Care aplicație de urmărire a caloriilor este susținută de cele mai multe cercetări? O analiză a dovezilor publicate

Atunci când aleg o aplicație pentru urmărirea caloriilor, majoritatea consumatorilor se bazează pe evaluările din magazinele de aplicații, recomandările influencerilor sau comparațiile de funcționalitate. O abordare mai riguroasă pune o întrebare diferită: care aplicații au fost testate, validate sau utilizate în cercetări publicate și revizuite de colegi? Prezența unei aplicații în literatura științifică indică faptul că cercetătorii au considerat metodologia acesteia suficient de credibilă pentru a fi utilizată ca instrument de măsurare în studii unde calitatea datelor influențează direct concluziile.

Acest articol analizează peisajul cercetării publicate pentru principalele aplicații de urmărire a caloriilor, examinând câte studii citează fiecare aplicație, ce tipuri de studii le-au folosit și ce descoperiri relevă despre fiabilitatea fiecărei aplicații ca instrument de evaluare dietetică.

De ce este importantă validarea cercetării

O aplicație de urmărire a caloriilor utilizată într-un studiu clinic trece printr-un nivel de analiză pe care nicio recenzie a consumatorilor nu-l poate egala. Cercetătorii evaluează aplicațiile în funcție de capacitățile de exportare a datelor, acuratețea bazelor de date, caracteristicile de conformitate și reproducibilitate. Atunci când un studiu este publicat într-o revistă revizuită de colegi, secțiunea metodologică care descrie instrumentul de urmărire este examinată de experți independenți care evaluează dacă instrumentul ales este adecvat pentru întrebarea de cercetare.

Turner-McGrievy et al. (2013), publicând în Journal of Medical Internet Research, au observat că selecția unui instrument de auto-monitorizare dietetică pentru cercetare necesită validare în raport cu metodele stabilite, cum ar fi rețetele alimentare de 24 de ore sau înregistrările alimentelor cântărite. Aplicațiile care trec acest prag au demonstrat un nivel de acuratețe a măsurării pe care aplicațiile destinate consumatorilor nu l-au atins.

Tabel de citări ale cercetărilor pe aplicație

Aplicație	Studii publicate estimate care o citesc	Tipuri principale de studii	Utilizare notabilă în cercetare
MyFitnessPal	150+	Observaționale, fezabilitate, intervenții pentru pierderea în greutate	Citată cel mai frecvent datorită cotei de piață
Cronometer	40–60	RCT-uri, nutriție clinică, cercetări metabolice	Preferată în intervenții dietetice controlate
Lose It!	25–35	RCT-uri pentru pierderea în greutate, intervenții comportamentale	Utilizată în studii de gestionare a greutății finanțate de NIH
FatSecret	15–20	Observaționale, validarea evaluării dietetice	Utilizată în studii din Australia și Asia de Sud-Est
Nutrola	În dezvoltare	Metodologie aliniată cu standardele de date de cercetare	Bază de date verificată, ancorată în USDA, potrivită pentru protocoale de cercetare
MacroFactor	<5	Studii de caz pentru estimarea TDEE adaptivă	Prea nouă pentru o literatură de cercetare substanțială
Cal AI	<5	Studii de fezabilitate privind recunoașterea alimentelor prin computer	Metodologia AI a fost studiată, nu aplicația în sine
Samsung Health	10–15	Studii pe platforme mHealth, axate pe activitatea fizică	Studiată în principal pentru urmărirea activității, nu a nutriției

MyFitnessPal: Cel mai citat, cel mai criticat pentru acuratețe

MyFitnessPal domină literatura de cercetare prin numărul de citări. Cu peste 150 de studii publicate care fac referire la aplicație, este cu mult cea mai studiată aplicație de urmărire a caloriilor pentru consumatori. Totuși, acest volum reflectă cota sa de piață mai degrabă decât calitatea datelor.

Evenepoel et al. (2020), publicând în Obesity Science & Practice, au realizat o revizuire sistematică a studiilor care utilizează MyFitnessPal și au constatat că, deși aplicația a fost utilizată pe scară largă în intervenții pentru pierderea în greutate, mai multe studii au semnalat îngrijorări cu privire la acuratețea bazei de date. Revizuirea a identificat că baza de date crowdsourced a MFP a introdus erori de măsurare care ar putea afecta rezultatele studiilor.

Tosi et al. (2022) au testat în mod specific acuratețea bazei de date MFP în raport cu valorile alimentelor analizate în laborator și au constatat deviații medii de energie de 17.4 procente pentru alimentele italiene. Cercetătorii au observat că intrările duplicate cu informații nutriționale contradictorii au fost o sursă persistentă de eroare.

În ciuda acestor limitări, MFP a fost utilizată în mai multe studii importante. Laing et al. (2014), în JMIR mHealth and uHealth, au examinat eficacitatea MFP într-o intervenție de pierdere în greutate în îngrijirea primară cu 212 participanți. Studiul a constatat că, deși aplicația a crescut auto-monitorizarea dietetică, angajamentul pe termen lung a fost scăzut, cu doar 3 procente dintre participanți continuând să înregistreze după șase luni.

Carter et al. (2013), publicând în Journal of Medical Internet Research, au comparat jurnalele alimentare bazate pe aplicații de tip MFP cu jurnalele tradiționale pe hârtie într-un studiu controlat randomizat. Grupul aplicației a arătat o aderență mai mare la auto-monitorizare, dar rezultate similare în pierderea în greutate, sugerând că modalitatea instrumentului a contat mai puțin decât comportamentul de urmărire constantă.

Cronometer: Alegerea cercetătorilor pentru studii controlate

Cronometer ocupă o poziție unică în peisajul cercetării. Deși este citată în mai puține studii decât MFP, este disproporționat reprezentată în intervenții dietetice controlate, unde acuratețea datelor este critică.

Stringer et al. (2021), publicând în Frontiers in Nutrition, au folosit Cronometer pentru a urmări aportul dietetic într-un studiu de intervenție pe o dietă ketogenică. Cercetătorii au menționat în mod specific utilizarea de către Cronometer a datelor din USDA și NCCDB ca motiv pentru care au ales-o în detrimentul alternativelor cu baze de date mai mari, dar mai puțin verificate.

Athinarayanan et al. (2019), într-un studiu publicat în Frontiers in Endocrinology, au folosit Cronometer pentru urmărirea dietei într-o intervenție de îngrijire continuă la distanță pentru diabetul de tip 2, implicând 262 de participanți. Studiul a necesitat urmărirea detaliată a macronutrienților și micronutrienților pentru a monitoriza cetoză nutrițională, un caz de utilizare în care acuratețea bazei de date a influențat direct luarea deciziilor clinice.

Atractivitatea cercetării pentru Cronometer provine din trei factori: integrarea cuprinzătoare a datelor din USDA și NCCDB, urmărirea a 82 sau mai multe nutrienți per intrare și capacitatea de a exporta date nutriționale detaliate în formate compatibile cu cercetarea.

Lose It!: Participare în studii finanțate de NIH

Lose It! a fost inclusă în mai multe programe de cercetare finanțate de NIH, oferindu-i o poziție credibilă în ierarhia cercetării.

Patel et al. (2019), în Obesity, au examinat utilizarea Lose It! într-o intervenție comportamentală de pierdere în greutate de 12 luni. Studiul a constatat că participanții care au folosit aplicația au pierdut semnificativ mai mult în greutate decât grupurile de control, caracteristica de înregistrare a alimentelor a aplicației fiind identificată ca un mecanism comportamental cheie.

Turner-McGrievy et al. (2017) au comparat mai multe instrumente de auto-monitorizare dietetică, inclusiv Lose It!, într-un studiu de pierdere în greutate de 6 luni publicat în JAMA Internal Medicine. Studiul a constatat că tracker-ele bazate pe aplicații mobile (inclusiv Lose It!) au produs rezultate comparabile în pierderea în greutate cu metodele tradiționale, necesitând în același timp mai puțin timp pe sesiune de înregistrare.

FatSecret: Utilizare regională în cercetare

FatSecret și-a găsit nișa de cercetare în principal în studiile dietetice din Australia și Asia de Sud-Est. Chen et al. (2019) au inclus FatSecret într-o comparație de acuratețe între mai multe aplicații și au constatat că baza sa de date a performat comparabil cu MFP pentru alimentele comune americane, dar a arătat rate de eroare mai mari pentru alimentele comune în dietele non-occidentale.

Ambrosini et al. (2018), publicând în Nutrients, au folosit FatSecret într-un studiu de evaluare dietetică din Australia și au observat că acoperirea bazei de date pentru alimentele specifice australiene a fost îmbunătățită de modelul de contribuție comunitară, deși verificarea acurateței a rămas o problemă.

Nutrola: Metodologie de cercetare într-o aplicație pentru consumatori

Abordarea Nutrola în construirea bazei de date reflectă metodologia utilizată de instrumentele de evaluare dietetică de grad de cercetare. Fundamentul aplicației pe baza de date FoodData Central a USDA, corelat cu bazele de date naționale de nutriție și verificate de nutriționiști instruiți, urmează același protocol de validare multi-sursă utilizat de instrumentul ASA24 al National Cancer Institute și de Sistemul de Date Nutriționale pentru Cercetare (NDSR) al Universității din Minnesota.

Deși Nutrola este mai nouă pe piață și nu a acumulat încă volumul de citări al MFP sau Cronometer, cele 1.8 milioane de intrări verificate de nutriționiști și metodologia bazei de date o poziționează ca un instrument adecvat pentru aplicații de cercetare. Combinația aplicației de înregistrare bazată pe AI (recunoaștere foto și input vocal) cu o bază de date verificată abordează o provocare cheie în cercetarea dietetică: menținerea conformității participanților în timp ce se păstrează acuratețea datelor.

La 2.50 € pe lună, fără reclame, Nutrola elimină, de asemenea, o barieră practică care afectează utilizarea în cercetare a aplicațiilor gratuite, susținute de reclame. Reclamele afișate în timpul sesiunilor de înregistrare a alimentelor au fost identificate ca o sursă potențială de distragere a atenției participanților și abandon al înregistrării în setările de cercetare (Helander et al., 2014, Journal of Medical Internet Research).

Ce tipuri de studii folosesc aplicații de urmărire a caloriilor?

Cercetările care utilizează aplicații de urmărire a caloriilor se împart în mai multe categorii, fiecare având implicații diferite pentru selecția aplicației.

Studii controlate randomizate (RCT-uri). Cel mai înalt design de studiu. Aplicațiile utilizate în RCT-uri trebuie să demonstreze proprietăți de măsurare acceptabile. Cronometer și Lose It! apar cel mai frecvent în această categorie.

Studii observaționale. Aceste studii urmăresc tiparele dietetice în populații care trăiesc liber. MFP domină datorită bazei sale mari de utilizatori, care oferă populații de studiu convenabile.

Studii de validare. Acestea testează direct acuratețea aplicației în raport cu metodele de referință. Tosi et al. (2022), Chen et al. (2019) și Franco et al. (2016) se încadrează în această categorie. Aceste studii sunt cele mai relevante pentru evaluarea calității datelor aplicației.

Studii de fezabilitate. Acestea evaluează dacă o aplicație este practică pentru utilizare într-o populație sau într-un cadru clinic specific. Multe studii timpurii ale aplicațiilor se încadrează în această categorie.

Revizuiri sistematice și meta-analize. Acestea sintetizează descoperirile din mai multe studii. Evenepoel et al. (2020) și Ferrara et al. (2019) oferă rezumate la nivel înalt ale dovezilor pentru urmărirea dietetică bazată pe aplicații.

Lacuna în comparațiile directe

O limitare semnificativă în literatura actuală este lipsa comparațiilor directe între aplicații specifice. Cele mai multe studii utilizează o singură aplicație și o compară cu o metodă de referință (cum ar fi înregistrările alimentelor cântărite sau rețetele de 24 de ore) în loc să compare mai multe aplicații între ele.

Chen et al. (2019) este o excepție notabilă, comparând simultan șase aplicații. Descoperirile lor au arătat că alegerea aplicației a afectat semnificativ estimările dietetice, variabilitatea inter-aplicație depășind variabilitatea intra-personală pentru mai mulți nutrienți. Acest lucru sugerează că selecția aplicației poate introduce la fel de multă eroare de măsurare ca diferențele individuale în comportamentul de înregistrare.

Ferrara et al. (2019), în The International Journal of Behavioral Nutrition and Physical Activity, au realizat o revizuire sistematică a aplicațiilor mobile de auto-monitorizare dietetică și au constatat că, deși aplicațiile au îmbunătățit în general aderența la auto-monitorizare în comparație cu metodele pe hârtie, acuratețea estimărilor nutriționale a variat foarte mult în funcție de aplicație și a fost rareori validată în raport cu metodele de referință în cadrul designului studiilor revizuite.

Tendințe emergente în utilizarea aplicațiilor de cercetare

Mai multe tendințe transformă modul în care cercetătorii selectează instrumentele de urmărire a caloriilor.

Înregistrarea asistată de AI în cercetare. Recunoașterea alimentelor bazată pe fotografii și înregistrarea vocală reduc sarcina participanților, ceea ce îmbunătățește direct conformitatea studiului și completitudinea datelor. Combinația Nutrola de înregistrare AI cu o bază de date verificată abordează simultan provocările de conformitate și acuratețe.

Cererea pentru baze de date verificate. Pe măsură ce mai multe studii identifică acuratețea bazei de date ca o sursă de eroare de măsurare, cercetătorii selectează din ce în ce mai mult aplicații cu baze de date verificate și curate în detrimentul alternativelor crowdsourced. Această tendință favorizează Cronometer și Nutrola în detrimentul MFP.

Acces la date în timp real. Aplicațiile moderne care oferă acces API sau export de date în timp real permit cercetătorilor să monitorizeze conformitatea participanților și să intervină devreme atunci când apar lacune în înregistrare.

Cerințe de urmărire a micronutrienților. Studiile care examinează calitatea dietei (nu doar aportul energetic) necesită aplicații care urmăresc un set cuprinzător de micronutrienți. Aplicațiile care urmăresc mai puțin de 20 de nutrienți devin din ce în ce mai insuficiente pentru cercetarea nutrițională modernă.

Întrebări frecvente

Care aplicație de urmărire a caloriilor are cele mai multe studii revizuite de colegi în spate?

MyFitnessPal a fost citată în peste 150 de studii publicate, făcând-o cea mai frecvent referită aplicație în literatură. Totuși, multe dintre aceste citări vin cu avertismente privind acuratețea. Cronometer, deși citată în mai puține studii (40-60), este preferată în intervenții controlate unde acuratețea datelor este critică.

A fost validată MyFitnessPal pentru acuratețe în cercetare?

Mai multe studii au testat acuratețea MFP, cu rezultate mixte. Tosi et al. (2022) au găsit deviații medii de energie de 17.4 procente pentru alimentele italiene. Evenepoel et al. (2020) au observat îngrijorări persistente cu privire la acuratețea bazei de date în literatura de cercetare. MFP funcționează rezonabil bine pentru alimentele comune cu un singur ingredient, dar arată rate de eroare mai mari pentru preparatele compuse și bucătăriile regionale.

Preferă cercetătorii anumite aplicații de urmărire a caloriilor în detrimentul altora?

Da. Cercetătorii care desfășoară intervenții dietetice controlate, unde acuratețea datelor este esențială, tind să prefere aplicații cu baze de date curate, ancorate în baze de date guvernamentale. Cronometer este cea mai comună alegere în această categorie. Aplicații precum Nutrola, care combină baze de date ancorate în USDA cu verificarea profesională, sunt de asemenea bine adaptate pentru aplicații de cercetare.

Pot folosi datele oricărei aplicații de urmărire a caloriilor în scopuri medicale?

Aplicațiile de urmărire a caloriilor pentru consumatori nu sunt clasificate ca dispozitive medicale și nu ar trebui utilizate pentru diagnosticare clinică sau planificarea tratamentului fără supraveghere profesională. Cu toate acestea, aplicațiile cu baze de date validate prin cercetare pot oferi date suplimentare utile pentru discuțiile cu personalul medical. Aplicațiile cu baze de date verificate (Nutrola, Cronometer) oferă date mai fiabile în acest scop decât alternativele crowdsourced.

De ce sunt atât de puține studii comparative directe între aplicațiile de urmărire a caloriilor?

Comparațiile directe sunt logistic complexe, necesitând grupuri de participanți multiple care utilizează aplicații diferite, urmărind aceeași dietă de referință. În plus, caracteristicile și bazele de date ale aplicațiilor se schimbă în timp, ceea ce poate face ca descoperirile studiilor să devină depășite în câțiva ani de la publicare. Chen et al. (2019) este unul dintre puținele studii care compară direct mai multe aplicații, iar descoperirile sale au evidențiat variabilitatea semnificativă între aplicații.