لماذا لا يمكن الوثوق بقواعد بيانات الطعام المعتمدة على الجمهور لفقدان الوزن

تفتح تطبيق تتبع السعرات الحرارية، وتكتب "صدر دجاج"، فتظهر لك 47 نتيجة. بعضها يقول 165 سعرة حرارية لكل حصة، وآخرون يقولون 130. وهناك من يقول 210. تتراوح أحجام الحصص من 85 جرام إلى 170 جرام إلى "قطعة واحدة". تختار ما يبدو صحيحًا، وتقوم بتسجيله، ثم تتابع.

لقد أدخلت خطأ يصل إلى 80 سعرة حرارية لعنصر غذائي واحد. وستقوم بذلك عشرات المرات اليوم دون أن تدرك.

هذه ليست خطأ من المستخدم. إنها عيب هيكلي في كيفية عمل قواعد بيانات الطعام المعتمدة على الجمهور على المستوى الميكانيكي. فهم هذا الهيكل يوضح لماذا تفشل هذه القواعد باستمرار في مساعدة الأشخاص الذين يحاولون فقدان الوزن.

كيف يتم إنشاء إدخالات الطعام المعتمدة على الجمهور

يفترض معظم الناس أن بيانات التغذية في تطبيقات مثل MyFitnessPal وLose It! وFatSecret تأتي من مصدر موثوق. لكنها ليست كذلك. إليك كيف تدخل الإدخالات فعليًا إلى قاعدة البيانات:

1. يفتح أي مستخدم نموذج "إضافة طعام". لا يحتاج إلى أي مؤهلات، ولا خلفية غذائية، ولا تحقق من أي نوع.
2. يكتب اسم الطعام، والسعرات الحرارية، والمغذيات. قد ينسخ هذه المعلومات من ملصق غذائي، أو يقدرها من الذاكرة، أو يسحبها من موقع وصفات، أو ببساطة يخمن.
3. يضغط على زر الإرسال. يتم نشر الإدخال على الفور. الآن يمكن البحث عنه من قبل أي مستخدم آخر على المنصة.
4. لا أحد يراجع الإدخال. لا يوجد طابور لمراجعة الأخصائيين الغذائيين، ولا مقارنة مع بيانات USDA، ولا تحقق آلي. الإدخال موجود كما تم تقديمه، إلى الأبد.

لقد جمعت MyFitnessPal أكثر من 14 مليون إدخال من خلال هذه العملية. بينما تمتلك Lose It! حوالي 27 مليون. وFatSecret لديها أكثر من 15 مليون. تبدو هذه الأرقام مثيرة للإعجاب حتى تدرك ما تمثله فعليًا: ملايين من التخمينات غير الموثقة المقدمة من المستخدمين تتراكم فوق بعضها البعض.

مشكلة الإدخالات المكررة: تحليل تقني

أكثر العواقب وضوحًا لنموذج المعتمد على الجمهور هو تكرار الإدخالات. عندما لا يوجد نظام يمنع المستخدمين من إنشاء إدخالات لأطعمة موجودة بالفعل، تتضاعف الإدخالات المكررة بلا رقابة.

إليك كيف يبدو البحث عن الأطعمة الشائعة عبر المنصات المعتمدة على الجمهور في عام 2026:

عنصر الطعام	نتائج MFP	نتائج Lose It!	نتائج FatSecret	نطاق السعرات عبر الإدخالات
موزة (متوسطة)	1,200+	800+	600+	72 - 135 kcal
صدر دجاج (مشوي، 100 جرام)	2,400+	1,100+	900+	110 - 210 kcal
أرز أبيض (1 كوب، مطبوخ)	1,800+	950+	700+	160 - 270 kcal
بيضة (كبيرة، كاملة)	900+	500+	400+	55 - 100 kcal
أفوكادو (كامل)	600+	400+	350+	200 - 380 kcal
زبدة الفول السوداني (ملعقتان كبيرتان)	1,500+	700+	500+	150 - 230 kcal

تبلغ القيمة المرجعية من USDA لبيضة كبيرة كاملة 72 سعرة حرارية. ومع ذلك، تحتوي قواعد البيانات المعتمدة على الجمهور على إدخالات تتراوح بين 55 إلى 100 سعرة حرارية لنفس العنصر. وهذا يمثل انتشارًا بنسبة 62% لأحد أبسط الأطعمة الموجودة.

بالنسبة لطعام مثل صدر الدجاج، تكون المشكلة أسوأ. الفرق في السعرات بين 110 kcal و210 kcal لكل 100 جرام ليس مجرد خطأ في التقريب. إنه الفرق بين طعام يناسب عجزك وآخر يتجاوز ذلك.

لماذا لا يوجد تحقق في النماذج المعتمدة على الجمهور

قد تتساءل: لماذا لا تتحقق هذه التطبيقات من الإدخالات؟ الجواب اقتصادي وهيكلي.

الحجم يجعل التحقق مستحيلًا. تتلقى MyFitnessPal آلاف الإدخالات الجديدة يوميًا. توظيف أخصائيين غذائيين لمراجعة كل إدخال سيكلف ملايين سنويًا. نموذج المعتمد على الجمهور موجود بالضبط لأنه مجاني — يقوم المستخدمون بعمل إدخال البيانات دون مقابل.

لا يوجد حلقة تغذية راجعة. عندما يسجل المستخدم إدخالًا غير دقيق، لا يوجد آلية للإبلاغ عنه. يقوم المستخدمون الآخرون ببساطة باختيار إدخال مختلف أو إنشاء إدخال مكرر آخر. يبقى الإدخال السيئ في قاعدة البيانات إلى أجل غير مسمى.

الاعتدال تفاعلي، وليس استباقيًا. تقوم MFP والتطبيقات المماثلة بمراجعة الإدخالات التي تتلقى شكاوى صريحة من المستخدمين فقط. نظرًا لأن معظم المستخدمين لا يعرفون أن الإدخال خاطئ — يثقون في أي شيء يظهر أولاً في نتائج البحث — فإن الغالبية العظمى من الأخطاء لا يتم الإبلاغ عنها.

هذا يختلف جوهريًا عن كيفية عمل قواعد البيانات الموثوقة. في نموذج موثوق (تستخدمه Nutrola وقواعد البيانات الحكومية مثل USDA FoodData Central)، يتم الحصول على كل إدخال من تحليل مختبري، أو ملصقات غذائية تم التحقق منها من قبل الشركات المصنعة، أو مراجعة أخصائي تغذية محترف قبل أن يصبح متاحًا للمستخدمين.

فخ التباين الإقليمي

تمتلك قواعد البيانات المعتمدة على الجمهور نقطة عمياء خطيرة بشكل خاص: التباينات الغذائية الإقليمية.

"فطيرة اللحم" في أستراليا ليست نفس الطعام كما في المملكة المتحدة. "البسكويت" في الولايات المتحدة هو منتج خبز مالح بحوالي 180 سعرة حرارية؛ بينما "البسكويت" في المملكة المتحدة هو بسكويت بحوالي 60-80 سعرة حرارية. "التورتيلا" في المكسيك وإسبانيا والولايات المتحدة يمكن أن تشير إلى ثلاثة أطعمة مختلفة تمامًا مع قيم سعرات حرارية تتراوح من 50 إلى 300+.

في قواعد البيانات المعتمدة على الجمهور، يتم خلط كل هذه الأطعمة تحت نفس مصطلح البحث. قد يختار مستخدم في سيدني يبحث عن "فطيرة لحم" إدخالًا قدمه مستخدم في لندن، مسجلًا طعامًا بمحتوى دهون ووزن معجنات وكثافة سعرات حرارية مختلفة تمامًا.

تتعامل قواعد البيانات الموثوقة مع هذا من خلال وضع علامات على الإدخالات بسياق إقليمي والتأكد من أن كل تباين هو عنصر متميز وموسوم بشكل صحيح — وليس مجموعة من الإدخالات غير الموسومة من دول مختلفة.

إعادة صياغة العلامات التجارية: تآكل البيانات الصامت

تقوم شركات المواد الغذائية بتعديل منتجاتها بانتظام. تقوم Kellogg's وNestle وPepsiCo وغيرها بتعديل المكونات وأحجام الحصص والملفات الغذائية بشكل روتيني. في عام 2024 وحده، أعادت العلامات التجارية الكبرى صياغة مئات المنتجات لتقليل السكر أو تعديل أحجام الحصص استجابةً للضغوط التنظيمية في الاتحاد الأوروبي والمملكة المتحدة.

في قاعدة بيانات معتمدة على الجمهور، تبقى الإدخال القديمة. لا أحد يقوم بتحديثها. المستخدم الذي قدم البيانات الأصلية في عام 2019 قد توقف منذ زمن طويل عن استخدام التطبيق. لا يزال الإدخال يظهر في نتائج البحث مع سعرات حرارية ومغذيات قديمة.

هذا يخلق مشكلة محددة: يمكنك مسح رمز شريطي، والحصول على تطابق، وما زلت تسجل بيانات خاطئة لأن الإدخال يتوافق مع نسخة سابقة من المنتج. الرمز الشريطي هو نفسه، لكن لوحة الحقائق الغذائية قد تغيرت.

في قاعدة بيانات موثوقة، تؤدي إعادة صياغة المنتج إلى تحديث الإدخالات. عندما تحدد فريق Nutrola إعادة صياغة من خلال إعلانات الشركات المصنعة أو تحديثات الملصقات الغذائية، يتم تعديل الإدخال. هناك إدخال واحد لكل منتج، ويعكس البيانات الحالية.

فوضى حجم الحصة

بعيدًا عن الإدخالات المكررة والبيانات القديمة، تمتلك قواعد البيانات المعتمدة على الجمهور مشكلة أساسية في اتساق حجم الحصة التي تشوه دقة التتبع بهدوء.

في قاعدة بيانات معتمدة على الجمهور، يقوم كل مستخدم يقدم إدخالًا بتعريف حجم الحصة بنفسه. يقوم مستخدم بإنشاء إدخال "صدر دجاج" باستخدام حصة 100 جرام. يستخدم آخر 4 أوقيات (113 جرام). آخر يستخدم "صدر واحد" دون تحديد الوزن. وآخر يستخدم "حصة واحدة" بحجم 170 جرام. تظهر كل هذه الإدخالات تحت نفس مصطلح البحث، لكن قيم السعرات غير قابلة للمقارنة لأن أحجام الحصص تختلف.

هذا الأمر مهم أكثر مما يدركه معظم الناس. اعتبر الأرز:

• الإدخال A: "أرز أبيض، مطبوخ" — 1 كوب — 206 kcal
• الإدخال B: "أرز أبيض" — 100 جرام — 130 kcal
• الإدخال C: "أرز أبيض، مطبوخ" — 1 حصة (150 جرام) — 195 kcal
• الإدخال D: "أرز أبيض مطبوخ" — 1 وعاء — 340 kcal

ما هو "وعاء واحد"؟ يمكن أن يكون 200 جرام أو 400 جرام حسب الوعاء. قام المستخدم الذي قدم الإدخال D بتعريفه بناءً على وعائه الخاص، والذي يتم استخدامه الآن من قبل الآلاف من المستخدمين الآخرين ذوي الأوعية المختلفة.

تقوم USDA FoodData Central بتوحيد أحجام الحصص إلى جرامات مع مقاييس شائعة إضافية (1 كوب = 158 جرام للأرز الأبيض المطبوخ). تتبع Nutrola هذا النهج: كل إدخال له حجم حصة أساسي قائم على الجرامات مع مكافئات واضحة للمقاييس الشائعة، بحيث لا يوجد أي غموض حول ما تسجله.

مقارنة بين نموذج المعتمد على الجمهور والنموذج الموثوق

الجانب	المعتمد على الجمهور (MFP، Lose It!، FatSecret)	الموثوق (Nutrola، USDA FoodData Central)
إنشاء الإدخال	أي مستخدم، بدون مؤهلات	أخصائيون غذائيون، بيانات مختبر، تحقق من الشركات المصنعة
المراجعة قبل النشر	لا شيء	مراجعة متطلبات عبر المصادر
معالجة الإدخالات المكررة	لا يوجد نظام لإزالة التكرار	إدخال واحد موحد لكل طعام
عملية التحديث	يجب على المستخدم إنشاء إدخال جديد	تحديث احترافي عند إعادة الصياغة
وضع العلامات الإقليمية	لا شيء أو غير متسق	إدخالات خاصة بالمنطقة
تصحيح الأخطاء	شكاوى المستخدم فقط	تدقيق مهني مستمر
دقة الرمز الشريطي	يتطابق مع الإدخال، وليس مع الملصق الحالي	يتطابق مع الملصق الحالي
توحيد حجم الحصة	معرف من قبل المستخدم (أكواب، قطع، حفنات)	موحد (جرامات + مقاييس شائعة)

كيفية تحسين دقة تتبعك

إذا كنت قد استخدمت قاعدة بيانات معتمدة على الجمهور وتشك في أن بياناتك غير موثوقة، إليك كيفية تصحيح المسار:

الخطوة 1: تدقيق الأطعمة الأكثر تسجيلًا لديك. انظر إلى 10-15 طعامًا تسجلها بشكل متكرر. قارن قيم السعرات الحرارية الخاصة بها مع USDA FoodData Central (fdc.nal.usda.gov). إذا وجدت اختلافات تزيد عن 10%، فقد يكون خطأ التتبع التراكمي لديك كبيرًا.

الخطوة 2: توقف عن اختيار أول نتيجة في البحث. في التطبيقات المعتمدة على الجمهور، النتيجة الأعلى هي الإدخال الأكثر تسجيلًا، وليس الأكثر دقة. الشعبية لا تعني الصحة.

الخطوة 3: انتقل إلى قاعدة بيانات موثوقة. هذا يلغي المشكلة من مصدرها. بدلاً من التحقق يدويًا من كل طعام تأكله، تقوم بتسجيله مرة واحدة وتثق في الرقم.

قاعدة بيانات Nutrola التي تحتوي على أكثر من 1.8 مليون إدخال موثوق به بنسبة 100%. كل طعام له إدخال واحد، مستمد من بيانات غذائية محترفة. عندما تسجل طعامًا — سواء عن طريق الكتابة، أو مسح رمز شريطي (بدقة تزيد عن 95%)، أو التقاط صورة باستخدام الذكاء الاصطناعي، أو استخدام تسجيل الصوت — تحصل على بيانات موثوقة دون الحاجة إلى تدقيق أي شيء بنفسك. تبدأ الأسعار من 2.50 يورو شهريًا مع تجربة مجانية لمدة 3 أيام، ولا توجد إعلانات في أي خطة.

الفرق هيكلية. تطلب قواعد البيانات المعتمدة على الجمهور منك العثور على الإدخال الصحيح من بين عشرات الإدخالات المكررة. بينما تقدم لك قواعد البيانات الموثوقة الإدخال الصحيح من البداية.

الأسئلة الشائعة

كم عدد الإدخالات المكررة التي يمتلكها MyFitnessPal للأطعمة الشائعة؟

يمكن أن تحتوي الأطعمة الشائعة في MyFitnessPal على مئات إلى آلاف الإدخالات المكررة. بحث عن "موزة" يعيد أكثر من 1,200 نتيجة، و"صدر دجاج" يعيد أكثر من 2,400 نتيجة، و"أرز أبيض" يعيد أكثر من 1,800 نتيجة. قد تحتوي كل إدخال مكرر على قيم سعرات حرارية ومغذيات مختلفة لأن الإدخالات تم تقديمها من قبل مستخدمين فرديين دون أي نظام لإزالة التكرار أو التحقق.

لماذا تظهر نفس الأطعمة سعرات حرارية مختلفة في MyFitnessPal؟

تظهر قيم سعرات حرارية مختلفة لأن كل إدخال تم تقديمه من قبل مستخدم مختلف قد استخدم مصادر بيانات مختلفة (بيانات USDA، ملصق غذائي، موقع وصفات، أو تقدير شخصي)، وتعريفات مختلفة لحجم الحصة (جرامات مقابل أكواب مقابل "قطعة واحدة")، أو طرق تحضير مختلفة (نيء مقابل مطبوخ، مع الجلد مقابل بدون جلد). لا توجد عملية توحيد لتسوية هذه الاختلافات.

هل Lose It! وFatSecret أكثر دقة من MyFitnessPal؟

تستخدم Lose It! وFatSecret نفس نموذج المعتمد على الجمهور مثل MyFitnessPal، لذا فإنهما تشتركان في نفس مشاكل الدقة الهيكلية: إدخالات غير موثوقة من المستخدمين، إدخالات مكررة ببيانات متضاربة، وعدم وجود عملية تحديث منهجية للمنتجات المعاد صياغتها. تمتلك Lose It! بعض الإدخالات المنسقة من فريق التغذية، لكن الغالبية العظمى من إدخالاتها البالغة 27 مليون هي إدخالات مقدمة من المستخدمين دون مراجعة.

ماذا يحدث عندما تغير علامة تجارية طريقتها في إعداد الوصفة ولكن إدخال قاعدة البيانات لم يتم تحديثه؟

تظل الإدخال القديمة في قاعدة البيانات إلى أجل غير مسمى. نظرًا لأنه لا يوجد أحد يراقب إعادة صياغة العلامات التجارية بشكل منهجي في قواعد البيانات المعتمدة على الجمهور، قد يقوم المستخدمون بتسجيل قيم سعرات حرارية ومغذيات قديمة لعدة أشهر أو سنوات بعد تغيير المنتج. هذا شائع بشكل خاص مع المنتجات التي تعيد صياغتها للامتثال لضرائب السكر أو لوائح التسمية الجديدة. تقوم قواعد البيانات الموثوقة مثل Nutrola بتحديث الإدخالات عندما يتم تحديد إعادة صياغة.

كيف تتجنب قاعدة بيانات Nutrola الموثوقة مشكلة الإدخالات المكررة؟

تحافظ Nutrola على إدخال واحد موحد لكل طعام، موثوق به من قبل محترفي التغذية ضد مصادر تشمل USDA FoodData Central، وتحليل مختبري، وبيانات مقدمة من الشركات المصنعة. لا يوجد نظام إدخال مقدم من المستخدم، لذا لا يمكن إنشاء تكرارات. عندما يكون للطعام تباينات إقليمية (على سبيل المثال، "بسكويت" في الولايات المتحدة مقابل المملكة المتحدة)، فإن كل تباين هو إدخال متميز وموسوم بشكل صحيح بدلاً من إدخال غير موسوم تحت مصطلح بحث مشترك.

هل قاعدة بيانات موثوقة أصغر أفضل من قاعدة بيانات معتمدة على الجمهور أكبر؟

نعم، من حيث دقة التتبع. تغطي قاعدة بيانات Nutrola التي تحتوي على أكثر من 1.8 مليون إدخال موثوق به المزيد من الأطعمة الفريدة مقارنةً بـ MyFitnessPal التي تحتوي على أكثر من 14 مليون إدخال بمجرد إزالة الإدخالات المكررة. جزء كبير من الإدخالات المعتمدة على الجمهور هي إدخالات مكررة لنفس الطعام بقيم سعرات حرارية مختلفة. توفر قاعدة بيانات موثوقة مع إدخال دقيق واحد لكل طعام بيانات أكثر موثوقية من قاعدة بيانات تحتوي على عشرة إدخالات متضاربة لكل طعام، حتى لو كان العدد الإجمالي للإدخالات أقل.

هل يمكن أن يحل مسح الرموز الشريطية مشاكل قواعد البيانات المعتمدة على الجمهور؟

جزئيًا، لكن ليس تمامًا. يمكن أن يتطابق مسح الرمز الشريطي مع منتج ما مع إدخاله، ولكن إذا كان الإدخال في قاعدة البيانات قديمًا (بسبب إعادة صياغة العلامة التجارية)، ستظل البيانات الممسوحة خاطئة. بالإضافة إلى ذلك، لا تحتوي العديد من الأطعمة الكاملة (الفواكه، الخضروات، اللحوم الطازجة) على رموز شريطية، لذا لا يزال المستخدمون يعتمدون على البحث اليدوي ومشكلة الإدخالات المكررة. تحقق Nutrola من دقة مسح الرموز الشريطية بنسبة تزيد عن 95% من خلال مطابقة المسحات ضد إدخالات المنتجات الموثوقة والمحدثة بانتظام.