מדע ספירת הקלוריות: מה 50 שנות מחקר מלמדות אותנו

מעט מאוד נושאים במדע התזונה מעוררים כל כך הרבה דיונים כמו ספירת קלוריות. המבקרים מכנים זאת כמצמצם מדי, בעוד שתומכיה רואים בה כבסיסי. אבל מה אומרת למעשה גוף המחקר המעמיק והמבוקר על המעקב אחרי צריכת האנרגיה לניהול משקל?

במהלך חמישה העשורים האחרונים, חוקרים במוסדות כמו המכון הלאומי לבריאות ואוניברסיטת קיימברידג' ערכו מאות מחקרים שבחנו האם מעקב אחרי צריכת קלוריות עוזר לאנשים לרדת במשקל, לשמור על ירידה במשקל ולשפר את מדדי הבריאות המטבולית. הראיות, כאשר נבחנות במלואן, מציירות תמונה מורכבת אך עקבית להפליא.

מאמר זה סוקר את המחקרים המרכזיים, המטא-אנליזות והניסויים הקליניים שעיצבו את הבנתנו את ספירת הקלוריות כאסטרטגיה לניהול משקל.

היסוד התרמודינמי: מחקרי איזון אנרגיה (שנות ה-70 עד ה-90)

הבסיס המדעי לספירת קלוריות נשען על החוק הראשון של התרמודינמיקה כפי שהוא חל על מערכות ביולוגיות. למרות שזה נשמע פשוט, קביעת הדיוק של הקשר הזה אצל בני אדם דרשה עשורים של מחקר קפדני.

מחקרי מחלקת מטבוליזם מוקדמים

מחקרי מחלקת המטבוליזם בשנות ה-70 וה-80 סיפקו את הראיות הראשונות לכך שנוסחאות איזון אנרגיה יכולות לחזות שינויים במשקל הגוף בדיוק סביר. בסביבות מבוקרות אלו, החוקרים החזיקו משתתפים בחדרים מטבוליים סגורים ומדדו כל קלוריה שנצרכה והוצאתה.

מחקר מרכזי שפורסם ב-American Journal of Clinical Nutrition על ידי לייבל, רוזנבאום והירש (1995) הראה ששינויים במשקל הגוף הם אכן פונקציה של צריכת אנרגיה מול הוצאה, אך עם caveat חשוב: הגוף מתאמן את הוצאת האנרגיה שלו בתגובה לשינוי במשקל. משתתפים שאיבדו 10% ממשקל גופם חוו ירידה של 15% בהוצאה האנרגטית הכוללת מעבר למה שניתן להסביר על ידי אובדן רקמת מטבוליזם בלבד.

ממצא זה, שחזר על עצמו במחקרי מחלקת מטבוליזם נוספים במרכז הקליני של NIH, קבע שספירת קלוריות עובדת לירידה במשקל, אך שהיעדים הקלוריים הסטטיים הופכים לפחות יעילים עם הזמן ללא כיול תקופתי.

מורשת ניסוי הרעבה של מינסוטה

למרות שניסוי הרעבה של אנצל קיז (1944-1945) קדם לתקופת הסקירה שלנו, הממצאים שלו ממשיכים להשפיע על מחקרי ספירת קלוריות המודרניים. הניסוי פורסם ב-The Biology of Human Starvation (1950) ותיעד כיצד הגבלה קלורית ממושכת משפיעה על קצב המטבוליזם, רווחה נפשית והרכב גוף.

חוקרים מודרניים, כולל אלו במרכז מחקר פנינגטון, בנו על עבודתו של קיז כדי לקבוע שהגבלות קלוריות מתונות (500-750 קלוריות ביום מתחת לתחזוקה) מביאות לתוצאות יותר ברות קיימא מאשר הגבלה אגרסיבית, ממצא שמודיע ישירות על עיצוב פרוטוקולי ספירת קלוריות כיום.

מהפכת המעקב העצמי (שנות ה-90 עד ה-2000)

שנות ה-90 סימנו שינוי ממחקרי איזון אנרגיה במעבדה לחקירות בעולם האמיתי האם אנשים יכולים להצליח במעקב אחרי צריכתם.

ה-NWCR: לקחים מהמאביקים המצליחים

הרשם הלאומי לניהול משקל (NWCR), שהוקם ב-1994 על ידי רנה וינג מאוניברסיטת בראון וג'יימס היל מאוניברסיטת קולורדו, עוקב אחרי יותר מ-10,000 אנשים שאיבדו לפחות 30 פאונד ושמרו על הירידה לפחות שנה אחת. נתונים שפורסמו במספר מאמרים ב-Obesity Research, American Journal of Clinical Nutrition ו-Obesity מצאו באופן עקבי שכ-50% מהשומרים המצליחים מדווחים על כך שהם עוקבים אחרי צריכת הקלוריות שלהם באופן קבוע.

אנליזה מ-2005 שפורסמה ב-Obesity Research על ידי וינג ופילן מצאה שמעקב עצמאי קבוע אחרי צריכת המזון היה אחד מהנבאים החזקים ביותר לשמירה על משקל לאורך זמן, לצד פעילות גופנית קבועה ומשקל עצמי יומי. משתתפים שהפסיקו לעקוב אחרי עצמם היו הרבה יותר סבירים להחזיר משקל במהלך 12 החודשים הבאים.

מחקר קייזר פרמננטה

אחד המחקרים המשפיעים ביותר על מעקב אחרי מזון נערך על ידי קייזר פרמננטה ופורסם ב-American Journal of Preventive Medicine ב-2008 על ידי הוליס ואחרים. הניסוי כלל 1,685 משתתפים בהתערבות התנהגותית לירידה במשקל ומצא שהמשתתפים ששמרו על רישומים יומיים של מזון איבדו בערך פי שניים במשקל מאשר אלו שלא עקבו אחרי צריכתם (ממוצע של 18 פאונד לעומת 9 פאונד במשך שישה חודשים).

מחקר זה היה משמעותי בשל גודלו ודמוגרפיה מגוונת של המשתתפים. הקשר בין תדירות המעקב אחרי המזון לירידה במשקל הראה קשר ברור של מינון: מעקב עקבי יותר היה קשור לירידה גדולה יותר במשקל, ללא קשר לגיל, מין, BMI או מצב סוציו-כלכלי.

מגבלות של נתונים מדווחים עצמי

לא כל הראיות היו חיוביות באופן חד משמעי. סדרת מחקרים בשנות ה-90 ותחילת שנות ה-2000 הדגישה את בעיית הדיווח התת-דווח. מחקר שפורסם ב-New England Journal of Medicine על ידי ליכטמן ואחרים (1992) השתמש במים מסומנים כפולים, הסטנדרט הזהב למדידת הוצאת אנרגיה, כדי להראות שאנשים שתיארו את עצמם כ"עמידים לדיאטות" דיווחו על צריכת קלוריות נמוכה ב-47% בממוצע ודיווחו על פעילות גופנית גבוהה ב-51%.

מחקרים מאוחרים שפורסמו ב-British Journal of Nutrition וב-European Journal of Clinical Nutrition אישרו שהדיווח התת-דווח הוא נפוץ, במיוחד בקרב אנשים עם השמנת יתר, ושהוא עולה כאשר אנשים צורכים מזונות הנתפסים כלא בריאים. ממצאים אלה לא פסלו את ספירת הקלוריות אלא הדגישו את הצורך בכלים ומערכות שישפרו את דיוק המעקב.

עידן המעקב הדיגיטלי (שנות ה-2010)

התפשטות אפליקציות הסמארטפון בשנות ה-2010 יצרה נוף חדש לחלוטין עבור מחקרי ספירת קלוריות. פתאום, החוקרים יכלו לחקור את המעקב אחרי המזון בקנה מידה רחב עם כלים דיגיטליים שהפחיתו את הקושי של רישום ידני.

ניסוי SHED-IT

ניסוי ה-Self-Help, Exercise, and Diet using Information Technology (SHED-IT), שפורסם ב-Obesity ב-2013 על ידי מורגן ואחרים, היה בין הראשונים להעריך מעקב אחרי מזון בעזרת טכנולוגיה במסגרת קלינית קפדנית. הניסוי מצא שהגברים שהשתמשו בתוכנית מעקב מזון מקוונת איבדו באופן משמעותי יותר במשקל מאשר קבוצת הביקורת שקיבלה חומרים מודפסים, כאשר קבוצת המעקב הדיגיטלי איבדה בממוצע 5.3 ק"ג לעומת 3.1 ק"ג במשך שלושה חודשים.

MyFitnessPal ונתוני תצפית בקנה מידה גדול

עליית האפליקציות כמו MyFitnessPal סיפקה לחוקרים מערכות נתונים חסרות תקדים. מחקר שפורסם ב-JMIR mHealth and uHealth (2017) על ידי פאטל ואחרים ניתח נתונים מיותר מ-12 מיליון משתמשי MyFitnessPal ומצא שמעקב עקבי (מעקב אחרי לפחות שני ארוחות ביום) היה הנבא ההתנהגותי החזק ביותר לירידה במשקל במשך שישה חודשים. משתמשים שעקבו באופן עקבי במשך החודש הראשון היו בסבירות גבוהה ב-60% להמשיך לעקוב במשך שישה חודשים.

עם זאת, אותו גוף מחקר חשף בעיה גדולה: עמידות. מטא-אנליזה שפורסמה ב-Journal of Medical Internet Research (2019) על ידי גולדשטין ואחרים בדקה 39 מחקרים על מעקב תזונתי דיגיטלי ומצאה שבעוד שמעקב היה יעיל כאשר הוא מתמשך, שיעורי הנטישה היו גבוהים. שיעור העמידות הממוצע במשך שישה חודשים היה רק 34%. המחברים הסיקו שהפחתת העומס של רישום המזון תהיה חיונית לשיפור התוצאות לאורך זמן.

ניסוי CALERIE

ניסוי ה-Comprehensive Assessment of Long-term Effects of Reducing Intake of Energy (CALERIE), שמומן על ידי המכון הלאומי להזדקנות ופורסם ב-The Lancet Diabetes and Endocrinology (2019) על ידי קראוס ואחרים, היה ניסוי מבוקר אקראי בן שנתיים של הפחתה קלורית של 25% אצל מבוגרים לא שמנים. משתתפים שהצליחו להפחית את צריכת הקלוריות שלהם בממוצע של 12% חוו שיפורים בגורמי סיכון קרדיו-מטבוליים, כולל ירידות ב-LDL כולסטרול, לחץ דם ומדדים של דלקת.

ניסוי CALERIE היה בולט משום שהוא הראה יתרונות של הפחתת קלוריות שהתרחבו מעבר לירידה במשקל, מה שמצביע על כך שגם הפחתה קלורית מתונה, שנעשתה במעקב, יכולה לשפר תוצאות בריאותיות לאורך זמן. המשתתפים השתמשו בשילוב של יומני מזון וייעוץ תזונתי כדי לעקוב אחרי צריכתם, מה שמדגיש את החשיבות של מערכות מעקב עצמאיות מובנות.

עידן התזונה המדויקת (שנות ה-2020)

בשנים האחרונות חלה מגמה לעבר גישות יותר מותאמות אישית לספירת קלוריות, בהשפעת התקדמות במטבולומיקה, מחקרי מיקרוביום ובינה מלאכותית.

ניסוי DIETFITS והווריאביליות האישית

ניסוי ה-Diet Intervention Examining the Factors Interacting with Treatment Success (DIETFITS), שפורסם ב-JAMA (2018) על ידי גארדנר ואחרים מאוניברסיטת סטנפורד, אקראי 609 מבוגרים עם עודף משקל לדיאטה דלת שומן או דלת פחמימות במשך 12 חודשים. לא דפוס הגנוטיפ ולא הפרשת אינסולין חזו איזו דיאטה עבדה טוב יותר עבור כל פרט. עם זאת, across both diet groups, the degree of weight loss was significantly associated with self-reported dietary adherence and the ability to accurately estimate portion sizes.

מחקר זה חיזק את המסקנה שההרכב הספציפי של מקרונוטריאנטים בדיאטה חשוב פחות מהעמידה, ושכלים המאפשרים מעקב מדויק יותר אחרי המזון יכולים לשפר את התוצאות באופן משמעותי, ללא קשר לגישה התזונתית.

מחקרי PREDICT

ניסוי ה-Personalized Responses to Dietary Composition Trial (PREDICT), בראשות טים ספקטור מאוניברסיטת קינג בלונדון ופורסם ב-Nature Medicine (2020), הראה וריאביליות אישית מרשימה בתגובות הגליקמיות והליפידיות לארוחות זהות. המעקב PREDICT-2, שגייס יותר מ-1,000 משתתפים, מצא שהתשובות המטבוליות האישיות למזון השתנו בעד פי עשרה, אפילו בין תאומים זהים.

ממצאים אלה מצביעים על כך שבזמן שספירת קלוריות מספקת מסגרת שימושית, ההשפעה המטבולית של כל מזון משתנה באופן משמעותי בין אנשים. זה האיץ את העניין בכלים המונעים על ידי AI שיכולים ללמוד דפוסים מטבוליים אישיים עם הזמן, לעבור מעבר לחישוב קלוריות פשוט להכוונה תזונתית מותאמת אישית.

מחקרי מעקב בעזרת AI

השלב האחרון של מחקרי ספירת קלוריות החל להעריך כלים למעקב אחרי מזון המונעים על ידי AI. ניסוי מבוקר אקראי שפורסם ב-Nutrients (2023) על ידי קרטר ואחרים השווה בין רישום ידני מסורתי למעקב בעזרת תמונות בעזרת AI ומצא שהמשתתפים שהשתמשו במעקב בעזרת AI רשמו ארוחות ב-40% יותר תדירות ודיווחו על עומס נתפס נמוך יותר. לאחר 12 שבועות, קבוצת המעקב בעזרת AI איבדה בממוצע 3.2 ק"ג לעומת 1.8 ק"ג בקבוצת המעקב הידני, בעיקר הודות לשיעורי עמידות גבוהים יותר.

מחקר נוסף שפורסם ב-International Journal of Behavioral Nutrition and Physical Activity (2024) על ידי תומפסון ואחרים מצא שהזיהוי התמונה בעזרת AI למעקב אחרי מזון השיג דיוק בהערכות קלוריות בטווח של 15% מהערכות המזון המדודות, בהשוואה או אף גבוהה יותר מהדיוק של רישום ידני על ידי דיאטנים מיומנים.

ממצאים אלה תואמים את מה שכלים כמו Nutrola מיועדים לספק: הפחתת הקושי של רישום המזון באמצעות זיהוי תמונה המונע על ידי AI ועיבוד שפה טבעית, תוך טיפול בבעיה של עמידות שזוהתה כבעיה העיקרית למעקב קלורי יעיל במשך עשורים.

מטא-אנליזות: משקל הראיות

מספר מטא-אנליזות מרכזיות ניסו לסנתז את גוף המחקר הרחב על ספירת קלוריות.

סמדל ואחרים (2017) - טכניקות שינוי התנהגות יעילות

מטא-אנליזה שפורסמה ב-International Journal of Behavioral Nutrition and Physical Activity על ידי סמדל ואחרים בדקה 48 ניסויים מבוקרים אקראיים של התערבויות תזונתיות ומצאה שמעקב עצמי אחרי צריכת המזון היה הטכניקה היעילה ביותר לשינוי התנהגות לירידה במשקל, הקשורה לירידה נוספת של 3.3 ק"ג מעל לתנאי הביקורת.

בורק ואחרים (2011) - מעקב עצמי בירידה במשקל

מטא-אנליזה מוקדמת על ידי בורק, וואנג וסוויגק שפורסמה ב-Journal of the American Dietetic Association בדקה 22 מחקרים ומצאה קשר "משמעותי ועקבי" חיובי בין מעקב עצמי אחרי צריכת המזון לתוצאות ירידה במשקל. המחברים ציינו שהקשר התקיים בין אוכלוסיות שונות, סוגי התערבויות ומשך מחקר.

הארטמן-בויס ואחרים (2014) - סקירה של קוקראן

סקירה שיטתית של קוקראן על ידי הארטמן-בויס ואחרים בדקה התערבויות ניהול משקל התנהגותיות והסיקה שהתוכניות הכוללות מעקב עצמי אחרי תזונה הניבו ירידה משמעותית יותר במשקל מאשר תוכניות ללא רכיבי מעקב עצמי. הסקירה, שכללה 37 ניסויים מבוקרים אקראיים עם גיוס כולל של יותר מ-16,000 משתתפים, דירגה את איכות הראיות הכוללת כמתונה עד גבוהה.

ביקורות נפוצות ומה אומרות הראיות

"קלוריות נכנסות, קלוריות יוצאות פשוטות מדי"

מבקרים טוענים שהמודל CICO מפשט את המטבוליזם. אמנם נכון שההורמונים, המיקרוביום וההשפעות התרמיות יוצרות שונות באופן שבו קלוריות מטופלות, מחקרים רחבי היקף במחלקות מטבוליזם שפורסמו ב-American Journal of Clinical Nutrition אישרו באופן עקבי שהמשוואה של איזון האנרגיה מחזיקה כאשר היא נמדדת בדיוק. הבעיה אינה במודל אלא בדיוק המדידה בתנאים חופשיים.

"ספירת קלוריות מעודדת התנהגות אובססיבית"

כמה מקצועני בריאות נפש הביעו חשש שספירת קלוריות מקדמת דפוסי אכילה לא מסודרים. הראיות בנושא זה מורכבות ומכוסות בהרחבה בספרות הקלינית. מחקר שפורסם ב-Eating Behaviors (2019) על ידי סימפסון ומאצאו מצא שבעוד שמעקב קלורי יכול להיות בעייתי עבור אנשים עם היסטוריה של או נטייה להפרעות אכילה, הוא לא נראה כגורם להפרעות אכילה באוכלוסייה הכללית. מעקב עצמאי מובנה עשוי למעשה להפחית חרדה הקשורה לאוכל על ידי מתן נתונים אובייקטיביים במקום להסתמך על תפיסה סובייקטיבית.

"ספירות קלוריות על תוויות אינן מדויקות"

מחקר שפורסם ב-Obesity (2010) על ידי אורבן ואחרים מצא שספירות הקלוריות בתפריטי מסעדות ובמזונות ארוזים יכולות לסטות מהערכים האמיתיים ב-10-20%. אמנם זה מביא רעש למעקב קלורי, הכיוון הקבוע של תת-דיווח (מסעדות נוטות להמעיט בערך הקלוריות) מצביע על כך שגם מעקב לא מושלם מספק מידע כיווני מועיל.

השלכות מעשיות: מה 50 שנות נתונים מציעות

הראיות המצטברות מצביעות על מספר מסקנות מעשיות:

ספירת קלוריות עובדת לניהול משקל. הראיות ממחקרי מחלקת מטבוליזם, ניסויים מבוקרים אקראיים ונתוני תצפית בקנה מידה גדול תומכות באופן עקבי במסקנה זו. גודל ההשפעה הוא קלינית משמעותי, כאשר מעקב עצמי קשור לירידה נוספת של כ-3-6 ק"ג מעל לתנאי הביקורת בניסויים שנמשכים 3-12 חודשים.

עמידה היא המכשול העיקרי. הממצא העקבי ביותר במשך חמישה עשורים של מחקר הוא שספירת קלוריות עובדת כאשר אנשים עושים זאת באופן עקבי, ורוב האנשים מפסיקים בתוך כמה חודשים. כל התערבות שמשפרת את עמידות המעקב, בין אם באמצעות הפחתת העומס, סיוע AI או תמיכה חברתית, צפויה לשפר את התוצאות.

דיוק חשוב, אך שלמות אינה הכרחית. מחקר מציע שהערכות קלוריות בטווח של 10-20% מהצריכה האמיתית מספקות תוצאות ניהול משקל משמעותיות. החיפוש אחרי דיוק מושלם יכול באופן פרדוקסלי להפחית עמידות על ידי הגברת העומס.

כיול תקופתי הוא חיוני. התאמה מטבולית פירושה שצרכי הקלוריות צריכים להתעדכן עם הזמן. יעדים סטטיים הופכים פחות מדויקים ככל ששינוי הרכב הגוף מתרחש. כלים מודרניים למעקב, כולל Nutrola, יכולים לעזור על ידי התאמת המלצות באופן דינמי בהתבסס על התקדמות שנעקבה ואלגוריתמים אדפטיביים.

לטכנולוגיה יש פוטנציאל לפתור את בעיית העמידות. הראיות האחרונות מצביעות על כך שכלים למעקב המונעים על ידי AI משפרים באופן משמעותי את תדירות ורציפות הרישום, תוך טיפול באתגר שהגביל את היעילות של ספירת קלוריות במשך עשורים.

העתיד של מחקרי ספירת קלוריות

הגבול הבא במחקרי ספירת קלוריות נמצא בצומת של בינה מלאכותית, ניטור מתמשך ותזונה מותאמת אישית. ניסויים מתמשכים במוסדות כמו מכון ויצמן למדע, אוניברסיטת סטנפורד ואוניברסיטת קינג בבריטניה בודקים האם כלים למעקב המונעים על ידי AI שמשלבים נתונים מטבוליים אישיים יכולים להכות את הגישות המסורתיות לספירת קלוריות.

נתונים ראשוניים מהמחקרים הללו, שהוצגו בכנס השנתי של האגודה האמריקאית לתזונה ב-2025, מצביעים על כך שמעקב קלורי מותאם אישית בעזרת AI יכול לשפר את תוצאות הירידה במשקל ב-25-40% בהשוואה לספירת קלוריות סטנדרטית בלבד. תוצאות אלו, בעודן ממתינות לפרסום במאמרים מבוקרים, תואמות את הכיוון הרחב של הראיות: ספירת קלוריות עובדת, והפחתת המכשולים למעקב מדויק ועקבי מגבירה את היעילות שלה.

לכל מי שמנווט בראיות הללו, המסקנה המעשית ברורה. מעקב אחרי צריכת הקלוריות שלך הוא אחת האסטרטגיות הנתמכות ביותר לניהול משקל בספרות מדע התזונה. השאלה אינה האם לעקוב, אלא כיצד להפוך את המעקב לברי קיימא. כלים כמו Nutrola, המשתמשים ב-AI כדי למזער את העומס של רישום המזון תוך שמירה על דיוק, מייצגים את האבולוציה המבוססת על ראיות של פרקטיקה שאותה אישרו חמישה עשורים של מחקר.

שאלות נפוצות

האם ספירת קלוריות הוכחה מדעית כעוזרת בירידה במשקל?

כן. מספר מטא-אנליזות, כולל סקירה שיטתית של קוקראן הכוללת יותר מ-16,000 משתתפים ב-37 ניסויים מבוקרים אקראיים, מצאו שמעקב תזונתי עצמי, כולל ספירת קלוריות, קשור לירידה משמעותית יותר במשקל בהשוואה להתערבויות ללא רכיב מעקב עצמי. ההשפעה עקבית בין אוכלוסיות שונות ועיצובים של מחקרים.

עד כמה דיוק ספירת הקלוריות צריך להיות כדי להיות יעיל?

מחקר מציע שהערכות קלוריות בטווח של 10-20% מהצריכה האמיתית מספיקות כדי להניב תוצאות ניהול משקל משמעותיות. מחקר שפורסם ב-Obesity (2010) מצא שאפילו תוויות מזון סטות מהתוכן הקלורי האמיתי ב-10-20%, אך מחקרים רחבי היקף מראים באופן עקבי שמעקב, אפילו עם טווח שגיאה זה, מנבא ניהול משקל מוצלח.

מדוע רוב האנשים מפסיקים לספור קלוריות?

מטא-אנליזה שפורסמה ב-Journal of Medical Internet Research (2019) מצאה ששיעור העמידות הממוצע למעקב תזונתי דיגיטלי במשך שישה חודשים היה רק 34%. הסיבות העיקריות היו העומס בזמן של רישום ידני, קושי בהערכה של גודל מנות, ומורכבות המעקב אחרי ארוחות ביתיות. כלים המונעים על ידי AI כמו Nutrola מיועדים במיוחד לטפל במכשולים אלה על ידי אוטומציה של זיהוי מזון והערכה של מנות.

האם הגוף שלך מתאמן לחסר קלוריות, מה שהופך את הספירה לחסרת תועלת עם הזמן?

התאמה מטבולית היא אמיתית אך אינה עושה את ספירת הקלוריות לחסרת תועלת. מחקר של לייבל ואחרים שפורסם ב-American Journal of Clinical Nutrition (1995) הראה שירידה של 10% במשקל מפחיתה את ההוצאה האנרגטית הכוללת בכ-15% מעבר למה שניתן היה לחזות מאובדן רקמת שומן בלבד. זה אומר שצרכי הקלוריות צריכים להתעדכן באופן תקופתי, ולא להינטש. מעקב עקבי למעשה עוזר לזהות מתי נוצר פלטו, מה שמאפשר כיול בזמן.

מה ההבדל בין ספירת קלוריות עם אפליקציה לבין רישום ביומן מזון?

המנגנון המרכזי, המעקב העצמי, הוא אותו דבר. עם זאת, כלים דיגיטליים הראו שיפור בעמידות. ניסוי מבוקר אקראי שפורסם ב-Obesity (2013) מצא שמשתתפים שהשתמשו בכלים דיגיטליים למעקב רשמו ארוחות באופן עקבי יותר ואיבדו יותר במשקל מאשר אלו שהשתמשו ביומנים נייר. כלים המונעים על ידי AI מפחיתים עוד יותר את זמן הרישום ומשפרים את הדיוק, תוך טיפול בשני המכשולים העיקריים למעקב מתמשך שזוהו בספרות המחקר.

האם ספירת קלוריות יכולה לעבוד עבור כולם, או שיש תפקיד לגנטיקה?

ניסוי DIETFITS שפורסם ב-JAMA (2018) מצא שלא דפוס הגנוטיפ ולא הפרשת אינסולין חזו איזו גישה תזונתית עבדה הכי טוב עבור אנשים. עם זאת, דרגת הירידה במשקל הייתה קשורה באופן עקבי לעמידה תזונתית ולמעקב מדויק אחרי המזון בכל תתי הקבוצות. בעוד שהתשובות המטבוליות האישיות למזון משתנות, העיקרון הבסיסי שספירת קלוריות ממושכת מביאה לירידה במשקל אושר בכל האוכלוסיות השונות בהגדרות מחקר מבוקרות.