A new air displacement plethysmograph, the BOD POD (BP), was evaluated in comparison to hydrostatic weighing (HW). Sixty-eight adult subjects (26 F, 42 M) varying widely in age (range 20-56 yr), ethnicity, and fatness participated in this study. Same-day test-retest reliability was assessed in a subsample of 16 subjects (9 F, 7 M) and validity was assessed in all subjects (N = 68). The test-retest coefficients of variation (CV) for %FAT measured by BP (%FATBP) and HW (%FATHW) were not significantly different (1.7% +/- 1.1% and 2.3% +/- 1.9% for BP and HW, respectively (mean +/- SD)), indicating excellent reliability for both methods. Validity of percent fat measured by the BP (%FATBP) was also excellent. The mean difference in %FAT (BP - HW) was -0.3 +/- 0.2 (SEM), with a 95% confidence interval of -0.6 to 0 %FAT. The regression equation (%FATHW = 1.86 + 0.94 %FATBP; r2 = 0.93, SEE = 1.81) was not significantly different from the line of identity (%FATHW = %FATBP), and did not differ by gender. These findings indicate that the BOD POD is a highly reliable and valid method for determining %FAT in adult humans in comparison to HW. This new method has several advantages over HW in that it is quick, relatively simple to operate and may be able to accommodate special populations such as the obese, elderly, and disabled.

Background: Short-term experimental studies suggest that dietary variety may influence body fatness but no long-term human studies have been reported. Objective: The purpose of this study was to determine whether dietary variety within food groups influences energy intake and body fatness. Design: Seventy-one healthy men and women (aged 20–80 y), who provided accurate reports of dietary intake and completed a body-composition assessment, were studied. Results: Dietary variety was positively associated with energy intake within each of 10 food groups (r = 0.27–0.56, P < 0.05). In multiple regression analysis with age and sex controlled for, dietary variety of sweets, snacks, condiments, entrées, and carbohydrates (as a group) was positively associated with body fatness (partial r = 0.38, P = 0.001) whereas variety from vegetables was negatively associated (partial r = −0.31, P = 0.01) (R2 = 0.46, P < 0.0001). In separate models, both a variety ratio (variety of vegetables/variety of sweets, snacks, condiments, entrées, and carbohydrates) and percentage dietary fat were significant predictors of body fatness (controlled for age and sex, partial r = −0.39 and 0.31, respectively, P < 0.01). However, dietary fat was no longer significantly associated with body fatness when the variety ratio and dietary fat were included in the same model. Conclusions: Our data, coupled with those of previous short-term studies, suggest that a high variety of sweets, snacks, condiments, entrées, and carbohydrates coupled with a low variety of vegetables promotes long-term increases in energy intake and body fatness. These findings may help explain the rising prevalence of obesity.

Objectives: Eating timing studies have disproportionately been conducted in high income countries. Also, these studies have used participant self-report, which is subject to reporting bias. We aimed to characterize eating and energy intake timing in urban and rural households in Ghana more objectively using the AIM-2, a wearable camera attached to eyeglasses that automatically captures images of consumed food and beverages. Methods: A mother, father, adolescent and/or child ≤5 y from each household wore the AIM-2 during waking hours for 3 days. AIM-2 images were reviewed for start and end times of eating episodes, identification of foods and beverages consumed, and portion sizes. Nutritional analysis was conducted using the West African Food Database, the Food and Nutrient Database for Dietary Studies, and others. Eating episodes were designated meals or snacks based on time of day, context, and items consumed. Calculations of daily eating window (start time of last eating occasion minus start time of first eating occasion); eating episode duration (end time minus the start time of each eating episode); and eating frequency (total number of eating occasions) were performed. Results: AIM-2 data were available for 30 fathers (43.8±10.7 y), 30 mothers (43.4± 9.5 y), 18 adolescents (14.8±2.8 y), and 10 children (3.5±0.7 y) in urban households, and 30 fathers (37.3±12.4 y), 30 mothers (36.8±11.1 y), 7 adolescents (14.4±2.9 y), and 7 children (2.1±1.1 y) in rural households. Snacking was uncommon, with only 33% of household members snacking on one or more of the 3 days. Further, snack energy intake was 105±26 kcal/d higher in urban vs rural households. Meals were 452±21 kcal/d higher in energy, consumed more frequently (0.9±0.6 per d), and were 3.8±0.8 mins longer than snacks in both locations for all household members. Children had longer eating windows (1.4±0.47 h) than fathers and higher eating frequencies (0.73±0.17 per d) than other household members regardless of location. Eating frequency (2.4-2.7 per d) and window (6.5-9.5 h/d), and % who snacked (33%) was lower than reported for Blacks in the US (5 per d, 12 h/d and 90%, respectively). Conclusions: Eating timing in Ghanaians differs by location and household member and from Blacks in the US. Funding Sources: Bill & Melinda Gates Foundation; Boston University Undergraduate Research Opportunities Program.

Abstract We have developed a population-level method for dietary assessment using low-cost wearable cameras. Our approach, EgoDiet, employs an egocentric vision-based pipeline to learn portion sizes, addressing the shortcomings of traditional self-reported dietary methods. To evaluate the functionality of this method, field studies were conducted in London (Study A) and Ghana (Study B) among populations of Ghanaian and Kenyan origin. In Study A, EgoDiet’s estimations were contrasted with dietitians’ assessments, revealing a performance with a Mean Absolute Percentage Error (MAPE) of 31.9% for portion size estimation, compared to 40.1% for estimates made by dietitians. We further evaluated our approach in Study B, comparing its performance to the traditional 24-Hour Dietary Recall (24HR). Our approach demonstrated a MAPE of 28.0%, showing a reduction in error when contrasted with the 24HR, which exhibited a MAPE of 32.5%. This improvement highlights the potential of using passive camera technology to serve as an alternative to the traditional dietary assessment methods.