Welchen Kalorienzähler verwenden Forscher in klinischen Studien? Eine Umfrage zu veröffentlichten Studien

Wenn Forscher eine klinische Studie entwerfen, die eine Überwachung der Nahrungsaufnahme erfordert, ist die Auswahl eines Tracking-Tools eine methodische Entscheidung, die direkte Auswirkungen auf die Datenqualität hat. Im Gegensatz zu Verbrauchern, die eine App möglicherweise nach Ästhetik oder Preis auswählen, bewerten Forscher Tracking-Apps nach Messvalidität, Möglichkeiten zum Datenaustausch, Funktionen zur Teilnehmerbindung und Reproduzierbarkeit. Die Apps, die in veröffentlichten klinischen Forschungsarbeiten am häufigsten vorkommen, spiegeln einen rigorosen Auswahlprozess wider, der zeigt, welchen Tools die wissenschaftliche Gemeinschaft ihr Vertrauen schenkt.

Dieser Artikel untersucht die veröffentlichte klinische Forschungsliteratur, um herauszufinden, welche Kalorienzähler-Apps in Studien verwendet werden, warum Forscher bestimmte Apps auswählen und welche Funktionen eine App für die Überwachung der Nahrungsaufnahme auf Forschungsniveau geeignet machen.

Umfragetabelle nach Studien

Studie	Zeitschrift	Jahr	Verwendete App	Studientyp	Stichprobengröße	Grund für die Auswahl dieser App
Athinarayanan et al.	Frontiers in Endocrinology	2019	Cronometer	RCT	262	Umfassende Mikronährstoffverfolgung zur Überwachung der ketogenen Diät
Stringer et al.	Frontiers in Nutrition	2021	Cronometer	Intervention	42	Datenintegrität von USDA/NCCDB für kontrollierte Ernährungsanalysen
Patel et al.	Obesity	2019	Lose It!	RCT	218	Verhaltensintervention zur Gewichtsreduktion mit app-basiertem Tracking
Turner-McGrievy et al.	JAMA Internal Medicine	2017	Mehrere (inkl. Lose It!)	RCT	96	Vergleich von Methoden zur Selbstüberwachung der Ernährung
Laing et al.	JMIR mHealth uHealth	2014	MyFitnessPal	RCT	212	Machbarkeit einer Gewichtsreduktion im primären Gesundheitswesen
Carter et al.	J Med Internet Res	2013	MFP-Stil-App	RCT	128	Vergleich App vs. Papierdiary
Harvey et al.	Appetite	2019	MyFitnessPal	Beobachtungsstudie	1.422	Konsistenz beim Protokollieren und Ergebnisse zur Gewichtsreduktion
Spring et al.	J Med Internet Res	2013	Benutzerdefinierte App	RCT	69	Technologiegestützte Überwachung der Ernährung mit Coaching
Tosi et al.	Nutrients	2022	MFP, FatSecret, Yazio	Validierung	40 Lebensmittel	Datenbankgenauigkeit im Vergleich zu Laborwerten
Chen et al.	J Am Diet Assoc	2019	6 kommerzielle Apps	Validierung	180	Genauigkeitsvergleich mehrerer Apps im Vergleich zu gewogenen Aufzeichnungen
Franco et al.	JMIR mHealth uHealth	2016	MFP, Lose It!	Validierung	Klinisch	Genauigkeitsbewertung in einem Programm zur Gewichtsreduktion
Evenepoel et al.	Obes Sci Pract	2020	MyFitnessPal	Systematische Überprüfung	15 Studien	Umfassende Überprüfung von MFP in Forschungskontexten
Hollis et al.	Am J Prev Med	2008	Papierunterlagen	RCT	1.685	Goldstandard der Selbstüberwachung vor der App-Ära
Burke et al.	J Am Diet Assoc	2011	PDA-Tracker	RCT	210	Vergleich elektronischer vs. papierbasierter Selbstüberwachung
Ferrara et al.	Int J Behav Nutr Phys Act	2019	Mehrere	Systematische Überprüfung	18 Studien	Überprüfung von app-basierten Tools zur Selbstüberwachung der Ernährung

Warum Forscher bestimmte Apps auswählen

Die Faktoren, die die Auswahl von Apps durch Forscher bestimmen, unterscheiden sich grundlegend von den Prioritäten der Verbraucher. Das Verständnis dieser Faktoren zeigt, was die wissenschaftliche Gemeinschaft an einem Tool zur Überwachung der Ernährung schätzt.

Datenbankgenauigkeit und -tiefe

Der wichtigste Faktor für Forscher ist die Genauigkeit der Datenbank. Wenn Daten zur Nahrungsaufnahme verwendet werden, um die Nährstoffaufnahme in einer klinischen Studie zu berechnen, führen Fehler in der Datenbank direkt zu Messfehlern, die die Behandlungseffekte verschleiern können.

Stringer et al. (2021) gaben explizit an, dass sie Cronometer für ihre Studie zur ketogenen Diät ausgewählt haben, weil es auf die Daten von USDA FoodData Central und NCCDB zurückgreift. Die Studie erforderte eine präzise Verfolgung der Makronährstoffverhältnisse, um zu überprüfen, dass die Teilnehmer die Ernährungs-Ketose aufrechterhielten, einen Zustand, der durch spezifische Kohlenhydratrestriktionen definiert ist. Ein Datenbankfehler von 20 Prozent im Kohlenhydratgehalt (innerhalb des Bereichs von crowdsourceten Datenbanken laut Tosi et al., 2022) könnte einen Teilnehmer fälschlicherweise als in oder außerhalb der Ketose klassifizieren.

Athinarayanan et al. (2019) wählten ebenfalls Cronometer für eine Intervention bei Typ-2-Diabetes, die eine detaillierte Überwachung der Makronährstoffe erforderte. Das kontinuierliche Fernpflegemodell der Studie hing von genauen Ernährungsdaten ab, um klinische Entscheidungen zur Anpassung der Medikation zu treffen.

Datenaustausch und Integration

Forschung erfordert Daten in Formaten, die mit statistischer Analysesoftware (CSV, SPSS, SAS) kompatibel sind. Apps, die keine detaillierten Lebensmitteldaten in einem strukturierten Format exportieren können, sind unabhängig von ihrer Datenbankqualität für die Forschung unpraktisch.

Cronometer bietet den Export im CSV-Format mit einer Nährstoffaufgliederung auf Lebensmittelebene, was es mit den gängigen Arbeitsabläufen der Datenanalyse in der Forschung kompatibel macht. Dieses Merkmal wurde in mehreren veröffentlichten Studien explizit als Auswahlfaktor genannt.

Die meisten verbraucherorientierten Apps bieten nur zusammenfassende Daten (tägliche Gesamtergebnisse) an, anstatt Details auf Lebensmittelebene, was die Arten von Analysen einschränkt, die Forscher durchführen können. Forschungsprotokolle erfordern häufig Daten auf Lebensmittelebene, um diätetische Musterscores zu berechnen, spezifische Lebensmittelgruppen zu identifizieren oder die Auswirkungen des Essenszeitpunkts zu analysieren.

Teilnehmerbindung und Engagement

Die Selbstüberwachung der Ernährung ist für Forschungsteilnehmer belastend. Apps, die die Protokollierungszeit und -schwierigkeit minimieren, verbessern die Compliance-Raten, was sich direkt auf die Vollständigkeit der Daten auswirkt.

Laing et al. (2014) fanden heraus, dass nur 3 Prozent der Teilnehmer in ihrer MFP-Studie nach sechs Monaten weiterhin protokollierten, was die Herausforderung des Engagements verdeutlicht. Diese Erkenntnis hat Forscher dazu motiviert, nach Apps zu suchen, die Funktionen bieten, die die Protokollierungsbelastung reduzieren.

KI-gestützte Protokollierungsfunktionen, wie Fotokennzeichnung und Spracheingabe, stellen einen bedeutenden Fortschritt für die Compliance in der Forschung dar. Diese Funktionen reduzieren die Protokollierungszeit pro Mahlzeit von mehreren Minuten auf Sekunden, was die Anzahl der protokollierten Mahlzeiten über eine mehrmonatige Studie erheblich verbessern kann.

Nutrolas Kombination aus KI-Fotokennzeichnung, Sprachprotokollierung und Barcode-Scannen bietet drei modalitäten mit geringem Aufwand, die unterschiedlichen Teilnehmerpräferenzen und Nutzungskontexten gerecht werden. In Verbindung mit einer von USDA verifizierten Datenbank mit 1,8 Millionen Einträgen gewährleistet dieser Ansatz die Genauigkeit der Daten auf Forschungsniveau und maximiert gleichzeitig die Teilnehmerbindung — eine Kombination, die mit Apps, die nur auf eines dieser beiden Ziele optimiert sind, schwer zu erreichen ist.

Nährstoffabdeckung

Studien, die den Mikronährstoffstatus, diätetische Qualitätsindizes oder spezifische Nährstoff-Krankheitsbeziehungen untersuchen, benötigen Apps, die eine umfassende Palette von Nährstoffen verfolgen.

Nährstoffabdeckung	Cronometer	Nutrola	MFP	Lose It!
Insgesamt verfolgte Nährstoffe	82+	80+	19 (Standard)	22
Einzelne Aminosäuren	Ja	Ja	Nein	Nein
Einzelne Fettsäuren	Ja	Ja	Teilweise	Nein
Alle 13 Vitamine	Ja	Ja	Teilweise	Teilweise
Alle essentiellen Mineralien	Ja	Ja	Teilweise	Teilweise
Diätetische Ballaststofftypen	Ja	Ja	Nein	Nein

Forscher, die kardiovaskuläre Ergebnisse untersuchen, benötigen detaillierte Fettsäureprofile. Studien zur Knochengesundheit erfordern Daten zu Kalzium, Vitamin D und Vitamin K. Die Forschung zur Ernährung und psychischer Gesundheit kann die Verfolgung einzelner Aminosäuren (Tryptophan, Tyrosin) zur Analyse von Vorläufern von Neurotransmittern erfordern. Nur Apps, die 80+ Nährstoffe verfolgen, können diese Forschungsanwendungen unterstützen.

Kosten- und Werbesorgen

Forschungsprotokolle erfordern konsistente Bedingungen für alle Teilnehmer. Werbefinanzierte Apps bringen zwei methodische Bedenken mit sich: Werbung kann die Ernährungsentscheidungen beeinflussen (Lebensmittelwerbung während des Protokollierens) und die Inkonsistenz der Werbepräsentation bei den Teilnehmern führt zu unkontrollierbaren Variabilitäten.

Nutrolas werbefreies Modell zu 2,50 € pro Monat beseitigt beide Bedenken. Im Rahmen eines Forschungsbudgets ist die Kosten für die Bereitstellung eines werbefreien Tracking-Tools für die Teilnehmer im Vergleich zu den Gesamtkosten der Forschung vernachlässigbar, während der methodische Vorteil der Beseitigung von Werbeeinflüssen bedeutend ist.

Vergleich der Funktionen auf Forschungsniveau

Funktion	Cronometer	Nutrola	MFP	Lose It!
Integration von USDA FoodData Central	Ja	Ja (quellenüberprüft)	Ergänzend	Ergänzend
Datenaustausch (CSV)	Ja	Ja	Eingeschränkt	Eingeschränkt
Nährstoffdaten auf Lebensmittelebene	Ja	Ja	Nur Zusammenfassung	Nur Zusammenfassung
Protokollierungsprotokolle für benutzerdefinierte Lebensmittel	Ja	Ja	Ja	Ja
Verfolgung der Teilnehmer-Compliance	Eingeschränkt	Über Protokollierungsfrequenzdaten	Eingeschränkt	Eingeschränkt
Werbefreie Erfahrung	Bezahlte Stufe	Alle Stufen (2,50 €/Monat)	Nur bezahlte Stufe	Nur bezahlte Stufe
KI-unterstützte Protokollierung	Nein	Ja (Foto + Sprache)	Nein	Nein
Barcode-Scannen	Ja	Ja	Ja	Ja

Die Landschaft der Forschungstools über Verbraucher-Apps hinaus

Es ist wichtig, Verbraucher-Apps im Kontext der breiteren Landschaft der Tools zur diätetischen Bewertung, die in der Forschung verwendet werden, zu betrachten.

Etablierte Forschungstools

ASA24 (Automated Self-Administered 24-hour Dietary Recall). Entwickelt vom National Cancer Institute, ist ASA24 ein webbasiertes Tool, das Teilnehmer durch eine strukturierte 24-Stunden-Erinnerung an die Ernährung führt. Es verwendet die USDA FNDDS-Datenbank und wurde in mehreren Studien validiert. ASA24 ist der Goldstandard für die diätetische Bewertung in der Forschung, jedoch nicht für die tägliche Verfolgung konzipiert.

NDSR (Nutrition Data System for Research). Entwickelt vom Nutrition Coordinating Center der Universität Minnesota, ist NDSR das umfassendste Tool zur diätetischen Analyse in der Forschung. Es nutzt die NCCDB-Datenbank und wird von geschulten Ernährungsinterviewern betrieben. NDSR ist der Referenzstandard, gegen den andere Tools validiert werden. Die Lizenzkosten (ca. 4.500 € pro Jahr) machen es unpraktisch für großangelegte Studien, die eine Selbstverfolgung der Teilnehmer erfordern.

Food Frequency Questionnaires (FFQs). Semi-quantitative Fragebögen, die die übliche Nahrungsaufnahme über längere Zeiträume (typischerweise Monate bis Jahre) bewerten. FFQs sind effizient für große epidemiologische Studien, bieten jedoch nicht die täglichen Details, die Tracking-Apps bereitstellen.

Wo Verbraucher-Apps passen

Verbraucher-Kalorienzähler-Apps nehmen eine einzigartige Nische in der Landschaft der Forschungstools ein: Sie ermöglichen eine tägliche, zeitnahe Selbstüberwachung der Ernährung im großen Maßstab. Weder ASA24 (periodische Rückrufe), noch NDSR (erfordert geschulte Interviewer) noch FFQs (retrospektive Schätzungen) können diese Art von Daten bereitstellen.

Für Studien, die eine tägliche Überwachung der Ernährung bei frei lebenden Teilnehmern über Wochen bis Monate erfordern, sind Verbraucher-Apps oft die einzige praktikable Option. Die entscheidende Frage ist, welche Verbraucher-App Datenqualität bietet, die den forschungsrelevanten Tools am nächsten kommt, während sie gleichzeitig die Benutzerfreundlichkeit aufrechterhält, die für die Teilnehmerbindung erforderlich ist.

Apps wie Nutrola und Cronometer, die dieselben zugrunde liegenden Datenquellen wie Forschungstools verwenden (USDA FoodData Central, nationale Datenbanken), überbrücken die Kluft zwischen Verbraucherzugänglichkeit und forschungsrelevanter Methodik.

Aufkommende Trends: KI-Tracking in der Forschung

Die Integration von KI-gestützter Lebensmittelkennung in Forschungsprotokolle ist ein aufkommender Trend, der die Compliance-Herausforderung anspricht, die von Laing et al. (2014) identifiziert wurde.

Reduzierte Belastung für die Teilnehmer. KI-Fotoprotocolierung reduziert die Protokollierungszeit pro Mahlzeit von 3-5 Minuten (manuelle Eingabe) auf 10-30 Sekunden (Foto machen und bestätigen). In einer 12-wöchigen Studie mit drei Mahlzeiten pro Tag summiert sich diese Zeitersparnis auf etwa 15-25 Stunden pro Teilnehmer. Für Studien mit Hunderten von Teilnehmern stellt dies eine bedeutende Reduzierung der Belastung dar, die die Bindung und Vollständigkeit der Daten verbessern kann.

Objektive Portionsdokumentation. Essensfotos bieten einen objektiven Nachweis, der von Forschern oder Ernährungswissenschaftlern unabhängig überprüft werden kann, und fügen eine Validierungsebene hinzu, die bei manuellen textbasierten Protokollierungen nicht verfügbar ist.

Verarbeitung natürlicher Sprache. Sprachbasierte Protokollierung, wie sie in Nutrola implementiert ist, ermöglicht es den Teilnehmern, Mahlzeiten in natürlicher Sprache zu beschreiben. Diese Modalität ist besonders wertvoll für Bevölkerungsgruppen, die die manuelle Texteingabe als belastend empfinden, einschließlich älterer Erwachsener, Personen mit eingeschränkter Lesefähigkeit und Teilnehmer in Feldforschungssettings.

Kritische Anforderung: verifiziertes Backend. Der Nutzen der KI-Protokollierung für die Forschung hängt vollständig von der Genauigkeit der Datenbank ab, mit der die von der KI identifizierten Lebensmittel abgeglichen werden. Ein KI-System, das "gegrillte Hähnchenbrust" korrekt identifiziert, aber mit einem ungenauen crowdsourceten Datenbankeintrag abgleicht, bietet eine falsche Präzision: die Identifizierung ist korrekt, aber die Nährstoffdaten sind falsch. Aus diesem Grund ist die Architektur von Nutrola, die KI-Protokollierung mit einer von USDA verifizierten Datenbank kombiniert, besonders gut für Forschungsanwendungen geeignet.

Kriterien zur Auswahl einer Tracking-App auf Forschungsniveau

Basierend auf den in der veröffentlichten Literatur beobachteten Mustern definieren die folgenden Kriterien eine forschungsrelevante Verbraucher-Tracking-App:

1. Datenbank, die an USDA FoodData Central oder eine gleichwertige Regierungsdatenbank angelehnt ist. Dies stellt sicher, dass generische Lebensmitteleinträge auf laboranalysierten Werten basieren und nicht auf Benutzereinschätzungen.

2. Professionelle Überprüfung nicht-USDA-Einträge. Markenprodukte und regionale Lebensmittel, die nicht in USDA enthalten sind, sollten einer professionellen Überprüfung unterzogen werden, anstatt ohne Verifizierung aus crowdsourceten Einreichungen akzeptiert zu werden.

3. Verfolgung von 60+ Nährstoffen. Studien, die Mikronährstoffe, diätetische Qualität oder spezifische Nährstoff-Gesundheitsbeziehungen untersuchen, erfordern eine umfassende Nährstoffabdeckung.

4. Datenexport auf Lebensmittelebene in standardisierten Formaten. CSV oder gleichwertiger Export, der Analysen in R, SPSS, SAS oder Python ermöglicht.

5. Geringer Protokollierungsaufwand zur Maximierung der Compliance. KI-unterstützte Protokollierung (Foto, Sprache, Barcode) reduziert die Belastung für die Teilnehmer und verbessert die Vollständigkeit der Daten.

6. Werbefreie Erfahrung. Beseitigt Werbeeinflüsse und reduziert Ablenkungen der Teilnehmer während der Protokollierung.

7. Konsistente Benutzererfahrung. Keine Änderungen an Funktionen oder Schnittstellen während der Studienzeit, die das Protokollierungsverhalten beeinflussen könnten.

Nutrola erfüllt alle sieben Kriterien: eine an USDA verankerte und quellenüberprüfte Datenbank, von Ernährungswissenschaftlern verifizierte Einträge (1,8 Millionen), 80+ verfolgte Nährstoffe, KI-Foto- und Sprachprotokollierung, Barcode-Scannen, werbefrei für 2,50 € pro Monat und verfügbar auf iOS und Android.

Häufig gestellte Fragen

Welche Kalorienzähler-App wird am häufigsten in klinischen Forschungsarbeiten verwendet?

Nach Zitierhäufigkeit erscheint MyFitnessPal am häufigsten in veröffentlichten Studien, was hauptsächlich auf seine Marktführerschaft zurückzuführen ist. Für kontrollierte diätetische Interventionen, bei denen Datenqualität entscheidend ist, ist Cronometer jedoch die bevorzugte Wahl. Forscher wählen Apps basierend auf der Methodik der Datenbank und den Möglichkeiten zum Datenaustausch und nicht nach Beliebtheit aus.

Warum verwenden Forscher nicht einfach MyFitnessPal, da es am beliebtesten ist?

Beliebtheit und Eignung für die Forschung sind unterschiedliche Kriterien. Mehrere Studien (Tosi et al., 2022; Evenepoel et al., 2020) haben Genauigkeitsbedenken hinsichtlich der crowdsourceten Datenbank von MFP dokumentiert. Forscher, die Präzisionsernährungsstudien oder kontrollierte diätetische Interventionen durchführen, benötigen genauere Daten, als MFP konsistent bereitstellt. MFP wird in Studien verwendet, in denen die Nahrungsaufnahme eine sekundäre Variable ist und ungefähre Schätzungen akzeptabel sind.

Kann Nutrola in klinischen Forschungsarbeiten verwendet werden?

Die Methodik von Nutrola entspricht den Anforderungen auf Forschungsniveau: Grundlage von USDA FoodData Central, Ernährungswissenschaftler-Quellenüberprüfung, 80+ verfolgte Nährstoffe und KI-unterstützte Protokollierung zur Maximierung der Teilnehmerbindung. Die 1,8 Millionen verifizierten Einträge, die Möglichkeiten zum Datenaustausch und das werbefreie Design zu 2,50 € pro Monat machen es geeignet für Forschungsprotokolle, die eine tägliche Überwachung der Ernährung mit sowohl Genauigkeit als auch Teilnehmerengagement erfordern.

Was ist der Unterschied zwischen Forschungstools zur Ernährung (ASA24, NDSR) und Verbraucher-Apps?

ASA24 und NDSR sind für die periodische diätetische Bewertung konzipiert, die von geschulten Fachleuten durchgeführt oder geleitet wird. Verbraucher-Apps (Nutrola, Cronometer, MFP) sind für die tägliche Selbstverfolgung durch Einzelpersonen ohne professionelle Ausbildung konzipiert. Verbraucher-Apps sind hervorragend für kontinuierliches, zeitnahes Monitoring geeignet, können jedoch einige methodische Strenge opfern. Apps mit USDA-verankerten Datenbanken (Nutrola, Cronometer) verringern diese Kluft erheblich.

Wird KI-unterstütztes Kalorienzählen traditionelle diätetische Bewertungen in der Forschung ersetzen?

Es ist unwahrscheinlich, dass KI-unterstütztes Tracking traditionelle Methoden wie NDSR oder ASA24 vollständig ersetzt, wird jedoch zunehmend ergänzend wirken. Der primäre Forschungswert des KI-Trackings liegt in der reduzierten Belastung für die Teilnehmer (Verbesserung der Compliance und Vollständigkeit der Daten) in Kombination mit objektiver fotografischer Dokumentation. Die kritische Anforderung ist, dass die KI-Identifizierung mit einer verifizierten Ernährungsdatenbank kombiniert werden muss. Apps wie Nutrola, die die Bequemlichkeit der KI-Protokollierung mit der Genauigkeit von USDA-verifizierten Daten kombinieren, sind am besten für diese aufkommende Forschungsanwendung positioniert.