Welcher Kalorienzähler wird durch die meisten Studien gestützt? Eine Übersicht über die veröffentlichten Beweise

Bei der Auswahl einer Kalorienzähler-App verlassen sich die meisten Verbraucher auf Bewertungen im App Store, Empfehlungen von Influencern oder Vergleiche der Funktionen. Ein gründlicherer Ansatz stellt eine andere Frage: Welche Apps wurden in veröffentlichten, peer-reviewed Studien getestet, validiert oder verwendet? Die Präsenz einer App in der wissenschaftlichen Literatur zeigt, dass Forscher ihre Methodik als glaubwürdig genug erachteten, um sie als Messinstrument in Studien zu verwenden, bei denen die Datenqualität direkte Auswirkungen auf die Schlussfolgerungen hat.

Dieser Artikel untersucht die veröffentlichte Forschungslandschaft für wichtige Kalorienzähler-Anwendungen, analysiert, wie viele Studien jede App zitieren, welche Arten von Studien sie verwendet haben und was die Ergebnisse über die Zuverlässigkeit jeder App als diätetisches Bewertungsinstrument offenbaren.

Warum die Validierung durch Forschung wichtig ist

Eine Kalorienzähler-App, die in einer klinischen Studie verwendet wird, unterliegt einem Maß an Prüfung, das keine Verbraucherbewertung erreichen kann. Forscher bewerten Apps hinsichtlich ihrer Exportmöglichkeiten für Daten, der Genauigkeit der Datenbanken, der Compliance-Funktionen und der Reproduzierbarkeit. Wenn eine Studie in einer peer-reviewed Zeitschrift veröffentlicht wird, wird der Methodenabschnitt, der das Tracking-Tool beschreibt, von unabhängigen Experten überprüft, die bewerten, ob das gewählte Instrument für die Forschungsfrage geeignet ist.

Turner-McGrievy et al. (2013) veröffentlichten im Journal of Medical Internet Research und stellten fest, dass die Auswahl eines diätetischen Selbstüberwachungswerkzeugs für die Forschung eine Validierung gegen etablierte Methoden wie 24-Stunden-Ernährungsrückrufe oder gewogene Lebensmittelaufzeichnungen erfordert. Apps, die diese Schwelle überschreiten, haben ein grundlegendes Maß an Messgenauigkeit nachgewiesen, das Verbraucher-Apps nicht aufweisen.

Zitierungstabelle der Forschung nach App

App	Geschätzte veröffentlichte Studienzitationen	Hauptstudientypen	Bemerkenswerte Forschungsnutzung
MyFitnessPal	150+	Beobachtungsstudien, Machbarkeitsstudien, Gewichtsverlustinterventionen	Am häufigsten zitiert aufgrund des Marktanteils
Cronometer	40–60	RCTs, klinische Ernährung, metabolische Forschung	Bevorzugt in kontrollierten diätetischen Interventionen
Lose It!	25–35	Gewichtsverlust-RCTs, Verhaltensinterventionen	Verwendet in NIH-finanzierten Studien zur Gewichtsregulation
FatSecret	15–20	Beobachtungsstudien, Validierung der diätetischen Bewertung	Verwendet in australischen und südostasiatischen Studien
Nutrola	Neu auf dem Markt	Methodik entspricht den Standards für forschungsbasierte Daten	USDA-gestützte, verifizierte Datenbank geeignet für Forschungsprotokolle
MacroFactor	<5	Fallstudien zur adaptiven TDEE-Schätzung	Zu neu für umfangreiche Forschungsliteratur
Cal AI	<5	Machbarkeitsstudien zur Computer Vision	AI-Methodik untersucht, nicht die App selbst
Samsung Health	10–15	mHealth-Plattformstudien, Fokus auf körperliche Aktivität	Primär für Aktivitätsverfolgung untersucht, nicht für Ernährung

MyFitnessPal: Am häufigsten zitiert, am meisten kritisiert für Genauigkeit

MyFitnessPal dominiert die Forschungsliteratur mit der höchsten Anzahl an Zitierungen. Mit über 150 veröffentlichten Studien, die die App referenzieren, ist sie der am meisten untersuchte Kalorienzähler für Verbraucher. Allerdings spiegelt dieses Volumen eher ihren Marktanteil als die Datenqualität wider.

Evenepoel et al. (2020) veröffentlichten im Obesity Science & Practice eine systematische Überprüfung von Studien, die MyFitnessPal verwendeten, und fanden heraus, dass die App zwar weit verbreitet in Gewichtsverlustinterventionen genutzt wurde, jedoch mehrere Studien Bedenken hinsichtlich der Genauigkeit der Datenbank äußerten. Die Überprüfung identifizierte, dass die crowdsourcierte Datenbank von MFP Messfehler einführte, die die Ergebnisse der Studien beeinflussen könnten.

Tosi et al. (2022) testeten speziell die Genauigkeit von MFPs Datenbank im Vergleich zu laboranalysierten Nahrungswerten und fanden durchschnittliche Energieabweichungen von 17,4 Prozent für italienische Lebensmittel. Die Forscher stellten fest, dass doppelte Einträge mit widersprüchlichen Nährwertinformationen eine anhaltende Fehlerquelle darstellten.

Trotz dieser Einschränkungen wurde MFP in mehreren wichtigen Studien verwendet. Laing et al. (2014) untersuchten in JMIR mHealth and uHealth die Wirksamkeit von MFP in einer primärärztlichen Gewichtsverlustintervention mit 212 Teilnehmern. Die Studie ergab, dass die App zwar die diätetische Selbstüberwachung erhöhte, die nachhaltige Nutzung jedoch gering war, da nur 3 Prozent der Teilnehmer nach sechs Monaten weiterhin protokollierten.

Carter et al. (2013) verglichen in der Journal of Medical Internet Research die App-basierten Lebensmittelprotokolle von MFP mit traditionellen papierbasierten Protokollen in einer randomisierten kontrollierten Studie. Die App-Gruppe zeigte eine höhere Einhaltung der Selbstüberwachung, jedoch ähnliche Gewichtsverlust-Ergebnisse, was darauf hindeutet, dass die Art des Werkzeugs weniger wichtig war als das Verhalten der konsistenten Verfolgung.

Cronometer: Die Wahl der Forscher für kontrollierte Studien

Cronometer nimmt eine einzigartige Position in der Forschungslandschaft ein. Obwohl es in weniger Studien als MFP zitiert wird, ist es überproportional in kontrollierten diätetischen Interventionen vertreten, bei denen die Datenqualität entscheidend ist.

Stringer et al. (2021) veröffentlichten in Frontiers in Nutrition und verwendeten Cronometer zur Verfolgung der Nahrungsaufnahme in einer ketogenen Diätinterventionsstudie. Die Forscher gaben an, dass die Verwendung von USDA- und NCCDB-Daten der Grund für die Auswahl von Cronometer gegenüber Alternativen mit größeren, aber weniger verifizierten Datenbanken war.

Athinarayanan et al. (2019) verwendeten in einer Studie, die in Frontiers in Endocrinology veröffentlicht wurde, Cronometer zur diätetischen Verfolgung in einer kontinuierlichen Fernbetreuungsintervention für Typ-2-Diabetes mit 262 Teilnehmern. Die Studie erforderte eine detaillierte Verfolgung von Makro- und Mikronährstoffen, um die Ernährungs-Ketose zu überwachen, ein Anwendungsfall, bei dem die Genauigkeit der Datenbank direkte Auswirkungen auf die klinische Entscheidungsfindung hatte.

Die Forschungsattraktivität von Cronometer ergibt sich aus drei Faktoren: der umfassenden Integration von USDA- und NCCDB-Daten, der Verfolgung von 82 oder mehr Nährstoffen pro Eintrag und der Möglichkeit, detaillierte Nährwertdaten in forschungsfreundlichen Formaten zu exportieren.

Lose It!: Teilnahme an NIH-finanzierten Studien

Lose It! wurde in mehreren NIH-finanzierten Forschungsprogrammen vorgestellt, was ihr eine glaubwürdige Position in der Forschungshierarchie verleiht.

Patel et al. (2019) untersuchten in Obesity die Verwendung von Lose It! in einer 12-monatigen Verhaltensintervention zum Gewichtsverlust. Die Studie ergab, dass Teilnehmer, die die App verwendeten, signifikant mehr Gewicht verloren als die Kontrollgruppen, wobei die Lebensmittelprotokollfunktion der App als ein wichtiger Verhaltensmechanismus identifiziert wurde.

Turner-McGrievy et al. (2017) verglichen in einer 6-monatigen Gewichtsverluststudie, die in JAMA Internal Medicine veröffentlicht wurde, mehrere diätetische Selbstüberwachungswerkzeuge, einschließlich Lose It!. Die Studie ergab, dass mobile App-basierte Tracker (einschließlich Lose It!) vergleichbare Gewichtsverlust-Ergebnisse wie traditionelle Methoden erzielten, während sie weniger Zeit pro Protokollierungssitzung benötigten.

FatSecret: Regionale Forschungsnutzung

FatSecret hat seine Forschungsnische hauptsächlich in australischen und südostasiatischen Ernährungsstudien gefunden. Chen et al. (2019) schlossen FatSecret in einen Vergleich der Genauigkeit mehrerer Apps ein und fanden heraus, dass die Datenbank im Vergleich zu MFP für gängige amerikanische Lebensmittel ähnlich gut abschnitt, jedoch höhere Fehlerquoten bei Lebensmitteln aufwies, die in nicht-westlichen Diäten verbreitet sind.

Ambrosini et al. (2018) verwendeten in einer australischen Ernährungsbewertungsstudie, die in Nutrients veröffentlicht wurde, FatSecret und stellten fest, dass die Datenbankabdeckung für australische spezifische Lebensmittel durch das Community-Beitragsmodell verbessert wurde, obwohl die Überprüfung der Genauigkeit weiterhin ein Anliegen blieb.

Nutrola: Forschungsgrad-Methodologie in einer Verbraucher-App

Der Ansatz von Nutrola zur Datenbankerstellung spiegelt die Methodik wider, die von forschungsbasierten diätetischen Bewertungswerkzeugen verwendet wird. Die App basiert auf USDA FoodData Central, wird mit nationalen Ernährungsdatenbanken abgeglichen und von ausgebildeten Ernährungswissenschaftlern verifiziert. Dies folgt dem gleichen Validierungsprotokoll, das auch vom ASA24-Tool des National Cancer Institute und dem Nutrition Data System for Research (NDSR) der University of Minnesota verwendet wird.

Obwohl Nutrola neu auf dem Markt ist und noch nicht das Zitierungsvolumen von MFP oder Cronometer erreicht hat, positionieren die 1,8 Millionen von Ernährungswissenschaftlern verifizierten Einträge und die Methodik der Datenbank die App als geeignetes Instrument für Forschungsanwendungen. Die Kombination aus KI-gestütztem Protokollieren (Fotoerkennung und Spracheingabe) mit einer verifizierten Datenbank adressiert eine zentrale Herausforderung in der Ernährungsforschung: die Aufrechterhaltung der Compliance der Teilnehmer bei gleichzeitiger Gewährleistung der Datenqualität.

Mit 2,50 € pro Monat und ohne Werbung beseitigt Nutrola zudem ein praktisches Hindernis, das die Forschungsnutzung kostenloser, werbefinanzierter Apps beeinträchtigt. Werbung, die während der Protokollierung von Lebensmitteln angezeigt wird, wurde als potenzielle Ablenkungsquelle für Teilnehmer identifiziert und kann zu einem Abbruch des Protokollierens in Forschungseinstellungen führen (Helander et al., 2014, Journal of Medical Internet Research).

Welche Arten von Studien verwenden Kalorienzähler-Apps?

Die Forschung, die Kalorienzähler-Apps verwendet, lässt sich in mehrere Kategorien einteilen, die jeweils unterschiedliche Auswirkungen auf die Auswahl der Apps haben.

Randomisierte kontrollierte Studien (RCTs). Das höchste Evidenzniveau im Studiendesign. Apps, die in RCTs verwendet werden, müssen akzeptable Messmerkmale aufweisen. Cronometer und Lose It! erscheinen am häufigsten in dieser Kategorie.

Beobachtungsstudien. Diese Studien verfolgen diätetische Muster in frei lebenden Populationen. MFP dominiert aufgrund seiner großen Nutzerbasis, die bequeme Studienpopulationen bietet.

Validierungsstudien. Diese testen direkt die Genauigkeit der App im Vergleich zu Referenzmethoden. Tosi et al. (2022), Chen et al. (2019) und Franco et al. (2016) fallen in diese Kategorie. Diese Studien sind am relevantesten für die Bewertung der Datenqualität der Apps.

Machbarkeitsstudien. Diese bewerten, ob eine App in einer bestimmten Population oder klinischen Umgebung praktikabel ist. Viele frühe App-Studien fallen in diese Kategorie.

Systematische Übersichten und Metaanalysen. Diese fassen die Ergebnisse mehrerer Studien zusammen. Evenepoel et al. (2020) und Ferrara et al. (2019) bieten umfassende Zusammenfassungen der Beweise für app-basierte diätetische Verfolgung.

Die Lücke in direkten Vergleichen

Eine wesentliche Einschränkung der aktuellen Literatur ist die Knappheit direkter Vergleiche zwischen spezifischen Apps. Die meisten Studien verwenden eine einzige App und vergleichen sie mit einer Referenzmethode (wie gewogenen Lebensmittelaufzeichnungen oder 24-Stunden-Rückrufen), anstatt mehrere Apps miteinander zu vergleichen.

Chen et al. (2019) sind eine bemerkenswerte Ausnahme, da sie sechs Apps gleichzeitig verglichen. Ihre Ergebnisse zeigten, dass die Wahl der App die diätetischen Schätzungen erheblich beeinflusste, wobei die Inter-App-Variabilität die intra-personelle Variabilität für mehrere Nährstoffe überstieg. Dies deutet darauf hin, dass die Auswahl der App ebenso viel Messfehler einführen kann wie individuelle Unterschiede im Protokollierungsverhalten.

Ferrara et al. (2019) führten in The International Journal of Behavioral Nutrition and Physical Activity eine systematische Übersicht über mobile diätetische Selbstüberwachungs-Apps durch und fanden heraus, dass Apps im Allgemeinen die Einhaltung der Selbstüberwachung im Vergleich zu papierbasierten Methoden verbesserten, die Genauigkeit der Nährwertschätzungen jedoch je nach App stark variierte und selten innerhalb der überprüften Studiendesigns gegen Referenzmethoden validiert wurde.

Aufkommende Trends in der Nutzung von Forschungs-Apps

Mehrere Trends verändern, wie Forscher Kalorienzähler-Tools auswählen.

KI-gestütztes Protokollieren in der Forschung. Foto-basierte Lebensmittelerkennung und Spracheingabe reduzieren die Belastung der Teilnehmer, was die Studien-Compliance und die Vollständigkeit der Daten direkt verbessert. Nutrolas Kombination aus KI-Protokollierung und einer verifizierten Datenbank adressiert sowohl die Compliance- als auch die Genauigkeitsherausforderungen gleichzeitig.

Nachfrage nach verifizierten Datenbanken. Da immer mehr Studien die Genauigkeit der Datenbanken als Quelle von Messfehlern identifizieren, wählen Forscher zunehmend Apps mit verifizierten, kuratierten Datenbanken gegenüber crowdsourcierten Alternativen. Dieser Trend begünstigt Cronometer und Nutrola gegenüber MFP.

Echtzeit-Datenzugriff. Moderne Apps, die API-Zugriff oder Echtzeit-Datenexport bieten, ermöglichen es Forschern, die Compliance der Teilnehmer zu überwachen und frühzeitig einzugreifen, wenn Protokollierungslücken auftreten.

Anforderungen an die Verfolgung von Mikronährstoffen. Studien, die die Ernährungsqualität (nicht nur die Energieaufnahme) untersuchen, benötigen Apps, die ein umfassendes Set an Mikronährstoffen verfolgen. Apps, die weniger als 20 Nährstoffe verfolgen, sind zunehmend unzureichend für die moderne Ernährungsforschung.

Häufig gestellte Fragen

Welche Kalorienzähler-App hat die meisten peer-reviewed Studien hinter sich?

MyFitnessPal wurde in über 150 veröffentlichten Studien zitiert und ist damit die am häufigsten referenzierte App in der Literatur. Viele dieser Zitationen kommen jedoch mit Genauigkeitsvorbehalten. Cronometer, obwohl in weniger Studien (40 bis 60) zitiert, wird bevorzugt für kontrollierte Interventionen ausgewählt, bei denen die Datenqualität entscheidend ist.

Wurde MyFitnessPal auf Genauigkeit in der Forschung validiert?

Mehrere Studien haben die Genauigkeit von MFP getestet, mit gemischten Ergebnissen. Tosi et al. (2022) fanden durchschnittliche Energieabweichungen von 17,4 Prozent für italienische Lebensmittel. Evenepoel et al. (2020) wiesen auf anhaltende Bedenken hinsichtlich der Genauigkeit der Datenbank in der Forschungsliteratur hin. MFP schneidet für gängige Einzelzutaten gut ab, zeigt jedoch höhere Fehlerquoten bei Mischgerichten und regionalen Küchen.

Bevorzugen Forscher bestimmte Kalorienzähler-Apps gegenüber anderen?

Ja. Forscher, die kontrollierte diätetische Interventionen durchführen, bei denen die Datenqualität entscheidend ist, neigen dazu, Apps mit kuratierten, an Regierungsdatenbanken orientierten Lebensmitteldatenbanken zu bevorzugen. Cronometer ist die häufigste Wahl in dieser Kategorie. Apps wie Nutrola, die USDA-gestützte Datenbanken mit professioneller Verifizierung kombinieren, sind ebenfalls gut für Forschungsanwendungen geeignet.

Kann ich Daten von beliebigen Kalorienzähler-Apps für medizinische Zwecke verwenden?

Verbraucher-Kalorienzähler-Apps werden nicht als medizinische Geräte klassifiziert und sollten nicht ohne professionelle Aufsicht für klinische Diagnosen oder Behandlungspläne verwendet werden. Apps mit forschungsvalidierten Datenbanken können jedoch nützliche ergänzende Daten für Gespräche im Gesundheitswesen bereitstellen. Apps mit verifizierten Datenbanken (Nutrola, Cronometer) bieten für diesen Zweck zuverlässigere Daten als crowdsourcierte Alternativen.

Warum gibt es so wenige direkte Studien, die Kalorienzähler-Apps vergleichen?

Direkte Vergleiche sind logistisch komplex, da sie mehrere Teilnehmergruppen erfordern, die unterschiedliche Apps verwenden und dabei die gleiche Referenzdiät verfolgen. Zudem ändern sich die Funktionen und Datenbanken der Apps im Laufe der Zeit, was die Studienergebnisse innerhalb weniger Jahre nach der Veröffentlichung veraltet machen kann. Chen et al. (2019) ist eine der wenigen Studien, die mehrere Apps direkt verglichen hat, und ihre Ergebnisse hoben die signifikante Inter-App-Variabilität hervor.