Food Label Evidence

Mérés

Miért nem lehet megbecsülni egy adag méretét

Az adagméret-becslési hiba elég nagy ahhoz, hogy elnyomja az emberek által a diétájukban végrehajtott változtatásokat. Ez az a probléma, amelyre az étel-ellenőrző alkalmazások megoldást kínálnak.

Frissítve 3 min olvasás 17 hivatkozások Bizonyíték ereje 4/5

A probléma nagysága

A rendszeres áttekintés az adagméret-becslésről [3] és a visszaemlékezési hibákról [2] olyan hibákat talál, amelyek rendszerint tizedes százalékokat érnek el. Lényeges, hogy a hiba torzított, nem véletlenszerű: az emberek aluljelentik, és többet aluljelentenek, amikor a bevitel magasabb, és amikor az étel olyan, amelyről úgy érzik, hogy megítélik őket.

A kettős jelölésű vízhez való validálás — a referencia módszer, amelyet a metabolizmus oldalunkon tárgyalunk — közvetlenül mennyiségileg meghatározza ezt. Ezért egy étkezési napló, amely 1,600 kcal-t mutat, miközben a testsúly nem változik, általában mérési problémát jelent, nem pedig anyagcsere problémát.

Adagméret-becslési hiba

Miért nehéz ez?

  • A térfogatérzékelés nem lineáris. Egy tál átmérőjének megduplázása több mint megduplázza a tartalmát, és az emberek szélesség alapján ítélnek.
  • A főzőolaj láthatatlan. Egy evőkanál több mint 100 kcal, és nem jelenik meg az étkezés emlékében.
  • A csomagolás határozza meg az adagokat. Egy "adag" az, amit a tartály tartott.
  • A referenciaobjektumok nem működnek. A "tenyérnyi" változik a tenyér méretétől.
  • A memória rekonstruál. Az emberek azt idézik fel, amit általában esznek, nem azt, amit ettek.

A képzés segít, és a képzési hatásokról szóló rendszeres áttekintés [4] azt mutatja, hogy a javulás csökken megerősítés nélkül — ez a szokásos megállapítás egy perceptuális készség esetében.

Megoldhatja a technológia?

Itt jön be a képalapú táplálkozási értékelés: fényképezze le az étkezést, hagyja, hogy egy modell azonosítsa az ételeket és megbecsülje a térfogatot. Léteznek validálási tanulmányok referencia módszerekkel szemben, és a kiterjesztett valóságot áttekintették, mint becslési segédeszközt [1].

Őszinte összefoglaló: a képalapú módszerek tökéletlenek és jobbak, mint a visszaemlékezés. Eltávolítják a memória lépést, amely a legnagyobb hiba forrása, és új hibákat örökölnek a mélységbecslés és a rejtett összetevők körül. Egy, az emlékből írt étkezési naplóval szemben, amelyet lefekvés előtt írtak, ez egy világos javulás. Egy konyhai mérleggel szemben viszont nem.

Mit jelent ez a nyomon követés szempontjából

Használja a nyomon követett kalóriákat relatív jelzésként, nem abszolútként. Ha a bejegyzett bevitele heti szinten következetes, és a testsúlya nem változik, a hasznos lépés az, hogy változtasson valamin és figyelje a tendenciát — ne bízzon a számértékben. A módszer következetessége sokkal fontosabb, mint a módszer pontossága, mert egy következetes torzítás eltűnik, amikor önmagával hasonlítja.

Gyakori kérdések

Mennyire téves az étkezési naplóm?
Rendszerint alul, gyakran tizedes százalékokkal, és még inkább a magasabb bevitelek esetén [2][3].
A fényképalapú alkalmazások pontosak?
Jobbak, mint a visszaemlékezés, rosszabbak, mint a mérés. Eltávolítják a memóriahibát és hozzáadják a becslési hibát.
Mindent meg kell mérnem?
Néhány hétig valóban oktató jellegű. Határozatlan ideig a legtöbb ember abbahagyja — és egy módszer, amelyet elhagy, nulla pontossággal bír.
Miért mondja az alkalmazásom, hogy 1,500 kcal-t ettem, és nem fogyok?
Majdnem mindig aluljelentés, nem pedig anyagcsere. Lásd a metabolizmus oldalunkat.

Hivatkozások

Minden alábbi hivatkozás a PubMed eredeti, lektorált rekordjára vagy DOI-n keresztül vezet. Itt semmi sem helyettesíti az orvosi tanácsot.

  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

Ez az oldal automatikusan lett lefordítva angolról. A hivatkozások és számok változatlanok. Olvasd el az angol eredetit, ha valami furcsán hangzik. Olvasd el az angol eredetit