含性)在普通域(common domain) 中的个体，例如饮食专家。再开发和利用一些方程，这些方程根据测定性质有效的得到预测 的原始分数。预测的原始分数在统计学上有利地与通过实际专家小组确定的原始分数相 关。进一步处理原始分数，以提供相对分数。在此方面，根据需要将原始分数简化成允 许更容易跟踪它们的范围/等级。所得相对分数提供能够容易记录的相对较低整数。例如， 范围0至100可由7等除，以提供7个种类，以便将具有0和小于14. 3之间原始分数的食 品或饮料分类为0，具有14. 3和小于28. 6之间原始分数的食品或饮料分类为1，等等。所 用种类数可以增加或减少，以提供精确且方便的原始分数分类，并使所得相对分数成为消 费者能够容易利用的整数和相对低的数(例如单位数)两者。根据此方面，本发明提供一种有助于需要选项的选择的方法。所述方法包括从知 情域代表专家小组产生用于第一组选项的相对分数。测定第二组选项中各选项的至少两种 性质。用测定的性质提供用于第二组选项的预测相对分数。测定的性质可包括碳水化合物、糖、纤维、蛋白质、总脂肪、总脂肪酸、总饱和脂肪酸、反式脂肪酸、钙、钠、铁、维生素、血糖指 数、血糖负荷、抗性淀粉、糖醇及其混合物。在有形介质中记录预测的相对分数，以传递预测 的相对分数，并有助于需要选项的选择。知情域代表的实例可包括饮食专家。在有形介质 中记录预测的相对分数可包括例如在食品项目的包装上记录预测的相对分数，在计算机装 置中记录分数，和在印刷品中记录分数，例如分发的印刷品或广告。一方面，本发明提供一种帮助人保持预定饮食的方法。该方法包括，确定在一段时 间内有效保持预定饮食的最小和最大相对分数，例如单一零食、单一饭餐、一日、一星期或 两星期时间。计算许多可能食品供应选项每种的相对分数，并且可记录各食品选项经所给 时间的相对分数，以提供总的相对分数。然后鉴别食品供应选项，这将提供在所需时间内， 在预定最小和最大值范围内的总的相对分数。另一方面，可计算食品项目的相对分数，并通过首先用以下方程16A计算原始分 数来分配到食品项目。方程16A原始分数=ko+kiX fi (X1) +k2 X f2 (x2) +k3X f3 (x3) +-系数Ivk^kyk3...为-50至50的数字常数，函数f1; f2，f3...为自身由Xl，x2， X3...表示的营养值的合适函数。表达Xi也可表示相应于所讨论食品项目的两个或更多个 营养值的函数。f” f2, 4的函数形式可包括线性、对数、指数、三角、样条、小波和其他单调 (和近单调)函数，这些函数可以为增函数或减函数。适合有用的函数的几个实例在以下描 述(方程16-22)。本发明提供一种计算相对分数的方法，所述方法包括以下步骤在所述部分包括具有5克或更少碳水化合物和小于20千卡的食品或非酒精饮料 时，分配包括固定值的原始分数；对于具有3克碳水化合物或更多的食品部分，测定碳水化合物、蛋白质、纤维、反 式脂肪酸、饱和脂肪酸、总脂肪酸、钙和钠、铁和维生素及矿物质值，并用方程IA或方程IB 或方程IC (以下显示和描述这些方程)来计算原始分数；对于具有小于3克碳水化合物的食品部分，测定蛋白质、饱和脂肪酸、总脂肪酸和 钠值，并用方程2 (以下显示和讨论)计算原始分数；在所述部分包括具有20千卡或更多的非酒精饮料时，测定糖、总脂肪酸、钙、维生 素和矿物质值，并用方程3 (以下显示和讨论)计算原始分数；在所述部分包括酒精饮料时，用方程4 (以下显示和讨论)确定原始分数；并且用原始分数确定相对分数。也可用方程5-15计算原始分数，方程5-15也在以下显示和讨论。另一方面，本发明提供一种用相对分数标记食品项目的方法。所述方法包括用本 文所述的方程计算相对分数，尤其用方程16A和方程16-22。然后用其计算的相对分数标记 食品项目。另一方面，本发明提供一种装置，所述装置包括容器、置于容器中的食用项目部分 和置于容器表面上的相对分数。通过一种方法，此容器可包括用于食品的包装，例如袋或 箱。通过另一种方法，此容器可包括售货机，该售货机具有在上面出现一个或多个相对分数 的显示器，例如平面屏幕显示器。相对分数可用本文所述的方程计算，尤其用方程16A和方程16-22计算。然后用其计算的相对分数标记容器。另一方面，本发明提供一种装置，所述装置包括存储器，该存储器具有在其中储存 的一系列数字计算机指令，以有助于测定不同食品、非酒精饮料和酒精饮料部分的相对分 数。这可包括例如使用一个或多个本文所述的方程，以计算这些相对分数。通过一种方法， 这可包括实现许多不同项目的批计算。通过另一种方法(如果需要)，这可包括在需要的基 础上，实现在传输过程中的计算。另一方面，本发明提供一种预测实际原始分数的方法。所述方法包括用专家小组 进行强迫性选项配对比较，以对规定的项目组产生实际原始分数。研究方程，以根据测定性 质产生预测的原始分数，使得实际和预测的原始分数之间的相关性有利于提供0. 5或更大 的r2和20或更小的均方根误差值，优选提供0. 6或更大的r2和12或更小的均方根误差值。另一方面，本发明提供一种用于选择食品的方法，所述食品适用于预定饮食。所述 方法包括从专家小组收集关于一组食品项目的输入。根据收集的输入计算相对分数，并分 配到各食品项目。确定经一段时间，有效保持预定饮食的最小和最大的总相对分数。选择 食品，这些食品提供在最小和最大的总相对分数范围内的总相对分数。本领域的技术人员应认识和理解，本文教授可高度伸缩，并且很容易适应包括固 体食品和饮料(包括基于酒精的饮料和无酒精饮料两者)的经加工或未加工的基本任何可 食用或可口物质的应用。应进一步理解，相对复杂的分级和评级标准(包括客观和相对主 观标准)很容易适应，同时最终保持消费者用很少或不用训练就能够理解和应用的非常直 觉和有用的指数结果。附图简述
图1 一般描述用于作出饮食选项的系统。图2显示测定食品、非酒精饮料或酒精饮料的原始分数的流程图。图3显示如何能够使原始分数转化成相对分数。图4包括描绘如何能够获取信息并用信息提供相对分数和/或饮食计划的框图。图5显示用于糖尿病患者的饮食系统的流程图。图6显示跨2个星期平均的日餐计划的能含量与分数目标的相关性。图7显示跨1个星期平均的日餐计划的能含量与分数目标的相关性。图8显示具有相对分数的包装。图9显示具有相对分数的袋式包装。发明详述图1提供用于作出饮食选项的系统的一般描述。如图1所示，熟练设计有效的用 于提供所需结果的具体饮食的专家小组将相对分数分配给各单独的食品项目。将这些相对 分数泛化，以便能够通过测定食品项目的至少两种性质将相对分数分配到任何食品项目， 甚至是专家小组未明确评分的那些。用不同食品的相对分数确定具体饮食类型的适合分数 范围。有效的用于提供所需结果的具体饮食或预定饮食的实例可包括适用于糖尿病、心脏 病、血压调节、代谢综合征、体重调节、健康老化、认知和癌症预防的饮食。然后，个体可用此 信息来选择适用于具体饮食的食品的组合。如图2所示，对于食品或非酒精饮料或酒精饮料，可测定提供相对分数所用的分数。将具有小于约5克碳水化合物和小于20千卡的食品或非酒精饮料分配零的相对分数。 根据美国糖尿病协会选择食品系统(American Diabetes Association Choose Your Foods system)的“自由食品”名称，给予具有小于20千卡的食品和非酒精饮料零分。测定具有20千卡或更多的食品的总碳水化合物。进一步测定具有3克碳水化合物 或更多的食品，以测定蛋白质克数、纤维克数、反式脂肪酸克数、饱和脂肪酸克数、总脂肪酸 克数、钠毫克数和维生素A、C和矿物质铁和钙的每日百分数值的总和(％D，基于2000千卡 饮食)。使用测定量，用方程1A、1B或IC (如下所示)计算原始分数。进一步测定具有小于 3克碳水化合物的食品，以测定蛋白质克数、饱和脂肪酸克数、总脂肪酸克数、钙毫克数和钠 毫克数。使用测定量，用方程2 (如下所示)计算原始分数。进一步测定具有20千卡或更大的非酒精饮料的糖克数、总脂肪酸克数、钠毫克数 和维生素A、C和矿物质铁和钙的％ DV总和(基于2000千卡饮食)。使用测定量，用方程 3 (如下所示)计算原始分数。对于酒精饮料，确定份(servings)数，并从方程4 (以下显示)计算原始分数。一 份规定为5盎司葡萄酒、12盎司啤酒或1盎司烈性酒。本文所做的所有测定用在本领域已知的技术进行。如图3所示，进一步处理原始分数，以提供相对分数。例如，确定所需种类数和种 类界限(category boundaries)。如本文进一步描述，可利用任何所需种类数。另外，种类 可具有相等大小的界限，或者种类的大小可在高端或低端延伸。将原始分数分配成合适的 种类。种类数变成相对分数。如图4所示，可用任何方式获取确定相对分数和最终饮食计划的信息。例如，产品 可包括条形码，这些条形码提供产品信息，或者可用于获得这些信息。可用分析产品的检测 仪器提供产品特征。产品信息可从网站得到。另外，可提供所需的饮食参数。任何此信息 或任何其他信息可直接提供到计算机，或者可用任何已知方法输入计算机。然后，使用此信 息和在应用本文提出的具体教授时，可以使用具有存储器入口的计算机计算相对分数和/ 或饮食计划，所述存储器在其中储存有适合的指令。然后，可按对节食者有用的一些方式显示所得计算的相对分数。这可包括例如将 所给食品项目的相对分数置于包含那种食品项目的容器上。作为举例说明而不在这些方面 作出任何限制，如图8中所示，这可包括在包含食用项目一些预定部分(例如，一份或多份 食品部分)的纸板盒上布置相对分数(在此情况下，为“3”)。此相对分数可以为一定大小、 处于一定位置和/或具有颜色，以有利于消费者容易地看到。由于考虑到这一点，如果需 要，可在盒上在多于一个位置显示相对分数，如虚线显示的“3”所示。作为在这些方面中的 另一个非限制实例，现在参考图9，可在包含食品项目的袋的外表面上类似布置相对分数。测定实际原始分数募集约315位被认为是2型糖尿病患者饮食咨询专家的参与者(专家)的专家小 组，以评价250种不同食品和饮料在2型糖尿病患者饮食中包含的适用性。这些专家由目前 为糖尿病患者提供咨询并且在本领域已有至少5年经验的持证糖尿病教育工作者(CDh) 和饮食学家组成。使用Thurstonian强迫性选项配对比较的身心方法和不完全的随机分组 设计，各食品作为一对食品中的一种食品提供，并询问专家所提供两种食品中选择哪一种 食品更适合包含于2型糖尿病患者的饮食中。对于所提供的各对食品，在提供下一对食品之前必须作出选择(因此为“强迫性选择”)。一方面，以此方式评价所有250种食品，使得各食品与来自250种食品清单的约42 和约59种其他项目之间配对。然后，将各对提交至少约15个专家进行强迫性选项评价。每 对的实际专家判断为约15至约45。未给专家任何机会指示选择的原因或理由。所有食品以类似方式呈现。具体地讲，照片的角度和照明接近相同，餐具为没 有图案的单一设计，所示的食品量为通常消耗参照量(Reference Amount Customarily Consumed)或RACC，或者在适当时，为准备食用一般购买的食品购买为单份，并且那份食品 的营养情况表(NFP)与食品图像一起提供。在NFP内包含的信息是每份食物大小(g)、卡 量、来自脂肪的卡量、总脂肪(g，% DV)、饱和脂肪(g，% DV)、反式脂肪(g)、胆固醇(mg, % DV)、钠(mg, % DV)、总碳水化合物(g，% DV)、饮食纤维(g，％ DV)、糖(g)、蛋白质(g)、 维生素0力、维生素(((％ DV)、钙(％ DV)、铁(％ DV)，所有这些信息均基于2000卡 (calorie)饮食。另外，各图像带有适合描述性标题，例如在全麦包上的所有牛肉热狗(All Beef Hotdog on Whole Wheat Bun)。按照Thurston技术，所给食品比所有其他食品更适合选择的可能性可确定为0到 100. 00 (即，从不作为更适合选择到总是作为更适合选择)。因此，不仅以顺序方式将250 种食品分级，而且相邻食品之间的距离可以变化。换句话讲，尽管简单分级使各食品离开其 相邻食品100/250个单位，但Thurstonian比较显示此等级的食品之间的认知距离。为了说明这一点，如果我们要将一份燕麦粉、一份水果和一块巧克力糖按照在糖 尿病饮食中包含的适合程度分成等级，则很可能有从最佳到最差的分级燕麦粉 水果 块糖然而，非常明显，无糖燕麦粉和含糖水果之间的感觉差异(认知距离)比含糖水果 和满糖块糖之间的差异小得多。Thurstonian方法允许这些认知距离的定量。通过等级倒转，可将分数分配(称为原始分数)给250种食品中的每一种，使得低 分数更需要，高分数较不需要。由于这些分数从约315位专家的组合独立评价意见得出，原 始分数代表食品的最适合相对分数。确定预测的原始分数由于专家可能使用对食品作出选择的各种信息，并且由于可能或甚至很可能两个 专家对信息要使用的选项和分配给不同条信息的权重不同，专家们在这些点达成一致极 难。因此，关于食品的所有可用信息和可能一般不被了解但可能被专家所知的信息假定有 助于强迫性选项比较中的决定过程。为了能够进行统计分析，此信息收集在数据文件中，以 确定食品的什么信息能够用于最可靠和最精确地预测那种食品的原始分数。用逐步回归推 出预测方程，其中具有少到3个变量到多达17个变量。可潜在用于此回归的信息包括在NFP中专家见到的所有信息，以及单不饱和脂肪 (g)、多不饱和脂肪(g)、钾(mg)、不溶性纤维(g)、可溶性纤维(g)、所有的各维生素B(包 括叶酸)(％ DV，基于2000千卡饮食)、维生素A、D、E(% DV，基于2000千卡饮食)、矿物质 Mg和P，这些信息专家见不到，但可能专家已知，并因此用于决定过程。另外，各种条信息的 组合也允许作为变量用于回归分析(例如，饱和脂肪(g)加反式脂肪(g)、总脂肪(g)加碳 水化合物(g)加蛋白质(g) >Ca(% DV)加铁(% DV)加维生素DV)加维生素DV) 等)，也就是这些变量转换(平方根、自然对数、指数等)。
通过了解营养，并且由于需要研究可用于研发新食品的最强、最可靠和精确的预测方程或算法，经反复分析，研究出本文所述的算法或方程。在此方面，方程应提供0. 5或更大的R平方值和20或更小的RMSE (均方根误差值)，在一个重要方面，提供0. 6或更大的R平方值和12或更/J、的RMSE (均方根误差值)，以合理预测实际专家小组指定的值。
研究以下算法来预测250种食品的原始分数
方程1A、1B、1C 具有至少3g碳水化合物的食品
方程2具有小于3g碳水化合物的食品
方程3饮料
在方程中使用的项(terms)定义如下。可使用任何数目的这些特征。
项含义
carb碳水化合物，克
糖糖，克
纤维纤维，克
fatT总脂肪酸，克
fatS饱和脂肪酸，克
TFA反式脂肪酸，克
calc 丐，mg
sod钠，mg
prot蛋白质，克
合、vit维生素A、C和矿物质铁和钙的％ DV的总和(基于2000千卡饮R ) 方程IA 具有至少3g碳水化合物的食品的7-变量模型.
权利要求
1.一种有助于需要选项的选择的方法，所述方法包括从知情域代表专家小组产生用于第一组选项的相对分数；测定第二组选项中各选项的至少两种性质，并用测定的性质来提供用于第二组选项的 预测相对分数；在有形介质中记录所述预测的相对分数，以传递预测的相对分数，从而有助于需要选 项的选择。
2.权利要求1的方法，其中所述知情域代表为饮食专家，并且其中记录预测的相对分 数包括在食品项目的包装上包括预测的相对分数。
3.权利要求2的方法，其中所述选项为用于饮食的饮食选项，所述饮食选自用于糖尿 病、心脏病、血压调节、代谢综合征、体重调节、健康老化、认知和癌症预防的饮食。
4.权利要求3的方法，其中所述测定的性质为在选项中包含的物质的量，所述物质选 自碳水化合物、糖、纤维、蛋白质、总脂肪、总脂肪酸、总饱和脂肪酸、反式脂肪酸、钙、钠、铁、 维生素、血糖指数、血糖负荷、抗性淀粉、糖醇及其混合物。
5.一种帮助人保持预定饮食的方法，所述方法包括确定经一段时间有效保持预定饮食的最小和最大相对分数；计算许多可能的食品供应选项中每一种的相对分数；鉴别食品供应选项，此类食品供应选项将提供在所确定的最小和最大相对分数之间的 合计的总相对分数；和用鉴别的食品供应选项建立饮食计划，从而帮助人保持预定饮食。
6.权利要求5的方法，其中所述预定饮食选自用于糖尿病、心脏病、血压调节、代谢综 合征、体重调节、健康老化、认知和癌症预防的饮食。
7.权利要求5的方法，其中所述相对分数通过计算原始分数计算，其中所述原始分数 用方程16A计算，其中方程16A为原始分数=Vk1 X (X1) +k2X f2 (x2) +k3Xf3(x3) +···其中系数Ivk1^k3...为可以为-50至50的数字常数，函数U2J3...为选自可增 或可减的线性、对数、指数、三角、样条、小波、单调和近单调函数的函数，并且Xl，x2，X3...为 单独的营养值或相应于食品供应选项的两个或更多个营养值的函数。
8.权利要求7的方法，其中原始分数用选自方程16-22的方程计算。
9.权利要求5的方法，其中所述相对分数通过以下步骤计算在食品供应选项之一的每份饮食部分包括具有5克或更少碳水化合物和小于20千卡 的食品或非酒精饮料时，分配包括固定值的原始分数；对于具有3克碳水化合物或更多的食品供应选项之一的每份饮食部分，测定蛋白质、 纤维、反式脂肪酸、饱和脂肪酸、总脂肪酸、钠和维生素值，并用方程IA或方程IB或方程IC 计算原始分数；对于具有小于3克碳水化合物的食品供应选项之一的每份饮食部分，测定蛋白质、饱 和脂肪酸、总脂肪酸、钙和钠值，并用方程2计算原始分数；在食品供应选项之一的每份饮食部分包括具有20千卡或更多的非酒精饮料时，测定 糖、总脂肪酸、钙和维生素值，并用方程3计算原始分数；和在食品供应选项之一的每份饮食部分包括酒精饮料时，用方程4确定原始分数。
10.权利要求5的方法，其中原始分数用选自方程5-15的方程计算。
11.一种用相对分数标记食品项目的方法，所述方法包括计算反映食品项目的饮食适 合程度的相对分数，并用所述相对分数标记所述食品项目。
12.权利要求11的方法，其中所述相对分数通过计算原始分数计算，其中所述原始分 数用方程16A计算，其中方程16A为原始分数=Vk1 X (X1) +k2X f2 (x2) +k3Xf3(x3) +-其中系数Ivk1^k3...为可以为-50至50的数字常数，函数U2J3...为选自可增 或可减的线性、对数、指数、三角、样条、小波、单调和近单调函数的函数，并且Xl，x2，X3...为 单独的营养值或相应于所述食品项目的两个或更多个营养值的函数。
13.权利要求12的方法，其中原始分数用选自方程16-22的方程计算。
14.一种容器，所述容器包含置于容器内的食用项目部分和置于容器表面上的相对分 数，其中所述相对分数通过计算原始分数来计算，其中所述原始分数用方程16A计算，其中 方程16A为原始分数=Vk1 X (X1) +k2X f2 (x2) +k3Xf3(x3) +-其中系数Ivk1^k3...为可以为-50至50的数字常数，函数U2J3...为选自可增 或可减的线性、对数、指数、三角、样条、小波、单调和近单调函数的函数，并且Xl，x2，X3...为 单独的营养值或相应于所述食用项目的食品部分的两个或更多个营养值的函数。
15.权利要求14的容器，其中原始分数用选自方程16-22的方程计算。
16.一种装置，所述装置包括数字存储器，所述数字存储器具有在其中储存的数字计算 机指令，在由数字计算机执行，以促进计算反映食品、非酒精饮料和酒精饮料的饮食适合程 度的相对分数时，电子计算机指令提供相对分数的计算。
17.权利要求16的装置，其中所述相对分数通过计算原始分数计算，其中所述原始分 数用方程16A计算，其中方程16A为原始分数=Vk1 X (X1) +k2X f2 (x2) +k3Xf3(x3) +-其中系数Ivk1^k3...为可以为-50至50的数字常数，函数U2J3...为选自可增 或可减的线性、对数、指数、三角、样条、小波、单调和近单调函数的函数，并且Xl，x2，X3...为 单独的营养值或相应于所述食品供应选项的两个或更多个营养值的函数。
18.权利要求17的装置，其中原始分数用选自方程16-22的方程计算。
19.一种预测实际原始分数的方法，所述方法包括用专家小组进行强迫性选项配对比较，以产生规定组项目的实际原始分数；和研究方程，以根据测定性质产生预测的原始分数，使得实际和预测的原始分数之间的 相关性提供0. 5或更大的r2和20或更小的均方根误差值。
20.一种选择适用于预定饮食的食品的方法，所述方法包括从专家小组收集一组食品项目的输入；根据收集的输入计算食品项目中至少一个的相对分数，并将该相对分数分配至食品项目；确定经所给时间有效保持预定饮食的最小和最大的总相对分数；和选择食品组合，该食品组合提供在最小和最大的总相对分数内的总相对分数。21.—种帮助人保持预定饮食的方法，所述方法包括
确定经一段时间有效保持预定饮食的最小和最大的总相对分数； 测定食品供应选项中至少总脂肪酸、钠和总碳水化合物；用方程计算许多可能的食品供应选项中每一种的相对分数，所述方程选自方程23、方 程M、方程25、方程沈、方程27和方程28 ；鉴别食品供应选项，此类食品供应选项将提供在所确定最小和最大相对分数范围内的 合计的总相对分数；和在人用饮食中使用鉴别的食品供应选项，从而帮助人保持预定饮食。
全文摘要
本发明提供一种将相对分数分配给食品的方法。将相对分数分配给食品允许消费者选择提供需要饮食的食品。本发明提供了一些方程，这些方程根据测定性质有效的得到预测原始分数。预测原始分数在统计学上与通过实际专家小组确定的原始分数相关。再进一步处理预测原始分数，以提供可容易由消费者跟踪的相对分数。
文档编号G09B19/00GK102113038SQ200980130720
公开日2011年6月29日 申请日期2009年5月28日 优先权日2008年5月28日
发明者A·O·萨诺伊, B·A·耶林, K·H·鲁宾, K·R·埃伯哈德特, L·L·莱彻尔, N·V·马特谢斯基, R·布莱克, S·J·莫里尔, T·K·阿布拉罕 申请人:卡夫食品环球品牌有限责任公司
鉴别饮食选项的方法和装置本申请要求2008年5月28日提交的美国临时申请号61/056，538和2009年1月 5日提交的美国临时申请号61/142，533的权益，两者通过引用而全文结合到本文中。本发明涉及评价选项的方法和装置，例如评价食品以帮助选择提供健康平衡饮食 的食品的方法和装置。更具体地讲，本发明提供将相对分数分配给食品的方法和装置，所述 方法和装置允许消费者选择提供满足饮食准则的饮食的食品，例如美国糖尿病协会和美国 人饮食准则制定的准则。
背景技术：
通常用专家小组评价各种选项的可取性，尤其例如饮食选项。在大多数情况下，这 些专家小组可只评价有限数目的项目(items)，这些项目与可用于考虑的巨大(且不断增 加)数目的候选项目相当。遗憾的是，也可能很难确定什么专家评价可用于一些项目。由 于专家未必关于在所给饮食程序中包含的所给食品项目的相关可取性在所有情况下相互 一致，因此这会进一步复杂化。因此，不能从专家小组提供的实际信息明显看出选择一个项 目相对于另一个项目(尤其是未由专家小组评价的项目)的可取性的信息。消费者通常对作出健康食品选项感兴趣。由于各种健康相关的原因，很多消费者 需要作出帮助他们保持饮食的食品选项。例如，将血糖水平(相当于血糖浓度)保持在一 定限度内有显著的健康优点。目前，通常指导患糖尿病的患者和试图食用健康饮食的个体遵循复杂的饮食交换 系统或计算碳水化合物或热量。对于个体来讲，这些系统倾向于遵循困难和令人沮丧。发明概述本发明提供方法和装置，所述方法和装置有效的用于对各种选项评级，和/或鉴 别(或有助于鉴别)多个选项中更需要的选项，尤其例如饮食选项。所述方法对由知情域 (informed domain)代表专家小组作出的需要和不需要选项提供预测。在一个优选的实施 方案中，用专家小组进行强迫性选项比较过程。强迫性选项比较过程产生偏好分数，在本文 中有时称为原始分数。专家小组可包括(排他性或至少包含性)在普通域(common domain) 中的个体，例如饮食专家。再开发和利用一些方程，这些方程根据测定性质有效的得到预测 的原始分数。预测的原始分数在统计学上有利地与通过实际专家小组确定的原始分数相 关。进一步处理原始分数，以提供相对分数。在此方面，根据需要将原始分数简化成允 许更容易跟踪它们的范围/等级。所得相对分数提供能够容易记录的相对较低整数。例如， 范围0至100可由7等除，以提供7个种类，以便将具有0和小于14. 3之间原始分数的食 品或饮料分类为0，具有14. 3和小于28. 6之间原始分数的食品或饮料分类为1，等等。所 用种类数可以增加或减少，以提供精确且方便的原始分数分类，并使所得相对分数成为消 费者能够容易利用的整数和相对低的数(例如单位数)两者。根据此方面，本发明提供一种有助于需要选项的选择的方法。所述方法包括从知 情域代表专家小组产生用于第一组选项的相对分数。测定第二组选项中各选项的至少两种 性质。用测定的性质提供用于第二组选项的预测相对分数。测定的性质可包括碳水化合物、糖、纤维、蛋白质、总脂肪、总脂肪酸、总饱和脂肪酸、反式脂肪酸、钙、钠、铁、维生素、血糖指 数、血糖负荷、抗性淀粉、糖醇及其混合物。在有形介质中记录预测的相对分数，以传递预测 的相对分数，并有助于需要选项的选择。知情域代表的实例可包括饮食专家。在有形介质 中记录预测的相对分数可包括例如在食品项目的包装上记录预测的相对分数，在计算机装 置中记录分数，和在印刷品中记录分数，例如分发的印刷品或广告。一方面，本发明提供一种帮助人保持预定饮食的方法。该方法包括，确定在一段时 间内有效保持预定饮食的最小和最大相对分数，例如单一零食、单一饭餐、一日、一星期或 两星期时间。计算许多可能食品供应选项每种的相对分数，并且可记录各食品选项经所给 时间的相对分数，以提供总的相对分数。然后鉴别食品供应选项，这将提供在所需时间内， 在预定最小和最大值范围内的总的相对分数。另一方面，可计算食品项目的相对分数，并通过首先用以下方程16A计算原始分 数来分配到食品项目。方程16A原始分数=ko+kiX fi (X1) +k2 X f2 (x2) +k3X f3 (x3) +-系数Ivk^kyk3...为-50至50的数字常数，函数f1; f2，f3...为自身由Xl，x2， X3...表示的营养值的合适函数。表达Xi也可表示相应于所讨论食品项目的两个或更多个 营养值的函数。f” f2, 4的函数形式可包括线性、对数、指数、三角、样条、小波和其他单调 (和近单调)函数，这些函数可以为增函数或减函数。适合有用的函数的几个实例在以下描 述(方程16-22)。本发明提供一种计算相对分数的方法，所述方法包括以下步骤在所述部分包括具有5克或更少碳水化合物和小于20千卡的食品或非酒精饮料 时，分配包括固定值的原始分数；对于具有3克碳水化合物或更多的食品部分，测定碳水化合物、蛋白质、纤维、反 式脂肪酸、饱和脂肪酸、总脂肪酸、钙和钠、铁和维生素及矿物质值，并用方程IA或方程IB 或方程IC (以下显示和描述这些方程)来计算原始分数；对于具有小于3克碳水化合物的食品部分，测定蛋白质、饱和脂肪酸、总脂肪酸和 钠值，并用方程2 (以下显示和讨论)计算原始分数；在所述部分包括具有20千卡或更多的非酒精饮料时，测定糖、总脂肪酸、钙、维生 素和矿物质值，并用方程3 (以下显示和讨论)计算原始分数；在所述部分包括酒精饮料时，用方程4 (以下显示和讨论)确定原始分数；并且用原始分数确定相对分数。也可用方程5-15计算原始分数，方程5-15也在以下显示和讨论。另一方面，本发明提供一种用相对分数标记食品项目的方法。所述方法包括用本 文所述的方程计算相对分数，尤其用方程16A和方程16-22。然后用其计算的相对分数标记 食品项目。另一方面，本发明提供一种装置，所述装置包括容器、置于容器中的食用项目部分 和置于容器表面上的相对分数。通过一种方法，此容器可包括用于食品的包装，例如袋或 箱。通过另一种方法，此容器可包括售货机，该售货机具有在上面出现一个或多个相对分数 的显示器，例如平面屏幕显示器。相对分数可用本文所述的方程计算，尤其用方程16A和方程16-22计算。然后用其计算的相对分数标记容器。另一方面，本发明提供一种装置，所述装置包括存储器，该存储器具有在其中储存 的一系列数字计算机指令，以有助于测定不同食品、非酒精饮料和酒精饮料部分的相对分 数。这可包括例如使用一个或多个本文所述的方程，以计算这些相对分数。通过一种方法， 这可包括实现许多不同项目的批计算。通过另一种方法(如果需要)，这可包括在需要的基 础上，实现在传输过程中的计算。另一方面，本发明提供一种预测实际原始分数的方法。所述方法包括用专家小组 进行强迫性选项配对比较，以对规定的项目组产生实际原始分数。研究方程，以根据测定性 质产生预测的原始分数，使得实际和预测的原始分数之间的相关性有利于提供0. 5或更大 的r2和20或更小的均方根误差值，优选提供0. 6或更大的r2和12或更小的均方根误差值。另一方面，本发明提供一种用于选择食品的方法，所述食品适用于预定饮食。所述 方法包括从专家小组收集关于一组食品项目的输入。根据收集的输入计算相对分数，并分 配到各食品项目。确定经一段时间，有效保持预定饮食的最小和最大的总相对分数。选择 食品，这些食品提供在最小和最大的总相对分数范围内的总相对分数。本领域的技术人员应认识和理解，本文教授可高度伸缩，并且很容易适应包括固 体食品和饮料(包括基于酒精的饮料和无酒精饮料两者)的经加工或未加工的基本任何可 食用或可口物质的应用。应进一步理解，相对复杂的分级和评级标准(包括客观和相对主 观标准)很容易适应，同时最终保持消费者用很少或不用训练就能够理解和应用的非常直 觉和有用的指数结果。附图简述
图1 一般描述用于作出饮食选项的系统。图2显示测定食品、非酒精饮料或酒精饮料的原始分数的流程图。图3显示如何能够使原始分数转化成相对分数。图4包括描绘如何能够获取信息并用信息提供相对分数和/或饮食计划的框图。图5显示用于糖尿病患者的饮食系统的流程图。图6显示跨2个星期平均的日餐计划的能含量与分数目标的相关性。图7显示跨1个星期平均的日餐计划的能含量与分数目标的相关性。图8显示具有相对分数的包装。图9显示具有相对分数的袋式包装。发明详述图1提供用于作出饮食选项的系统的一般描述。如图1所示，熟练设计有效的用 于提供所需结果的具体饮食的专家小组将相对分数分配给各单独的食品项目。将这些相对 分数泛化，以便能够通过测定食品项目的至少两种性质将相对分数分配到任何食品项目， 甚至是专家小组未明确评分的那些。用不同食品的相对分数确定具体饮食类型的适合分数 范围。有效的用于提供所需结果的具体饮食或预定饮食的实例可包括适用于糖尿病、心脏 病、血压调节、代谢综合征、体重调节、健康老化、认知和癌症预防的饮食。然后，个体可用此 信息来选择适用于具体饮食的食品的组合。如图2所示，对于食品或非酒精饮料或酒精饮料，可测定提供相对分数所用的分数。将具有小于约5克碳水化合物和小于20千卡的食品或非酒精饮料分配零的相对分数。 根据美国糖尿病协会选择食品系统(American Diabetes Association Choose Your Foods system)的“自由食品”名称，给予具有小于20千卡的食品和非酒精饮料零分。测定具有20千卡或更多的食品的总碳水化合物。进一步测定具有3克碳水化合物 或更多的食品，以测定蛋白质克数、纤维克数、反式脂肪酸克数、饱和脂肪酸克数、总脂肪酸 克数、钠毫克数和维生素A、C和矿物质铁和钙的每日百分数值的总和(％D，基于2000千卡 饮食)。使用测定量，用方程1A、1B或IC (如下所示)计算原始分数。进一步测定具有小于 3克碳水化合物的食品，以测定蛋白质克数、饱和脂肪酸克数、总脂肪酸克数、钙毫克数和钠 毫克数。使用测定量，用方程2 (如下所示)计算原始分数。进一步测定具有20千卡或更大的非酒精饮料的糖克数、总脂肪酸克数、钠毫克数 和维生素A、C和矿物质铁和钙的％ DV总和(基于2000千卡饮食)。使用测定量，用方程 3 (如下所示)计算原始分数。对于酒精饮料，确定份(servings)数，并从方程4 (以下显示)计算原始分数。一 份规定为5盎司葡萄酒、12盎司啤酒或1盎司烈性酒。本文所做的所有测定用在本领域已知的技术进行。如图3所示，进一步处理原始分数，以提供相对分数。例如，确定所需种类数和种 类界限(category boundaries)。如本文进一步描述，可利用任何所需种类数。另外，种类 可具有相等大小的界限，或者种类的大小可在高端或低端延伸。将原始分数分配成合适的 种类。种类数变成相对分数。如图4所示，可用任何方式获取确定相对分数和最终饮食计划的信息。例如，产品 可包括条形码，这些条形码提供产品信息，或者可用于获得这些信息。可用分析产品的检测 仪器提供产品特征。产品信息可从网站得到。另外，可提供所需的饮食参数。任何此信息 或任何其他信息可直接提供到计算机，或者可用任何已知方法输入计算机。然后，使用此信 息和在应用本文提出的具体教授时，可以使用具有存储器入口的计算机计算相对分数和/ 或饮食计划，所述存储器在其中储存有适合的指令。然后，可按对节食者有用的一些方式显示所得计算的相对分数。这可包括例如将 所给食品项目的相对分数置于包含那种食品项目的容器上。作为举例说明而不在这些方面 作出任何限制，如图8中所示，这可包括在包含食用项目一些预定部分(例如，一份或多份 食品部分)的纸板盒上布置相对分数(在此情况下，为“3”)。此相对分数可以为一定大小、 处于一定位置和/或具有颜色，以有利于消费者容易地看到。由于考虑到这一点，如果需 要，可在盒上在多于一个位置显示相对分数，如虚线显示的“3”所示。作为在这些方面中的 另一个非限制实例，现在参考图9，可在包含食品项目的袋的外表面上类似布置相对分数。测定实际原始分数募集约315位被认为是2型糖尿病患者饮食咨询专家的参与者(专家)的专家小 组，以评价250种不同食品和饮料在2型糖尿病患者饮食中包含的适用性。这些专家由目前 为糖尿病患者提供咨询并且在本领域已有至少5年经验的持证糖尿病教育工作者(CDh) 和饮食学家组成。使用Thurstonian强迫性选项配对比较的身心方法和不完全的随机分组 设计，各食品作为一对食品中的一种食品提供，并询问专家所提供两种食品中选择哪一种 食品更适合包含于2型糖尿病患者的饮食中。对于所提供的各对食品，在提供下一对食品之前必须作出选择(因此为“强迫性选择”)。一方面，以此方式评价所有250种食品，使得各食品与来自250种食品清单的约42 和约59种其他项目之间配对。然后，将各对提交至少约15个专家进行强迫性选项评价。每 对的实际专家判断为约15至约45。未给专家任何机会指示选择的原因或理由。所有食品以类似方式呈现。具体地讲，照片的角度和照明接近相同，餐具为没 有图案的单一设计，所示的食品量为通常消耗参照量(Reference Amount Customarily Consumed)或RACC，或者在适当时，为准备食用一般购买的食品购买为单份，并且那份食品 的营养情况表(NFP)与食品图像一起提供。在NFP内包含的信息是每份食物大小(g)、卡 量、来自脂肪的卡量、总脂肪(g，% DV)、饱和脂肪(g，% DV)、反式脂肪(g)、胆固醇(mg, % DV)、钠(mg, % DV)、总碳水化合物(g，% DV)、饮食纤维(g，％ DV)、糖(g)、蛋白质(g)、 维生素0力、维生素(((％ DV)、钙(％ DV)、铁(％ DV)，所有这些信息均基于2000卡 (calorie)饮食。另外，各图像带有适合描述性标题，例如在全麦包上的所有牛肉热狗(All Beef Hotdog on Whole Wheat Bun)。按照Thurston技术，所给食品比所有其他食品更适合选择的可能性可确定为0到 100. 00 (即，从不作为更适合选择到总是作为更适合选择)。因此，不仅以顺序方式将250 种食品分级，而且相邻食品之间的距离可以变化。换句话讲，尽管简单分级使各食品离开其 相邻食品100/250个单位，但Thurstonian比较显示此等级的食品之间的认知距离。为了说明这一点，如果我们要将一份燕麦粉、一份水果和一块巧克力糖按照在糖 尿病饮食中包含的适合程度分成等级，则很可能有从最佳到最差的分级燕麦粉 水果 块糖然而，非常明显，无糖燕麦粉和含糖水果之间的感觉差异(认知距离)比含糖水果 和满糖块糖之间的差异小得多。Thurstonian方法允许这些认知距离的定量。通过等级倒转，可将分数分配(称为原始分数)给250种食品中的每一种，使得低 分数更需要，高分数较不需要。由于这些分数从约315位专家的组合独立评价意见得出，原 始分数代表食品的最适合相对分数。确定预测的原始分数由于专家可能使用对食品作出选择的各种信息，并且由于可能或甚至很可能两个 专家对信息要使用的选项和分配给不同条信息的权重不同，专家们在这些点达成一致极 难。因此，关于食品的所有可用信息和可能一般不被了解但可能被专家所知的信息假定有 助于强迫性选项比较中的决定过程。为了能够进行统计分析，此信息收集在数据文件中，以 确定食品的什么信息能够用于最可靠和最精确地预测那种食品的原始分数。用逐步回归推 出预测方程，其中具有少到3个变量到多达17个变量。可潜在用于此回归的信息包括在NFP中专家见到的所有信息，以及单不饱和脂肪 (g)、多不饱和脂肪(g)、钾(mg)、不溶性纤维(g)、可溶性纤维(g)、所有的各维生素B(包 括叶酸)(％ DV，基于2000千卡饮食)、维生素A、D、E(% DV，基于2000千卡饮食)、矿物质 Mg和P，这些信息专家见不到，但可能专家已知，并因此用于决定过程。另外，各种条信息的 组合也允许作为变量用于回归分析(例如，饱和脂肪(g)加反式脂肪(g)、总脂肪(g)加碳 水化合物(g)加蛋白质(g) >Ca(% DV)加铁(% DV)加维生素DV)加维生素DV) 等)，也就是这些变量转换(平方根、自然对数、指数等)。
通过了解营养，并且由于需要研究可用于研发新食品的最强、最可靠和精确的预测方程或算法，经反复分析，研究出本文所述的算法或方程。在此方面，方程应提供0. 5或更大的R平方值和20或更小的RMSE (均方根误差值)，在一个重要方面，提供0. 6或更大的R平方值和12或更/J、的RMSE (均方根误差值)，以合理预测实际专家小组指定的值。
研究以下算法来预测250种食品的原始分数
方程1A、1B、1C 具有至少3g碳水化合物的食品
方程2具有小于3g碳水化合物的食品
方程3饮料
在方程中使用的项(terms)定义如下。可使用任何数目的这些特征。
项含义
carb碳水化合物，克
糖糖，克
纤维纤维，克
fatT总脂肪酸，克
fatS饱和脂肪酸，克
TFA反式脂肪酸，克
calc 丐，mg
sod钠，mg
prot蛋白质，克
合、vit维生素A、C和矿物质铁和钙的％ DV的总和(基于2000千卡饮R ) 方程IA 具有至少3g碳水化合物的食品的7-变量模型.
权利要求
1.一种有助于需要选项的选择的方法，所述方法包括从知情域代表专家小组产生用于第一组选项的相对分数；测定第二组选项中各选项的至少两种性质，并用测定的性质来提供用于第二组选项的 预测相对分数；在有形介质中记录所述预测的相对分数，以传递预测的相对分数，从而有助于需要选 项的选择。
2.权利要求1的方法，其中所述知情域代表为饮食专家，并且其中记录预测的相对分 数包括在食品项目的包装上包括预测的相对分数。
3.权利要求2的方法，其中所述选项为用于饮食的饮食选项，所述饮食选自用于糖尿 病、心脏病、血压调节、代谢综合征、体重调节、健康老化、认知和癌症预防的饮食。
4.权利要求3的方法，其中所述测定的性质为在选项中包含的物质的量，所述物质选 自碳水化合物、糖、纤维、蛋白质、总脂肪、总脂肪酸、总饱和脂肪酸、反式脂肪酸、钙、钠、铁、 维生素、血糖指数、血糖负荷、抗性淀粉、糖醇及其混合物。
5.一种帮助人保持预定饮食的方法，所述方法包括确定经一段时间有效保持预定饮食的最小和最大相对分数；计算许多可能的食品供应选项中每一种的相对分数；鉴别食品供应选项，此类食品供应选项将提供在所确定的最小和最大相对分数之间的 合计的总相对分数；和用鉴别的食品供应选项建立饮食计划，从而帮助人保持预定饮食。
6.权利要求5的方法，其中所述预定饮食选自用于糖尿病、心脏病、血压调节、代谢综 合征、体重调节、健康老化、认知和癌症预防的饮食。
7.权利要求5的方法，其中所述相对分数通过计算原始分数计算，其中所述原始分数 用方程16A计算，其中方程16A为原始分数=Vk1 X (X1) +k2X f2 (x2) +k3Xf3(x3) +···其中系数Ivk1^k3...为可以为-50至50的数字常数，函数U2J3...为选自可增 或可减的线性、对数、指数、三角、样条、小波、单调和近单调函数的函数，并且Xl，x2，X3...为 单独的营养值或相应于食品供应选项的两个或更多个营养值的函数。
8.权利要求7的方法，其中原始分数用选自方程16-22的方程计算。
9.权利要求5的方法，其中所述相对分数通过以下步骤计算在食品供应选项之一的每份饮食部分包括具有5克或更少碳水化合物和小于20千卡 的食品或非酒精饮料时，分配包括固定值的原始分数；对于具有3克碳水化合物或更多的食品供应选项之一的每份饮食部分，测定蛋白质、 纤维、反式脂肪酸、饱和脂肪酸、总脂肪酸、钠和维生素值，并用方程IA或方程IB或方程IC 计算原始分数；对于具有小于3克碳水化合物的食品供应选项之一的每份饮食部分，测定蛋白质、饱 和脂肪酸、总脂肪酸、钙和钠值，并用方程2计算原始分数；在食品供应选项之一的每份饮食部分包括具有20千卡或更多的非酒精饮料时，测定 糖、总脂肪酸、钙和维生素值，并用方程3计算原始分数；和在食品供应选项之一的每份饮食部分包括酒精饮料时，用方程4确定原始分数。
10.权利要求5的方法，其中原始分数用选自方程5-15的方程计算。
11.一种用相对分数标记食品项目的方法，所述方法包括计算反映食品项目的饮食适 合程度的相对分数，并用所述相对分数标记所述食品项目。
12.权利要求11的方法，其中所述相对分数通过计算原始分数计算，其中所述原始分 数用方程16A计算，其中方程16A为原始分数=Vk1 X (X1) +k2X f2 (x2) +k3Xf3(x3) +-其中系数Ivk1^k3...为可以为-50至50的数字常数，函数U2J3...为选自可增 或可减的线性、对数、指数、三角、样条、小波、单调和近单调函数的函数，并且Xl，x2，X3...为 单独的营养值或相应于所述食品项目的两个或更多个营养值的函数。
13.权利要求12的方法，其中原始分数用选自方程16-22的方程计算。
14.一种容器，所述容器包含置于容器内的食用项目部分和置于容器表面上的相对分 数，其中所述相对分数通过计算原始分数来计算，其中所述原始分数用方程16A计算，其中 方程16A为原始分数=Vk1 X (X1) +k2X f2 (x2) +k3Xf3(x3) +-其中系数Ivk1^k3...为可以为-50至50的数字常数，函数U2J3...为选自可增 或可减的线性、对数、指数、三角、样条、小波、单调和近单调函数的函数，并且Xl，x2，X3...为 单独的营养值或相应于所述食用项目的食品部分的两个或更多个营养值的函数。
15.权利要求14的容器，其中原始分数用选自方程16-22的方程计算。
16.一种装置，所述装置包括数字存储器，所述数字存储器具有在其中储存的数字计算 机指令，在由数字计算机执行，以促进计算反映食品、非酒精饮料和酒精饮料的饮食适合程 度的相对分数时，电子计算机指令提供相对分数的计算。
17.权利要求16的装置，其中所述相对分数通过计算原始分数计算，其中所述原始分 数用方程16A计算，其中方程16A为原始分数=Vk1 X (X1) +k2X f2 (x2) +k3Xf3(x3) +-其中系数Ivk1^k3...为可以为-50至50的数字常数，函数U2J3...为选自可增 或可减的线性、对数、指数、三角、样条、小波、单调和近单调函数的函数，并且Xl，x2，X3...为 单独的营养值或相应于所述食品供应选项的两个或更多个营养值的函数。
18.权利要求17的装置，其中原始分数用选自方程16-22的方程计算。
19.一种预测实际原始分数的方法，所述方法包括用专家小组进行强迫性选项配对比较，以产生规定组项目的实际原始分数；和研究方程，以根据测定性质产生预测的原始分数，使得实际和预测的原始分数之间的 相关性提供0. 5或更大的r2和20或更小的均方根误差值。
20.一种选择适用于预定饮食的食品的方法，所述方法包括从专家小组收集一组食品项目的输入；根据收集的输入计算食品项目中至少一个的相对分数，并将该相对分数分配至食品项目；确定经所给时间有效保持预定饮食的最小和最大的总相对分数；和选择食品组合，该食品组合提供在最小和最大的总相对分数内的总相对分数。21.—种帮助人保持预定饮食的方法，所述方法包括
确定经一段时间有效保持预定饮食的最小和最大的总相对分数； 测定食品供应选项中至少总脂肪酸、钠和总碳水化合物；用方程计算许多可能的食品供应选项中每一种的相对分数，所述方程选自方程23、方 程M、方程25、方程沈、方程27和方程28 ；鉴别食品供应选项，此类食品供应选项将提供在所确定最小和最大相对分数范围内的 合计的总相对分数；和在人用饮食中使用鉴别的食品供应选项，从而帮助人保持预定饮食。
全文摘要
本发明提供一种将相对分数分配给食品的方法。将相对分数分配给食品允许消费者选择提供需要饮食的食品。本发明提供了一些方程，这些方程根据测定性质有效的得到预测原始分数。预测原始分数在统计学上与通过实际专家小组确定的原始分数相关。再进一步处理预测原始分数，以提供可容易由消费者跟踪的相对分数。
文档编号G09B19/00GK102113038SQ200980130720
公开日2011年6月29日 申请日期2009年5月28日 优先权日2008年5月28日
发明者A·O·萨诺伊, B·A·耶林, K·H·鲁宾, K·R·埃伯哈德特, L·L·莱彻尔, N·V·马特谢斯基, R·布莱克, S·J·莫里尔, T·K·阿布拉罕 申请人:卡夫食品环球品牌有限责任公司
最新回复(0)