Πώς Δημιουργείται η Βάση Δεδομένων Τροφίμων της Nutrola: Από τα Δεδομένα της USDA σε 12 Εκατομμύρια Επαληθευμένες Εγγραφές

Όταν αναζητάτε "ψητό στήθος κοτόπουλου" σε μια εφαρμογή παρακολούθησης θερμίδων και βλέπετε "165 θερμίδες ανά 100 γραμμάρια", αυτός ο αριθμός δεν εμφανίστηκε από το πουθενά. Κάποιος τον μέτρησε. Κάποιος τον επαλήθευσε. Κάποιος αποφάσισε ότι είναι αρκετά ακριβής για να τον δείξει σε εκατομμύρια χρήστες που λαμβάνουν αποφάσεις για την υγεία τους με βάση αυτά τα δεδομένα.

Η ποιότητα μιας βάσης δεδομένων τροφίμων είναι το αόρατο θεμέλιο κάτω από κάθε εφαρμογή παρακολούθησης θερμίδων. Αν η βάση δεδομένων είναι λανθασμένη, τότε όλα όσα βασίζονται σε αυτήν είναι λανθασμένα: το ημερήσιο σύνολο θερμίδων σας, η κατανομή των μακροθρεπτικών συστατικών σας, η εβδομαδιαία τάση σας, οι συστάσεις του προπονητή σας και τελικά τα αποτελέσματά σας. Ωστόσο, οι περισσότεροι χρήστες δεν σκέφτονται ποτέ από πού προέρχονται οι αριθμοί, και οι περισσότερες εφαρμογές δεν το εξηγούν ποτέ.

Αυτό το άρθρο περιγράφει ακριβώς πώς κατασκευάζεται η βάση δεδομένων τροφίμων της Nutrola, από τα κυβερνητικά δεδομένα που τη θεμελιώνουν μέχρι τις 12 εκατομμύρια επαληθευμένες εγγραφές που περιέχει σήμερα. Εξηγεί επίσης γιατί η ποιότητα της βάσης δεδομένων διαφέρει τόσο δραματικά μεταξύ των εφαρμογών και τι σημαίνει αυτό για την ακρίβεια της παρακολούθησής σας.

Το Θεμέλιο: USDA FoodData Central

Κάθε σοβαρή βάση δεδομένων διατροφής ξεκινά με το Υπουργείο Γεωργίας των Ηνωμένων Πολιτειών (USDA). Η USDA μετρά την διατροφική περιεκτικότητα των τροφίμων από τη δεκαετία του 1890, και η σύγχρονη βάση δεδομένων τους, FoodData Central, αντιπροσωπεύει την πιο ολοκληρωμένη και αυστηρά επικυρωμένη συλλογή δεδομένων τροφίμων στον κόσμο.

Η FoodData Central περιέχει πολλαπλά σύνολα δεδομένων. SR Legacy παρέχει λεπτομερή προφίλ θρεπτικών συστατικών για περίπου 7.600 κοινά τρόφιμα, καθένα από τα οποία είναι προϊόν εργαστηριακής ανάλυσης, όχι εκτίμησης. Τα τρόφιμα αγοράζονται φυσικά, προετοιμάζονται σύμφωνα με τυποποιημένα πρωτόκολλα και αναλύονται χρησιμοποιώντας επικυρωμένες μεθόδους αναλυτικής χημείας. Foundation Foods είναι ο νεότερος και πιο λεπτομερής διάδοχος, παρέχοντας μέτρα μεταβλητότητας, μεγέθη δειγμάτων και μεταδεδομένα σχετικά με την ποικιλία, τη φυλή, την προέλευση και την εποχή συγκομιδής. FNDDS καλύπτει μεικτά πιάτα και συνταγές όπως καταναλώνονται συνήθως, με δεδομένα μεγέθους μερίδας συνδεδεμένα με οικιακά μέτρα. Branded Foods περιέχει δεδομένα συσκευασμένων τροφίμων που προέρχονται από συνεργασία με την Label Insight (τώρα NielsenIQ).

Η Nutrola απορροφά όλα τα τέσσερα σύνολα δεδομένων, τα κανονικοποιεί σε ένα συνεπές σχήμα και διασταυρώνει τις εγγραφές για να επιλύσει τις διαφορές. Όταν τα SR Legacy και Foundation Foods περιέχουν δεδομένα για το ίδιο είδος, οι τιμές του Foundation Foods έχουν προτεραιότητα, καθώς βασίζονται σε πιο πρόσφατες αναλύσεις.

Αυτή η θεμελίωση από την USDA παρέχει περίπου 400.000 μοναδικές εγγραφές τροφίμων. Αυτό είναι ένα ισχυρό σημείο εκκίνησης, αλλά δεν είναι αρκετό για μια σύγχρονη εφαρμογή παρακολούθησης θερμίδων. Οι περισσότεροι άνθρωποι δεν τρώνε "Κοτόπουλο, βραστό, στήθος, μόνο κρέας". Τρώνε ένα σάντουιτς Chick-fil-A, ή ένα κατεψυγμένο γεύμα Trader Joe's, ή ένα σπιτικό πιάτο από μια συνταγή που τους έφερε η γιαγιά τους από άλλη χώρα. Η κάλυψη της πλήρους γκάμας των τροφίμων που καταναλώνουν οι πραγματικοί άνθρωποι απαιτεί να πάμε πολύ πέρα από τα κυβερνητικά δεδομένα.

Προσθήκη Δεδομένων Σημασμένων Τροφίμων

Η προσθήκη δεδομένων σημασμένων τροφίμων αντιπροσωπεύει τη μεγαλύτερη μεμονωμένη επέκταση της βάσης δεδομένων. Τα συσκευασμένα τρόφιμα με ετικέτες διατροφής αποτελούν σημαντικό μέρος της τυπικής διατροφής στις Ηνωμένες Πολιτείες και σε άλλες ανεπτυγμένες χώρες, και οι χρήστες περιμένουν να βρουν τα συγκεκριμένα προϊόντα τους όταν κάνουν αναζητήσεις.

Η Nutrola αντλεί δεδομένα σημασμένων τροφίμων μέσω πολλαπλών καναλιών.

Άμεσες συνεργασίες με κατασκευαστές παρέχουν τα πιο ποιοτικά δεδομένα. Όταν ένας κατασκευαστής μοιράζεται απευθείας δεδομένα διατροφής, προέρχονται από τις ίδιες εργαστηριακές αναλύσεις που χρησιμοποιούνται για την παραγωγή της ετικέτας διατροφής. Η Nutrola διατηρεί συμφωνίες ανταλλαγής δεδομένων με εκατοντάδες κατασκευαστές τροφίμων.

Ενσωμάτωση βάσης δεδομένων γραμμωτού κώδικα καταγράφει τη μεγάλη γκάμα προϊόντων μέσω ανοιχτών βάσεων δεδομένων γραμμωτού κώδικα, κυβερνητικών μητρώων ετικετών τροφίμων και εμπορικών παρόχων δεδομένων. Όταν ένας χρήστης σαρώσει έναν μη αναγνωρισμένο γραμμωτό κώδικα, το σύστημα ξεκινά μια διαδικασία επαλήθευσης πριν η εγγραφή γίνει διαθέσιμη σε όλους τους χρήστες.

Σάρωση ετικετών και OCR δημιουργεί εγγραφές από φυσικές ετικέτες διατροφής. Κάθε εγγραφή που προέρχεται από OCR περνά από επικύρωση που ελέγχει για κοινά σφάλματα εξαγωγής: λανθασμένες υποδιαστολές, αντιστραμμένα ψηφία και τιμές εκτός λογικών ορίων.

Περιοδικοί κύκλοι ανανέωσης διασφαλίζουν ότι τα δεδομένα των σημασμένων τροφίμων παραμένουν επίκαιρα. Οι κατασκευαστές αναμορφώνουν τα προϊόντα τακτικά. Η Nutrola εκτελεί τριμηνιαίους κύκλους ανανέωσης για προϊόντα υψηλής ζήτησης και ετήσιες ανανεώσεις για τον ευρύτερο κατάλογο, σημειώνοντας εγγραφές όπου οι τιμές έχουν αλλάξει.

Αυτή η προσθήκη δεδομένων σημασμένων τροφίμων προσθέτει περίπου 1,5 εκατομμύρια εγγραφές στη βάση δεδομένων, καθεμία συνδεδεμένη με συγκεκριμένους UPC/EAN γραμμωτούς κώδικες και αναγνωριστικά προϊόντων.

Εγγραφές Συνεισφερόμενων Χρηστών και το Πρόβλημα Ακρίβειας

Οι περισσότερες μεγάλες βάσεις δεδομένων παρακολούθησης θερμίδων βασίζονται σε μεγάλο βαθμό σε δεδομένα που προέρχονται από το πλήθος, εγγραφές που υποβάλλονται από χρήστες που πληκτρολογούν χειροκίνητα πληροφορίες διατροφής από ετικέτες, συνταγές ή τις δικές τους εκτιμήσεις. Αυτή η προσέγγιση επεκτείνεται γρήγορα. Είναι επίσης η μεγαλύτερη πηγή σφαλμάτων στη βιομηχανία παρακολούθησης διατροφής.

Τα προβλήματα με τα crowdsourced δεδομένα τροφίμων είναι καλά τεκμηριωμένα. Μια ανασκόπηση του 2020 που δημοσιεύθηκε στο Nutrients από τους Evenepoel και συνεργάτες διαπίστωσε ποσοστά σφαλμάτων 15 έως 25 τοις εκατό στις τιμές μακροθρεπτικών συστατικών σε βάσεις δεδομένων διατροφής που προέρχονται από το πλήθος. Οι τύποι σφαλμάτων περιλαμβάνουν τα εξής.

Λάθη καταχώρησης δεδομένων. Ένας χρήστης πληκτρολογεί 52 γραμμάρια πρωτεΐνης αντί για 5,2 γραμμάρια. Ένα σφάλμα υποδιαστολής που κάνει μια μερίδα γιαούρτι να φαίνεται ότι περιέχει όσο πρωτεΐνη και ένα ολόκληρο στήθος κοτόπουλου. Αυτά τα σφάλματα είναι κοινά επειδή η χειροκίνητη καταχώρηση δεδομένων είναι εγγενώς επιρρεπής σε λάθη, και τα περισσότερα συστήματα crowdsourced δεν έχουν μηχανισμό για να τα εντοπίσουν πριν η εγγραφή γίνει δημόσια.

Διπλές και αντικρουόμενες εγγραφές. Αναζητήστε "μπανάνα" σε μια μεγάλη crowdsourced βάση δεδομένων και μπορεί να βρείτε τριάντα εγγραφές με διαφορετικές τιμές θερμίδων. Ορισμένες αναφέρουν μια μικρή μπανάνα, άλλες μια μεσαία, κάποιες μια μεγάλη. Ορισμένες περιλαμβάνουν το βάρος της φλούδας, άλλες όχι. Ορισμένες είναι ακριβείς, άλλες είναι εντελώς λανθασμένες. Ο χρήστης μένει να μαντέψει ποια εγγραφή είναι σωστή, και δεν έχει αξιόπιστο τρόπο να το καθορίσει.

Παλιές πληροφορίες προϊόντων. Ένας χρήστης υποβάλλει δεδομένα για μια μπάρα δημητριακών το 2022. Ο κατασκευαστής αναμορφώνει το προϊόν το 2024, μειώνοντας τη ζάχαρη και αυξάνοντας τις φυτικές ίνες. Η παλιά εγγραφή παραμένει στη βάση δεδομένων επ' αόριστον, επιστρέφοντας λανθασμένες τιμές για οποιονδήποτε την επιλέξει.

Εκτίμηση αντί μέτρησης. Ορισμένες εγγραφές που υποβάλλονται από χρήστες δεν βασίζονται καθόλου σε δεδομένα ετικετών, αλλά σε προσωπική εκτίμηση του χρήστη για την διατροφική περιεκτικότητα ενός τροφίμου. Αυτές οι εγγραφές μπορούν να αποκλίνουν από τις πραγματικές τιμές κατά 50 τοις εκατό ή και περισσότερο.

Ασυνεπείς μερίδες. Μια εγγραφή για "ρύζι, μαγειρεμένο" χρησιμοποιεί μια μερίδα 100 γραμμαρίων. Μια άλλη χρησιμοποιεί ένα φλιτζάνι. Μια άλλη χρησιμοποιεί "μία μερίδα" χωρίς να καθορίζει τι σημαίνει αυτό. Οι χρήστες που επιλέγουν μεταξύ αυτών των εγγραφών μπορεί να μην παρατηρήσουν την ασυμφωνία στο μέγεθος της μερίδας, οδηγώντας σε σφάλματα που συσσωρεύονται σε γεύματα.

Η Nutrola δέχεται εγγραφές που συνεισφέρονται από χρήστες επειδή είναι απαραίτητες για την καταγραφή της πλήρους ποικιλίας τροφίμων που καταναλώνουν οι άνθρωποι, συμπεριλαμβανομένων των περιφερειακών πιάτων, των συγκεκριμένων στοιχείων εστιατορίων και των σπιτικών συνταγών που δεν υπάρχουν σε καμία επίσημη βάση δεδομένων. Ωστόσο, κάθε εγγραφή που συνεισφέρεται από χρήστη εισέρχεται σε μια διαδικασία επαλήθευσης πριν γίνει ευρέως διαθέσιμη. Η εγγραφή είναι άμεσα διαθέσιμη για τον χρήστη που τη δημιούργησε, αλλά δεν εμφανίζεται σε άλλους χρήστες μέχρι να έχει επικυρωθεί.

Η Διαδικασία Επαλήθευσης

Κάθε εγγραφή τροφίμου στη Nutrola, ανεξαρτήτως της πηγής της, περνά από μια διαδικασία επαλήθευσης πολλαπλών σταδίων πριν φτάσει στη γενική βάση δεδομένων.

Στάδιο 1: Αυτόματοι έλεγχοι πιθανότητας. Ένας αλγόριθμος εξετάζει τις υποβληθείσες διατροφικές τιμές σε σχέση με γνωστούς περιορισμούς. Οι θερμίδες πρέπει να είναι συνεπείς με τα δηλωμένα μακροθρεπτικά συστατικά (πρωτεΐνη, υδατάνθρακες, λίπος) εντός ενός καθορισμένου περιθωρίου. Το σύστημα Atwater παρέχει τους παράγοντες μετατροπής: 4 θερμίδες ανά γραμμάριο πρωτεΐνης, 4 θερμίδες ανά γραμμάριο υδατάνθρακα, 9 θερμίδες ανά γραμμάριο λίπους και 7 θερμίδες ανά γραμμάριο αλκοόλ. Αν ένας χρήστης υποβάλει μια εγγραφή που δηλώνει 200 θερμίδες, 30 γραμμάρια πρωτεΐνης, 20 γραμμάρια υδατάνθρακα και 15 γραμμάρια λίπους, η υπολογισμένη θερμιδική αξία είναι 335, όχι 200. Η εγγραφή σημαίνεται για έλεγχο.

Αυτό το στάδιο ελέγχει επίσης για απίθανες τιμές εντός κατηγοριών τροφίμων. Μια εγγραφή φρούτου που δηλώνει 40 γραμμάρια λίπους ανά μερίδα, μια εγγραφή λαχανικών που δηλώνει 60 γραμμάρια πρωτεΐνης ανά 100 γραμμάρια, ή οποιαδήποτε εγγραφή όπου ένα μόνο μακροθρεπτικό συστατικό υπερβαίνει το συνολικό βάρος της μερίδας σημαίνονται αυτόματα. Αυτοί οι έλεγχοι εντοπίζουν την πλειονότητα των σφαλμάτων καταχώρησης δεδομένων, συμπεριλαμβανομένων των λαθών υποδιαστολής και της σύγχυσης μονάδων.

Στάδιο 2: Διασταυρωμένος έλεγχος. Το σύστημα συγκρίνει την υποβληθείσα εγγραφή με υπάρχουσες εγγραφές για τα ίδια ή παρόμοια τρόφιμα. Αν η βάση δεδομένων της USDA περιέχει μια αναφορά για "τυρί τσένταρ" και ένας χρήστης υποβάλει μια εγγραφή τυριού τσένταρ με θερμιδικές τιμές 40 τοις εκατό χαμηλότερες από την αναφορά της USDA, η εγγραφή σημαίνεται για χειροκίνητο έλεγχο. Μικρές αποκλίσεις είναι αναμενόμενες επειδή τα σημασμένα προϊόντα διαφέρουν. Μεγάλες αποκλίσεις υποδεικνύουν πιθανά σφάλματα.

Στάδιο 3: Έλεγχος από διατροφολόγο. Εγγραφές που περνούν τους αυτόματους ελέγχους αλλά ανήκουν σε κατηγορίες υψηλής σημασίας, όπως βασικά τρόφιμα, αντικείμενα υψηλής αναζήτησης ή εγγραφές με οριακούς βαθμούς πιθανότητας, προωθούνται στην ουρά ελέγχου διατροφολόγου. Η ομάδα διατροφολόγων και επιστημόνων τροφίμων της Nutrola εξετάζει αυτές τις εγγραφές σε σχέση με αξιόπιστες πηγές, διασταυρώνοντας τις τιμές με ιστότοπους κατασκευαστών, κυβερνητικές βάσεις δεδομένων από πολλές χώρες και δημοσιευμένα πίνακες σύνθεσης τροφίμων.

Στάδιο 4: Συμφωνία κοινότητας. Για εγγραφές που είναι στη βάση δεδομένων για κάποιο διάστημα, τα πρότυπα χρήσης παρέχουν ένα επιπλέον σήμα ποιότητας. Αν πολλοί χρήστες επιλέγουν μια εγγραφή και κανένας δεν την αναφέρει ως ανακριβή, αυτό είναι ένα θετικό σήμα. Αν οι χρήστες επιλέγουν συχνά μια εγγραφή και στη συνέχεια την επεξεργάζονται αμέσως, αυτό το πρότυπο υποδηλώνει ότι η αρχική εγγραφή μπορεί να περιέχει σφάλματα. Αυτά τα συμπεριφορικά σήματα επιστρέφουν στη διαδικασία ελέγχου, αναδεικνύοντας πιθανώς προβληματικές εγγραφές για επανεξέταση.

Η Διαδικασία Ελέγχου από Διατροφολόγο

Η ανθρώπινη αναθεώρηση είναι αυτό που ξεχωρίζει μια επαληθευμένη βάση δεδομένων από μια crowdsourced. Οι αυτόματοι έλεγχοι εντοπίζουν τα προφανή σφάλματα, αλλά οι λεπτές ανακρίβειες απαιτούν ανθρώπινη κρίση.

Η ομάδα ελέγχου διατροφολόγων της Nutrola λειτουργεί με βάση προτεραιότητας. Τα τρόφιμα προτεραιοποιούνται για έλεγχο με βάση τον όγκο αναζητήσεων, την πιθανότητα σφάλματος και τη διατροφική σημασία. Ένα σφάλμα στην καταμέτρηση θερμίδων του νερού (το οποίο θα έπρεπε να είναι μηδέν) δεν έχει πρακτική συνέπεια. Ένα σφάλμα στην καταμέτρηση θερμίδων του ελαιολάδου, ενός από τα πιο θερμιδικά πυκνά κοινά τρόφιμα, μπορεί να διαταράξει το ημερήσιο σύνολο ενός χρήστη κατά εκατοντάδες θερμίδες.

Η διαδικασία ελέγχου για μια μόνο εγγραφή περιλαμβάνει την αναγνώριση της πιο αξιόπιστης πηγής (δεδομένα εργαστηρίου USDA για ακατέργαστα προϊόντα, δεδομένα κατασκευαστή για σημασμένα προϊόντα, δημοσιευμένες διατροφικές πληροφορίες για πιάτα εστιατορίων), τη σύγκριση όλων των αναφερόμενων θρεπτικών συστατικών με αυτή την πηγή, την αξιολόγηση της ακρίβειας του μεγέθους της μερίδας και τον έλεγχο των μεταδεδομένων αναζήτησης ώστε οι χρήστες να μπορούν πραγματικά να βρουν την εγγραφή.

Μια πολύπλοκη εγγραφή όπως ένα παραδοσιακό περιφερειακό πιάτο χωρίς τυποποιημένη συνταγή μπορεί να απαιτήσει 30 λεπτά ή περισσότερο έρευνας. Οι απλές επαληθεύσεις προϊόντων σημασμένων διαρκούν λιγότερο από ένα λεπτό. Η ομάδα προτεραιοποιεί τις εγγραφές υψηλής επίπτωσης, εστιάζοντας το χρόνο ελέγχου εκεί που παράγει τη μεγαλύτερη βελτίωση στην συνολική ακρίβεια της βάσης δεδομένων.

Πώς Εντοπίζονται και Διορθώνονται τα Σφάλματα

Καμία βάση δεδομένων με 12 εκατομμύρια εγγραφές δεν είναι απαλλαγμένη από σφάλματα. Ο στόχος δεν είναι η τελειότητα αλλά η συστηματική μείωση των σφαλμάτων με την πάροδο του χρόνου, σε συνδυασμό με την ταχεία διόρθωση των σφαλμάτων όταν εντοπίζονται.

Η Nutrola χρησιμοποιεί πολλαπλούς μηχανισμούς ανίχνευσης σφαλμάτων που λειτουργούν παράλληλα.

Αναφορά χρηστών. Κάθε εγγραφή τροφίμου στην εφαρμογή περιλαμβάνει μια επιλογή "Αναφέρετε ένα πρόβλημα". Οι χρήστες μπορούν να επισημάνουν εγγραφές ως λανθασμένες σε θερμίδες, λάθος μακροθρεπτικά συστατικά, παλιές πληροφορίες, λανθασμένα μεγέθη μερίδας ή άλλα προβλήματα. Οι αναφορές ταξινομούνται κατά όγκο και σοβαρότητα. Μια μόνο αναφορά σε μια εγγραφή χαμηλού όγκου εισέρχεται στη συνήθη διαδικασία ελέγχου. Πολλές αναφορές σε μια εγγραφή υψηλού όγκου ενεργοποιούν άμεσο έλεγχο.

Αυτόματη ανίχνευση ανωμαλιών. Στατιστικά μοντέλα παρακολουθούν τη βάση δεδομένων για εγγραφές που αποκλίνουν σημαντικά από τα κανονικά πρότυπα της κατηγορίας τροφίμων τους. Αν η μέση θερμιδική πυκνότητα όλων των εγγραφών τυριού στη βάση δεδομένων είναι 350 θερμίδες ανά 100 γραμμάρια, μια εγγραφή για ένα προϊόν τυριού που δηλώνει 35 θερμίδες ανά 100 γραμμάρια σημαίνεται αυτόματα. Αυτά τα μοντέλα λειτουργούν συνεχώς και εντοπίζουν σφάλματα που οι μεμονωμένοι χρήστες μπορεί να μην παρατηρήσουν ή αναφέρουν.

Επαλήθευση σάρωσης γραμμωτού κώδικα. Όταν οι χρήστες σαρώσουν έναν γραμμωτό κώδικα προϊόντος, τα επιστρεφόμενα δεδομένα συγκρίνονται με τα πιο πρόσφατα διαθέσιμα δεδομένα του κατασκευαστή. Αν ο κατασκευαστής έχει ενημερώσει τις διατροφικές του πληροφορίες και η εγγραφή της βάσης δεδομένων δεν έχει ανανεωθεί ακόμη, η διαφορά ενεργοποιεί μια διαδικασία ενημέρωσης.

Διασταυρούμενη συμφωνία βάσεων δεδομένων. Η Nutrola περιοδικά διασταυρώνει τις εγγραφές της με ενημερωμένες εκδόσεις της βάσης δεδομένων της USDA, διεθνών βάσεων δεδομένων σύνθεσης τροφίμων και ροών δεδομένων συνεργατών. Εγγραφές που έχουν αποκλίνει από τις πηγές αναφοράς τους σημαίνονται για έλεγχο και διόρθωση.

Έλεγχοι εσωτερικής συνέπειας διατροφής. Περιοδικοί έλεγχοι εξετάζουν τυχαία δείγματα μέσα σε κάθε κατηγορία τροφίμων, ελέγχοντας για εσωτερική συνέπεια. Αυτοί οι έλεγχοι έχουν εντοπίσει ομάδες σφαλμάτων, όπως παρτίδες εισαγόμενων εγγραφών όπου οι τιμές φυτικών ινών συγχέονταν με τις τιμές ζάχαρης λόγω σφαλμάτων χαρτογράφησης στη στήλη.

Όταν ένα σφάλμα επιβεβαιώνεται, η διόρθωση εφαρμόζεται άμεσα και διαδίδεται σε όλους τους χρήστες. Οι χρήστες που έχουν καταγράψει πρόσφατα το επηρεαζόμενο τρόφιμο λαμβάνουν μια ειδοποίηση, επιτρέποντάς τους να ελέγξουν και να προσαρμόσουν τις καταγραφές τους.

Περιφερειακές Βάσεις Δεδομένων Τροφίμων για Διεθνή Κουζίνα

Μια βάση δεδομένων τροφίμων που έχει κατασκευαστεί αποκλειστικά με αμερικανικά δεδομένα είναι ανεπαρκής για μια παγκόσμια βάση χρηστών. Ένας χρήστης στην Ιαπωνία που αναζητά "ονιγκίρι" χρειάζεται ακριβή αποτελέσματα. Ένας χρήστης στην Ινδία που αναζητά "ντάλ μακάνι" χρειάζεται μια εγγραφή που να αντικατοπτρίζει τις πραγματικές μεθόδους παρασκευής και τα συστατικά που χρησιμοποιούνται στις ινδικές κουζίνες, όχι μια αμερικανοποιημένη προσαρμογή εστιατορίου.

Η Nutrola ενσωματώνει δεδομένα σύνθεσης τροφίμων από κυβερνητικές βάσεις δεδομένων σε πάνω από 30 χώρες και περιοχές.

Ευρώπη: Το δίκτυο EuroFIR συντονίζει δεδομένα σε ευρωπαϊκές χώρες. Εθνικές βάσεις δεδομένων από το Ηνωμένο Βασίλειο (McCance και Widdowson's), τη Γερμανία (Bundeslebensmittelschluessel) και τη Γαλλία (CIQUAL) παρέχουν εγγραφές για περιφερειακά τρόφιμα και τοπικά σημασμένα προϊόντα.

Ανατολική Ασία: Οι Τυπικές Πίνακες Σύνθεσης Τροφίμων της Ιαπωνίας, η Εθνική Βάση Δεδομένων Σύνθεσης Τροφίμων της Νότιας Κορέας και οι Πίνακες Σύνθεσης Τροφίμων της Κίνας συμβάλλουν με χιλιάδες εγγραφές για τρόφιμα συγκεκριμένα για την περιοχή, συμπεριλαμβανομένων των παραλλαγών που σχετίζονται με την παρασκευή. Η διαφορά μεταξύ του ατμού ρυζιού και του τηγανητού ρυζιού, μεταξύ του ωμού τόφου και του τηγανητού τόφου, δεν είναι ασήμαντη, και αυτές οι βάσεις δεδομένων καταγράφουν αυτές τις διακρίσεις.

Νότια Ασία: Το Εθνικό Ινστιτούτο Διατροφής της Ινδίας παρέχει δεδομένα για τρόφιμα μοναδικά για την υποήπειρο, συμπεριλαμβανομένων των περιφερειακών δημητριακών, παρασκευών οσπρίων και γαλακτοκομικών προϊόντων όπως το paneer και το ghee με διατροφικά προφίλ που διαφέρουν από τα δυτικά αντίστοιχά τους.

Λατινική Αμερική και Μέση Ανατολή/Αφρική: Πίνακες σύνθεσης τροφίμων από τη Βραζιλία (TACO), το Μεξικό (BDCA) και περιφερειακές βάσεις δεδομένων σε όλη τη Μέση Ανατολή και την Αφρική συμβάλλουν με δεδομένα για βασικά τρόφιμα όπως το teff, το injera, πιάτα με βάση το ταχίνι και περιφερειακές παρασκευές που απουσιάζουν από τις βάσεις δεδομένων της Βόρειας Αμερικής.

Η ενσωμάτωση αυτών των πηγών δεν είναι μια απλή εισαγωγή δεδομένων. Διαφορετικές χώρες χρησιμοποιούν διαφορετικές αναλυτικές μεθόδους, ορισμούς θρεπτικών συστατικών και συμβάσεις μερίδας. Ένα "φλιτζάνι" είναι 240 ml στις Ηνωμένες Πολιτείες, 200 ml στην Ιαπωνία και 250 ml στην Αυστραλία. Η ομάδα μηχανικής δεδομένων της Nutrola διατηρεί μια στρώση κανονικοποίησης που μετατρέπει όλα τα εισερχόμενα διεθνή δεδομένα σε ένα συνεπές πρότυπο: μετρικές μονάδες, τυποποιημένους ορισμούς θρεπτικών συστατικών και ενωμένες κωδικοποιήσεις τροφίμων.

Σύγκριση Πηγών Βάσεων Δεδομένων

Ο παρακάτω πίνακας συνοψίζει τα χαρακτηριστικά κάθε κύριας πηγής δεδομένων που συμβάλλει στη βάση δεδομένων τροφίμων της Nutrola.

Πηγή	Εγγραφές	Ακρίβεια	Κάλυψη	Συχνότητα Ενημέρωσης	Περιορισμοί
USDA FoodData Central	~400.000	Πολύ υψηλή (εργαστηριακή ανάλυση)	Ισχυρή για ακατέργαστα προϊόντα και σημασμένα τρόφιμα των ΗΠΑ	Ετήσιες μεγάλες εκδόσεις, συνεχιζόμενες ενημερώσεις	Περιορισμένα διεθνή τρόφιμα, περιορισμένα στοιχεία εστιατορίων
Ετικέτες Κατασκευαστών	~1.500.000	Υψηλή (ρυθμιζόμενη, ελεγχόμενη από την FDA)	Εξαιρετική για συσκευασμένα αγαθά	Διαφέρει ανά κατασκευαστή; τριμηνιαία ανανέωση στη Nutrola	Καλύπτει μόνο συσκευασμένα προϊόντα, επιτρέπεται 20% διακύμανση από την FDA
Διεθνείς Κυβερνητικές Βάσεις Δεδομένων	~2.000.000	Υψηλή (εργαστηριακή ανάλυση, διαφέρει ανά χώρα)	Εξαιρετική για περιφερειακά τρόφιμα	Ετήσιες ή λιγότερο συχνές	Ασυνεπείς πρότυποι μεταξύ χωρών, ορισμένα παλιά
Crowdsourced (Συνεισφερόμενοι Χρήστες)	~6.000.000	Μεταβλητή (15-25% ποσοστό σφάλματος πριν την επαλήθευση)	Η πιο ευρεία κάλυψη, συμπεριλαμβανομένων νιτσε στοιχείων	Συνεχής	Απαιτεί διαδικασία επαλήθευσης; ακατέργαστα δεδομένα αναξιόπιστα
Επαληθευμένα από Διατροφολόγους	~2.100.000	Πολύ υψηλή (διασταυρωμένα, ελεγχόμενα από ανθρώπους)	Προτεραιοποιημένα με βάση τον όγκο αναζητήσεων	Συνεχιζόμενη προτεραιοποιημένη αναθεώρηση	Χρονοβόρα διαδικασία, δεν μπορεί να καλύψει κάθε εγγραφή

Αυτές οι πηγές δεν είναι αμοιβαία αποκλειστικές. Ένα μόνο τρόφιμο μπορεί να έχει δεδομένα από πολλές πηγές. Όταν υπάρχουν συγκρούσεις, η ιεραρχία επίλυσης είναι: δεδομένα εργαστηρίου USDA ή ισοδύναμα κυβερνητικά δεδομένα πρώτα, δεδομένα κατασκευαστή δεύτερα, δεδομένα επαληθευμένα από διατροφολόγους τρίτα και επαληθευμένα crowdsourced δεδομένα τέταρτα. Αυτή η ιεραρχία διασφαλίζει ότι τα πιο αυστηρά επικυρωμένα δεδομένα έχουν πάντα προτεραιότητα.

Γιατί η Ακρίβεια Μετράει Περισσότερο από το Μέγεθος

Ορισμένες ανταγωνιστικές εφαρμογές διαφημίζουν βάσεις δεδομένων με 15, 20 ή ακόμη και 30 εκατομμύρια εγγραφές. Το μέγεθος χωρίς ποιότητα είναι άχρηστο και μπορεί να είναι ενεργά επιβλαβές.

Μια βάση δεδομένων με 30 εκατομμύρια εγγραφές και ποσοστό σφάλματος 20 τοις εκατό περιέχει 6 εκατομμύρια λανθασμένες εγγραφές. Ένας χρήστης που καταγράφει μία από αυτές τις εγγραφές παρακολουθεί τώρα ανακριβή δεδομένα με πλήρη εμπιστοσύνη στην ορθότητά τους. Το σφάλμα συσσωρεύεται: αν μια εγγραφή για πρωινό υπερεκτιμά την πρωτεΐνη κατά 10 γραμμάρια και την τρώτε πέντε φορές την εβδομάδα, πιστεύετε ότι έχετε καταναλώσει 200 γραμμάρια περισσότερη πρωτεΐνη ανά μήνα από ό,τι πραγματικά έχετε. Αν μειώσετε την πρωτεΐνη αλλού με βάση αυτά τα δεδομένα, οι επακόλουθες επιπτώσεις είναι πραγματικές.

Γι' αυτό η Nutrola δίνει προτεραιότητα στον αριθμό επαληθευμένων εγγραφών αντί του απλού αριθμού εγγραφών. Μια εγγραφή που δεν υπάρχει είναι ουδέτερη. Μια εγγραφή που υπάρχει αλλά είναι λανθασμένη είναι ενεργά επιβλαβής.

Πώς Αυξάνεται η Βάση Δεδομένων

Η βάση δεδομένων δεν είναι στατική. Αυξάνεται συνεχώς μέσω πολλαπλών καναλιών. Αυτόματα συστήματα παρακολουθούν τις αιτήσεις σάρωσης γραμμωτού κώδικα, εντοπίζοντας προϊόντα που αναζητούν οι χρήστες αλλά δεν υπάρχουν ακόμη, και προτεραιοποιούν τα προϊόντα υψηλής ζήτησης για προσθήκη. Οι υποβολές χρηστών προσθέτουν περιφερειακά πιάτα, στοιχεία εστιατορίων και σπιτικές συνταγές που δεν καλύπτονται από καμία επίσημη βάση δεδομένων. Οι συνεργασίες με κατασκευαστές διασφαλίζουν ότι όταν μια μεγάλη αλυσίδα λανσάρει ένα νέο μενού, τα διατροφικά δεδομένα είναι διαθέσιμα την ημέρα της κυκλοφορίας. Και οι περιοδικές εκδόσεις της USDA και διεθνών βάσεων δεδομένων εισάγονται μόλις γίνουν διαθέσιμες.

Συχνές Ερωτήσεις

Πόσο ακριβής είναι η βάση δεδομένων τροφίμων της Nutrola σε σύγκριση με άλλες εφαρμογές;

Οι επαληθευμένες εγγραφές της Nutrola έχουν μέση ακρίβεια εντός 5 τοις εκατό από τις εργαστηριακά μετρημένες τιμές για τα μακροθρεπτικά συστατικά, με βάση εσωτερικούς ελέγχους που συγκρίνουν τις εγγραφές με ανεξάρτητα αναλυτικά δεδομένα. Οι μη επαληθευμένες crowdsourced βάσεις δεδομένων δείχνουν συνήθως ποσοστά σφαλμάτων 15 έως 25 τοις εκατό. Η διαφορά προέρχεται από τη διαδικασία επαλήθευσης που πρέπει να περάσει κάθε εγγραφή πριν γίνει ευρέως διαθέσιμη.

Τι συμβαίνει όταν σαρώσω έναν γραμμωτό κώδικα και το προϊόν δεν βρεθεί;

Η εφαρμογή σας ζητά να εισαγάγετε τις διατροφικές πληροφορίες από την ετικέτα. Η εγγραφή σας είναι άμεσα διαθέσιμη για τη δική σας χρήση, και στη συνέχεια εισέρχεται στη διαδικασία επαλήθευσης πριν γίνει ορατή σε άλλους χρήστες. Τα προϊόντα υψηλής ζήτησης προτεραιοποιούνται για γρήγορη επαλήθευση.

Πόσο συχνά ενημερώνεται η βάση δεδομένων;

Συνεχώς. Οι εγγραφές που συνεισφέρονται από χρήστες επεξεργάζονται καθημερινά. Τα δεδομένα προϊόντων σημασμένων ανανεώνονται τριμηνιαίως για προϊόντα υψηλού όγκου. Οι εκδόσεις της USDA και διεθνών δεδομένων ενσωματώνονται εντός δύο εβδομάδων από την δημοσίευση. Οι διορθώσεις σφαλμάτων εφαρμόζονται συνήθως εντός 24 έως 48 ωρών από την επιβεβαίωση.

Μπορώ να εμπιστευτώ τις μετρήσεις θερμίδων για γεύματα εστιατορίων;

Για μεγάλες αλυσίδες που δημοσιεύουν επίσημα διατροφικά δεδομένα, οι εγγραφές προέρχονται απευθείας και είναι όσο ακριβείς είναι οι μετρήσεις της αλυσίδας. Για ανεξάρτητα εστιατόρια, οι εγγραφές είναι βασισμένες σε εκτιμήσεις συνταγών με μεγαλύτερο περιθώριο αβεβαιότητας. Η Nutrola επισημαίνει τις εγγραφές εστιατορίων με έναν δείκτη εμπιστοσύνης ώστε να μπορείτε να δείτε αν τα δεδομένα προέρχονται από επίσημη πηγή ή από εκτίμηση.

Γιατί η Nutrola μερικές φορές δείχνει διαφορετικές τιμές από την ετικέτα του τροφίμου μου;

Τρεις κοινές αιτίες: ο κατασκευαστής μπορεί να έχει αναμορφώσει το προϊόν, οι ορισμοί μερίδας μπορεί να διαφέρουν ή οι κανόνες στρογγυλοποίησης των διατροφικών στοιχείων δημιουργούν μικρές αποκλίσεις (συνήθως εντός 5 έως 10 θερμίδων). Η αναφορά μιας διαφοράς μέσω της εφαρμογής ενεργοποιεί μια ενημέρωση.

Πώς διαχειρίζεται η Nutrola τις σπιτικές συνταγές;

Δημιουργείτε προσαρμοσμένες εγγραφές συνταγών συνδυάζοντας εγγραφές μεμονωμένων συστατικών από τη verified βάση δεδομένων, προσαρμοσμένες για μερίδες. Δεδομένου ότι οι εγγραφές συστατικών είναι επαληθευμένες, η κύρια πηγή σφάλματος είναι η μέτρηση μερίδας και όχι τα κακά δεδομένα.

Τι καθιστά τη βάση δεδομένων της Nutrola διαφορετική από τις ανοιχτές πηγές;

Οι ανοιχτές βάσεις δεδομένων όπως το Open Food Facts παρέχουν πολύτιμα δεδομένα αλλά λειτουργούν χωρίς συστηματική επαλήθευση. Οι εγγραφές υποβάλλονται από εθελοντές και δημοσιεύονται χωρίς ελέγχους πιθανότητας ή αναθεώρηση από διατροφολόγους. Η Nutrola χρησιμοποιεί τα ανοιχτά δεδομένα ως μία από τις πολλές εισροές, υποβάλλοντας όλες τις εισαγόμενες εγγραφές στην ίδια διαδικασία επαλήθευσης όπως και οποιαδήποτε άλλη πηγή.

Η Συνεχιζόμενη Εργασία

Η δημιουργία μιας βάσης δεδομένων τροφίμων δεν είναι ένα έργο με γραμμή τερματισμού. Τα τρόφιμα αλλάζουν. Νέα προϊόντα λανσάρονται. Παλαιά προϊόντα αναμορφώνονται ή διακόπτονται. Οι αναλυτικές μέθοδοι βελτιώνονται.

Οι 12 εκατομμύρια εγγραφές στη βάση δεδομένων της Nutrola σήμερα δεν θα είναι οι ίδιες 12 εκατομμύρια εγγραφές σε ένα χρόνο από τώρα. Ορισμένες θα ενημερωθούν, ορισμένες θα αφαιρεθούν και εκατοντάδες χιλιάδες νέες εγγραφές θα προστεθούν. Η διαδικασία επαλήθευσης θα εντοπίσει σφάλματα που διέφυγαν από προηγούμενες εκδόσεις. Η ομάδα ελέγχου διατροφολόγων θα αυξήσει σταθερά το ποσοστό των εγγραφών που φέρουν ανθρώπινη επαλήθευση.

Κανείς δεν κατεβάζει μια εφαρμογή παρακολούθησης θερμίδων επειδή είναι ενθουσιασμένος με την κανονικοποίηση δεδομένων σύνθεσης τροφίμων. Αλλά κάθε ακριβής μέτρηση θερμίδων, κάθε αξιόπιστη κατανομή μακροθρεπτικών συστατικών, κάθε αξιόπιστο ημερήσιο σύνολο εξαρτάται από αυτή την υποδομή να λειτουργεί σωστά, αόρατα, πίσω από κάθε αποτέλεσμα αναζήτησης. Όταν καταγράφετε το μεσημεριανό σας και οι αριθμοί είναι σωστοί, αυτό δεν είναι ατύχημα. Είναι το αποτέλεσμα ενός συστήματος που έχει κατασκευαστεί ειδικά για να διασφαλίσει ότι είναι σωστοί.