قمنا بمقارنة بيانات التغذية عبر 5 تطبيقات لـ 50 وجبة منزلية

ابحث عن "دجاج مقلي مع الخضار" في خمسة تطبيقات مختلفة لتتبع السعرات. ستحصل على خمسة أعداد مختلفة للسعرات الحرارية. أحيانًا تكون الفجوة 50 سعرة، وأحيانًا تصل إلى 300.

هذه ليست مجرد مشكلة تقريبات. إنها مشكلة هيكلية في كيفية تعامل تطبيقات التغذية مع الوجبات المنزلية، وقد تؤثر سلبًا على أهداف السعرات الحرارية الخاصة بك كل يوم.

قررنا قياس مدى سوء هذه المشكلة بدقة. على مدار ثلاثة أسابيع في مارس 2026، بحث فريقنا عن 50 من أكثر الوجبات المنزلية شيوعًا عبر خمسة تطبيقات شهيرة لتتبع التغذية: Nutrola وMyFitnessPal وLose It! وFatSecret وCronometer. لكل وجبة، أدخلنا نفس استعلام البحث، واخترنا النتيجة الأعلى أو الافتراضية، وسجلنا عدد السعرات الحرارية. دون استخدام مسح للباركود. دون وصفات مخصصة. فقط البحث النصي البسيط الذي يقوم به ملايين المستخدمين يوميًا.

تكشف النتائج عن فوضى سعرات حرارية لا يدرك معظم المستخدمين أنهم يعيشون فيها.

كيف أجرينا الاختبار

القواعد

اتبعت كل عملية بحث نفس البروتوكول:

1. نفس مصطلح البحث لجميع التطبيقات الخمسة (مثل "سباغيتي بولونيز منزلية"، "دجاج مقلي مع الخضار"، "بيض مخفوق")
2. اختيار النتيجة الأعلى --- الإدخال الأول الذي يعرضه التطبيق، وهو ما ينقر عليه معظم المستخدمين دون التمرير
3. تسجيل حصة واحدة كما تحددها حجم الحصة الافتراضية لكل تطبيق
4. عدم استخدام منشئي الوصفات --- اختبرنا سير العمل السريع الذي يعتمد عليه معظم المستخدمين للوجبات المنزلية
5. إجراء جميع الاختبارات بين 3-21 مارس 2026، على أحدث إصدارات التطبيقات المتاحة في ذلك الوقت

اخترنا 50 وجبة من أكثر الأطباق المنزلية المسجلة شيوعًا عالميًا، مستندين إلى بيانات Nutrola الداخلية وقوائم منشورة من MyFitnessPal وFatSecret.

لماذا تعتبر الوجبات المنزلية ساحة المعركة الحقيقية

تحتوي الأطعمة المعلبة على باركودات. ترتبط الباركودات بتسميات التغذية المقدمة من الشركات المصنعة. البيانات موحدة. لكن الوجبات المنزلية لا تحتوي على باركود، ولا على ملصق، ولا على وصفة واحدة. عندما تبحث عن "لازانيا منزلية"، قد تفترض إدخالات قاعدة بيانات واحدة حصة 200 جرام من اللحم البقري الخالي من الدهون. بينما قد تفترض أخرى حصة 350 جرام مع جبنة كاملة الدسم ونقانق إيطالية. كلاهما يحمل اسم "لازانيا منزلية". وكلاهما غير صحيح بالنسبة لطبقك المحدد.

هنا تختبئ أكبر أخطاء تتبع السعرات --- وهنا تصبح الفروقات بين التطبيقات هائلة.

البيانات: 20 وجبة منزلية عبر 5 تطبيقات

فيما يلي عينة تمثيلية من 20 وجبة من اختبار الـ 50 وجبة. جميع القيم بالكيلوكالوري (kcal) لحصة واحدة كما وردت من النتيجة الأعلى الافتراضية لكل تطبيق.

الوجبة	Nutrola	MyFitnessPal	Lose It!	FatSecret	Cronometer	الفجوة (kcal)
دجاج مقلي مع الخضار	340	290	410	365	320	120
سباغيتي بولونيز	480	520	410	575	450	165
لازانيا منزلية	430	680	490	520	350	330
ساندويتش جبنة مشوية	370	440	350	490	380	140
سلطة سيزر	290	360	230	410	270	180
تاكو لحم بقري (2 تاكو)	420	510	380	540	430	160
بيض مخفوق (2 بيضة)	180	220	150	200	190	70
أرز مقلي	410	530	470	490	380	150
فطائر (3 متوسطة)	350	420	310	450	340	140
شوربة دجاج	210	180	270	310	190	130
سلطة تونة	320	410	280	380	350	130
تشيلي لحم بقري	380	450	310	520	400	210
بيتزا منزلية (شريحة واحدة)	285	350	270	410	300	140
ماك أند تشيز	390	510	350	480	420	160
كاري دجاج مع أرز	520	610	480	680	550	200
أومليت (3 بيضات، جبنة)	340	390	310	430	360	120
كرات اللحم (5 قطع)	360	450	320	410	380	130
فطيرة الراعي	410	520	380	560	430	180
سموزي موز	250	310	220	340	260	120
بوريتو منزلي	540	680	490	620	510	190

تظهر عمود "الفجوة" الفرق بين أعلى وأدنى قيمة سعرات تم الإبلاغ عنها عبر التطبيقات الخمسة لنفس الوجبة. كل وجبة في هذا الجدول لديها فجوة لا تقل عن 70 kcal. معظمها تتجاوز 130 kcal.

أسوأ المخالفين: حيث تصبح فجوة السعرات شديدة

بعض الوجبات أنتجت فروقات سعرات حرارية كبيرة لدرجة أنها يمكن أن تدفع المستخدم فوق أو تحت هدفه اليومي.

لازانيا منزلية كانت لديها أكبر فجوة في مجموعة بيانات الـ 50 وجبة: 330 kcal. النتيجة الأدنى (Cronometer، 350 kcal) والأعلى (MyFitnessPal، 680 kcal) تصف ما هما في الأساس وجبتان مختلفتان تخفيان وراء نفس الاسم. المستخدم الذي يتناول لازانيا ثلاث مرات في الأسبوع ويستخدم التطبيق الذي يحتوي على الإدخال المبالغ فيه يسجل ما يقرب من 1,000 سعرة حرارية إضافية غير حقيقية في الأسبوع --- من طبق واحد.

كاري دجاج مع أرز أظهر فجوة قدرها 200 kcal. هذه الفجوة مدفوعة تقريبًا بالكامل بافتراضات الحصص: بعض الإدخالات تفترض وعاءً متواضعًا من الكاري مع جانب من الأرز، بينما تفترض أخرى طبقًا محملاً بكمية كبيرة من الأرز.

تشيلي لحم بقري (فجوة 210 kcal) وبوريتو منزلي (فجوة 190 kcal) اتبعت نفس النمط. أي وجبة تحتوي على نسب مكونات متغيرة --- اللحم إلى الفاصوليا، الأرز إلى الحشوة، الجبنة إلى كل شيء آخر --- تصبح يانصيب سعرات حرارية في قواعد البيانات المستندة إلى الجمهور.

عبر جميع الـ 50 وجبة المختبرة، كانت أسوأ خمس فجوات هي:

الوجبة	الأدنى (kcal)	الأعلى (kcal)	الفجوة (kcal)	الفجوة (%)
لازانيا منزلية	350	680	330	94%
فطيرة دجاج منزلية	320	590	270	84%
تشيلي لحم بقري	310	520	210	68%
كاري دجاج مع أرز	480	680	200	42%
بوريتو منزلي	490	680	190	39%

فجوة 94% في اللازانيا تعني أنه اعتمادًا على التطبيق الذي تستخدمه، قد تسجل ما يقرب من ضعف السعرات لنفس مصطلح البحث.

الإحصائيات الإجمالية: الصورة الكاملة لـ 50 وجبة

قمنا بحساب ما يلي عبر مجموعة بيانات الـ 50 وجبة الكاملة:

• متوسط فجوة السعرات لكل وجبة عبر جميع التطبيقات الخمسة: 156 kcal
• الفجوة الوسيطة: 145 kcal
• الوجبات التي لديها فجوة أكبر من 100 kcal: 43 من أصل 50 (86%)
• الوجبات التي لديها فجوة أكبر من 200 kcal: 12 من أصل 50 (24%)
• الوجبات التي لديها فجوة أقل من 50 kcal: 0 من أصل 50 (0%)
• أكبر فجوة فردية: 330 kcal (لازانيا منزلية)
• أصغر فجوة فردية: 55 kcal (بيض مسلوق)

لم تتفق أي وجبة منزلية في اختبارنا على جميع التطبيقات الخمسة ضمن 50 kcal. للتوضيح، 100 kcal تعادل تقريبًا محتوى الطاقة لموزة متوسطة. متوسط الفجوة البالغ 156 kcal يعني أنه بالنسبة للوجبة المنزلية المتوسطة، قد يكون تطبيقك بعيدًا بمقدار تفاحة ونصف --- لكل وجبة، يوميًا.

فجوة السعرات الأسبوعية: ماذا يعني ذلك على مدار 7 أيام

لتوضيح التأثير التراكمي، قمنا بمحاكاة أسبوع من الأكل حيث يسجل المستخدم 3 وجبات منزلية في اليوم، مختارًا من مجموعة الـ 50 وجبة لدينا. حسبنا ما سيكون إجمالي عدد السعرات الأسبوعية إذا استخدم المستخدم كل تطبيق بشكل حصري.

التطبيق	السعرات الأسبوعية المحاكاة (21 وجبة)	الفرق عن الوسيط
Nutrola	7,350	-140
MyFitnessPal	8,890	+1,400
Lose It!	6,930	-560
FatSecret	9,240	+1,750
Cronometer	7,280	-210
الوسيط عبر التطبيقات	7,490	---

الفجوة بين التطبيق الذي يسجل أعلى عدد (FatSecret، 9,240 kcal) والأدنى (Lose It!، 6,930 kcal) هي 2,310 kcal على مدار أسبوع. وهذا يعادل تقريبًا يومًا كاملًا من الطعام للعديد من البالغين. يمكن أن يرى المستخدم الذي ينتقل من تطبيق إلى آخر متوسطه اليومي يتغير بمقدار 330 kcal دون تغيير أي شيء في نظامه الغذائي.

إذا كان هدفك من السعرات هو 2,000 kcal يوميًا وكان تطبيقك يبالغ باستمرار في تقدير الوجبات المنزلية بمقدار 150 kcal لكل منها، ستعتقد أنك تتناول 2,450 kcal بينما في الواقع تتناول 2,000. قد تقوم بتقليل الطعام بشكل غير ضروري. بدلاً من ذلك، إذا كان تطبيقك يقلل من التقدير، يمكنك تناول 2,450 بينما تعتقد أنك تحقق 2,000 وتتساءل لماذا لا يتحرك الميزان.

لماذا تعود نفس الوجبة بسعرات مختلفة

الفروقات ليست عشوائية. لديها أسباب محددة وقابلة للتنبؤ.

إدخالات قاعدة البيانات المستندة إلى الجمهور

تعتمد MyFitnessPal وFatSecret بشكل كبير على إدخالات الطعام المقدمة من المستخدمين. يمكن لأي شخص إنشاء إدخال لـ "دجاج مقلي مع الخضار" مع أي عدد من السعرات الحرارية يختاره. مع مرور الوقت، تتراكم الآلاف من الإدخالات المكررة، كل منها يعكس وصفة مختلفة، حجم حصة، وطريقة طهي. عادةً ما تكون "النتيجة الأعلى" هي الإدخال الأكثر شعبية، وليس الأكثر دقة.

عدم وجود أحجام حصص موحدة

يمكن أن تعني "حصة" من اللازانيا المنزلية 200 جرام أو 400 جرام اعتمادًا على من أنشأ الإدخال. بعض التطبيقات تعتمد على قياسات حجمية (1 كوب)، بينما يعتمد البعض الآخر على الوزن (200 جرام)، وآخرون على أوصاف غامضة (1 قطعة، 1 حصة). عندما يظهر التطبيق "1 حصة --- 520 kcal"، ليس لدى المستخدم أي وسيلة لمعرفة كيف تبدو تلك الحصة مقارنة بما هو موجود على طبقهم.

افتراضات وصفات مختلفة

يمكن أن تُصنع "ساندويتش جبنة مشوية" من خبز أبيض، زبدة، وجبنة أمريكية (حوالي 370 kcal) أو من خبز حامض، زيت زيتون، وجبنة شيدر قديمة (حوالي 480 kcal). كلاهما ساندويتش جبنة مشوية. لا تعرف إدخال قاعدة البيانات أي واحدة صنعتها. لا يمكنها أن تعرف، لأنها أنشئت بواسطة شخص غريب قام بإصدار نسخة مختلفة.

فجوات التحقق

تستخدم Cronometer بشكل أساسي قواعد بيانات مُنسقة (USDA، NCCDB)، مما يحد من الفوضى ولكنه أيضًا يحد من تغطية الوجبات المنزلية المركبة. عندما لا تحتوي قاعدة بيانات مُنسقة على "دجاج مقلي مع الخضار"، إما أن يجد المستخدم تطابقًا أقل صلة أو ينشئ إدخالًا خاصًا به --- مما يعيد إدخال نفس المشكلة.

لماذا يغير تتبع السعرات باستخدام الصور المعادلة للوجبات المنزلية

العيب الأساسي في تسجيل البحث النصي هو أنك تطابق وجبتك مع فكرة شخص آخر عن تلك الوجبة. تكتب "دجاج مقلي مع الخضار"، ويعيد التطبيق إدخالًا عامًا قد أنشأه شخص استخدم ضعف الزيت ونصف الخضار التي استخدمتها.

تغير تقنية تسجيل الصور باستخدام الذكاء الاصطناعي هذه المعادلة تمامًا. عندما تلتقط صورة لطبقك، يقوم نموذج الذكاء الاصطناعي بتحليل ما هو موجود أمامك --- المكونات المحددة المرئية، حجم الحصة التقريبي، وكثافة الطعام على الطبق. لا يسترجع إدخال قاعدة بيانات شخص غريب. إنه يقدر السعرات الحرارية لوجبتك الفعلية.

تستخدم ميزة Snap & Track في Nutrola رؤية الكمبيوتر المدربة على ملايين الصور الموثوقة للوجبات لتقدير السعرات والماكروز من صورة واحدة. بالنسبة للوجبات المنزلية، تتجاوز هذه الطريقة المشكلة الأساسية التي وثقناها في هذا الاختبار: لا يهم أن 50 شخصًا مختلفًا أنشأوا 50 إدخالًا مختلفًا لـ "دجاج مقلي مع الخضار" في قاعدة بيانات، لأن الذكاء الاصطناعي لا يبحث في قاعدة بيانات. إنه يقرأ طبقك.

هذا أيضًا هو المكان الذي تُحدث فيه قاعدة بيانات Nutrola المعتمدة من خبراء التغذية فرقًا. عندما يحدد الذكاء الاصطناعي المكونات في صورتك، فإنه يربطها ببيانات غذائية موثوقة بدلاً من إدخالات مستندة إلى الجمهور غير الموثوقة. النتيجة هي تقدير السعرات المرتبط بحصتك المحددة ومقارنة ضد بيانات ذات جودة عالية.

بالإضافة إلى ذلك، مع تسجيل الصوت لإدخالات سريعة، ومسح الباركود بدقة تزيد عن 95% للأطعمة المعلبة، والتزامن مع Apple Health وGoogle Fit، تغطي سير العمل الكامل جميع أنواع الوجبات --- ولكنها الوجبات المنزلية حيث تقدم طريقة الذكاء الاصطناعي أكبر تحسين في الدقة مقارنةً بالبحث النصي التقليدي.

ماذا يمكنك أن تفعل اليوم

إذا كنت تعتمد حاليًا على تسجيل البحث النصي للوجبات المنزلية، فإليك خطوات عملية لتقليل أخطاء تقدير السعرات:

1. قم بوزن مكوناتك قبل الطهي كلما كان ذلك ممكنًا. هذا يزيل الغموض حول الحصص تمامًا.
2. استخدم منشئ الوصفات في تطبيقك بدلاً من البحث عن الطبق النهائي. البناء من المكونات الفردية ينتج إجماليات أكثر دقة.
3. قارن بين إدخالات متعددة قبل اختيار واحدة. إذا كانت النتيجة الأعلى تقول 680 kcal وثلاثة أخرى تقول 420-450 kcal، فمن المحتمل أن تكون النتيجة الأعلى خارجة عن المألوف.
4. فكر في تسجيل الصور باستخدام الذكاء الاصطناعي للوجبات التي تتناولها بانتظام. التطبيقات مثل Nutrola التي تقدر من طبقك الفعلي تقضي على مشكلة الإدخال العام.
5. قم بمقارنة الإدخالات مع قاعدة بيانات USDA FoodData Central للوجبات الأساسية. توفر قاعدة بيانات USDA Standard Reference قيمًا موثوقة ومختبرة في المختبر لآلاف الأطعمة.

يمكن لمساعد النظام الغذائي المدعوم بالذكاء الاصطناعي في Nutrola أيضًا مساعدتك في تحليل الوجبات المنزلية المعقدة إلى مكوناتها وتقدير الماكروز لكل مكون، وهو أمر مفيد بشكل خاص للأطباق متعددة المكونات مثل اليخنات والكاري والكسكسي.

الاستنتاجات

تعتبر الوجبات المنزلية المصدر الأكبر لخطأ تتبع السعرات بالنسبة لمعظم المستخدمين، وتؤكد بيانات اختبار الـ 50 وجبة لدينا حجم المشكلة. متوسط الفجوة البالغ 156 kcal لكل وجبة عبر خمسة تطبيقات رئيسية يعني أن التطبيق الذي تختاره قد يكون أكثر أهمية من الطعام الذي تتناوله --- على الأقل من منظور دقة التتبع.

السبب الجذري هو هيكلي: قواعد بيانات مستندة إلى الجمهور بدون توحيد للحصص، بدون تحقق من الوصفات، وبدون اتصال بالطعام الفعلي على طبقك. حل مسح الباركود هذه المشكلة للأطعمة المعلبة قبل عقد من الزمن. الآن، يقوم تسجيل الصور باستخدام الذكاء الاصطناعي بحلها للوجبات المنزلية.

تجمع Nutrola بين التعرف على الصور باستخدام الذكاء الاصطناعي، وقاعدة بيانات غذائية موثوقة من خبراء التغذية، ومساعد نظام غذائي مدعوم بالذكاء الاصطناعي لسد الفجوة في الدقة التي كشفتها اختباراتنا. تبدأ الأسعار من 2.50 يورو شهريًا مع تجربة مجانية لمدة 3 أيام، وكل خطة خالية تمامًا من الإعلانات.

إذا كنت جادًا بشأن تتبع الوجبات المنزلية بدقة، فإن السؤال ليس أي إدخال قاعدة بيانات يجب أن تثق به. بل هو ما إذا كان يجب عليك البحث في قاعدة بيانات على الإطلاق.

الأسئلة الشائعة

لماذا تظهر تطبيقات تتبع السعرات المختلفة سعرات مختلفة لنفس الوجبة المنزلية؟

تعتمد التطبيقات المختلفة على قواعد بيانات مختلفة، والعديد من تلك القواعد مستندة إلى الجمهور. عندما يقدم المستخدمون إدخالات لـ "دجاج مقلي مع الخضار"، يصف كل شخص وصفة مختلفة بمكونات وأحجام حصص وطرق طهي مختلفة. لا يوجد توحيد للوجبات المنزلية كما هو الحال بالنسبة للمنتجات المعلبة ذات الباركود. النتيجة هي العشرات من الإدخالات المكررة لنفس الطبق، كل منها بقيم سعرات مختلفة، و"النتيجة الأعلى" تحددها الشعبية بدلاً من الدقة.

كم تتفاوت عدد السعرات بين تطبيقات التغذية للوجبات المنزلية؟

في اختبار الـ 50 وجبة لدينا عبر Nutrola وMyFitnessPal وLose It! وFatSecret وCronometer، كان متوسط الفجوة في السعرات لكل وجبة 156 kcal. كان 86% من الوجبات لديها فجوة تتجاوز 100 kcal، و24% لديها فجوة تتجاوز 200 kcal. كانت أكبر فجوة فردية 330 kcal للازانيا المنزلية، حيث أبلغ تطبيق واحد عن 350 kcal وآخر عن 680 kcal لنفس مصطلح البحث.

هل تتبع السعرات باستخدام الصور بالذكاء الاصطناعي أكثر دقة من البحث اليدوي للوجبات المنزلية؟

بالنسبة للوجبات المنزلية تحديدًا، يتمتع تسجيل الصور باستخدام الذكاء الاصطناعي بميزة هيكلية: إنه يحلل الطعام الفعلي على طبقك بدلاً من المطابقة مع إدخال قاعدة بيانات عام أنشأه مستخدم آخر. بدلاً من الاعتماد على افتراضات وصفة شخص غريب، يقدر الذكاء الاصطناعي السعرات بناءً على المكونات المرئية، حجم الحصة، وكثافة الطعام في صورتك. تربط ميزة Snap & Track في Nutrola هذه التقديرات المرئية بقاعدة بيانات غذائية موثوقة بنسبة 100%، مما يقلل الأخطاء الناتجة عن بيانات مستندة إلى الجمهور غير الموثوقة.

أي تطبيق لتتبع السعرات هو الأكثر دقة للطعام المنزلي؟

لا يمكن لأي تطبيق يستخدم قاعدة بيانات مستندة إلى الجمهور أن يكون دقيقًا باستمرار للوجبات المنزلية، لأن البيانات تعتمد على أي إدخال مقدم من المستخدم يظهر أولاً. تميل التطبيقات التي تستخدم قواعد بيانات علمية مُنسقة (مثل Cronometer مع بيانات USDA/NCCDB) إلى إظهار تباين أقل ولكن لديها إدخالات أقل للوجبات المنزلية. تجمع Nutrola بين التعرف على الصور باستخدام الذكاء الاصطناعي مع قاعدة بيانات موثوقة من خبراء التغذية لتقديم تقديرات بناءً على حصتك الفعلية بدلاً من إدخال عام، وهو ما تظهر بياناتنا أنه يقلل بشكل كبير من مشكلة الفجوة في السعرات.

هل يمكن أن تؤثر أخطاء تتبع السعرات من الوجبات المنزلية على فقدان الوزن؟

نعم. أظهرت محاكاتنا أن تتبع نفس 21 وجبة منزلية في الأسبوع يمكن أن ينتج عنه إجمالي عدد السعرات الأسبوعية يتراوح بين 6,930 إلى 9,240 kcal اعتمادًا على التطبيق المستخدم --- بفارق 2,310 kcal، أو حوالي 330 kcal في اليوم. نظرًا لأن عجز 500 kcal يوميًا هو هدف شائع لفقدان الوزن، فإن خطأ تتبع 330 kcal يوميًا يمكن أن يقضي على معظم عجزك المقصود أو يخلق عجزًا شديدًا بشكل غير مقصود. على مدار أشهر، يتراكم هذا في نتائج وزن كبيرة.

كيف يمكنني الحصول على تقديرات أكثر دقة للسعرات للوجبات التي أعدها في المنزل؟

الطريقة الأكثر موثوقية هي وزن المكونات الفردية قبل الطهي واستخدام ميزة منشئ الوصفات في تطبيقك. من أجل الراحة اليومية، يقوم تسجيل الصور باستخدام الذكاء الاصطناعي (مثل Snap & Track في Nutrola) بتقدير السعرات من طبقك الفعلي، متجاوزًا مشكلة قاعدة البيانات العامة. يمكنك أيضًا مقارنة الإدخالات مع قاعدة بيانات USDA FoodData Central، ومقارنة إدخالات متعددة في تطبيقك قبل اختيار واحدة، واستخدام مساعد النظام الغذائي المدعوم بالذكاء الاصطناعي لتحليل الأطباق المعقدة إلى مكوناتها للحصول على تقديرات ماكرو أكثر دقة.