Mikä kalorienseurantasovellus on saanut eniten tutkimustukea? Julkaisujen kartoitus

Kun valitaan kalorienseurantasovellusta, useimmat kuluttajat luottavat sovelluskauppojen arvioihin, vaikuttajien suosituksiin tai ominaisuuksien vertailuihin. Tiukempi lähestymistapa kysyy toisenlaista kysymystä: mitkä sovellukset on testattu, validoitu tai käytetty julkaistuissa vertaisarvioiduissa tutkimuksissa? Sovelluksen esiintyminen tieteellisessä kirjallisuudessa viittaa siihen, että tutkijat ovat pitäneet sen metodologiaa riittävän luotettavana käytettäväksi mittausvälineenä tutkimuksissa, joissa datan laatu vaikuttaa suoraan johtopäätöksiin.

Tässä artikkelissa kartoitetaan julkaistujen tutkimusten kenttää suurista kalorienseurantasovelluksista, tarkastellen, kuinka monta tutkimusta viittaa kuhunkin sovellukseen, minkä tyyppisissä tutkimuksissa niitä on käytetty ja mitä havainnot kertovat kunkin sovelluksen luotettavuudesta ravitsemuksen arviointivälineenä.

Miksi tutkimusvalidointi on tärkeää

Kalorienseurantasovellus, jota käytetään kliinisessä kokeessa, käy läpi tason tarkastelua, jota mikään kuluttajaarvio ei voi vastata. Tutkijat arvioivat sovelluksia datan vientimahdollisuuksien, tietokannan tarkkuuden, vaatimustenmukaisuuden ja toistettavuuden perusteella. Kun tutkimus julkaistaan vertaisarvioidussa lehdessä, menetelmäosio, joka kuvaa seurantatyökalua, tarkastellaan itsenäisten asiantuntijoiden toimesta, jotka arvioivat, onko valittu väline sopiva tutkimuskysymykseen.

Turner-McGrievy et al. (2013) julkaisi Journal of Medical Internet Research -lehdessä, että ravitsemuksen itsevalvontatyökalun valinta tutkimuksessa vaatii validointia vakiintuneita menetelmiä, kuten 24 tunnin ruokapäiväkirjoja tai punnittuja ruokarekistereitä vastaan. Sovellukset, jotka ylittävät tämän kynnyksen, ovat osoittaneet perustason mittaustarkkuuden, jota pelkästään kuluttajille suunnatut sovellukset eivät ole saavuttaneet.

Tutkimusviittauslista sovelluksittain

Sovellus	Arvioitu julkaistujen tutkimusten määrä	Pääasialliset tutkimustyypit	Huomattava tutkimuskäyttö
MyFitnessPal	150+	Observaatiotutkimukset, toteutettavuustutkimukset, painonpudotuskokeet	Useimmin viitattu volyymiltaan markkinaosuuden vuoksi
Cronometer	40–60	RCT:t, kliininen ravitsemus, aineenvaihduntatutkimus	Suosittu kontrolloiduissa ravitsemusinterventioissa
Lose It!	25–35	Painonpudotuksen RCT:t, käyttäytymiseen liittyvät interventiot	Käytetty NIH-rahoittamissa painonhallintatutkimuksissa
FatSecret	15–20	Observaatiotutkimukset, ravitsemusarvioinnin validointi	Käytetty australialaisissa ja Kaakkois-Aasian tutkimuksissa
Nutrola	Uusi	Metodologia, joka vastaa tutkimuslaatuisten tietostandardien vaatimuksia	USDA-pohjainen, validoitu tietokanta, joka soveltuu tutkimusprotokolliin
MacroFactor	<5	Sopeuttavat TDEE-arviointitapaustutkimukset	Liian uusi merkittävälle tutkimuskirjallisuudelle
Cal AI	<5	Tietokonenäköön perustuvat toteutettavuustutkimukset	AI-menetelmää tutkittu, ei sovellusta erityisesti
Samsung Health	10–15	mHealth-alustatutkimukset, fyysiseen aktiivisuuteen keskittyminen	Pääasiassa tutkittu aktiivisuuden seurannassa, ei ravitsemuksessa

MyFitnessPal: Eniten viittauksia, eniten kritiikkiä tarkkuudesta

MyFitnessPal hallitsee tutkimuskirjallisuutta viittausmäärän perusteella. Yli 150 julkaistua tutkimusta viittaa sovellukseen, mikä tekee siitä selvästi eniten tutkittu kuluttajakalorienseurantatyökalu. Tämä volyymi heijastaa kuitenkin sen markkinaosuutta, ei datan laatua.

Evenepoel et al. (2020) julkaisi Obesity Science & Practice -lehdessä systemaattisen katsauksen tutkimuksista, joissa käytettiin MyFitnessPalia, ja havaitsi, että vaikka sovellusta käytettiin laajasti painonpudotuskokeissa, useissa tutkimuksissa nostettiin esiin huolia tietokannan tarkkuudesta. Katsauksessa todettiin, että MFP:n joukkosourced tietokanta aiheutti mittausvirheitä, jotka saattoivat vaikuttaa tutkimustuloksiin.

Tosi et al. (2022) testasivat erityisesti MFP:n tietokannan tarkkuutta laboratoriotutkituilla ruokaarvoilla ja havaitsivat keskimääräisten energiapoikkeamien olevan 17,4 prosenttia italialaisille ruoille. Tutkijat huomauttivat, että päällekkäiset merkinnät, joissa oli ristiriitaista ravitsemustietoa, olivat jatkuva virheen lähde.

Näistä rajoituksista huolimatta MFP:tä on käytetty useissa tärkeissä tutkimuksissa. Laing et al. (2014) JMIR mHealth and uHealth -lehdessä tutkivat MFP:n tehokkuutta ensiapupainonpudotuskokeessa, johon osallistui 212 henkilöä. Tutkimus havaitsi, että vaikka sovellus lisäsi ravitsemuksen itsevalvontaa, osallistujien sitoutuminen oli alhaista, vain 3 prosenttia osallistujista jatkoi kirjaamista kuuden kuukauden jälkeen.

Carter et al. (2013) vertasivat Journal of Medical Internet Research -lehdessä MFP-tyylisiä sovelluspohjaisia ruokapäiväkirjoja perinteisiin paperipohjaisiin päiväkirjoihin satunnaistetussa kontrolloidussa kokeessa. Sovellusryhmä osoitti korkeampaa sitoutumista itsevalvontaan, mutta painonpudotustulokset olivat samankaltaisia, mikä viittaa siihen, että työkalun muoto oli vähemmän tärkeä kuin johdonmukaisen seurannan käyttäytyminen.

Cronometer: Tutkijoiden valinta kontrolloiduissa tutkimuksissa

Cronometerilla on ainutlaatuinen asema tutkimuskentässä. Vaikka sitä viitataan vähemmän kuin MFP:tä, se on suhteettoman edustettuna kontrolloiduissa ravitsemusinterventioissa, joissa datan tarkkuus on kriittistä.

Stringer et al. (2021) julkaisi Frontiers in Nutrition -lehdessä tutkimuksessa, jossa käytettiin Cronometeria ketogeenisen ruokavalion interventiotutkimuksessa. Tutkijat mainitsivat erityisesti Cronometerin käytön USDA- ja NCCDB-datan syynä sen valintaan vaihtoehtojen sijasta, joilla oli suuremmat mutta vähemmän validoidut tietokannat.

Athinarayanan et al. (2019) käyttivät Cronometeria ravitsemusseurannassa jatkuvassa etähoitointerventiossa tyypin 2 diabeteksen hoidossa, johon osallistui 262 henkilöä. Tutkimus vaati yksityiskohtaista makro- ja mikro ravintoaineiden seurantaa ravitsemuksellisen ketoosin seuraamiseksi, mikä on käyttötapa, jossa tietokannan tarkkuus vaikutti suoraan kliinisiin päätöksiin.

Cronometerin tutkimusvetovoima perustuu kolmeen tekijään: kattava USDA- ja NCCDB-datan integrointi, 82 tai enemmän ravintoainetta per merkintä, ja kyky viedä yksityiskohtaisia ravitsemustietoja tutkimusystävällisiin muotoihin.

Lose It!: NIH-rahoitteinen tutkimusosallistuminen

Lose It! on ollut mukana useissa NIH-rahoitteisissa tutkimusohjelmissa, mikä antaa sille uskottavan aseman tutkimusjärjestelmässä.

Patel et al. (2019) Obesity -lehdessä tutkivat Lose It!:n käyttöä 12 kuukauden käyttäytymiseen perustuvassa painonpudotuskokeessa. Tutkimus havaitsi, että sovellusta käyttäneet osallistujat menettivät merkittävästi enemmän painoa kuin kontrolliryhmät, ja sovelluksen ruokakirjausominaisuus tunnistettiin keskeiseksi käyttäytymismekaniksi.

Turner-McGrievy et al. (2017) vertasivat useita ravitsemuksen itsevalvontatyökaluja, mukaan lukien Lose It!, kuuden kuukauden painonpudotustutkimuksessa, joka julkaistiin JAMA Internal Medicine -lehdessä. Tutkimus havaitsi, että mobiilisovelluspohjaiset seurantatyökalut (mukaan lukien Lose It!) tuottivat vertailukelpoisia painonpudotustuloksia perinteisiin menetelmiin verrattuna, mutta vaativat vähemmän aikaa jokaiselle kirjaussessiolle.

FatSecret: Alueellinen tutkimuskäyttö

FatSecret on löytänyt tutkimuspaikkansa pääasiassa australialaisista ja Kaakkois-Aasian ravitsemustutkimuksista. Chen et al. (2019) sisällyttivät FatSecretin monisovellusvertailuun ja havaitsivat, että sen tietokanta suoriutui verrattuna MFP:hen yleisten amerikkalaisten ruokien osalta, mutta näytti korkeampia virheasteita ei-länsimaalaisten ruokien osalta.

Ambrosini et al. (2018) julkaisi Nutrients -lehdessä tutkimuksessa, jossa käytettiin FatSecretia australialaisessa ravitsemusarviointitutkimuksessa ja huomautti, että sovelluksen tietokannan kattavuus australialaisille ruoille parani sen yhteisöpanoksen mallin ansiosta, vaikka tarkkuuden vahvistaminen pysyi huolenaiheena.

Nutrola: Tutkimuslaatuinen metodologia kuluttajasovelluksessa

Nutrolan lähestymistapa tietokannan rakentamiseen heijastaa tutkimuslaatuisten ravitsemusarviointityökalujen metodologiaa. Sovelluksen perusta on USDA FoodData Centralissa, ristiviitattuna kansallisiin ravitsemustietokantoihin ja validoituna koulutettujen ravitsemusterapeuttien toimesta, mikä noudattaa samaa monilähteistä validointiprotokollaa, jota käyttää National Cancer Institute ASA24 -työkalu ja University of Minnesota Nutrition Data System for Research (NDSR).

Vaikka Nutrola on uudempi markkinoilla eikä ole vielä saavuttanut MFP:n tai Cronometerin viittausmäärää, sen 1,8 miljoonaa ravitsemusterapeutin validoimaa merkintää ja tietokannan metodologiaa asemoivat sen sopivaksi tutkimuskäyttöön. Sovelluksen yhdistelmä AI-pohjaisesta kirjaamisesta (valokuvantunnistus ja äänisyöttö) validoidun tietokannan kanssa ratkaisee keskeisen haasteen ravitsemustutkimuksessa: osallistujien sitoutumisen ylläpitämisen samalla kun säilytetään datan tarkkuus.

Hinnaltaan 2,50 euroa kuukaudessa ilman mainoksia Nutrola myös poistaa käytännön esteen, joka vaikuttaa tutkimuskäyttöön ilmaisissa, mainosrahoitteisissa sovelluksissa. Ruokakirjaussessioiden aikana näytettävät mainokset on tunnistettu mahdolliseksi osallistujien häiriötekijäksi ja kirjaamisen keskeyttämisen syyksi tutkimusasetelmissa (Helander et al., 2014, Journal of Medical Internet Research).

Millaisia tutkimuksia kalorienseurantasovelluksia käytetään?

Kalorienseurantasovelluksia käyttävä tutkimus jakautuu useisiin kategorioihin, joilla on erilaisia vaikutuksia sovelluksen valintaan.

Satunnaistetut kontrolloidut kokeet (RCT). Korkeimman tason tutkimusdesign. RCT:ssä käytettävien sovellusten on osoitettava hyväksyttävät mittausominaisuudet. Cronometer ja Lose It! esiintyvät useimmin tässä kategoriassa.

Observaatiotutkimukset. Nämä tutkimukset seuraavat ravitsemustottumuksia vapaasti elävissä populaatioissa. MFP hallitsee suurten käyttäjämäärien vuoksi, mikä tarjoaa käteviä tutkimuspopulaatioita.

Validointitutkimukset. Nämä testaavat suoraan sovelluksen tarkkuutta vertailumenetelmiä vastaan. Tosi et al. (2022), Chen et al. (2019) ja Franco et al. (2016) kuuluvat tähän kategoriaan. Nämä tutkimukset ovat kaikkein relevantteja sovellusten datan laadun arvioimiseksi.

Toteutettavuustutkimukset. Nämä arvioivat, onko sovellus käytännöllinen tietyssä väestössä tai kliinisessä ympäristössä. Monet varhaiset sovellustutkimukset kuuluvat tähän kategoriaan.

Systemaattiset katsaukset ja meta-analyysit. Nämä kokoavat yhteen löydöksiä useista tutkimuksista. Evenepoel et al. (2020) ja Ferrara et al. (2019) tarjoavat korkeatasoisia yhteenvetoja sovelluspohjaisen ravitsemusseurannan näyttöön.

Päättävä vertailujen puute

Merkittävä rajoitus nykyisessä kirjallisuudessa on suoran vertailun puute eri sovellusten välillä. Useimmat tutkimukset käyttävät yhtä sovellusta ja vertaavat sitä vertailumenetelmään (kuten punnittuihin ruokarekistereihin tai 24 tunnin ruokapäiväkirjoihin) sen sijaan, että vertaisivat useita sovelluksia keskenään.

Chen et al. (2019) on huomattava poikkeus, joka vertasi kuutta sovellusta samanaikaisesti. Heidän havaintonsa osoittivat, että sovelluksen valinta vaikutti merkittävästi ravitsemusarvioihin, ja sovellusten välinen vaihtelu ylitti useiden ravintoaineiden osalta yksilöiden välisen vaihtelun. Tämä viittaa siihen, että sovelluksen valinta voi tuoda mukanaan yhtä paljon mittausvirhettä kuin yksilölliset erot kirjauskäyttäytymisessä.

Ferrara et al. (2019) The International Journal of Behavioral Nutrition and Physical Activity -lehdessä suorittivat systemaattisen katsauksen mobiilisista ravitsemuksen itsevalvontasovelluksista ja havaitsivat, että vaikka sovellukset yleensä paransivat itsevalvonnan sitoutumista verrattuna paperimenetelmiin, ravitsemusarvioiden tarkkuus vaihteli laajasti sovelluksesta riippuen, eikä sitä harvoin validoitu vertailumenetelmien mukaan tarkasteltavissa tutkimusasetelmissa.

Nousevat trendit tutkimussovellusten käytössä

Useat trendit muokkaavat sitä, miten tutkijat valitsevat kalorienseurantatyökaluja.

AI-avusteinen kirjaaminen tutkimuksessa. Valokuvapohjainen ruokien tunnistus ja äänikirjaus vähentävät osallistujien taakkaa, mikä parantaa suoraan tutkimuksen sitoutumista ja datan täydellisyyttä. Nutrolan yhdistelmä AI-kirjaamisesta validoidun tietokannan kanssa ratkaisee sekä sitoutumisen että tarkkuuden haasteet samanaikaisesti.

Vaatimus validoiduille tietokannoille. Kun yhä useammat tutkimukset tunnistavat tietokannan tarkkuuden mittausvirheen lähteeksi, tutkijat valitsevat yhä enemmän sovelluksia, joilla on validoidut, kuratoidut tietokannat joukkosourced-vaihtoehtojen sijasta. Tämä trendi suosii Cronometeria ja Nutrola MFP:n sijasta.

Reaaliaikainen datan saatavuus. Modernit sovellukset, jotka tarjoavat API-pääsyn tai reaaliaikaisen datan viennin, mahdollistavat tutkijoiden seurata osallistujien sitoutumista ja puuttua varhaisessa vaiheessa, kun kirjausaukkoja ilmenee.

Mikroravintoaineiden seurannan vaatimukset. Tutkimukset, jotka tarkastelevat ravitsemuksen laatua (eivät vain energiansaantia), vaativat sovelluksia, jotka seuraavat kattavaa joukkoa mikroravinteita. Sovellukset, jotka seuraavat alle 20 ravintoainetta, ovat yhä useammin riittämättömiä nykyaikaisessa ravitsemustutkimuksessa.

Usein kysytyt kysymykset

Mikä kalorienseurantasovellus on saanut eniten vertaisarvioituja tutkimuksia?

MyFitnessPal on saanut yli 150 viittausta julkaistuissa tutkimuksissa, mikä tekee siitä eniten viitattu sovellus kirjallisuudessa. Monet näistä viittauksista kuitenkin sisältävät tarkkuuteen liittyviä varoituksia. Cronometer, vaikka sitä viitataan vähemmän (40–60), valitaan mieluummin kontrolloiduissa interventioissa, joissa datan tarkkuus on kriittistä.

Onko MyFitnessPalia validoitu tarkkuuden osalta tutkimuksessa?

Useat tutkimukset ovat testanneet MFP:n tarkkuutta, ja tulokset ovat vaihdelleet. Tosi et al. (2022) havaitsivat keskimääräisten energiapoikkeamien olevan 17,4 prosenttia italialaisille ruoille. Evenepoel et al. (2020) huomauttivat jatkuvista tietokannan tarkkuusongelmista tutkimuskirjallisuudessa. MFP suoriutuu kohtuullisesti yleisistä yksittäisistä ruoista, mutta näyttää korkeampia virheasteita monimutkaisemmissa ruokalajeissa ja alueellisissa keittiöissä.

Suosivatko tutkijat tiettyjä kalorienseurantasovelluksia muita enemmän?

Kyllä. Tutkijat, jotka suorittavat kontrolloituja ravitsemusinterventioita, joissa datan tarkkuus on olennaista, suosivat yleensä sovelluksia, joilla on kuratoidut, hallituksen tietokantoihin perustuvat ruokadatakannat. Cronometer on yleisin valinta tässä kategoriassa. Sovellukset, kuten Nutrola, jotka yhdistävät USDA-pohjaiset tietokannat ammatilliseen vahvistukseen, ovat myös hyvin soveltuvia tutkimuskäyttöön.

Voinko käyttää mitä tahansa kalorienseurantasovelluksen dataa lääketieteellisiin tarkoituksiin?

Kuluttajakalorienseurantasovelluksia ei luokitella lääkinnällisiksi laitteiksi, eikä niitä tule käyttää kliiniseen diagnosointiin tai hoitosuunnitelmien laatimiseen ilman ammatillista valvontaa. Kuitenkin sovellukset, joilla on tutkimusvalidointia, voivat tarjota hyödyllistä lisätietoa terveydenhuollon keskusteluihin. Vahvistetut tietokannat (Nutrola, Cronometer) tarjoavat luotettavampaa dataa tähän tarkoitukseen kuin joukkosourced-vaihtoehdot.

Miksi kalorienseurantasovellusten vertailuja on niin vähän?

Päätasoiset vertailut ovat logistisesti monimutkaisia, ja ne vaativat useita osallistujaryhmiä, jotka käyttävät eri sovelluksia samalla vertailuruokavaliolla. Lisäksi sovellusten ominaisuudet ja tietokannat muuttuvat ajan myötä, mikä voi tehdä tutkimustuloksista vanhentuneita muutamassa vuodessa julkaisemisesta. Chen et al. (2019) on yksi harvoista tutkimuksista, jotka vertaavat useita sovelluksia suoraan, ja sen havainnot korostivat merkittävää sovellusten välistä vaihtelua.