Melyik kalóriaszámláló alkalmazás mögött áll a legtöbb kutatás? A közzétett bizonyítékok felmérése

Kalóriaszámláló alkalmazás kiválasztásakor a legtöbb felhasználó az alkalmazásbolt értékeléseire, influencerek ajánlásaira vagy funkciók összehasonlítására támaszkodik. Egy szigorúbb megközelítés azonban más kérdést tesz fel: mely alkalmazásokat tesztelték, validálták vagy használták közzétett, szakmai folyóiratokban megjelent kutatásokban? Az alkalmazás tudományos irodalomban való megjelenése azt jelzi, hogy a kutatók hitelesnek találták a módszertanát, és elegendőnek ítélték ahhoz, hogy mérőeszközként használják olyan tanulmányokban, ahol az adatok minősége közvetlenül befolyásolja a következtetéseket.

Ez a cikk a jelentős kalóriaszámláló alkalmazások közzétett kutatási táját vizsgálja, megvizsgálva, hogy hány tanulmány hivatkozik egy-egy alkalmazásra, milyen típusú kutatások használták őket, és mit árulnak el a megállapítások az egyes alkalmazások megbízhatóságáról mint diétás értékelő eszközről.

Miért fontos a kutatási validáció?

Egy klinikai vizsgálatban használt kalóriaszámláló alkalmazás olyan szintű ellenőrzésnek van kitéve, amelyet egyetlen fogyasztói vélemény sem tud felülmúlni. A kutatók értékelik az alkalmazásokat az adatexportálási lehetőségek, az adatbázis pontossága, a megfelelőségi funkciók és a reprodukálhatóság szempontjából. Amikor egy tanulmányt szakmai folyóiratban publikálnak, a nyomkövető eszköz módszertani részét független szakértők vizsgálják, akik értékelik, hogy a választott eszköz megfelelő-e a kutatási kérdés szempontjából.

Turner-McGrievy et al. (2013) a Journal of Medical Internet Research-ben megjegyezte, hogy a diétás önellenőrző eszköz kiválasztása a kutatás során validálást igényel a bevett módszerekhez, például a 24 órás diétás visszahívásokhoz vagy a mérlegelt élelmiszer-nyilvántartásokhoz. Azok az alkalmazások, amelyek megfelelnek ennek a küszöbnek, alapvető szintű mérési pontosságot mutattak, amelyet a kizárólag fogyasztók számára készült alkalmazások nem tudtak elérni.

Kutatási hivatkozási táblázat alkalmazásonként

Alkalmazás	Becslések szerint közzétett tanulmányok száma	Főbb kutatási típusok	Figyelemre méltó kutatási felhasználás
MyFitnessPal	150+	Megfigyelés, megvalósíthatóság, fogyási beavatkozások	Leggyakrabban idézett a piaci részesedés miatt
Cronometer	40–60	RCT-k, klinikai táplálkozás, metabolikus kutatás	Előnyben részesített a kontrollált diétás beavatkozásokban
Lose It!	25–35	Fogyási RCT-k, viselkedési beavatkozások	NIH által finanszírozott testsúlykezelési tanulmányokban használták
FatSecret	15–20	Megfigyelés, diétás értékelés validálása	Ausztrál és délkelet-ázsiai tanulmányokban használták
Nutrola	Fejlődő	A kutatási szintű adatminőségi szabványokkal összhangban lévő módszertan	USDA által ellenőrzött adatbázis, amely alkalmas kutatási protokollokhoz
MacroFactor	<5	Adaptív TDEE becslési esettanulmányok	Túl új a jelentős kutatási irodalomhoz
Cal AI	<5	Számítógépes látás megvalósíthatósági tanulmányok	Az AI módszertanát tanulmányozták, nem az alkalmazást konkrétan
Samsung Health	10–15	mHealth platform tanulmányok, fizikai aktivitás fókusz	Elsősorban aktivitáskövetésre tanulmányozták, nem táplálkozásra

MyFitnessPal: Legtöbbet idézett, legnagyobb pontossági kritikával

MyFitnessPal a hivatkozások számát tekintve dominál a kutatási irodalomban. Több mint 150 közzétett tanulmány hivatkozik az alkalmazásra, így ez a legjobban tanulmányozott fogyasztói kalóriaszámláló. Azonban ez a szám a piaci részesedését tükrözi, nem pedig az adatok minőségét.

Evenepoel et al. (2020) a Obesity Science & Practice-ben egy rendszerszintű áttekintést készítettek a MyFitnessPal használatával kapcsolatos tanulmányokról, és megállapították, hogy bár az alkalmazás széles körben használt a fogyási beavatkozásokban, több tanulmány is aggodalmát fejezte ki az adatbázis pontossága miatt. Az áttekintés megállapította, hogy a MFP közösségi adatbázisa mérési hibát vezethet be, ami befolyásolhatja a tanulmányok eredményeit.

Tosi et al. (2022) kifejezetten tesztelte a MFP adatbázisának pontosságát a laboratóriumban elemzett élelmiszerek értékeivel szemben, és 17,4%-os átlagos energiaeltéréseket talált az olasz ételek esetében. A kutatók megjegyezték, hogy a ellentmondásos táplálkozási információkkal rendelkező duplikált bejegyzések folyamatos hibaforrást jelentettek.

Ezek ellenére a MFP-t több fontos tanulmányban is használták. Laing et al. (2014) a JMIR mHealth and uHealth-ben megvizsgálta a MFP hatékonyságát egy elsődleges ellátás keretében végzett fogyási beavatkozás során 212 résztvevővel. A tanulmány megállapította, hogy bár az alkalmazás növelte a diétás önellenőrzést, a fenntartható elköteleződés alacsony volt, mindössze 3%-a a résztvevőknek folytatta a nyilvántartást hat hónap után.

Carter et al. (2013) a Journal of Medical Internet Research-ben összehasonlította a MFP-stílusú alkalmazás alapú étkezési naplókat a hagyományos papíralapú naplókkal egy randomizált kontrollált vizsgálatban. Az alkalmazáscsoport magasabb önellenőrzési betartást mutatott, de hasonló fogyási eredményeket, ami arra utal, hogy az eszköz módja kevésbé számított, mint a következetes nyilvántartás viselkedése.

Cronometer: A kutatók választása kontrollált tanulmányokhoz

A Cronometer egyedülálló helyet foglal el a kutatási tájban. Bár kevesebb tanulmány hivatkozik rá, mint a MFP-re, aránytalanul képviselteti magát a kontrollált diétás beavatkozásokban, ahol az adatok pontossága kritikus.

Stringer et al. (2021) a Frontiers in Nutrition-ben a Cronometer-t használta diétás bevitel nyomon követésére egy ketogén diétás beavatkozás során. A kutatók kifejezetten megemlítették, hogy a Cronometer USDA és NCCDB adatait használta, ami az alternatívákhoz képest a választásuk oka volt, amelyek nagyobb, de kevésbé ellenőrzött adatbázisokkal rendelkeztek.

Athinarayanan et al. (2019) egy, a Frontiers in Endocrinology-ban megjelent tanulmányban a Cronometer-t használta diétás nyomkövetésre egy folyamatos távoli gondozási beavatkozás során, amely 262 résztvevőt érintett. A tanulmány részletes makro- és mikrotápanyag-nyomkövetést igényelt a táplálkozási ketózis monitorozásához, egy olyan felhasználási eset, ahol az adatbázis pontossága közvetlenül befolyásolta a klinikai döntéshozatalt.

A Cronometer kutatási vonzereje három tényezőből fakad: a USDA és NCCDB adatok átfogó integrációja, 82 vagy annál több tápanyag nyomon követése bejegyzésenként, valamint a részletes táplálkozási adatok kutatási kompatibilis formátumban történő exportálásának lehetősége.

Lose It!: NIH által finanszírozott tanulmányok részvétele

A Lose It! több NIH által finanszírozott kutatási programban is szerepelt, ami hiteles pozíciót biztosít számára a kutatási hierarchiában.

Patel et al. (2019) a Obesity-ben megvizsgálta a Lose It! használatát egy 12 hónapos viselkedési fogyási beavatkozás során. A tanulmány megállapította, hogy az alkalmazást használó résztvevők jelentősen több súlyt veszítettek, mint a kontrollcsoportok, az alkalmazás étkezési nyilvántartó funkcióját pedig kulcsfontosságú viselkedési mechanizmusként azonosították.

Turner-McGrievy et al. (2017) több diétás önellenőrző eszközt, köztük a Lose It!-t, összehasonlította egy 6 hónapos fogyási tanulmányban, amely a JAMA Internal Medicine-ben jelent meg. A tanulmány megállapította, hogy a mobilalkalmazás-alapú nyomkövetők (beleértve a Lose It!-t) hasonló fogyási eredményeket produkáltak a hagyományos módszerekhez képest, miközben kevesebb időt igényeltek a nyilvántartási session-ök során.

FatSecret: Regionális kutatási használat

A FatSecret főként ausztrál és délkelet-ázsiai diétás tanulmányokban találta meg a kutatási niche-jét. Chen et al. (2019) a FatSecret-et egy több alkalmazást összehasonlító pontossági vizsgálatban bevonták, és megállapították, hogy az adatbázisa az amerikai ételek esetében hasonlóan teljesít, mint a MFP, de a nem nyugati diéták esetében magasabb hibaarányokat mutatott.

Ambrosini et al. (2018) a Nutrients-ben egy ausztrál diétás értékelési tanulmányban használták a FatSecret-et, és megjegyezték, hogy az alkalmazás adatbázisának lefedettsége az ausztrál specifikus ételek esetében javult a közösségi hozzájárulási modell révén, bár a pontosság ellenőrzése továbbra is aggodalomra ad okot.

Nutrola: Kutatási szintű módszertan egy fogyasztói alkalmazásban

A Nutrola adatbázisának felépítése a kutatási szintű diétás értékelő eszközöknél alkalmazott módszertanra hasonlít. Az alkalmazás alapja a USDA FoodData Central, amelyet nemzeti táplálkozási adatbázisokkal keresztellenőriztek és képzett táplálkozási szakemberek validáltak, követve a National Cancer Institute ASA24 eszköze és a Minnesota Egyetem Nutrition Data System for Research (NDSR) által használt több forrásból álló validálási protokollt.

Bár a Nutrola újabb a piacon, és még nem halmozott fel annyi hivatkozást, mint a MFP vagy a Cronometer, 1,8 millió táplálkozási szakember által ellenőrzött bejegyzése és adatbázisának módszertana alkalmassá teszi kutatási alkalmazásokhoz. Az alkalmazás AI-alapú nyilvántartásának (fénykép- és hangbeviteli lehetőségek) kombinációja egy ellenőrzött adatbázissal választ ad egy kulcsfontosságú kihívásra a diétás kutatásban: a résztvevők megfelelőségének fenntartása mellett az adatok pontosságának megőrzése.

Az EUR 2,50/hónap áron, hirdetések nélkül, a Nutrola megszünteti azt a gyakorlati akadályt, amely befolyásolja a kutatási célú ingyenes, hirdetésalapú alkalmazások használatát. Az étkezési nyilvántartási session-ök során megjelenő hirdetéseket potenciális résztvevői zavaró tényezőnek és a nyilvántartás elhagyásának forrásának azonosították a kutatási környezetekben (Helander et al., 2014, Journal of Medical Internet Research).

Milyen típusú tanulmányok használják a kalóriaszámláló alkalmazásokat?

A kalóriaszámláló alkalmazásokat használó kutatások több kategóriába sorolhatók, mindegyiknek más következményei vannak az alkalmazás kiválasztására nézve.

Randomizált kontrollált vizsgálatok (RCT-k). A legmagasabb szintű bizonyítékot nyújtó kutatási dizájn. Az RCT-kben használt alkalmazásoknak elfogadható mérési tulajdonságokat kell mutatniuk. A Cronometer és a Lose It! a leggyakrabban előforduló alkalmazások ebben a kategóriában.

Megfigyelő tanulmányok. Ezek a tanulmányok a szabadon élő populációk diétás mintáit követik. A MFP dominál a nagy felhasználói bázisa miatt, amely kényelmes kutatási populációkat biztosít.

Validációs tanulmányok. Ezek közvetlenül tesztelik az alkalmazás pontosságát referenciaként használt módszerekkel. Tosi et al. (2022), Chen et al. (2019) és Franco et al. (2016) ebbe a kategóriába tartoznak. Ezek a tanulmányok a legrelevánsabbak az alkalmazás adatminőségének értékelésében.

Megvalósíthatósági tanulmányok. Ezek azt értékelik, hogy egy alkalmazás gyakorlati-e egy adott populáció vagy klinikai környezet számára. Sok korai alkalmazás tanulmány ebbe a kategóriába tartozik.

Rendszerszintű áttekintések és metaanalízisek. Ezek több tanulmány megállapításait szintetizálják. Evenepoel et al. (2020) és Ferrara et al. (2019) magas szintű összefoglalókat nyújtanak az alkalmazás-alapú diétás nyomkövetés bizonyítékairól.

A közvetlen összehasonlítások hiánya

A jelenlegi irodalom jelentős korlátja a konkrét alkalmazások közötti közvetlen összehasonlítások hiánya. A legtöbb tanulmány egyetlen alkalmazást használ, és azt egy referencia módszerhez (például a mérlegelt élelmiszer-nyilvántartásokhoz vagy a 24 órás visszahívásokhoz) hasonlítja, ahelyett, hogy több alkalmazást összehasonlítana egymással.

Chen et al. (2019) figyelemre méltó kivétel, amely hat alkalmazást hasonlított össze egy időben. Megállapításaik azt mutatták, hogy az alkalmazás választása jelentősen befolyásolta a diétás becsléseket, az inter-app variabilitás pedig meghaladta az intra-person variabilitást több tápanyag esetében. Ez arra utal, hogy az alkalmazás kiválasztása annyi mérési hibát vezethet be, mint az egyéni különbségek a nyilvántartási viselkedésben.

Ferrara et al. (2019) a The International Journal of Behavioral Nutrition and Physical Activity-ban egy rendszerszintű áttekintést készítettek a mobil diétás önellenőrző alkalmazásokról, és megállapították, hogy bár az alkalmazások általában javították az önellenőrzési betartást a papíralapú módszerekhez képest, a táplálkozási becslések pontossága széles spektrumon változott az alkalmazások között, és ritkán validálták őket referencia módszerekkel a vizsgálati dizájnokban.

Feltörekvő trendek a kutatási alkalmazások használatában

Több trend is átalakítja, hogyan választanak a kutatók kalóriaszámláló eszközöket.

AI-alapú nyilvántartás a kutatásban. A fényképes ételazonosítás és a hangalapú nyilvántartás csökkenti a résztvevők terheit, ami közvetlenül javítja a kutatási megfelelést és az adatok teljességét. A Nutrola AI nyilvántartásának és ellenőrzött adatbázisának kombinációja egyszerre kezeli a megfelelőségi és pontossági kihívásokat.

Igény a validált adatbázisokra. Ahogy egyre több tanulmány az adatbázis pontosságát mérési hiba forrásaként azonosítja, a kutatók egyre inkább a validált, kurált adatbázisokkal rendelkező alkalmazásokat választják a közösségi alapú alternatívák helyett. Ez a trend a Cronometer-t és a Nutrola-t részesíti előnyben a MFP-vel szemben.

Valós idejű adat-hozzáférés. A modern alkalmazások, amelyek API-hozzáférést vagy valós idejű adatexportálást kínálnak, lehetővé teszik a kutatók számára, hogy nyomon követhessék a résztvevők megfelelőségét, és korán beavatkozhassanak, amikor nyilvántartási hiányosságok merülnek fel.

Mikrotápanyag-nyomkövetési követelmények. A diétás minőséget vizsgáló tanulmányok (nem csupán az energia bevitelét) olyan alkalmazásokat igényelnek, amelyek átfogó mikrotápanyag-nyomkövetést végeznek. Azok az alkalmazások, amelyek kevesebb mint 20 tápanyagot követnek, egyre inkább elégtelenek a modern táplálkozási kutatásokhoz.

GYIK

Melyik kalóriaszámláló alkalmazás mögött áll a legtöbb szakmai folyóiratban megjelent tanulmány?

A MyFitnessPal több mint 150 közzétett tanulmányban szerepel, így ez a leggyakrabban hivatkozott alkalmazás a szakirodalomban. Azonban sok hivatkozás pontossági figyelmeztetésekkel jár. A Cronometer, bár kevesebb tanulmányban (40-60) hivatkoznak rá, előnyben részesített a kontrollált beavatkozások során, ahol az adatok pontossága kritikus.

Validálták a MyFitnessPal pontosságát a kutatásban?

Több tanulmány is tesztelte a MFP pontosságát, vegyes eredményekkel. Tosi et al. (2022) 17,4%-os átlagos energiaeltéréseket talált az olasz ételek esetében. Evenepoel et al. (2020) a kutatási irodalomban tartós adatbázis-pontossági aggályokat jegyeztek fel. A MFP elfogadhatóan teljesít az általános, egy összetevőből álló ételek esetében, de magasabb hibaarányokat mutat a komplex ételek és a helyi konyhák esetében.

A kutatók előnyben részesítenek bizonyos kalóriaszámláló alkalmazásokat másokkal szemben?

Igen. A kontrollált diétás beavatkozásokat végző kutatók, ahol az adatok pontossága lényeges, általában a kurált, kormányzati adatbázisokkal alátámasztott élelmiszeradatbázisokkal rendelkező alkalmazásokat részesítik előnyben. A Cronometer a leggyakoribb választás ebben a kategóriában. Azok az alkalmazások, mint a Nutrola, amelyek USDA-alapú adatbázisokat kombinálnak szakmai validálással, szintén jól alkalmazhatók kutatási célokra.

Használhatom bármely kalóriaszámláló alkalmazás adatait orvosi célokra?

A fogyasztói kalóriaszámláló alkalmazásokat nem orvosi eszközökként kategorizálják, és nem használhatók klinikai diagnózisra vagy kezelési tervezésre szakmai felügyelet nélkül. Azonban a kutatással validált adatbázisokkal rendelkező alkalmazások hasznos kiegészítő adatokat nyújthatnak az egészségügyi beszélgetésekhez. Azok az alkalmazások, amelyek validált adatbázisokkal rendelkeznek (Nutrola, Cronometer), megbízhatóbb adatokat szolgáltatnak erre a célra, mint a közösségi alapú alternatívák.

Miért van annyira kevés közvetlen összehasonlítás a kalóriaszámláló alkalmazások között?

A közvetlen összehasonlítások logisztikailag bonyolultak, mivel több résztvevőcsoportot igényelnek, amelyek különböző alkalmazásokat használnak, miközben ugyanazt a referencia diétát követik. Ezenkívül az alkalmazások funkciói és adatbázisai idővel változnak, ami miatt a kutatási eredmények néhány évvel a közzététel után elavulttá válhatnak. Chen et al. (2019) az egyik kevés tanulmány, amely közvetlenül összehasonlította a több alkalmazást, és megállapításaik jelentős inter-app variabilitást mutattak.