क्या बिना खाद्य तराजू के कैलोरी ट्रैकिंग सटीक है?
अधिकांश लोग अपने भोजन को तौलने के बिना कैलोरी ट्रैक करते हैं। हम खाद्य प्रकारों के आधार पर AI फोटो अनुमान, आंख से अनुमान और खाद्य तराजू की सटीकता की तुलना करते हैं, जो प्रकाशित शोध के डेटा के साथ है।
औसत व्यक्ति अपने भाग की सटीकता को लगभग 50% अधिक बताता है। जब शोधकर्ता लोगों से पूछते हैं कि वे भागों का अनुमान कैसे लगाते हैं, तो अधिकांश खुद को "काफी सटीक" मानते हैं। लेकिन जब उन अनुमानों की तुलना वास्तविक खाद्य तराजू के मापों से की जाती है, तो त्रुटियों की कहानी कुछ और ही होती है।
खाद्य तराजू को सटीक कैलोरी ट्रैकिंग के लिए स्वर्ण मानक माना जाता है, लेकिन 2023 में Journal of the Academy of Nutrition and Dietetics में प्रकाशित एक सर्वेक्षण के अनुसार, 15% से कम कैलोरी ट्रैकर नियमित रूप से इसका उपयोग करते हैं। शेष 85% दृश्य अनुमान, मापने वाले कप, AI फोटो उपकरण या पूरी तरह से अनुमान पर निर्भर करते हैं। सवाल यह नहीं है कि ये तरीके तराजू की तुलना में कम सटीक हैं — वे निश्चित रूप से हैं — बल्कि यह है कि वे कितने कम सटीक हैं, और क्या यह अंतर वास्तविक दुनिया के परिणामों के लिए मायने रखता है।
खाद्य तराजू सटीकता में कितनी सुधार करता है?
विधियों की तुलना करने से पहले, यह स्थापित करना महत्वपूर्ण है कि खाद्य तराजू वास्तव में क्या प्रदान करता है। 1 ग्राम तक सटीक डिजिटल खाद्य तराजू भाग अनुमान के चर को लगभग पूरी तरह से समाप्त कर देता है। शेष त्रुटि केवल डेटाबेस से आती है — चाहे "चिकन ब्रेस्ट, कच्चा" के लिए पोषण डेटा वास्तव में आपके तराजू पर मौजूद विशेष चिकन ब्रेस्ट को सही ढंग से दर्शाता है या नहीं।
| विधि | प्रति भोजन औसत कैलोरी त्रुटि | दैनिक त्रुटि (3 भोजन + 2 नाश्ता) | साप्ताहिक संचयी त्रुटि |
|---|---|---|---|
| डिजिटल खाद्य तराजू + सत्यापित डेटाबेस | ±2–5% | ±30–75 कैलोरी | ±210–525 कैलोरी |
| मापने वाले कप/चम्मच | ±10–20% | ±150–300 कैलोरी | ±1,050–2,100 कैलोरी |
| AI फोटो अनुमान | ±15–30% | ±225–450 कैलोरी | ±1,575–3,150 कैलोरी |
| दृश्य अनुमान (प्रशिक्षित) | ±15–25% | ±225–375 कैलोरी | ±1,575–2,625 कैलोरी |
| दृश्य अनुमान (अप्रशिक्षित) | ±30–50% | ±450–750 कैलोरी | ±3,150–5,250 कैलोरी |
| कोई ट्रैकिंग नहीं | एन/ए | औसत 500+ कैलोरी कम रिपोर्टिंग | 3,500+ कैलोरी/सप्ताह |
2019 में Nutrition Reviews में प्रकाशित एक मेटा-विश्लेषण ने आहार आत्म-रिपोर्टिंग की सटीकता पर 29 अध्ययनों का विश्लेषण किया और पाया कि लोग बिना किसी मापने के उपकरण का उपयोग किए अपने कैलोरी सेवन को औसतन 30% कम आंकते हैं। यह कम आंकना सभी जनसांख्यिकी में समान था और पोषण पेशेवरों के बीच भी बना रहा, हालांकि प्रशिक्षित व्यक्तियों में त्रुटियाँ छोटी थीं।
दृश्य भाग अनुमान की सटीकता कितनी है?
दृश्य अनुमान — भोजन को देखकर और मात्रा का अनुमान लगाना — भाग मूल्यांकन की सबसे सामान्य विधि है। यह सबसे अधिक त्रुटि-प्रवण भी है, जिसमें त्रुटि के पैटर्न व्यवस्थित होते हैं, न कि यादृच्छिक।
| खाद्य प्रकार | औसत दृश्य अनुमान त्रुटि | त्रुटि की दिशा | यह त्रुटि क्यों होती है |
|---|---|---|---|
| तरल (तेल, ड्रेसिंग, पेय) | ±30–50% | कम आंकना | पैन या भोजन में मात्रा का अनुमान लगाना कठिन |
| अनाज/पास्ता (पकाया हुआ) | ±25–45% | कम आंकना | घने खाद्य पदार्थ अपने कैलोरी सामग्री की तुलना में छोटे दिखते हैं |
| नट्स और बीज | ±30–55% | कम आंकना | अत्यधिक कैलोरी घनत्व, छोटी दृश्य मात्रा |
| पनीर | ±25–40% | कम आंकना | पतली स्लाइस या कद्दूकस किए गए पनीर वास्तविक वजन से कम दिखाई देते हैं |
| मांस/पोल्ट्री | ±15–25% | मिश्रित | अनुमान लगाना आसान, लेकिन पकाने से मात्रा बदलती है |
| सब्जियाँ (गैर-स्टार्च) | ±10–20% | अधिक आंकना | कम कैलोरी घनत्व, बड़ी दृश्य मात्रा |
| ब्रेड/बेक्ड सामान | ±15–25% | कम आंकना | उत्पादों के बीच घनत्व में व्यापक भिन्नता |
| फल (पूर्ण) | ±10–15% | मिश्रित | मानकीकृत आकार मदद करते हैं, लेकिन "मध्यम" भिन्न होता है |
कॉर्नेल विश्वविद्यालय के फूड एंड ब्रांड लैब में शोध से एक महत्वपूर्ण निष्कर्ष (2006 में Annals of Internal Medicine में प्रकाशित) यह था कि भाग अनुमान की त्रुटि भाग के आकार के साथ बढ़ती है। जब लोगों को बड़े भाग दिखाए गए, तो उन्होंने छोटे भागों की तुलना में उच्च प्रतिशत से कम आंकना शुरू कर दिया। 200 कैलोरी का भाग 15% के भीतर अनुमानित किया जा सकता है, लेकिन उसी खाद्य पदार्थ का 600 कैलोरी का भाग 30-40% कम आंका जा सकता है।
इसका मतलब है कि वे भोजन जहाँ सटीकता सबसे महत्वपूर्ण होती है — बड़े, उच्च कैलोरी वाले भोजन — ठीक वहीं दृश्य अनुमान सबसे खराब प्रदर्शन करता है।
कैलोरी के लिए AI फोटो अनुमान की सटीकता कितनी है?
AI-संचालित फोटो अनुमान कंप्यूटर दृष्टि का उपयोग करके एक छवि में खाद्य पदार्थों की पहचान करता है, उनके आकार या वजन का अनुमान लगाता है, और पोषण डेटा की गणना करता है। यह तकनीक 2022 से काफी बेहतर हुई है, लेकिन फिर भी इसके सामने कुछ मौलिक सीमाएँ हैं।
| खाद्य विशेषता | AI फोटो सटीकता | मुख्य चुनौती |
|---|---|---|
| एकल आइटम, मानक आकार (सेब, केला) | ±8–12% | प्रशिक्षण डेटा में अच्छी तरह से दर्शित |
| एकल आइटम, परिवर्तनशील आकार (मांस, ब्रेड) | ±15–25% | मोटाई और घनत्व का आकलन 2D छवि से करना कठिन |
| प्लेटेड भोजन, अलग आइटम | ±15–25% | आइटम की पहचान कर सकता है लेकिन गहराई/ओवरलैप त्रुटि का कारण बनता है |
| मिश्रित/लेयर्ड डिश (कैसरोल, स्टर-फ्राई) | ±25–40% | छिपे हुए सामग्री, अज्ञात अनुपात |
| तरल और सॉस | ±30–50% | शीर्ष से फोटो से मात्रा का आकलन नहीं कर सकता |
| कंटेनरों में खाद्य पदार्थ (कटोरे, कप) | ±20–35% | कंटेनर की दीवारें खाद्य मात्रा को अस्पष्ट करती हैं |
2024 में Nature Digital Medicine में प्रकाशित एक अध्ययन ने 500 भोजन की तस्वीरों पर पांच व्यावसायिक AI खाद्य पहचान प्रणालियों का परीक्षण किया, जिनकी कैलोरी सामग्री ज्ञात थी। सभी प्रणालियों में औसत त्रुटि 22% थी, जो 8% से 55% के बीच थी। महत्वपूर्ण रूप से, अध्ययन ने पाया कि AI फोटो अनुमान एकल-घटक भोजन के लिए सबसे सटीक था, जिसे सीधे ऊपर से अच्छी रोशनी में फोटो खींचा गया था, और गहरे कटोरे में बहु-घटक भोजन के लिए सबसे कम सटीक था।
फोटो-आधारित अनुमान की मौलिक सीमा यह है कि एक 2D छवि में तीसरे आयाम के बारे में सीमित जानकारी होती है। एक प्लेट पर पास्ता की फोटो खींची गई हो सकती है जिसमें 150 ग्राम या 350 ग्राम हो — यह अंतर दिखाई नहीं देता क्योंकि प्लेट पर पास्ता की गहराई को एकल ओवरहेड छवि से सटीक रूप से निर्धारित नहीं किया जा सकता।
मापने वाले कप और चम्मच की तुलना कैसे करें?
मापने वाले कप और चम्मच तराजू और दृश्य अनुमान के बीच का मध्य मैदान हैं। ये आंख से अनुमान लगाने की तुलना में अधिक सटीक हैं लेकिन वजन करने की तुलना में कम सटीक हैं, और प्रदर्शन खाद्य प्रकार के अनुसार भिन्न होता है।
| खाद्य प्रकार | मापने वाले कप/चम्मच की सटीकता | त्रुटि का मुख्य स्रोत |
|---|---|---|
| तरल | ±5–10% | मेनिस्कस पढ़ना, डालने की सटीकता |
| आटा, चीनी (सूखी, दानेदार) | ±10–20% | स्कूपिंग विधि के साथ पैकिंग घनत्व भिन्न होता है |
| चावल, जई (सूखी) | ±8–15% | जमना और पैकिंग |
| मूंगफली का मक्खन, गाढ़े तरल | ±15–25% | कप में बचा हुआ अवशेष, हवा के बुलबुले |
| कटी हुई सब्जियाँ | ±10–20% | टुकड़ों का आकार पैकिंग को प्रभावित करता है |
| कद्दूकस किया हुआ पनीर | ±15–30% | संकुचन भिन्न होता है, वजन के आधार पर नहीं |
2019 में Journal of Food Science में एक अध्ययन ने पाया कि एक ही व्यक्ति "एक कप आटा" मापते समय 10 प्रयासों में 115 से 155 ग्राम के बीच वजन उत्पन्न करता है। USDA एक कप सभी-उद्देश्यीय आटे को 125 ग्राम (455 कैलोरी) मानकीकृत करता है, इसलिए मापने में भिन्नता ने कैलोरी की एक सीमा 418 से 564 कैलोरी तक उत्पन्न की — 35% का फैलाव।
मूंगफली के मक्खन के लिए, प्रति यूनिट भिन्नता और भी अधिक प्रभाव डालती है। दो चम्मच मूंगफली का मक्खन मानक सेवा है (190 कैलोरी), लेकिन मापे गए चम्मच 28 से 42 ग्राम के बीच भिन्न होते हैं, इस पर निर्भर करता है कि इसे कितनी मजबूती से पैक किया गया है और चम्मच से कितना स्क्रैप किया गया है। यह 164 से 246 कैलोरी की एक सीमा है।
बिना तराजू के सबसे बड़ी त्रुटियाँ किस खाद्य पदार्थों में होती हैं?
कैलोरी-घने खाद्य पदार्थ जिनका वजन-कैलोरी अनुपात उच्च होता है, दृश्य अनुमान के समय सबसे बड़ी कैलोरी त्रुटियाँ उत्पन्न करते हैं।
| खाद्य पदार्थ | मानक सेवा | कैलोरी प्रति ग्राम | सामान्य दृश्य अनुमान त्रुटि | कैलोरी त्रुटि |
|---|---|---|---|---|
| जैतून का तेल | 1 चम्मच (14ग्राम) | 8.8 कैलोरी/ग्राम | ±40–60% (±6–8ग्राम) | ±53–70 कैलोरी |
| बादाम | 1 औंस (28ग्राम) | 5.8 कैलोरी/ग्राम | ±30–50% (±8–14ग्राम) | ±46–81 कैलोरी |
| मूंगफली का मक्खन | 2 चम्मच (32ग्राम) | 5.9 कैलोरी/ग्राम | ±25–40% (±8–13ग्राम) | ±47–77 कैलोरी |
| चेडर पनीर | 1 औंस (28ग्राम) | 4.0 कैलोरी/ग्राम | ±25–40% (±7–11ग्राम) | ±28–44 कैलोरी |
| पकी हुई पास्ता | 1 कप (140ग्राम) | 1.6 कैलोरी/ग्राम | ±25–45% (±35–63ग्राम) | ±56–101 कैलोरी |
| पकी हुई चावल | 1 कप (186ग्राम) | 1.3 कैलोरी/ग्राम | ±20–40% (±37–74ग्राम) | ±48–96 कैलोरी |
| चिकन ब्रेस्ट | 6 औंस (170ग्राम) | 1.6 कैलोरी/ग्राम | ±15–25% (±26–43ग्राम) | ±42–69 कैलोरी |
| ब्रोकोली | 1 कप (91ग्राम) | 0.34 कैलोरी/ग्राम | ±15–25% (±14–23ग्राम) | ±5–8 कैलोरी |
पैटर्न स्पष्ट है। उच्च-कैलोरी-घनत्व वाले खाद्य पदार्थ (तेल, नट्स, पनीर) छोटे वजन की त्रुटियों से बड़ी कैलोरी त्रुटियाँ उत्पन्न करते हैं। जैतून के तेल में 10-ग्राम की त्रुटि का अनुमान 88 कैलोरी है। ब्रोकोली में 10-ग्राम की त्रुटि का अनुमान केवल 3.4 कैलोरी है। यही कारण है कि कैलोरी-घने खाद्य पदार्थों को तौलना विशेष रूप से — भले ही आप सब्जियों का अनुमान लगाते हों — सटीकता में बड़े सुधार लाता है।
क्या बिना तराजू के ट्रैकिंग वजन प्रबंधन में मदद करती है?
सटीकता की सीमाओं के बावजूद, शोध लगातार दिखाता है कि किसी भी प्रकार की कैलोरी ट्रैकिंग, बिना ट्रैकिंग की तुलना में वजन प्रबंधन के परिणामों में बेहतर होती है।
| ट्रैकिंग विधि | औसत साप्ताहिक कैलोरी ट्रैकिंग त्रुटि | अध्ययनों में 12-सप्ताह का वजन घटाना |
|---|---|---|
| खाद्य तराजू + सत्यापित डेटाबेस | ±200–500 कैलोरी/सप्ताह | 5.5–7.0 किलोग्राम औसत |
| मापने वाले कप + डेटाबेस | ±1,000–2,100 कैलोरी/सप्ताह | 4.0–5.5 किलोग्राम औसत |
| दृश्य अनुमान + डेटाबेस | ±1,500–3,000 कैलोरी/सप्ताह | 3.0–4.5 किलोग्राम औसत |
| AI फोटो अनुमान + डेटाबेस | ±1,500–3,150 कैलोरी/सप्ताह | 3.5–5.0 किलोग्राम औसत |
| कोई ट्रैकिंग नहीं | एन/ए | 0.5–2.0 किलोग्राम औसत |
2022 में Obesity Reviews में प्रकाशित एक मेटा-विश्लेषण ने 14 यादृच्छिक नियंत्रित परीक्षणों की जांच की और पाया कि आहार आत्म-निगरानी — चाहे विधि कोई भी हो — वजन घटाने की सफलता का एकमात्र सबसे मजबूत भविष्यवक्ता था। जो प्रतिभागी लगातार ट्रैक करते थे, भले ही सटीकता में कमी हो, उन्होंने 12-24 सप्ताह की अवधि में गैर-ट्रैकर्स की तुलना में 2-3 गुना अधिक वजन घटाया।
इसका तंत्र जागरूकता है। यहां तक कि एक अस्थायी कैलोरी अनुमान आपको आपके खाद्य विकल्पों की सापेक्ष कैलोरी सामग्री के प्रति सचेत करता है। यह जानना कि आपका दोपहर का भोजन "लगभग 600 कैलोरी" था — भले ही असली संख्या 700 हो — आपके व्यवहार को पूरी तरह से बदल देता है, बजाय इसके कि आपके पास कोई जानकारी न हो।
Nutrola बिना तराजू के मदद कैसे करता है?
Nutrola वास्तविक दुनिया में ट्रैकिंग के लिए डिज़ाइन किया गया है, जिसका अर्थ है कि अधिकांश उपयोगकर्ता हर भोजन को नहीं तौलेंगे। ऐप कई विशेषताओं के माध्यम से बिना तराजू की सटीकता के अंतर को संबोधित करता है।
Nutrola का फोटो AI भाग आकार का अनुमान लगाता है और उन्हें ऐप के पोषण विशेषज्ञ-प्रमाणित डेटाबेस से मैप करता है। जब AI किसी भाग के बारे में अनिश्चित होता है — जैसे पास्ता का कटोरा जहाँ गहराई अस्पष्ट है — तो यह एक सीमा प्रस्तुत करता है और आपसे पुष्टि करने के लिए कहता है, बजाय इसके कि चुपचाप संभावित रूप से गलत अनुमान पर डिफ़ॉल्ट हो जाए।
पैकेज्ड खाद्य पदार्थों के लिए, Nutrola का बारकोड स्कैनर किसी भी खाद्य पदार्थ के लिए भाग अनुमान को पूरी तरह से समाप्त कर देता है जिसमें बारकोड होता है। स्कैनिंग अनुमान विधियों की तुलना में तेजी से और अधिक सटीक है, जो डेटाबेस में हजारों पैकेज्ड उत्पादों के लिए है।
Nutrola मानक घरेलू भाग संदर्भों का भी समर्थन करता है — "ताश के पत्तों का डेक" 3 औंस मांस के लिए, "टेनिस बॉल" 1 कप फल के लिए — प्रत्येक संदर्भ के साथ सत्यापित कैलोरी मान जुड़े होते हैं। ये दृश्य एंकर स्वतंत्र अनुमान की तुलना में अधिक सटीक होते हैं, और शोध से पता चलता है कि ये बिना सहायता वाले दृश्य अनुमान की तुलना में भाग अनुमान त्रुटि को 15-20% तक कम करते हैं।
बिना हर चीज को तौलने के लिए सटीक ट्रैकिंग के लिए एक व्यावहारिक रणनीति
आपको उपयोगी सटीकता प्राप्त करने के लिए हर निवाला नहीं तौलना है। ऊपर दिए गए त्रुटि डेटा के आधार पर एक लक्षित दृष्टिकोण सबसे अच्छे सटीकता-से-प्रयास अनुपात का उत्पादन करता है।
केवल कैलोरी-घने खाद्य पदार्थों को तौलें। तेल, नट्स, नट बटर, पनीर, और सूखे अनाज में प्रति ग्राम सबसे अधिक कैलोरी होती है और सबसे बड़ी अनुमान त्रुटियाँ होती हैं। केवल इन पांच श्रेणियों को तौलने से दैनिक ट्रैकिंग त्रुटि में लगभग 40-60% की कमी आती है, जबकि बाकी का अनुमान लगाया जाता है।
पैकेज्ड खाद्य पदार्थों के लिए बारकोड स्कैनिंग का उपयोग करें। किसी भी खाद्य पदार्थ में जिसमें बारकोड होता है, उसकी सेवा का आकार और कैलोरी निर्माता द्वारा पूर्व-परिभाषित होता है। स्कैनिंग इन वस्तुओं के लिए अनुमान को पूरी तरह से समाप्त कर देती है।
तीन संदर्भ भागों को सीखें। बंद मुट्ठी लगभग एक कप होती है। एक हथेली लगभग 3-4 औंस प्रोटीन होती है। एक अंगूठे की टिप लगभग एक चम्मच होती है। ये अस्थायी होते हैं लेकिन बिना सहायता वाले अनुमान से लगातार बेहतर होते हैं।
AI फोटो अनुमान को एक प्रारंभिक बिंदु के रूप में उपयोग करें, उत्तर नहीं। फोटो लें, अनुमानित भागों की समीक्षा करें, और यदि अनुमान गलत लगता है तो समायोजित करें। AI अनुमान और मानव सुधार का संयोजन अकेले किसी भी विधि से बेहतर परिणाम उत्पन्न करता है।
डेटा दिखाता है कि प्रभावी कैलोरी ट्रैकिंग के लिए सही सटीकता आवश्यक नहीं है। लेकिन यह समझना कि सबसे बड़ी त्रुटियाँ कहाँ होती हैं — और उन उच्च-प्रभाव वाले आइटमों पर चयनात्मक रूप से सटीकता लागू करना — सुविधाजनक ट्रैकिंग और सटीक ट्रैकिंग के बीच के अंतर को बंद कर देता है।
बिना तराजू के कैलोरी ट्रैकिंग पर मुख्य निष्कर्ष
| निष्कर्ष | डेटा |
|---|---|
| औसत दृश्य अनुमान त्रुटि | ±30–50% अप्रशिक्षित के लिए, ±15–25% प्रशिक्षित के लिए |
| सबसे कम आंका गया खाद्य प्रकार | तेल और खाना पकाने के वसा (±30–50% त्रुटि) |
| सबसे कम आंका गया खाद्य प्रकार | गैर-स्टार्च सब्जियाँ (±10–20% त्रुटि) |
| AI फोटो अनुमान सटीकता | ±15–30% औसत (±8–55% सीमा) |
| मापने वाले कप की सटीकता | ±10–20% औसत |
| खाद्य तराजू की सटीकता | ±2–5% |
| बिना तराजू के ट्रैकिंग बनाम बिना ट्रैकिंग | वजन प्रबंधन के लिए अभी भी 2-3 गुना अधिक प्रभावी |
| उच्चतम-प्रभाव रणनीति | केवल कैलोरी-घने खाद्य पदार्थों को तौलें, बाकी का अनुमान लगाएं |
अक्सर पूछे जाने वाले प्रश्न
बिना खाद्य तराजू के कैलोरी अनुमान कितने गलत होते हैं?
बिना तराजू के, औसत अप्रशिक्षित व्यक्ति प्रति भोजन कैलोरी सेवन को 30-50% कम आंकता है। प्रशिक्षित व्यक्ति दृश्य संदर्भों का उपयोग करते हुए इसे 15-25% तक कम कर देते हैं। त्रुटि कैलोरी-घने खाद्य पदार्थों जैसे तेल, नट्स, और पनीर के लिए सबसे अधिक होती है, जहाँ एक छोटी वजन भिन्नता बड़ी कैलोरी खाई में बदल जाती है।
क्या कैलोरी ट्रैकिंग के लिए खाद्य तराजू खरीदना उचित है?
एक खाद्य तराजू प्रति भोजन कैलोरी त्रुटि को 2-5% तक कम करता है, जबकि बिना सहायता वाले दृश्य अनुमान के लिए यह 30-50% है। हालाँकि, आपको हर चीज को तौलने की आवश्यकता नहीं है। केवल कैलोरी-घने खाद्य पदार्थों (तेल, नट्स, पनीर, अनाज) को तौलने से सब्जियों और फलों का अनुमान लगाते समय दैनिक ट्रैकिंग त्रुटि में 40-60% की कमी आती है, जिसमें न्यूनतम प्रयास होता है।
कैलोरी गिनने के लिए AI फोटो अनुमान की सटीकता कितनी है?
AI फोटो अनुमान खाद्य प्रकारों के अनुसार 15-30% त्रुटि का औसत दिखाता है, 2024 के एक अध्ययन के अनुसार Nature Digital Medicine में। यह मानक आकार के एकल आइटम पर सबसे अच्छा प्रदर्शन करता है (8-12% त्रुटि) और गहरे कटोरे में मिश्रित व्यंजनों पर सबसे खराब (25-40% त्रुटि) होता है। मुख्य सीमा यह है कि 2D छवि खाद्य गहराई और घनत्व को सटीक रूप से निर्धारित नहीं कर सकती।
क्या आप बिना खाद्य तराजू के वजन घटा सकते हैं?
हाँ। 2022 में Obesity Reviews में प्रकाशित एक मेटा-विश्लेषण ने पाया कि किसी भी प्रकार की कैलोरी ट्रैकिंग, भले ही सटीकता में कमी हो, बिना ट्रैकिंग की तुलना में 12-24 सप्ताह में 2-3 गुना अधिक वजन घटाने की ओर ले जाती है। लगभग ट्रैकिंग से जागरूकता उत्पन्न होती है, जो खाद्य विकल्पों को बदल देती है, भले ही व्यक्तिगत अनुमान 15-25% से भिन्न हों।
कौन से खाद्य पदार्थ सबसे बड़ी कैलोरी अनुमान त्रुटियाँ पैदा करते हैं?
तेल और खाना पकाने के वसा सबसे बड़ी त्रुटियाँ उत्पन्न करते हैं (30-50%), इसके बाद नट्स और बीज (30-55%) और पनीर (25-40%) आते हैं। ये खाद्य पदार्थ कैलोरी-घने होते हैं, जिसका अर्थ है कि जैतून के तेल में 10-ग्राम की अनुमान त्रुटि 88 कैलोरी के बराबर होती है, जबकि ब्रोकोली में वही त्रुटि केवल 3.4 कैलोरी के बराबर होती है।
क्या आप अपने पोषण ट्रैकिंग को बदलने के लिए तैयार हैं?
उन हजारों में शामिल हों जिन्होंने Nutrola के साथ अपनी स्वास्थ्य यात्रा को बदल दिया!
