Food Label Evidence

Mittaaminen

Miksi et voi arvioida annoskokoa

Annoskokoarvioinnin virhe on tarpeeksi suuri peittämään suurimman osan siitä, mitä ihmiset yrittävät muuttaa ruokavaliossaan. Tämä on ongelma, jota ruokaskannaus-sovellukset pyrkivät ratkaisemaan.

Päivitetty 2 min lukuaika 17 viittaukset Todisteiden vahvuus 4/5

Ongelman koko

Järjestelmällinen katsaus annoskokoarviointiin [3] ja muistivirheisiin [2] löytää virheitä, jotka säännöllisesti saavuttavat kymmeniä prosentteja. Olennaista on, että virhe on puolueellinen, ei satunnainen: ihmiset aliraportoivat, ja aliraportointi on suurempaa, kun saanti on korkeaa ja kun ruoka on sellaista, jota he kokevat arvioitavaksi.

Vahvistaminen kaksinkertaisella merivedellä — viite menetelmä, joka on käsitelty aineenvaihduntasivustollamme — kvantifioi tämän suoraan. Tämä on syy siihen, että ruokapäiväkirja, joka näyttää 1 600 kcal ilman painon muutosta, on yleensä mittausongelma eikä aineenvaihdunnallinen.

Annoskokoarvioinnin virhe

Miksi se on vaikeaa

  • Tilavuuden havaitseminen ei ole lineaarista. Kulhon halkaisijan kaksinkertaistaminen lisää sen sisältöä enemmän kuin kaksinkertaisesti, ja ihmiset arvioivat leveyden mukaan.
  • Ruokaöljy on näkymätöntä. Ruokalusikallinen on yli 100 kcal eikä näy muistikuvissa ateriasta.
  • Pakkaus määrittelee annokset. "Annos" on mitä tahansa, mitä astia piti.
  • Viiteobjektit epäonnistuvat. "Kämmenen kokoinen" vaihtelee kämmenen mukaan.
  • Muisti rekonstruoi. Ihmiset muistavat, mitä he yleensä syövät, eivät mitä he söivät.

Koulutus auttaa, ja järjestelmällinen katsaus koulutuksen vaikutuksista [4] osoittaa, että parannus heikkenee ilman vahvistusta — mikä on tyypillinen havainto aistitaidossa.

Voiko teknologia ratkaista sen?

Tässä kuvapohjainen ravitsemuksen arviointi tulee kuvaan: valokuvaa ateria, anna mallin tunnistaa ruoat ja arvioida tilavuus. Vahvistustutkimuksia viitemenetelmiä vastaan on olemassa, ja lisätty todellisuus on arvioitu arviointiapuvälineeksi [1].

Rehellinen yhteenveto: kuvapohjaiset menetelmät ovat epätäydellisiä ja parempia kuin muisti. Ne poistavat muistivaiheen, joka on suurin virheiden lähde, ja ne perivät uusia virheitä syvyyden arvioinnista ja piilotetuista ainesosista. Ruokapäiväkirjaan, joka on kirjoitettu muistista nukkumaan mennessä, verrattuna tämä on selkeä parannus. Keittiövaakaa vastaan se ei ole.

Mitä tämä tarkoittaa seurannalle

Käytä seurattuja kaloreita suhteellisena signaalina, ei absoluuttisena. Jos kirjattu saanti on johdonmukaista viikosta toiseen eikä painosi muutu, hyödyllinen siirto on muuttaa jotain ja tarkkailla suuntausta — ei luottaa kokonaislukuun. Menetelmän johdonmukaisuus on paljon tärkeämpää kuin menetelmän tarkkuus, koska johdonmukainen puolueellisuus kumoutuu, kun vertaat itseäsi.

Yleisimmät kysymykset

Kuinka väärä ruokapäiväkirjani on?
Järjestelmällisesti aliraportointi, usein kymmeniä prosentteja, ja enemmän korkeammilla saanteilla [2][3].
Ovatko valokuvapohjaiset sovellukset tarkkoja?
Parempia kuin muisti, huonompia kuin punnitseminen. Ne poistavat muistivirheen ja lisäävät arviointivirheen.
Pitäisikö minun punnita kaikki?
Muutaman viikon ajan se on aidosti opettavaa. Ikuisesti useimmat ihmiset lopettavat — ja menetelmä, jonka hylkäät, on tarkkuudeltaan nolla.
Miksi sovellukseni sanoo, että söin 1 500 kcal enkä laihdu?
Melkein aina aliraportointi eikä aineenvaihdunta. Katso aineenvaihduntasivustoltamme.

Viitteet

Jokainen alla oleva viittaus linkittää alkuperäiseen vertaisarvioituun julkaisuun PubMedissa tai DOI:n kautta. Mikään tässä ei korvaa lääkärin neuvontaa.

  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

Tämä sivu käännettiin automaattisesti englannista. Viittaukset ja numerot ovat muuttumattomia. Lue englanninkielinen alkuperäinen, jos jokin kuulostaa oudolta. Lue englanninkielinen alkuperäinen