Food Label Evidence

Misurazione

Perché non puoi stimare una porzione

L'errore di stima della porzione è abbastanza grande da sovrastare la maggior parte di ciò che le persone cercano di cambiare nella loro dieta. Questo è il problema che le app di scansione alimentare esistono per risolvere.

Aggiornato 3 min lettura 22 citazioni Forza delle evidenze 4/5

Sezione di prodotti freschi di un supermercato a Stoccolma
Frankie Fouganthin · CC BY-SA 4.0 · Wikimedia Commons

La dimensione del problema

La revisione sistematica della stima della dimensione della porzione [3] e degli errori di richiamo [2] trova errori che raggiungono regolarmente decine di percento. Crucialmente, l'errore è distorto, non casuale: le persone sotto-segnalano, e sotto-segnalano di più quando l'assunzione è maggiore e quando il cibo è uno per cui si sentono giudicate.

La validazione contro l'acqua doppiamente etichettata — il metodo di riferimento, trattato sul nostro sito sul metabolismo — quantifica questo direttamente. È il motivo per cui un diario alimentare che mostra 1.600 kcal insieme a nessun cambiamento di peso è solitamente un problema di misurazione piuttosto che metabolico.

Errore di stima della porzione

Perché è difficile

  • La percezione del volume è non lineare. Raddoppiare il diametro di una ciotola aumenta più del doppio il suo contenuto, e le persone giudicano in base alla larghezza.
  • L'olio da cucina è invisibile. Un cucchiaio è oltre 100 kcal e non appare nella memoria di un pasto.
  • Il packaging definisce le porzioni. Una "porzione" è qualunque cosa contenga il contenitore.
  • Gli oggetti di riferimento falliscono. "Delle dimensioni del palmo" varia con il palmo.
  • La memoria ricostruisce. Le persone ricordano ciò che mangiano di solito, non ciò che hanno mangiato.

La formazione aiuta, e una revisione sistematica degli effetti della formazione [4] mostra che il miglioramento decresce senza rinforzo — il risultato abituale per una competenza percettiva.

La tecnologia può risolverlo?

È qui che entra in gioco la valutazione dietetica basata su immagini: fotografare il pasto, lasciare che un modello identifichi i cibi e stimi il volume. Esistono studi di validazione contro metodi di riferimento, e la realtà aumentata è stata esaminata come un aiuto per la stima [1].

Sintesi onesta: i metodi basati su immagini sono imperfetti e migliori del richiamo. Rimuovono il passaggio della memoria, che è la fonte di errore più grande, e ereditano nuovi errori relativi alla stima della profondità e degli ingredienti nascosti. Rispetto a un diario alimentare scritto dalla memoria a letto, questo è un chiaro miglioramento. Rispetto a una bilancia da cucina, non lo è.

Cosa significa per il monitoraggio

Usa le calorie tracciate come segnale relativo, non assoluto. Se il tuo apporto registrato è coerente settimana dopo settimana e il tuo peso non si muove, il passo utile è cambiare qualcosa e osservare la tendenza — non fidarsi dell'intero numero. La coerenza del metodo conta molto di più dell'accuratezza del metodo, perché un bias coerente si annulla quando ti confronti con te stesso.

Budino nero svedese servito con patate lesse, marmellata di mirtilli rossi e cetriolo
David Castor (dcastor) · Public domain · Wikimedia Commons

Domande frequenti

Quanto è sbagliato il mio diario alimentare?
Sistematicamente sottovalutato, spesso di decine di percento, e di più a intakes più elevati [2][3].
Le app basate su foto sono accurate?
Meglio del richiamo, peggio del pesare. Rimuovono l'errore di memoria e aggiungono errore di stima.
Dovrei pesare tutto?
Per alcune settimane, è genuinamente educativo. Indefinitamente, la maggior parte delle persone smette — e un metodo che abbandoni ha un'accuratezza pari a zero.
Perché la mia app dice che ho mangiato 1.500 kcal e non sto perdendo peso?
Quasi sempre sotto-segnalazione piuttosto che metabolismo. Vedi il nostro sito sul metabolismo.
Le prove a sostegno di questa pagina Un grafico a barre impilate che mostra la composizione delle 22 pubblicazioni citate in questa pagina per tipo di studio. 6934meta-analysis (6)randomised trial (9)review (3)other (4)
22 pubblicazioni, 1997–2025. Si tratta di un mix di trial e sintesi, da cui è ragionevole fare un'affermazione riguardo alla causa. Fonte: l'elenco delle citazioni di questa pagina, qui sotto.

Riferimenti

Ogni citazione qui sotto rimanda al record originale sottoposto a revisione paritaria su PubMed o tramite DOI. Nulla di quanto riportato qui sostituisce il consiglio medico.

  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

Questa pagina è stata tradotta automaticamente dall'inglese. Le citazioni e i numeri sono invariati. Leggi l'originale in inglese se qualcosa sembra strano. Leggi l'originale in inglese