كيف تم بناء قاعدة بيانات الطعام في Nutrola: من بيانات USDA إلى 12 مليون إدخال موثق

عندما تبحث عن "صدر دجاج مشوي" في تطبيق تتبع السعرات الحرارية وتجد "165 سعرة حرارية لكل 100 جرام"، فإن هذا الرقم لم يظهر من فراغ. لقد قام شخص ما بقياسه. شخص ما تحقق منه. شخص ما قرر أنه دقيق بما يكفي ليظهر لملايين المستخدمين الذين يتخذون قرارات صحية بناءً على تلك البيانات.

جودة قاعدة بيانات الطعام هي الأساس غير المرئي وراء كل تطبيق لتتبع السعرات الحرارية. إذا كانت قاعدة البيانات خاطئة، فإن كل ما يُبنى عليها سيكون خاطئًا: إجمالي السعرات الحرارية اليومية، وتوزيع المغذيات، والاتجاه الأسبوعي، وتوصيات المدرب، وفي النهاية نتائجك. ومع ذلك، فإن معظم المستخدمين لا يفكرون أبدًا في مصدر هذه الأرقام، ومعظم التطبيقات لا تشرح ذلك.

تصف هذه المقالة بالضبط كيف تم بناء قاعدة بيانات الطعام في Nutrola، من بيانات الحكومة إلى 12 مليون إدخال موثق تحتوي عليها اليوم. كما تشرح لماذا تختلف جودة قاعدة البيانات بشكل كبير بين التطبيقات وما يعنيه ذلك لدقة تتبعك.

الأساس: USDA FoodData Central

تبدأ كل قاعدة بيانات تغذية جادة مع وزارة الزراعة الأمريكية. لقد كانت USDA تقيس المحتوى الغذائي للأطعمة منذ تسعينيات القرن التاسع عشر، وقاعدتها الحديثة، FoodData Central، تمثل المجموعة الأكثر شمولاً وتحققًا من بيانات تركيب الطعام في العالم.

تحتوي FoodData Central على مجموعات بيانات متعددة. SR Legacy توفر ملفات تعريف غذائية مفصلة لحوالي 7600 نوع شائع من الأطعمة، كل منها ناتج عن تحليل مختبري، وليس تقدير. يتم شراء الأطعمة فعليًا، وتحضيرها وفقًا لبروتوكولات موحدة، وتحليلها باستخدام طرق كيميائية تحليلية موثقة. Foundation Foods هو خليفتها الأحدث والأكثر تفصيلاً، حيث يوفر مقاييس للتباين، وأحجام العينات، وبيانات وصفية حول الصنف، والسلالة، والأصل، وموسم الحصاد. FNDDS تغطي الأطباق المختلطة والوصفات كما يتم استهلاكها عادةً، مع بيانات حجم الحصة المرتبطة بمقاييس منزلية. Branded Foods تحتوي على بيانات الطعام المعبأ المستمدة من شراكة مع Label Insight (التي أصبحت الآن NielsenIQ).

تقوم Nutrola بتحميل جميع مجموعات البيانات الأربع، وتطبيعها إلى مخطط متسق، وتقوم بالتحقق من الإدخالات لحل التناقضات. عندما تحتوي SR Legacy وFoundation Foods على بيانات لنفس العنصر، تُعطى الأولوية لقيم Foundation Foods لأنها تستند إلى تحليلات أكثر حداثة.

يوفر هذا الأساس من USDA حوالي 400,000 إدخال غذائي فريد. هذه نقطة انطلاق قوية، لكنها ليست كافية لتطبيق حديث لتتبع السعرات الحرارية. معظم الناس لا يأكلون "دجاج، برويلر، صدر، لحم فقط، مطبوخ، مشوي". إنهم يأكلون ساندويتش من Chick-fil-A، أو وجبة مجمدة من Trader Joe's، أو طبق منزلي من وصفة جلبتها جدتهم من بلد آخر. يتطلب تغطية النطاق الكامل لما يأكله الناس فعليًا تجاوز البيانات الحكومية بكثير.

إضافة بيانات الطعام المعبأ

تعتبر طبقة الطعام المعبأ أكبر توسع فردي في قاعدة البيانات. تمثل الأطعمة المعبأة التي تحتوي على ملصقات حقائق التغذية جزءًا كبيرًا من النظام الغذائي النموذجي في الولايات المتحدة ودول أخرى متقدمة، ويتوقع المستخدمون العثور على منتجاتهم المحددة عند البحث.

تستمد Nutrola بيانات الطعام المعبأ من عدة قنوات.

شراكات مباشرة مع الشركات المصنعة توفر بيانات الماركات ذات الجودة العالية. عندما تشارك الشركة المصنعة البيانات الغذائية مباشرة، فإنها تأتي من نفس التحليلات المختبرية المستخدمة لإنشاء لوحة حقائق التغذية. تحافظ Nutrola على اتفاقيات تبادل البيانات مع مئات من الشركات الغذائية.

تكامل قاعدة بيانات الباركود يلتقط مجموعة واسعة من المنتجات من خلال قواعد بيانات الباركود مفتوحة المصدر، وسجلات ملصقات الطعام الحكومية، ومزودي البيانات التجارية. عندما يقوم المستخدم بمسح باركود غير معروف، يبدأ النظام عملية تحقق قبل أن يصبح الإدخال متاحًا لجميع المستخدمين.

مسح الملصقات وOCR يبني الإدخالات من لوحات حقائق التغذية الفعلية. كل إدخال مستمد من OCR يمر عبر عملية تحقق تتحقق من الأخطاء الشائعة في الاستخراج: قراءة خاطئة للنقاط العشرية، أرقام متبادلة، وقيم خارج النطاقات المعقولة.

دورات التحديث الدورية تضمن بقاء بيانات الماركات محدثة. تقوم الشركات المصنعة بإعادة صياغة المنتجات بانتظام. تجري Nutrola دورات تحديث ربع سنوية للمنتجات ذات الحجم الكبير وتحديثات سنوية للفهرس الأوسع، مع وضع علامات على الإدخالات التي تغيرت قيمها.

تضيف هذه الطبقة من الطعام المعبأ حوالي 1.5 مليون إدخال إلى قاعدة البيانات، كل منها مرتبط برموز UPC/EAN ومعرفات المنتجات المحددة.

الإدخالات المقدمة من المستخدمين ومشكلة الدقة

تعتمد معظم قواعد بيانات تتبع السعرات الحرارية الكبيرة بشكل كبير على البيانات المستندة إلى الجمهور، الإدخالات التي يقدمها المستخدمون الذين يقومون بإدخال المعلومات الغذائية يدويًا من الملصقات، أو الوصفات، أو تقديراتهم الخاصة. هذه الطريقة تتوسع بسرعة. لكنها أيضًا المصدر الأكبر للأخطاء في قاعدة بيانات التغذية.

تم توثيق المشكلات المتعلقة ببيانات الطعام المستندة إلى الجمهور بشكل جيد. وجدت مراجعة عام 2020 نُشرت في Nutrients بواسطة Evenepoel وآخرين معدلات خطأ تتراوح بين 15 إلى 25 بالمئة في قيم المغذيات الكبرى عبر قواعد بيانات التغذية المستندة إلى الجمهور. تشمل أنواع الأخطاء ما يلي.

أخطاء إدخال البيانات. يقوم المستخدم بإدخال 52 جرامًا من البروتين بدلاً من 5.2 جرام. خطأ في النقطة العشرية يجعل حصة من الزبادي تبدو وكأنها تحتوي على بروتين مثل صدر دجاج كامل. هذه الأخطاء شائعة لأن إدخال البيانات يدويًا عرضة للأخطاء، ومعظم الأنظمة المستندة إلى الجمهور ليس لديها آلية لالتقاطها قبل أن تصبح الإدخالات متاحة.

إدخالات مكررة ومتضاربة. ابحث عن "موز" في قاعدة بيانات كبيرة مستندة إلى الجمهور وقد تجد ثلاثين إدخالًا بقيم سعرات حرارية مختلفة. بعضهم يسرد موزة صغيرة، وبعضهم موزة متوسطة، وبعضهم موزة كبيرة. بعضهم يتضمن وزن القشرة، وبعضهم لا يفعل. بعضهم دقيق، وبعضهم خاطئ بشكل كبير. يُترك المستخدم ليخمن أي إدخال صحيح، وليس لديه وسيلة موثوقة لتحديد ذلك.

معلومات المنتج القديمة. يقوم المستخدم بتقديم بيانات عن بار الجرانولا في عام 2022. تقوم الشركة المصنعة بإعادة صياغة المنتج في عام 2024، مما يقلل السكر ويزيد الألياف. تبقى الإدخال القديمة في قاعدة البيانات إلى أجل غير مسمى، مما يعيد قيمًا غير صحيحة لأي شخص يختارها.

تقدير بدلاً من القياس. بعض الإدخالات المقدمة من المستخدمين ليست مستندة إلى بيانات الملصق على الإطلاق، بل على تقدير المستخدم الشخصي لمحتوى الغذاء. يمكن أن تنحرف هذه الإدخالات عن القيم الفعلية بنسبة 50 بالمئة أو أكثر.

أحجام الحصص غير المتسقة. يستخدم إدخال واحد لـ "الأرز، مطبوخ" حصة 100 جرام. يستخدم آخر كوبًا واحدًا. يستخدم آخر "حصة واحدة" دون تحديد ما يعنيه ذلك. قد لا يلاحظ المستخدمون الذين يختارون بين هذه الإدخالات تباين حجم الحصة، مما يؤدي إلى أخطاء تتراكم عبر الوجبات.

تقبل Nutrola الإدخالات المقدمة من المستخدمين لأنها ضرورية لالتقاط التنوع الكامل للأطعمة التي يأكلها الناس، بما في ذلك الأطباق الإقليمية، والعناصر الخاصة بالمطاعم، والوصفات المنزلية التي لا توجد في أي قاعدة بيانات رسمية. ومع ذلك، فإن كل إدخال مقدم من المستخدم يدخل في عملية تحقق قبل أن يصبح متاحًا على نطاق واسع. يمكن استخدام الإدخال على الفور من قبل الشخص الذي أنشأه، ولكنه لا يظهر للمستخدمين الآخرين حتى يتم التحقق منه.

عملية التحقق

يمر كل إدخال غذائي في Nutrola، بغض النظر عن مصدره، عبر عملية تحقق متعددة المراحل قبل أن يصل إلى قاعدة البيانات العامة.

المرحلة 1: فحوصات جدوى آلية. يقوم خوارزمية بفحص القيم الغذائية المقدمة مقابل القيود المعروفة. يجب أن تكون السعرات الحرارية متسقة مع المغذيات الكبرى المعلنة (البروتينات، الكربوهيدرات، الدهون) ضمن حدود محددة. يوفر نظام Atwater عوامل التحويل: 4 سعرات حرارية لكل جرام من البروتين، 4 سعرات حرارية لكل جرام من الكربوهيدرات، 9 سعرات حرارية لكل جرام من الدهون، و7 سعرات حرارية لكل جرام من الكحول. إذا قدم المستخدم إدخالًا يدعي 200 سعرة حرارية، 30 جرامًا من البروتين، 20 جرامًا من الكربوهيدرات، و15 جرامًا من الدهون، فإن القيمة المحسوبة للسعرات الحرارية هي 335، وليس 200. يتم وضع علامة على الإدخال للمراجعة.

تتحقق هذه المرحلة أيضًا من القيم غير المعقولة ضمن فئات الطعام. يتم وضع علامة تلقائيًا على إدخال فاكهة يدعي 40 جرامًا من الدهون لكل حصة، أو إدخال خضار يدعي 60 جرامًا من البروتين لكل 100 جرام، أو أي إدخال حيث يتجاوز مغذٍ واحد الوزن الإجمالي للحصة. تلتقط هذه الفحوصات غالبية أخطاء إدخال البيانات، بما في ذلك أخطاء النقطة العشرية والتشويش في الوحدات.

المرحلة 2: المطابقة المرجعية. يقارن النظام الإدخال المقدم مع الإدخالات الموجودة لنفس الأطعمة أو الأطعمة المشابهة. إذا كانت قاعدة بيانات USDA تحتوي على إدخال مرجعي لـ "جبنة شيدر" وقام المستخدم بتقديم إدخال جبنة شيدر ماركة بقيم سعرات حرارية أقل بنسبة 40 بالمئة من المرجع، يتم وضع علامة على الإدخال للمراجعة اليدوية. من المتوقع حدوث انحرافات صغيرة لأن المنتجات المعبأة تختلف. تشير الانحرافات الكبيرة إلى أخطاء محتملة.

المرحلة 3: مراجعة أخصائي التغذية. يتم توجيه الإدخالات التي تمر عبر الفحوصات الآلية ولكن تقع ضمن فئات ذات أهمية عالية، مثل الأطعمة الأساسية، أو العناصر ذات حجم البحث العالي، أو الإدخالات ذات درجات جدوى حدودية، إلى قائمة مراجعة أخصائي التغذية. يقوم فريق Nutrola من أخصائيي التغذية المسجلين وعلماء الطعام بفحص هذه الإدخالات مقابل مصادر موثوقة، والتحقق من القيم مقابل مواقع الشركات المصنعة، وقواعد البيانات الحكومية من عدة دول، وجداول تركيب الطعام المنشورة.

المرحلة 4: توافق المجتمع. بالنسبة للإدخالات التي كانت في قاعدة البيانات لبعض الوقت، توفر أنماط الاستخدام إشارة جودة إضافية. إذا اختار العديد من المستخدمين إدخالًا ولم يبلغ أي منهم عن عدم دقته، فإن ذلك يعد إشارة إيجابية. إذا اختار المستخدمون إدخالًا بشكل متكرر ثم قاموا بتحرير القيم على الفور، فإن هذا النمط يشير إلى أن الإدخال الأصلي قد يحتوي على أخطاء. تغذي هذه الإشارات السلوكية مرة أخرى في عملية المراجعة، مما يبرز الإدخالات التي قد تكون مشكلة لإعادة الفحص.

عملية مراجعة أخصائي التغذية

تعد طبقة المراجعة البشرية هي ما يفصل قاعدة بيانات موثقة عن قاعدة بيانات مستندة إلى الجمهور. تلتقط الفحوصات الآلية الأخطاء الواضحة، لكن الدقة الدقيقة تتطلب حكمًا بشريًا.

يعمل فريق مراجعة أخصائيي التغذية في Nutrola على نظام يعتمد على الأولويات. يتم تحديد الأولويات لمراجعة الأطعمة بناءً على حجم البحث، واحتمالية الخطأ، والأهمية الغذائية. لا يترتب على خطأ في عدد السعرات الحرارية للماء (الذي يجب أن يكون صفرًا) أي عواقب عملية. لكن خطأ في عدد السعرات الحرارية لزيت الزيتون، أحد أكثر الأطعمة كثافة في السعرات الحرارية، قد يؤثر على إجمالي السعرات الحرارية اليومية للمستخدم بمئات السعرات.

تشمل عملية المراجعة لإدخال واحد تحديد المصدر الأكثر موثوقية (بيانات مختبر USDA للسلع الخام، بيانات الشركات المصنعة للمنتجات المعبأة، المعلومات الغذائية المنشورة للأطباق في المطاعم)، مقارنة جميع المغذيات المبلغ عنها مع ذلك المصدر، تقييم دقة حجم الحصة، والتحقق من بيانات البحث حتى يتمكن المستخدمون من العثور على الإدخال.

قد تتطلب إدخال معقد مثل طبق إقليمي تقليدي بدون وصفة موحدة 30 دقيقة أو أكثر من البحث. تأخذ التحقق من المنتجات المعبأة البسيطة أقل من دقيقة. يركز الفريق على الإدخالات ذات التأثير العالي، مما يركز وقت المراجعة حيث ينتج أكبر تحسين في دقة قاعدة البيانات العامة.

كيفية اكتشاف الأخطاء وتصحيحها

لا توجد قاعدة بيانات تحتوي على 12 مليون إدخال خالية من الأخطاء. الهدف ليس الكمال بل تقليل الأخطاء بشكل منهجي بمرور الوقت، بالإضافة إلى التصحيح السريع للأخطاء عند تحديدها.

تستخدم Nutrola عدة آليات لاكتشاف الأخطاء تعمل بالتوازي.

تقرير المستخدم. يتضمن كل إدخال غذائي في التطبيق خيار "الإبلاغ عن مشكلة". يمكن للمستخدمين الإبلاغ عن إدخالات تحتوي على سعرات حرارية غير صحيحة، أو مغذيات خاطئة، أو معلومات قديمة، أو أحجام حصص غير صحيحة، أو مشاكل أخرى. يتم تصنيف التقارير حسب الحجم والحدة. يدخل تقرير واحد عن إدخال ذو حجم منخفض إلى قائمة المراجعة القياسية. التقارير المتعددة عن إدخال ذو حجم كبير تؤدي إلى مراجعة فورية.

الكشف الآلي عن الشذوذ. تراقب النماذج الإحصائية قاعدة البيانات بحثًا عن إدخالات تنحرف بشكل كبير عن معايير فئة الطعام الخاصة بها. إذا كانت الكثافة السعرية المتوسطة لجميع إدخالات الجبنة في قاعدة البيانات هي 350 سعرة حرارية لكل 100 جرام، فإن إدخال لمنتج جبنة يدعي 35 سعرة حرارية لكل 100 جرام يتم وضع علامة عليه تلقائيًا. تعمل هذه النماذج باستمرار وتلتقط الأخطاء التي قد لا يلاحظها أو يبلغ عنها المستخدمون الأفراد.

التحقق من مسح الباركود. عندما يقوم المستخدمون بمسح باركود منتج، تتم مقارنة البيانات المسترجعة بأحدث بيانات الشركة المصنعة المتاحة. إذا كانت الشركة المصنعة قد قامت بتحديث معلوماتها الغذائية ولم يتم تحديث إدخال قاعدة البيانات بعد، فإن التباين يؤدي إلى بدء عملية تحديث.

المصالحة عبر قواعد البيانات. تقوم Nutrola بشكل دوري بمقارنة إدخالاتها مع الإصدارات المحدثة من قاعدة بيانات USDA، وقواعد بيانات تركيب الطعام الدولية، وتغذيات البيانات من الشركاء. يتم وضع علامة على الإدخالات التي انحرفت عن مصادرها المرجعية للمراجعة والتصحيح.

تدقيقات الاتساق الغذائي. تفحص التدقيقات الدورية عينات عشوائية ضمن كل فئة طعام، للتحقق من الاتساق الداخلي. وقد حددت هذه التدقيقات مجموعات من الأخطاء مثل دفعات من الإدخالات المستوردة حيث تم الخلط بين قيم الألياف والسكر بسبب أخطاء في تخطيط الأعمدة.

عند تأكيد خطأ، يتم تطبيق التصحيح على الفور وينتشر إلى جميع المستخدمين. يتلقى المستخدمون الذين قاموا بتسجيل الطعام المتأثر إشعارًا، مما يسمح لهم بمراجعة وتعديل سجلاتهم.

قواعد بيانات الطعام الإقليمية للمأكولات الدولية

قاعدة بيانات الطعام المبنية حصريًا على البيانات الأمريكية غير كافية لقاعدة مستخدمين عالمية. يحتاج مستخدم في اليابان يبحث عن "أونيغيري" إلى نتائج دقيقة. يحتاج مستخدم في الهند يبحث عن "دال ماخاني" إلى إدخال يعكس طرق التحضير الفعلية والمكونات المستخدمة في المطابخ الهندية، وليس تعديل مطعم أمريكي.

تدمج Nutrola بيانات تركيب الطعام من قواعد بيانات حكومية في أكثر من 30 دولة ومنطقة.

أوروبا: تنسق شبكة EuroFIR البيانات عبر الدول الأوروبية. توفر قواعد البيانات الوطنية من المملكة المتحدة (McCance وWiddowson's)، ألمانيا (Bundeslebensmittelschluessel)، وفرنسا (CIQUAL) إدخالات للأطعمة الإقليمية والمنتجات المحلية المعبأة.

شرق آسيا: تساهم جداول تركيب الطعام القياسية في اليابان، وقاعدة بيانات تركيب الطعام الوطنية في كوريا الجنوبية، وجداول تركيب الطعام في الصين بآلاف الإدخالات للأطعمة الخاصة بالمنطقة، بما في ذلك المتغيرات الخاصة بالتحضير. الفرق بين الأرز المطبوخ والأرز المقلي، وبين التوفو النيء والتوفو المقلي، ليس تافهًا، وتلتقط هذه القواعد تلك الفروق.

جنوب آسيا: يوفر المعهد الوطني للتغذية في الهند بيانات للأطعمة الفريدة في شبه القارة، بما في ذلك الحبوب الإقليمية، وتحضيرات البقوليات، ومنتجات الألبان مثل الجبنة والدهون التي لها ملفات غذائية مميزة عن نظيراتها الغربية.

أمريكا اللاتينية والشرق الأوسط/أفريقيا: تساهم جداول تركيب الطعام من البرازيل (TACO)، والمكسيك (BDCA)، وقواعد البيانات الإقليمية عبر الشرق الأوسط وأفريقيا ببيانات للمواد الأساسية مثل التيف، والإينجيرا، والأطباق المعتمدة على الطحينة، والتحضيرات الإقليمية الغائبة عن قواعد البيانات في أمريكا الشمالية.

إن دمج هذه المصادر ليس مجرد استيراد بيانات بسيطة. تستخدم الدول طرق تحليل مختلفة، وتعريفات مغذيات، وعادات تقديم مختلفة. "الكوب" هو 240 مل في الولايات المتحدة، و200 مل في اليابان، و250 مل في أستراليا. تحافظ فريق هندسة البيانات في Nutrola على طبقة تطبيع تحول جميع البيانات الدولية الواردة إلى معيار متسق: وحدات متري، تعريفات مغذيات موحدة، ورموز تصنيف غذائي موحدة.

مقارنة مصادر قاعدة البيانات

تلخص الجدول التالي خصائص كل مصدر بيانات رئيسي يساهم في قاعدة بيانات الطعام في Nutrola.

المصدر	الإدخالات	الدقة	التغطية	تكرار التحديث	القيود
USDA FoodData Central	~400,000	عالية جدًا (محللة مختبريًا)	قوية للسلع الخام والأطعمة المعبأة الأمريكية	إصدارات رئيسية سنوية، تحديثات مستمرة	أطعمة دولية محدودة، عناصر مطاعم محدودة
ملصقات الشركات المصنعة	~1,500,000	عالية (منظمة، خاضعة لتدقيق FDA)	ممتازة للسلع المعبأة	تختلف حسب الشركة المصنعة؛ تحديث ربع سنوي في Nutrola	تغطي فقط المنتجات المعبأة، يسمح بفارق 20% من FDA
قواعد البيانات الحكومية الدولية	~2,000,000	عالية (محللة مختبريًا، تختلف حسب البلد)	ممتازة للأطعمة الإقليمية	سنوية أو أقل تكرارًا	معايير غير متسقة عبر الدول، بعض البيانات قديمة
بيانات مستندة إلى الجمهور (مقدمة من المستخدمين)	~6,000,000	متغيرة (معدل خطأ 15-25% قبل التحقق)	أوسع تغطية تشمل العناصر المتخصصة	مستمرة	تتطلب عملية تحقق؛ البيانات الخام غير موثوقة
موثقة من أخصائي التغذية	~2,100,000	عالية جدًا (مراجعة بشرية، مرجعية)	محددة حسب حجم البحث	مراجعة مستمرة حسب الأولوية	تتطلب موارد، لا يمكن تغطية كل إدخال

هذه المصادر ليست متبادلة. قد يحتوي عنصر غذائي واحد على بيانات من مصادر متعددة. عندما توجد تعارضات، فإن تسلسل الحل هو: بيانات مختبر USDA أو بيانات مختبر حكومي مكافئ أولاً، بيانات الشركات المصنعة ثانياً، بيانات موثقة من أخصائي التغذية ثالثاً، وبيانات مستندة إلى الجمهور الموثقة رابعاً. يضمن هذا التسلسل أن البيانات الأكثر تحققًا دائمًا تأخذ الأولوية.

لماذا تهم الدقة أكثر من الحجم

تعلن بعض التطبيقات المنافسة عن أحجام قواعد بيانات تصل إلى 15، 20، أو حتى 30 مليون إدخال. الحجم دون جودة لا معنى له ويمكن أن يكون ضارًا بشكل فعال.

قاعدة بيانات تحتوي على 30 مليون إدخال ومعدل خطأ 20 بالمئة تحتوي على 6 مليون إدخال خاطئ. إذا قام مستخدم بتسجيل أحد تلك الإدخالات، فإنه الآن يتتبع بيانات غير دقيقة مع ثقة كاملة في صحتها. تتراكم الأخطاء: إذا كانت إدخال الإفطار المفضل لديك تبالغ في البروتين بمقدار 10 جرامات وأنت تأكله خمس مرات في الأسبوع، فإنك تعتقد أنك قد استهلكت 200 جرامًا من البروتين أكثر مما فعلت فعليًا. إذا قمت بتقليل البروتين في أماكن أخرى بناءً على تلك البيانات، فإن الآثار السلبية تكون حقيقية.

لهذا السبب تعطي Nutrola الأولوية لعدد الإدخالات الموثقة على عدد الإدخالات الخام. الإدخال الذي لا يوجد هو محايد. الإدخال الذي يوجد ولكنه خاطئ هو ضار بشكل نشط.

كيف تنمو قاعدة البيانات

قاعدة البيانات ليست ثابتة. تنمو باستمرار من خلال قنوات متعددة. تراقب الأنظمة الآلية طلبات مسح الباركود، وتحدد المنتجات التي يبحث عنها المستخدمون ولكنها غير موجودة بعد، وتحدد العناصر ذات الطلب العالي للإضافة. تضيف المساهمات من المستخدمين الأطباق الإقليمية، وعناصر المطاعم، والوصفات المنزلية التي لا تغطيها أي قاعدة بيانات رسمية. تضمن شراكات الشركات المصنعة أنه عندما تطلق سلسلة كبيرة عنصر قائمة جديد، تتوفر البيانات الغذائية في يوم الإطلاق. وتُدرج إصدارات USDA وقواعد البيانات الدولية بشكل دوري عند توفرها.

الأسئلة الشائعة

ما مدى دقة قاعدة بيانات الطعام في Nutrola مقارنة بالتطبيقات الأخرى؟

تحتوي الإدخالات الموثقة في Nutrola على متوسط دقة ضمن 5 بالمئة من القيم المقاسة مختبريًا للمغذيات الكبرى، بناءً على تدقيقات داخلية تقارن الإدخالات ضد بيانات تحليلية مستقلة. تظهر قواعد البيانات المستندة إلى الجمهور غير الموثقة عادةً معدلات خطأ تتراوح بين 15 إلى 25 بالمئة. تأتي الفروق من عملية التحقق التي يجب أن تمر بها كل إدخال قبل أن تصبح متاحة على نطاق واسع.

ماذا يحدث عندما أقوم بمسح باركود ولا يتم العثور على المنتج؟

يطلب منك التطبيق إدخال المعلومات الغذائية من الملصق. يصبح إدخالك متاحًا على الفور لاستخدامك الخاص، ثم يدخل في عملية التحقق قبل أن يظهر للمستخدمين الآخرين. تُعطى الأولوية للمنتجات ذات الطلب العالي للتحقق السريع.

كم مرة يتم تحديث قاعدة البيانات؟

بشكل مستمر. تتم معالجة الإدخالات المقدمة من المستخدمين يوميًا. يتم تحديث بيانات المنتجات المعبأة ربع سنويًا للمنتجات ذات الحجم الكبير. يتم دمج إصدارات USDA والدولية في غضون أسبوعين من النشر. عادةً ما يتم تطبيق تصحيحات الأخطاء في غضون 24 إلى 48 ساعة من التأكيد.

هل يمكنني الوثوق بعدد السعرات الحرارية للوجبات في المطاعم؟

بالنسبة للسلاسل الكبيرة التي تنشر بيانات غذائية رسمية، يتم الحصول على الإدخالات مباشرة وهي دقيقة مثل قياسات السلسلة نفسها. بالنسبة للمطاعم المستقلة، تكون الإدخالات تقديرات قائمة على الوصفات مع هامش أكبر من عدم اليقين. تضع Nutrola علامة على إدخالات المطاعم مع مؤشر ثقة حتى تتمكن من رؤية ما إذا كانت البيانات تأتي من مصدر رسمي أو تقدير.

لماذا تظهر Nutrola أحيانًا قيمًا مختلفة عن الملصق على طعامي؟

ثلاثة أسباب شائعة: قد تكون الشركة المصنعة قد أعادت صياغة المنتج، قد تختلف تعريفات أحجام الحصص، أو قد تخلق قواعد تقريب حقائق التغذية تباينات صغيرة (عادةً ضمن 5 إلى 10 سعرات حرارية). يؤدي الإبلاغ عن تباين من خلال التطبيق إلى بدء تحديث.

كيف تتعامل Nutrola مع الوصفات المنزلية؟

يمكنك بناء إدخالات وصفات مخصصة عن طريق دمج إدخالات المكونات الفردية من قاعدة البيانات الموثقة، مع تعديلها حسب الحصص. نظرًا لأن إدخالات المكونات موثقة، فإن المصدر الرئيسي للخطأ هو قياس الحصص بدلاً من بيانات خاطئة.

ما الذي يجعل قاعدة بيانات Nutrola مختلفة عن البدائل مفتوحة المصدر؟

توفر قواعد البيانات مفتوحة المصدر مثل Open Food Facts بيانات قيمة ولكنها تعمل بدون تحقق منهجي. يتم تقديم الإدخالات من قبل المتطوعين ونشرها دون فحوصات جدوى أو مراجعة من أخصائي التغذية. تستخدم Nutrola البيانات مفتوحة المصدر كمدخل واحد من بين العديد، خاضعة لجميع الإدخالات المستوردة لنفس عملية التحقق مثل أي مصدر آخر.

العمل المستمر

إن بناء قاعدة بيانات الطعام ليس مشروعًا له خط نهاية. تتغير الأطعمة. تُطلق منتجات جديدة. يتم إعادة صياغة المنتجات القديمة أو إيقافها. تتحسن طرق التحليل.

لن تكون الإدخالات الـ 12 مليون الموجودة في قاعدة بيانات Nutrola اليوم هي نفس الإدخالات بعد عام من الآن. سيتم تحديث بعضها، وإزالة البعض الآخر، وإضافة مئات الآلاف من الإدخالات الجديدة. ستلتقط عملية التحقق الأخطاء التي تسللت عبر النسخ السابقة. سيزيد فريق مراجعة أخصائي التغذية باستمرار من نسبة الإدخالات التي تحمل ثقة موثقة بشرية.

لا يقوم أحد بتنزيل تطبيق لتتبع السعرات الحرارية لأنه متحمس لبيانات تركيب الطعام. لكن كل عدد دقيق من السعرات الحرارية، وكل توزيع موثوق للمغذيات، وكل إجمالي يومي موثوق يعتمد على عمل هذه البنية التحتية بشكل صحيح، بشكل غير مرئي، خلف كل نتيجة بحث. عندما تسجل غداءك وتكون الأرقام صحيحة، فإن ذلك ليس مصادفة. إنه نتيجة نظام تم بناؤه خصيصًا للتأكد من أنها صحيحة.