As Apps de Perda de Peso Realmente Funcionam? O Que 30+ Estudos Dizem

"Será que as apps de perda de peso realmente funcionam?" é a pergunta mais comum que as pessoas fazem antes de baixar um rastreador de nutrição. Com milhares de apps de saúde disponíveis e promessas ousadas de marketing por toda parte, é compreensível ter ceticismo. A boa notícia é que essa questão já foi amplamente estudada. Mais de três décadas de pesquisa clínica, ensaios controlados randomizados, revisões sistemáticas e meta-análises produziram uma resposta clara. Neste artigo, examinamos o que mais de 30 estudos publicados dizem sobre apps de perda de peso, intervenções digitais e os mecanismos comportamentais que impulsionam os resultados.

A Descoberta Fundamental: O Auto-Monitoramento Funciona

Antes de analisarmos estudos individuais, é importante entender o princípio fundamental que sustenta cada app de perda de peso eficaz: o auto-monitoramento.

O auto-monitoramento, a prática de registrar sistematicamente a ingestão de alimentos, a atividade física e o peso corporal, foi identificado como o único preditor comportamental mais forte de perda de peso ao longo de décadas de pesquisa. Burke et al. (2011) realizaram uma revisão sistemática marcante na Journal of the American Dietetic Association, analisando 22 estudos e concluíram que o auto-monitoramento dietético era "a estratégia comportamental mais eficaz" para a perda de peso, independentemente do meio utilizado para registrar a ingestão.

Essa descoberta foi replicada de forma tão consistente que não é mais debatida na pesquisa sobre obesidade. A questão mudou de "o auto-monitoramento funciona?" para "quais ferramentas tornam o auto-monitoramento mais fácil e sustentável?" É aí que as apps de perda de peso entram em cena.

30+ Estudos sobre Apps de Perda de Peso e Intervenções Digitais

Os estudos a seguir estão organizados por categoria de pesquisa. Para cada um, fornecemos informações sobre os autores, o jornal, o tamanho da amostra e as principais descobertas.

Estudos sobre Auto-Monitoramento e Rastreamento de Alimentos

Esses estudos examinam a relação direta entre o auto-monitoramento dietético e os resultados de perda de peso.

Estudo	Ano	Jornal	Tamanho da Amostra	Principal Descoberta
Burke et al.	2011	J Am Diet Assoc	22 estudos revisados	O auto-monitoramento é o preditor mais forte de perda de peso
Hollis et al.	2008	Am J Prev Med	1.685	Aqueles que registraram alimentos diariamente perderam o dobro de peso em comparação aos não registradores
Carter et al.	2013	J Med Internet Res	128	Usuários de apps para smartphone mostraram maior adesão do que usuários de diários em papel ou sites
Lichtman et al.	1992	N Engl J Med	10	Participantes subestimaram a ingestão em 47% sem rastreamento estruturado
Turner-McGrievy et al.	2013	J Am Med Inform Assoc	96	Usuários de apps de dieta móvel perderam mais peso do que usuários de sites apenas ao longo de 6 meses
Peterson et al.	2014	Int J Behav Nutr Phys Act	12 estudos revisados	Ferramentas digitais de auto-monitoramento melhoraram a adesão ao monitoramento da ingestão dietética

Hollis, J. F., et al. (2008). No Weight Loss Maintenance Trial, 1.685 adultos com sobrepeso foram acompanhados por seis meses. Aqueles que mantiveram registros diários de alimentos perderam uma média de 8,2 kg em comparação a 3,7 kg para aqueles que registraram um dia por semana ou menos. A frequência do auto-monitoramento foi um preditor mais forte do que o exercício ou a participação em sessões em grupo (Hollis et al., 2008, American Journal of Preventive Medicine, 35(2), 118-126).

Carter, M. C., et al. (2013). Este ensaio controlado randomizado comparou um app para smartphone, um site e um diário em papel entre 128 adultos com sobrepeso. O grupo do smartphone registrou sua ingestão de alimentos em significativamente mais dias (92 de 180) do que o grupo do site (35 dias) ou o grupo do diário em papel (29 dias). Maior adesão se traduziu diretamente em maior perda de peso (Carter et al., 2013, Journal of Medical Internet Research, 15(4), e32).

Turner-McGrievy, G. M., et al. (2013). Noventa e seis adultos com sobrepeso foram randomizados para usar um app de dieta móvel ou um site para auto-monitoramento. Após seis meses, o grupo do app mostrou reduções significativamente maiores no peso corporal, com os autores atribuindo a diferença à portabilidade e conveniência do rastreamento móvel (Turner-McGrievy et al., 2013, Journal of the American Medical Informatics Association, 20(3), 513-518).

Estudos sobre Rastreamento Assistido por Tecnologia e IA

Esses estudos examinam como a inteligência artificial e a tecnologia de reconhecimento de imagem afetam a precisão e a usabilidade do rastreamento dietético.

Estudo	Ano	Jornal	Principal Descoberta
Mezgec & Seljak	2017	Nutrients	O reconhecimento de alimentos por IA alcançou 83,6% de precisão top-5 em alimentos mistos
Boushey et al.	2017	Nutrients	A avaliação dietética baseada em imagem reduziu a carga do usuário e melhorou a precisão
Bettadapura et al.	2015	Multimedia Tools Appl	O reconhecimento de alimentos por aprendizado profundo superou a estimativa manual
Lu et al.	2020	IEEE Trans Med Imaging	A estimativa de porções baseada em IA reduziu o erro de estimativa calórica em 25%
Schap et al.	2011	J Hum Nutr Diet	Métodos assistidos por tecnologia melhoraram a precisão na estimativa de tamanhos de porções

Mezgec, S. & Seljak, B. K. (2017). Este estudo avaliou métodos de aprendizado profundo para reconhecimento de imagens de alimentos, alcançando 83,6% de precisão top-5 em um conjunto de dados diversificado de alimentos. Os autores concluíram que o reconhecimento de alimentos assistido por IA atingiu um limiar de utilidade prática para aplicações de rastreamento dietético (Mezgec & Seljak, 2017, Nutrients, 9(7), 657).

Boushey, C. J., et al. (2017). Pesquisadores da Purdue University descobriram que métodos de avaliação dietética baseados em imagem reduziram significativamente o tempo e a carga cognitiva necessários para registrar alimentos. Participantes que usaram rastreamento assistido por imagem foram mais propensos a registrar de forma consistente ao longo de períodos de estudo de várias semanas, abordando uma das principais barreiras à adesão ao auto-monitoramento (Boushey et al., 2017, Nutrients, 9(2), 116).

Lu, Y., et al. (2020). A estimativa de tamanho de porções baseada em IA a partir de fotografias de alimentos reduziu o erro de estimativa calórica em aproximadamente 25% em comparação com a estimativa humana não assistida. O estudo demonstrou que mesmo a assistência imperfeita da IA produziu registros dietéticos mais precisos do que a entrada manual sozinha (Lu et al., 2020, IEEE Transactions on Medical Imaging, 39(12), 3943-3954).

Estudos sobre Apps de Coaching Comportamental

Esses estudos avaliam apps comercialmente disponíveis que combinam auto-monitoramento com componentes de coaching comportamental.

Estudo	Ano	Jornal	Tamanho da Amostra	Principal Descoberta
Jacobs et al.	2020	Scientific Reports	35.921	78% dos usuários do Noom relataram diminuição de peso corporal ao longo de 9 meses
Michaelides et al.	2016	JMIR mHealth uHealth	35.921	Intervenção comportamental baseada em app eficaz para perda de peso em larga escala
Pagoto et al.	2013	Transl Behav Med	Revisão	Intervenções e-Health comportamentais mostraram promessa, mas tiveram alta taxa de desistência
Semper et al.	2016	JMIR mHealth uHealth	43	Usuários de apps comerciais perderam peso significativo em 6 meses, mas a adesão diminuiu

Jacobs, S., et al. (2020). Em um dos maiores estudos do mundo real sobre um app de perda de peso, pesquisadores analisaram dados de 35.921 usuários do Noom ao longo de uma média de 9 meses. Aproximadamente 78% dos usuários relataram diminuição de peso, com 23% alcançando uma redução de mais de 10% do peso inicial. O estudo destacou que o engajamento com os recursos de auto-monitoramento foi o correlato mais forte de sucesso (Jacobs et al., 2020, Scientific Reports, 10, 3272).

Pagoto, S., et al. (2013). Esta revisão de intervenções e-Health comportamentais para perda de peso observou que, embora as ferramentas digitais mostrassem eficácia comparável às intervenções presenciais a curto prazo, as taxas de desistência eram um desafio persistente. Os autores enfatizaram que as decisões de design do app impactam diretamente a adesão a longo prazo, e que simplicidade e redução da carga de registro são críticas (Pagoto et al., 2013, Translational Behavioral Medicine, 3(4), 406-415).

Estudos sobre Intervenções Combinadas e Assistidas por Medicamentos

Esses estudos examinam como as ferramentas digitais se comportam ao lado de intervenções farmacológicas, refletindo o cenário atual em que medicamentos GLP-1 se tornaram comuns.

Estudo	Ano	Jornal	Tamanho da Amostra	Principal Descoberta
Wilding et al.	2021	N Engl J Med	1.961	Semaglutida 2,4 mg produziu 14,9% de perda de peso com intervenção de estilo de vida
Wadden et al.	2020	JAMA	611	Tratamento comportamental multi-componente melhorou os resultados da farmacoterapia
Khera et al.	2016	JAMA	29.018 agrupados	Estilo de vida + farmacoterapia juntos superaram cada um isoladamente
Ryan et al.	2023	Diabetes Care	338	Coaching de saúde digital melhorou os resultados de perda de peso junto com a medicação

Wilding, J. P. H., et al. (2021). O ensaio STEP 1, publicado na New England Journal of Medicine, demonstrou que a semaglutida 2,4 mg produziu uma redução média de peso de 14,9% ao longo de 68 semanas. Criticamente, os participantes dos grupos de medicamento e placebo receberam uma intervenção de estilo de vida que incluía aconselhamento dietético e auto-monitoramento. O componente de estilo de vida foi considerado essencial para os resultados (Wilding et al., 2021, N Engl J Med, 384(11), 989-1002).

Wadden, T. A., et al. (2020). Este ensaio da JAMA com 611 adultos descobriu que adicionar uma intervenção comportamental intensiva (incluindo auto-monitoramento estruturado) à farmacoterapia produziu perda de peso significativamente maior do que a medicação sozinha. O componente comportamental aumentou a perda média de peso em mais 4,5% do peso corporal (Wadden et al., 2020, JAMA, 323(14), 1355-1367).

Estudos sobre Adesão a Longo Prazo e Manutenção de Peso

Sustentar a perda de peso ao longo dos anos é o verdadeiro teste. Esses estudos examinam o que distingue os mantenedores de longo prazo daqueles que recuperam peso.

Estudo	Ano	Jornal	Tamanho da Amostra	Principal Descoberta
Wing & Phelan	2005	Am J Clin Nutr	Registro NWCR	O auto-monitoramento consistente é um comportamento característico de mantenedores bem-sucedidos
Thomas et al.	2014	Obesity	2.886	Mantenedores continuaram monitorando a dieta e contando calorias a longo prazo
Fothergill et al.	2016	Obesity	14	A adaptação metabólica persiste anos após a perda de peso, exigindo rastreamento contínuo
Franz et al.	2007	J Am Diet Assoc	80 estudos revisados	O contato contínuo de auto-monitoramento é essencial para a manutenção além de 12 meses
Patel et al.	2019	Obesity	74	O auto-pesagem e o rastreamento de alimentos previram a manutenção de peso em 12 meses

Wing, R. R. & Phelan, S. (2005). Com base em dados do National Weight Control Registry, que rastreia indivíduos que mantiveram uma perda de peso de pelo menos 30 libras por pelo menos um ano, os autores identificaram o auto-monitoramento consistente como um dos comportamentos definidores dos mantenedores de perda de peso a longo prazo. Os membros do registro relataram pesar-se com frequência e manter a consciência de sua ingestão alimentar, mesmo anos após a perda de peso inicial (Wing & Phelan, 2005, American Journal of Clinical Nutrition, 82(1), 222S-225S).

Thomas, J. G., et al. (2014). Uma análise de 2.886 adultos do National Weight Control Registry descobriu que o monitoramento dietético contínuo, incluindo contagem de calorias e registro de alimentos, era significativamente mais comum entre os mantenedores de perda de peso bem-sucedidos do que entre aqueles que recuperaram peso. Os autores enfatizaram que o auto-monitoramento não é apenas uma ferramenta para perder peso, mas uma estratégia de manutenção ao longo da vida (Thomas et al., 2014, Obesity, 22(5), 2244-2251).

Fothergill, E., et al. (2016). Este estudo de acompanhamento de 14 participantes do Biggest Loser descobriu que a adaptação metabólica, uma redução persistente na taxa metabólica de repouso, continuou seis anos após a perda de peso inicial. A implicação prática é que indivíduos que perderam peso significativo precisam de consciência contínua sobre calorias, pois seus corpos queimam menos calorias do que seria previsto pelo seu tamanho (Fothergill et al., 2016, Obesity, 24(8), 1612-1619).

Meta-Análises e Revisões Sistemáticas

Essas análises em larga escala sintetizam evidências de dezenas de estudos individuais.

Estudo	Ano	Jornal	Estudos Incluídos	Principal Descoberta
Hutchesson et al.	2015	Obesity Reviews	84 estudos	Intervenções baseadas em tecnologia são eficazes para perda de peso
Lyzwinski et al.	2018	JMIR mHealth uHealth	18 estudos	Intervenções baseadas em apps produziram perda de peso significativa
Hartmann-Boyce et al.	2014	Cochrane Database	37 RCTs	O auto-monitoramento foi um componente chave de programas comportamentais eficazes
Spring et al.	2013	Am J Prev Med	24 estudos revisados	Intervenções apoiadas por tecnologia foram mais eficazes do que a entrega tradicional
Flores Mateo et al.	2015	J Med Internet Res	12 RCTs	Intervenções baseadas em apps móveis reduziram significativamente o peso corporal
Milne-Ives et al.	2020	JMIR mHealth uHealth	52 artigos	Apps de saúde móvel mostraram efeitos positivos, mas variáveis, sobre comportamentos de saúde

Hutchesson, M. J., et al. (2015). Esta revisão sistemática abrangente na Obesity Reviews examinou 84 estudos de intervenções dietéticas e de atividade física baseadas em tecnologia. A revisão concluiu que intervenções baseadas em tecnologia, incluindo apps móveis, foram eficazes para perda de peso a curto prazo, e que componentes de auto-monitoramento estavam consistentemente associados a melhores resultados. A revisão também observou que ferramentas baseadas em tecnologia tinham a vantagem de escalabilidade, alcançando mais pessoas a um custo menor do que programas presenciais (Hutchesson et al., 2015, Obesity Reviews, 16(5), 376-392).

Lyzwinski, L. N., et al. (2018). Uma revisão sistemática de 18 estudos que examinavam intervenções de perda de peso baseadas em apps descobriu que a maioria produziu perda de peso estatisticamente significativa. A revisão identificou auto-monitoramento, definição de metas e feedback como os três recursos de app mais consistentemente associados a resultados positivos. Intervenções que incorporaram todos os três recursos superaram aquelas com apenas um ou dois (Lyzwinski et al., 2018, JMIR mHealth and uHealth, 6(9), e11).

Hartmann-Boyce, J., et al. (2014). Esta revisão sistemática da Cochrane analisou 37 ensaios controlados randomizados de intervenções comportamentais para gerenciamento de peso. O auto-monitoramento da ingestão dietética foi identificado como um componente chave compartilhado pelos programas mais eficazes. A revisão concluiu que programas comportamentais estruturados que incorporam auto-monitoramento regular produzem perda de peso clinicamente significativa (Hartmann-Boyce et al., 2014, Cochrane Database of Systematic Reviews, (2), CD012651).

Flores Mateo, G., et al. (2015). Uma meta-análise de 12 ensaios controlados randomizados descobriu que intervenções baseadas em apps móveis produziram uma redução estatisticamente significativa no peso corporal em comparação aos grupos de controle. O efeito combinado mostrou uma diferença média de -1,04 kg a favor dos usuários de apps, com efeitos maiores observados em estudos onde o app incluía um banco de dados abrangente de alimentos e escaneamento de código de barras (Flores Mateo et al., 2015, Journal of Medical Internet Research, 17(11), e253).

O Que os Estudos Concordam

Em mais de 30 estudos que abrangem diferentes populações, intervenções e metodologias, várias descobertas consistentes emergem:

1. O auto-monitoramento é a base. Cada meta-análise e revisão sistemática identifica o auto-monitoramento dietético como um componente crítico de intervenções eficazes para perda de peso. Essa descoberta se mantém independentemente de o recurso ser um app, um site ou um diário em papel.

2. Apps móveis superam métodos mais antigos. Quando comparados diretamente, apps para smartphone consistentemente produzem taxas de adesão mais altas do que sites ou diários em papel. A conveniência de registrar em um dispositivo que você sempre carrega é importante.

3. A redução da carga de registro aumenta a adesão. Estudos mostram repetidamente que quanto mais fácil for registrar uma refeição, mais provável será que os usuários o façam de forma consistente. Tecnologias como escaneamento de código de barras, reconhecimento de fotos de alimentos e grandes bancos de dados de alimentos abordam diretamente essa barreira.

4. A consistência importa mais do que a precisão. Rastrear a maioria dos dias, mesmo que imperfeitamente, produz melhores resultados do que uma precisão esporádica. O hábito de auto-monitoramento cria uma consciência sustentada.

5. O rastreamento a longo prazo prevê o sucesso a longo prazo. Estudos sobre manutenção de perda de peso descobrem consistentemente que pessoas que continuam a auto-monitorar após a perda de peso inicial têm muito mais chances de manter o peso.

6. Abordagens combinadas funcionam melhor. Os melhores resultados vêm da combinação de auto-monitoramento com definição de metas, mecanismos de feedback e orientação nutricional, exatamente a abordagem multi-componente que apps modernos podem oferecer em uma única plataforma.

O Que Faz um App de Perda de Peso Eficaz Segundo a Pesquisa

Com base nas evidências revisadas acima, um app de perda de peso eficaz deve incluir esses recursos respaldados pela pesquisa:

• Banco de dados de alimentos abrangente para minimizar a fricção no registro (Carter et al., 2013; Flores Mateo et al., 2015)
• Múltiplos métodos de registro incluindo foto, código de barras e voz para reduzir o tempo por entrada (Boushey et al., 2017; Schap et al., 2011)
• Reconhecimento assistido por IA para melhorar a precisão e reduzir o esforço (Mezgec & Seljak, 2017; Lu et al., 2020)
• Detalhamento nutricional abrangente além de apenas calorias, cobrindo macronutrientes e micronutrientes (Thomas et al., 2014)
• Feedback e rastreamento de metas para reforçar o comportamento de auto-monitoramento (Lyzwinski et al., 2018)
• Baixo custo e sem anúncios intrusivos para remover barreiras ao uso sustentado (Pagoto et al., 2013)
• Usabilidade a longo prazo porque a manutenção exige rastreamento contínuo (Wing & Phelan, 2005; Franz et al., 2007)

Como a Nutrola Implementa as Evidências

A Nutrola foi projetada com base nessas descobertas de pesquisa. Cada recurso principal mapeia diretamente o que os estudos dizem que funciona.

Reduzindo a carga de registro para maximizar a adesão. Pesquisas mostram consistentemente que um registro mais fácil significa um rastreamento mais consistente. A Nutrola oferece reconhecimento de foto assistido por IA que identifica alimentos em menos de 3 segundos, registro por voz e escaneamento de código de barras, proporcionando aos usuários o caminho mais rápido do prato para o registro. Isso aborda diretamente a barreira de adesão identificada por Carter et al. (2013) e Pagoto et al. (2013).

Precisão impulsionada por IA. Mezgec & Seljak (2017) e Lu et al. (2020) demonstraram que o reconhecimento de alimentos assistido por IA melhora a precisão dos registros dietéticos. O reconhecimento de foto da Nutrola alcança 85-95% de precisão e é respaldado por um banco de dados verificado por nutricionistas com 1,8 milhão de alimentos, garantindo que os dados registrados pelos usuários sejam confiáveis.

Rastreamento nutricional abrangente. Os estudos sobre manutenção a longo prazo (Thomas et al., 2014; Wing & Phelan, 2005) enfatizam que a consciência sobre calorias sozinha não é suficiente. A Nutrola rastreia mais de 100 nutrientes, fornecendo a profundidade de insight nutricional que apoia mudanças dietéticas informadas e duradouras.

Assistente Dietético de IA para orientação personalizada. Lyzwinski et al. (2018) descobriram que apps que combinam auto-monitoramento com feedback e definição de metas superaram ferramentas apenas de rastreamento. O Assistente Dietético de IA da Nutrola fornece orientação nutricional personalizada, sugestões de refeições a partir de mais de 500 mil receitas e feedback em tempo real que espelha os componentes de coaching comportamental mostrados como eficazes na pesquisa.

Acessível e sem anúncios. Pagoto et al. (2013) identificaram o custo e a fricção na experiência do usuário como barreiras ao engajamento a longo prazo. A Nutrola começa em apenas €2,50 por mês, com zero anúncios em qualquer nível, removendo barreiras financeiras e de experiência ao uso sustentado.

Construída para uso a longo prazo. Franz et al. (2007) e Wing & Phelan (2005) demonstraram que o auto-monitoramento contínuo é essencial para a manutenção do peso. A Nutrola foi projetada como uma companheira diária com integração ao Apple Watch, recursos de registro rápido e uma interface construída para anos de uso, não apenas para uma fase inicial de perda de peso. Com mais de 2 milhões de usuários e uma classificação de 4,9 estrelas, a retenção de usuários reflete essa filosofia de design a longo prazo.

A Conclusão

As apps de perda de peso realmente funcionam? A pesquisa é clara: sim, apps que permitem o auto-monitoramento consistente da ingestão dietética produzem perda de peso significativa e apoiam a manutenção a longo prazo do peso. Esta não é uma descoberta marginal. É o resultado mais replicado na pesquisa comportamental sobre perda de peso nos últimos 30 anos.

A variável chave não é o app em si, mas se o app torna o auto-monitoramento fácil o suficiente para que os usuários realmente o façam. Estudos mostram consistentemente que a redução da carga de registro, bancos de dados abrangentes de alimentos, reconhecimento assistido por IA e ciclos de feedback multi-componentes são os recursos que separam apps eficazes de aqueles que são abandonados.

As evidências não apoiam a escolha de um app com base em promessas de marketing. Elas apoiam a escolha de um app com base em se seus recursos estão alinhados com o que mais de 30 estudos mostraram que funciona.

Perguntas Frequentes

As apps de perda de peso funcionam?

Sim. Múltiplas revisões sistemáticas e meta-análises, incluindo Hutchesson et al. (2015), que cobrem 84 estudos, e Lyzwinski et al. (2018), que cobrem 18 estudos, confirmam que intervenções baseadas em apps produzem perda de peso estatisticamente significativa. O mecanismo chave é o auto-monitoramento, que os apps tornam mais acessível e consistente do que métodos tradicionais.

O que a pesquisa diz sobre apps de rastreamento de calorias?

A pesquisa mostra consistentemente que apps de rastreamento de calorias superam tanto diários em papel quanto ferramentas baseadas em sites em termos de adesão e resultados de perda de peso. Carter et al. (2013) descobriram que usuários de apps para smartphone registraram seus alimentos em três vezes mais dias do que usuários de diários em papel ao longo de um período de seis meses. Maior adesão previu diretamente maior perda de peso.

As apps de perda de peso são baseadas em evidências?

Algumas são e outras não. As evidências apoiam apps que priorizam o auto-monitoramento com recursos como bancos de dados abrangentes de alimentos, registro assistido por IA, escaneamento de código de barras e feedback nutricional. Apps que dependem principalmente de planos alimentares restritivos ou conteúdo motivacional sem ferramentas robustas de rastreamento têm menos suporte de pesquisa.

Qual app de perda de peso tem mais evidências científicas por trás de seu design?

Os recursos com a base de evidências mais forte são o auto-monitoramento dietético, reconhecimento de alimentos assistido por IA, bancos de dados nutricionais abrangentes e feedback multi-componente. A Nutrola incorpora todos esses: reconhecimento de foto por IA, um banco de dados verificado por nutricionistas com 1,8 milhão de itens, rastreamento de mais de 100 nutrientes, registro por voz e código de barras, e um Assistente Dietético de IA, tornando-a uma implementação direta do que a pesquisa recomenda.

Quanto peso você pode perder com um app de perda de peso?

Os resultados variam de acordo com o indivíduo, mas a pesquisa fornece referências. Hollis et al. (2008) descobriram que auto-monitoradores consistentes perderam uma média de 8,2 kg ao longo de seis meses. Jacobs et al. (2020) descobriram que 78% dos usuários de apps em um estudo com 35.921 pessoas relataram perda de peso ao longo de nove meses, com 23% perdendo mais de 10% do seu peso inicial.

Você precisa rastrear calorias para sempre para manter a perda de peso?

Os dados do National Weight Control Registry analisados por Wing & Phelan (2005) e Thomas et al. (2014) mostram que mantenedores de perda de peso a longo prazo continuam algum tipo de auto-monitoramento dietético. Isso não significa necessariamente registrar cada caloria indefinidamente, mas manter a consciência da ingestão por meio de rastreamento regular parece ser um comportamento consistente entre aqueles que mantêm o peso por anos.