Food Label Evidence

Medición

Por que non se pode estimar unha porción

O erro na estimación da porción é suficientemente grande como para anular a maioría dos cambios que as persoas intentan realizar na súa dieta. Este é o problema que as aplicacións de escaneo de alimentos existen para resolver.

Actualizada 3 min de lectura 17 citas Forza da evidencia 4/5

O tamaño do problema

A revisión sistemática da estimación do tamaño das porcións [3] e dos erros de recordo [2] atopa erros que alcanzan rutinariamente decenas de porcento. Crucialmente, o erro é sesgado, non aleatorio: as persoas sub-reportan, e sub-reportan máis cando a ingesta é maior e cando o alimento é un que senten que están sendo xulgados.

Validación contra a auga dobramente etiquetada — o método de referencia, cuberto na nosa páxina de metabolismo — cuantifica isto directamente. É por iso que un diario de alimentos que mostra 1.600 kcal xunto a ningún cambio de peso é normalmente un problema de medición en lugar de un metabólico.

Erro na estimación da porción

Por que é difícil

  • A percepción do volume non é lineal. Dobrar o diámetro dun bol máis que dobra o seu contido, e as persoas xulgan pola anchura.
  • O aceite de cociña é invisible. Unha culler de sopa ten máis de 100 kcal e non aparece na memoria dunha comida.
  • O envasado define as porcións. Unha "porción" é calquera que o recipiente contivese.
  • Os obxectos de referencia fallan. "Tamaño de palma" varía coa palma.
  • A memoria reconstrúe. As persoas recordan o que normalmente comen, non o que comeron.

A formación axuda, e unha revisión sistemática dos efectos da formación [4] mostra que a mellora decrece sen reforzo — o achado habitual para unha habilidade perceptual.

Pode a tecnoloxía solucionalo?

Isto é onde entra a avaliación dietética baseada en imaxes: fotografar a comida, deixar que un modelo identifique os alimentos e estime o volume. Existen estudos de validación contra métodos de referencia, e a realidade aumentada foi revisada como unha axuda para a estimación [1].

Resumo honesto: os métodos baseados en imaxes son imperfectos e mellores que o recordo. Eliminan o paso da memoria, que é a maior fonte de erro, e herdan novos erros arredor da estimación da profundidade e ingredientes ocultos. Contra un diario de alimentos escrito de memoria á hora de durmir, iso é unha clara mellora. Contra unha balanza de cociña, non o é.

Que significa isto para o seguimento

Usa as calorías rastreadas como unha señal relativa, non absoluta. Se a túa ingesta rexistrada é consistente de semana a semana e o teu peso non se move, o movemento útil é cambiar algo e observar a tendencia — non confiar no número enteiro. A consistencia do método importa moito máis que a precisión do método, porque un sesgo consistente cancela cando te comparas contigo mesmo.

Preguntas comúns

Canto erro ten o meu diario de alimentos?
Sistematicamente sub-reporta, a miúdo por decenas de porcento, e máis a maiores ingestas [2][3].
Son precisas as aplicacións baseadas en fotos?
Mellor que o recordo, peor que pesar. Eliminan o erro de memoria e engaden erro de estimación.
Debería pesar todo?
Durante unhas semanas, é realmente educativo. Indefinidamente, a maioría das persoas deixan de facelo — e un método que abandonas ten unha precisión de cero.
Por que a miña aplicación di que comín 1.500 kcal e non estou perdendo peso?
Case sempre sub-reporte en lugar de metabolismo. Vexa a nosa páxina de metabolismo.

Referencias

Cada cita abaixo enlaza co rexistro orixinal revisado por pares en PubMed ou a través de DOI. Nada aquí substitúe o consello médico.

  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

Esta páxina foi traducida automáticamente do inglés. As citas e os números non mudaron. Le o orixinal en inglés se algo soa raro. Ler o orixinal en inglés