لماذا تختلف حسابات السعرات الحرارية في كل تطبيق؟

لا يوجد قاعدة بيانات غذائية عالمية. هذه الحقيقة وحدها تفسر لماذا تختلف حسابات السعرات الحرارية في كل تطبيق تستخدمه. كل تطبيق لتتبع السعرات الحرارية يجمع مجموعة بياناته الغذائية الخاصة من مزيج من قواعد البيانات الحكومية، وملصقات الشركات المصنعة، وقواعد بيانات التغذية الأكاديمية، ومساهمات المستخدمين. لا تستخدم أي تطبيقين نفس مجموعة المصادر، أو نفس جداول التحديث، أو نفس عمليات مراقبة الجودة.

النتيجة هي نظام متقطع حيث يمكن أن تكون نفس الموزة 89 سعرة حرارية في تطبيق، و96 في آخر، و105 في ثالث. كل رقم يأتي من مصدر يمكن الدفاع عنه. ولا يمكن اعتبار أي منها بالضرورة خاطئ. لكن لا يمكن أن تكون جميعها صحيحة في نفس الوقت، وتؤدي هذه الاختلافات إلى مشاكل حقيقية لأي شخص يحاول تتبع تغذيته بدقة.

تتناول هذه المقالة أسباب وجود هذا التشتت، من أين يحصل كل تطبيق رئيسي على بياناته، ولماذا لا يوجد حافز في الصناعة لحل هذه المشكلة، وما يمكنك فعله حيال ذلك.

المشكلة النظامية: لا يوجد مصدر واحد للحقيقة

لماذا لا توجد قاعدة بيانات غذائية عالمية

إنشاء قاعدة بيانات غذائية واحدة دقيقة عالمياً أصعب مما يبدو. فالغذاء بطبيعته متغير. صدور الدجاج من مزرعة حرة في فرنسا له ملف غذائي مختلف عن ذلك من مزرعة تقليدية في البرازيل. تفاحة فوجي المزروعة في ولاية واشنطن تحتوي على محتوى سكر مختلف عن تلك المزروعة في نيوزيلندا. حتى نفس الطعام من نفس المصدر يختلف حسب الموسم، ونضج الثمرة، وظروف التخزين.

تتعامل الوكالات الحكومية مثل USDA مع هذا التغير من خلال اختبار عينات متعددة والإبلاغ عن القيم المتوسطة. تحتوي قاعدة بيانات USDA FoodData Central (التي تعد خلفاً لقاعدة بيانات USDA الوطنية للمغذيات، المرجع القياسي) على بيانات تم تحليلها في المختبر لحوالي 8000 نوع من الأطعمة الكاملة. كل إدخال يمثل متوسط عدة عينات تم تحليلها باستخدام طرق موثوقة بما في ذلك قياس السعرات الحرارية.

لكن 8000 نوع من الأطعمة ليست كافية لتطبيق حديث لتتبع السعرات الحرارية. يحتاج المستخدمون إلى تسجيل المنتجات المعبأة المعروفة، ووجبات المطاعم، والأطعمة الإقليمية، وتنوعات الوصفات. هنا تتباين التطبيقات — كل واحدة تملأ الفجوة بشكل مختلف.

مشهد مصادر البيانات

كل تطبيق رئيسي لتتبع السعرات الحرارية يعتمد على مجموعة مختلفة من مصادر البيانات. فهم من أين يحصل تطبيقك على أرقامه هو الخطوة الأولى لفهم لماذا تختلف تلك الأرقام عن تطبيق آخر.

التطبيق	المصدر الأساسي للبيانات	المصادر الثانوية	الإدخالات المقدمة من المستخدمين	إجمالي حجم قاعدة البيانات
Nutrola	USDA FoodData Central + تحقق من أخصائي التغذية	ملصقات الشركات المصنعة، قواعد بيانات غذائية وطنية	لا (موثقة فقط)	1.8M+ إدخالات موثقة
MyFitnessPal	مساهمات المستخدمين المستندة إلى المجتمع	USDA، ملصقات الشركات المصنعة	نعم (المصدر الرئيسي)	14M+ إدخالات
Cronometer	NCCDB (جامعة مينيسوتا)	USDA، ملصقات الشركات المصنعة	محدودة (مراجعة)	400K+ إدخالات
Lose It	قاعدة بيانات خاصة مختارة	ملصقات الشركات المصنعة، USDA	محدودة	27M+ إدخالات (بما في ذلك الرموز الشريطية)
FatSecret	بيانات مستندة إلى المجتمع + بيانات الشركات المصنعة	USDA، قواعد بيانات إقليمية	نعم	12M+ إدخالات
Samsung Health	قاعدة بيانات مرخصة من طرف ثالث	ملصقات الشركات المصنعة	لا	تختلف حسب المنطقة
Apple Health	لا توجد قاعدة بيانات أصلية (تستخدم تطبيقات الشركاء)	N/A	N/A	N/A

تظهر من هذه المقارنة عدة أنماط مهمة.

تطبيقات ذات أكبر قواعد بيانات (MyFitnessPal، FatSecret، Lose It) تحقق هذا الحجم من خلال مساهمات المستخدمين. المزيد من الإدخالات يعني المزيد من نتائج البحث، لكنه يعني أيضاً المزيد من التكرارات، والأخطاء، وعدم الاتساق.

تطبيقات ذات قواعد بيانات أصغر، مثل Cronometer وNutrola، تضحي بالعرض من أجل الدقة. عندما يوجد إدخال، يمكنك الوثوق به. العيب هو أنك قد تحتاج أحياناً إلى إنشاء إدخال مخصص لطعام نادر.

تتبع Nutrola بشكل خاص نهج إدخال موثق واحد لكل نوع من الطعام. إدخالاتها البالغة 1.8 مليون تم التحقق منها فردياً من قبل أخصائيي التغذية وتم التحقق منها ضد مصادر موثوقة. هذا يقضي تماماً على مشكلة الإدخالات المكررة مع الحفاظ على قاعدة بيانات كبيرة بما يكفي لتغطية جميع الأطعمة الشائعة والمنتجات المعروفة.

لماذا تختلف مصادر البيانات

منهجيات مختلفة

تستخدم قاعدة بيانات USDA FoodData Central وNCCDB عينات غذائية مختلفة، وطرق تحضير مختلفة، وأحياناً تقنيات تحليل مختلفة. عندما تبلغ USDA أن 100 جرام من صدور الدجاج النيء تحتوي على 120 سعرة حرارية، وتبلغ NCCDB عن 114 سعرة حرارية لنفس الطعام، فلا أحد منهما خاطئ — لقد اختبروا عينات مختلفة أنتجت نتائج مختلفة.

وجدت دراسة أجراها شاكيل وآخرون في عام 2016، نُشرت في مجلة تحليل وتركيب الأغذية، أن هناك اختلافات متوسطة تتراوح بين 5-15% في قيم المغذيات بين قواعد بيانات تركيب الأغذية لنفس الأطعمة. وقد تم عزو هذه الاختلافات إلى التغير الطبيعي في الطعام، وطرق أخذ العينات المختلفة، وأساليب التحليل المختلفة.

دورات التحديث المختلفة

تقوم USDA بتحديث قاعدتها بشكل دوري، ولكن ليس وفق جدول زمني ثابت. لم يتم إعادة تحليل بعض الإدخالات منذ الثمانينيات. تقوم NCCDB بالتحديث سنوياً. تتغير بيانات التغذية الخاصة بالشركات المصنعة كلما تم إعادة صياغة منتج ما. عادةً ما لا يتم تحديث الإدخالات المستندة إلى المجتمع بعد المساهمة الأولية.

هذا يعني أنه في أي وقت، تعمل تطبيقات مختلفة مع بيانات من عصور مختلفة. ستظهر تطبيقات تستخدم تحديث USDA لعام 2024 قيمًا مختلفة عن تطبيقات لا تزال تشير إلى بيانات 2019 لنفس الطعام.

التعامل المختلف مع طرق التحضير

كيف يتعامل التطبيق مع الفرق في السعرات الحرارية بين الطعام النيء والمطبوخ يختلف بشكل كبير. بعض التطبيقات تحتفظ بإدخالات منفصلة للإصدارات النيئة والمطبوخة لكل طعام. بينما تسرد أخرى النسخة النيئة فقط وتوقع على المستخدمين ضبطها. تحتوي بعض قواعد البيانات المستندة إلى المجتمع على كلاهما، ولكن دون تصنيف واضح.

وفقًا لـ USDA، يمكن أن تغير الطهي كثافة السعرات الحرارية للطعام بنسبة 15-50% حسب الطريقة. القلي يضيف سعرات حرارية من خلال امتصاص الزيت. الشواء والخبز يركزان السعرات من خلال فقدان الماء. الغلي يمكن أن يستخرج المغذيات القابلة للذوبان في الماء. التطبيق الذي لا يميز بوضوح بين حالات التحضير سيظهر حتماً أرقاماً مختلفة عن ذلك الذي يفعل.

لماذا لن يتم حل هذه المشكلة على مستوى الصناعة

عدم وجود حافز تجاري للتوحيد

لكي توجد قاعدة بيانات غذائية عالمية، سيتعين على جميع صانعي التطبيقات الاتفاق على مصدر بيانات واحد والتخلي عن قواعد بياناتهم الخاصة. لن يحدث ذلك لثلاثة أسباب.

أولاً، البيانات الخاصة تمثل ميزة تنافسية. إدخالات MyFitnessPal البالغة 14 مليون، على الرغم من مشكلات دقتها، تمثل سنوات من مساهمات المستخدمين التي لا يمكن للمنافسين تكرارها بسهولة. التخلي عن هذه البيانات لصالح قاعدة بيانات موحدة سيزيل عنصر تمييز رئيسي.

ثانياً، سيتطلب التوحيد تنسيقاً مستمراً. بيانات الطعام ليست ثابتة — فهي تتغير مع إعادة صياغة المنتجات، ودخول أطعمة جديدة إلى السوق، وتحسين الأساليب التحليلية. سيتعين على شخص ما الحفاظ على قاعدة البيانات العالمية وتمويلها، ولا توجد منظمة قائمة لديها التفويض أو الموارد للقيام بذلك.

ثالثاً، تختلف احتياجات الأسواق. قاعدة بيانات غذائية مخصصة للمستخدمين الأمريكيين (مع بيانات USDA في جوهرها) أقل فائدة في اليابان أو الهند أو البرازيل، حيث تهيمن الأطعمة والعلامات التجارية المحلية. يتم الحفاظ على قواعد البيانات الإقليمية من قبل وكالات وطنية بمعايير مختلفة، وتوحيدها على مستوى العالم هو مشكلة لم يتم حلها.

الفجوة التنظيمية

لا توجد وكالة تنظيمية حالياً تتطلب من تطبيقات تتبع السعرات الحرارية استخدام مصدر بيانات محدد أو تلبية معيار دقة أدنى. تنظم إدارة الغذاء والدواء (FDA) ملصقات التغذية على الأطعمة المعبأة، لكنها لا تملك ولاية على كيفية تفسير أو عرض التطبيقات التابعة للجهات الخارجية لتلك البيانات. في الاتحاد الأوروبي، تنظم اللائحة 1169/2011 ملصقات الطعام، لكنها بالمثل لا تمتد إلى قواعد بيانات التطبيقات.

حتى تقوم الهيئات التنظيمية بإنشاء معايير دقة للأدوات الرقمية الخاصة بالتغذية، ستستمر هذه المنظومة المتقطعة. ستستمر كل تطبيق في استخدام أي مصدر بيانات يخدم نموذج أعمالها بشكل أفضل.

الحل: اختر تطبيقًا موثقًا واحدًا وابقَ متسقًا

الاتساق يتفوق على الدقة المطلقة

نظرًا لأن أي تطبيق لا يمكنه الادعاء بدقة مطلقة لكل طعام، فإن النهج الأكثر عملية هو تحسين الاتساق. عندما تستخدم نفس التطبيق مع نفس قاعدة البيانات لكل وجبة، تبقى الأخطاء النظامية (إن وجدت) ثابتة. تصبح بيانات تتبعك موثوقة للمقارنات النسبية — حتى لو كانت حسابات السعرات المطلقة تحمل بعض هامش الخطأ.

وجدت دراسة أجريت في عام 2020، نُشرت في مجلة علم السمنة والممارسة، أن اتساق تسجيل الطعام كان مؤشراً أقوى لنجاح إدارة الوزن من الدقة المطلقة لحسابات السعرات الحرارية. فقد فقد المشاركون الذين سجلوا بشكل متسق في تطبيق واحد وزناً أكبر من أولئك الذين تنقلوا بين التطبيقات أو الطرق، بغض النظر عن دقة قاعدة البيانات.

ما الذي يجب أن تبحث عنه في تطبيق موثوق لتتبع السعرات الحرارية

استنادًا إلى تسلسل مصادر البيانات والبحث حول دقة القاعدة، إليك ما يجب أن تعطيه الأولوية عند اختيار تطبيق لتتبع السعرات الحرارية:

بيانات موثقة بدلاً من الحجم. قاعدة بيانات تحتوي على 1.8 مليون إدخال موثق أكثر فائدة من 14 مليون إدخال غير موثق. تحتاج إلى الدقة للأطعمة التي تتناولها بالفعل، وليس إلى مخزون ضخم من التكرارات التي لن تستخدمها أبداً.

إدخال واحد لكل طعام. الإدخالات المكررة تخلق ارتباكاً وتدخل عدم الاتساق. ابحث عن التطبيقات التي تحافظ على إدخال موحد موثوق لكل عنصر غذائي.

شفافية في المصادر. يجب أن يخبرك التطبيق من أين تأتي بياناته. إذا كان يشير إلى USDA FoodData Central أو قواعد بيانات حكومية معادلة، فإن ذلك يعد مؤشراً قوياً على الموثوقية.

تحديثات منتظمة. تتغير المنتجات الغذائية. يجب أن تتغير قاعدة بيانات تطبيقك معها. ابحث عن التطبيقات التي تحافظ على إدخالاتها وتحدثها بنشاط.

طرق تسجيل متعددة. البيانات الدقيقة ليست مفيدة إذا لم تقم بتسجيل طعامك بالفعل. التطبيقات التي تقدم طرق إدخال متعددة — مثل مسح الرموز الشريطية، والتسجيل الصوتي، والتسجيل بالصور، والبحث اليدوي — تجعل التسجيل المتسق أسهل وأكثر احتمالاً.

تفي Nutrola بكل هذه المعايير. قاعدة بياناتها الموثقة من قبل أخصائيي التغذية تحتوي على 1.8 مليون نوع من الأطعمة وتحافظ على إدخال موحد لكل نوع، وتم التحقق منها ضد USDA FoodData Central وقواعد بيانات دولية معادلة. يقدم التطبيق تسجيلًا مدعومًا بالذكاء الاصطناعي، وتسجيلًا صوتيًا، ومسحًا للرموز الشريطية، واستيراد الوصفات — مما يجعل تسجيل الطعام بدقة سريعًا. مع خطط تبدأ من 2.50 يورو شهريًا وبدون إعلانات في أي مستوى، تم تصميمه للمستخدمين الذين يرغبون في بيانات موثوقة دون تشتيت. متاح على iOS وAndroid.

متى تكون الدقة المطلقة مهمة

بالنسبة لمعظم الأشخاص الذين يتتبعون السعرات الحرارية لأغراض الصحة العامة أو إدارة الوزن، فإن الاتساق داخل تطبيق واحد يكفي. لكن هناك حالات تصبح فيها الدقة المطلقة أكثر أهمية:

التحضير للمنافسات. يحتاج لاعبو كمال الأجسام والمتنافسون في مجالات اللياقة البدنية الذين يعملون على هوامش سعرات حرارية ضيقة (في حدود 100-200 سعرة حرارية من هدفهم) إلى أدق البيانات المتاحة. قواعد البيانات المستندة إلى المختبرات ضرورية في هذا السياق.

علاج التغذية الطبية. يحتاج المرضى الذين يديرون السكري، أو أمراض الكلى، أو حالات أخرى حيث يتم وصف تناول مغذيات معينة طبياً إلى بيانات يمكنهم الوثوق بها. يجب على أخصائي التغذية الخاص بهم أن يوصي بتطبيق محدد يحتوي على بيانات موثقة.

البحث. يجب أن تأخذ أي دراسة غذائية تستخدم تسجيل الطعام عبر التطبيقات في الاعتبار دقة قاعدة البيانات كمصدر محتمل للخطأ. استخدام تطبيق يحتوي على بيانات موثقة ومصادر مختبرية يقلل من هذا المصدر للخطأ.

في جميع الحالات الثلاث، يعد التطبيق الذي يحتوي على قاعدة بيانات موثقة — وليس مستندة إلى المجتمع — هو الخيار المناسب.

الأسئلة الشائعة

هل هناك "عدد سعرات حرارية صحيح" واحد لأي طعام؟

ليس بالضبط. جميع الأطعمة متغيرة بطبيعتها — صدور الدجاج من مزرعة واحدة سيكون لها مغذيات مختلفة قليلاً عن تلك من مزرعة أخرى. تقارير قواعد البيانات الحكومية مثل USDA FoodData Central عن القيم المتوسطة من عدة تحليلات مختبرية، والتي تمثل أفضل تقدير متاح. تعتبر هذه القيم معياراً مرجعياً، وعادة ما تكون دقيقة ضمن 5-10% من المحتوى الفعلي للسعرات الحرارية لأي عينة معينة.

لماذا تحتوي نفس الأطعمة على سعرات حرارية مختلفة في قواعد بيانات دول مختلفة؟

تعكس قواعد بيانات تركيب الأغذية الوطنية إمدادات الطعام في بلادها المحددة. تخلق الاختلافات في سلالات الحيوانات، وممارسات الزراعة، وظروف التربة، ومعايير التحصين، وطرق المعالجة تبايناً غذائياً حقيقياً بين الدول. قد تحتوي "صدور الدجاج" في الولايات المتحدة و"صدور الدجاج" في ألمانيا على محتوى سعرات حرارية مختلف قابل للقياس، مما يجعل كلا إدخال قاعدة البيانات صالحاً لأسواقهما.

هل يمكنني فقط حساب متوسط حسابات السعرات الحرارية من عدة تطبيقات؟

لا يُنصح بالحساب المتوسط. قد تستخدم التطبيقات المختلفة مصادر بيانات مختلفة تمامًا، ويؤدي المتوسط إلى إدخال متغيرات إضافية بدلاً من تقليل الخطأ. النهج الأفضل هو استخدام تطبيق واحد يحتوي على قاعدة بيانات موثقة ومصادر مختبرية وثق بأرقامه بشكل متسق. توفر قاعدة بيانات Nutrola الموثقة من قبل أخصائيي التغذية إدخالًا دقيقًا واحدًا لكل طعام، مما يقضي على الحاجة إلى المقارنة أو المتوسط بين المصادر.

كم مرة يتم تحديث قواعد بيانات الطعام؟

تختلف تكرارات التحديث بشكل كبير. يتم تحديث قاعدة بيانات USDA FoodData Central بشكل دوري ولكن ليس وفق جدول زمني ثابت. يتم "تحديث" قواعد البيانات المستندة إلى المجتمع باستمرار بمعنى أنه تتم إضافة إدخالات جديدة، لكن نادراً ما يتم تصحيح أو مراجعة الإدخالات الحالية. تتغير بيانات الشركات المصنعة كلما تم إعادة صياغة منتج ما، لكن التطبيقات قد لا تلتقط هذه التغييرات لعدة أشهر أو سنوات. يتم الحفاظ على قاعدة بيانات Nutrola الموثقة من قبل فريق التغذية الخاص بها لتعكس الصيغ الحالية للمنتجات وآخر البيانات المتاحة.

هل ستقوم الذكاء الاصطناعي بحل مشكلة دقة قاعدة البيانات الغذائية؟

تعمل الذكاء الاصطناعي بالفعل على تحسين بعض جوانب تسجيل الطعام — خاصةً تقدير حجم الحصة من خلال التعرف على الصور ومعالجة اللغة الطبيعية لتسجيل الصوت. ومع ذلك، لا يمكن للذكاء الاصطناعي إصلاح البيانات المصدر غير الدقيقة بشكل أساسي. سيعيد نظام الذكاء الاصطناعي المدرب على قاعدة بيانات مستندة إلى المجتمع الأخطاء الموجودة في تلك القاعدة. يجمع استخدام أدوات تسجيل الذكاء الاصطناعي مع قاعدة بيانات موثقة (كما تنفذ Nutrola) بين حل مشكلات دقة الإدخال ودقة البيانات في آن واحد.