Food Label Evidence

Medição

Por que não se pode estimar uma porção

O erro de estimativa de porção é grande o suficiente para ofuscar a maioria das mudanças que as pessoas tentam fazer em sua dieta. Este é o problema que os aplicativos de escaneamento de alimentos existem para resolver.

Atualizado 3 min de leitura 17 citações Força da evidência 4/5

O tamanho do problema

A revisão sistemática da estimativa de tamanho de porção [3] e dos erros de recordação [2] encontra erros que frequentemente atingem dezenas de porcento. Crucialmente, o erro é tendencioso, não aleatório: as pessoas subnotificam, e subnotificam mais quando a ingestão é maior e quando o alimento é um que sentem que estão sendo julgados.

Validação contra água duplamente marcada — o método de referência, abordado em nosso site de metabolismo — quantifica isso diretamente. É por isso que um diário alimentar mostrando 1.600 kcal junto a nenhuma mudança de peso é geralmente um problema de medição em vez de um problema metabólico.

Erro de estimativa de porção

Por que é difícil

  • A percepção de volume é não linear. Dobrar o diâmetro de uma tigela mais do que dobra seu conteúdo, e as pessoas julgam pela largura.
  • O óleo de cozinha é invisível. Uma colher de sopa tem mais de 100 kcal e não aparece na memória de uma refeição.
  • A embalagem define porções. Uma "porção" é o que o recipiente contém.
  • Objetos de referência falham. "Tamanho de palma" varia com a palma.
  • A memória reconstrói. As pessoas recordam o que costumam comer, não o que comeram.

O treinamento ajuda, e uma revisão sistemática dos efeitos do treinamento [4] mostra que a melhoria decai sem reforço — a constatação usual para uma habilidade perceptual.

A tecnologia pode resolver isso?

É aqui que a avaliação dietética baseada em imagem entra: fotografe a refeição, deixe um modelo identificar os alimentos e estimar o volume. Estudos de validação contra métodos de referência existem, e a realidade aumentada foi revisada como um auxílio à estimativa [1].

Resumo honesto: métodos baseados em imagem são imprecisos e melhores que a recordação. Eles removem a etapa de memória, que é a maior fonte de erro, e herdam novos erros em torno da estimativa de profundidade e ingredientes ocultos. Em comparação com um diário alimentar escrito da memória na hora de dormir, isso é uma melhoria clara. Em comparação com uma balança de cozinha, não é.

O que isso significa para o rastreamento

Use calorias rastreadas como um sinal relativo, não absoluto. Se sua ingestão registrada é consistente de semana para semana e seu peso não está mudando, a mudança útil é alterar algo e observar a tendência — não confiar no número inteiro. A consistência do método importa muito mais do que a precisão do método, porque um viés consistente se anula quando você se compara.

Perguntas comuns

Quão errado está meu diário alimentar?
Sistematicamente subnotificado, muitas vezes por dezenas de porcento, e mais em ingestões mais altas [2][3].
Os aplicativos baseados em foto são precisos?
Melhores que a recordação, piores que pesar. Eles removem o erro de memória e adicionam erro de estimativa.
Devo pesar tudo?
Por algumas semanas, é genuinamente educativo. Indefinidamente, a maioria das pessoas para — e um método que você abandona tem uma precisão de zero.
Por que meu aplicativo diz que comi 1.500 kcal e não estou perdendo peso?
Quase sempre subnotificação em vez de metabolismo. Veja nosso site de metabolismo.

Referências

Cada citação abaixo liga-se ao registo original revisto por pares no PubMed ou via DOI. Nada aqui substitui o aconselhamento médico.

  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

Esta página foi traduzida automaticamente do inglês. As citações e números permanecem inalterados. Leia o original em inglês se algo parecer estranho. Leia o original em inglês