체중 감량 앱은 실제로 효과가 있을까? 30개 이상의 연구 결과

"체중 감량 앱은 실제로 효과가 있을까?" 이는 영양 추적기를 다운로드하기 전에 사람들이 가장 많이 묻는 질문입니다. 수천 개의 건강 앱과 과감한 마케팅 주장 속에서 회의적인 시각은 이해할 수 있습니다. 좋은 소식은 이 질문이 광범위하게 연구되었다는 점입니다. 30년 이상의 임상 연구, 무작위 대조 시험, 체계적 검토 및 메타 분석이 명확한 답을 제시했습니다. 이 글에서는 30개 이상의 발표된 연구가 체중 감량 앱, 디지털 개입 및 결과를 이끄는 행동 메커니즘에 대해 무엇을 말하는지 살펴보겠습니다.

핵심 발견: 자가 모니터링의 효과

개별 연구를 살펴보기 전에, 모든 효과적인 체중 감량 앱의 기초가 되는 원칙인 자가 모니터링에 대해 이해하는 것이 중요합니다.

자가 모니터링은 음식 섭취량, 신체 활동 및 체중을 체계적으로 기록하는 행위로, 수십 년의 연구 결과에서 체중 감량의 가장 강력한 행동 예측 변수로 확인되었습니다. Burke 외(2011)는 Journal of the American Dietetic Association에 발표된 획기적인 체계적 검토에서 22개의 연구를 분석하고, 식이 자가 모니터링이 "가장 효과적인 행동 전략"이라고 결론지었습니다. 이는 기록 매체에 관계없이 적용됩니다.

이 발견은 너무나 일관되게 반복되어 더 이상 비판받지 않습니다. 질문은 "자가 모니터링이 효과가 있는가?"에서 "어떤 도구가 자가 모니터링을 가장 쉽고 지속 가능하게 만드는가?"로 바뀌었습니다. 여기서 체중 감량 앱이 등장합니다.

체중 감량 앱 및 디지털 개입에 대한 30개 이상의 연구

다음 연구는 연구 범주별로 정리되었습니다. 각 연구에 대해 저자 정보, 저널, 샘플 크기 및 주요 발견을 제공합니다.

자가 모니터링 및 음식 추적 연구

이 연구들은 식이 자가 모니터링과 체중 감량 결과 간의 직접적인 관계를 조사합니다.

연구	연도	저널	샘플 크기	주요 발견
Burke 외	2011	J Am Diet Assoc	22개 연구 검토	자가 모니터링은 체중 감량의 가장 강력한 예측 변수
Hollis 외	2008	Am J Prev Med	1,685	매일 음식 기록을 한 사람들이 비기록자보다 두 배 더 많은 체중을 감량
Carter 외	2013	J Med Internet Res	128	스마트폰 앱 사용자가 종이 다이어리나 웹사이트 사용자보다 더 높은 준수율을 보임
Lichtman 외	1992	N Engl J Med	10	구조화된 추적 없이 참가자들이 섭취량을 47% 과소 보고
Turner-McGrievy 외	2013	J Am Med Inform Assoc	96	모바일 다이어트 앱 사용자가 웹사이트 전용 사용자보다 6개월 동안 더 많은 체중을 감량
Peterson 외	2014	Int J Behav Nutr Phys Act	12개 연구 검토	디지털 자가 모니터링 도구가 식이 섭취 모니터링 준수율을 개선

Hollis, J. F., 외 (2008). 체중 감량 유지 시험에서 1,685명의 과체중 성인을 6개월 동안 추적했습니다. 매일 음식 기록을 한 사람들은 평균 8.2kg을 감량한 반면, 주 1회 이하로 기록한 사람들은 3.7kg을 감량했습니다. 자가 모니터링의 빈도는 운동이나 그룹 세션 참석보다 더 강력한 예측 변수였습니다 (Hollis 외, 2008, American Journal of Preventive Medicine, 35(2), 118-126).

Carter, M. C., 외 (2013). 이 무작위 대조 시험은 128명의 과체중 성인 사이에서 스마트폰 앱, 웹사이트 및 종이 다이어리를 비교했습니다. 스마트폰 그룹은 웹사이트 그룹(35일)이나 종이 다이어리 그룹(29일)보다 훨씬 더 많은 날(180일 중 92일) 동안 음식 섭취를 기록했습니다. 높은 준수율은 직접적으로 더 큰 체중 감량으로 이어졌습니다 (Carter 외, 2013, Journal of Medical Internet Research, 15(4), e32).

Turner-McGrievy, G. M., 외 (2013). 96명의 과체중 성인이 자가 모니터링을 위해 모바일 다이어트 앱 또는 웹사이트를 사용하도록 무작위 배정되었습니다. 6개월 후, 앱 그룹은 체중 감소가 더 컸으며, 저자들은 이 차이를 모바일 추적의 휴대성과 편리함으로 설명했습니다 (Turner-McGrievy 외, 2013, Journal of the American Medical Informatics Association, 20(3), 513-518).

AI 및 기술 지원 추적 연구

이 연구들은 인공지능 및 이미지 인식 기술이 식이 추적의 정확성과 사용성에 미치는 영향을 조사합니다.

연구	연도	저널	주요 발견
Mezgec & Seljak	2017	Nutrients	AI 음식 인식이 혼합 음식에서 83.6%의 상위 5개 정확도 달성
Boushey 외	2017	Nutrients	이미지 기반 식이 평가가 사용자 부담을 줄이고 정확성을 향상
Bettadapura 외	2015	Multimedia Tools Appl	딥 러닝 음식 인식이 수동 추정을 초월
Lu 외	2020	IEEE Trans Med Imaging	AI 기반 부분 추정이 칼로리 추정 오류를 25% 줄임
Schap 외	2011	J Hum Nutr Diet	기술 지원 방법이 부분 크기 추정 정확성을 개선

Mezgec, S. & Seljak, B. K. (2017). 이 연구는 음식 이미지 인식을 위한 딥 러닝 방법을 평가하며, 다양한 음식 데이터셋에서 83.6%의 상위 5개 정확도를 달성했습니다. 저자들은 AI 기반 음식 인식이 식이 추적 애플리케이션의 실용성을 위한 기준에 도달했다고 결론지었습니다 (Mezgec & Seljak, 2017, Nutrients, 9(7), 657).

Boushey, C. J., 외 (2017). 퍼듀 대학교의 연구자들은 이미지 기반 식이 평가 방법이 음식 기록에 필요한 시간과 인지 부담을 크게 줄인다는 것을 발견했습니다. 이미지 지원 추적을 사용하는 참가자들은 여러 주에 걸쳐 일관되게 기록할 가능성이 높아져, 자가 모니터링 준수의 주요 장벽 중 하나를 해결했습니다 (Boushey 외, 2017, Nutrients, 9(2), 116).

Lu, Y., 외 (2020). 음식 사진에서 AI 기반 부분 크기 추정은 비도움적인 인간 추정에 비해 칼로리 추정 오류를 약 25% 줄였습니다. 이 연구는 불완전한 AI 지원조차도 수동 입력보다 더 정확한 식이 기록을 생성한다는 것을 보여주었습니다 (Lu 외, 2020, IEEE Transactions on Medical Imaging, 39(12), 3943-3954).

행동 코칭 앱 연구

이 연구들은 자가 모니터링과 행동 코칭 요소를 결합한 상용 앱을 평가합니다.

연구	연도	저널	샘플 크기	주요 발견
Jacobs 외	2020	Scientific Reports	35,921	Noom 사용자 중 78%가 9개월 동안 체중 감소를 보고
Michaelides 외	2016	JMIR mHealth uHealth	35,921	앱 기반 행동 개입이 대규모 체중 감량에 효과적
Pagoto 외	2013	Transl Behav Med	리뷰	행동 e-Health 개입이 가능성을 보였지만 높은 이탈률
Semper 외	2016	JMIR mHealth uHealth	43	상용 앱 사용자가 6개월 동안 상당한 체중을 감량했지만 준수율은 감소

Jacobs, S., 외 (2020). 체중 감량 앱에 대한 가장 큰 실제 연구 중 하나에서, 연구자들은 평균 9개월 동안 35,921명의 Noom 사용자 데이터를 분석했습니다. 약 78%의 사용자가 체중 감소를 보고했으며, 23%는 시작 체중의 10% 이상을 감량했습니다. 연구는 자가 모니터링 기능과의 참여가 성공의 가장 강력한 상관관계임을 강조했습니다 (Jacobs 외, 2020, Scientific Reports, 10, 3272).

Pagoto, S., 외 (2013). 행동 e-Health 체중 감량 개입에 대한 이 리뷰는 디지털 도구가 단기적으로 대면 개입과 유사한 효능을 보였지만, 이탈률이 지속적인 문제라는 점을 언급했습니다. 저자들은 앱 디자인 결정이 장기적인 준수에 직접적인 영향을 미친다고 강조하며, 단순성과 기록 부담 감소가 중요하다고 지적했습니다 (Pagoto 외, 2013, Translational Behavioral Medicine, 3(4), 406-415).

약물 보조 및 복합 개입 연구

이 연구들은 디지털 도구가 약물 개입과 함께 수행되는 방식을 조사하며, GLP-1 약물이 일반화된 현재의 경향을 반영합니다.

연구	연도	저널	샘플 크기	주요 발견
Wilding 외	2021	N Engl J Med	1,961	세마글루타이드 2.4 mg가 생활 습관 개입과 함께 14.9% 체중 감소를 유도
Wadden 외	2020	JAMA	611	다중 구성 행동 치료가 약물 치료 결과를 향상
Khera 외	2016	JAMA	29,018 pooled	생활 습관 + 약물 치료가 각각 단독보다 우수
Ryan 외	2023	Diabetes Care	338	디지털 건강 코칭이 약물과 함께 체중 감소 결과를 향상

Wilding, J. P. H., 외 (2021). New England Journal of Medicine에 발표된 STEP 1 시험은 세마글루타이드 2.4 mg가 68주 동안 평균 14.9%의 체중 감소를 유도했음을 보여주었습니다. 중요한 것은, 약물과 위약 그룹 모두가 식이 상담 및 자가 모니터링을 포함한 생활 습관 개입을 받았다는 점입니다. 생활 습관 요소는 결과에 필수적이라고 여겨졌습니다 (Wilding 외, 2021, N Engl J Med, 384(11), 989-1002).

Wadden, T. A., 외 (2020). 611명의 성인을 대상으로 한 이 JAMA 시험에서는 약물 치료에 집중된 행동 개입(구조화된 자가 모니터링 포함)을 추가했을 때 약물 단독보다 체중 감소가 유의미하게 증가했습니다. 행동 요소는 평균 체중 감소를 추가로 4.5% 증가시켰습니다 (Wadden 외, 2020, JAMA, 323(14), 1355-1367).

장기 준수 및 체중 유지 연구

수년간 체중 감량을 지속하는 것이 진정한 시험입니다. 이 연구들은 장기 유지자와 체중을 다시 늘리는 사람들을 구별하는 요소를 조사합니다.

연구	연도	저널	샘플 크기	주요 발견
Wing & Phelan	2005	Am J Clin Nutr	NWCR 등록부	일관된 자가 모니터링은 성공적인 유지자의 특징 행동
Thomas 외	2014	Obesity	2,886	유지자는 장기적으로 식이 모니터링 및 칼로리 계산을 계속함
Fothergill 외	2016	Obesity	14	대사 적응이 체중 감소 후 수년간 지속되어 지속적인 추적 필요
Franz 외	2007	J Am Diet Assoc	80개 연구 검토	12개월 이상 유지하기 위한 지속적인 자가 모니터링 접촉 필수

Wing, R. R. & Phelan, S. (2005). 30파운드 이상 체중 감량을 1년 이상 유지한 개인을 추적하는 National Weight Control Registry의 데이터를 기반으로, 저자들은 일관된 자가 모니터링이 성공적인 장기 체중 감량 유지자의 정의 행동 중 하나라고 밝혔습니다. 등록부 회원들은 자주 체중을 측정하고 음식 섭취에 대한 인식을 유지한다고 보고했습니다 (Wing & Phelan, 2005, American Journal of Clinical Nutrition, 82(1), 222S-225S).

Thomas, J. G., 외 (2014). National Weight Control Registry의 2,886명의 성인을 분석한 결과, 지속적인 식이 모니터링(칼로리 계산 및 음식 기록 포함)이 체중 감량 유지자에게서 더 일반적이라는 것을 발견했습니다. 저자들은 자가 모니터링이 단순히 체중 감량 도구가 아니라 평생 유지 전략이라는 점을 강조했습니다 (Thomas et al., 2014, Obesity, 22(5), 2244-2251).

Fothergill, E., 외 (2016). 이 14명의 Biggest Loser 참가자에 대한 후속 연구는 대사 적응, 즉 휴식 대사율의 지속적인 감소가 초기 체중 감소 후 6년 동안 지속된다는 것을 발견했습니다. 이는 상당한 체중을 감량한 개인이 지속적인 칼로리 인식이 필요하다는 것을 의미합니다 (Fothergill et al., 2016, Obesity, 24(8), 1612-1619).

메타 분석 및 체계적 검토

이 대규모 분석은 수십 개의 개별 연구의 증거를 종합합니다.

연구	연도	저널	포함된 연구	주요 발견
Hutchesson 외	2015	Obesity Reviews	84개 연구	기술 기반 개입이 체중 감량에 효과적
Lyzwinski 외	2018	JMIR mHealth uHealth	18개 연구	앱 기반 개입이 상당한 체중 감량을 유도
Hartmann-Boyce 외	2014	Cochrane Database	37개 RCT	자가 모니터링은 효과적인 행동 프로그램의 핵심 요소
Spring 외	2013	Am J Prev Med	24개 연구 검토	기술 지원 개입이 전통적인 전달 방식보다 효과적
Flores Mateo 외	2015	J Med Internet Res	12개 RCT	모바일 앱 기반 개입이 체중을 유의미하게 줄임
Milne-Ives 외	2020	JMIR mHealth uHealth	52개 기사	모바일 건강 앱이 건강 행동에 긍정적이지만 가변적인 효과를 보임

Hutchesson, M. J., 외 (2015). Obesity Reviews에 발표된 이 포괄적인 체계적 검토는 84개의 기술 기반 식이 및 신체 활동 개입 연구를 조사했습니다. 검토 결과, 모바일 앱을 포함한 기술 기반 개입이 단기적으로 체중 감량에 효과적이며, 자가 모니터링 요소가 일관되게 더 나은 결과와 연관되어 있음을 확인했습니다. 또한 기술 기반 도구는 대면 프로그램보다 더 많은 사람들에게 저렴한 비용으로 도달할 수 있는 장점이 있다고 언급했습니다 (Hutchesson et al., 2015, Obesity Reviews, 16(5), 376-392).

Lyzwinski, L. N., 외 (2018). 앱 기반 체중 감량 개입을 특별히 조사한 18개 연구의 체계적 검토에서, 대부분이 통계적으로 유의미한 체중 감량을 유도했습니다. 이 검토는 자가 모니터링, 목표 설정 및 피드백이 긍정적인 결과와 가장 일관되게 연관된 세 가지 앱 기능으로 확인되었습니다. 세 가지 기능을 모두 포함한 개입이 하나 또는 두 개만 포함한 개입보다 더 나은 성과를 보였습니다 (Lyzwinski et al., 2018, JMIR mHealth and uHealth, 6(9), e11).

Hartmann-Boyce, J., 외 (2014). 이 Cochrane 체계적 검토는 행동 체중 관리 개입의 37개 무작위 대조 시험을 분석했습니다. 식이 섭취의 자가 모니터링은 가장 효과적인 프로그램이 공유하는 핵심 요소로 확인되었습니다. 이 검토는 정기적인 자가 모니터링을 포함한 구조화된 행동 프로그램이 임상적으로 의미 있는 체중 감량을 유도한다고 결론지었습니다 (Hartmann-Boyce et al., 2014, Cochrane Database of Systematic Reviews, (2), CD012651).

Flores Mateo, G., 외 (2015). 12개의 무작위 대조 시험에 대한 메타 분석에서 모바일 건강 앱 기반 개입이 대조군에 비해 통계적으로 유의미한 체중 감소를 유도했습니다. 평균 차이는 앱 사용자를 위해 -1.04kg으로 나타났으며, 앱이 포괄적인 음식 데이터베이스와 바코드 스캔을 포함한 연구에서 더 큰 효과가 관찰되었습니다 (Flores Mateo et al., 2015, Journal of Medical Internet Research, 17(11), e253).

연구 결과의 공통점

30개 이상의 연구를 통해 다양한 인구, 개입 및 방법론을 아우르는 몇 가지 일관된 발견이 나타났습니다:

1. 자가 모니터링이 기초이다. 모든 메타 분석과 체계적 검토는 식이 자가 모니터링이 효과적인 체중 감량 개입의 중요한 요소임을 확인합니다. 이 발견은 도구가 앱, 웹사이트 또는 종이 다이어리인지에 관계없이 적용됩니다.

2. 모바일 앱이 구식 방법보다 우수하다. 직접 비교했을 때 스마트폰 앱은 웹사이트나 종이 다이어리보다 일관된 준수율을 보입니다. 항상 휴대하는 기기에서 기록하는 편리함이 중요합니다.

3. 기록 부담 감소가 준수율을 높인다. 연구들은 반복적으로 기록하기가 더 쉬울수록 사용자가 일관되게 기록할 가능성이 높아진다고 보여줍니다. 바코드 스캔, 음식 사진 인식 및 대규모 음식 데이터베이스와 같은 기술이 이 장벽을 직접적으로 해결합니다.

4. 일관성이 정확성보다 중요하다. 대부분의 날을 추적하는 것이 sporadic한 정확성보다 더 나은 결과를 가져옵니다. 자가 모니터링의 습관은 지속적인 인식을 창출합니다.

5. 장기 추적이 장기 성공을 예측한다. 체중 감량 유지 연구는 초기 체중 감량 후 자가 모니터링을 계속하는 사람들이 체중을 유지할 가능성이 훨씬 더 높다는 것을 지속적으로 발견합니다.

6. 복합 접근이 가장 효과적이다. 가장 강력한 결과는 자가 모니터링, 목표 설정, 피드백 메커니즘 및 영양 지침을 결합할 때 나타나며, 이는 현대 앱이 단일 플랫폼에서 제공할 수 있는 다중 구성 접근 방식입니다.

연구에 따른 효과적인 체중 감량 앱의 특징

위의 증거를 바탕으로 효과적인 체중 감량 앱은 다음과 같은 연구 기반 기능을 포함해야 합니다:

• 포괄적인 음식 데이터베이스로 기록 마찰 최소화 (Carter et al., 2013; Flores Mateo et al., 2015)
• 다양한 기록 방법(사진, 바코드, 음성 포함)으로 입력 시간 단축 (Boushey et al., 2017; Schap et al., 2011)
• AI 지원 인식으로 정확성 향상 및 노력 감소 (Mezgec & Seljak, 2017; Lu et al., 2020)
• 칼로리 외의 상세한 영양 분석(매크로 및 마이크로 영양소 포함) (Thomas et al., 2014)
• 피드백 및 목표 추적으로 자가 모니터링 행동 강화 (Lyzwinski et al., 2018)
• 저렴한 비용 및 비침해 광고로 지속적인 사용 장벽 제거 (Pagoto et al., 2013)
• 장기 사용 가능성(유지 관리에는 지속적인 추적 필요) (Wing & Phelan, 2005; Franz et al., 2007)

Nutrola가 증거를 구현하는 방법

Nutrola는 이러한 연구 결과를 바탕으로 설계되었습니다. 모든 주요 기능은 연구가 효과적이라고 말하는 것과 직접적으로 연결됩니다.

로그 기록 부담 감소로 준수율 극대화. 연구는 일관된 기록이 더 쉬울수록 더 많은 추적을 의미한다고 지속적으로 보여줍니다. Nutrola는 3초 이내에 음식을 인식하는 AI 사진 인식, 음성 기록 및 바코드 스캔을 제공하여 사용자가 식사에서 기록으로 가는 가장 빠른 경로를 제공합니다. 이는 Carter et al. (2013) 및 Pagoto et al. (2013)가 확인한 준수 장벽을 직접적으로 해결합니다.

AI 기반 정확성. Mezgec & Seljak (2017) 및 Lu et al. (2020)는 AI 지원 음식 인식이 식이 기록의 정확성을 향상시킨다고 입증했습니다. Nutrola의 AI 사진 인식은 85-95%의 정확성을 달성하며, 180만 개의 영양사 검증 데이터베이스에 의해 지원되어 사용자가 기록하는 데이터의 신뢰성을 보장합니다.

포괄적인 영양 추적. 장기 유지에 대한 연구 (Thomas et al., 2014; Wing & Phelan, 2005)는 칼로리 인식만으로는 충분하지 않다고 강조합니다. Nutrola는 100개 이상의 영양소를 추적하여 정보에 기반한 지속 가능한 식이 변화를 지원하는 깊이 있는 영양 통찰력을 제공합니다.

개인화된 지침을 위한 AI 다이어트 어시스턴트. Lyzwinski et al. (2018)는 자가 모니터링과 피드백 및 목표 설정을 결합한 앱이 추적 전용 도구보다 더 효과적이라고 발견했습니다. Nutrola의 AI 다이어트 어시스턴트는 개인화된 영양 지침, 50만 개 이상의 레시피에서 식사 제안 및 실시간 피드백을 제공하여 연구에서 효과적인 행동 코칭 요소를 반영합니다.

저렴하고 광고가 없는 앱. Pagoto et al. (2013)는 비용과 사용자 경험의 마찰이 장기적인 참여의 장벽으로 작용한다고 지적했습니다. Nutrola는 월 2.50유로부터 시작하며 모든 등급에서 광고가 없으므로 지속적인 사용에 대한 재정적 및 경험적 장벽을 제거합니다.

장기 사용을 위해 설계됨. Franz et al. (2007) 및 Wing & Phelan (2005)는 지속적인 자가 모니터링이 체중 유지에 필수적이라고 입증했습니다. Nutrola는 Apple Watch 통합, 빠른 기록 기능 및 수년간 사용할 수 있도록 설계된 인터페이스로 매일의 동반자로 기능합니다. 200만 명 이상의 사용자와 4.9점의 평점은 이러한 장기 설계 철학을 반영합니다.

결론

체중 감량 앱은 실제로 효과가 있을까? 연구 결과는 명확합니다: 예, 식이 섭취의 일관된 자가 모니터링을 가능하게 하는 앱은 의미 있는 체중 감량을 유도하고 장기 체중 유지를 지원합니다. 이는 미미한 발견이 아닙니다. 지난 30년간 행동 체중 감량 연구에서 가장 많이 반복된 결과입니다.

핵심 변수는 앱 자체가 아니라 사용자가 실제로 자가 모니터링을 쉽게 할 수 있도록 만드는 앱의 기능입니다. 연구는 지속적인 기록 부담 감소, 포괄적인 음식 데이터베이스, AI 지원 인식 및 다중 구성 피드백 루프가 효과적인 앱과 버려진 앱을 구별하는 기능임을 지속적으로 보여줍니다.

증거는 마케팅 약속에 따라 앱을 선택하는 것을 지지하지 않습니다. 30개 이상의 연구가 효과가 있다고 보여준 기능에 따라 앱을 선택하는 것을 지지합니다.

자주 묻는 질문

체중 감량 앱은 효과가 있나요?

예. Hutchesson 외 (2015)가 84개 연구를 다룬 여러 체계적 검토와 메타 분석, Lyzwinski 외 (2018)가 18개 연구를 다룬 결과, 앱 기반 개입이 통계적으로 유의미한 체중 감량을 유도한다는 것을 확인했습니다. 핵심 메커니즘은 자가 모니터링으로, 앱은 전통적인 방법보다 이를 더 접근 가능하고 일관되게 만듭니다.

칼로리 추적 앱에 대한 연구 결과는 무엇인가요?

연구는 칼로리 추적 앱이 종이 다이어리 및 웹 기반 도구보다 준수율과 체중 감량 결과에서 일관되게 더 우수하다는 것을 보여줍니다. Carter et al. (2013)는 스마트폰 앱 사용자가 6개월 동안 종이 다이어리 사용자보다 3배 더 많은 날 동안 음식을 기록했다고 밝혔습니다. 더 높은 준수율은 직접적으로 더 큰 체중 감량과 연결됩니다.

체중 감량 앱은 증거 기반인가요?

일부는 그렇고 일부는 아닙니다. 증거는 포괄적인 음식 데이터베이스, AI 지원 기록, 바코드 스캔 및 영양 피드백과 같은 기능을 통해 자가 모니터링을 우선시하는 앱을 지지합니다. 제한적인 식사 계획이나 동기 부여 콘텐츠에 주로 의존하는 앱은 연구 지원이 적습니다.

가장 많은 과학적 증거를 바탕으로 설계된 체중 감량 앱은 무엇인가요?

가장 강력한 증거 기반 기능은 식이 자가 모니터링, AI 지원 음식 인식, 포괄적인 영양 데이터베이스 및 다중 구성 피드백입니다. Nutrola는 AI 사진 인식, 180만 개의 영양사 검증 데이터베이스, 100개 이상의 영양소 추적, 음성 및 바코드 기록, AI 다이어트 어시스턴트를 통합하여 연구에서 권장하는 내용을 직접 구현하고 있습니다.

체중 감량 앱으로 얼마나 많은 체중을 감량할 수 있나요?

결과는 개인에 따라 다르지만, 연구는 기준치를 제공합니다. Hollis 외 (2008)는 일관된 자가 모니터가 6개월 동안 평균 8.2kg을 감량했다고 밝혔습니다. Jacobs 외 (2020)는 35,921명의 연구에서 앱 사용자의 78%가 9개월 동안 체중 감소를 보고했으며, 23%는 시작 체중의 10% 이상을 감량했다고 밝혔습니다.

체중 감량을 유지하기 위해 영원히 칼로리를 추적해야 하나요?

Wing & Phelan (2005) 및 Thomas et al. (2014)가 분석한 National Weight Control Registry 데이터는 장기 체중 감량 유지자들이 어떤 형태로든 식이 자가 모니터링을 계속한다는 것을 보여줍니다. 이는 반드시 매일 모든 칼로리를 기록해야 한다는 의미는 아니지만, 정기적인 추적을 통해 섭취량에 대한 인식을 유지하는 것이 수년간 체중을 유지하는 사람들 사이에서 일관된 행동으로 나타납니다.