Który tracker kalorii ma najwięcej badań naukowych? Przegląd opublikowanych dowodów

Wybierając aplikację do śledzenia kalorii, większość użytkowników kieruje się ocenami w sklepach z aplikacjami, rekomendacjami influencerów lub porównaniami funkcji. Jednak bardziej rygorystyczne podejście stawia inne pytanie: które aplikacje były testowane, walidowane lub używane w opublikowanych badaniach recenzowanych przez specjalistów? Obecność aplikacji w literaturze naukowej wskazuje, że badacze uznali jej metodologię za na tyle wiarygodną, aby używać jej jako narzędzia pomiarowego w badaniach, w których jakość danych ma bezpośredni wpływ na wnioski.

Artykuł ten bada krajobraz opublikowanych badań dotyczących głównych aplikacji do śledzenia kalorii, analizując, ile badań cytuje każdą aplikację, jakie typy badań je wykorzystują oraz co wyniki mówią o niezawodności każdej aplikacji jako narzędzia oceny diety.

Dlaczego walidacja badań ma znaczenie

Aplikacja do śledzenia kalorii używana w badaniach klinicznych poddawana jest poziomowi analizy, którego żaden przegląd konsumencki nie jest w stanie dorównać. Badacze oceniają aplikacje pod kątem możliwości eksportu danych, dokładności bazy danych, funkcji zgodności oraz powtarzalności. Gdy badanie zostaje opublikowane w recenzowanym czasopiśmie, sekcja metodologiczna opisująca narzędzie śledzące jest oceniana przez niezależnych ekspertów, którzy sprawdzają, czy wybrane narzędzie jest odpowiednie dla postawionego pytania badawczego.

Turner-McGrievy i in. (2013) w publikacji w Journal of Medical Internet Research zauważyli, że wybór narzędzia do samodzielnego monitorowania diety w badaniach wymaga walidacji w porównaniu do ustalonych metod, takich jak 24-godzinne przypomnienia dietetyczne czy ważone zapisy żywności. Aplikacje, które spełniają ten warunek, wykazują podstawowy poziom dokładności pomiaru, którego aplikacje skierowane wyłącznie do konsumentów nie osiągnęły.

Tabela cytacji badań według aplikacji

Aplikacja	Szacowana liczba opublikowanych badań	Główne typy badań	Znaczące zastosowanie badawcze
MyFitnessPal	150+	Badania obserwacyjne, badania wykonalności, interwencje w zakresie utraty wagi	Najczęściej cytowana ze względu na udział w rynku
Cronometer	40–60	RCT, kliniczna dieta, badania metaboliczne	Preferowana w kontrolowanych interwencjach dietetycznych
Lose It!	25–35	RCT w zakresie utraty wagi, interwencje behawioralne	Używana w badaniach nad zarządzaniem wagą finansowanych przez NIH
FatSecret	15–20	Badania obserwacyjne, walidacja oceny diety	Używana w badaniach w Australii i Azji Południowo-Wschodniej
Nutrola	Nowość	Metodologia zgodna z standardami danych badawczych	Weryfikowana baza danych oparta na USDA, odpowiednia do protokołów badawczych
MacroFactor	<5	Studia przypadków dotyczące adaptacyjnej estymacji TDEE	Zbyt nowa, aby mieć znaczącą literaturę badawczą
Cal AI	<5	Badania wykonalności rozpoznawania żywności za pomocą komputerów	Badano metodologię AI, nie samą aplikację
Samsung Health	10–15	Badania platform mHealth, fokus na aktywności fizycznej	Głównie badana pod kątem śledzenia aktywności, nie żywności

MyFitnessPal: Najczęściej cytowana, najczęściej krytykowana za dokładność

MyFitnessPal dominuje w literaturze badawczej pod względem liczby cytatów. Z ponad 150 opublikowanymi badaniami odnoszącymi się do aplikacji, jest zdecydowanie najczęściej badanym konsumenckim trackerem kalorii. Jednak ta liczba odzwierciedla jego udział w rynku, a nie jakość danych.

Evenepoel i in. (2020) w publikacji w Obesity Science & Practice przeprowadzili systematyczny przegląd badań wykorzystujących MyFitnessPal i stwierdzili, że chociaż aplikacja była szeroko stosowana w interwencjach odchudzających, wiele badań wskazywało na problemy z dokładnością bazy danych. Przegląd wykazał, że crowdsourcingowa baza danych MFP wprowadzała błąd pomiarowy, który mógł wpływać na wyniki badań.

Tosi i in. (2022) szczegółowo przetestowali dokładność bazy danych MFP w porównaniu do wartości odżywczych analizowanych w laboratoriach i stwierdzili średnie odchylenia energetyczne na poziomie 17,4 procent dla włoskich produktów spożywczych. Badacze zauważyli, że powielone wpisy z sprzecznymi informacjami żywieniowymi były stałym źródłem błędów.

Mimo tych ograniczeń, MFP była używana w kilku ważnych badaniach. Laing i in. (2014) w JMIR mHealth and uHealth zbadali skuteczność MFP w interwencji odchudzającej w podstawowej opiece zdrowotnej z udziałem 212 uczestników. Badanie wykazało, że chociaż aplikacja zwiększyła samodzielne monitorowanie diety, zaangażowanie w dłuższym okresie było niskie, a tylko 3 procent uczestników nadal logowało dane po sześciu miesiącach.

Carter i in. (2013) w publikacji w Journal of Medical Internet Research porównali dzienniki żywnościowe oparte na aplikacjach stylu MFP z tradycyjnymi dziennikami papierowymi w badaniu z randomizacją. Grupa korzystająca z aplikacji wykazała wyższą zgodność w samodzielnym monitorowaniu, ale podobne wyniki w zakresie utraty wagi, co sugeruje, że sposób korzystania z narzędzia miał mniejsze znaczenie niż zachowanie konsekwentnego śledzenia.

Cronometer: Wybór badaczy do kontrolowanych badań

Cronometer zajmuje unikalną pozycję w krajobrazie badań. Choć cytowany w mniejszej liczbie badań niż MFP, jest nadreprezentowany w kontrolowanych interwencjach dietetycznych, gdzie dokładność danych jest kluczowa.

Stringer i in. (2021) w publikacji w Frontiers in Nutrition użyli Cronometer do śledzenia spożycia diety w badaniu interwencji ketogenicznej. Badacze szczególnie podkreślili wykorzystanie danych z USDA i NCCDB jako powód wyboru tej aplikacji w porównaniu do alternatyw z większymi, ale mniej zweryfikowanymi bazami danych.

Athinarayanan i in. (2019) w badaniu opublikowanym w Frontiers in Endocrinology użyli Cronometer do śledzenia diety w ciągłej interwencji zdalnej dla osób z cukrzycą typu 2, w której uczestniczyło 262 osób. Badanie wymagało szczegółowego śledzenia makroskładników i mikroskładników, aby monitorować ketozę odżywczą, co jest przypadkiem, w którym dokładność bazy danych miała bezpośredni wpływ na podejmowanie decyzji klinicznych.

Atrakcyjność Cronometer w badaniach wynika z trzech czynników: integracji kompleksowych danych z USDA i NCCDB, śledzenia 82 lub więcej składników odżywczych na wpis oraz możliwości eksportu szczegółowych danych żywieniowych w formatach zgodnych z badaniami.

Lose It!: Udział w badaniach finansowanych przez NIH

Lose It! była wykorzystywana w kilku programach badawczych finansowanych przez NIH, co nadaje jej wiarygodną pozycję w hierarchii badań.

Patel i in. (2019) w Obesity zbadali wykorzystanie Lose It! w 12-miesięcznej interwencji behawioralnej dotyczącej utraty wagi. Badanie wykazało, że uczestnicy korzystający z aplikacji stracili znacznie więcej wagi niż grupy kontrolne, a funkcja logowania żywności aplikacji została zidentyfikowana jako kluczowy mechanizm behawioralny.

Turner-McGrievy i in. (2017) porównali różne narzędzia do samodzielnego monitorowania diety, w tym Lose It!, w 6-miesięcznym badaniu utraty wagi opublikowanym w JAMA Internal Medicine. Badanie wykazało, że mobilne aplikacje do śledzenia (w tym Lose It!) przyniosły porównywalne wyniki utraty wagi w porównaniu do tradycyjnych metod, wymagając jednocześnie mniej czasu na każdą sesję logowania.

FatSecret: Regionalne zastosowanie badawcze

FatSecret znalazł swoje miejsce w badaniach głównie w Australii i Azji Południowo-Wschodniej. Chen i in. (2019) uwzględnili FatSecret w porównaniu dokładności wielu aplikacji i stwierdzili, że jego baza danych działała porównywalnie do MFP dla popularnych amerykańskich produktów spożywczych, ale wykazywała wyższe wskaźniki błędów dla żywności typowej dla diet nie-zachodnich.

Ambrosini i in. (2018) w publikacji w Nutrients wykorzystali FatSecret w australijskim badaniu oceny diety i zauważyli, że pokrycie bazy danych aplikacji dla specyficznych australijskich produktów spożywczych zostało wzmocnione dzięki modelowi wkładów społecznościowych, chociaż weryfikacja dokładności pozostała kwestią do rozwiązania.

Nutrola: Metodologia badawcza w aplikacji konsumenckiej

Podejście Nutrola do budowy bazy danych odzwierciedla metodologię stosowaną przez narzędzia do oceny diety o standardzie badawczym. Fundament aplikacji oparty na USDA FoodData Central, krzyżowo odniesiony do krajowych baz danych żywieniowych i weryfikowany przez wykwalifikowanych dietetyków, stosuje ten sam protokół walidacji z wielu źródeł, który wykorzystuje Narodowy Instytut Raka w narzędziu ASA24 oraz System Danych Żywieniowych dla Badań (NDSR) Uniwersytetu Minnesota.

Chociaż Nutrola jest nowa na rynku i nie zgromadziła jeszcze takiej liczby cytatów jak MFP czy Cronometer, jej 1,8 miliona wpisów zweryfikowanych przez dietetyków oraz metodologia bazy danych pozycjonują ją jako odpowiednie narzędzie do zastosowań badawczych. Połączenie logowania opartego na AI (rozpoznawanie zdjęć i wprowadzanie głosowe) z weryfikowaną bazą danych odpowiada na kluczowe wyzwanie w badaniach dietetycznych: utrzymanie zgodności uczestników przy jednoczesnym zachowaniu dokładności danych.

Za 2,50 € miesięcznie, bez reklam, Nutrola eliminuje również praktyczną barierę, która wpływa na wykorzystanie badań aplikacji darmowych, wspieranych reklamami. Reklamy wyświetlane podczas sesji logowania żywności zostały zidentyfikowane jako potencjalne źródło rozproszenia uczestników i porzucenia logowania w kontekście badań (Helander i in., 2014, Journal of Medical Internet Research).

Jakie typy badań wykorzystują aplikacje do śledzenia kalorii?

Badania wykorzystujące aplikacje do śledzenia kalorii można podzielić na kilka kategorii, z różnymi implikacjami dla wyboru aplikacji.

Randomizowane badania kontrolowane (RCT). Najwyższy poziom dowodów. Aplikacje używane w RCT muszą wykazywać akceptowalne właściwości pomiarowe. Cronometer i Lose It! pojawiają się najczęściej w tej kategorii.

Badania obserwacyjne. Te badania śledzą wzorce żywieniowe w populacjach żyjących w warunkach naturalnych. MFP dominuje ze względu na dużą bazę użytkowników, co zapewnia wygodne populacje do badań.

Badania walidacyjne. Te badania bezpośrednio testują dokładność aplikacji w porównaniu do metod odniesienia. Tosi i in. (2022), Chen i in. (2019) oraz Franco i in. (2016) mieszczą się w tej kategorii. Te badania są najbardziej istotne dla oceny jakości danych aplikacji.

Badania wykonalności. Te badania oceniają, czy aplikacja jest praktyczna do użycia w konkretnej populacji lub środowisku klinicznym. Wiele wczesnych badań aplikacji mieści się w tej kategorii.

Przeglądy systematyczne i metaanalizy. Te badania syntetyzują wyniki z wielu badań. Evenepoel i in. (2020) oraz Ferrara i in. (2019) dostarczają wysokopoziomowych podsumowań dowodów dotyczących aplikacji do śledzenia diety.

Luka w porównaniach bezpośrednich

Znaczącym ograniczeniem w obecnej literaturze jest niedobór bezpośrednich porównań między konkretnymi aplikacjami. Większość badań wykorzystuje jedną aplikację i porównuje ją z metodą odniesienia (taką jak ważone zapisy żywności czy 24-godzinne przypomnienia), zamiast porównywać wiele aplikacji między sobą.

Chen i in. (2019) są znaczącym wyjątkiem, porównującym jednocześnie sześć aplikacji. Ich wyniki wykazały, że wybór aplikacji znacząco wpływał na szacunki diety, a zmienność między aplikacjami przewyższała zmienność wewnętrzną dla kilku składników odżywczych. Sugeruje to, że wybór aplikacji może wprowadzać tyle samo błędów pomiarowych, co indywidualne różnice w zachowaniach logowania.

Ferrara i in. (2019) w The International Journal of Behavioral Nutrition and Physical Activity przeprowadzili przegląd systematyczny mobilnych aplikacji do samodzielnego monitorowania diety i stwierdzili, że chociaż aplikacje ogólnie poprawiły zgodność w samodzielnym monitorowaniu w porównaniu do metod papierowych, dokładność szacunków żywieniowych różniła się znacznie w zależności od aplikacji i rzadko była walidowana w porównaniu do metod odniesienia w ramach przeglądanych projektów badawczych.

Nowe trendy w wykorzystaniu aplikacji badawczych

Kilka trendów zmienia sposób, w jaki badacze wybierają narzędzia do śledzenia kalorii.

Logowanie wspomagane AI w badaniach. Rozpoznawanie żywności na podstawie zdjęć i logowanie głosowe zmniejszają obciążenie uczestników, co bezpośrednio poprawia zgodność w badaniach i kompletność danych. Połączenie logowania opartego na AI z weryfikowaną bazą danych Nutrola odpowiada na wyzwania związane z zgodnością i dokładnością jednocześnie.

Zapotrzebowanie na zweryfikowane bazy danych. W miarę jak coraz więcej badań identyfikuje dokładność bazy danych jako źródło błędów pomiarowych, badacze coraz częściej wybierają aplikacje z weryfikowanymi, kuratowanymi bazami danych zamiast alternatyw opartych na crowdsourcingu. Ten trend sprzyja Cronometer i Nutrola w porównaniu do MFP.

Dostęp do danych w czasie rzeczywistym. Nowoczesne aplikacje, które oferują dostęp do API lub eksport danych w czasie rzeczywistym, umożliwiają badaczom monitorowanie zgodności uczestników i wczesne interweniowanie, gdy pojawiają się luki w logowaniu.

Wymagania dotyczące śledzenia mikroskładników. Badania badające jakość diety (nie tylko spożycie energii) wymagają aplikacji, które śledzą kompleksowy zestaw mikroskładników. Aplikacje śledzące mniej niż 20 składników odżywczych stają się coraz mniej wystarczające dla nowoczesnych badań żywieniowych.

Najczęściej zadawane pytania

Która aplikacja do śledzenia kalorii ma najwięcej badań recenzowanych przez specjalistów?

MyFitnessPal został cytowany w ponad 150 opublikowanych badaniach, co czyni go najczęściej wspominaną aplikacją w literaturze. Jednak wiele z tych cytatów wiąże się z zastrzeżeniami dotyczącymi dokładności. Cronometer, choć cytowany w mniejszej liczbie badań (40 do 60), jest preferowany w kontrolowanych interwencjach, gdzie dokładność danych jest kluczowa.

Czy MyFitnessPal został zweryfikowany pod kątem dokładności w badaniach?

Wiele badań testowało dokładność MFP, z mieszanymi wynikami. Tosi i in. (2022) stwierdzili średnie odchylenia energetyczne na poziomie 17,4 procent dla włoskich produktów spożywczych. Evenepoel i in. (2020) zauważyli stałe problemy z dokładnością bazy danych w literaturze badawczej. MFP radzi sobie stosunkowo dobrze dla popularnych produktów spożywczych z pojedynczymi składnikami, ale wykazuje wyższe wskaźniki błędów dla potraw złożonych i regionalnych kuchni.

Czy badacze preferują niektóre aplikacje do śledzenia kalorii nad inne?

Tak. Badacze przeprowadzający kontrolowane interwencje dietetyczne, w których dokładność danych jest kluczowa, zazwyczaj preferują aplikacje z kuratowanymi bazami danych opartymi na danych rządowych. Cronometer jest najczęściej wybieraną aplikacją w tej kategorii. Aplikacje takie jak Nutrola, które łączą bazy danych oparte na USDA z weryfikacją profesjonalną, również dobrze nadają się do zastosowań badawczych.

Czy mogę używać danych z dowolnej aplikacji do śledzenia kalorii do celów medycznych?

Konsumenckie aplikacje do śledzenia kalorii nie są klasyfikowane jako urządzenia medyczne i nie powinny być używane do diagnozowania klinicznego ani planowania leczenia bez nadzoru profesjonalnego. Jednak aplikacje z walidowanymi bazami danych mogą dostarczyć użytecznych danych uzupełniających do rozmów w opiece zdrowotnej. Aplikacje z zweryfikowanymi bazami danych (Nutrola, Cronometer) dostarczają bardziej wiarygodnych danych do tego celu niż alternatywy oparte na crowdsourcingu.

Dlaczego jest tak mało badań porównawczych bezpośrednich między aplikacjami do śledzenia kalorii?

Porównania bezpośrednie są logistycznie skomplikowane, wymagając wielu grup uczestników korzystających z różnych aplikacji, jednocześnie śledząc tę samą dietę odniesienia. Dodatkowo, funkcje aplikacji i bazy danych zmieniają się w czasie, co może sprawić, że wyniki badań staną się nieaktualne w ciągu kilku lat od publikacji. Chen i in. (2019) to jedno z nielicznych badań, które bezpośrednio porównuje wiele aplikacji, a jego wyniki podkreśliły znaczną zmienność między aplikacjami.