PORTIONS-V
Intervención integral para el cambio de hábitos alimentarios basados en el control de la ración: Optimización más validación tecnológica y ensayo clínico
♦ Entidad Financiadora: Departamento de Universidad, Innovación y Transformación Digital; Servicio de I+D+i; Gobierno de Navarra.
♦ Investigador principal: El consorcio lo lidera el Centro de Investigación en Nutrición (IP, Eva Almirón) y cuenta con la colaboración de la Universidad Pública de Navarra (co-IP, Arantxa Villanueva).
♦ Referencia: PC24-PORTIONS-V-007-002.
El proyecto PORTIONS-V tiene como objetivo explorar el impacto del uso prolongado de un conjunto de estrategias teórico-prácticas sobre la dieta y estado de salud general de la población adulta con sobrepeso y obesidad. Para ello se realizará un ensayo clínico aleatorizado controlado con 180 participantes y estudios mecanicísticos sobre el funcionamiento de un programa de pérdida de peso integral enfocado en el control de las raciones. Los componentes de la intervención han sido desarrollados específicamente para el apoyo al paciente con obesidad, basándonos en cuatro proyectos precedentes (PORTIONS-1 a 4, 2018-2024) e incluyen guías educativas, instrumentos dietéticos optimizados y tecnologías para facilitar la autogestión de la salud. PORTIONS-V examinara también los cambios en el microbioma intestinal y en la activación de redes neuronales implicadas en la alimentación y sensaciones de placer al comer, para caracterizar mejor papel del eje intestino-cerebro, centro regulador del apetito, en la pérdida de peso.
Por otro lado, PORTIONS-V validará un prototipo de dispositivo de seguimiento ocular remoto frente a un modelo comercial y explorará posibles adaptaciones para su aplicación en el entorno doméstico. Estos datos podrán combinarse con los datos obtenidos en el ensayo clínico relativos a actividad cerebral, conducta alimentaria y marcadores metabólicos para permitir un análisis funcional de los procesos implicados en el control/inhibición de la ingesta. Se espera que el conjunto integrado de todos estos datos permitirá avanzar además en el desarrollo de algoritmos predictivos del comportamiento alimentario mediante IA.