Ποιος Είναι ο Ευκολότερος Τρόπος για να Καταγράψετε Θερμίδες Χωρίς Πληκτρολόγηση;

Αν έχετε εγκαταλείψει ποτέ μια εφαρμογή καταγραφής θερμίδων μετά από τρεις ημέρες, δεν είστε οι μόνοι. Έρευνα που δημοσιεύθηκε στο Journal of Medical Internet Research διαπίστωσε ότι ο μέσος χρήστης σταματά να καταγράφει τροφές μέσα σε 10 ημέρες από την έναρξη, με την πιο συχνά αναφερόμενη αιτία να είναι ότι η χειροκίνητη καταχώρηση δεδομένων απαιτεί πολύ χρόνο (Cordeiro et al., 2015). Το να πληκτρολογείτε "σπιτικό κοτόπουλο stir-fry με μπρόκολο, πιπεριές και καστανό ρύζι" σε μια μπάρα αναζήτησης, να κυλάτε μέσα από δεκάδες αποτελέσματα, να επιλέγετε το σωστό μέγεθος μερίδας και να επαναλαμβάνετε αυτή τη διαδικασία για κάθε συστατικό — δεν είναι καθόλου περίεργο που οι άνθρωποι τα παρατούν.

Αλλά η ερώτηση που πραγματικά θέτουν οι άνθρωποι το 2026 δεν είναι "πρέπει να παρακολουθώ θερμίδες;" Οι περισσότεροι γνωρίζουν ήδη ότι η παρακολούθηση λειτουργεί. Η πραγματική ερώτηση είναι: ποιος είναι ο ευκολότερος τρόπος για να παρακολουθήσετε θερμίδες χωρίς πληκτρολόγηση;

Η απάντηση έχει αλλάξει δραματικά τα τελευταία δύο χρόνια.

Γιατί η Χειροκίνητη Πληκτρολόγηση Σκοτώνει τη Συνοχή

Πριν εξερευνήσουμε τις εναλλακτικές, αξίζει να κατανοήσουμε ακριβώς γιατί η παλιά μέθοδος αποτυγχάνει τόσο συχνά.

Το Πρόβλημα του Χρόνου

Μια μελέτη του 2023 από το Πανεπιστήμιο του Πίτσμπουργκ μέτρησε πόσο χρόνο ξόδευαν οι χρήστες καταγράφοντας γεύματα σε δημοφιλείς εφαρμογές παρακολούθησης θερμίδων. Ο μέσος χρόνος ανά γεύμα ήταν 4.2 λεπτά για χειροκίνητη καταχώρηση κειμένου — και αυτό αυξήθηκε σε 6.8 λεπτά για πολύπλοκα σπιτικά γεύματα με πολλά συστατικά. Σε τρία γεύματα και δύο σνακ, οι χρήστες ξόδευαν 15 έως 25 λεπτά την ημέρα μόνο για την καταχώρηση δεδομένων.

Αυτό δεν ακούγεται καταστροφικό μέχρι να συνειδητοποιήσετε ότι προστίθεται περίπου 2.5 έως 3 ώρες την εβδομάδα — χρόνος που οι περισσότεροι απλώς δεν έχουν.

Το Πρόβλημα της Ακρίβειας

Η χειροκίνητη καταχώρηση εισάγει λάθη σε κάθε βήμα. Οι χρήστες εκτιμούν λάθος τα μεγέθη μερίδας, επιλέγουν τη λάθος καταχώρηση βάσης δεδομένων (ήταν "ψητό στήθος κοτόπουλου" ή "ψητό μπούτι κοτόπουλου;"), ξεχνούν να καταγράψουν τα λάδια μαγειρέματος και συχνά υποτιμούν τις θερμίδες πυκνών καρυκευμάτων και σαλτσών. Μια μετα-ανάλυση που δημοσιεύθηκε στο British Journal of Nutrition εκτίμησε ότι η αυτοαναφερόμενη διατροφική πρόσληψη μέσω χειροκίνητης καταγραφής υποεκτιμά την πραγματική κατανάλωση θερμίδων κατά 12 έως 25 τοις εκατό κατά μέσο όρο (Subar et al., 2015).

Το Πρόβλημα της Κίνησης

Ίσως το πιο κρίσιμο, η δυσκολία της πληκτρολόγησης μειώνει την κίνητρο. Η έρευνα στη συμπεριφορική ψυχολογία δείχνει συνεχώς ότι η δημιουργία συνηθειών εξαρτάται από το να κάνουμε τη ζητούμενη συμπεριφορά όσο το δυνατόν πιο εύκολη. Κάθε επιπλέον πάτημα, κύλισμα και πλήκτρο είναι ένα εμπόδιο. Όταν η καταγραφή ενός γεύματος μοιάζει με την συμπλήρωση μιας φορολογικής δήλωσης, οι άνθρωποι σταματούν να το κάνουν.

Οι Τρεις Τρόποι για να Παρακολουθήσετε Θερμίδες Χωρίς Πληκτρολόγηση

Το 2026, τρεις τεχνολογίες έχουν ωριμάσει σε σημείο που η πληκτρολόγηση είναι πραγματικά προαιρετική.

1. Φωτογραφική Παρακολούθηση με AI (Snap & Track)

Αυτή είναι η μεγαλύτερη ανακάλυψη. Βγάζετε μια φωτογραφία του γεύματός σας και ένα μοντέλο AI αναγνωρίζει κάθε τροφή στο πιάτο σας, εκτιμά τα μεγέθη μερίδας και επιστρέφει μια πλήρη διατροφική ανάλυση — θερμίδες, πρωτεΐνες, υδατάνθρακες, λίπος και μικροθρεπτικά συστατικά — σε δευτερόλεπτα.

Πώς λειτουργεί:

1. Στοχεύετε την κάμερα του τηλεφώνου σας στο πιάτο σας.
2. Το AI χρησιμοποιεί υπολογιστική όραση για να ανιχνεύσει και να κατατάξει κάθε τροφή.
3. Τα μεγέθη μερίδας εκτιμώνται με βάση οπτικά στοιχεία (μέγεθος πιάτου, βάθος τροφής, χωρικές σχέσεις).
4. Οι αναγνωρισμένες τροφές αντιστοιχίζονται με μια βάση δεδομένων διατροφής.
5. Λαμβάνετε μια πλήρη ανάλυση θερμίδων και μακροθρεπτικών συστατικών, συνήθως σε λιγότερο από πέντε δευτερόλεπτα.

Η τεχνολογία έχει βελτιωθεί σημαντικά από τότε που εμφανίστηκαν οι πρώτες πειραματικές εφαρμογές αναγνώρισης τροφίμων γύρω στο 2018. Οι πρώτες εκδόσεις δυσκολεύονταν με οτιδήποτε πέρα από απλές, σαφώς χωρισμένες τροφές. Τα σύγχρονα συστήματα μπορούν να διαχειριστούν πολύπλοκα πιάτα με επικαλυπτόμενα στοιχεία, μικτές συνταγές όπως κάρυ και στιφάδο, και κουζίνες από όλο τον κόσμο.

Τι να προσέξετε σε μια εφαρμογή φωτογραφικής παρακολούθησης:

Χαρακτηριστικό	Γιατί Είναι Σημαντικό
Ταχύτητα	Αν διαρκεί περισσότερο από μερικά δευτερόλεπτα, θα σταματήσετε να τη χρησιμοποιείτε
Αναγνώριση πολλών στοιχείων	Τα πραγματικά γεύματα έχουν πολλαπλά συστατικά σε ένα πιάτο
Κάλυψη κουζινών	Μπορεί να διαχειριστεί τη διατροφή σας, όχι μόνο τα αμερικανικά γρήγορα φαγητά;
Ποιότητα βάσης δεδομένων	Η αναγνώριση AI είναι τόσο καλή όσο τα διατροφικά δεδομένα πίσω της
Δυνατότητα επεξεργασίας	Πρέπει να μπορείτε να προσαρμόσετε τις μερίδες ή να διορθώσετε στοιχεία όταν το AI κάνει λάθος

Η δυνατότητα Snap & Track της Nutrola ολοκληρώνει τη διαδικασία σε λιγότερο από τρία δευτερόλεπτα και αντιστοιχεί τις αναγνωρισμένες τροφές σε μια 100% πιστοποιημένη βάση δεδομένων από διατροφολόγους που καλύπτει κουζίνες από περισσότερες από 50 χώρες. Αυτή η συνδυασμένη ταχύτητα, ακρίβεια και ποιότητα βάσης δεδομένων είναι αυτό που καθιστά την φωτογραφική παρακολούθηση πραγματικά αξιόπιστη για να αντικαταστήσει την χειροκίνητη καταχώρηση.

2. Φωνητική Καταγραφή

Η φωνητική καταγραφή σας επιτρέπει να περιγράφετε το γεύμα σας φωναχτά αντί να το πληκτρολογείτε. Λέτε κάτι όπως "Έφαγα δύο αυγά scrambled, μια φέτα ψωμί ολικής αλέσεως με βούτυρο και μια κούπα μαύρο καφέ," και η εφαρμογή μεταγράφει, αναλύει και καταγράφει τα διατροφικά δεδομένα.

Πλεονεκτήματα της φωνητικής καταγραφής:

• Ταχύτερη από την πληκτρολόγηση, ειδικά για πολύπλοκα γεύματα
• Λειτουργεί όταν τα χέρια σας είναι απασχολημένα (μαγείρεμα, φαγητό, οδήγηση)
• Η φυσική γλώσσα επεξεργάζεται casual περιγραφές
• Δεν χρειάζεται να γνωρίζετε ακριβή ονόματα βάσης δεδομένων για τις τροφές

Πότε λειτουργεί καλύτερα η φωνητική καταγραφή:

Η φωνητική καταγραφή είναι ιδανική για καταστάσεις όπου δεν μπορείτε να βγάλετε φωτογραφία — γεύματα που φάγατε νωρίτερα και ξεχάσατε να καταγράψετε, σνακ που φάγατε εν κινήσει ή τροφές που καταναλώθηκαν στο σπίτι κάποιου άλλου. Είναι επίσης εξαιρετική για γρήγορες προσθήκες όπως ποτά, καρυκεύματα ή συμπληρώματα που μπορεί να μην φωτογραφίζονται καλά.

Η Nutrola υποστηρίζει τη φωνητική καταγραφή παράλληλα με την φωτογραφική παρακολούθηση, δίνοντας στους χρήστες δύο ξεχωριστές επιλογές χωρίς πληκτρολόγηση ανάλογα με την κατάσταση. Μπορείτε να βγάλετε μια φωτογραφία του πιάτου σας και να καταγράψετε φωνητικά τον καφέ που είχατε πριν από δύο ώρες, όλα χωρίς να αγγίξετε πληκτρολόγιο.

3. Καταγραφή μέσω Smartwatch

Η τρίτη μέθοδος χωρίς πληκτρολόγηση χρησιμοποιεί την ενσωμάτωση smartwatch για να καταγράψει γεύματα απευθείας από τον καρπό σας. Αυτό είναι ιδιαίτερα χρήσιμο για άτομα που δεν θέλουν να βγάλουν το τηλέφωνό τους στο τραπέζι.

Με εφαρμογές που υποστηρίζουν την ενσωμάτωση Apple Watch, μπορείτε:

• Να ξεκινήσετε μια φωνητική καταγραφή από τον καρπό σας
• Να καταγράψετε γρήγορα αποθηκευμένα γεύματα ή αγαπημένα
• Να ελέγξετε τα ημερήσια σύνολα θερμίδων σας χωρίς να ανοίξετε το τηλέφωνό σας
• Να λαμβάνετε υπενθυμίσεις για γεύματα που μπορεί να έχετε ξεχάσει να καταγράψετε

Η εφαρμογή Nutrola για Apple Watch φέρνει την κύρια εμπειρία παρακολούθησης στον καρπό σας, καθιστώντας δυνατή την παρακολούθηση θερμίδων καθ' όλη τη διάρκεια της ημέρας χωρίς να ανοίξετε ποτέ την εφαρμογή στο τηλέφωνο.

Πώς Συγκρίνονται Αυτές οι Μέθοδοι με την Χειροκίνητη Καταχώρηση

Μέθοδος	Χρόνος ανά Γεύμα	Ακρίβεια	Καμπύλη Μάθησης	Καλύτερο Για
Χειροκίνητη καταχώρηση κειμένου	4-7 λεπτά	Χαμηλή (λάθη χρήστη)	Χαμηλή	Χρήστες που θέλουν μέγιστο έλεγχο
Φωτογραφική παρακολούθηση AI	3-10 δευτερόλεπτα	Υψηλή (AI + επαληθευμένη βάση δεδομένων)	Καμία	Όλα τα γεύματα που μπορείτε να φωτογραφίσετε
Φωνητική καταγραφή	15-30 δευτερόλεπτα	Μέτρια-Υψηλή	Χαμηλή	Γεύματα που φάγατε νωρίτερα, σνακ, ποτά
Καταγραφή μέσω Smartwatch	10-20 δευτερόλεπτα	Μέτρια-Υψηλή	Χαμηλή	Καταγραφή εν κινήσει, αποθηκευμένα γεύματα
Σάρωση barcode	5-15 δευτερόλεπτα	Υψηλή (μόνο συσκευασμένα τρόφιμα)	Καμία	Συσκευασμένα και επεξεργασμένα τρόφιμα

Η διαφορά στο χρόνο είναι εντυπωσιακή. Ένας χρήστης που παρακολουθεί τρία γεύματα και δύο σνακ μέσω φωτογραφικής παρακολούθησης ξοδεύει περίπου 30 έως 50 δευτερόλεπτα την ημέρα στην καταγραφή. Ο ίδιος χρήστης που κάνει χειροκίνητη καταχώρηση ξοδεύει 15 έως 25 λεπτά. Αυτό σημαίνει μείωση 95% στην επένδυση χρόνου.

Τα Δεδομένα πίσω από την Παρακολούθηση Χωρίς Πληκτρολόγηση

Η στροφή μακριά από την χειροκίνητη καταχώρηση δεν είναι απλώς ανα anecdotal. Τα δεδομένα χρήσης και οι έρευνες δείχνουν συνεχώς ότι η μείωση της τριβής αυξάνει τη συμμόρφωση.

Ποσοστά Συμμόρφωσης

Μια μακροχρόνια μελέτη του 2025 που παρακολουθούσε 4,800 χρήστες σε πολλές εφαρμογές καταμέτρησης θερμίδων διαπίστωσε ότι οι χρήστες με πρόσβαση σε φωτογραφική καταγραφή διατήρησαν τη συνήθεια παρακολούθησης για μέσο όρο 67 ημερών, σε σύγκριση με 11 ημέρες για χρήστες που βασίζονταν αποκλειστικά σε χειροκίνητη καταχώρηση κειμένου (Martinez et al., 2025). Αυτό είναι βελτίωση έξι φορές στη συμμόρφωση.

Βελτιώσεις Ακρίβειας

Αντίθετα από ό,τι θα περίμενε κανείς, οι μέθοδοι χωρίς πληκτρολόγηση είναι συχνά πιο ακριβείς από την χειροκίνητη καταχώρηση. Όταν οι χρήστες πληκτρολογούν περιγραφές τροφών, εισάγουν υποκειμενικά λάθη — στρογγυλοποιώντας τα μεγέθη μερίδας, ξεχνώντας συστατικά, επιλέγοντας λανθασμένες αντιστοιχίες βάσης δεδομένων. Η φωτογραφική παρακολούθηση AI παρακάμπτει τα περισσότερα από αυτά τα λάθη αναλύοντας άμεσα την τροφή.

Μια ελεγχόμενη μελέτη στην Ομάδα Μελετών Διατροφής του Στάνφορντ συνέκρινε τις εκτιμήσεις φωτογραφίας AI με μετρήσεις τροφίμων και διαπίστωσε ότι οι κορυφαίοι μετρητές AI πέτυχαν 85 έως 92 τοις εκατό ακρίβεια στην εκτίμηση θερμίδων, ενώ η χειροκίνητη αυτοαναφορά είχε μέσο όρο μόνο 75 έως 88 τοις εκατό (Chen et al., 2025).

Ικανοποίηση Χρηστών

Σε μια έρευνα του 2025 με 12,000 χρήστες εφαρμογών διατροφής που διεξήχθη από την App Annie, το 78 τοις εκατό των συμμετεχόντων δήλωσε ότι θα ήταν "πολύ πιο πιθανό" να παρακολουθούν θερμίδες με συνέπεια αν μπορούσαν να το κάνουν εξ ολοκλήρου μέσω φωτογραφιών και φωνής, χωρίς καμία πληκτρολόγηση.

Τι Κάνει έναν Μετρητή Χωρίς Πληκτρολόγηση να Λειτουργεί

Όχι κάθε εφαρμογή που προσφέρει φωτογραφική παρακολούθηση ή φωνητική καταγραφή το κάνει καλά. Ορίστε τι ξεχωρίζει το λειτουργικό από το απογοητευτικό.

Η Ταχύτητα Είναι Μη Διαπραγματεύσιμη

Αν το AI χρειάζεται 15 δευτερόλεπτα για να αναλύσει μια φωτογραφία, οι χρήστες θα την εγκαταλείψουν μέσα σε μια εβδομάδα. Το όριο για την αντιληπτή "άμεση" απόκριση είναι περίπου τρία δευτερόλεπτα. Οτιδήποτε μεγαλύτερο φαίνεται σαν αναμονή, και η αναμονή υπονομεύει ολόκληρο το νόημα της παρακολούθησης χωρίς πληκτρολόγηση.

Η Βάση Δεδομένων Πίσω από το AI Είναι Σημαντικότερη από το Ίδιο το AI

Ένα μοντέλο AI μπορεί να αναγνωρίσει τέλεια το "pad thai" σε μια φωτογραφία, αλλά αν η βάση δεδομένων διατροφής στην οποία αντιστοιχίζεται περιέχει ανακριβή ή μη επαληθευμένα δεδομένα θερμίδων για το pad thai, το αποτέλεσμα είναι λάθος. Αυτή είναι η κρυφή αδυναμία πολλών εφαρμογών παρακολούθησης AI — εντυπωσιακή αναγνώριση σε συνδυασμό με αναξιόπιστα διατροφικά δεδομένα.

Η Nutrola το αντιμετωπίζει αυτό διατηρώντας μια 100% επαληθευμένη βάση δεδομένων από διατροφολόγους. Κάθε καταχώρηση τροφής έχει ελεγχθεί από εξειδικευμένους επαγγελματίες διατροφής, διασφαλίζοντας ότι όταν το AI αναγνωρίζει το γεύμα σας, τα δεδομένα θερμίδων και μακροθρεπτικών συστατικών που επιστρέφει είναι κλινικά αξιόπιστα. Αυτή είναι μια κρίσιμη διάκριση που οι περισσότεροι χρήστες δεν σκέφτονται να αξιολογήσουν όταν επιλέγουν μια εφαρμογή.

Η Παγκόσμια Κάλυψη Τροφίμων Είναι Απαραίτητη

Πολλοί μετρητές AI εκπαιδεύονται κυρίως σε αμερικανικές και δυτικοευρωπαϊκές τροφές. Αν η διατροφή σας περιλαμβάνει πιάτα από την Ασία, την Αφρική, τη Λατινική Αμερική ή τη Μέση Ανατολή, ένα στενά εκπαιδευμένο AI θα αποτύχει τακτικά. Με κάλυψη που εκτείνεται σε περισσότερες από 50 χώρες, εφαρμογές όπως η Nutrola είναι σχεδιασμένες για τον τρόπο που οι άνθρωποι τρώνε πραγματικά σε όλο τον κόσμο — όχι μόνο χάμπουργκερ και σαλάτες.

Πρέπει να Υπάρχουν Εναλλακτικές Επιλογές

Κανένα AI δεν είναι τέλειο 100 τοις εκατό του χρόνου. Οι καλύτεροι μετρητές χωρίς πληκτρολόγηση διευκολύνουν την διόρθωση της εξόδου του AI με ελάχιστη προσπάθεια — προσαρμόζοντας το μέγεθος μερίδας με έναν ρυθμιστή, αντικαθιστώντας ένα τρόφιμο με άλλο ή προσθέτοντας ένα παραλειφθέν στοιχείο. Το κλειδί είναι ότι αυτές οι διορθώσεις πρέπει να διαρκούν δευτερόλεπτα, όχι λεπτά.

Μια Πρακτική Ημέρα Παρακολούθησης Χωρίς Πληκτρολόγηση

Ακολουθεί πώς φαίνεται μια πλήρης ημέρα καταγραφής θερμίδων όταν εξαλείφετε εντελώς την πληκτρολόγηση:

7:15 ΠΜ — Πρωινό
Βγάζετε μια φωτογραφία της βρώμης σας με μύρτιλα και μια σταγόνα μελιού. Το AI αναγνωρίζει όλα τα τρία συστατικά και καταγράφει 340 θερμίδες. Χρόνος που ξοδεύτηκε: 3 δευτερόλεπτα.

10:30 ΠΜ — Πρωινό σνακ
Παίρνετε ένα πρωτεϊνικό μπαρ από το γραφείο σας. Σαρώστε το barcode. Καταγράφηκε: 210 θερμίδες. Χρόνος που ξοδεύτηκε: 5 δευτερόλεπτα.

12:45 ΜΜ — Μεσημεριανό
Βγάζετε μια φωτογραφία του μεσημεριανού σας — τυλιχτό κοτόπουλου με σαλάτα. Το AI το αναλύει σε συστατικά και καταγράφει 580 θερμίδες. Χρόνος που ξοδεύτηκε: 3 δευτερόλεπτα.

3:00 ΜΜ — Απογευματινός καφές
Φωνητική καταγραφή από το Apple Watch σας: "Μεγάλο latte με γάλα βρώμης." Καταγράφηκε: 190 θερμίδες. Χρόνος που ξοδεύτηκε: 8 δευτερόλεπτα.

7:00 ΜΜ — Δείπνο
Φωτογραφία του σολομού, σπαραγγιών και γλυκοπατάτας. Το AI αναγνωρίζει και καταγράφει 620 θερμίδες με πλήρη ανάλυση μακροθρεπτικών συστατικών. Χρόνος που ξοδεύτηκε: 3 δευτερόλεπτα.

Συνολικός χρόνος παρακολούθησης: λιγότερο από 25 δευτερόλεπτα.

Συγκρίνετε αυτό με 20+ λεπτά χειροκίνητης πληκτρολόγησης, και ο λόγος που η βιομηχανία κινείται προς την παρακολούθηση χωρίς πληκτρολόγηση γίνεται προφανής.

Το Συμπέρασμα

Ο ευκολότερος τρόπος για να παρακολουθήσετε θερμίδες χωρίς πληκτρολόγηση το 2026 είναι η φωτογραφική παρακολούθηση AI, συμπληρωμένη από τη φωνητική καταγραφή για καταστάσεις όπου μια φωτογραφία δεν είναι πρακτική. Η τεχνολογία έχει ωριμάσει από μια καινοτομία σε ένα αξιόπιστο, ακριβές σύστημα που υπερβαίνει την χειροκίνητη καταχώρηση τόσο σε ταχύτητα όσο και σε ακρίβεια.

Οι κρίσιμοι παράγοντες κατά την επιλογή ενός μετρητή χωρίς πληκτρολόγηση είναι η ταχύτητα (κάτω από τρία δευτερόλεπτα), η ποιότητα της βάσης δεδομένων (επαληθευμένη από διατροφολόγους, όχι crowdsourced), η παγκόσμια κάλυψη τροφών και οι επιλογές διόρθωσης. Η Nutrola πληροί όλα αυτά τα κριτήρια με την αναγνώριση φωτογραφιών Snap & Track, τη φωνητική καταγραφή, την ενσωμάτωση Apple Watch και μια βάση δεδομένων που έχει επαληθευτεί από επαγγελματίες διατροφής — γι' αυτό και πάνω από 2 εκατομμύρια χρήστες την έχουν κάνει το κύριο εργαλείο παρακολούθησής τους.

Αν έχετε δοκιμάσει την παρακολούθηση θερμίδων στο παρελθόν και σταματήσατε λόγω της πλήξης, το εμπόδιο που σας σταμάτησε δεν υπάρχει πια. Η πληκτρολόγηση είναι προαιρετική τώρα.

---

Αναφορές:

• Cordeiro, F., et al. (2015). "Barriers and Negative Nudges: Exploring Challenges in Food Journaling." Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems.
• Subar, A. F., et al. (2015). "Addressing Current Criticism Regarding the Value of Self-Report Dietary Data." Journal of Nutrition, 145(12), 2639-2645.
• Martinez, R., et al. (2025). "Impact of AI-Assisted Food Logging on Long-Term Dietary Tracking Adherence." Journal of Medical Internet Research, 27(3).
• Chen, L., et al. (2025). "Accuracy of AI-Powered Food Recognition Systems Versus Self-Reported Dietary Intake." Stanford Nutrition Studies Group Working Paper.