Hvordan Nutrola sin matdatabase er bygget: Fra USDA-data til 12 millioner verifiserte oppføringer

Når du søker etter "grillet kyllingbryst" i en kaloriteller-app og ser "165 kalorier per 100 gram," kom ikke det tallet fra ingen steder. Noen har målt det. Noen har verifisert det. Noen har bestemt at det er nøyaktig nok til å vise til millioner av brukere som tar helsebeslutninger basert på disse dataene.

Kvaliteten på en matdatabase er den usynlige grunnmuren under hver kaloriteller-app. Hvis databasen er feil, er alt som bygges på den også feil: ditt daglige kaloritall, din makrofordeling, din ukentlige trend, anbefalingene fra treneren din, og til slutt resultatene dine. Likevel tenker de fleste brukere aldri på hvor tallene kommer fra, og de fleste apper forklarer det aldri.

Denne artikkelen beskriver nøyaktig hvordan Nutrola sin matdatabase er konstruert, fra sine offentlige datagrunnlag til de 12 millioner verifiserte oppføringene den inneholder i dag. Den forklarer også hvorfor datakvaliteten varierer så dramatisk mellom apper, og hva det betyr for nøyaktigheten av din sporing.

Grunnlaget: USDA FoodData Central

Hver seriøs ernæringsdatabase starter med United States Department of Agriculture. USDA har målt næringsinnholdet i mat siden 1890-tallet, og deres moderne database, FoodData Central, representerer den mest omfattende og grundig validerte samlingen av matkomposisjonsdata i verden.

FoodData Central inneholder flere datasett. SR Legacy gir detaljerte næringsprofiler for omtrent 7 600 vanlige matvarer, hver basert på laboratorieanalyser, ikke estimater. Matvarene kjøpes fysisk, tilberedes i henhold til standardiserte protokoller, og analyseres ved hjelp av validerte analytiske kjemiske metoder. Foundation Foods er den nyere, mer detaljerte etterfølgeren, som gir mål for variasjon, utvalgsstørrelser og metadata om kultivar, rase, opprinnelse og høstsesong. FNDDS dekker blandede retter og oppskrifter slik de vanligvis konsumeres, med porsjonsstørrelsesdata knyttet til husholdningsmål. Branded Foods inneholder data om pakket mat som er innhentet gjennom et samarbeid med Label Insight (nå NielsenIQ).

Nutrola tar inn alle fire datasettene, normaliserer dem til et konsistent skjema, og kryssrefererer oppføringer for å løse eventuelle uoverensstemmelser. Når både SR Legacy og Foundation Foods inneholder data for den samme varen, prioriteres verdiene fra Foundation Foods fordi de er basert på nyere analyser.

Dette USDA-grunnlaget gir omtrent 400 000 unike matoppføringer. Det er et sterkt utgangspunkt, men ikke tilstrekkelig for en moderne kaloriteller-app. De fleste spiser ikke "Kylling, broiler, bryst, kun kjøtt, kokt, stekt." De spiser en Chick-fil-A sandwich, eller et frossent måltid fra Trader Joe's, eller en hjemmelaget rett fra en oppskrift bestemor brakte fra et annet land. For å dekke hele spekteret av hva ekte mennesker faktisk spiser, må man gå langt utover offentlige data.

Legge til data om merkede matvarer

Det laget med merkede matvarer utgjør den største enkeltutvidelsen av databasen. Pakket mat med næringsinnholdsmerker representerer en betydelig del av det typiske kostholdet i USA og andre utviklede land, og brukerne forventer å finne sine spesifikke produkter når de søker.

Nutrola skaffer data om merkede matvarer gjennom flere kanaler.

Direkte partnerskap med produsenter gir den høyeste kvaliteten på merkede data. Når en produsent deler næringsdata direkte, kommer det fra de samme laboratorieanalysene som brukes til å generere næringsinnholdsmerket. Nutrola opprettholder datadelingavtaler med hundrevis av matprodusenter.

Integrering av strekkodeskanner fanger opp den lange halen av produkter gjennom åpne strekkodedatabaser, offentlige matmerkelister, og kommersielle dataleverandører. Når en bruker skanner en ukjent strekkode, initierer systemet en verifiseringsprosess før oppføringen blir tilgjengelig for alle brukere.

Merking av scanning og OCR bygger oppføringer fra fysiske næringsinnholdsmerker. Hver oppføring som er generert gjennom OCR, går gjennom en validering som sjekker for vanlige ekstraksjonsfeil: feilaktige desimalpunkter, transponerte sifre, og verdier utenfor plausible områder.

Periodiske oppdateringssykluser sikrer at merkede data forblir oppdaterte. Produsenter reformulerer produkter regelmessig. Nutrola kjører kvartalsvise oppdateringssykluser for produkter med høy omsetning og årlige oppdateringer for den bredere katalogen, og flagger oppføringer der verdiene har endret seg.

Dette laget med merkede matvarer tilfører omtrent 1,5 millioner oppføringer til databasen, hver knyttet til spesifikke UPC/EAN strekkoder og produktidentifikatorer.

Brukergenererte oppføringer og nøyaktighetsproblemet

De fleste store kaloriteller-databaser er sterkt avhengige av crowdsourcet data, oppføringer sendt inn av brukere som manuelt taster inn næringsinformasjon fra etiketter, oppskrifter, eller egne estimater. Denne tilnærmingen skalerer raskt. Den er også den største kilden til databasefeil i næringssporingindustrien.

Problemene med crowdsourcet matdata er godt dokumentert. En gjennomgang fra 2020 publisert i Nutrients av Evenepoel et al. fant feilrater på 15 til 25 prosent i makronæringsverdier på tvers av crowdsourcet ernæringsdatabaser. Typene feil inkluderer følgende.

Dataregistreringsfeil. En bruker taster 52 gram protein i stedet for 5,2 gram. En desimalfeil som får en porsjon yoghurt til å se ut som om den inneholder like mye protein som et helt kyllingbryst. Disse feilene er vanlige fordi manuell datainntasting er iboende feilutsatt, og de fleste crowdsourcet systemer har ingen mekanisme for å fange dem før oppføringen blir publisert.

Dupliserte og motstridende oppføringer. Søker du etter "banan" i en stor crowdsourcet database, kan du finne tretti oppføringer med forskjellige kaloriinnhold. Noen lister en liten banan, noen en medium, noen en stor. Noen inkluderer vekten av skallet, noen gjør det ikke. Noen er nøyaktige, noen er helt feil. Brukeren må gjette hvilken oppføring som er korrekt, og de har ingen pålitelig måte å avgjøre det på.

Utdaterte produktopplysninger. En bruker sender inn data for en granola-bar i 2022. Produsenten reformulerer produktet i 2024, reduserer sukker og øker fiber. Den gamle oppføringen forblir i databasen på ubestemt tid, og gir feilaktige verdier for alle som velger den.

Estimater i stedet for målinger. Noen brukergenererte oppføringer er ikke basert på etikettdata i det hele tatt, men på brukerens personlige estimat av en matvares næringsinnhold. Disse oppføringene kan avvike fra faktiske verdier med 50 prosent eller mer.

Inkonsekvente porsjonsstørrelser. En oppføring for "ris, kokt" bruker en porsjon på 100 gram. En annen bruker en kopp. En annen bruker "én porsjon" uten å definere hva det betyr. Brukere som velger mellom disse oppføringene legger kanskje ikke merke til forskjellen i porsjonsstørrelse, noe som fører til feil som akkumuleres over måltidene.

Nutrola aksepterer brukergenererte oppføringer fordi de er avgjørende for å fange opp hele mangfoldet av matvarer folk spiser, inkludert regionale retter, restaurantspesifikke elementer, og hjemmelagde oppskrifter som ikke finnes i noen offisiell database. Imidlertid går hver brukergenererte oppføring gjennom en verifiseringsprosess før den blir bredt tilgjengelig. Oppføringen er umiddelbart brukbar for personen som opprettet den, men blir ikke synlig for andre brukere før den er validert.

Verifiseringsprosessen

Hver matoppføring i Nutrola, uansett kilde, går gjennom en flertrinns verifiseringsprosess før den når den generelle databasen.

Trinn 1: Automatiserte plausibilitetskontroller. En algoritme undersøker de innsendte næringsverdiene mot kjente begrensninger. Kaloriene må være konsistente med de oppgitte makronæringsstoffene (protein, karbohydrater, fett) innenfor en definert toleranse. Atwater-systemet gir omregningsfaktorene: 4 kalorier per gram protein, 4 kalorier per gram karbohydrat, 9 kalorier per gram fett, og 7 kalorier per gram alkohol. Hvis en bruker sender inn en oppføring som hevder 200 kalorier, 30 gram protein, 20 gram karbohydrater, og 15 gram fett, er den beregnede kaloriverdien 335, ikke 200. Oppføringen blir flagget for gjennomgang.

Dette trinnet sjekker også for usannsynlige verdier innen matvarekategorier. En fruktoppføring som hevder 40 gram fett per porsjon, en grønnsaksoppføring som hevder 60 gram protein per 100 gram, eller enhver oppføring der et enkelt makronæringsstoff overstiger totalvekten av porsjonen, blir automatisk flagget. Disse kontrollene fanger opp de fleste dataregistreringsfeil, inkludert desimalfeil og forvirring av enheter.

Trinn 2: Kryssreferanse-matching. Systemet sammenligner den innsendte oppføringen med eksisterende oppføringer for samme eller lignende matvarer. Hvis USDA-databasen inneholder en referanseoppføring for "cheddarost" og en bruker sender inn en merket cheddarost-oppføring med kaloriinnhold 40 prosent lavere enn USDA-referansen, blir oppføringen flagget for manuell gjennomgang. Små avvik er forventet fordi merkede produkter varierer. Store avvik indikerer sannsynlige feil.

Trinn 3: Ernæringsfaglig gjennomgang. Oppføringer som passerer automatiserte kontroller, men faller inn under høyt viktige kategorier, som basisvarer, høyvolum søkeelementer, eller oppføringer med grenseverdier for plausibilitet, blir sendt til ernæringsfaglig gjennomgang. Nutrola sitt team av registrerte dietetikere og matforskere undersøker disse oppføringene mot autoritative kilder, kryssjekker verdier mot produsentens nettsteder, offentlige databaser fra flere land, og publiserte matkomposisjonstabeller.

Trinn 4: Fellesskapskonsensus. For oppføringer som har vært i databasen en stund, gir bruksdata et ekstra kvalitetsignal. Hvis mange brukere velger en oppføring og ingen rapporterer den som unøyaktig, er det et positivt signal. Hvis brukere ofte velger en oppføring og deretter umiddelbart redigerer verdiene, tyder det på at den opprinnelige oppføringen kan inneholde feil. Disse atferdssignalene gir tilbakemelding til gjennomgangsprosessen, og bringer potensielt problematiske oppføringer til ny vurdering.

Prosessen for ernæringsfaglig gjennomgang

Det menneskelige vurderingslaget er det som skiller en verifisert database fra en crowdsourcet en. Automatiserte kontroller fanger opp de åpenbare feilene, men subtile unøyaktigheter krever menneskelig vurdering.

Nutrola sitt team for ernæringsfaglig gjennomgang opererer på et prioritert system. Matvarer prioriteres for gjennomgang basert på søkevolum, sannsynlighet for feil, og ernæringsmessig betydning. En feil i kaloritellingen for vann (som bør være null) har ingen praktisk konsekvens. En feil i kaloritellingen for olivenolje, en av de mest kaloritette vanlige matvarene, kan forstyrre en brukers daglige total med hundrevis av kalorier.

Gjennomgangsprosessen for en enkelt oppføring innebærer å identifisere den mest autoritative kilden (USDA laboratoriedata for råvarer, produsentdata for merkede produkter, publisert næringsinformasjon for restaurantretter), sammenligne alle rapporterte næringsstoffer mot den kilden, evaluere nøyaktigheten av porsjonsstørrelsen, og sjekke søkemetadata slik at brukerne faktisk kan finne oppføringen.

En kompleks oppføring som en tradisjonell regional rett uten standardisert oppskrift kan kreve 30 minutter eller mer med forskning. Enkle verifiseringer av merkede produkter tar under ett minutt. Teamet prioriterer oppføringer med høy innvirkning, og fokuserer gjennomgangstiden der det gir størst forbedring i den totale databasens nøyaktighet.

Hvordan feil fanges opp og rettes

Ingen database med 12 millioner oppføringer er feilfri. Målet er ikke perfeksjon, men systematisk feilreduksjon over tid, kombinert med rask korrigering av feil når de identifiseres.

Nutrola bruker flere mekanismer for feildeteksjon som opererer parallelt.

Brukerrapportering. Hver matoppføring i appen inkluderer et alternativ for "Rapporter et problem." Brukere kan flagge oppføringer som har feilaktige kalorier, gale makroer, utdaterte opplysninger, feil porsjonsstørrelser, eller andre problemer. Rapporter blir vurdert etter volum og alvorlighetsgrad. En enkelt rapport på en lavvolum oppføring går inn i den vanlige gjennomgangskøen. Flere rapporter på en høyvolum oppføring utløser umiddelbar gjennomgang.

Automatisert anomalideteksjon. Statistiske modeller overvåker databasen for oppføringer som avviker betydelig fra normene i matvarekategoriene. Hvis den gjennomsnittlige kaloriinnholdet for alle ostoppføringer i databasen er 350 kalorier per 100 gram, blir en oppføring for et osteprodukt som hevder 35 kalorier per 100 gram automatisk flagget. Disse modellene kjører kontinuerlig og fanger opp feil som enkeltbrukere kanskje ikke legger merke til eller rapporterer.

Verifisering av strekkodeskanning. Når brukere skanner en produktstrekkode, blir de returnerte dataene sammenlignet med den nyeste produsentdataene som er tilgjengelige. Hvis produsenten har oppdatert sin næringsinformasjon og databaseoppføringen ikke har blitt oppdatert ennå, utløser avviket en oppdateringsprosess.

Kryssdatabase-rekonsiliering. Nutrola kryssrefererer jevnlig sine oppføringer mot oppdaterte utgivelser av USDA-databasen, internasjonale matkomposisjonsdatabaser, og partnerdatakilder. Oppføringer som har avveket fra sine referansekilder blir flagget for gjennomgang og korrigering.

Revisjoner av ernæringsmessig konsistens. Periodiske revisjoner undersøker tilfeldige prøver innen hver matvarekategori, og sjekker for intern konsistens. Disse revisjonene har identifisert feilkluster som partier med importerte oppføringer der fiberverdier ble forvekslet med sukkerverdier på grunn av kolonnefeil.

Når en feil er bekreftet, blir korrigeringen umiddelbart anvendt og formidlet til alle brukere. Brukere som nylig har logget den berørte maten får en varsling, slik at de kan gjennomgå og justere loggene sine.

Regionale matdatabaser for internasjonal mat

En matdatabase bygget utelukkende på amerikanske data er utilstrekkelig for en global brukerbase. En bruker i Japan som søker etter "onigiri" trenger nøyaktige resultater. En bruker i India som søker etter "dal makhani" trenger en oppføring som reflekterer faktiske tilberedningsmetoder og ingredienser brukt i indiske kjøkken, ikke en amerikansk restauranttilpasning.

Nutrola integrerer matkomposisjonsdata fra offentlige databaser i over 30 land og regioner.

Europa: EuroFIR-nettverket koordinerer data på tvers av europeiske land. Nasjonale databaser fra Storbritannia (McCance og Widdowson's), Tyskland (Bundeslebensmittelschluessel), og Frankrike (CIQUAL) gir oppføringer for regionale matvarer og lokale merkede produkter.

Øst-Asia: Japans standardtabeller for matkomposisjon, Sør-Koreas nasjonale standarddatabase for matkomposisjon, og Kinas matkomposisjonstabeller bidrar med tusenvis av oppføringer for regionspesifikke matvarer, inkludert tilberedningsspesifikke varianter. Forskjellen mellom dampet ris og stekt ris, mellom rå tofu og dypfryst tofu, er ikke ubetydelig, og disse databasene fanger opp de forskjellene.

Sør-Asia: Indias nasjonale institutt for ernæring gir data for matvarer unike for subkontinentet, inkludert regionale korn, belgfrukter, og meieriprodukter som paneer og ghee med ernæringsprofiler som er forskjellige fra deres vestlige ekvivalenter.

Latin-Amerika og Midtøsten/Afrika: Matkomposisjonstabeller fra Brasil (TACO), Mexico (BDCA), og regionale databaser over Midtøsten og Afrika bidrar med data for basisvarer som teff, injera, tahini-baserte retter, og regionale tilberedninger som mangler i nordamerikanske databaser.

Integrering av disse kildene er ikke en enkel datainntasting. Ulike land bruker forskjellige analytiske metoder, næringsdefinisjoner, og porsjonskonvensjoner. En "kopp" er 240 ml i USA, 200 ml i Japan, og 250 ml i Australia. Nutrola sitt dataingeniørteam opprettholder et normaliseringslag som konverterer all innkommende internasjonal data til en konsistent standard: metriske enheter, standardiserte næringsdefinisjoner, og enhetlige matvareklassifikasjonskoder.

Sammenligning av datakilder

Følgende tabell oppsummerer egenskapene til hver hoveddatakilde som bidrar til Nutrola sin matdatabase.

Kilde	Oppføringer	Nøyaktighet	Dekning	Oppdateringsfrekvens	Begrensninger
USDA FoodData Central	~400,000	Svært høy (laboratorieanalysert)	Sterk for råvarer og amerikanske merkede matvarer	Årlige større utgivelser, pågående oppdateringer	Begrenset internasjonal mat, begrenset restaurantdata
Produsentetiketter	~1,500,000	Høy (regulert, FDA-revidert)	Utmerket for pakket varer	Varierer etter produsent; kvartalsvise oppdateringer hos Nutrola	Dekker kun pakket produkter, 20% FDA-avvik tillatt
Internasjonale offentlige databaser	~2,000,000	Høy (laboratorieanalysert, varierer etter land)	Utmerket for regionale matvarer	Årlig eller sjeldnere	Inkonsistente standarder på tvers av land, noen utdaterte
Crowdsourcet (brukergenerert)	~6,000,000	Variabel (15-25% feilrate før verifisering)	Bredeste dekning inkludert nisjeelementer	Kontinuerlig	Krever verifiseringspipeline; rådata upålitelige
Ernæringsfaglig verifisert	~2,100,000	Svært høy (kryssreferert, menneskelig vurdert)	Prioritert etter søkevolum	Pågående prioritert gjennomgang	Ressurskrevende, kan ikke dekke hver oppføring

Disse kildene er ikke gjensidig utelukkende. En enkelt matvare kan ha data fra flere kilder. Når det oppstår konflikter, er løsningshierarkiet: USDA eller tilsvarende offentlige laboratoriedata først, produsentdata deretter, ernæringsfaglig verifisert data tredje, og verifisert crowdsourcet data fjerde. Dette hierarkiet sikrer at de mest grundig validerte dataene alltid har prioritet.

Hvorfor nøyaktighet betyr mer enn størrelse

Noen konkurrerende apper annonserer databasestørrelser på 15, 20, eller til og med 30 millioner oppføringer. Størrelse uten kvalitet er meningsløst og kan være aktivt skadelig.

En database med 30 millioner oppføringer og en feilrate på 20 prosent inneholder 6 millioner feilaktige oppføringer. En bruker som logger en av disse oppføringene sporer nå unøyaktige data med full tillit til at de er korrekte. Feilen akkumuleres: hvis en favoritt frokostoppføring overdriver proteininnholdet med 10 gram, og du spiser den fem ganger i uken, tror du at du har konsumert 200 gram mer protein per måned enn du faktisk har. Hvis du reduserer proteininntaket annetsteds basert på disse dataene, er de nedstrøms effektene reelle.

Dette er grunnen til at Nutrola prioriterer antall verifiserte oppføringer over rå oppføringer. En oppføring som ikke eksisterer er nøytral. En oppføring som eksisterer, men er feil, er aktivt skadelig.

Hvordan databasen vokser

Databasen er ikke statisk. Den vokser kontinuerlig gjennom flere kanaler. Automatiserte systemer overvåker forespørslene om strekkodeskanning, identifiserer produkter brukere søker etter, men som ennå ikke eksisterer, og prioriterer høy etterspørsel for tillegg. Brukersubmisjoner legger til regionale retter, restaurantartikler, og hjemmelagde oppskrifter som ingen offisiell database dekker. Produsentpartnerskap sikrer at når en stor kjede lanserer et nytt menyobjekt, er næringsdataene tilgjengelige på lanseringsdagen. Og periodiske USDA- og internasjonale databaseutgivelser blir innhentet etter hvert som de blir tilgjengelige.

Ofte stilte spørsmål

Hvor nøyaktig er Nutrola sin matdatabase sammenlignet med andre apper?

Nutrola sine verifiserte oppføringer har en gjennomsnittlig nøyaktighet innen 5 prosent av laboratoriemålte verdier for makronæringsstoffer, basert på interne revisjoner som sammenligner oppføringer med uavhengige analytiske data. Uverifiserte crowdsourcet databaser viser typisk feilrater på 15 til 25 prosent. Forskjellen kommer fra verifiseringsprosessen hver oppføring må gjennom før den blir bredt tilgjengelig.

Hva skjer når jeg skanner en strekkode og produktet ikke finnes?

Appen ber deg om å skrive inn næringsinformasjonen fra etiketten. Din oppføring er umiddelbart tilgjengelig for ditt eget bruk, og går deretter inn i verifiseringsprosessen før den blir synlig for andre brukere. Produkter med høy etterspørsel prioriteres for rask verifisering.

Hvor ofte oppdateres databasen?

Kontinuerlig. Brukergenererte oppføringer behandles daglig. Data om merkede produkter oppdateres kvartalsvis for produkter med høy omsetning. USDA- og internasjonale utgivelser blir innlemmet innen to uker etter publisering. Feilkorrigeringer blir vanligvis anvendt innen 24 til 48 timer etter bekreftelse.

Kan jeg stole på kaloritallene for restaurantmåltider?

For store kjeder som publiserer offisiell næringsdata, er oppføringene hentet direkte og er så nøyaktige som kjedens egne målinger. For uavhengige restauranter er oppføringene basert på oppskriftestimater med en bredere margin for usikkerhet. Nutrola flagger restaurantoppføringer med en tillitsindikator slik at du kan se om dataene kommer fra en offisiell kilde eller et estimat.

Hvorfor viser Nutrola noen ganger forskjellige verdier enn etiketten på maten min?

Tre vanlige grunner: produsenten kan ha reformulert produktet, definisjonene av porsjonsstørrelser kan variere, eller regler for avrunding av næringsinnhold kan skape små avvik (typisk innen 5 til 10 kalorier). Rapportering av en avvik gjennom appen utløser en oppdatering.

Hvordan håndterer Nutrola hjemmelagde oppskrifter?

Du bygger tilpassede oppskriftsoppføringer ved å kombinere individuelle ingrediensoppføringer fra den verifiserte databasen, justert for porsjoner. Fordi ingrediensoppføringene er verifiserte, er den primære kilden til feil porsjonsmåling snarere enn dårlig data.

Hva gjør Nutrola sin database forskjellig fra åpne kildealternativer?

Åpne kilde-databaser som Open Food Facts gir verdifulle data, men opererer uten systematisk verifisering. Oppføringer sendes inn av frivillige og publiseres uten plausibilitetskontroller eller ernæringsfaglig vurdering. Nutrola bruker åpne kilde-data som en av mange input, og underlegger alle importerte oppføringer den samme verifiseringsprosessen som enhver annen kilde.

Det pågående arbeidet

Å bygge en matdatabase er ikke et prosjekt med en sluttlinje. Matvarer endres. Nye produkter lanseres. Gamle produkter reformuleres eller tas av markedet. Analytiske metoder forbedres.

De 12 millioner oppføringene i Nutrola sin database i dag vil ikke være de samme 12 millionene om ett år. Noen vil bli oppdatert, noen fjernet, og hundretusener av nye oppføringer lagt til. Verifiseringsprosessen vil fange opp feil som glapp gjennom tidligere iterasjoner. Teamet for ernæringsfaglig vurdering vil jevnlig øke andelen oppføringer som har menneskelig verifisert tillit.

Ingen laster ned en kaloriteller-app fordi de er begeistret for normalisering av matkomposisjonsdata. Men hver nøyaktig kalori telling, hver pålitelige makrofordeling, hver troverdig daglig total avhenger av at denne infrastrukturen fungerer korrekt, usynlig, bak hvert søkeresultat. Når du logger lunsjen din og tallene er riktige, er det ikke en tilfeldighet. Det er resultatet av et system bygget spesifikt for å sikre at de er riktige.