Food Label Evidence

Měření

Proč nemůžete odhadnout porci

Chyba v odhadu porce je natolik velká, že převyšuje většinu toho, co se lidé snaží změnit ve své stravě. To je problém, který se snaží vyřešit aplikace pro skenování potravin.

Aktualizováno 2 min čtení 17 citace Síla důkazů 4/5

Velikost problému

Systematický přehled odhadu velikosti porce [3] a chyb v paměti [2] nachází chyby, které pravidelně dosahují desítek procent. Klíčové je, že chyba je zkreslená, nikoli náhodná: lidé podhodnocují a podhodnocují více, když je příjem vyšší a když je jídlo takové, za které se cítí souzeni.

Validace proti dvojitě označené vodě — referenční metodě, pokryté na našem metabolickém webu — to kvantifikuje přímo. To je důvod, proč potravinový deník ukazující 1 600 kcal spolu s žádnou změnou hmotnosti je obvykle problém měření, nikoli metabolický.

Chyba v odhadu porce

Proč je to obtížné

  • Vnímání objemu je nelineární. Dvojnásobení průměru mísy více než zdvojnásobí její obsah a lidé posuzují podle šířky.
  • Kuchyňský olej je neviditelný. Lžíce má přes 100 kcal a neobjeví se v paměti jídla.
  • Balení určuje porce. "Porce" je cokoliv, co obsahoval obal.
  • Referenční objekty selhávají. "Velikost dlaně" se liší podle dlaně.
  • Paměť rekonstruuje. Lidé si pamatují, co obvykle jedí, nikoli co jedli.

Školení pomáhá a systematický přehled účinků školení [4] ukazuje, že zlepšení se vytrácí bez posílení — obvyklý nález pro percepční dovednost.

Může technologie tento problém vyřešit?

Tady přichází na řadu hodnocení stravy založené na obrázcích: vyfotografujte jídlo, nechte model identifikovat potraviny a odhadnout objem. Existují validační studie proti referenčním metodám a rozšířená realita byla přezkoumána jako pomocník při odhadu [1].

Upřímné shrnutí: metody založené na obrázcích jsou nedokonalé a lepší než paměť. Odstraňují krok paměti, což je největší zdroj chyby, a zdědí nové chyby kolem odhadu hloubky a skrytých ingrediencí. Proti potravinovému deníku psanému z paměti před spaním je to jasné zlepšení. Proti kuchyňské váze to není.

Co to znamená pro sledování

Používejte sledované kalorie jako relativní signál, nikoli absolutní. Pokud je váš zaznamenaný příjem konzistentní týden co týden a vaše hmotnost se nemění, užitečný krok je změnit něco a sledovat trend — nikoli důvěřovat číslu. Konzistence metody je mnohem důležitější než přesnost metody, protože konzistentní zkreslení se zruší, když se porovnáte sami se sebou.

Běžné otázky

Jak moc se mýlí můj potravinový deník?
Systematicky podhodnocuje, často o desítky procent, a více při vyšších příjmech [2][3].
Jsou aplikace založené na fotografiích přesné?
Lepší než vzpomínání, horší než vážení. Odstraňují chybu paměti a přidávají chybu odhadu.
Měl bych vážit všechno?
Na několik týdnů je to skutečně vzdělávací. Na neurčito většina lidí přestane — a metoda, kterou opustíte, má přesnost nula.
Proč moje aplikace říká, že jsem snědl 1 500 kcal a nepřibírám?
Téměř vždy podhodnocení, nikoli metabolismus. Podívejte se na náš metabolický web.

Odkazy

Každá citace níže odkazuje na původní recenzovaný záznam na PubMed nebo prostřednictvím DOI. Nic zde není náhradou za lékařskou radu.

  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

Tato stránka byla automaticky přeložena z angličtiny. Citace a čísla zůstávají nezměněna. Přečtěte si anglický originál, pokud něco zní podivně. Přečíst anglický originál