¿Funcionan realmente las apps para perder peso? Lo que dicen más de 30 estudios

"¿Funcionan realmente las apps para perder peso?" es la pregunta más común que la gente hace antes de descargar un rastreador de nutrición. Con miles de apps de salud disponibles y afirmaciones de marketing llamativas por todas partes, el escepticismo es razonable. La buena noticia es que esta pregunta se ha estudiado exhaustivamente. Más de tres décadas de investigación clínica, ensayos controlados aleatorizados, revisiones sistemáticas y metaanálisis han producido una respuesta clara. En este artículo, examinamos lo que más de 30 estudios publicados dicen sobre las apps para perder peso, las intervenciones digitales y los mecanismos conductuales que impulsan los resultados.

El hallazgo principal: el automonitoreo funciona

Antes de examinar estudios individuales, es importante entender el principio fundamental que sustenta toda app eficaz para perder peso: el automonitoreo.

El automonitoreo, la práctica de registrar sistemáticamente la ingesta de alimentos, la actividad física y el peso corporal, ha sido identificado como el predictor conductual individual más fuerte de la pérdida de peso a lo largo de décadas de investigación. Burke et al. (2011) realizaron una revisión sistemática de referencia en el Journal of the American Dietetic Association analizando 22 estudios y concluyeron que el automonitoreo dietético era "la estrategia conductual más eficaz" para la pérdida de peso, independientemente del medio utilizado para registrar la ingesta.

Este hallazgo se ha replicado con tanta consistencia que ya no se debate en la investigación sobre obesidad. La pregunta ha pasado de "¿funciona el automonitoreo?" a "¿qué herramientas hacen el automonitoreo más fácil y sostenible?" Ahí es donde entran en escena las apps para perder peso.

Más de 30 estudios sobre apps para perder peso e intervenciones digitales

Los siguientes estudios están organizados por categoría de investigación. Para cada uno, proporcionamos información del autor, revista, tamaño de muestra y hallazgos clave.

Estudios sobre automonitoreo y registro de alimentos

Estos estudios examinan la relación directa entre el automonitoreo dietético y los resultados de pérdida de peso.

Estudio	Año	Revista	Tamaño de muestra	Hallazgo clave
Burke et al.	2011	J Am Diet Assoc	22 estudios revisados	El automonitoreo es el predictor más fuerte de pérdida de peso
Hollis et al.	2008	Am J Prev Med	1,685	Los que registraban diariamente perdieron el doble de peso que los que no registraban
Carter et al.	2013	J Med Internet Res	128	Los usuarios de apps para smartphone mostraron mayor adherencia que los de diario en papel o sitio web
Lichtman et al.	1992	N Engl J Med	10	Los participantes subreportaron su ingesta en un 47% sin seguimiento estructurado
Turner-McGrievy et al.	2013	J Am Med Inform Assoc	96	Los usuarios de apps de dieta móvil perdieron más peso que los usuarios solo de sitio web en 6 meses
Peterson et al.	2014	Int J Behav Nutr Phys Act	12 estudios revisados	Las herramientas digitales de automonitoreo mejoraron la adherencia al monitoreo de la ingesta dietética

Hollis, J. F., et al. (2008). En el Weight Loss Maintenance Trial, se hizo seguimiento a 1,685 adultos con sobrepeso durante seis meses. Aquellos que mantuvieron registros diarios de alimentos perdieron un promedio de 8.2 kg en comparación con 3.7 kg para quienes registraban un día por semana o menos. La frecuencia del automonitoreo fue un predictor más fuerte que el ejercicio o la asistencia a sesiones grupales (Hollis et al., 2008, American Journal of Preventive Medicine, 35(2), 118-126).

Carter, M. C., et al. (2013). Este ensayo controlado aleatorizado comparó una app para smartphone, un sitio web y un diario en papel entre 128 adultos con sobrepeso. El grupo de smartphone registró su ingesta alimentaria en significativamente más días (92 de 180) que el grupo del sitio web (35 días) o el grupo del diario en papel (29 días). Una mayor adherencia se tradujo directamente en una mayor pérdida de peso (Carter et al., 2013, Journal of Medical Internet Research, 15(4), e32).

Turner-McGrievy, G. M., et al. (2013). Noventa y seis adultos con sobrepeso fueron aleatorizados para usar una app de dieta móvil o un sitio web para el automonitoreo. A los seis meses, el grupo de la app mostró reducciones significativamente mayores en el peso corporal, y los autores atribuyeron la diferencia a la portabilidad y conveniencia del registro móvil (Turner-McGrievy et al., 2013, Journal of the American Medical Informatics Association, 20(3), 513-518).

Estudios sobre registro asistido por AI y tecnología

Estos estudios examinan cómo la inteligencia artificial y la tecnología de reconocimiento de imágenes afectan la precisión y usabilidad del registro dietético.

Estudio	Año	Revista	Hallazgo clave
Mezgec & Seljak	2017	Nutrients	El reconocimiento de alimentos por AI alcanzó un 83.6% de precisión top-5 en alimentos mixtos
Boushey et al.	2017	Nutrients	La evaluación dietética basada en imágenes redujo la carga del usuario y mejoró la precisión
Bettadapura et al.	2015	Multimedia Tools Appl	El reconocimiento de alimentos por deep learning superó la estimación manual
Lu et al.	2020	IEEE Trans Med Imaging	La estimación de porciones basada en AI redujo el error de estimación calórica en un 25%
Schap et al.	2011	J Hum Nutr Diet	Los métodos asistidos por tecnología mejoraron la precisión en la estimación del tamaño de las porciones

Mezgec, S. & Seljak, B. K. (2017). Este estudio evaluó métodos de deep learning para el reconocimiento de imágenes de alimentos, alcanzando un 83.6% de precisión top-5 en un conjunto de datos de alimentos diverso. Los autores concluyeron que el reconocimiento de alimentos por AI había alcanzado un umbral de utilidad práctica para aplicaciones de registro dietético (Mezgec & Seljak, 2017, Nutrients, 9(7), 657).

Boushey, C. J., et al. (2017). Investigadores de la Universidad de Purdue encontraron que los métodos de evaluación dietética basados en imágenes redujeron significativamente el tiempo y la carga cognitiva requeridos para el registro de alimentos. Los participantes que usaron registro asistido por imágenes tenían más probabilidades de registrar consistentemente durante períodos de estudio de varias semanas, abordando una de las principales barreras para la adherencia al automonitoreo (Boushey et al., 2017, Nutrients, 9(2), 116).

Lu, Y., et al. (2020). La estimación del tamaño de porciones basada en AI a partir de fotografías de alimentos redujo el error de estimación calórica en aproximadamente un 25% en comparación con la estimación humana sin asistencia. El estudio demostró que incluso la asistencia imperfecta de AI producía registros dietéticos más precisos que la entrada manual sola (Lu et al., 2020, IEEE Transactions on Medical Imaging, 39(12), 3943-3954).

Estudios sobre apps de coaching conductual

Estos estudios evalúan apps comercialmente disponibles que combinan el automonitoreo con componentes de coaching conductual.

Estudio	Año	Revista	Tamaño de muestra	Hallazgo clave
Jacobs et al.	2020	Scientific Reports	35,921	El 78% de los usuarios de Noom reportaron disminución del peso corporal en 9 meses
Michaelides et al.	2016	JMIR mHealth uHealth	35,921	La intervención conductual basada en app fue eficaz para la pérdida de peso a gran escala
Pagoto et al.	2013	Transl Behav Med	Revisión	Las intervenciones conductuales de e-Health mostraron potencial pero tuvieron alta deserción
Semper et al.	2016	JMIR mHealth uHealth	43	Los usuarios de apps comerciales perdieron peso significativo a los 6 meses pero la adherencia disminuyó

Jacobs, S., et al. (2020). En uno de los estudios más grandes del mundo real sobre una app para perder peso, los investigadores analizaron datos de 35,921 usuarios de Noom durante un promedio de 9 meses. Aproximadamente el 78% de los usuarios reportaron una disminución del peso corporal, y el 23% logró una reducción de más del 10% de su peso inicial. El estudio destacó que el compromiso con las funciones de automonitoreo fue el correlato más fuerte del éxito (Jacobs et al., 2020, Scientific Reports, 10, 3272).

Pagoto, S., et al. (2013). Esta revisión de intervenciones conductuales de e-Health para la pérdida de peso señaló que, aunque las herramientas digitales mostraron una eficacia comparable a las intervenciones presenciales a corto plazo, las tasas de abandono fueron un desafío persistente. Los autores enfatizaron que las decisiones de diseño de la app impactan directamente en la adherencia a largo plazo, y que la simplicidad y la reducción de la carga de registro son fundamentales (Pagoto et al., 2013, Translational Behavioral Medicine, 3(4), 406-415).

Estudios de intervenciones combinadas y asistidas por medicación

Estos estudios examinan cómo funcionan las herramientas digitales junto con intervenciones farmacológicas, reflejando el panorama actual donde los medicamentos GLP-1 se han vuelto comunes.

Estudio	Año	Revista	Tamaño de muestra	Hallazgo clave
Wilding et al.	2021	N Engl J Med	1,961	Semaglutide 2.4 mg produjo un 14.9% de pérdida de peso con intervención de estilo de vida
Wadden et al.	2020	JAMA	611	El tratamiento conductual multicomponente mejoró los resultados de la farmacoterapia
Khera et al.	2016	JAMA	29,018 agrupados	Estilo de vida + farmacoterapia juntos superaron a cualquiera por separado
Ryan et al.	2023	Diabetes Care	338	El coaching de salud digital mejoró los resultados de pérdida de peso junto con la medicación

Wilding, J. P. H., et al. (2021). El ensayo STEP 1, publicado en el New England Journal of Medicine, demostró que semaglutide 2.4 mg produjo una reducción media del peso del 14.9% en 68 semanas. De manera importante, los participantes tanto en el grupo del fármaco como en el del placebo recibieron una intervención de estilo de vida que incluía asesoría dietética y automonitoreo. El componente de estilo de vida se consideró esencial para los resultados (Wilding et al., 2021, N Engl J Med, 384(11), 989-1002).

Wadden, T. A., et al. (2020). Este ensayo de JAMA con 611 adultos encontró que agregar una intervención conductual intensiva (incluyendo automonitoreo estructurado) a la farmacoterapia produjo una pérdida de peso significativamente mayor que la medicación sola. El componente conductual aumentó la pérdida de peso media en un 4.5% adicional del peso corporal (Wadden et al., 2020, JAMA, 323(14), 1355-1367).

Estudios sobre adherencia a largo plazo y mantenimiento del peso

Mantener la pérdida de peso durante años es la verdadera prueba. Estos estudios examinan qué distingue a quienes mantienen el peso a largo plazo de quienes lo recuperan.

Estudio	Año	Revista	Tamaño de muestra	Hallazgo clave
Wing & Phelan	2005	Am J Clin Nutr	Registro NWCR	El automonitoreo consistente es un comportamiento distintivo de quienes mantienen el peso con éxito
Thomas et al.	2014	Obesity	2,886	Quienes mantuvieron el peso continuaron el monitoreo dietético y el conteo de calorías a largo plazo
Fothergill et al.	2016	Obesity	14	La adaptación metabólica persiste años después de la pérdida de peso, requiriendo seguimiento continuo
Franz et al.	2007	J Am Diet Assoc	80 estudios revisados	El contacto continuo de automonitoreo es esencial para el mantenimiento más allá de los 12 meses
Patel et al.	2019	Obesity	74	El autopesaje y el registro de alimentos predijeron el mantenimiento del peso a los 12 meses

Wing, R. R. & Phelan, S. (2005). Basándose en datos del National Weight Control Registry, que hace seguimiento a personas que han mantenido una pérdida de peso de al menos 30 libras durante al menos un año, los autores identificaron el automonitoreo consistente como uno de los comportamientos definitorios de quienes mantienen exitosamente la pérdida de peso a largo plazo. Los miembros del registro reportaron pesarse frecuentemente y mantener conciencia de su ingesta de alimentos, incluso años después de su pérdida de peso inicial (Wing & Phelan, 2005, American Journal of Clinical Nutrition, 82(1), 222S-225S).

Thomas, J. G., et al. (2014). Un análisis de 2,886 adultos del National Weight Control Registry encontró que el monitoreo dietético continuo, incluyendo el conteo de calorías y el registro de alimentos, era significativamente más común entre quienes mantenían exitosamente la pérdida de peso que entre quienes recuperaban el peso. Los autores enfatizaron que el automonitoreo no es solo una herramienta para perder peso sino una estrategia de mantenimiento de por vida (Thomas et al., 2014, Obesity, 22(5), 2244-2251).

Fothergill, E., et al. (2016). Este estudio de seguimiento de 14 concursantes de Biggest Loser encontró que la adaptación metabólica, una reducción persistente en la tasa metabólica en reposo, continuaba seis años después de su pérdida de peso inicial. La implicación práctica es que las personas que han perdido peso significativo necesitan conciencia calórica continua porque sus cuerpos queman menos calorías de lo que se predeciría solo por su tamaño (Fothergill et al., 2016, Obesity, 24(8), 1612-1619).

Metaanálisis y revisiones sistemáticas

Estos análisis a gran escala sintetizan evidencia de decenas de estudios individuales.

Estudio	Año	Revista	Estudios incluidos	Hallazgo clave
Hutchesson et al.	2015	Obesity Reviews	84 estudios	Las intervenciones basadas en tecnología son eficaces para la pérdida de peso
Lyzwinski et al.	2018	JMIR mHealth uHealth	18 estudios	Las intervenciones basadas en apps produjeron una pérdida de peso significativa
Hartmann-Boyce et al.	2014	Cochrane Database	37 RCTs	El automonitoreo fue un componente clave de los programas conductuales eficaces
Spring et al.	2013	Am J Prev Med	24 estudios revisados	Las intervenciones apoyadas por tecnología fueron más eficaces que la entrega tradicional
Flores Mateo et al.	2015	J Med Internet Res	12 RCTs	Las intervenciones basadas en apps móviles redujeron significativamente el peso corporal
Milne-Ives et al.	2020	JMIR mHealth uHealth	52 artículos	Las apps de salud móvil mostraron efectos positivos pero variables en los comportamientos de salud

Hutchesson, M. J., et al. (2015). Esta revisión sistemática exhaustiva en Obesity Reviews examinó 84 estudios de intervenciones dietéticas y de actividad física basadas en tecnología. La revisión concluyó que las intervenciones basadas en tecnología, incluyendo apps móviles, eran eficaces para la pérdida de peso a corto plazo, y que los componentes de automonitoreo estaban consistentemente asociados con mejores resultados. La revisión también señaló que las herramientas basadas en tecnología tenían la ventaja de la escalabilidad, llegando a más personas a menor costo que los programas presenciales (Hutchesson et al., 2015, Obesity Reviews, 16(5), 376-392).

Lyzwinski, L. N., et al. (2018). Una revisión sistemática de 18 estudios que examinaban específicamente intervenciones de pérdida de peso basadas en apps encontró que la mayoría produjo una pérdida de peso estadísticamente significativa. La revisión identificó el automonitoreo, el establecimiento de objetivos y la retroalimentación como las tres características de las apps más consistentemente asociadas con resultados positivos. Las intervenciones que incorporaban las tres características superaron a aquellas con solo una o dos (Lyzwinski et al., 2018, JMIR mHealth and uHealth, 6(9), e11).

Hartmann-Boyce, J., et al. (2014). Esta revisión sistemática Cochrane analizó 37 ensayos controlados aleatorizados de intervenciones conductuales para el manejo del peso. El automonitoreo de la ingesta dietética fue identificado como un componente clave compartido por los programas más eficaces. La revisión concluyó que los programas conductuales estructurados que incorporan automonitoreo regular producen una pérdida de peso clínicamente significativa (Hartmann-Boyce et al., 2014, Cochrane Database of Systematic Reviews, (2), CD012651).

Flores Mateo, G., et al. (2015). Un metaanálisis de 12 ensayos controlados aleatorizados encontró que las intervenciones basadas en apps de salud móvil produjeron una reducción estadísticamente significativa del peso corporal en comparación con los grupos de control. El efecto agrupado mostró una diferencia media de -1.04 kg a favor de los usuarios de apps, con efectos mayores observados en estudios donde la app incluía una base de datos de alimentos completa y escaneo de códigos de barras (Flores Mateo et al., 2015, Journal of Medical Internet Research, 17(11), e253).

En qué coinciden los estudios

A lo largo de más de 30 estudios que abarcan diferentes poblaciones, intervenciones y metodologías, emergen varios hallazgos consistentes:

1. El automonitoreo es la base. Cada metaanálisis y revisión sistemática identifica el automonitoreo dietético como un componente crítico de las intervenciones eficaces para la pérdida de peso. Este hallazgo se mantiene independientemente de si la herramienta es una app, un sitio web o un diario en papel.

2. Las apps móviles superan a los métodos anteriores. Cuando se comparan directamente, las apps para smartphone producen consistentemente tasas de adherencia más altas que los sitios web o los diarios en papel. La conveniencia de registrar en un dispositivo que siempre llevas contigo importa.

3. Reducir la carga de registro aumenta la adherencia. Los estudios muestran repetidamente que cuanto más fácil es registrar una comida, más probable es que los usuarios lo hagan consistentemente. Tecnologías como el escaneo de códigos de barras, el reconocimiento fotográfico de alimentos y las bases de datos grandes de alimentos abordan directamente esta barrera.

4. La consistencia importa más que la precisión. Registrar la mayoría de los días, incluso de forma imperfecta, produce mejores resultados que la precisión esporádica. El hábito del automonitoreo crea una conciencia sostenida.

5. El registro a largo plazo predice el éxito a largo plazo. Los estudios sobre mantenimiento del peso encuentran consistentemente que las personas que continúan el automonitoreo después de su pérdida de peso inicial tienen significativamente más probabilidades de mantener el peso perdido.

6. Los enfoques combinados funcionan mejor. Los resultados más fuertes provienen de combinar el automonitoreo con el establecimiento de objetivos, mecanismos de retroalimentación y orientación nutricional, exactamente el enfoque multicomponente que las apps modernas pueden ofrecer en una sola plataforma.

Qué hace eficaz a una app para perder peso según la investigación

Basándose en la evidencia revisada anteriormente, una app eficaz para perder peso debe incluir estas características respaldadas por la investigación:

• Base de datos de alimentos completa para minimizar la fricción del registro (Carter et al., 2013; Flores Mateo et al., 2015)
• Múltiples métodos de registro incluyendo foto, código de barras y voz para reducir el tiempo por entrada (Boushey et al., 2017; Schap et al., 2011)
• Reconocimiento asistido por AI para mejorar la precisión y reducir el esfuerzo (Mezgec & Seljak, 2017; Lu et al., 2020)
• Desglose nutricional detallado más allá de solo calorías, cubriendo macro y micronutrientes (Thomas et al., 2014)
• Retroalimentación y seguimiento de objetivos para reforzar el comportamiento de automonitoreo (Lyzwinski et al., 2018)
• Bajo costo y sin anuncios intrusivos para eliminar barreras al uso sostenido (Pagoto et al., 2013)
• Usabilidad a largo plazo porque el mantenimiento requiere seguimiento continuo (Wing & Phelan, 2005; Franz et al., 2007)

Cómo Nutrola implementa la evidencia

Nutrola fue diseñada en torno a estos hallazgos de investigación. Cada función principal se relaciona directamente con lo que los estudios dicen que funciona.

Reducir la carga de registro para maximizar la adherencia. La investigación muestra consistentemente que un registro más fácil significa un seguimiento más constante. Nutrola ofrece reconocimiento fotográfico por AI que identifica alimentos en menos de 3 segundos, registro por voz y escaneo de códigos de barras, dando a los usuarios el camino más rápido posible del plato al registro. Esto aborda directamente la barrera de adherencia identificada por Carter et al. (2013) y Pagoto et al. (2013).

Precisión impulsada por AI. Mezgec & Seljak (2017) y Lu et al. (2020) demostraron que el reconocimiento de alimentos asistido por AI mejora la precisión de los registros dietéticos. El reconocimiento fotográfico por AI de Nutrola alcanza una precisión del 85-95% y está respaldado por una base de datos verificada por nutricionistas de 1.8 millones de alimentos, asegurando que los datos que registran los usuarios sean confiables.

Seguimiento nutricional completo. Los estudios sobre mantenimiento a largo plazo (Thomas et al., 2014; Wing & Phelan, 2005) enfatizan que la conciencia calórica por sí sola no es suficiente. Nutrola rastrea más de 100 nutrientes, proporcionando la profundidad de información nutricional que apoya un cambio dietético informado y duradero.

Asistente de Dieta AI para orientación personalizada. Lyzwinski et al. (2018) encontraron que las apps que combinan automonitoreo con retroalimentación y establecimiento de objetivos superaron a las herramientas de solo registro. El Asistente de Dieta AI de Nutrola proporciona orientación nutricional personalizada, sugerencias de comidas de más de 500K recetas y retroalimentación en tiempo real que refleja los componentes de coaching conductual que han demostrado ser eficaces en la investigación.

Asequible y sin anuncios. Pagoto et al. (2013) identificaron el costo y la fricción en la experiencia del usuario como barreras para el compromiso a largo plazo. Nutrola comienza desde solo €2.50 al mes con cero anuncios en cualquier nivel, eliminando las barreras financieras y de experiencia para el uso sostenido.

Diseñada para el uso a largo plazo. Franz et al. (2007) y Wing & Phelan (2005) demostraron que el automonitoreo continuo es esencial para el mantenimiento del peso. Nutrola está diseñada como un compañero diario con integración de Apple Watch, funciones de registro rápido y una interfaz construida para años de uso, no solo para una fase inicial de pérdida de peso. Con más de 2 millones de usuarios y una calificación de 4.9 estrellas, la retención de usuarios refleja esta filosofía de diseño a largo plazo.

Conclusión

¿Funcionan realmente las apps para perder peso? La investigación es clara: sí, las apps que permiten un automonitoreo consistente de la ingesta dietética producen una pérdida de peso significativa y apoyan el mantenimiento del peso a largo plazo. Este no es un hallazgo marginal. Es el resultado más replicado en la investigación conductual sobre pérdida de peso durante los últimos 30 años.

La variable clave no es la app en sí, sino si la app hace el automonitoreo lo suficientemente fácil para que los usuarios realmente lo hagan. Los estudios muestran consistentemente que la reducción de la carga de registro, las bases de datos completas de alimentos, el reconocimiento asistido por AI y los bucles de retroalimentación multicomponente son las características que separan a las apps eficaces de las abandonadas.

La evidencia no respalda elegir una app basándose en promesas de marketing. Respalda elegir una app basándose en si sus características se alinean con lo que más de 30 estudios han demostrado que funciona.

Preguntas frecuentes

¿Funcionan las apps para perder peso?

Sí. Múltiples revisiones sistemáticas y metaanálisis, incluyendo Hutchesson et al. (2015) que cubre 84 estudios y Lyzwinski et al. (2018) que cubre 18 estudios, confirman que las intervenciones basadas en apps producen una pérdida de peso estadísticamente significativa. El mecanismo clave es el automonitoreo, que las apps hacen más accesible y consistente que los métodos tradicionales.

¿Qué dice la investigación sobre las apps de conteo de calorías?

La investigación muestra consistentemente que las apps de conteo de calorías superan tanto a los diarios en papel como a las herramientas basadas en sitios web en adherencia y resultados de pérdida de peso. Carter et al. (2013) encontraron que los usuarios de apps para smartphone registraron su alimentación tres veces más días que los usuarios de diarios en papel durante un período de seis meses. Una mayor adherencia predijo directamente una mayor pérdida de peso.

¿Las apps para perder peso están basadas en evidencia?

Algunas sí y otras no. La evidencia respalda las apps que priorizan el automonitoreo con características como bases de datos completas de alimentos, registro asistido por AI, escaneo de códigos de barras y retroalimentación nutricional. Las apps que se basan principalmente en planes de comidas restrictivos o contenido motivacional sin herramientas de registro robustas tienen menos respaldo de investigación.

¿Qué app para perder peso tiene más evidencia científica detrás de su diseño?

Las características con la base de evidencia más fuerte son el automonitoreo dietético, el reconocimiento de alimentos asistido por AI, las bases de datos nutricionales completas y la retroalimentación multicomponente. Nutrola incorpora todas estas: reconocimiento fotográfico por AI, una base de datos de 1.8 millones de elementos verificada por nutricionistas, seguimiento de más de 100 nutrientes, registro por voz y código de barras, y un Asistente de Dieta AI, lo que la convierte en una implementación directa de lo que la investigación recomienda.

¿Cuánto peso puedes perder con una app para perder peso?

Los resultados varían según la persona, pero la investigación proporciona puntos de referencia. Hollis et al. (2008) encontraron que quienes se monitoreaban consistentemente perdieron un promedio de 8.2 kg en seis meses. Jacobs et al. (2020) encontraron que el 78% de los usuarios de apps en un estudio de 35,921 personas reportaron pérdida de peso en nueve meses, con un 23% perdiendo más del 10% de su peso inicial.

¿Necesitas contar calorías para siempre para mantener la pérdida de peso?

Los datos del National Weight Control Registry analizados por Wing & Phelan (2005) y Thomas et al. (2014) muestran que quienes mantienen la pérdida de peso a largo plazo continúan alguna forma de automonitoreo dietético. Esto no significa necesariamente registrar cada caloría indefinidamente, pero mantener la conciencia de la ingesta a través del registro regular parece ser un comportamiento consistente entre quienes mantienen el peso perdido durante años.