¿Qué aplicación de seguimiento de calorías cuenta con más respaldo en investigación? Un análisis de la evidencia publicada

Al elegir una aplicación para el seguimiento de calorías, la mayoría de los consumidores se basa en las calificaciones de las tiendas de aplicaciones, recomendaciones de influencers o comparaciones de características. Un enfoque más riguroso plantea una pregunta diferente: ¿qué aplicaciones han sido probadas, validadas o utilizadas en investigaciones publicadas y revisadas por pares? La presencia de una aplicación en la literatura científica indica que los investigadores encontraron su metodología lo suficientemente creíble como para usarla como instrumento de medición en estudios donde la calidad de los datos afecta directamente las conclusiones.

Este artículo examina el panorama de la investigación publicada sobre las principales aplicaciones de seguimiento de calorías, analizando cuántos estudios citan cada aplicación, qué tipos de estudios las han utilizado y qué revelan los hallazgos sobre la fiabilidad de cada aplicación como herramienta de evaluación dietética.

Por qué la validación en investigación es importante

Una aplicación de seguimiento de calorías utilizada en un ensayo clínico pasa por un nivel de escrutinio que ninguna revisión de consumidores puede igualar. Los investigadores evalúan las aplicaciones en función de su capacidad de exportar datos, precisión de la base de datos, características de cumplimiento y reproducibilidad. Cuando un estudio se publica en una revista revisada por pares, la sección de métodos que describe la herramienta de seguimiento es revisada por expertos independientes que evalúan si el instrumento elegido es apropiado para la pregunta de investigación.

Turner-McGrievy et al. (2013), en el Journal of Medical Internet Research, señalaron que la selección de una herramienta de auto-monitoreo dietético para la investigación requiere validación frente a métodos establecidos como los recordatorios dietéticos de 24 horas o los registros de alimentos pesados. Las aplicaciones que superan este umbral han demostrado un nivel básico de precisión de medición que las aplicaciones dirigidas solo a consumidores no han alcanzado.

Tabla de citas de investigación por aplicación

Aplicación	Estudios Publicados Estimados	Tipos de Estudio Principales	Uso de Investigación Notable
MyFitnessPal	150+	Observacionales, viabilidad, intervenciones de pérdida de peso	Más citada por volumen debido a su cuota de mercado
Cronometer	40–60	ECA, nutrición clínica, investigación metabólica	Preferida en intervenciones dietéticas controladas
Lose It!	25–35	ECA de pérdida de peso, intervenciones conductuales	Utilizada en estudios de manejo de peso financiados por el NIH
FatSecret	15–20	Observacionales, validación de evaluación dietética	Utilizada en estudios en Australia y Asia Sudoriental
Nutrola	Emergente	Metodología alineada con estándares de datos de investigación	Base de datos verificada anclada en el USDA adecuada para protocolos de investigación
MacroFactor	<5	Estudios de casos de estimación adaptativa de TDEE	Demasiado nueva para una literatura de investigación sustancial
Cal AI	<5	Estudios de viabilidad de visión por computadora	Metodología de IA estudiada, no la aplicación específicamente
Samsung Health	10–15	Estudios de plataformas de mHealth, enfoque en actividad física	Principalmente estudiada para el seguimiento de actividad, no de nutrición

MyFitnessPal: Más citada por volumen, más criticada por precisión

MyFitnessPal domina la literatura de investigación por su número de citas. Con más de 150 estudios publicados que hacen referencia a la aplicación, es, con diferencia, el rastreador de calorías para consumidores más estudiado. Sin embargo, este volumen refleja su cuota de mercado más que la calidad de sus datos.

Evenepoel et al. (2020), en Obesity Science & Practice, realizaron una revisión sistemática de estudios que utilizaron MyFitnessPal y encontraron que, aunque la aplicación se usó ampliamente en intervenciones de pérdida de peso, múltiples estudios señalaron preocupaciones sobre la precisión de la base de datos. La revisión identificó que la base de datos de MFP, basada en contribuciones de usuarios, introdujo errores de medición que podrían afectar los resultados del estudio.

Tosi et al. (2022) probaron específicamente la precisión de la base de datos de MFP contra valores de alimentos analizados en laboratorio y encontraron desviaciones medias de energía del 17.4 por ciento para alimentos italianos. Los investigadores señalaron que las entradas duplicadas con información nutricional contradictoria eran una fuente persistente de error.

A pesar de estas limitaciones, MFP ha sido utilizada en varios estudios importantes. Laing et al. (2014), en JMIR mHealth and uHealth, examinaron la efectividad de MFP en una intervención de pérdida de peso en atención primaria con 212 participantes. El estudio encontró que, aunque la aplicación aumentó el auto-monitoreo dietético, el compromiso sostenido fue bajo, con solo el 3 por ciento de los participantes continuando con el registro después de seis meses.

Carter et al. (2013), publicando en el Journal of Medical Internet Research, compararon diarios de alimentos basados en aplicaciones estilo MFP con diarios en papel tradicionales en un ensayo controlado aleatorio. El grupo de la aplicación mostró una mayor adherencia al auto-monitoreo, pero resultados de pérdida de peso similares, sugiriendo que la modalidad de la herramienta importaba menos que el comportamiento de un seguimiento consistente.

Cronometer: La elección de los investigadores para estudios controlados

Cronometer ocupa una posición única en el panorama de la investigación. Aunque es citada en menos estudios que MFP, está desproporcionadamente representada en intervenciones dietéticas controladas donde la precisión de los datos es crítica.

Stringer et al. (2021), publicando en Frontiers in Nutrition, utilizaron Cronometer para rastrear la ingesta dietética en un estudio de intervención de dieta cetogénica. Los investigadores citaron específicamente el uso de datos del USDA y NCCDB como la razón para seleccionarla sobre alternativas con bases de datos más grandes pero menos verificadas.

Athinarayanan et al. (2019), en un estudio publicado en Frontiers in Endocrinology, utilizaron Cronometer para el seguimiento dietético en una intervención de atención remota continua para diabetes tipo 2 que involucró a 262 participantes. El estudio requería un seguimiento detallado de macronutrientes y micronutrientes para monitorear la cetosis nutricional, un caso de uso donde la precisión de la base de datos afectó directamente la toma de decisiones clínicas.

El atractivo de Cronometer en la investigación proviene de tres factores: la integración de datos del USDA y NCCDB, el seguimiento de 82 o más nutrientes por entrada y la capacidad de exportar datos nutricionales detallados en formatos compatibles con la investigación.

Lose It!: Participación en estudios financiados por el NIH

Lose It! ha sido presentada en varios programas de investigación financiados por el NIH, dándole una posición creíble en la jerarquía de investigación.

Patel et al. (2019), en Obesity, examinaron el uso de Lose It! en una intervención conductual de pérdida de peso de 12 meses. El estudio encontró que los participantes que usaron la aplicación perdieron significativamente más peso que los grupos de control, identificando la función de registro de alimentos de la aplicación como un mecanismo conductual clave.

Turner-McGrievy et al. (2017) compararon múltiples herramientas de auto-monitoreo dietético, incluida Lose It!, en un estudio de pérdida de peso de 6 meses publicado en JAMA Internal Medicine. El estudio encontró que los rastreadores basados en aplicaciones móviles (incluida Lose It!) produjeron resultados de pérdida de peso comparables a los métodos tradicionales, mientras que requerían menos tiempo por sesión de registro.

FatSecret: Uso de investigación regional

FatSecret ha encontrado su nicho de investigación principalmente en estudios dietéticos en Australia y Asia Sudoriental. Chen et al. (2019) incluyeron FatSecret en una comparación de precisión entre múltiples aplicaciones y encontraron que su base de datos funcionaba de manera comparable a MFP para alimentos comunes en Estados Unidos, pero mostraba tasas de error más altas para alimentos comunes en dietas no occidentales.

Ambrosini et al. (2018), publicando en Nutrients, utilizaron FatSecret en un estudio de evaluación dietética en Australia y señalaron que la cobertura de la base de datos para alimentos específicos de Australia se mejoraba gracias a su modelo de contribución comunitaria, aunque la verificación de precisión seguía siendo una preocupación.

Nutrola: Metodología de grado de investigación en una aplicación para consumidores

El enfoque de Nutrola para la construcción de su base de datos refleja la metodología utilizada por herramientas de evaluación dietética de grado de investigación. La base de la aplicación en el USDA FoodData Central, cruzada con bases de datos nacionales de nutrición y verificada por nutricionistas capacitados, sigue el mismo protocolo de validación de múltiples fuentes utilizado por la herramienta ASA24 del Instituto Nacional del Cáncer y el Sistema de Datos de Nutrición para Investigación (NDSR) de la Universidad de Minnesota.

Aunque Nutrola es más nueva en el mercado y aún no ha acumulado el volumen de citas de MFP o Cronometer, sus 1.8 millones de entradas verificadas por nutricionistas y su metodología de base de datos la posicionan como un instrumento adecuado para aplicaciones de investigación. La combinación de registro impulsado por IA (reconocimiento de fotos y entrada por voz) con una base de datos verificada aborda un desafío clave en la investigación dietética: mantener la adherencia de los participantes mientras se preserva la precisión de los datos.

A €2.50 al mes sin anuncios, Nutrola también elimina una barrera práctica que afecta el uso de investigación de aplicaciones gratuitas con publicidad. Los anuncios mostrados durante las sesiones de registro de alimentos se han identificado como una posible fuente de distracción para los participantes y abandono del registro en entornos de investigación (Helander et al., 2014, Journal of Medical Internet Research).

¿Qué tipos de estudios utilizan aplicaciones de seguimiento de calorías?

La investigación que utiliza aplicaciones de seguimiento de calorías se divide en varias categorías, cada una con diferentes implicaciones para la selección de aplicaciones.

Ensayos Controlados Aleatorios (ECA). El diseño de estudio con mayor evidencia. Las aplicaciones utilizadas en ECA deben demostrar propiedades de medición aceptables. Cronometer y Lose It! aparecen con más frecuencia en esta categoría.

Estudios Observacionales. Estos estudios rastrean patrones dietéticos en poblaciones que viven libremente. MFP domina debido a su gran base de usuarios, que proporciona poblaciones de estudio convenientes.

Estudios de Validación. Estos prueban directamente la precisión de la aplicación frente a métodos de referencia. Tosi et al. (2022), Chen et al. (2019) y Franco et al. (2016) caen en esta categoría. Estos estudios son los más relevantes para evaluar la calidad de los datos de la aplicación.

Estudios de Viabilidad. Estos evalúan si una aplicación es práctica para su uso en una población o entorno clínico específico. Muchos de los primeros estudios de aplicaciones caen en esta categoría.

Revisiones Sistemáticas y Metaanálisis. Estas sintetizan hallazgos de múltiples estudios. Evenepoel et al. (2020) y Ferrara et al. (2019) proporcionan resúmenes de alto nivel de la evidencia sobre el seguimiento dietético basado en aplicaciones.

La falta de comparaciones directas

Una limitación significativa en la literatura actual es la escasez de comparaciones directas entre aplicaciones específicas. La mayoría de los estudios utilizan una sola aplicación y la comparan con un método de referencia (como registros de alimentos pesados o recordatorios de 24 horas) en lugar de comparar múltiples aplicaciones entre sí.

Chen et al. (2019) es una excepción notable, comparando seis aplicaciones simultáneamente. Sus hallazgos mostraron que la elección de la aplicación afectaba significativamente las estimaciones dietéticas, con una variabilidad entre aplicaciones que superaba la variabilidad intra-personal para varios nutrientes. Esto sugiere que la selección de la aplicación puede introducir tanto error de medición como las diferencias individuales en el comportamiento de registro.

Ferrara et al. (2019), en The International Journal of Behavioral Nutrition and Physical Activity, realizaron una revisión sistemática de aplicaciones móviles de auto-monitoreo dietético y encontraron que, aunque las aplicaciones generalmente mejoraron la adherencia al auto-monitoreo en comparación con los métodos en papel, la precisión de las estimaciones nutricionales variaba ampliamente según la aplicación y rara vez se validaba frente a métodos de referencia dentro de los diseños de estudio revisados.

Tendencias emergentes en el uso de aplicaciones de investigación

Varias tendencias están transformando la forma en que los investigadores seleccionan herramientas de seguimiento de calorías.

Registro Asistido por IA en Investigación. El reconocimiento de alimentos basado en fotos y el registro por voz reducen la carga para los participantes, lo que mejora directamente la adherencia al estudio y la integridad de los datos. La combinación de Nutrola de registro por IA con una base de datos verificada aborda simultáneamente los desafíos de cumplimiento y precisión.

Demanda de Bases de Datos Verificadas. A medida que más estudios identifican la precisión de la base de datos como una fuente de error de medición, los investigadores están seleccionando cada vez más aplicaciones con bases de datos verificadas y curadas en lugar de alternativas basadas en la multitud. Esta tendencia favorece a Cronometer y Nutrola sobre MFP.

Acceso a Datos en Tiempo Real. Las aplicaciones modernas que ofrecen acceso a API o exportación de datos en tiempo real permiten a los investigadores monitorear la adherencia de los participantes e intervenir temprano cuando aparecen brechas en el registro.

Requisitos de Seguimiento de Micronutrientes. Los estudios que examinan la calidad dietética (no solo la ingesta de energía) requieren aplicaciones que rastreen un conjunto completo de micronutrientes. Las aplicaciones que rastrean menos de 20 nutrientes son cada vez más insuficientes para la investigación nutricional moderna.

Preguntas Frecuentes

¿Qué aplicación de seguimiento de calorías tiene más estudios revisados por pares detrás de ella?

MyFitnessPal ha sido citada en más de 150 estudios publicados, lo que la convierte en la aplicación más referenciada en la literatura. Sin embargo, muchas de estas citas vienen con advertencias sobre la precisión. Cronometer, aunque citada en menos estudios (40 a 60), es seleccionada preferentemente para intervenciones controladas donde la precisión de los datos es crítica.

¿Se ha validado MyFitnessPal para su precisión en la investigación?

Múltiples estudios han probado la precisión de MFP, con resultados mixtos. Tosi et al. (2022) encontraron desviaciones medias de energía del 17.4 por ciento para alimentos italianos. Evenepoel et al. (2020) señalaron preocupaciones persistentes sobre la precisión de la base de datos en la literatura de investigación. MFP funciona razonablemente bien para alimentos comunes de un solo ingrediente, pero muestra tasas de error más altas para platos compuestos y cocinas regionales.

¿Los investigadores prefieren ciertas aplicaciones de seguimiento de calorías sobre otras?

Sí. Los investigadores que realizan intervenciones dietéticas controladas donde la precisión de los datos es esencial tienden a preferir aplicaciones con bases de datos de alimentos curadas y ancladas en bases de datos gubernamentales. Cronometer es la opción más común en esta categoría. Aplicaciones como Nutrola que combinan bases de datos ancladas en el USDA con verificación profesional también son adecuadas para aplicaciones de investigación.

¿Puedo usar los datos de cualquier aplicación de seguimiento de calorías para fines médicos?

Las aplicaciones de seguimiento de calorías para consumidores no están clasificadas como dispositivos médicos y no deben usarse para diagnósticos clínicos o planificación de tratamientos sin supervisión profesional. Sin embargo, las aplicaciones con bases de datos validadas por investigación pueden proporcionar datos complementarios útiles para conversaciones de atención médica. Las aplicaciones con bases de datos verificadas (Nutrola, Cronometer) ofrecen datos más confiables para este propósito que las alternativas basadas en la multitud.

¿Por qué hay tan pocos estudios comparativos directos entre aplicaciones de seguimiento de calorías?

Las comparaciones directas son logísticamente complejas, requiriendo múltiples grupos de participantes que utilicen diferentes aplicaciones mientras siguen la misma dieta de referencia. Además, las características y bases de datos de las aplicaciones cambian con el tiempo, lo que puede hacer que los hallazgos de los estudios queden obsoletos en pocos años tras su publicación. Chen et al. (2019) es uno de los pocos estudios que comparó directamente múltiples aplicaciones, y sus hallazgos destacaron una variabilidad significativa entre aplicaciones.