Food Label Evidence

Мерење

Зошто не можете да процените порција

Грешката во проценката на порцијата е доволно голема за да ја потисне повеќето од она што луѓето се обидуваат да го променат во својата исхрана. Ова е проблемот што апликациите за скенирање на храна постојат за да го решат.

Ажурирано 3 мин читање 17 цитати Сила на доказите 4/5

Големината на проблемот

Систематскиот преглед на проценката на големината на порцијата [3] и на грешките во сеќавањето [2] наоѓа грешки кои редовно достигнуваат десетици проценти. Клучно, грешката е пристрана, а не случајна: луѓето подпријавуваат, и подпријавуваат повеќе кога внесот е поголем и кога храната е онаа за која се чувствуваат оценувани.

Валидацијата против двојно обележаната вода — референтната метода, покриена на нашата страница за метаболизам — директно ја квантитизира оваа грешка. Тоа е причината зошто дневникот за храна кој покажува 1.600 kcal без промена на тежината обично е проблем со мерењето, а не метаболички.

Грешка во проценката на порцијата

Зошто е тешко

  • Перцепцијата на волуменот е нелинеарна. Дуплирањето на дијаметарот на чинијата повеќе од дуплира неговото содржина, а луѓето судат по ширината.
  • Кулинарското масло е невидливо. Лажицата е над 100 kcal и не се појавува во сеќавањето за оброкот.
  • Пакувањето ги дефинира порциите. „Порција“ е она што контејнерот го содржи.
  • Референтните објекти не успеваат. „Големина на дланка“ варира со дланката.
  • Сеќавањето реконструира. Луѓето се сеќаваат на тоа што обично јадат, а не на тоа што јаделе.

Обуката помага, а систематскиот преглед на ефектите од обуката [4] покажува дека подобрувањето опаѓа без поттикнување — вообичаено наоѓање за перцептивна вештина.

Може ли технологијата да го реши?

Тука доаѓа проценката на исхраната базирана на слики: фотографирајте го оброкот, оставете моделот да идентификува храна и да процени волумен. Постојат студии за валидација против референтни методи, а проширената реалност е прегледана како помош за проценка [1].

Искрен резиме: методите базирани на слики се несовршени и подобри од сеќавањето. Тие го отстрануваат чекорот на сеќавање, кој е најголемиот извор на грешка, и наследуваат нови грешки околу проценката на длабочината и скриените состојки. Против дневникот за храна напишан од сеќавање пред спиење, тоа е јасно подобрување. Против кујнска вага, тоа не е.

Што значи ова за следењето

Користете следените калории како релативен сигнал, а не апсолутен. Ако вашиот внес е конзистентен недела по недела и вашата тежина не се менува, корисниот потег е да промените нешто и да го следите трендот — не да верувате во целото число. Конзистентноста на методот е многу поважна од точноста на методот, бидејќи конзистентната пристрасност се откажува кога се споредувате со себе.

Чести прашања

Колку е погрешен мојот дневник за храна?
Систематски под, често за десетици проценти, и повеќе при поголеми внесови [2][3].
Дали апликациите базирани на фотографии се точни?
Подобри од сеќавањето, полоши од мерењето. Тие го отстрануваат грешката во сеќавањето и додаваат грешка во проценката.
Дали треба да мерам сè?
Неколку недели, тоа е искрено образовно. Непрекинато, повеќето луѓе престануваат — и методот што го напуштате има точност од нула.
Зошто мојата апликација вели дека јадев 1.500 kcal и не губам?
С almost секогаш подпријавување, а не метаболизам. Види ја нашата страница за метаболизам.

Референци

Секое цитирање подолу води до оригиналниот рецензиран запис на PubMed или преку DOI. Ништо од ова не е замена за медицински совет.

  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

Оваа страница беше автоматски преведена од англиски. Цитатите и бројките остануваат непроменети. Прочитајте го оригиналот на англиски ако нешто звучи чудно. Прочитајте го оригиналот на англиски