Food Label Evidence

Mesura

Per què no podeu estimar una porció

L'error d'estimació de la porció és prou gran com per ofuscar la majoria de les coses que la gent intenta canviar sobre la seva dieta. Aquest és el problema que les aplicacions de escaneig d'aliments existeixen per resoldre.

Actualitzat 3 min de lectura 17 citacions Força de l'evidència 4/5

La magnitud del problema

La revisió sistemàtica de l'estimació de la mida de la porció [3] i dels errors de record [2] troba errors que habitualment arriben a desenes de percentatge. Crucialment, l'error és esbiaixat, no aleatori: les persones subestimen, i subestimen més quan la ingesta és més alta i quan el menjar és un que senten que els jutgen.

La validació contra aigua doblement marcada — el mètode de referència, cobert al nostre lloc sobre metabolisme — quantifica això directament. És per això que un diari d'aliments que mostra 1.600 kcal al costat de cap canvi de pes és normalment un problema de mesura en lloc d'un problema metabòlic.

Error d'estimació de la porció

Per què és difícil

  • La percepció del volum és no lineal. Doblar el diàmetre d'un bol més que dobla el seu contingut, i les persones jutgen per amplada.
  • L'oli de cuina és invisible. Una cullerada té més de 100 kcal i no apareix en cap record d'un àpat.
  • L'embalatge defineix les porcions. Una "porció" és el que contingui el recipient.
  • Els objectes de referència fallen. "De mida de palma" varia amb la palma.
  • La memòria reconstrueix. Les persones recorden el que solen menjar, no el que van menjar.

La formació ajuda, i una revisió sistemàtica dels efectes de la formació [4] mostra que la millora disminueix sense reforç — el que és habitual per a una habilitat perceptiva.

Pot la tecnologia solucionar-ho?

Aquí és on entra l'avaluació dietètica basada en imatges: fotografiar el menjar, deixar que un model identifiqui els aliments i estimi el volum. Existeixen estudis de validació contra mètodes de referència, i la realitat augmentada ha estat revisada com una ajuda per a l'estimació [1].

Resum honest: els mètodes basats en imatges són imperfectes i millors que el record. Eliminar el pas de la memòria, que és la font d'error més gran, i hereten nous errors al voltant de l'estimació de la profunditat i ingredients ocults. Contra un diari d'aliments escrit de memòria a l'hora de dormir, això és una millora clara. Contra una balança de cuina, no ho és.

Què significa això per al seguiment

Utilitzeu les calories registrades com un senyal relatiu, no com un absolut. Si la vostra ingesta registrada és consistent setmana a setmana i el vostre pes no es mou, el canvi útil és modificar alguna cosa i observar la tendència — no confiar en l'entero. La consistència del mètode importa molt més que l'exactitud del mètode, perquè un esbiaix consistent es cancel·la quan es compara contra un mateix.

Preguntes comunes

Quin error té el meu diari d'aliments?
Sistemàticament subestimant, sovint per desenes de percentatge, i més en ingestions més altes [2][3].
Són exactes les aplicacions basades en fotos?
Millor que recordar, pitjor que pesar. Elimina l'error de memòria i afegeix error d'estimació.
Haig de pesar-ho tot?
Durant algunes setmanes, és genuïnament educatiu. Indefinidament, la majoria de la gent s'atura — i un mètode que abandones té una precisió de zero.
Per què la meva aplicació diu que he menjat 1.500 kcal i no estic perdent pes?
Quasi sempre subestimació en lloc de metabolisme. Vegeu el nostre lloc sobre metabolisme.

Referències

Cada cita a continuació enllaça amb el registre original revisat per parells a PubMed o a través de DOI. Res d'això és un substitut del consell mèdic.

  1. Application of Augmented Reality Technology as a Dietary Monitoring and Control Measure Among Adults: A Systematic Review Gonzalez GV, Mao B, Wang R, et al. · Nutrients · 2025 · Systematic review DOIPubMed 41470837Full text
  2. A systematic review of recall errors associated with portion size estimation aids in children de Vlieger NM, Weltert M, Molenaar A, et al. · Appetite · 2020 · Systematic review DOIPubMed 31751634
  3. Validity of image-based dietary assessment methods: A systematic review and meta-analysis Ho DKN, Tseng SH, Wu MC, et al. · Clinical nutrition (Edinburgh, Scotland) · 2020 · Meta-analysis DOIPubMed 32839035
  4. Portion size estimation in dietary assessment: a systematic review of existing tools, their strengths and limitations Amoutzopoulos B, Page P, Roberts C, et al. · Nutrition reviews · 2020 · Systematic review DOIPubMed 31999347
  5. The Role of Various Forms of Training on Improved Accuracy of Food-Portion Estimation Skills: A Systematic Review of the Literature Hooper A, McMahon A, Probst Y · Advances in nutrition (Bethesda, Md.) · 2019 · Systematic review DOIPubMed 30629097Full text
  6. Dietary assessment in minority ethnic groups: a systematic review of instruments for portion-size estimation in the United Kingdom Almiron-Roig E, Aitken A, Galloway C, et al. · Nutrition reviews · 2017 · Systematic review DOIPubMed 28340101Full text
  7. Immersive Virtual Reality Dietitian Improves Portion Control Self-Efficacy and Portion Size Estimation Accuracy Braga BC, Long J, Maksi S, et al. · Journal of nutrition education and behavior · 2025 · Randomised controlled trial DOIPubMed 40019425
  8. An automated image-based dietary assessment application: a pilot study Lee L, Bishop R, Stanley J · Journal of nutritional science · 2025 · Randomised controlled trial DOIPubMed 41321681Full text
  9. Validity and Usability of a Smartphone Image-Based Dietary Assessment App Compared to 3-Day Food Diaries in Assessing Dietary Intake Among Canadian Adults: Randomized Controlled Trial Ji Y, Plourde H, Bouzo V, et al. · JMIR mHealth and uHealth · 2020 · Randomised controlled trial DOIPubMed 32902389Full text
  10. The international food unit: a new measurement aid that can improve portion size estimation Bucher T, Weltert M, Rollo ME, et al. · The international journal of behavioral nutrition and physical activity · 2017 · Randomised controlled trial DOIPubMed 28899402Full text
  11. Portion-size estimation training in second- and third-grade American Indian children Weber JL, Cunningham-Sabo L, Skipper B, et al. · The American journal of clinical nutrition · 1999 · Randomised controlled trial DOIPubMed 10195603
  12. New mobile methods for dietary assessment: review of image-assisted and image-based dietary assessment methods Boushey CJ, Spoden M, Zhu FM, et al. · The Proceedings of the Nutrition Society · 2017 · Review DOIPubMed 27938425
  13. Merging dietary assessment with the adolescent lifestyle Schap TE, Zhu F, Delp EJ, et al. · Journal of human nutrition and dietetics : the official journal of the British Dietetic Association · 2014 · Review DOIPubMed 23489518Full text
  14. Development and validation of a smartphone image-based app for dietary intake assessment among Palestinian undergraduates Hattab S, Badrasawi M, Anabtawi O, et al. · Scientific reports · 2022 · Journal article DOIPubMed 36104377Full text
  15. Development and evaluation of image-series for portion size estimation in dietary assessment among adults Salvesen L, Engeset D, Øverby NC, et al. · Journal of nutritional science · 2021 · Journal article DOIPubMed 33889386Full text
  16. The accuracy of portion size estimation using food images and textual descriptions of portion sizes: an evaluation study Lucassen DA, Willemsen RF, Geelen A, et al. · Journal of human nutrition and dietetics : the official journal of the British Dietetic Association · 2021 · Journal article DOIPubMed 33761165Full text
  17. Validation of a Smartphone Image-Based Dietary Assessment Method for Pregnant Women Ashman AM, Collins CE, Brown LJ, et al. · Nutrients · 2017 · Journal article DOIPubMed 28106758Full text

Aquesta pàgina va ser traduïda automàticament de l'anglès. Les cites i els números no han canviat. Llegiu l'original en anglès si alguna cosa sona estranya. Llegiu l'original en anglès