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 22 cytacje Siła dowodów 4/5

Sekcja świeżych produktów w sklepie spożywczym w Sztokholmie
Frankie Fouganthin · CC BY-SA 4.0 · Wikimedia Commons

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.

Szwedzka czarna kaszanka podawana z gotowanymi ziemniakami, dżemem z borówki brusznicy i ogórkiem
David Castor (dcastor) · Public domain · Wikimedia Commons

Najczęściej 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.
Dowody na tej stronie Słupkowy wykres pokazujący skład 22 publikacji cytowanych na tej stronie według typu badania. 6934meta-analysis (6)randomised trial (9)review (3)other (4)
22 publikacji, 1997–2025. To mieszanka zarówno badań, jak i syntez, z której można uzasadnić twierdzenie o przyczynie. Źródło: lista cytatów tej strony, poniżej.

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. 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

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