Sömnkvalitet och kvällsnäring: Vad 10 000 nätter av data visar

Du kanske vet att koffein sent på dagen kan förstöra din sömn. Men hur påverkar själva sammansättningen av din middag? Förhållandet mellan kolhydrater, protein och fett, det totala kaloriintaget, och tidpunkten i förhållande till när du somnar — visar några av dessa faktorer sig i din sömndata?

Vi bestämde oss för att ta reda på det. Genom att koppla kvällsmåltidsloggar från Nutrola med sömnkvalitetspoäng från Apple Watch och Whoop, skapade vi en databas med 10 000 matchade nätter — komplett middagsdata på ena sidan och objektiva sömnmetrik på den andra. De korrelationer vi fann var starkare än vi förväntade oss, och flera av dem utmanar konventionell visdom.

Detta är ingen klinisk prövning. Det är observationsdata från verkliga användare som lever verkliga liv. Men med 10 000 datapunkter och noggranna kontroller är mönstren svåra att ignorera.

Metodik: Hur vi byggde datasetet

Datakällor

Vi utgick från Nutrola-användare som uppfyllde tre kriterier samtidigt:

1. De loggade middag i Nutrola minst 5 dagar i veckan under minst 8 veckor i följd.
2. De synkroniserade sömndata från antingen Apple Watch (watchOS 10+) eller Whoop (4.0) via Apple Health eller direkt integration.
3. De hade kompletta makrouppdelningar för sina kvällsmåltider (inte bara kaloritotal).

Detta gav oss en pool av 4 218 användare från 23 länder, som bidrog med totalt 10 247 matchade middag-sömnpar insamlade mellan juni 2025 och mars 2026.

Sömnkvalitetspoäng

Både Apple Watch och Whoop genererar sammansatta sömnkvalitetspoäng, men de använder olika skalor. Apple Watch bedömer sömn på en kvalitativ skala som tar hänsyn till tid som sovs, avbrott och hjärtfrekvensvariabilitet (HRV). Whoop producerar en återhämtningspoäng från 0 till 100 som starkt viktar sömnprestanda. För att normalisera över enheterna konverterade vi alla poäng till en standardiserad skala från 0-100 med hjälp av varje plattforms percentilfördelningar. En poäng på 75 i vår databas betyder samma sak oavsett vilken enhet som genererade den.

Definition av kvällsmåltid

Vi definierade "kvällsmåltid" som all mat som loggades i Nutrola mellan 17:00 och midnatt samma kalenderdag som den motsvarande sömnsessionen. För användare som loggade flera kvällsinlägg (en middag plus ett sent mellanmål, till exempel) kombinerade vi dem till en enda kvällsnäringsprofil.

Statistisk metod

Vi använde Pearson-korrelationer (r) för att mäta linjära relationer och Spearman rangkorrelationer där fördelningarna var icke-normala. Alla rapporterade korrelationer är statistiskt signifikanta vid p < 0.01 om inte annat anges. Vi kontrollerade för ålder, kön, BMI (där det var tillgängligt) och veckodag.

Nyckeldemografi

Metrik	Värde
Totalt matchade nätter	10 247
Unika användare	4 218
Apple Watch-användare	2 641 (63%)
Whoop-användare	1 577 (37%)
Medelålder	34,2 år
Kvinna / Man / Ej specificerat	47% / 49% / 4%
Representerade länder	23
Medelstudieperiod per användare	11,3 veckor

Nyckelkorrelationer: Vilka kvällsnäringsvariabler relaterar till sömn

Kvällens kolhydratintag vs. sömnkvalitetspoäng

Detta var den starkaste korrelationen för enskilda makron i hela datasetet. Kvällens kolhydratintag visade en måttlig positiv korrelation med sömnkvalitet upp till en viss punkt, efter vilken den vände.

Kvällens kolhydratintag (g)	Genomsnittlig sömnpoäng	n	Korrelation
0 - 30	61.2	987	—
31 - 60	66.8	1 843	—
61 - 100	72.4	3 412	—
101 - 150	74.1	2 558	—
151 - 200	70.3	1 021	—
201+	64.7	426	—

Övergripande korrelation (kolhydrater vs. sömnpoäng): r = 0.23 (p < 0.001) för den linjära komponenten, men relationen är tydligt kurvilinär. När den modellerades som en kvadratisk förbättrades R-kvadrat till 0.31. Den optimala nivån verkar ligga mellan 60 och 150 gram kolhydrater vid middagen.

Detta stämmer överens med befintlig forskning som tyder på att kolhydrater underlättar transporten av tryptofan över blod-hjärnbarriären, vilket stödjer produktionen av serotonin och melatonin. Men för många kolhydrater — särskilt raffinerade — kan orsaka blodsockersvängningar som stör sömnens struktur.

Kvällens proteinintag vs. sömnkvalitetspoäng

Protein visade en svagare men fortfarande signifikant positiv korrelation med sömnkvalitet.

Kvällens proteinintag (g)	Genomsnittlig sömnpoäng	n
0 - 15	63.4	612
16 - 30	68.1	2 104
31 - 45	72.0	3 687
46 - 60	73.2	2 441
61 - 80	71.8	1 012
81+	69.4	391

Övergripande korrelation (protein vs. sömnpoäng): r = 0.17 (p < 0.001). Relationen planar ut runt 45-60 gram, och mycket högproteinmiddagar (över 80g) visade en liten nedgång. En hypotes: högproteindieter ökar termogenesen, vilket höjer kroppstemperaturen — motsatsen till vad kroppen behöver för att initiera sömn.

Kvällens fettintag vs. sömnkvalitetspoäng

Fettintaget vid middagen visade den svagaste korrelationen av de tre makron.

Kvällens fettintag (g)	Genomsnittlig sömnpoäng	n
0 - 15	69.0	1 234
16 - 30	70.8	2 876
31 - 50	71.2	3 341
51 - 70	70.1	1 898
71+	67.3	898

Övergripande korrelation (fett vs. sömnpoäng): r = 0.08 (p < 0.01). Måttligt fettintag (16-50g) var kopplat till något bättre sömn, men effekten var liten. Mycket högfeta middagar (över 70g) korrelerade med lägre poäng, troligen på grund av långsammare magsäckstömning som orsakar obehag.

Totala middagens kalorier vs. sömnkvalitetspoäng

Det totala kaloriintaget vid middagen följde ett tydligt omvänt U-mönster.

Middagskalorier (kcal)	Genomsnittlig sömnpoäng	n
Under 300	63.1	824
300 - 500	69.4	2 337
501 - 700	73.6	3 478
701 - 900	72.1	2 214
901 - 1 200	67.8	1 043
Över 1 200	62.4	351

Övergripande korrelation (kalorier vs. sömnpoäng): r = 0.14 (p < 0.001) linjär; kvadratisk R-kvadrat = 0.27. Att gå till sängs för hungrig eller för mätt korrelerade båda med sämre sömn. Det optimala kaloriintervallet för middagen i vår data var 500-900 kcal.

Tiden mellan sista måltid och sänggående vs. sömnkvalitetspoäng

Denna variabel producerade en av de renaste korrelationerna i datasetet.

Timmar mellan sista mat och sömn	Genomsnittlig sömnpoäng	n
Mindre än 1 timme	62.8	743
1 - 2 timmar	67.3	1 876
2 - 3 timmar	72.9	3 214
3 - 4 timmar	74.8	2 867
4 - 5 timmar	72.1	1 102
Mer än 5 timmar	66.4	445

Övergripande korrelation (måltid-till-sömn-gap vs. sömnpoäng): r = 0.26 (p < 0.001) för den linjära delen upp till 4 timmar; hela datasetet är bättre modellerat som kurvilinärt (kvadratisk R-kvadrat = 0.34). Fönstret på 3-4 timmar mellan sista tuggan och att somna producerade konsekvent de högsta sömnpoängen.

Alkohol loggad vs. sömnkvalitetspoäng

Användare som loggade någon alkohol i sina kvällsmåltidsinlägg visade mätbart sämre sömn.

Alkoholsstatus	Genomsnittlig sömnpoäng	n
Ingen alkohol loggad	72.6	7 891
1 drink loggad	67.4	1 432
2 drinkar loggade	63.1	648
3+ drinkar loggade	56.2	276

Korrelation (antal drinkar vs. sömnpoäng): r = -0.31 (p < 0.001). Detta var den starkaste linjära korrelationen i hela datasetet, och den gick i negativ riktning. Varje ytterligare drink var kopplad till en nedgång på cirka 5-6 poäng i sömnpoäng. Detta stämmer överens med omfattande klinisk litteratur som visar att alkohol fragmenterar sömnens struktur och hämmar REM-sömn.

Koffein efter kl. 14:00 vs. sömnkvalitetspoäng

Vi identifierade koffeinhaltiga produkter som loggades efter kl. 14:00 (kaffe, energidrycker, pre-workout kosttillskott, vissa teer) med hjälp av Nutrolas matklassificering.

Koffein efter kl. 14:00	Genomsnittlig sömnpoäng	n
Ingen loggad	72.4	7 134
1 koffeinhaltig produkt (14-17)	69.1	1 823
1 koffeinhaltig produkt (efter 17)	64.7	892
2+ koffeinhaltiga produkter (efter kl. 14)	61.3	398

Korrelation (eftermiddagskoffein vs. sömnpoäng): r = -0.24 (p < 0.001). Tidpunkten var viktigare än mängden. Ett enda kaffe klockan 15 korrelerade med en mindre nedgång i sömnpoäng än ett enda kaffe klockan 19, vilket stämmer överens med koffeinets halveringstid på 5-6 timmar.

Insikten om kolhydraternas timing

Den mest handlingsbara insikten från detta dataset handlar om interaktionen mellan kolhydratintag och måltidens timing. När vi tittade på kolhydratintag och måltid-till-säng-gap tillsammans, framträdde ett tydligt mönster.

Kolhydratsintervall (g)	Måltid-till-säng-gap	Genomsnittlig sömnpoäng	n
60 - 150	3 - 4 timmar	77.3	1 241
60 - 150	2 - 3 timmar	74.1	1 087
60 - 150	1 - 2 timmar	68.2	643
Under 60	3 - 4 timmar	70.4	578
Över 150	3 - 4 timmar	68.9	412
Över 150	Mindre än 2 timmar	61.4	298

Kombinationen av måttliga kolhydrater (60-150g) som äts 3-4 timmar före sänggående producerade de högsta genomsnittliga sömnpoängen i datasetet: 77.3 av 100. Detta var 16 poäng högre än den sämsta kombinationen (höga kolhydrater som äts mindre än 2 timmar före sänggående).

Mekanismen involverar troligen insulinets roll i att underlätta upptaget av tryptofan. Kolhydrater utlöser insulinfrisättning, vilket rensar bort konkurrerande stora neutrala aminosyror från blodomloppet, vilket gör att mer tryptofan kan komma in i hjärnan. Tryptofan är föregångaren till serotonin, som sedan omvandlas till melatonin. Men denna process tar tid — att äta kolhydraterna för nära sänggående kanske inte tillåter hela kaskaden att slutföras innan sömnens början.

Kopplingen mellan protein och sömn: Tryptofanrika källor

Inte alla proteinkällor korrelerade lika med sömnkvalitet. När vi bröt ner kvällens protein efter livsmedelstyp, framträdde vissa kategorier.

Proteinkälla vid middag	Genomsnittlig sömnpoäng	n
Kalkon	75.8	487
Lax / fet fisk	75.2	623
Kycklingbröst	72.1	1 876
Ägg	73.4	912
Grekisk yoghurt	74.1	534
Tofu / tempeh	73.0	389
Rött kött (nötkött, lamm)	70.4	1 102
Vassleproteinshake	68.7	445
Ingen anmärkningsvärd proteinkälla	65.3	1 214

Kalkon och fet fisk toppade listan. Kalkon är berömd för sitt höga innehåll av tryptofan per gram protein (även om myten om Thanksgiving-sömnighet förenklar detta). Fet fisk som lax ger den extra fördelen av omega-3-fettsyror och vitamin D, som båda har kopplats till sömnkvalitet i klinisk forskning.

Den relativt lägre poängen för vassleproteinshakes är anmärkningsvärd. Flytande proteinkällor kan smältas för snabbt, och att konsumera en shake nära sänggående var vanligt i denna undergrupp — 61% av proteinshakeinläggen loggades inom 2 timmar före sömn.

Vad som inte verkar spela någon roll

Vissa variabler som vi förväntade oss skulle korrelera med sömnkvalitet gjorde det helt enkelt inte, åtminstone inte i detta dataset.

Variabel	Korrelation med sömnpoäng	p-värde	Tolkning
Fiberintag vid middag	r = 0.04	p = 0.12	Inte signifikant
Natriumintag vid middag	r = -0.03	p = 0.18	Inte signifikant
Socker vs. komplexa kolhydrater förhållande	r = 0.06	p = 0.03	Marginalt signifikant
Antal olika livsmedel vid middag	r = 0.02	p = 0.41	Inte signifikant
Ekologiska vs. icke-ekologiska märkta varor	r = 0.01	p = 0.67	Inte signifikant

Att fiberintaget inte visade någon effekt var överraskande. Flera studier har kopplat högre dagligt fiberintag med bättre sömn, men i vår data flyttade kvällens fiber specifikt inte nålen. Det är möjligt att det totala dagliga fiberintaget spelar en större roll än fiber vid middagen, eller att vår urvalsstorlek inom denna specifika variabel inte var tillräckligt stor för att upptäcka en liten effekt.

Förhållandet mellan socker och komplexa kolhydrater visade endast marginal signifikans (p = 0.03), vilket innebär att typen av kolhydrat vid middagen spelade mindre roll än den totala mängden. Detta strider mot vissa kliniska fynd och motiverar vidare undersökning.

Begränsningar och försiktighetsåtgärder

Vi vill vara transparenta om vad dessa data kan och inte kan berätta för oss.

Korrelation är inte orsakssamband. Detta är observationsdata. Vi kan inte säga att att äta 100 gram kolhydrater 3 timmar före sänggående orsakar bättre sömn. Det är möjligt att personer som äter balanserade middagar vid rimliga tider också har andra vanor — regelbunden träning, konsekventa scheman, lägre stress — som oberoende förbättrar sömnen. Vi kontrollerade för vissa störande faktorer (ålder, kön, BMI, veckodag), men oövervakade variabler finns säkert.

Självrapporterad näringsdata har inneboende fel. Även med AI-assisterad loggning är fel i portionsuppskattning på 10-20% typiska. Nutrolas fotigenkänning hjälper, men eliminerar inte detta.

Bärbara sömnpoäng är uppskattningar. Apple Watch och Whoop använder accelerometri, hjärtfrekvens och HRV för att härleda sömnkvalitet, men de är inte polysomnografi. Dessa poäng är användbara approximationer, inte kliniska mått.

Urvalsbias. Användare som konsekvent loggar måltider och bär sömntrackers är inte representativa för den allmänna befolkningen. De tenderar att vara mer hälsoinriktade, yngre och mer teknikengagerade. Våra fynd kanske inte generaliseras till alla befolkningar.

Ingen kontroll för träningstiming. Kvällsträning påverkar både aptit och sömn, och vi kontrollerade inte för det i denna analys.

Kulturella och kostmönster som störande faktorer. Användare från olika regioner äter olika typer av mat vid olika tider, och de kan också ha kulturellt påverkade sömnmönster. Vi separerade inte dessa effekter helt.

Praktiska middagsriktlinjer baserade på data

Baserat på de mönster vi observerade, här är vad en sömnoptimerad middag ser ut som i vår databas:

Parameter	Optimal intervall
Totala kalorier	500 - 900 kcal
Kolhydrater	60 - 150 g
Protein	30 - 60 g
Fett	15 - 50 g
Måltid-till-säng-gap	3 - 4 timmar
Alkohol	Ingen
Koffein efter kl. 14:00	Ingen

Bästa kvällsmat för sömnkvalitet (efter genomsnittlig sömnpoäng i vår data)

Mat	Genomsnittlig sömnpoäng vid inkludering	Frekvens i datasetet
Lax	75.2	623 nätter
Kalkon	75.8	487 nätter
Sötpotatis	74.6	534 nätter
Brunt ris	74.2	891 nätter
Grekisk yoghurt (kvällsmellanmål)	74.1	534 nätter
Ägg	73.4	912 nätter
Quinoa	73.8	312 nätter
Bananer (kvällsmellanmål)	73.1	278 nätter

Sämsta kvällsmat för sömnkvalitet (efter genomsnittlig sömnpoäng i vår data)

Mat	Genomsnittlig sömnpoäng vid inkludering	Frekvens i datasetet
Pizza (leverans/fryst)	64.3	876 nätter
Hamburgare (snabbmat)	63.8	534 nätter
Glass (stor portion 200g+)	65.1	412 nätter
Energidrycker (kväll)	59.4	187 nätter
Friterad kyckling	65.7	345 nätter
Chips / snacks (kvällsmellanmål)	66.2	567 nätter

Viktig försiktighet: dessa livsmedelskorrelationer bär alla de störande faktorer som nämnts ovan. Personer som äter snabbmatspizza till middag kan också gå till sängs senare, dricka mer alkohol eller ha mer stressiga dagar. Maten i sig kanske inte är den direkta orsaken till lägre sömnpoäng.

Hur Nutrola och integration med bärbara enheter möjliggör personlig insikt

Analysen i detta inlägg var möjlig eftersom Nutrola kopplar näringsdata med hälsodata från bärbara enheter. Men samma princip fungerar på individuell nivå.

När du loggar dina måltider i Nutrola och synkroniserar dina Apple Watch- eller Whoop-data kan appen lyfta fram mönster som är specifika för dig. Populationsgenomsnitt är intressanta, men din personliga respons på kvällens kolhydrater, din individuella känslighet för koffein, din egen optimala middags-timing — det är vad som verkligen spelar roll för att förbättra din sömn.

Nutrolas integration med Apple Health och Whoop innebär att dina måltidsdata finns tillsammans med dina sömndata, aktivitetsdata och återhämtningsmetrik på ett ställe. Över tid identifierar appen korrelationer i dina personliga data och lyfter fram dem som handlingsbara insikter. Du kanske upptäcker att din sömnpoäng sjunker varje gång du äter middag efter kl. 21, eller att högre proteinmiddagar på träningsdagar korrelerar med bättre återhämtningspoäng.

Denna typ av n-av-1-analys krävde tidigare ett kalkylblad och mycket tålamod. Nu sker det automatiskt.

Nutrola-planer börjar på endast 2,50 EUR per månad, utan annonser på alla nivåer. Funktionerna för bärbar synkronisering ingår, och är inte låsta bakom en högre betalvägg.

Slutsats

Över 10 000 nätter av matchade middag- och sömndata är mönstren konsekventa: måttliga kolhydrater (60-150g) och måttligt protein (30-60g) som äts 3-4 timmar före sänggående, utan alkohol och utan sent koffein, korrelerade med de högsta sömnkvalitetspoängen. Den starkaste enskilda prediktorn för dålig sömn var alkohol, och den starkaste positiva prediktorn var tidsfönstret mellan måltid och sänggående.

Dessa är korrelationer, inte recept. Din fysiologi, ditt schema och dina mål är unika. Men om du redan spårar din mat och bär en sömntracker, finns datan för att testa dessa mönster mot ditt eget liv redan. Du behöver bara koppla ihop punkterna.

Det är vad Nutrola skapades för att göra. Logga din middag ikväll, kolla din sömnpoäng imorgon bitti, och börja bygga din egen databas. Tio tusen nätter gav oss befolkningsnivåtrender. Några veckor av dina egna data kan ge dig något ännu mer värdefullt: personliga svar.