Food Label Evidence

Μέτρηση

Γιατί δεν μπορείτε να εκτιμήσετε μια μερίδα

Το σφάλμα εκτίμησης μερίδας είναι αρκετά μεγάλο ώστε να καταπνίγει τις περισσότερες από τις αλλαγές που προσπαθούν να κάνουν οι άνθρωποι στη διατροφή τους. Αυτό είναι το πρόβλημα που επιλύουν οι εφαρμογές σάρωσης τροφίμων.

Updated 3 min read 22 citations Evidence strength 4/5

Τμήμα φρέσκων προϊόντων σε σούπερ μάρκετ στη Στοκχόλμη
Frankie Fouganthin · CC BY-SA 4.0 · Wikimedia Commons

Το μέγεθος του προβλήματος

Η συστηματική ανασκόπηση της εκτίμησης μεγέθους μερίδας [3] και των σφαλμάτων ανάκλησης [2] βρίσκει σφάλματα που φτάνουν συνήθως δεκάδες τοις εκατό. Κρίσιμα, το σφάλμα είναι μεροληπτικό, όχι τυχαίο: οι άνθρωποι υποκαταγράφουν, και υποκαταγράφουν περισσότερο όταν η πρόσληψη είναι υψηλότερη και όταν το φαγητό είναι κάτι που νιώθουν ότι κρίνονται γι' αυτό.

Η επικύρωση με βάση το διπλά επισημασμένο νερό — η αναφορά μέθοδος, καλυμμένη στον ιστότοπό μας για το μεταβολισμό — ποσοτικοποιεί αυτό άμεσα. Είναι ο λόγος που ένα ημερολόγιο τροφίμων που δείχνει 1.600 kcal μαζί με καμία αλλαγή βάρους είναι συνήθως πρόβλημα μέτρησης και όχι μεταβολικό.

Σφάλμα εκτίμησης μερίδας

Γιατί είναι δύσκολο

  • Η αντίληψη του όγκου είναι μη γραμμική. Διπλασιάζοντας τη διάμετρο ενός μπολ, το περιεχόμενο δεν διπλασιάζεται, και οι άνθρωποι κρίνουν με βάση το πλάτος.
  • Το μαγειρικό λάδι είναι αόρατο. Μια κουταλιά της σούπας έχει πάνω από 100 kcal και δεν εμφανίζεται στη μνήμη ενός γεύματος.
  • Η συσκευασία καθορίζει τις μερίδες. Μια "μερίδα" είναι ό,τι περιείχε το δοχείο.
  • Τα αναφορά αντικείμενα αποτυγχάνουν. "Μέγεθος παλάμης" διαφέρει με την παλάμη.
  • Η μνήμη ανακατασκευάζει. Οι άνθρωποι θυμούνται τι τρώνε συνήθως, όχι τι έφαγαν.

Η εκπαίδευση βοηθά, και μια συστηματική ανασκόπηση των επιδράσεων εκπαίδευσης [4] δείχνει ότι η βελτίωση φθίνει χωρίς ενίσχυση — το συνηθισμένο εύρημα για μια αντιληπτική ικανότητα.

Μπορεί η τεχνολογία να το διορθώσει;

Εδώ έρχεται η διατροφική αξιολόγηση βασισμένη σε εικόνες: φωτογραφίστε το γεύμα, αφήστε ένα μοντέλο να αναγνωρίσει τα τρόφιμα και να εκτιμήσει τον όγκο. Υπάρχουν μελέτες επικύρωσης σε σύγκριση με αναφορά μεθόδους, και η επαυξημένη πραγματικότητα έχει ανασκοπηθεί ως βοήθημα εκτίμησης [1].

Ειλικρινής σύνοψη: οι μέθοδοι βασισμένες σε εικόνες είναι ατελείς και καλύτερες από την ανάκληση. Αφαιρούν το βήμα της μνήμης, το οποίο είναι η μεγαλύτερη πηγή σφάλματος, και κληρονομούν νέα σφάλματα γύρω από την εκτίμηση βάθους και τα κρυμμένα συστατικά. Σε σύγκριση με ένα ημερολόγιο τροφίμων που γράφτηκε από μνήμη πριν τον ύπνο, αυτό είναι μια σαφής βελτίωση. Σε σύγκριση με μια ζυγαριά κουζίνας, δεν είναι.

Τι σημαίνει αυτό για την παρακολούθηση

Χρησιμοποιήστε τις καταγεγραμμένες θερμίδες ως σχετικό σήμα, όχι ως απόλυτο. Εάν η καταγεγραμμένη πρόσληψή σας είναι συνεπής εβδομάδα προς εβδομάδα και το βάρος σας δεν κινείται, η χρήσιμη κίνηση είναι να αλλάξετε κάτι και να παρακολουθήσετε την τάση — όχι να εμπιστευτείτε τον ακέραιο αριθμό. Η συνέπεια της μεθόδου έχει πολύ μεγαλύτερη σημασία από την ακρίβεια της μεθόδου, επειδή μια συνεπής μεροληψία ακυρώνεται όταν συγκρίνετε με τον εαυτό σας.

Σουηδικό μαύρο πουτίγκα σερβιρισμένο με βραστές πατάτες, μαρμελάδα μύρτιλου και αγγούρι
David Castor (dcastor) · Public domain · Wikimedia Commons

Συχνές ερωτήσεις

Πόσο λάθος είναι το ημερολόγιο τροφίμων μου;
Συστηματικά υποκαταγράφει, συχνά κατά δεκάδες τοις εκατό, και περισσότερο σε υψηλότερες προσλήψεις [2][3].
Είναι ακριβείς οι εφαρμογές βασισμένες σε φωτογραφίες;
Καλύτερες από την ανάκληση, χειρότερες από τη ζύγιση. Αφαιρούν το σφάλμα μνήμης και προσθέτουν σφάλμα εκτίμησης.
Πρέπει να ζυγίζω τα πάντα;
Για μερικές εβδομάδες, είναι πραγματικά εκπαιδευτικό. Αόριστα, οι περισσότεροι άνθρωποι σταματούν — και μια μέθοδος που εγκαταλείπετε έχει ακρίβεια μηδέν.
Γιατί η εφαρμογή μου λέει ότι έφαγα 1.500 kcal και δεν χάνω βάρος;
Σχεδόν πάντα υποκαταγραφή και όχι μεταβολισμός. Δείτε τον ιστότοπό μας για το μεταβολισμό.
Τα στοιχεία πίσω από αυτή τη σελίδα Μια στοίβα μπαρ που δείχνει τη σύνθεση των 20 δημοσιεύσεων που αναφέρονται σε αυτή τη σελίδα κατά τύπο μελέτης. 6934meta-analysis (6)randomised trial (9)review (3)other (4)
17 δημοσιεύσεις, 1999–2025. Αυτό είναι ένα μείγμα που περιλαμβάνει τόσο δοκιμές όσο και συνθέσεις, από τη θέση αυτή μια αξίωση σχετικά με την αιτία είναι λογική. Πηγή: η δική της λίστα αναφορών αυτής της σελίδας, παρακάτω.

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. 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
  14. 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
  15. 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
  16. 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
  17. 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
  18. 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
  19. 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
  20. 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
  21. 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
  22. 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

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