Jak je postavena databáze potravin Nutrola: Od dat USDA k 12 milionům ověřených záznamů

Když v aplikaci pro sledování kalorií vyhledáte „grilované kuřecí prso“ a uvidíte „165 kalorií na 100 gramů“, toto číslo se neobjevilo z ničeho nic. Někdo ho změřil. Někdo ho ověřil. Někdo rozhodl, že je dostatečně přesné, aby ho mohly vidět miliony uživatelů, kteří na základě těchto dat činí rozhodnutí o svém zdraví.

Kvalita databáze potravin je neviditelným základem každé aplikace pro sledování kalorií. Pokud je databáze chybná, všechno, co na ní stojí, je také chybné: váš denní součet kalorií, rozložení makroživin, týdenní trendy, doporučení vašeho trenéra a nakonec vaše výsledky. Přesto většina uživatelů nikdy nepřemýšlí o tom, odkud čísla pocházejí, a většina aplikací to nikdy nevysvětluje.

Tento článek přesně popisuje, jak je databáze potravin Nutrola sestavena, od jejích vládních datových základů až po 12 milionů ověřených záznamů, které dnes obsahuje. Také vysvětluje, proč se kvalita databáze mezi aplikacemi tak dramaticky liší a co to znamená pro přesnost vašeho sledování.

Základ: USDA FoodData Central

Každá seriózní nutriční databáze začíná u Ministerstva zemědělství Spojených států (USDA). USDA měří nutriční obsah potravin již od 90. let 19. století a jejich moderní databáze, FoodData Central, představuje nejkomplexnější a nejpřísněji ověřenou sbírku dat o složení potravin na světě.

FoodData Central obsahuje několik datových sad. SR Legacy poskytuje podrobné nutriční profily pro přibližně 7 600 běžných potravin, z nichž každá je výsledkem laboratorní analýzy, nikoli odhadu. Potraviny jsou fyzicky zakoupeny, připraveny podle standardizovaných protokolů a analyzovány pomocí ověřených analytických chemických metod. Foundation Foods je jeho novější a podrobnější nástupce, který poskytuje měření variability, velikosti vzorků a metadata o odrůdách, plemenech, původu a sezóně sklizně. FNDDS pokrývá smíšená jídla a recepty tak, jak se běžně konzumují, s daty o velikosti porcí spojenými s domácími měřeními. Branded Foods obsahuje data o balených potravinách získaná prostřednictvím partnerství s Label Insight (nyní NielsenIQ).

Nutrola zpracovává všechny čtyři datové sady, normalizuje je do konzistentní struktury a vzájemně porovnává záznamy, aby vyřešila nesrovnalosti. Když SR Legacy a Foundation Foods obsahují data pro stejnou položku, hodnoty Foundation Foods mají přednost, protože jsou založeny na novějších analýzách.

Tato základna USDA poskytuje přibližně 400 000 unikátních potravinových záznamů. To je silný výchozí bod, ale pro moderní aplikaci pro sledování kalorií to nestačí. Většina lidí nejí „Kuře, brojlery, prsa, pouze maso, vařené, pečené.“ Jedí sendvič z Chick-fil-A, mražené jídlo od Trader Joe's nebo domácí pokrm podle receptu, který jejich babička přivezla z jiné země. Pokrytí celého spektra toho, co skuteční lidé jedí, vyžaduje jít daleko za vládní data.

Přidání dat o značkových potravinách

Vrstva značkových potravin představuje největší jednotlivé rozšíření databáze. Balené potraviny s výživovými údaji představují významnou část typické stravy ve Spojených státech a dalších rozvinutých zemích, a uživatelé očekávají, že při vyhledávání najdou své konkrétní produkty.

Nutrola získává data o značkových potravinách prostřednictvím několika kanálů.

Přímá partnerství s výrobci poskytují nejkvalitnější značková data. Když výrobce sdílí nutriční data přímo, pocházejí z těch samých laboratorních analýz, které byly použity k vytvoření panelu výživových údajů. Nutrola udržuje dohody o sdílení dat s stovkami výrobců potravin.

Integrace databáze čárových kódů zachycuje široké spektrum produktů prostřednictvím open-source databází čárových kódů, vládních registrů potravinových etiket a komerčních poskytovatelů dat. Když uživatel naskenuje neznámý čárový kód, systém zahájí ověřovací proces, než se záznam stane dostupným pro všechny uživatele.

Skenování etiket a OCR vytváří záznamy z fyzických panelů výživových údajů. Každý záznam odvozený z OCR prochází validací, která kontroluje běžné chyby při extrakci: špatně přečtené desetinné tečky, transponované číslice a hodnoty mimo rozumné rozsahy.

Období pravidelných aktualizací zajišťují, že značková data zůstávají aktuální. Výrobci pravidelně reformulují produkty. Nutrola provádí čtvrtletní aktualizace pro produkty s vysokým objemem a roční aktualizace pro širší katalog, přičemž označuje záznamy, kde se hodnoty změnily.

Tato vrstva značkových potravin přidává přibližně 1,5 milionu záznamů do databáze, přičemž každý je propojen s konkrétními UPC/EAN čárovými kódy a identifikátory produktů.

Záznamy od uživatelů a problém s přesností

Většina velkých databází pro sledování kalorií se silně spoléhá na crowdsourced data, záznamy zaslané uživateli, kteří ručně zadávají nutriční informace z etiket, receptů nebo svých vlastních odhadů. Tento přístup se rychle škáluje. Je to také největší zdroj chyb v databázích pro sledování výživy.

Problémy s crowdsourced potravinovými daty jsou dobře zdokumentovány. Přehled z roku 2020 publikovaný v časopise Nutrients od Evenepoela a kol. zjistil chybovost 15 až 25 procent v hodnotách makroživin napříč crowdsourced nutričními databázemi. Typy chyb zahrnují následující.

Chyby při zadávání dat. Uživatel zadá 52 gramů bílkovin místo 5,2 gramů. Chyba v desetinné tečce, která způsobí, že porce jogurtu vypadá, jako by obsahovala tolik bílkovin jako celé kuřecí prso. Tyto chyby jsou běžné, protože manuální zadávání dat je inherentně náchylné k chybám a většina crowdsourced systémů nemá mechanismus, jak je zachytit před tím, než záznam zveřejní.

Duplicitní a konfliktní záznamy. Když vyhledáte „banán“ ve velké crowdsourced databázi, můžete najít třicet záznamů s různými hodnotami kalorií. Některé uvádějí malý banán, některé střední, některé velký. Některé zahrnují hmotnost slupky, některé ne. Některé jsou přesné, některé jsou naprosto chybné. Uživatel je ponechán na posouzení, který záznam je správný, a nemá spolehlivý způsob, jak to určit.

Zastaralé informace o produktech. Uživatel předloží data pro granolu v roce 2022. Výrobce reformuluje produkt v roce 2024, sníží cukr a zvýší vlákninu. Starý záznam zůstává v databázi na neurčito, vracející nesprávné hodnoty pro každého, kdo jej vybere.

Odhady místo měření. Některé uživatelsky zaslané záznamy nejsou založeny na údajích z etiket, ale na osobním odhadu uživatele o nutričním obsahu potraviny. Tyto záznamy se mohou od skutečných hodnot lišit o 50 procent nebo více.

Nekonzistentní velikosti porcí. Jeden záznam pro „rýži, vařenou“ používá porci 100 gramů. Jiný používá jednu šálek. Další používá „jednu porci“ bez definice, co to znamená. Uživatelé, kteří vybírají mezi těmito záznamy, si nemusí všimnout rozdílu ve velikosti porcí, což vede k chybám, které se kumulují napříč jídly.

Nutrola přijímá záznamy od uživatelů, protože jsou nezbytné pro zachycení celé rozmanitosti potravin, které lidé jedí, včetně regionálních pokrmů, položek specifických pro restaurace a domácích receptů, které neexistují v žádné oficiální databázi. Každý záznam od uživatele však prochází ověřovacím procesem, než se stane široce dostupným. Záznam je okamžitě použitelný pro osobu, která jej vytvořila, ale není zobrazen ostatním uživatelům, dokud není ověřen.

Ověřovací proces

Každý potravinový záznam v Nutrola, bez ohledu na jeho zdroj, prochází vícestupňovým ověřovacím procesem, než se dostane do obecné databáze.

Fáze 1: Automatizované plausibilní kontroly. Algoritmus zkoumá předložené nutriční hodnoty ve srovnání s známými omezeními. Kalorie musí být v souladu s deklarovanými makroživinami (bílkoviny, sacharidy, tuky) v rámci definované tolerance. Atwaterův systém poskytuje konverzní faktory: 4 kalorie na gram bílkovin, 4 kalorie na gram sacharidů, 9 kalorií na gram tuků a 7 kalorií na gram alkoholu. Pokud uživatel předloží záznam uvádějící 200 kalorií, 30 gramů bílkovin, 20 gramů sacharidů a 15 gramů tuků, vypočítaná hodnota kalorií je 335, nikoli 200. Záznam je označen k přezkoumání.

Tato fáze také kontroluje nepravděpodobné hodnoty v rámci kategorií potravin. Záznam ovoce uvádějící 40 gramů tuku na porci, záznam zeleniny uvádějící 60 gramů bílkovin na 100 gramů nebo jakýkoli záznam, kde jedna makroživina překračuje celkovou hmotnost porce, jsou automaticky označeny. Tyto kontroly zachycují většinu chyb při zadávání dat, včetně chyb v desetinných tečkách a záměny jednotek.

Fáze 2: Porovnání záznamů. Systém porovnává předložený záznam s existujícími záznamy pro stejné nebo podobné potraviny. Pokud databáze USDA obsahuje referenční záznam pro „cheddar sýr“ a uživatel předloží záznam o značkovém cheddar sýru s hodnotami kalorií o 40 procent nižšími než referenční záznam USDA, záznam je označen k manuálnímu přezkoumání. Malé odchylky jsou očekávané, protože značkové produkty se liší. Velké odchylky naznačují pravděpodobné chyby.

Fáze 3: Přezkoumání nutričními odborníky. Záznamy, které projdou automatizovanými kontrolami, ale spadají do kategorií s vysokým významem, jako jsou základní potraviny, položky s vysokým objemem vyhledávání nebo záznamy s hraničními skóre plausibility, jsou zařazeny do fronty k přezkoumání nutričními odborníky. Tým registrovaných dietologů a potravinových vědců Nutrola zkoumá tyto záznamy proti autoritativním zdrojům, porovnává hodnoty s webovými stránkami výrobců, vládními databázemi z několika zemí a publikovanými tabulkami složení potravin.

Fáze 4: Konsensus komunity. U záznamů, které jsou v databázi delší dobu, poskytují vzorce používání další signál kvality. Pokud mnoho uživatelů vybere záznam a nikdo ho neoznačí jako nepřesný, je to pozitivní signál. Pokud uživatelé často vybírají záznam a poté okamžitě upravují hodnoty, tento vzorec naznačuje, že původní záznam může obsahovat chyby. Tyto behaviorální signály se vracejí do přezkumného procesu, což zviditelňuje potenciálně problematické záznamy pro opětovné přezkoumání.

Proces přezkoumání nutričními odborníky

Lidská vrstva přezkumu odděluje ověřenou databázi od crowdsourced databáze. Automatizované kontroly zachycují zřejmé chyby, ale jemné nepřesnosti vyžadují lidský úsudek.

Tým nutričních odborníků Nutrola funguje na systému prioritizace. Potraviny jsou prioritizovány k přezkoumání na základě objemu vyhledávání, pravděpodobnosti chyby a nutričního významu. Chyba v počtu kalorií vody (která by měla být nula) nemá žádný praktický důsledek. Chyba v počtu kalorií olivového oleje, jedné z nejkaloričtějších běžných potravin, by mohla uživatelský denní součet ovlivnit o stovky kalorií.

Proces přezkumu pro jednotlivý záznam zahrnuje identifikaci nejautoritativnějšího zdroje (laboratorní data USDA pro surové komodity, data výrobců pro značkové produkty, publikované nutriční informace pro pokrmy z restaurací), porovnání všech hlášených živin s tímto zdrojem, vyhodnocení přesnosti velikosti porce a kontrolu vyhledávacích metadat, aby uživatelé mohli záznam skutečně najít.

Komplexní záznam, jako je tradiční regionální pokrm bez standardizovaného receptu, může vyžadovat 30 minut nebo více výzkumu. Ověření jednoduchých značkových produktů trvá méně než minutu. Tým prioritizuje záznamy s vysokým dopadem, zaměřuje čas přezkumu tam, kde přináší největší zlepšení celkové přesnosti databáze.

Jak jsou chyby zachycovány a opravovány

Žádná databáze s 12 miliony záznamů není bez chyb. Cílem není dokonalost, ale systematické snižování chyb v průběhu času, spolu s rychlou opravou chyb, když jsou identifikovány.

Nutrola používá více mechanismů pro detekci chyb, které fungují paralelně.

Hlášení uživatelů. Každý potravinový záznam v aplikaci obsahuje možnost „Nahlásit problém“. Uživatelé mohou označit záznamy jako obsahující nesprávné kalorie, špatné makra, zastaralé informace, nesprávné velikosti porcí nebo jiné problémy. Hlášení jsou tříděna podle objemu a závažnosti. Jedno hlášení u záznamu s nízkým objemem vstupuje do standardní fronty přezkumu. Více hlášení u záznamu s vysokým objemem spouští okamžitý přezkum.

Automatizovaná detekce anomálií. Statistické modely monitorují databázi na záznamy, které se výrazně odchylují od norem své potravinové kategorie. Pokud je průměrná kalorická hustota všech záznamů sýrů v databázi 350 kalorií na 100 gramů, záznam pro sýrový produkt uvádějící 35 kalorií na 100 gramů je automaticky označen. Tyto modely běží nepřetržitě a zachycují chyby, které jednotliví uživatelé nemusí zaznamenat nebo nahlásit.

Ověření skenováním čárových kódů. Když uživatelé skenují čárový kód produktu, vrácená data jsou porovnána s nejnovějšími dostupnými údaji výrobce. Pokud výrobce aktualizoval své nutriční informace a záznam v databázi ještě nebyl obnoven, nesrovnalost spouští proces aktualizace.

Srovnání databází. Nutrola pravidelně porovnává své záznamy s aktualizovanými verzemi databáze USDA, mezinárodními databázemi složení potravin a datovými kanály partnerů. Záznamy, které se odchýlily od svých referenčních zdrojů, jsou označeny k přezkumu a opravě.

Audity nutriční konzistence. Pravidelné audity zkoumají náhodné vzorky v každé potravinové kategorii, kontrolují vnitřní konzistenci. Tyto audity identifikovaly shluky chyb, jako jsou šarže importovaných záznamů, kde byly hodnoty vlákniny zaměněny za hodnoty cukru kvůli chybám v mapování sloupců.

Když je chyba potvrzena, oprava je okamžitě aplikována a propagována všem uživatelům. Uživatelé, kteří nedávno zaznamenali dotčenou potravinu, obdrží oznámení, které jim umožní zkontrolovat a upravit své záznamy.

Regionální databáze potravin pro mezinárodní kuchyni

Databáze potravin postavená výhradně na amerických datech je nedostatečná pro globální uživatelskou základnu. Uživatel v Japonsku, který hledá „onigiri“, potřebuje přesné výsledky. Uživatel v Indii, který hledá „dal makhani“, potřebuje záznam, který odráží skutečné metody přípravy a ingredience používané v indických kuchyních, nikoli amerizovanou restauraci.

Nutrola integruje data o složení potravin z vládních databází ve více než 30 zemích a regionech.

Evropa: Síť EuroFIR koordinuje data napříč evropskými zeměmi. Národní databáze z Velké Británie (McCance a Widdowson), Německa (Bundeslebensmittelschluessel) a Francie (CIQUAL) poskytují záznamy pro regionální potraviny a místní značkové produkty.

Východní Asie: Japonské standardní tabulky složení potravin, národní databáze složení potravin Jižní Koreje a tabulky složení potravin Číny přispívají tisíci záznamů pro regionálně specifické potraviny, včetně variant podle přípravy. Rozdíl mezi vařenou rýží a smaženou rýží, mezi syrovým tofu a smaženým tofu, není zanedbatelný, a tyto databáze zachycují tyto rozdíly.

Jižní Asie: Národní institut výživy v Indii poskytuje data pro potraviny unikátní pro subkontinent, včetně regionálních obilovin, příprav luštěnin a mléčných výrobků jako paneer a ghee s nutričními profily odlišnými od jejich západních ekvivalentů.

Latinská Amerika a Blízký východ/Afrika: Tabulky složení potravin z Brazílie (TACO), Mexika (BDCA) a regionální databáze napříč Blízkým východem a Afrikou přispívají daty pro základní potraviny jako teff, injera, pokrmy na bázi tahini a regionální přípravy, které chybí v databázích Severní Ameriky.

Integrace těchto zdrojů není jednoduchý import dat. Různé země používají různé analytické metody, definice živin a konvence velikosti porcí. „Šálek“ má v USA 240 ml, v Japonsku 200 ml a v Austrálii 250 ml. Datový inženýrský tým Nutrola udržuje normalizační vrstvu, která převádí všechna příchozí mezinárodní data na konzistentní standard: metrické jednotky, standardizované definice živin a jednotné kódy klasifikace potravin.

Srovnání zdrojů databáze

Následující tabulka shrnuje charakteristiky každého hlavního zdroje, který přispívá do databáze potravin Nutrola.

Zdroje	Záznamy	Přesnost	Pokrytí	Frekvence aktualizace	Omezení
USDA FoodData Central	~400,000	Velmi vysoká (laboratorně analyzováno)	Silné pro surové komodity a americké značkové potraviny	Roční hlavní vydání, průběžné aktualizace	Omezené mezinárodní potraviny, omezené položky z restaurací
Výrobní štítky	~1,500,000	Vysoká (regulováno, auditováno FDA)	Vynikající pro balené zboží	Různé podle výrobce; čtvrtletní aktualizace v Nutrola	Pokrývá pouze balené produkty, 20% variabilita povolená FDA
Mezinárodní vládní databáze	~2,000,000	Vysoká (laboratorně analyzováno, liší se podle země)	Vynikající pro regionální potraviny	Roční nebo méně časté	Nekonzistentní standardy napříč zeměmi, některé zastaralé
Crowdsourced (uživatelsky přispěné)	~6,000,000	Proměnlivé (15-25% chybovost před ověřením)	Nejširší pokrytí včetně specializovaných položek	Nepřetržité	Vyžaduje ověřovací proces; surová data nespolehlivá
Ověřeno nutričními odborníky	~2,100,000	Velmi vysoká (křížově ověřeno, lidsky přezkoumáno)	Prioritizováno podle objemu vyhledávání	Průběžné prioritizované přezkoumání	Náročné na zdroje, nemůže pokrýt každý záznam

Tyto zdroje nejsou vzájemně výlučné. Jeden potravinový produkt může mít data z více zdrojů. Když existují konflikty, hierarchie řešení je následující: data USDA nebo ekvivalentní vládní laboratoře jako první, data výrobce jako druhá, ověřená data nutričními odborníky jako třetí a ověřená crowdsourced data jako čtvrtá. Tato hierarchie zajišťuje, že nejpřísněji ověřená data mají vždy přednost.

Proč je přesnost důležitější než velikost

Některé konkurenční aplikace inzerují velikosti databází 15, 20 nebo dokonce 30 milionů záznamů. Velikost bez kvality je bezvýznamná a může být aktivně škodlivá.

Databáze s 30 miliony záznamů a 20% chybovostí obsahuje 6 milionů chybných záznamů. Uživatel, který zaznamená jeden z těchto záznamů, nyní sleduje nepřesná data s plnou důvěrou v jejich správnost. Chyba se kumuluje: pokud záznam o snídani nadhodnocuje bílkoviny o 10 gramů a vy jej jíte pětkrát týdně, věříte, že jste za měsíc zkonzumovali o 200 gramů bílkovin více, než ve skutečnosti máte. Pokud snížíte příjem bílkovin na základě těchto dat, následky jsou reálné.

Proto Nutrola upřednostňuje počet ověřených záznamů před čistým počtem záznamů. Záznam, který neexistuje, je neutrální. Záznam, který existuje, ale je chybný, je aktivně škodlivý.

Jak databáze roste

Databáze není statická. Neustále roste prostřednictvím několika kanálů. Automatizované systémy monitorují požadavky na skenování čárových kódů, identifikují produkty, které uživatelé hledají, ale které ještě neexistují, a upřednostňují položky s vysokou poptávkou k přidání. Uživatelské příspěvky přidávají regionální pokrmy, položky z restaurací a domácí recepty, které žádná oficiální databáze nepokrývá. Partnerství s výrobci zajišťují, že když velký řetězec uvede na trh novou položku v menu, nutriční data jsou k dispozici v den spuštění. A pravidelná vydání databáze USDA a mezinárodních databází jsou zpracovávána, jakmile se stanou dostupnými.

Často kladené otázky

Jak přesná je databáze potravin Nutrola ve srovnání s jinými aplikacemi?

Ověřené záznamy Nutrola mají průměrnou přesnost do 5 procent laboratorně měřených hodnot pro makroživiny, na základě interních auditů porovnávajících záznamy s nezávislými analytickými daty. Neověřené crowdsourced databáze obvykle vykazují chybovost 15 až 25 procent. Rozdíl pochází z ověřovacího procesu, kterým každý záznam musí projít, než se stane široce dostupným.

Co se stane, když naskenuji čárový kód a produkt není nalezen?

Aplikace vás vyzve, abyste zadali nutriční informace z etikety. Váš záznam je okamžitě dostupný pro vaše vlastní použití, poté vstupuje do ověřovacího procesu, než se zobrazí ostatním uživatelům. Produkty s vysokou poptávkou jsou upřednostněny pro rychlé ověření.

Jak často je databáze aktualizována?

Nepřetržitě. Záznamy od uživatelů jsou zpracovávány denně. Data o značkových produktech jsou aktualizována čtvrtletně pro produkty s vysokým objemem. Vydání USDA a mezinárodní databáze jsou začleňována do dvou týdnů od publikace. Opravy chyb jsou obvykle aplikovány do 24 až 48 hodin od potvrzení.

Mohu důvěřovat počtům kalorií pro pokrmy z restaurací?

U velkých řetězců, které zveřejňují oficiální nutriční data, jsou záznamy získávány přímo a jsou tak přesné, jak měření řetězce. U nezávislých restaurací jsou záznamy založeny na odhadech receptů s širšími okraji nejistoty. Nutrola označuje záznamy z restaurací indikátorem důvěry, takže můžete vidět, zda data pocházejí z oficiálního zdroje nebo z odhadu.

Proč Nutrola někdy ukazuje jiné hodnoty než etiketa na mé potravině?

Tři běžné důvody: výrobce mohl reformulovat produkt, definice velikosti porcí se mohou lišit, nebo pravidla zaokrouhlování výživových údajů vytvářejí malé nesrovnalosti (obvykle v rámci 5 až 10 kalorií). Nahlášení nesrovnalosti prostřednictvím aplikace spouští aktualizaci.

Jak Nutrola zachází s domácími recepty?

Můžete vytvářet vlastní záznamy receptů kombinováním jednotlivých záznamů ingrediencí z ověřené databáze, upravených podle porcí. Protože jsou záznamy ingrediencí ověřeny, hlavním zdrojem chyby je měření porcí, nikoli špatná data.

Co dělá databázi Nutrola jinou než open-source alternativy?

Open-source databáze jako Open Food Facts poskytují cenná data, ale fungují bez systematického ověřování. Záznamy jsou zasílány dobrovolníky a publikovány bez plausibilních kontrol nebo přezkumu nutričními odborníky. Nutrola používá open-source data jako jeden vstup mezi mnoha, přičemž všechny importované záznamy podléhají stejnému ověřovacímu procesu jako jakýkoli jiný zdroj.

Průběžná práce

Budování databáze potravin není projekt s cílovou čarou. Potraviny se mění. Nové produkty se uvádějí na trh. Staré produkty se reformulují nebo přestávají existovat. Analytické metody se zlepšují.

12 milionů záznamů v databázi Nutrola dnes nebude stejných 12 milionů záznamů za rok. Některé budou aktualizovány, některé odstraněny a stovky tisíc nových záznamů přidány. Ověřovací proces zachytí chyby, které unikly dřívějším iteracím. Tým nutričních odborníků postupně zvýší podíl záznamů, které nesou lidsky ověřenou důvěru.

Nikdo si nestahuje aplikaci pro sledování kalorií, protože je nadšený z normalizace dat o složení potravin. Ale každé přesné počítání kalorií, každé spolehlivé rozložení makroživin, každý důvěryhodný denní součet závisí na tom, aby tato infrastruktura fungovala správně, neviditelně, za každým výsledkem vyhledávání. Když zaznamenáte svůj oběd a čísla jsou správná, není to náhoda. Je to výsledek systému, který byl specificky navržen tak, aby zajistil, že jsou správná.