Food Label Evidence

Pomiar

Dlaczego nie możesz oszacować porcji

Błąd w oszacowaniu porcji jest na tyle duży, że przytłacza większość zmian, które ludzie próbują wprowadzić w swojej diecie. To jest problem, który mają rozwiązać aplikacje do skanowania żywności.

Zaktualizowane 2 min czytania 17 cytacje Siła dowodów 4/5

Wielkość problemu

Systematyczny przegląd oszacowania wielkości porcji [3] oraz błędów pamięci [2] wykazuje błędy, które rutynowo osiągają dziesiątki procent. Kluczowe jest to, że błąd jest stronniczy, a nie losowy: ludzie niedoszacowują, a niedoszacowują bardziej, gdy spożycie jest wyższe i gdy jedzenie jest takie, za które czują się oceniani.

Walidacja w porównaniu do wody podwójnie znakowanej — metody referencyjnej, omówionej na naszej stronie o metabolizmie — kwantyfikuje to bezpośrednio. Dlatego dziennik żywności pokazujący 1 600 kcal przy braku zmiany masy ciała jest zazwyczaj problemem pomiarowym, a nie metabolicznym.

Błąd w oszacowaniu porcji

Dlaczego to jest trudne

  • Postrzeganie objętości jest nieliniowe. Podwojenie średnicy miski więcej niż podwaja jej zawartość, a ludzie oceniają na podstawie szerokości.
  • Olej do gotowania jest niewidoczny. Łyżka stołowa to ponad 100 kcal i nie pojawia się w pamięci posiłku.
  • Opakowanie definiuje porcje. "Porcja" to cokolwiek zawierało opakowanie.
  • Obiekty referencyjne zawodzą. "Wielkość dłoni" różni się w zależności od dłoni.
  • Pamięć rekonstruuje. Ludzie przypominają sobie, co zazwyczaj jedzą, a nie to, co jedli.

Szkolenie pomaga, a systematyczny przegląd efektów szkolenia [4] pokazuje, że poprawa zanika bez wzmocnienia — to typowe dla umiejętności percepcyjnych.

Czy technologia może to naprawić?

Tutaj wkracza ocena diety oparta na obrazach: sfotografuj posiłek, pozwól modelowi zidentyfikować jedzenie i oszacować objętość. Istnieją badania walidacyjne w porównaniu do metod referencyjnych, a rzeczywistość rozszerzona została zrecenzowana jako pomoc w oszacowaniu [1].

Szczera podsumowanie: metody oparte na obrazach są niedoskonałe i lepsze niż pamięć. Usuwają krok pamięci, który jest największym źródłem błędów, i dziedziczą nowe błędy związane z oszacowaniem głębokości i ukrytymi składnikami. W porównaniu do dziennika żywności pisanego z pamięci przed snem, to wyraźna poprawa. W porównaniu do wagi kuchennej, nie jest to.

Co to oznacza dla śledzenia

Używaj śledzonych kalorii jako relatywnego sygnału, a nie absolutnego. Jeśli twoje zarejestrowane spożycie jest spójne z tygodnia na tydzień, a twoja waga się nie zmienia, użytecznym krokiem jest zmiana czegoś i obserwowanie trendu — a nie poleganie na liczbie całkowitej. Spójność metody ma znacznie większe znaczenie niż dokładność metody, ponieważ spójny błąd znika, gdy porównujesz się z samym sobą.

Często zadawane pytania

Jak bardzo mylę się w moim dzienniku żywności?
Systematycznie niedoszacowuje, często o dziesiątki procent, a bardziej przy wyższych spożyciach [2][3].
Czy aplikacje oparte na zdjęciach są dokładne?
Lepsze niż pamięć, gorsze niż ważenie. Usuwają błąd pamięci i dodają błąd oszacowania.
Czy powinienem ważyć wszystko?
Przez kilka tygodni jest to naprawdę edukacyjne. Na czas nieokreślony większość ludzi przestaje — a metoda, którą porzucasz, ma dokładność równą zero.
Dlaczego moja aplikacja mówi, że zjadłem 1 500 kcal i nie chudnę?
Prawie zawsze niedoszacowanie, a nie metabolizm. Zobacz naszą stronę o metabolizmie.

Odnośniki

Każda cytacja poniżej prowadzi do oryginalnego recenzowanego dokumentu na PubMed lub za pośrednictwem DOI. Nic tutaj nie zastępuje porady medycznej.

  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

Ta strona została automatycznie przetłumaczona z angielskiego. Cytaty i liczby są niezmienione. Przeczytaj oryginał w języku angielskim, jeśli coś brzmi dziwnie. Przeczytaj oryginał w języku angielskim