Food Label Evidence

Măsurare

De ce nu poți estima o porție

Eroarea de estimare a porției este suficient de mare pentru a acoperi majoritatea modificărilor pe care oamenii încearcă să le facă în dieta lor. Aceasta este problema pe care aplicațiile de scanare a alimentelor există pentru a o rezolva.

Actualizat 3 min citire 17 citații Forța dovezilor 4/5

Dimensiunea problemei

Revizuirea sistematică a estimării dimensiunii porției [3] și a erorilor de reamintire [2] constată erori care ajung de obicei la zeci de procente. Crucial, eroarea este întoarsă, nu aleatorie: oamenii subraportează și subraportează mai mult când consumul este mai mare și când alimentul este unul pentru care se simt judecați.

Validarea împotriva apei etichetate dublu — metoda de referință, acoperită pe site-ul nostru despre metabolism — cuantifică acest lucru direct. Este motivul pentru care un jurnal alimentar care arată 1.600 kcal alături de nicio schimbare în greutate este de obicei o problemă de măsurare, nu una metabolică.

Eroarea de estimare a porției

De ce este greu

  • Percepția volumului este neliniară. Dublarea diametrului unei boluri mai mult decât dublează conținutul acesteia, iar oamenii judecă după lățime.
  • Uleiul de gătit este invizibil. O lingură este peste 100 kcal și nu apare în memoria unei mese.
  • Ambalajul definește porțiile. O "porție" este orice a conținut containerul.
  • Obiectele de referință eșuează. "De dimensiunea unei palme" variază cu palma.
  • Memoria reconstruiește. Oamenii își amintesc ce mănâncă de obicei, nu ce au mâncat.

Antrenamentul ajută, iar o revizuire sistematică a efectelor antrenamentului [4] arată că îmbunătățirea se estompează fără întărire — constatarea obișnuită pentru o abilitate perceptuală.

Tehnologia poate rezolva asta?

Aici intervine evaluarea dietetică bazată pe imagini: fotografiază masa, lasă un model să identifice alimentele și să estimeze volumul. Există studii de validare împotriva metodelor de referință, iar realitatea augmentată a fost revizuită ca un ajutor pentru estimare [1].

Rezumat onest: metodele bazate pe imagini sunt imperfecte și mai bune decât reamintirea. Ele elimină pasul de memorie, care este cea mai mare sursă de eroare, și moștenesc erori noi în jurul estimării adâncimii și ingredientelor ascunse. Comparativ cu un jurnal alimentar scris din memorie la culcare, aceasta este o îmbunătățire clară. Comparativ cu o cântar de bucătărie, nu este.

Ce înseamnă asta pentru urmărire

Folosește caloriile urmărite ca un semnal relativ, nu unul absolut. Dacă consumul tău înregistrat este constant săptămână de săptămână și greutatea ta nu se schimbă, mișcarea utilă este să schimbi ceva și să observi tendința — nu să te încrezi în număr. Consistența metodei contează mult mai mult decât acuratețea metodei, deoarece un bias constant se anulează atunci când te compari cu tine însuți.

Întrebări frecvente

Cât de greșit este jurnalul meu alimentar?
Subraportează sistematic, adesea cu zeci de procente, și mai mult la consumuri mai mari [2][3].
Sunt aplicațiile bazate pe fotografii precise?
Mai bune decât reamintirea, mai slabe decât cântărirea. Ele elimină eroarea de memorie și adaugă eroarea de estimare.
Ar trebui să cântăresc totul?
Pentru câteva săptămâni, este cu adevărat educativ. Pe termen nedefinit, cei mai mulți oameni se opresc — și o metodă pe care o abandonezi are o acuratețe de zero.
De ce aplicația mea spune că am mâncat 1.500 kcal și nu slăbesc?
Aproape întotdeauna subraportare, mai degrabă decât metabolism. Vezi site-ul nostru despre metabolism.

Referințe

Fiecare citare de mai jos leagă de înregistrarea originală revizuită de colegi pe PubMed sau prin DOI. Nimic de aici nu este un substitut pentru sfaturi medicale.

  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

Această pagină a fost tradusă automat din engleză. Citațiile și numerele rămân neschimbate. Citește originalul în engleză dacă ceva pare ciudat. Citește originalul în engleză