背景：不健康和不可持续的饮食是全球重大挑战，导致健康结果不佳、环境退化和社会不平等。尽管意识提高，个人在采用可持续饮食实践时仍面临持续障碍，包括成本、可用性、文化规范和低食物素养。虽然数字工具和人工智能（Artificial Intelligence, AI）为支持饮食行为改变提供了有希望的途径，但很少有干预措施将家庭作为改变的单位。WiseFood项目通过在欧洲多地的生活实验室（Living Labs, LLs）中协同设计干预措施，开发AI支持的推广更健康和可持续食物选择的家庭级应用来解决这一差距。
目标：WiseFood项目旨在协同设计、开发并测试一个AI支持的数字平台，以在家庭层面促进可持续、健康的饮食。本协议概述了利益相关者招募、用户需求和要求阶段、协同设计阶段和可行性研究阶段。
方法：WiseFood项目在爱尔兰、匈牙利和斯洛文尼亚的3个LL站点采用4阶段设计。阶段1涉及招募多元利益相关者，包括家庭和专家参与协同设计活动。阶段2通过家庭调查和探讨AI在营养中作用的专家焦点小组评估用户需求和要求。阶段3包括协同设计工作坊和迭代反馈循环以优化WiseFood数字工具。阶段4是一项8周可行性研究，涉及300个家庭（n=100/站点），评估可用性、可接受性以及与营养知识、环境意识和饮食行为相关的结果。数据将在基线和干预后使用有效调查收集。
结果：这个为期3年的项目（2025年1月1日至2027年12月31日）采用4阶段结构，在爱尔兰、匈牙利和斯洛文尼亚的LL站点开发、优化和测试一个用户聚焦的应用。阶段1于2025年5月完成，阶段2于2025年6月至7月进行。阶段3于2025年9月启动，预计持续到2026年6月。阶段4将于2026年7月开始，持续到2027年11月。协同设计和可行性阶段的结果将单独发表，包括关于可用性、可接受性以及营养知识、环境意识和饮食行为变化的见解。这些结果将指导WiseFood平台的进一步优化和未来的实施评估工作。
结论：WiseFood项目采用基于证据的方法开发AI支持的数字应用，鼓励家庭中知情、健康和可持续的食品实践。通过考虑家庭成员的不同需求，WiseFood推进了在日常家庭环境中提供针对性支持的应用方法。
研究背景与意义
不健康和不可持续的饮食模式是全球公共卫生和环境问题的核心驱动因素，与饮食相关的非传染性疾病导致全球主要死亡，并贡献了显著的温室气体排放。欧盟的“从农场到餐桌”策略旨在加速向可持续、健康和包容性食物系统的转型，但当前进展不足，存在食物获取不平等、大量食物浪费（Food Waste, FW）和营养不足与过量并存的双重负担。现有障碍包括成本、可用性、时间限制、习惯、低食物素养和信息不信任等。尽管数字工具和人工智能（Artificial Intelligence, AI）有潜力支持饮食行为改变，但多数干预措施聚焦于个体行为改变，忽略了家庭作为集体决策单元的复杂性，且缺乏个性化、文化适应性和真实世界适用性。WiseFood项目针对这一差距，旨在通过协同设计和AI驱动个性化，在家庭层面促进更健康和可持续的饮食选择。该项目发表于《JMIR Research Protocols》，强调了协议化、多站点和用户参与的方法，对于填补可持续饮食数字干预的知识空白、支持欧盟政策目标具有重要意义。
主要技术方法概述
研究人员采用多站点生活实验室（Living Labs, LLs）方法，在爱尔兰、匈牙利和斯洛文尼亚进行协同设计和可行性测试。关键方法包括基于Bird等人的生成性协同设计框架，通过利益相关者面板和迭代反馈循环开发数字工具；应用行为改变轮（Behavior Change Wheel, BCW）和COM-B系统作为行为改变框架，针对能力、机会和动机设计干预功能；使用技术接受模型（Technology Acceptance Model, TAM）评估可接受性；以及实施一个8周单臂队列可行性研究，招募300个家庭（每个站点100个），通过有效问卷评估营养知识、可持续性知识、饮食摄入和食物浪费行为。样本队列来自多元家庭类型和专家群体，通过社交媒体、社区网络和专业渠道招募，确保跨文化代表性。
研究结果与讨论
阶段1：利益相关者小组建立。研究人员在3个LL站点各招募约50名参与者，包括多元家庭和专家利益相关者，建立活跃面板，为后续协同设计奠定基础。
阶段2：用户需求评估。家庭参与者完成在线调查，探索AI在食物选择中的态度、偏好和障碍；专家焦点小组讨论AI在营养中的可行性、可接受性和公平性。结果合成以精炼WiseFood原型，生成全面的用户需求和系统要求。
阶段3：协同设计工作坊和迭代反馈循环。研究人员基于前期反馈，通过结构化工作坊和基于角色/场景的任务，与利益相关者共同生成WiseFood平台的概念和功能。迭代设计周期与技术伙伴合作，产出用户验证的最终原型，确保工具贴合日常家庭需求。
阶段4：可行性研究。一项多中心、8周单臂队列研究在300个家庭中进行，评估WiseFood原型的可用性、可接受性和初步效果。结果指标包括招募、保留和参与度等可行性指标，以及营养知识、可持续性知识、饮食摄入和食物浪费行为的前后变化。数据通过平台分析和问卷收集，进行三角验证。
讨论部分总结
研究人员预期，协同设计阶段将产生适应多元家庭情境的用户知情数字平台；可行性阶段将评估在真实世界LL设置中的招募、保留、参与和可接受性，并生成营养知识、可持续性知识、饮食行为和家庭食物浪费变化的初步估计。主要评估重点是WiseFood是否能在不同情境中按预期实施和参与。与先前工作相比，WiseFood整合了家庭目标、AI个性化、协同设计框架和多站点LL方法，填补了数字营养干预在家庭集体决策和真实世界适用性方面的空白。优势包括协同设计与可行性测试的整合、LL模型支持真实条件评估、AI个性化响应家庭需求；考虑因素包括可行性设计优先评估参与和可接受性而非正式效果，8周持续时间可能限制长期行为改变观察。未来方向包括平台优化和长期评估。结论部分，研究人员总结：本研究概述了WiseFood的协同设计和多中心可行性评估，这是一个AI支持的数字平台，针对家庭食物决策。通过嵌入LLs并纳入利益相关者输入，项目优先考虑情境相关性、可用性和真实世界适用性。可行性阶段将评估参与和可接受性，以确定平台是否在多元家庭设置中按预期运作。通过整合协同设计和AI驱动个性化，WiseFood提供了一种新方法，支持家庭做出更健康和可持续的食物选择。
