Food Label Evidence

Mērīšana

Kāpēc jūs nevarat novērtēt porciju

Porciju novērtēšanas kļūda ir pietiekami liela, lai nomāktu lielāko daļu no tā, ko cilvēki cenšas mainīt savā uzturā. Šī ir problēma, kuru risina pārtikas skenēšanas lietotnes.

Atjaunināts 2 minūtes lasīšanai 17 citāti Pierādījumu stiprums 4/5

Problēmas lielums

Sistematiskā pārskata par porciju lieluma novērtēšanu [3] un atmiņas kļūdām [2] rezultāti rāda, ka kļūdas regulāri sasniedz desmitiem procentu. Kritiski, kļūda ir kropļota, nevis nejauša: cilvēki nepietiekami ziņo un nepietiekami ziņo vairāk, kad uzņemšana ir augstāka un kad pārtika ir tāda, par kuru viņi jūtas vērtēti.

Validācija pret divreiz marķētu ūdeni — atsauces metode, kas ir aprakstīta mūsu metabolisma vietnē — kvantificē to tieši. Tas ir iemesls, kāpēc pārtikas dienasgrāmata, kas rāda 1,600 kcal bez svara izmaiņām, parasti ir mērīšanas problēma, nevis metaboliska.

Porciju novērtēšanas kļūda

Kāpēc tas ir grūti

  • Apjoma uztvere nav lineāra. Dubultojot bļodas diametru, tās saturs palielinās vairāk nekā divas reizes, un cilvēki novērtē pēc platuma.
  • Eļļa ir neredzama. Karote satur vairāk nekā 100 kcal un neparādās atmiņā par maltīti.
  • Iepakojums nosaka porcijas. "Porcija" ir tas, ko satur konteiners.
  • Atsauces objekti neizdodas. "Plaukstas izmērs" atšķiras atkarībā no plaukstas.
  • Atmiņa rekonstruktē. Cilvēki atceras to, ko viņi parasti ēd, nevis to, ko viņi ēda.

Apmācība palīdz, un sistemātiskā pārskatā par apmācības ietekmi [4] tiek rādīts, ka uzlabojums samazinās bez pastiprināšanas — tas ir parasts atklājums uztveres prasmē.

Vai tehnoloģija to var atrisināt?

Šeit ienāk attēlu balstīta diētiskā novērtēšana: fotografējiet maltīti, ļaujiet modelim identificēt pārtiku un novērtēt apjomu. Pastāv validācijas pētījumi pret atsauces metodēm, un paplašinātā realitāte ir pārskatīta kā novērtēšanas palīglīdzeklis [1].

Godīga kopsavilkums: attēlu balstītās metodes ir neperfektas un labākas nekā atmiņa. Tās noņem atmiņas soli, kas ir lielākais kļūdu avots, un tās iegūst jaunas kļūdas ap dziļuma novērtēšanu un slēptajām sastāvdaļām. Salīdzinājumā ar pārtikas dienasgrāmatu, kas rakstīta no atmiņas pirms gulētiešanas, tas ir skaidrs uzlabojums. Salīdzinājumā ar virtuves svariem tas tā nav.

Ko tas nozīmē izsekošanai

Izmantojiet izsekotos kalorijas kā relatīvu signālu, nevis absolūtu. Ja jūsu reģistrētā uzņemšana ir konsekventa no nedēļas uz nedēļu un jūsu svars nemainās, noderīgais solis ir mainīt kaut ko un skatīties tendenci — nevis uzticēties skaitlim. Metodes konsekvence ir daudz svarīgāka par metodes precizitāti, jo konsekventa kropļojuma gadījumā tas atceļas, salīdzinot ar sevi.

Bieži uzdotie jautājumi

Cik nepareiza ir mana pārtikas dienasgrāmata?
Sistematiskā nepietiekama ziņošana, bieži par desmitiem procentu, un jo vairāk pie augstākām uzņemšanām [2][3].
Vai foto balstītas lietotnes ir precīzas?
Labākas nekā atmiņa, sliktākas nekā svars. Tās noņem atmiņas kļūdu un pievieno novērtēšanas kļūdu.
Vai man vajadzētu visu svērt?
Pāris nedēļas tas ir patiešām izglītojoši. Neierobežoti, lielākā daļa cilvēku apstājas — un metode, ko jūs pametat, ir ar precizitāti nulli.
Kāpēc mana lietotne saka, ka es ēdu 1,500 kcal un es nezaudēju?
Gandrīz vienmēr nepietiekama ziņošana, nevis metabolisms. Skatiet mūsu metabolisma vietni.

Atsauces

Katrs zemāk minētais citāts saista ar oriģinālo recenzēto ierakstu PubMed vai caur DOI. Nekas šeit nav aizvietotājs medicīnas padomam.

  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

Šī lapa tika automātiski tulkota no angļu valodas. Atsauces un skaitļi paliek nemainīgi. Izlasiet angļu oriģinālu, ja kaut kas šķiet dīvaini. Izlasīt angļu oriģinālu