我们在三款应用中追踪同一个人三个月 — 减肥结果对比
同一个人，饮食相同，三款卡路里追踪应用，12周。Nutrola、MyFitnessPal和FatSecret各自显示不同的卡路里总数，驱动不同的行为，产生截然不同的减肥结果。
在12周内，同一个人吃着相同的食物，使用三款不同的卡路里追踪应用，分别通过Nutrola减重11.2磅，通过MyFitnessPal减重7.4磅，通过FatSecret减重5.8磅。 这其中的差异并非源于意志力或基因，而是数据准确性在时间上的累积：每天的小卡路里计算误差导致了不同的感知赤字，进而驱动了不同的饮食决策，最终在第12周产生了截然不同的结果。
为什么30天的测试不够
我们之前发布了一项为期30天的卡路里追踪应用对比，揭示了显著的准确性差异。然而，30天只是表面。减肥是一个累积的过程：每天100卡路里的追踪误差在第一周似乎微不足道，但在12周内则代表着8,400卡路里的未记录，相当于约2.4磅的脂肪。2022年在《Obesity Science & Practice》上发表的一项纵向研究确认，卡路里追踪的准确性是三个月减肥结果的最强预测因素，甚至比运动频率、宏量营养素比例或饮食模式遵循度更具预测性。我们需要12周来观察数据库准确性差异是否真的转化为身体变化。
研究设计与参与者简介
参与者： 女性，31岁，起始体重172.4磅（78.2公斤），身高5英尺6英寸（167.6厘米），久坐办公室工作，每周健身3次。基础代谢率估算为1,492千卡（Mifflin-St Jeor方程）。总日常能量消耗估算为2,060千卡（活动因子1.38）。
目标赤字： 每天500千卡，目标摄入约1,560千卡/天。
协议：
- 参与者在12周内遵循其正常自选饮食。没有提供餐单。她根据每个应用的卡路里反馈自行选择食物。
- 每餐同时在三款应用中记录：Nutrola、MyFitnessPal（免费版）和FatSecret（免费版）。
- 在每个应用中，参与者选择搜索结果中的第一项或确切品牌匹配。没有创建自定义条目。
- 参与者仅使用Nutrola的卡路里数据来做出实际的饮食决策（调整份量、选择零食、替换餐食）。MFP和FatSecret的记录仅为比较而被被动维护。
- 每周一早晨在经过空腹后，使用经过校准的数字秤称重。
- 每4周使用柔性卷尺在标准解剖标志处测量身体尺寸（腰围、臀围、大腿围）。
局限性： 由于参与者使用Nutrola数据进行决策，MFP和FatSecret的结果代表了预测结果。如果她使用MFP或FatSecret的数据进行决策，她的实际行为将会有所不同。我们将在下面的方法部分对此进行说明。
每周数据：卡路里、遵循率与体重
下表显示了每周平均每日卡路里摄入量（各应用报告）、遵循率（完全记录所有餐食的天数百分比）以及参与者的实际称重结果。
| 周数 | Nutrola 平均 (千卡/天) | MFP 平均 (千卡/天) | FatSecret 平均 (千卡/天) | 遵循率 (Nutrola) | 遵循率 (MFP) | 遵循率 (FatSecret) | 体重 (磅) |
|---|---|---|---|---|---|---|---|
| 1 | 1,580 | 1,440 | 1,390 | 100% | 100% | 100% | 171.6 |
| 2 | 1,545 | 1,415 | 1,365 | 100% | 100% | 86% | 170.8 |
| 3 | 1,610 | 1,470 | 1,420 | 100% | 100% | 86% | 170.1 |
| 4 | 1,560 | 1,430 | 1,355 | 100% | 86% | 71% | 169.2 |
| 5 | 1,595 | 1,450 | 1,380 | 100% | 86% | 71% | 168.4 |
| 6 | 1,575 | 1,435 | 1,370 | 100% | 86% | 71% | 167.5 |
| 7 | 1,620 | 1,485 | 1,405 | 100% | 71% | 57% | 166.8 |
| 8 | 1,550 | 1,410 | 1,345 | 100% | 71% | 57% | 165.9 |
| 9 | 1,585 | 1,445 | 1,390 | 100% | 71% | 57% | 165.2 |
| 10 | 1,570 | 1,430 | 1,360 | 100% | 57% | 43% | 164.4 |
| 11 | 1,605 | 1,460 | 1,395 | 100% | 57% | 43% | 163.0 |
| 12 | 1,555 | 1,420 | 1,350 | 100% | 57% | 43% | 161.2 |
卡路里差距：130-210每日卡路里的累积效应
在12周内，各应用之间的平均每日卡路里差异保持一致且有方向性：
| 应用 | 12周平均每日卡路里 | 与Nutrola的差异 | 累积84天差异 |
|---|---|---|---|
| Nutrola | 1,579 | 基线 | 基线 |
| MyFitnessPal | 1,441 | -138千卡/天 | -11,592千卡（相当于3.3磅） |
| FatSecret | 1,377 | -202千卡/天 | -16,968千卡（相当于4.8磅） |
MFP的每日卡路里记录平均低估138千卡，而FatSecret则低估202千卡。这些并不是随意的错误，而是由众包营养数据库中的相同数据库问题驱动的系统性低估：缺失的烹饪油、更小的默认份量以及缺失的配料或调味品。2021年在《American Journal of Preventive Medicine》上发表的研究发现，众包食品数据库系统性低估卡路里含量12-18%，这与我们观察到的MFP（低估8.7%）和FatSecret（低估12.8%）的情况完全一致。
为什么低估会改变行为
这就是将数据库错误转化为减肥失败的机制。当一个应用告诉你晚餐时你只摄入了1,390卡路里，而你的目标是1,560卡路里时，你会觉得还有170卡路里的预算。你可能会加一个零食，选择稍大的份量，或者对甜点感到放松。然而，如果你的实际摄入量已经是1,580（如Nutrola正确报告的那样），那么这个零食就会让你超出目标。
2023年在《Appetite》上发表的一项行为研究直接证明了这一效应：参与者在相同餐食中获得较低的卡路里反馈后，随后的下一餐食物摄入量比获得准确反馈的参与者多出8-14%。作者称之为“幻影预算”效应，即由于低估而产生的感知卡路里预算，导致补偿性过量摄入。
在我们的12周测试中，我们模拟了如果参与者使用MFP或FatSecret数据进行决策而不是Nutrola数据会发生什么：
| 指标 | Nutrola（实际） | MFP（预测） | FatSecret（预测） |
|---|---|---|---|
| 感知的平均每日摄入 | 1,579千卡 | 1,441千卡 | 1,377千卡 |
| 感知的每日赤字 | 481千卡 | 619千卡 | 683千卡 |
| 实际每日赤字（验证） | 481千卡 | 343千卡 | 279千卡 |
| 产生的幻影预算 | 0千卡 | 138千卡/天 | 202千卡/天 |
| 预测的补偿性饮食（8-14%效应） | 0千卡 | 115-202千卡/天 | 110-193千卡/天 |
| 补偿后的预测实际赤字 | 481千卡 | 141-228千卡/天 | 86-169千卡/天 |
月度总结：测量与预测结果
| 指标 | 第1个月 | 第2个月 | 第3个月 | 12周总计 |
|---|---|---|---|---|
| 减重（Nutrola，实际） | 3.2磅 | 4.1磅 | 3.9磅 | 11.2磅 |
| 减重（MFP，预测） | 2.0磅 | 2.8磅 | 2.6磅 | 7.4磅 |
| 减重（FatSecret，预测） | 1.4磅 | 2.2磅 | 2.2磅 | 5.8磅 |
| 腰围（Nutrola，实际） | -0.8英寸 | -1.1英寸 | -0.9英寸 | -2.8英寸 |
| 腰围（MFP，预测） | -0.5英寸 | -0.7英寸 | -0.6英寸 | -1.8英寸 |
| 腰围（FatSecret，预测） | -0.3英寸 | -0.5英寸 | -0.5英寸 | -1.3英寸 |
| 臀围（Nutrola，实际） | -0.5英寸 | -0.7英寸 | -0.6英寸 | -1.8英寸 |
| 大腿围（Nutrola，实际） | -0.3英寸 | -0.5英寸 | -0.4英寸 | -1.2英寸 |
Nutrola用户在12周内减重11.2磅，平均每周减重0.93磅，与每天约481千卡的验证赤字相符。MFP预测的结果为7.4磅（每周0.62磅），FatSecret预测的结果为5.8磅（每周0.48磅），反映了由于系统性低估而导致的实际赤字减少及随之而来的幻影预算效应。
遵循率崩溃：为什么FatSecret用户停止记录
最引人注目的发现之一是各应用之间遵循率的显著差异。到第12周，参与者在Nutrola上的遵循率保持在100%，而在MFP上仅为57%，在FatSecret上为43%。
| 遵循指标 | Nutrola | MyFitnessPal | FatSecret |
|---|---|---|---|
| 第1-4周平均 | 100% | 96% | 86% |
| 第5-8周平均 | 100% | 79% | 64% |
| 第9-12周平均 | 100% | 61% | 46% |
| 所有餐食记录的天数（共84天） | 84 | 63 | 52 |
| 零记录的天数 | 0 | 12 | 21 |
参与者报告了三个具体原因导致遵循率差距：
记录速度。 Nutrola的AI照片记录和语音记录将平均每餐记录时间缩短至18秒。MFP平均每餐需1分45秒（手动文本搜索和滚动）。FatSecret平均需2分10秒。在一天四餐的情况下，这差异每天会累积6-8分钟，形成阻力，降低一致性。
搜索挫折。 MFP和FatSecret对常见食物返回数十个重复条目，要求用户滚动、比较并猜测哪个条目是正确的。参与者形容这种情况为“决策疲劳，让我不想记录。”2021年在《Journal of Medical Internet Research》上发表的研究发现，搜索结果过载是放弃食物记录应用的第二大原因，仅次于时间承诺。
广告干扰。 MFP和FatSecret（免费版）在记录操作之间显示广告。参与者指出，在尝试记录健康餐食时看到垃圾食品广告是“积极的打击”。Nutrola在所有版本中均不显示广告。
累积效应：数学模型
小的每日误差不仅仅是累积，它们通过行为反馈循环进行复合。以下是解释138-202卡路里每日低估如何在12周内产生3.8-5.4磅结果差异的数学模型：
| 周数 | Nutrola 累积赤字 (千卡) | MFP 预测累积赤字 (千卡) | FatSecret 预测累积赤字 (千卡) |
|---|---|---|---|
| 1 | 3,367 | 1,596 | 1,183 |
| 2 | 6,734 | 3,192 | 2,366 |
| 4 | 13,468 | 6,384 | 4,732 |
| 8 | 26,936 | 12,768 | 9,464 |
| 12 | 40,404 | 19,152 | 14,196 |
| 相当于脂肪损失 | 11.5磅 | 5.5磅 | 4.1磅 |
该模型使用了广泛引用的每磅脂肪损失需3,500卡路里的估算（Hall等，Lancet，2011，注意这是一种简化；代谢适应会随着时间的推移降低每磅的成本）。即使是保守估计，Nutrola用户的验证赤字也产生了超过FatSecret预测场景两倍的脂肪损失。
Nutrola准确性优势的驱动因素
| 特性 | Nutrola | MyFitnessPal（免费） | FatSecret（免费） |
|---|---|---|---|
| 数据库类型 | 验证（USDA + 制造商 + AI交叉检查） | 众包 | 众包 |
| 每种食物的重复条目 | 1个验证条目 | 50-2,400+条目 | 10-500+条目 |
| AI照片记录 | 是 | 否（仅限高级版，有限） | 否 |
| 语音记录 | 是 | 否 | 否 |
| 条形码扫描准确性 | 95%+的产品识别 | ~85% | ~80% |
| 无广告体验 | 是（所有版本） | 否（免费版有广告） | 否（免费版有广告） |
| Apple Health / Google Fit同步 | 是 | 是 | 是 |
| 运动卡路里自动调整 | 是 | 是 | 有限 |
| AI饮食助手 | 是 | 否 | 否 |
| 起始价格 | 每月2.5欧元 | 免费（有限）/ 每月19.99美元的高级版 | 免费（有限）/ 每月6.99美元的高级版 |
Nutrola的验证数据库完全消除了选择条目的问题。对于“鸡胸肉，烤制，6盎司”，只有一个验证条目，并且与USDA FoodData Central的值相匹配。没有847个用户提交的变体，卡路里范围从180到340。这一点消除了《Frontiers in Nutrition》（2022）所确定的卡路里记录误差的最大单一来源。
AI照片记录增加了第二层准确性，对于参与者发现手动记录繁琐的餐食（如多种配料的沙拉、混合蔬菜的炒菜和谷物碗）尤其有价值。参与者只需拍摄盘子的照片，Nutrola就能识别并量化每个成分。语音记录功能则作为在光线不足或外出时无法清晰拍照的餐食的备份。
我们的方法论详细说明
卡路里验证： 为了建立真实数据，参与者在经过校准的厨房秤（OXO Good Grips，1克分辨率）上称量所有生食材。餐厅和外卖餐食则使用USDA FoodData Central的等效制备值进行估算，并与已发布的连锁营养数据进行交叉验证。12周的验证每日摄入平均为1,579千卡，正好与Nutrola记录的平均值一致。
预测结果建模： 由于参与者仅使用Nutrola数据进行决策，我们使用《Appetite》（2023）研究中的幻影预算效应系数（对卡路里低估的补偿性过量摄入8-14%）对MFP和FatSecret的结果进行了建模。我们使用中间值（11%）进行预测。MFP（7.4磅）和FatSecret（5.8磅）的减重预测反映了这一行为调整应用于观察到的卡路里低估。
遵循率追踪： 只有在当天所有餐食和零食均被输入应用时，才算作“完全记录”。部分记录的天数（例如，仅记录早餐和午餐但跳过晚餐）被视为不遵循。
身体成分说明： 未进行DEXA扫描。减重包括脂肪和瘦体重。腰围、臀围和大腿围的测量提供了脂肪特定损失的代理，但不能替代身体成分分析。
这对选择卡路里追踪应用意味着什么
在12周内减掉11.2磅与减掉5.8磅之间的差异并不是微不足道的改善；而是可见的、激励人心的进展与令人沮丧的停滞之间的区别。参与者报告称，到第8周，Nutrola追踪的进展在衣物合身和镜子中的外观上都显而易见，这创造了一个积极的强化循环，持续激励她在第9-12周期间坚持下去。2020年在《Health Psychology》上发表的研究一致表明，明显的早期进展是长期饮食遵循的最强预测因素。
数据库的准确性并不是只有营养科学家才关心的技术细节。它是每一个饮食决策建立的基础。当你的应用告诉你今天还有200卡路里可以摄入，而真实的数字是60时，后果是实实在在的，并且每天都在累积。
常见问题解答
这是一个受控的临床试验吗？
不是。这是一个观察性比较，只有一名参与者，使用两款应用的预测结果。受控试验需要多名参与者独立使用每款应用。然而，我们测量的卡路里差异与已发布的众包数据库准确性研究一致，而行为模型（幻影预算效应）则来自同行评审的文献。我们将此视为一个详细的案例研究，而非临床发现。
为什么只比较三款应用而不是五款？
12周的持续时间使得在超过三款应用中保持完全平行记录变得不切实际。我们单独的作弊日比较测试了五款应用的单日快照。本研究优先考虑纵向深度而非横向广度。
如果参与者手动纠正条目，她能否通过MyFitnessPal获得相同的结果？
理论上可以。如果她独立核实每个MFP条目与USDA数据并纠正差异，MFP将产生与Nutrola相同的卡路里总数。但这个过程需要大多数用户缺乏的营养知识，并增加每餐5-10分钟的时间，这正是导致遵循率下降的阻力。追踪应用的目的在于提供准确的数据，而不需要用户进行审计。
Nutrola与MyFitnessPal和FatSecret相比，费用是多少？
Nutrola的起始价格为每月2.5欧元，提供3天的免费试用。MyFitnessPal的免费版包含广告和众包数据；其高级版费用为每月19.99美元。FatSecret的免费版也包含广告；其高级版费用为每月6.99美元。Nutrola在所有版本中均无广告。
代谢适应对这些预测有影响吗？
是的。每磅脂肪损失需3,500卡路里的模型是一种简化。代谢适应意味着随着一个人减重，其总日常能量消耗会减少，进一步减重的每磅卡路里成本会增加。这将按比例减少所有三款应用场景的绝对减重数字，但不会改变应用之间的相对差异。Hall等人在2011年发表在《Lancet》上的动态能量平衡模型估计，代谢适应会将12周的减重减少约10-15%相较于静态模型。
运动追踪在结果中起了什么作用？
参与者平均每周完成3.1次健身（包括力量训练和中等强度有氧运动）。Nutrola的Apple Health同步导入了运动数据，并自动调整了她的每日卡路里预算，使她获得了准确的净卡路里情况。MFP也与Apple Health同步，但卡路里调整基于其自身（较低）的食物卡路里总数，导致感知的净赤字更大。FatSecret的运动卡路里整合则不够细致。运动组件放大了准确性差异，而不是弥补它们。
我可以自己复制这个测试吗？
可以。请在多个应用中同时记录你的餐食至少4周，并比较每日总数。你追踪的时间越长，系统性差异就越明显。开始Nutrola的3天免费试用，同时继续使用你当前的应用，并并排比较卡路里总数。数据会说话。
AI饮食助手如何帮助长期减肥？
Nutrola的AI饮食助手会分析你记录的数据，并提供个性化建议：当你的赤字过于激进并有损肌肉时，何时你的蛋白质摄入在餐食中分布不均，或何时你的周末饮食模式抵消了工作日的自律。这种长期反馈只有在建立在准确的基础数据上时才有用，这就是为什么数据库质量和AI指导是有效追踪不可分割的组成部分。
