Πόσο Ακριβής Είναι η Εισαγωγή Συνταγών για την Παρακολούθηση Θερμίδων;

Εκατομμύρια άνθρωποι ανακαλύπτουν το δείπνο τους καθημερινά στο TikTok, το YouTube και το Instagram. Μια έρευνα του 2024 από το International Food Information Council διαπίστωσε ότι το 40% των ενηλίκων ηλικίας 18-34 ετών έχει δοκιμάσει να μαγειρέψει μια συνταγή που ανακάλυψε στα social media τον τελευταίο μήνα. Για όσους παρακολουθούν τις θερμίδες τους, το επόμενο λογικό βήμα είναι να εισάγουν αυτές τις συνταγές απευθείας σε μια εφαρμογή παρακολούθησης θερμίδων.

Πολλές εφαρμογές προσφέρουν τώρα δυνατότητες εισαγωγής συνταγών που ισχυρίζονται ότι εξάγουν τα συστατικά από μια διεύθυνση URL social media και υπολογίζουν αυτόματα τα διατροφικά δεδομένα. Η υπόσχεση είναι απλή: επικολλήστε έναν σύνδεσμο, λάβετε μια μέτρηση θερμίδων. Η πραγματικότητα είναι πιο περίπλοκη, καθώς η AI πρέπει να ερμηνεύσει μη δομημένο περιεχόμενο βίντεο, ανεπίσημες περιγραφές και ποικιλία μορφών συνταγών για να παράγει δομημένα διατροφικά δεδομένα.

Δοκιμάσαμε την ακρίβεια εισαγωγής συνταγών σε διάφορες πλατφόρμες και εφαρμογές για να διαπιστώσουμε πού λειτουργεί αυτή η τεχνολογία, πού αποτυγχάνει και πόσο μεγάλες είναι οι αποκλίσεις θερμίδων.

---

Πώς Λειτουργεί η Εισαγωγή Συνταγών από τα Social Media;

Η εισαγωγή συνταγών από τα social media χρησιμοποιεί έναν συνδυασμό web scraping, επεξεργασίας φυσικής γλώσσας και αντιστοίχισης βάσεων δεδομένων. Η τεχνική διαδικασία διαφέρει ανάλογα με την πηγή.

Για το YouTube: Τα εργαλεία AI εξάγουν πληροφορίες συστατικών από τις περιγραφές των βίντεο, τα καρφιτσωμένα σχόλια ή τα συνδεδεμένα ιστολόγια συνταγών. Ορισμένα προηγμένα συστήματα χρησιμοποιούν επίσης μεταγραφή ομιλίας από το ίδιο το βίντεο και προσπαθούν να αναγνωρίσουν τις ποσότητες των συστατικών που αναφέρονται.

Για το TikTok: Οι πληροφορίες συνταγής βρίσκονται συνήθως στην περιγραφή, σε κείμενα που εμφανίζονται στην οθόνη ή στην ομιλία κατά τη διάρκεια του βίντεο. Η AI πρέπει να αναλύσει σύντομο, ανεπίσημο κείμενο που συχνά δεν περιέχει ακριβείς μετρήσεις.

Για το Instagram: Οι συνταγές εμφανίζονται στις περιγραφές, σε καρουσέλ εικόνων ή σε συνδεδεμένες εξωτερικές τοποθεσίες. Η διαθεσιμότητα δομημένων δεδομένων εξαρτάται σε μεγάλο βαθμό από το αν ο δημιουργός χρησιμοποιεί μια μορφή κάρτας συνταγής ή γράφει τα συστατικά σε μια συνομιλητική περιγραφή.

Για ιστοσελίδες συνταγών: Αυτή είναι η πιο αξιόπιστη πηγή, καθώς πολλά ιστολόγια μαγειρικής χρησιμοποιούν δομημένο σχήμα συνταγής (Schema.org Recipe markup), το οποίο παρέχει λίστες συστατικών και ποσότητες που είναι αναγνώσιμες από μηχανές.

Κάθε βήμα στη διαδικασία — εξαγωγή περιεχομένου, αναγνώριση συστατικών, ανάλυση ποσοτήτων και αντιστοίχιση βάσεων δεδομένων — εισάγει πιθανό σφάλμα. Η συνολική ακρίβεια είναι το προϊόν της ακρίβειας σε κάθε στάδιο.

---

Πόσο Ακριβείς Είναι οι Εισαγόμενες Θερμίδες Συνταγών σε Σύγκριση με Χειροκίνητους Υπολογισμούς;

Εισάγαμε 30 συνταγές από διάφορες πλατφόρμες social media σε τρεις εφαρμογές παρακολούθησης θερμίδων με δυνατότητες εισαγωγής συνταγών. Στη συνέχεια, υπολογίσαμε χειροκίνητα τα διατροφικά δεδομένα για κάθε συνταγή ζυγίζοντας κάθε συστατικό και αντιστοιχίζοντάς το σε επαληθευμένες καταχωρίσεις της βάσης δεδομένων USDA.

Πηγή Πλατφόρμας	Δοκιμασμένες Συνταγές	Μέσο Σφάλμα Θερμίδων Ανά Μερίδα	Εύρος Σφάλματος	Ποσοστό Ανίχνευσης Συστατικών
Ιστοσελίδα συνταγών (με σχήμα)	8	±8–12%	3–18%	92–98%
YouTube (με λίστα περιγραφών)	6	±12–20%	5–30%	80–90%
YouTube (χωρίς περιγραφή, μόνο ομιλία)	4	±25–40%	15–55%	55–70%
Instagram (συνταγή στην περιγραφή)	5	±18–28%	8–40%	70–82%
TikTok (συνταγή στην περιγραφή)	4	±20–35%	10–50%	60–75%
TikTok (μόνο κείμενο στην οθόνη)	3	±30–50%	15–65%	45–60%

Οι διαφορές ακρίβειας μεταξύ των πλατφορμών είναι σημαντικές. Οι ιστοσελίδες συνταγών με δομημένο σχήμα επιστροφής παράγουν τις πιο ακριβείς εισαγωγές, καθώς η λίστα συστατικών είναι ήδη διαμορφωμένη με τρόπο αναγνώσιμο από μηχανές. Τα βίντεο του TikTok με μόνο κείμενο στην οθόνη είναι τα λιγότερο ακριβή, καθώς η AI πρέπει να χρησιμοποιήσει οπτική αναγνώριση χαρακτήρων σε καρέ βίντεο, συχνά αντιμετωπίζοντας διακοσμητικές γραμματοσειρές, μερική ορατότητα και ανεπίσημες συντομογραφίες.

---

Τι Προκαλεί τα Σφάλματα Θερμίδων στις Εισαγωγές Συνταγών;

Κατηγοριοποιήσαμε τις πηγές σφάλματος σε όλες τις 30 εισαγόμενες συνταγές. Τα σφάλματα χωρίζονται σε πέντε διακριτές κατηγορίες, κάθε μία από τις οποίες συμβάλλει διαφορετικά στη συνολική απόκλιση θερμίδων.

Πηγή Σφάλματος	Συχνότητα	Μέσο Θερμιδικό Επίπτωση Ανά Μερίδα	Παράδειγμα
Ελλείποντα συστατικά	45% των εισαγωγών	50–150 θερμίδες	Ελαιόλαδο, βούτυρο, γαρνιτούρες που παραλείπονται
Λάθος ποσότητες	38% των εισαγωγών	30–120 θερμίδες	"Μια σταγόνα ελαιόλαδου" αναγνωρίστηκε ως 5 ml αντί για 15 ml
Λάθος συστατικό που αντιστοιχίζεται	22% των εισαγωγών	20–100 θερμίδες	"Κρέμα γάλακτος" αντιστοιχίζεται σε "κρέμα χτυπητή (ελαφριά)"
Διαφορετικό μέγεθος μερίδας	35% των εισαγωγών	50–200 θερμίδες	Η συνταγή βγάζει 4 μερίδες αλλά ο αναλυτής υποθέτει 6
Μη ληφθείσα υπόψη μέθοδος μαγειρέματος	28% των εισαγωγών	30–100 θερμίδες	Το τηγανητό αντικείμενο καταγράφεται ως ωμές θερμίδες

Η πιο επιδραστική κατηγορία σφάλματος είναι τα ελλείποντα συστατικά. Οι δημιουργοί συνταγών στα social media συχνά παραλείπουν τα μαγειρικά λίπη, τα τελειωτικά έλαια και τις γαρνιτούρες από τις γραπτές λίστες συστατικών τους, ακόμη και όταν τα χρησιμοποιούν ορατά στο βίντεο. Ένας δημιουργός μπορεί να ρίξει ελαιόλαδο σε ένα τηγάνι χωρίς να αναφέρει ποσότητα, να προσθέσει μια χούφτα τυρί στο τέλος ή να τελειώσει ένα πιάτο με βούτυρο που δεν εμφανίζεται ποτέ στην περιγραφή.

Μια ανάλυση του 2023 που εξέτασε 200 βίντεο συνταγών TikTok που δημοσιεύτηκαν στο Journal of Nutrition Education and Behavior διαπίστωσε ότι το 52% των βίντεο περιλάμβαναν τουλάχιστον ένα συστατικό που δεν αναφερόταν στην περιγραφή ή στο κείμενο που εμφανίζεται στην οθόνη. Τα μαγειρικά έλαια ήταν το πιο συχνά παραλειπόμενο συστατικό, εμφανιζόμενο στο 68% των βίντεο αλλά αναφερόμενο μόνο στο 31% του συνοδευτικού κειμένου.

---

Πώς Αναλύει η AI τις Ανεπίσημες Περιγραφές Συστατικών;

Οι συνταγές στα social media χρησιμοποιούν ένα στυλ γλώσσας πολύ διαφορετικό από τα παραδοσιακά βιβλία μαγειρικής. Οι τυποποιημένες μετρήσεις συχνά αντικαθίστανται από ανεπίσημες περιγραφές που οι μηχανές επεξεργασίας φυσικής γλώσσας δυσκολεύονται να μετατρέψουν σε ακριβείς ποσότητες.

Ανεπίσημη Περιγραφή	Τι Συνήθως Αναγνωρίζει η AI	Πιθανή Πραγματική Ποσότητα	Διαφορά Θερμίδων
"Μια σταγόνα ελαιόλαδου"	1 κουταλιά της σούπας (14g, 119 θερμίδες)	2–3 κουταλιές της σούπας (28–42g, 238–357 θερμίδες)	119–238 θερμίδες
"Μια χούφτα τυρί"	28g (110 θερμίδες)	40–60g (157–236 θερμίδες)	47–126 θερμίδες
"Καρυκεύστε κατά βούληση" (με ζάχαρη)	1 κουταλάκι του γλυκού (16 θερμίδες)	1–3 κουταλάκια του γλυκού (16–48 θερμίδες)	0–32 θερμίδες
"Ένα κομμάτι βουτύρου"	1 κουταλιά της σούπας (14g, 100 θερμίδες)	15–30g (107–214 θερμίδες)	7–114 θερμίδες
"Λίγη κρέμα"	2 κουταλιές της σούπας (30 ml, 100 θερμίδες)	3–6 κουταλιές της σούπας (45–90 ml, 150–300 θερμίδες)	50–200 θερμίδες
"Αρκετό αλεύρι για επικάλυψη"	2 κουταλιές της σούπας (28g, 57 θερμίδες)	3–5 κουταλιές της σούπας (42–70g, 85–142 θερμίδες)	28–85 θερμίδες

Αυτές οι ανεπίσημες περιγραφές είναι συστηματικές πηγές υποεκτίμησης. "Μια σταγόνα ελαιόλαδου" είναι ιδιαίτερα προβληματική γιατί είναι ένα από τα πιο θερμιδικά πυκνά συστατικά και μετριέται με τον πιο χαλαρό τρόπο. Έρευνα από το Πανεπιστήμιο της Αρκάνσας (2022) διαπίστωσε ότι όταν ζητήθηκε από ανθρώπους να ρίξουν "μια σταγόνα" ελαιόλαδου, η πραγματική ποσότητα κυμαινόταν από 15 ml έως 45 ml — μια τριπλή διαφορά που αντιπροσωπεύει 120 έως 360 θερμίδες.

---

Πόσο Ακριβής Είναι η Εισαγωγή Συνταγών κατά Κατηγορία Τροφίμων;

Ο τύπος της συνταγής που εισάγεται επηρεάζει σημαντικά την ακρίβεια. Οι συνταγές με λιγότερα συστατικά, τυποποιημένα στοιχεία και ακριβείς μετρήσεις εισάγονται πιο ακριβώς.

Κατηγορία Συνταγής	Μέσο Σφάλμα Θερμίδων Εισαγωγής	Πιο Συχνή Πηγή Σφάλματος
Smoothies/shakes	±8–12%	Διαφορετικές ποσότητες (πάγος, ποσότητες υγρού)
Ψημένα προϊόντα (με μετρήσεις)	±10–15%	Αντιστοίχιση βάσεων δεδομένων για ειδικά αλεύρια
Απλά πρωτεΐνες + λαχανικά	±10–18%	Παράλειψη μαγειρικού ελαίου
Πιάτα ζυμαρικών	±15–25%	Ποσότητα σάλτσας, τελειωτικό λάδι/βούτυρο
Stir-fries και ασιατική κουζίνα	±20–35%	Συστατικά σάλτσας, ποσότητα λαδιού, μερίδες ρυζιού
Κάρυ και σούπες	±20–35%	Κρέμα καρύδας, ποσότητες ελαίου, μεγέθη μερίδας
Ψημένα προϊόντα (ανεπίσημες μετρήσεις)	±25–40%	"Λίγο αλεύρι," "αρκετή ζάχαρη," α imprecise ποσότητες
Πολυ-συστατικά γεύματα (μπόλ, πιατέλες)	±25–45%	Πολλαπλά σφάλματα συστατικών

Τα smoothies είναι οι πιο ακριβείς συνταγές που εισάγονται, καθώς συνήθως αναφέρουν όλα τα συστατικά με ακριβείς μετρήσεις (1 φλιτζάνι κατεψυγμένα μούρα, 1 κουταλιά πρωτεΐνης, 1 μπανάνα). Δεν υπάρχει βήμα μαγειρέματος που να εισάγει κρυφά λίπη, και το μέγεθος μερίδας είναι φυσικά ένα (όλο το περιεχόμενο του μπλέντερ).

Τα πολυ-συστατικά γεύματα, όπως τα μπολ burrito ή τα μπολ δημητριακών, είναι τα λιγότερο ακριβή, καθώς κάθε συστατικό (ρύζι, πρωτεΐνη, φασόλια, λαχανικά, σάλτσα, γαρνιτούρες) εισάγει το δικό του σφάλμα εκτίμησης, και το μέγεθος μερίδας είναι συχνά ασαφές.

---

Πώς Διαχειρίζεται η Nutrola την Εισαγωγή Συνταγών;

Η εισαγωγή συνταγών της Nutrola αντιμετωπίζει τις βασικές προκλήσεις ακρίβειας μέσω μιας διαδικασίας πολλαπλής επαλήθευσης αντί για μια απλή εξαγωγή.

Όταν επικολλάτε μια διεύθυνση URL social media στη Nutrola, το σύστημα εξάγει τη λίστα συστατικών και σας την παρουσιάζει για έλεγχο πριν υπολογίσει τη διατροφή. Αυτό το βήμα επαλήθευσης είναι κρίσιμο, καθώς σας επιτρέπει να εντοπίσετε ελλείποντα συστατικά (όπως το μαγειρικό λάδι που είναι ορατό στο βίντεο αλλά απουσιάζει από την περιγραφή), να διορθώσετε ποσότητες που περιγράφονται ασαφώς και να προσαρμόσετε τον αριθμό μερίδων.

Κάθε συστατικό αντιστοιχίζεται με τη βάση δεδομένων διατροφής της Nutrola, η οποία έχει επαληθευτεί 100% από διατροφολόγους. Σε αντίθεση με τις εφαρμογές που χρησιμοποιούν βάσεις δεδομένων που βασίζονται σε crowdsourcing, όπου το "ελαιόλαδο" μπορεί να επιστρέψει οποιαδήποτε από τις πολλές καταχωρίσεις που έχουν υποβληθεί από χρήστες με διαφορετικές θερμίδες, η Nutrola αντιστοιχίζει σε μία μόνο επαληθευμένη καταχώριση με ακριβή διατροφικά δεδομένα.

Για τις εισαγωγές από TikTok και Instagram συγκεκριμένα, η μηχανή ανάλυσης της Nutrola είναι σχεδιασμένη να χειρίζεται τις ανεπίσημες περιγραφές ποσοτήτων που είναι κοινές στις συνταγές social media. Όταν συναντά ασαφείς όρους όπως "μια σταγόνα" ή "μια χούφτα," τους επισημαίνει για επιβεβαίωση από τον χρήστη αντί να υποθέτει σιωπηλά μια πιθανώς λανθασμένη τυπική ποσότητα.

---

Πώς Μπορείτε να Βελτιώσετε την Ακρίβεια Εισαγωγής Συνταγών;

Βασισμένοι στις δοκιμές μας, αυτές οι πρακτικές βελτιώνουν σταθερά την ακρίβεια των εισαγόμενων διατροφικών δεδομένων συνταγών.

Πάντα να ελέγχετε τη λίστα συστατικών που εξάγεται. Κάθε εισαγωγή συνταγής πρέπει να θεωρείται ως προσχέδιο, όχι ως τελικός υπολογισμός. Παρακολουθήστε τα πρώτα 30 δευτερόλεπτα του βίντεο για να ελέγξετε για μαγειρικά λίπη ή συστατικά που εμφανίζονται οπτικά αλλά δεν αναφέρονται στο κείμενο.

Ρυθμίστε χειροκίνητα τις ασαφείς ποσότητες. Όταν δείτε "μια σταγόνα ελαίου" ή "λίγο τυρί," αντικαταστήστε το με την καλύτερη μετρημένη εκτίμησή σας. Ακόμη και μια πρόχειρη μέτρηση κουταλιών είναι πιο ακριβής από ό,τι οι περισσότερες AI parsers υποθέτουν.

Επαληθεύστε τον αριθμό μερίδων. Οι συνταγές στα social media σπάνια προσδιορίζουν πόσες μερίδες βγάζει μια συνταγή. Μια συνταγή ζυμαρικών μπορεί να ταΐσει δύο ή τέσσερις ανάλογα με το μέγεθος της μερίδας, και αυτή η μία μεταβλητή διπλασιάζει ή μειώνει τις θερμίδες ανά μερίδα.

Προτιμήστε ιστοσελίδες συνταγών αντί για πηγές μόνο βίντεο. Όταν η ίδια συνταγή υπάρχει τόσο σε βίντεο TikTok όσο και σε ανάρτηση ιστολογίου, εισάγετε από την ανάρτηση ιστολογίου. Οι δομημένες μορφές συνταγής με ρητές μετρήσεις παράγουν σημαντικά πιο ακριβείς εισαγωγές.

Διασταυρώστε τα συστατικά υψηλής θερμιδικής αξίας. Εάν μια συνταγή περιλαμβάνει θερμιδικά πυκνά συστατικά όπως ξηρούς καρπούς, έλαια, τυρί ή κρέμα, επαληθεύστε ότι οι εισαγόμενες ποσότητες αντιστοιχούν σε αυτά που πραγματικά χρησιμοποιήσατε. Αυτά τα συστατικά έχουν τη μεγαλύτερη θερμιδική πυκνότητα και την πιο σημαντική επίδραση στη συνολική ακρίβεια.

---

Ακρίβεια Εισαγωγής Συνταγών: Η Πλήρης Εικόνα

Πλατφόρμα	Καλύτερη Περίπτωση Ακρίβειας	Χειρότερη Περίπτωση Ακρίβειας	Πιο Συχνή Διόρθωση που Χρειάζεται
Ιστοσελίδα συνταγών (schema)	±3%	±18%	Επαλήθευση μεγέθους μερίδας
YouTube (πλήρης περιγραφή)	±5%	±30%	Ελλείποντα μαγειρικά λίπη
Instagram (λεπτομερής περιγραφή)	±8%	±40%	Διευκρίνιση ποσοτήτων
TikTok (περίληψη)	±10%	±50%	Ελλείποντα συστατικά + ποσότητες
Μόνο βίντεο (χωρίς κείμενο)	±15%	±65%	Σχεδόν τα πάντα χρειάζονται χειροκίνητη διόρθωση

Η εισαγωγή συνταγών είναι ένα εργαλείο εξοικονόμησης χρόνου, όχι ένα εργαλείο ακριβείας. Μπορεί να μειώσει τον χρόνο που απαιτείται για να καταγράψετε ένα πολύπλοκο σπιτικό γεύμα από πέντε λεπτά χειροκίνητης καταχώρησης σε 30 δευτερόλεπτα εισαγωγής συν και ένα λεπτό ελέγχου. Αλλά η παράλειψη του βήματος ελέγχου — η εμπιστοσύνη στην ακατέργαστη εισαγωγή χωρίς να ελέγξετε τα συστατικά, τις ποσότητες και τις μερίδες — εισάγει σφάλματα θερμίδων που μπορεί να κυμαίνονται από περιθωριακά έως σημαντικά.

Η πιο αποτελεσματική προσέγγιση είναι να θεωρείτε την εισαγωγή συνταγών ως σημείο εκκίνησης: αφήστε την AI να εξάγει ό,τι μπορεί, ελέγξτε το αποτέλεσμα σε σχέση με αυτά που πραγματικά χρησιμοποιήσατε, διορθώστε τα κενά και αφήστε μια επαληθευμένη βάση δεδομένων να αναλάβει τα μαθηματικά διατροφής. Αυτή η συνδυασμένη προσέγγιση αυτοματοποιημένης εξαγωγής και ανθρώπινης επαλήθευσης παράγει σταθερά τα πιο ακριβή αποτελέσματα.

Συχνές Ερωτήσεις

Πόσο ακριβής είναι η εισαγωγή μιας συνταγής από το TikTok σε μια εφαρμογή παρακολούθησης θερμίδων;

Οι εισαγωγές συνταγών από το TikTok έχουν μέσο σφάλμα θερμίδων 20-35% όταν η συνταγή είναι στην περιγραφή και 30-50% όταν είναι μόνο σε κείμενο στην οθόνη. Τα κύρια προβλήματα είναι τα ελλείποντα συστατικά (52% των βίντεο συνταγών TikTok παραλείπουν τουλάχιστον ένα συστατικό από το κείμενο), οι ανεπίσημες περιγραφές ποσοτήτων και οι ασαφείς μετρήσεις μερίδας.

Γιατί οι εισαγόμενες συνταγές δείχνουν διαφορετικές θερμίδες από αυτές που υπολόγισα χειροκίνητα;

Οι πιο κοινές πηγές σφάλματος είναι τα ελλείποντα συστατικά (45% των εισαγωγών), ιδιαίτερα τα μαγειρικά έλαια και τα τελειωτικά λίπη που οι δημιουργοί χρησιμοποιούν ορατά αλλά δεν αναφέρουν. Η λανθασμένη ανάλυση ποσοτήτων αντιπροσωπεύει το 38% των σφαλμάτων, και οι ασυμφωνίες μεγέθους μερίδας επηρεάζουν το 35% των εισαγωγών. Αυτά τα σφάλματα συσσωρεύονται, ειδικά σε πολύπλοκα γεύματα με πολλές συνιστώσες.

Ποια πηγή συνταγής είναι η πιο ακριβής για εισαγωγές παρακολούθησης θερμίδων;

Οι ιστοσελίδες συνταγών με δομημένο σχήμα είναι οι πιο ακριβείς, με μέσο σφάλμα θερμίδων 8-12% και ποσοστό ανίχνευσης συστατικών 92-98%. Τα βίντεο του YouTube με πλήρεις περιγραφές συστατικών έρχονται στη συνέχεια με σφάλμα 12-20%. Οι εισαγωγές από TikTok και Instagram είναι οι λιγότερο αξιόπιστες, με σφάλματα που κυμαίνονται από 18-50% ανάλογα με το πώς παρουσιάζεται η συνταγή.

Πώς μπορώ να βελτιώσω την ακρίβεια των διατροφικών δεδομένων μιας εισαγόμενης συνταγής;

Πάντα να ελέγχετε τη λίστα συστατικών που εξάγεται πριν αποδεχθείτε τον υπολογισμό θερμίδων. Παρακολουθήστε τα πρώτα 30 δευτερόλεπτα του βίντεο για να ελέγξετε για μαγειρικά λίπη που δεν αναφέρονται στο κείμενο. Αντικαταστήστε ασαφείς ποσότητες όπως "μια σταγόνα ελαιόλαδου" με μετρημένες εκτιμήσεις. Επαληθεύστε τον αριθμό μερίδων, καθώς οι συνταγές στα social media σπάνια προσδιορίζουν πόσες μερίδες βγάζει μια συνταγή.

Είναι οι συνταγές smoothie πιο ακριβείς στην εισαγωγή από τις συνταγές δείπνου;

Ναι. Οι εισαγωγές smoothies έχουν μέσο σφάλμα θερμίδων μόνο 8-12% επειδή συνήθως αναφέρουν όλα τα συστατικά με ακριβείς μετρήσεις, δεν περιλαμβάνουν βήμα μαγειρέματος που να εισάγει κρυφά λίπη και έχουν φυσικά μέγεθος μερίδας μία (όλο το περιεχόμενο του μπλέντερ). Οι συνταγές δείπνου με πολλές συνιστώσες έχουν μέσο σφάλμα 25-45% λόγω συσσωρευμένων σφαλμάτων συστατικών και ασαφών μερίδων.