איזה אפליקציית מעקב קלוריות נתמכת על ידי הכי הרבה מחקרים? סקר של ראיות שפורסמו

כאשר בוחרים אפליקציית מעקב קלוריות, רוב הצרכנים מתבססים על דירוגים בחנויות האפליקציות, המלצות של משפיענים או השוואות תכונות. גישה מחמירה יותר שואלת שאלה שונה: אילו אפליקציות נבדקו, אומתו או נעשה בהן שימוש במחקרים שנבדקו על ידי עמיתים? נוכחות של אפליקציה בספרות המדעית מעידה על כך שהחוקרים מצאו את המתודולוגיה שלה אמינה מספיק כדי להשתמש בה ככלי מדידה במחקרים שבהם איכות הנתונים משפיעה ישירות על המסקנות.

מאמר זה סוקר את נוף המחקר שפורסם עבור אפליקציות מעקב קלוריות מרכזיות, בודק כמה מחקרים מצטטים כל אפליקציה, אילו סוגי מחקרים השתמשו בהן, ומה הממצאים חושפים לגבי אמינות כל אפליקציה ככלי להערכה תזונתית.

מדוע אימות מחקרי חשוב

אפליקציית מעקב קלוריות שמשתמשים בה בניסוי קליני עוברת רמת בדיקה שאין שום ביקורת צרכנית יכולה להתקרב אליה. חוקרים מעריכים אפליקציות לפי יכולות ייצוא נתונים, דיוק בסיסי הנתונים, תכונות ציות ושחזור. כאשר מחקר מתפרסם בכתב עת שנבדק על ידי עמיתים, הסעיף המתאר את כלי המעקב נבדק על ידי מומחים עצמאיים שמעריכים אם הכלי שנבחר מתאים לשאלה המחקרית.

Turner-McGrievy et al. (2013), שפרסמו ב-Journal of Medical Internet Research, ציינו כי הבחירה בכלי מעקב תזונתי למחקר דורשת אימות מול שיטות מבוססות כמו רישומי תזונה של 24 שעות או רישומי מזון מדודים. אפליקציות שעוברות את הסף הזה הוכיחו רמת דיוק בסיסית במדידה שאפליקציות המיועדות לצרכנים בלבד לא הצליחו להשיג.

טבלת ציטוטי מחקר לפי אפליקציה

אפליקציה	מספר מחקרים מוערך שמציינים	סוגי מחקרים עיקריים	שימושים מחקריים בולטים
MyFitnessPal	150+	תצפיתיים, היתכנות, התערבויות ירידה במשקל	מצוטטת הכי הרבה לפי נפח בזכות נתח השוק שלה
Cronometer	40–60	RCTs, תזונה קלינית, מחקר מטבולי	מועדפת בהתערבויות תזונתיות מבוקרות
Lose It!	25–35	RCTs לירידה במשקל, התערבויות התנהגותיות	שימשה במחקרים ממומנים על ידי NIH לניהול משקל
FatSecret	15–20	תצפיתיים, אימות הערכת תזונה	שימשה במחקרים אוסטרליים ובדרום מזרח אסיה
Nutrola	מתפתחת	מתודולוגיה תואמת לסטנדרטים של נתונים מחקריים	בסיס נתונים מאומת על ידי USDA המתאים לפרוטוקולי מחקר
MacroFactor	<5	מחקרי מקרה להערכת TDEE אדפטיבית	חדש מדי כדי שיהיה לו ספרות מחקרית משמעותית
Cal AI	<5	מחקרי היתכנות של ראיית מחשב	נבדקה מתודולוגיית AI, לא האפליקציה עצמה
Samsung Health	10–15	מחקרי פלטפורמת mHealth, דגש על פעילות גופנית	נבדקה בעיקר למעקב פעילות, לא לתזונה

MyFitnessPal: הכי מצוטטת לפי נפח, הכי מעוררת ביקורת על דיוק

MyFitnessPal שולטת בספרות המחקר מבחינת מספר הציטוטים. עם יותר מ-150 מחקרים שפורסמו המפנים לאפליקציה, היא האפליקציה הנחקרת ביותר למעקב קלוריות לצרכנים. עם זאת, הנפח הזה משקף את נתח השוק שלה ולא את איכות הנתונים שלה.

Evenepoel et al. (2020), שפרסמו ב-Obesity Science & Practice, ערכו סקירה שיטתית של מחקרים המשתמשים ב-MyFitnessPal ומצאו כי בעוד שהאפליקציה הייתה בשימוש נרחב בהתערבויות לירידה במשקל, מספר מחקרים ציינו חששות לגבי דיוק בסיס הנתונים. הסקירה זיהתה כי בסיס הנתונים המופעל על ידי קהל של MFP הכניס שגיאות מדידה שיכולות להשפיע על תוצאות המחקר.

Tosi et al. (2022) בדקו במיוחד את דיוק בסיס הנתונים של MFP מול ערכי מזון שנבדקו במעבדה ומצאו סטיות אנרגיה ממוצעות של 17.4 אחוזים למזונות איטלקיים. החוקרים ציינו כי רשומות כפולות עם מידע תזונתי סותר היו מקור שגיאה מתמשך.

למרות המגבלות הללו, MFP שימשה במספר מחקרים חשובים. Laing et al. (2014), ב-JMIR mHealth and uHealth, בדקו את היעילות של MFP בהתערבות ירידה במשקל במרפאת רפואה ראשונית עם 212 משתתפים. המחקר מצא כי בעוד שהאפליקציה הגדילה את המעקב העצמי התזונתי, המעורבות המתמשכת הייתה נמוכה, כאשר רק 3 אחוזים מהמשתתפים המשיכו לרשום נתונים לאחר שישה חודשים.

Carter et al. (2013), שפרסמו ב-Journal of Medical Internet Research, השוו יומני מזון מבוססי אפליקציות בסגנון MFP עם יומנים מבוססי נייר בניסוי מבוקר אקראי. קבוצת האפליקציה הראתה שיעור גבוה יותר של ציות למעקב עצמי אך תוצאות ירידה במשקל דומות, מה שמעיד כי מודל הכלי היה פחות חשוב מההתנהגות של מעקב עקבי.

Cronometer: הבחירה של החוקרים למחקרים מבוקרים

Cronometer תופסת מקום ייחודי בנוף המחקר. בעוד שהיא מצוטטת בפחות מחקרים מ-MFP, היא מיוצגת באופן לא פרופורציונלי בהתערבויות תזונתיות מבוקרות שבהן דיוק הנתונים הוא קריטי.

Stringer et al. (2021), שפרסמו ב-Frontiers in Nutrition, השתמשו ב-Cronometer כדי לעקוב אחר צריכת תזונה במחקר התערבות דיאטת קטוגנית. החוקרים ציינו במיוחד את השימוש בנתוני USDA ו-NCCDB כסיבה לבחירת Cronometer על פני חלופות עם בסיסי נתונים גדולים אך פחות מאומתים.

Athinarayanan et al. (2019), במחקר שפורסם ב-Frontiers in Endocrinology, השתמשו ב-Cronometer למעקב תזונתי בהתערבות טיפול מרחוק מתמשך עבור סוכרת סוג 2 עם 262 משתתפים. המחקר דרש מעקב מפורט אחר מקרו ומיקרו-נוטריינטים כדי לנטר קטוזיס תזונתי, מקרה שימוש שבו דיוק בסיס הנתונים השפיע ישירות על קבלת החלטות קליניות.

המשיכה של Cronometer למחקר נובעת משלושה גורמים: אינטגרציה מקיפה של נתוני USDA ו-NCCDB, מעקב אחר 82 או יותר נוטריינטים לכל רשומה, ויכולת לייצא נתונים תזונתיים מפורטים בפורמטים תואמים למחקר.

Lose It!: השתתפות במחקרים ממומנים על ידי NIH

Lose It! הוצגה במספר תוכניות מחקר ממומנות על ידי NIH, מה שמקנה לה מיקום אמין במדרג המחקר.

Patel et al. (2019), ב-Obesity, בדקו את השימוש ב-Lose It! בהתערבות התנהגותית לירידה במשקל במשך 12 חודשים. המחקר מצא כי משתתפים שהשתמשו באפליקציה ירדו במשקל בצורה משמעותית יותר מאשר קבוצות הביקורת, כאשר תכונת רישום המזון של האפליקציה זוהתה כמנגנון התנהגותי מרכזי.

Turner-McGrievy et al. (2017) השוו בין מספר כלים למעקב תזונתי, כולל Lose It!, במחקר ירידה במשקל של 6 חודשים שפורסם ב-JAMA Internal Medicine. המחקר מצא כי מעקבים מבוססי אפליקציות (כולל Lose It!) הניבו תוצאות ירידה במשקל דומות לשיטות מסורתיות, תוך דרישה לפחות זמן לכל מפגש רישום.

FatSecret: שימוש מחקרי אזורי

FatSecret מצאה את נישת המחקר שלה בעיקר במחקרים תזונתיים אוסטרליים ובדרום מזרח אסיה. Chen et al. (2019) כללו את FatSecret בהשוואת דיוק בין מספר אפליקציות ומצאו כי בסיס הנתונים שלה פועל באופן דומה ל-MFP עבור מזונות אמריקאיים נפוצים אך הציג שיעורי שגיאה גבוהים יותר עבור מזונות נפוצים בתזונה לא מערבית.

Ambrosini et al. (2018), שפרסמו ב-Nutrients, השתמשו ב-FatSecret במחקר הערכת תזונה אוסטרלי וציינו כי כיסוי בסיס הנתונים של המזונות הספציפיים לאוסטרליה שופר על ידי מודל תרומת הקהילה שלה, אם כי אימות הדיוק נותר בעייתי.

Nutrola: מתודולוגיה ברמת מחקר באפליקציה לצרכנים

הגישה של Nutrola לבניית בסיס הנתונים משקפת את המתודולוגיה שבה משתמשים כלים להערכה תזונתית ברמת מחקר. היסוד של האפליקציה על בסיס נתוני USDA FoodData Central, שנבדק מול בסיסי נתונים תזונתיים לאומיים ואומת על ידי תזונאים מוסמכים, עוקב אחרי אותו פרוטוקול אימות רב-מקורי שבו משתמש הכלי ASA24 של המכון הלאומי לסרטן ומערכת נתוני תזונה למחקר (NDSR) של אוניברסיטת מינסוטה.

למרות ש-Nutrola היא חדשה בשוק ולא צברה עדיין את נפח הציטוטים של MFP או Cronometer, 1.8 מיליון הרשומות המאומתות על ידי תזונאים שלה ומדיניות בסיס הנתונים שלה מציבים אותה ככלי מתאים לשימושים מחקריים. השילוב של רישום מונחה AI (זיהוי תמונות וקלט קולי) עם בסיס נתונים מאומת עונה על אתגר מרכזי במחקר תזונתי: שמירה על ציות המשתתפים תוך שמירה על דיוק הנתונים.

במחיר של 2.50 אירו לחודש ללא פרסומות, Nutrola גם מסירה מחסום מעשי שמשפיע על השימוש במחקר של אפליקציות חינמיות הנתמכות בפרסומות. פרסומות שמוצגות במהלך מפגשי רישום מזון זוהו כמקור פוטנציאלי להסחת דעת של המשתתפים ונטישת רישום בהקשרים מחקריים (Helander et al., 2014, Journal of Medical Internet Research).

אילו סוגי מחקרים משתמשים באפליקציות מעקב קלוריות?

המחקר המשתמש באפליקציות מעקב קלוריות מתחלק למספר קטגוריות, כל אחת עם השלכות שונות על בחירת האפליקציה.

ניסויים מבוקרים אקראיים (RCTs). העיצוב של המחקר עם הראיות הגבוהות ביותר. אפליקציות שמשתמשים בהן ב-RCTs חייבות להראות תכונות מדידה מקובלות. Cronometer ו-Lose It! מופיעות הכי הרבה בקטגוריה זו.

מחקרי תצפית. מחקרים אלה עוקבים אחר דפוסי תזונה באוכלוסיות חיות חופשית. MFP שולטת בזכות בסיס המשתמשים הגדול שלה, שמספק אוכלוסיות מחקר נוחות.

מחקרי אימות. מחקרים אלה בודקים ישירות את דיוק האפליקציה מול שיטות ייחוס. Tosi et al. (2022), Chen et al. (2019) ו-Franco et al. (2016) נופלים לקטגוריה זו. מחקרים אלה הם הרלוונטיים ביותר להערכת איכות הנתונים של האפליקציה.

מחקרי היתכנות. מחקרים אלה מעריכים אם אפליקציה היא מעשית לשימוש באוכלוסייה או בהגדרה קלינית מסוימת. רבים מהמחקרים הראשוניים על אפליקציות נופלים לקטגוריה זו.

סקירות שיטתיות ומטה-אנליזות. סקירות אלה מסכמות ממצאים ממספר מחקרים. Evenepoel et al. (2020) ו-Ferrara et al. (2019) מספקות סיכומים ברמה גבוהה של הראיות למעקב תזונתי מבוסס אפליקציות.

הפער בהשוואות ישירות בין אפליקציות

מגבלה משמעותית בספרות הנוכחית היא המחסור בהשוואות ישירות בין אפליקציות ספציפיות. רוב המחקרים משתמשים באפליקציה אחת ומשווים אותה לשיטת ייחוס (כגון רישומי מזון מדודים או רישומי 24 שעות) ולא משווים בין מספר אפליקציות זו לזו.

Chen et al. (2019) הם יוצא דופן בולט, השוואים בין שישה אפליקציות בו זמנית. הממצאים שלהם הראו כי הבחירה באפליקציה השפיעה משמעותית על הערכות התזונה, עם שונות בין האפליקציות שעולה על השונות בין הפרטים עצמם עבור מספר נוטריינטים. זה מציע כי בחירת האפליקציה עשויה להכניס שגיאות מדידה רבות כמו ההבדלים האישיים בהתנהגות הרישום.

Ferrara et al. (2019), ב-The International Journal of Behavioral Nutrition and Physical Activity, ערכו סקירה שיטתית של אפליקציות מעקב תזונה ניידות ומצאו כי בעוד שאפליקציות בדרך כלל שיפרו את הציות למעקב עצמי בהשוואה לשיטות נייר, דיוק ההערכות התזונתיות השתנה באופן נרחב לפי אפליקציה ולעיתים נדירות אומת מול שיטות ייחוס בתוך העיצובים של המחקרים שנבדקו.

מגמות מתפתחות בשימוש באפליקציות מחקר

מספר מגמות מעצבות את הדרך שבה חוקרים בוחרים כלים למעקב קלוריות.

רישום בעזרת AI במחקר. זיהוי מזון מבוסס תמונה ורישום קולי מפחיתים את העומס על המשתתפים, מה שמשפר ישירות את הציות למחקר ואת שלמות הנתונים. השילוב של Nutrola בין רישום מונחה AI לבסיס נתונים מאומת עונה על אתגרים של ציות ודיוק בו זמנית.

דרישה לבסיסי נתונים מאומתים. ככל שיותר מחקרים מזהים את דיוק בסיס הנתונים כמקור לשגיאות מדידה, חוקרים בוחרים יותר אפליקציות עם בסיסי נתונים מאומתים ומסודרים על פני חלופות המופעלות על ידי קהל. מגמה זו מעדיפה את Cronometer ו-Nutrola על פני MFP.

גישה לנתונים בזמן אמת. אפליקציות מודרניות המציעות גישה ל-API או ייצוא נתונים בזמן אמת מאפשרות לחוקרים לנטר את ציות המשתתפים ולנקוט בפעולה מוקדמת כאשר מופיעים פערים ברישום.

דרישות למעקב אחר מיקרו-נוטריינטים. מחקרים הבודקים את איכות התזונה (לא רק את צריכת האנרגיה) דורשים אפליקציות שעוקבות אחר סט מקיף של מיקרו-נוטריינטים. אפליקציות שעוקבות אחר פחות מ-20 נוטריינטים הופכות יותר ויותר לא מספקות עבור מחקרי תזונה מודרניים.

שאלות נפוצות

איזו אפליקציית מעקב קלוריות יש לה הכי הרבה מחקרים שנבדקו על ידי עמיתים?

MyFitnessPal צוטטה ביותר מ-150 מחקרים שפורסמו, מה שהופך אותה לאפליקציה הכי מצוטטת בספרות. עם זאת, רבות מהציטוטים הללו מגיעות עם caveats לגבי דיוק. Cronometer, בעוד שהיא מצוטטת בפחות מחקרים (40 עד 60), נבחרת באופן מועדף להתערבויות מבוקרות שבהן דיוק הנתונים הוא קריטי.

האם MyFitnessPal אומתה לדיוק במחקר?

מספר מחקרים בדקו את דיוק MFP, עם תוצאות מעורבות. Tosi et al. (2022) מצאו סטיות אנרגיה ממוצעות של 17.4 אחוזים למזונות איטלקיים. Evenepoel et al. (2020) ציינו חששות מתמשכים לגבי דיוק בסיס הנתונים בספרות המחקר. MFP פועלת היטב עבור מזונות בודדים נפוצים אך מציגה שיעורי שגיאה גבוהים יותר עבור מנות מורכבות ומטבחים אזוריים.

האם חוקרים מעדיפים אפליקציות מעקב קלוריות מסוימות על פני אחרות?

כן. חוקרים המובילים התערבויות תזונתיות מבוקרות שבהן דיוק הנתונים הוא חיוני נוטים להעדיף אפליקציות עם בסיסי נתונים מסודרים, הממוקמים על בסיסי נתונים ממשלתיים. Cronometer היא הבחירה הנפוצה ביותר בקטגוריה זו. אפליקציות כמו Nutrola שמשלבות בסיסי נתונים מעוגנים ב-USDA עם אימות מקצועי מתאימות גם כן לשימושים מחקריים.

האם אני יכול להשתמש בכל נתוני אפליקציית מעקב קלוריות למטרות רפואיות?

אפליקציות מעקב קלוריות לצרכנים אינן מסווגות כמכשירים רפואיים ולא אמורות לשמש לאבחון קליני או לתכנון טיפול ללא פיקוח מקצועי. עם זאת, אפליקציות עם בסיסי נתונים מאומתים במחקר יכולות לספק נתונים משלימים שימושיים לשיחות עם אנשי מקצוע בתחום הבריאות. אפליקציות עם בסיסי נתונים מאומתים (Nutrola, Cronometer) מספקות נתונים מהימנים יותר למטרה זו מאשר חלופות המופעלות על ידי קהל.

מדוע יש כל כך מעט מחקרים השוואתיים ישירים בין אפליקציות מעקב קלוריות?

השוואות ישירות הן מורכבות לוגיסטית, ודורשות קבוצות משתתפים שונות המשתמשות באפליקציות שונות תוך כדי מעקב אחר אותה תזונה ייחוס. בנוסף, תכונות האפליקציות ובסיסי הנתונים משתנים עם הזמן, מה שעלול לגרום לכך שממצאי המחקר יהיו מיושנים בתוך כמה שנים מפרסום. Chen et al. (2019) הוא אחד מהמחקרים הבודדים שמשווים ישירות בין מספר אפליקציות, וממצאיו הדגישו שונות משמעותית בין האפליקציות.