Food Label Evidence

Måling

Hvorfor du ikke kan estimere en portion

Fejl i portionsestimering er store nok til at overskygge det meste af, hvad folk forsøger at ændre i deres kost. Det er det problem, madscanning-apps findes for at løse.

Updated 3 min read 28 citations Evidence strength 4/5

Frugt- og grøntafdeling i en dagligvarebutik i Stockholm
Frankie Fouganthin · CC BY-SA 4.0 · Wikimedia Commons

Problemets omfang

Systematisk review af portionsstørrelsesestimering [3] og af genkaldsfejl [2] finder fejl, der rutinemæssigt når adskillige tiere af procent. Afgørende er, at fejlen er skæv, ikke tilfældig: folk underrapporterer, og de underrapporterer mere, når indtaget er højere, og når maden er en, de føler sig bedømt for.

Validering mod dobbeltmærket vand — referencemetoden, som er beskrevet på vores metabolisme-side — kvantificerer dette direkte. Det er grunden til, at en maddagbog, der viser 1.600 kcal uden vægtændring, som regel er et målingsproblem snarere end et metabolisk problem.

Fejl i portionsestimering

Hvorfor det er svært

  • Volumenopfattelse er ikke-lineær. Fordobling af en skåls diameter mere end fordobler dens indhold, og folk bedømmer efter bredden.
  • Madolie er usynlig. En spiseskefuld er over 100 kcal og optræder i ingen erindring om et måltid.
  • Emballagen definerer portionerne. En "portion" er, hvad beholderen indeholdt.
  • Referenceobjekter slår fejl. "Håndfladestørrelse" varierer med håndfladen.
  • Hukommelsen rekonstruerer. Folk husker, hvad de normalt spiser, ikke hvad de spiste.

Træning hjælper, og et systematisk review af træningseffekter [4] viser, at forbedringen aftager uden gentagen forstærkning — det sædvanlige fund for en perceptuel færdighed.

Kan teknologi løse det?

Det er her, billedbaseret kostvurdering kommer ind i billedet: fotografer måltidet, og lad en model identificere fødevarerne og estimere volumen. Der findes valideringsstudier mod referencemetoder, og augmented reality er blevet undersøgt som et estimeringshjælpemiddel [1].

Ærlig opsummering: billedbaserede metoder er ufuldkomne og bedre end genkald. De eliminerer hukommelsestrinnet, som er den største fejlkilde, men de tilfører nye fejl omkring dybdeestimering og skjulte ingredienser. Sammenlignet med en maddagbog skrevet fra hukommelsen ved sengetid er det en klar forbedring. Sammenlignet med en køkkenvægt er det ikke.

Hvad det betyder for tracking

Brug registrerede kalorier som et relativt signal, ikke et absolut. Hvis dit loggede indtag er konsistent uge for uge, og din vægt ikke ændrer sig, er det nyttige skridt at ændre noget og følge tendensen — ikke at stole på det konkrete tal. Metodens konsistens betyder langt mere end metodens nøjagtighed, fordi en konsistent bias udligner sig, når du sammenligner med dig selv.

Svensk blodpudding serveret med kogte kartofler, tyttebærsyltetøj og agurk
David Castor (dcastor) · Public domain · Wikimedia Commons

Ofte stillede spørgsmål

Hvor forkert er min maddagbog?
Systematisk for lavt, ofte med adskillige tiere af procent, og mere udtalt ved højere indtag [2][3].
Er fotobaserede apps nøjagtige?
Bedre end genkald, dårligere end vejning. De eliminerer hukommelsesfejlen og tilføjer estimeringsfejl.
Skal jeg veje alt?
I et par uger er det virkelig lærerigt. På ubestemt tid stopper de fleste — og en metode, man opgiver, har en nøjagtighed på nul.
Hvorfor siger min app, at jeg har spist 1.500 kcal, og jeg går ikke ned i vægt?
Næsten altid underrapportering snarere end metabolisme. Se vores metabolisme-side.
Evidensen bag denne side Et stablet søjlediagram, der viser sammensætningen af de 22 publikationer, der citeres på denne side, efter studietype. 6934meta-analysis (6)randomised trial (9)review (3)other (4)
22 publikationer, 1997–2025. Det er en blanding, der indeholder både studier og syntesestudier, hvilket er det udgangspunkt, hvorfra en påstand om årsag er rimelig. Kilde: denne sides egen citationsliste, nedenfor.

References

Every citation below links to the original peer-reviewed record on PubMed or via DOI. Nothing here is a substitute for medical advice.

  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. Can Augmented Reality be Used as a Portion Size Estimation Aid Tool? A Pilot Randomized Controlled Trial Matsumoto Y, Okada G, Ohta M · Journal of human nutrition and dietetics : the official journal of the British Dietetic Association · 2025 · Randomised controlled trial DOIPubMed 40932046
  10. 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
  11. Examining the Accuracy and Use of Portion Size Estimation Aids in Parents of Children With Obesity: A Randomized Controlled Trial Mushquash AR, Rasquinha AM, Friedman A, et al. · Journal of nutrition education and behavior · 2018 · Randomised controlled trial DOIPubMed 30297017
  12. 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
  13. Overestimation of infant and toddler energy intake by 24-h recall compared with weighed food records Fisher JO, Butte NF, Mendoza PM, et al. · The American journal of clinical nutrition · 2008 · Randomised controlled trial DOIPubMed 18689377
  14. The effect of practical portion size measurement aids on the accuracy of portion size estimates made by young adults Byrd-Bredbenner C, Schwartz J · Journal of human nutrition and dietetics : the official journal of the British Dietetic Association · 2004 · Randomised controlled trial DOIPubMed 15250844
  15. 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
  16. Multimethod training increases portion-size estimation accuracy Weber JL, Tinsley AM, Houtkooper LB, et al. · Journal of the American Dietetic Association · 1997 · Randomised controlled trial DOIPubMed 9020247
  17. Review of the validity and feasibility of image-assisted methods for dietary assessment Höchsmann C, Martin CK · International journal of obesity (2005) · 2020 · Review DOIPubMed 33033394Full text
  18. 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
  19. 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
  20. The Accuracy of Portion Size Reporting on Self-Administered Online 24-Hour Dietary Recalls Among Women With Low Incomes Kirkpatrick SI, Guenther PM, Durward C, et al. · Journal of the Academy of Nutrition and Dietetics · 2022 · Journal article DOIPubMed 35390532
  21. 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
  22. Relative validity of a mobile AI-technology-assisted dietary assessment in adolescent females in Vietnam Nguyen PH, Tran LM, Hoang NT, et al. · The American journal of clinical nutrition · 2022 · Journal article DOIPubMed 35945309Full text
  23. 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
  24. 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
  25. Agreement between an Image-Based Dietary Assessment Method and a Written Food Diary among Adolescents with Type 1 Diabetes Heikkilä L, Vanhala M, Korpelainen R, et al. · Nutrients · 2021 · Journal article DOIPubMed 33923638Full text
  26. 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
  27. Evaluation of web-based, self-administered, graphical food frequency questionnaire Kristal AR, Kolar AS, Fisher JL, et al. · Journal of the Academy of Nutrition and Dietetics · 2014 · Journal article DOIPubMed 24462267Full text
  28. Accuracy of a PDA-based dietary assessment program Beasley J, Riley WT, Jean-Mary J · Nutrition (Burbank, Los Angeles County, Calif.) · 2005 · Journal article DOIPubMed 15925290

This page was translated automatically from English. The citations and numbers are unchanged. Read the English original if anything reads oddly. Read the English original