ما مدى دقة FatSecret؟ اختبار 20 نوع من الطعام مقابل قيم USDA المرجعية
قمنا باختبار دقة سعرات FatSecret من خلال تسجيل 20 نوعًا شائعًا من الطعام ومقارنة النتائج بقيم USDA FoodData Central المرجعية. متوسط الانحراف: ±175 سعرة حرارية/يوم. النتائج الكاملة، دقة الميزات، وأين تتعثر قاعدة البيانات المستندة إلى المجتمع.
FatSecret هو تطبيق مجاني لتتبع السعرات الحرارية مع قاعدة بيانات طعام مستندة إلى المجتمع وميزات اجتماعية. تم إطلاقه منذ عام 2007، مما يجعله واحدًا من أقدم منصات تتبع التغذية المتاحة. مع وجود مستوى مجاني يشمل معظم الميزات، جذب عددًا كبيرًا من المستخدمين، خاصة بين المتتبعين الذين يهتمون بالميزانية.
لكن ما مدى دقة البيانات وراء التطبيق؟ قمنا بإخضاع FatSecret لنفس اختبار دقة 20 نوع من الطعام الذي نستخدمه لكل متتبع سعرات: أطعمة موزونة بدقة، تم تسجيلها عبر التطبيق، ومقارنتها بقيم USDA FoodData Central المرجعية.
تكشف النتائج عن نمط شائع في قواعد البيانات المستندة إلى المجتمع — دقة مقبولة لبعض الأطعمة، وأخطاء كبيرة في أخرى، وانحراف عام يتراكم ليصبح عدم دقة يومية ملحوظة.
كيف تعمل قاعدة بيانات FatSecret
تستخدم FatSecret نموذجًا مستندًا إلى المجتمع حيث يمكن للمستخدمين ومصنعي الطعام تقديم إدخالات الطعام. نمت قاعدة البيانات إلى ملايين الإدخالات من خلال هذه العملية. يمكن لأعضاء المجتمع الإشارة إلى الإدخالات التي قد تكون غير دقيقة، ولدى FatSecret بعض عمليات التنسيق الداخلية، لكن الغالبية العظمى من الإدخالات مقدمة من المستخدمين دون مراجعة من أخصائي تغذية.
تتمتع هذه الطريقة بميزة واضحة: نمو سريع للقاعدة البيانات. عندما يصل منتج جديد إلى رفوف المتاجر، يمكن لمستخدم FatSecret إضافته في نفس اليوم. الجانب السلبي هو أن الدقة تعتمد بالكامل على العناية التي تم اتخاذها من قبل من قدم الإدخال. لا يوجد تحقق منهجي ضد بيانات USDA المرجعية أو تحليل مختبري.
تتراكم قاعدة البيانات أيضًا إدخالات مكررة بمرور الوقت. عادةً ما تعيد عملية البحث عن أطعمة شائعة مثل "صدر الدجاج" أو "الأرز" عشرات الإدخالات مع اختلافات في عدد السعرات، مما يترك المستخدمين في حيرة حول أي منها هو الصحيح.
اختبار دقة 20 نوع من الطعام: FatSecret مقابل قيم USDA المرجعية
تم وزن كل طعام على ميزان مطبخ معاير. بالنسبة للأطعمة التي تحتوي على إدخالات متعددة في FatSecret، اخترنا الإدخال الأعلى (الذي من المرجح أن يختاره معظم المستخدمين). قيم USDA المرجعية مأخوذة من FoodData Central.
| # | عنصر الطعام | الوزن (غ) | القيمة المرجعية من USDA (سعرة حرارية) | السعرات المبلغ عنها من FatSecret (سعرة حرارية) | الانحراف (سعرة حرارية) | الانحراف (%) |
|---|---|---|---|---|---|---|
| 1 | صدر دجاج مشوي | 150 | 248 | 231 | -17 | -6.9% |
| 2 | أرز بني مطبوخ | 200 | 248 | 232 | -16 | -6.5% |
| 3 | موز متوسط | 118 | 105 | 110 | +5 | +4.8% |
| 4 | حليب كامل الدسم | 244 | 149 | 156 | +7 | +4.7% |
| 5 | شريحة سمك السلمون مشوية | 170 | 354 | 329 | -25 | -7.1% |
| 6 | أفوكادو كامل | 150 | 240 | 267 | +27 | +11.3% |
| 7 | زبادي يوناني عادي | 200 | 146 | 130 | -16 | -11.0% |
| 8 | بطاطا حلوة مشوية | 180 | 162 | 153 | -9 | -5.6% |
| 9 | لوز خام | 30 | 174 | 182 | +8 | +4.6% |
| 10 | خبز قمح كامل | 50 | 130 | 120 | -10 | -7.7% |
| 11 | بيضة كبيرة مخفوقة | 61 | 91 | 98 | +7 | +7.7% |
| 12 | بروكلي مطبوخ على البخار | 150 | 52 | 47 | -5 | -9.6% |
| 13 | زيت الزيتون | 14 | 119 | 124 | +5 | +4.2% |
| 14 | زبدة الفول السوداني | 32 | 190 | 200 | +10 | +5.3% |
| 15 | جبنة شيدر | 40 | 161 | 172 | +11 | +6.8% |
| 16 | مكرونة مطبوخة | 200 | 262 | 284 | +22 | +8.4% |
| 17 | تفاح متوسط | 182 | 95 | 104 | +9 | +9.5% |
| 18 | لحم بقري مفروم، 85% خالي من الدهون | 120 | 272 | 254 | -18 | -6.6% |
| 19 | شوفان جاف | 40 | 152 | 160 | +8 | +5.3% |
| 20 | عدس مطبوخ | 180 | 207 | 194 | -13 | -6.3% |
إحصائيات ملخصة
- متوسط الانحراف المطلق: 11.9 سعرة حرارية لكل عنصر غذائي
- أقصى انحراف: 27 سعرة حرارية (الأفوكادو)
- متوسط نسبة الانحراف: 6.7%
- الأطعمة ضمن 5% من قيم USDA: 7 من 20 (35%)
- الأطعمة التي لم تسجل أي انحراف: 0 من 20 (0%)
لم يتطابق أي عنصر غذائي فردي في الإدخال الأعلى لـ FatSecret مع القيمة المرجعية من USDA بدقة. كان كل إدخال بعيدًا عن 5 سعرات حرارية على الأقل، وكان أكثر من نصفها بعيدًا بأكثر من 7%.
مشكلة الإدخالات المكررة
واحدة من أكثر مشكلات دقة FatSecret وضوحًا هي حجم الإدخالات المكررة للأطعمة الشائعة. إليك ما أظهرته عملية البحث عن خمسة أطعمة أساسية:
| بحث عن الطعام | عدد الإدخالات | نطاق السعرات عبر الإدخالات | الانتشار |
|---|---|---|---|
| صدر دجاج | 47 | 128 - 231 سعرة حرارية/150غ | 103 سعرة حرارية |
| أرز | 62 | 180 - 312 سعرة حرارية/200غ | 132 سعرة حرارية |
| موز | 23 | 72 - 121 سعرة حرارية/متوسط | 49 سعرة حرارية |
| مكرونة | 55 | 196 - 342 سعرة حرارية/200غ | 146 سعرة حرارية |
| سلمون | 38 | 264 - 412 سعرة حرارية/170غ | 148 سعرة حرارية |
الانتشار في السعرات عبر الإدخالات المكررة أكبر من معظم العجز اليومي المقصود. إذا كنت تحاول تقليل 500 سعرة حرارية يوميًا ولكن إدخال صدر الدجاج لديك بعيد بمقدار 100 سعرة حرارية وإدخال الأرز بعيد بمقدار 130 سعرة حرارية، فإن العجز الفعلي قد يتراوح من 270 إلى 730 سعرة حرارية — وهو نطاق واسع يجعل التتبع غير ذي معنى لأهداف دقيقة.
تراكم الأخطاء اليومية: ماذا يعني ±175 سعرة حرارية فعليًا
على مدار يوم كامل من تناول الطعام (3 وجبات بالإضافة إلى وجبات خفيفة)، يبلغ متوسط انحراف FatSecret اليومي عن إجمالي قيم USDA المرجعية حوالي ±175 سعرة حرارية. إليك ما يعنيه ذلك في الممارسة العملية:
- ±175 سعرة حرارية/يوم على مدار 7 أيام = ±1,225 سعرة حرارية/أسبوع
- عجز 500 سعرة حرارية/يوم يصبح في أي مكان من 325 إلى 675 سعرة حرارية
- على مدار 30 يومًا، يصل الخطأ التراكمي إلى ±5,250 سعرة حرارية — ما يعادل حوالي 1.5 رطل من الدهون في الجسم من عدم اليقين
بالنسبة لشخص يستهدف عجزًا يوميًا قدره 500 سعرة حرارية لفقدان رطل واحد في الأسبوع، يعني خطأ ±175 سعرة حرارية يوميًا أن فقدان الوزن الفعلي قد يتراوح من 0.65 إلى 1.35 رطل في الأسبوع. على مدار 12 أسبوعًا، يكون هناك فرق قدره 8.4 رطل بين أفضل وأسوأ السيناريوهات — على الرغم من تسجيل نفس الأطعمة كل يوم.
لا تجعل هذه المستوى من الخطأ FatSecret عديم الفائدة. بالنسبة للوعي العام بأنماط الأكل، يوفر أرقامًا معقولة. ولكن بالنسبة للمستخدمين الذين يحتاجون إلى دقة — الرياضيين، المتنافسين، الأشخاص الذين يديرون حالات طبية — فإن هامش الخطأ واسع جدًا للاعتماد عليه.
دقة مسح الباركود
يعمل ماسح الباركود في FatSecret بشكل جيد نسبيًا للمنتجات المعبأة في الولايات المتحدة، لكنه يظهر فجوات ملحوظة في التغطية الدولية.
| المقياس | النتيجة |
|---|---|
| معدل التعرف على الباركود (المنتجات الأمريكية) | 89% |
| معدل التعرف على الباركود (الدولية) | 62% |
| معدل المطابقة الصحيحة للمنتج | 93% (من الباركود المعترف بها) |
| دقة بيانات التغذية مقابل الملصق | 91% |
| الإدخالات القديمة (المنتجات المعاد صياغتها) | ~12% |
معدل التعرف الدولي البالغ 62% هو قيد كبير للمستخدمين خارج الولايات المتحدة. حتى داخل الولايات المتحدة، تعود حوالي 12% من المنتجات الممسوحة بنجاح إلى بيانات تغذية لا تتطابق مع الملصق الحالي للمنتج، عادةً لأن الشركة المصنعة أعادت صياغة المنتج منذ تقديم الإدخال.
عندما يفشل مسح الباركود، يجب على المستخدمين البحث يدويًا في قاعدة البيانات — مما يعيدهم إلى مشكلة الإدخالات المكررة الموضحة أعلاه.
أين يكون FatSecret دقيقًا
ليس FatSecret غير دقيق بشكل موحد. هناك سيناريوهات معينة حيث يعمل بشكل كافٍ.
الأطعمة المعبأة الأساسية الأمريكية مع الباركود. عندما يعود مسح الباركود بالمنتج الصحيح ولم يتم تحديث الإدخال بسبب إعادة الصياغة، يتم أخذ البيانات مباشرة من ملصق الشركة المصنعة وعادة ما تكون دقيقة.
الأطعمة ذات الإدخالات المستندة إلى USDA. بعض إدخالات FatSecret مأخوذة من قاعدة بيانات USDA. تميل هذه الإدخالات، عندما يمكنك التعرف عليها بين المكررات، إلى أن تكون دقيقة. التحدي هو أنها ليست دائمًا النتيجة الأعلى.
الأطعمة البسيطة الكاملة ذات التباين الطبيعي الأقل. الأطعمة مثل زيت الزيتون، السكر، أو العسل التي لديها ملفات غذائية متسقة جدًا تميل إلى أن تكون دقيقة بغض النظر عن الإدخال الذي تختاره.
الوعي الغذائي العام. إذا كان هدفك ببساطة هو فهم عدد السعرات الحرارية التي تتناولها في اليوم — وليس الوصول إلى هدف دقيق — فإن دقة FatSecret كافية لتحديد الأنماط الرئيسية مثل حجم الحصص الكبيرة أو عادات الوجبات الخفيفة التي تضيف سعرات حرارية غير متوقعة.
أين يفشل FatSecret
أي طعام يحتوي على إدخالات متعددة في القاعدة. ليس لدى المستخدم وسيلة موثوقة لتحديد أي إدخال دقيق دون التحقق بشكل مستقل ضد قاعدة بيانات USDA — مما يقوض الغرض من استخدام تطبيق تتبع.
الأطعمة والمنتجات الدولية. التغطية خارج الولايات المتحدة غير متسقة. يواجه المستخدمون في أوروبا وآسيا أو أمريكا اللاتينية بانتظام منتجات مفقودة وإدخالات تشير إلى علامات تجارية أو تركيبات خاصة بالولايات المتحدة.
الأطعمة المطبوخة والمعدة. الإدخالات الخاصة بالأطباق المطبوخة، والوجبات في المطاعم، والوصفات المنزلية تقريبًا كلها مقدمة من المستخدمين وتظهر أكبر تباينات في الدقة. تعيد عملية البحث عن "دجاج مقلي" إدخالات تتراوح من 180 إلى 450 سعرة حرارية لكل حصة.
بيانات المغذيات الدقيقة. بينما يتتبع FatSecret بعض المغذيات الدقيقة، فإن الإدخالات المستندة إلى المجتمع غالبًا ما تحتوي على معلومات مغذيات دقيقة غير مكتملة. قد تظهر الإدخالات السعرات والماكرو ولكن تسجل أصفارًا للفيتامينات والمعادن، ليس لأن الطعام يفتقر إلى هذه العناصر الغذائية ولكن لأن المقدم لم يتضمنها.
لا يوجد ذكاء اصطناعي للصور أو تسجيل صوتي. لا يقدم FatSecret التعرف على الطعام المدعوم بالذكاء الاصطناعي من الصور أو إدخال الصوت بلغة طبيعية. يجب تسجيل كل وجبة من خلال البحث النصي أو مسح الباركود، مما يزيد من التعقيد ويزيد من احتمالية اختيار إدخال غير صحيح عند البحث يدويًا.
كيف يقارن FatSecret بقاعدة بيانات موثوقة
الفرق الأساسي بين FatSecret وتطبيق قاعدة بيانات موثوقة مثل Nutrola ليس في عدد الإدخالات — بل في موثوقية كل إدخال.
| المقياس | FatSecret | Nutrola |
|---|---|---|
| متوسط الانحراف اليومي | ±175 سعرة حرارية | ±78 سعرة حرارية |
| تحقق قاعدة البيانات | مجتمع/مستند إلى المجتمع | 100% موثوق من أخصائي تغذية |
| الإدخالات المكررة لكل طعام | 23-62 | 1 (موثوق) |
| تغطية الباركود الدولية | 62% تعرف | 97.2% تعرف (47 دولة) |
| ذكاء اصطناعي للصورة | لا | نعم (88-92% دقة) |
| تسجيل صوتي | لا | نعم (~90% دقة) |
| السعر | مجاني | €2.50/شهر |
أقوى ميزة لـ FatSecret هي سعره — المستوى المجاني يشمل ميزات تتبع شاملة. بالنسبة للمستخدمين الذين لا يمكنهم استثمار €2.50/شهر في تطبيق تتبع، يوفر FatSecret قاعدة وظيفية. لكن الفجوة في الدقة بين البيانات المستندة إلى المجتمع المجانية والبيانات الموثوقة حقيقية وقابلة للقياس.
بالنسبة للمستخدمين الذين كانوا يتتبعون مع FatSecret ولم يروا النتائج المتوقعة من عجز السعرات، فإن دقة قاعدة البيانات تستحق التحقيق كسبب محتمل. غالبًا ما يكشف الانتقال إلى قاعدة بيانات موثوقة مثل Nutrola أن إجمالي السعرات السابقة كان بعيدًا بنسبة 8-12%، وهو ما يكفي لشرح توقف التقدم.
الأسئلة الشائعة
لماذا تعيد عمليات بحث FatSecret العديد من الإدخالات المكررة لنفس الطعام؟
تستخدم FatSecret نموذجًا مستندًا إلى المجتمع حيث يمكن لأي مستخدم تقديم إدخالات الطعام. عندما يقوم الآلاف من المستخدمين بإنشاء إدخال خاص بهم لأطعمة شائعة مثل صدر الدجاج أو الأرز، تتراكم قاعدة البيانات عشرات النسخ مع اختلافات في عدد السعرات، وأحجام الحصص، وتفاصيل الماكرو. لا يوجد نظام آلي لإزالة التكرار يدمج هذه الإدخالات في إدخال موثوق واحد، لذا يجب على المستخدمين الاختيار من بينها دون وسيلة واضحة لتحديد الأكثر دقة.
هل FatSecret دقيق بما يكفي لفقدان الوزن؟
لزيادة الوعي الغذائي وتقديرات السعرات التقريبية، يمكن أن يساعد FatSecret في تحديد الأنماط والأحجام الكبيرة للحصص. ومع ذلك، فإن الانحراف اليومي البالغ ±175 سعرة حرارية يعني أن عجز 500 سعرة حرارية المخطط له قد يكون في الواقع في أي مكان من 325 إلى 675 سعرة حرارية. إذا لم ترَ نتائج فقدان الوزن المتوقعة بعد عدة أسابيع من التتبع المنتظم، فإن دقة بيانات التطبيق هي عامل معقول للتحقيق. يمكن أن يساعد الانتقال إلى متتبع بقاعدة بيانات موثوقة في تحديد ما إذا كانت جودة البيانات هي المشكلة.
كيف يقارن ماسح الباركود في FatSecret مع التطبيقات الأخرى؟
يعمل ماسح الباركود في FatSecret بشكل جيد للمنتجات المعبأة الشائعة في الولايات المتحدة، مع معدل تعرف يبلغ 89% محليًا. ومع ذلك، تنخفض التغطية الدولية إلى حوالي 62%، ويعود حوالي 12% من المنتجات الممسوحة إلى بيانات تغذية قديمة من تركيبات سابقة للمنتج. تقدم التطبيقات التي تحتوي على قواعد بيانات باركود أكبر، موثوقة — مثل Nutrola مع أكثر من 3 ملايين منتج عبر 47 دولة — معدلات تعرف أعلى بكثير وبيانات تغذية أكثر حداثة.
هل يمكنني تحسين دقة FatSecret من خلال اختيار الإدخالات بعناية؟
نعم، إلى حد ما. ابحث عن الإدخالات التي تشير إلى USDA كمصدر، وقم بمقارنة عدد السعرات مع موقع USDA FoodData Central للأطعمة الأساسية، وفضل الإدخالات التي تحتوي على تفاصيل كاملة للماكرو (حيث تساوي السعرات من البروتين + الكربوهيدرات + الدهون تقريبًا السعرات الإجمالية المدرجة). ومع ذلك، تضيف هذه العملية وقتًا كبيرًا لكل جلسة تسجيل وتقلل جزئيًا من الراحة التي من المفترض أن يوفرها تطبيق التتبع.
هل ميزة المجتمع في FatSecret مفيدة لدقة البيانات؟
يمكن لمجتمع FatSecret الإشارة إلى الإدخالات غير الدقيقة، وأحيانًا يشير المستخدمون النشطون إلى الإدخالات التي تم التحقق منها. ومع ذلك، فإن التحقق من المجتمع غير متسق وطوعي. على عكس قواعد البيانات التي تمت مراجعتها من قبل أخصائي التغذية حيث تخضع كل إدخال للتحقق المنهجي، يعتمد الإبلاغ عن الأخطاء من قبل المجتمع على المستخدمين الأفراد الذين يلاحظون الأخطاء ويأخذون الوقت للإبلاغ عنها. تميل الإدخالات الأكثر استخدامًا إلى أن تكون أكثر موثوقية من تلك الأقل استخدامًا، لكن لا يوجد ضمان لدقة أي إدخال محدد.
مستعد لتحويل تتبع تغذيتك؟
انضم إلى الآلاف الذين حولوا رحلتهم الصحية مع Nutrola!
