Hogyan épül fel a Nutrola Élelmiszeradatbázisa: USDA Adatoktól a 12 Millió Ellenőrzött Bejegyzésig

Amikor a kalóriaszámláló alkalmazásban rákeresel a "grillezett csirkemell" kifejezésre, és azt látod, hogy "165 kalória 100 grammban", ez a szám nem a semmiből bukkant fel. Valaki megmérte. Valaki ellenőrizte. Valaki úgy döntött, hogy ez elég pontos ahhoz, hogy milliók számára megjelenjen, akik az adatok alapján hoznak egészségi döntéseket.

Az élelmiszeradatbázis minősége az a láthatatlan alap, amely minden kalóriaszámláló alkalmazás alatt ott rejlik. Ha az adatbázis hibás, akkor minden, ami ráépül, szintén hibás: a napi kalóriabeviteled, a makrotápanyagok megoszlása, a heti trendek, a coachod ajánlásai, és végső soron az eredményeid. Mégis, a legtöbb felhasználó soha nem gondolkodik el azon, honnan származnak a számok, és a legtöbb alkalmazás soha nem magyarázza el ezt.

Ez a cikk pontosan bemutatja, hogyan épül fel a Nutrola élelmiszeradatbázisa, a kormányzati adatok alapjaitól kezdve a ma 12 millió ellenőrzött bejegyzést tartalmazó adatbázisig. Emellett azt is elmagyarázza, miért változik drámaian az adatbázis minősége az alkalmazások között, és mit jelent ez a nyomkövetésed pontosságára nézve.

Az Alap: USDA FoodData Central

Minden komoly táplálkozási adatbázis az Egyesült Államok Mezőgazdasági Minisztériumával (USDA) kezdődik. Az USDA már az 1890-es évek óta méri az élelmiszerek tápanyagtartalmát, és modern adatbázisa, a FoodData Central, a világ legátfogóbb és legszigorúbban validált élelmiszer-összetételi adatgyűjteménye.

A FoodData Central több adatcsoportot tartalmaz. SR Legacy körülbelül 7600 gyakori élelmiszer részletes tápanyagprofilját nyújtja, mindegyik laboratóriumi elemzés alapján, nem becslés alapján. Az élelmiszereket fizikailag megvásárolják, a standardizált protokollok szerint készítik el, és validált analitikai kémiai módszerekkel elemzik. Foundation Foods a modernebb, részletesebb utódja, amely a változékonyság mértékét, a mintaméreteket, valamint a fajtára, fajtára, származásra és betakarítási időszakra vonatkozó metaadatokat biztosít. FNDDS a kevert ételeket és recepteket fedi le, ahogyan azokat általában fogyasztják, a porcióméret adatai háztartási mértékekhez kapcsolódnak. Branded Foods csomagolt élelmiszeradatokat tartalmaz, amelyeket a Label Insight (jelenleg NielsenIQ) partnersége révén szereztek be.

A Nutrola mind a négy adatcsoportot feldolgozza, egységes sémára normalizálja őket, és keresztellenőrzi a bejegyzéseket a eltérések feloldása érdekében. Amikor az SR Legacy és a Foundation Foods is tartalmaz adatokat ugyanarról az elemről, a Foundation Foods értékei élveznek elsőbbséget, mivel ezek a legfrissebb elemzéseken alapulnak.

Ez az USDA alap körülbelül 400,000 egyedi élelmiszerbejegyzést biztosít. Ez egy erős kiindulópont, de nem elegendő egy modern kalóriaszámláló alkalmazás számára. A legtöbb ember nem "Csirke, broiler, mell, csak hús, főtt, sült" ételt fogyaszt. Ők Chick-fil-A szendvicset, Trader Joe's fagyasztott ételt, vagy egy házi ételt esznek, amelyet a nagymamájuk hozott egy másik országból. Az, hogy a valódi emberek mit esznek, sokkal szélesebb spektrumot igényel, mint amit a kormányzati adatok nyújtanak.

A Branded Élelmiszeradatok Hozzáadása

A branded élelmiszer réteg a legnagyobb egyedi bővítést jelenti az adatbázisban. A tápértékjelöléssel ellátott csomagolt élelmiszerek jelentős részesedést képviselnek az Egyesült Államok és más fejlett országok tipikus étrendjében, és a felhasználók elvárják, hogy megtalálják a konkrét termékeiket, amikor keresnek.

A Nutrola több csatornán keresztül szerzi be a branded élelmiszeradatokat.

Közvetlen gyártói partnerségek biztosítják a legmagasabb minőségű branded adatokat. Amikor egy gyártó közvetlenül megosztja a tápanyagadatokat, azok ugyanazon laboratóriumi elemzésekből származnak, amelyeket a tápértékjelölés előállításához használnak. A Nutrola több száz élelmiszergyártóval fenntart adatmegosztási megállapodásokat.

Vonalkód adatbázis integráció rögzíti a termékek hosszú sorát nyílt forráskódú vonalkód adatbázisok, kormányzati élelmiszer címke nyilvántartások és kereskedelmi adat szolgáltatók révén. Amikor egy felhasználó beolvas egy nem ismert vonalkódot, a rendszer egy ellenőrzési munkafolyamatot indít, mielőtt a bejegyzés elérhetővé válna minden felhasználó számára.

Címke beolvasás és OCR épít bejegyzéseket a fizikai tápértékjelölésekből. Minden OCR-ből származó bejegyzés validáción megy keresztül, amely ellenőrzi a gyakori kinyerési hibákat: tévesen olvasott tizedesjegyek, felcserélt számjegyek és valószínűtlen tartományokba eső értékek.

Időszakos frissítési ciklusok biztosítják, hogy a branded adatok naprakészen maradjanak. A gyártók rendszeresen reformulálják a termékeket. A Nutrola negyedéves frissítési ciklusokat futtat a nagy forgalmú termékek esetében, és éves frissítéseket a szélesebb katalógusra, megjelölve azokat a bejegyzéseket, ahol az értékek megváltoztak.

Ez a branded élelmiszer réteg körülbelül 1.5 millió bejegyzést ad hozzá az adatbázishoz, mindegyik konkrét UPC/EAN vonalkódokhoz és termékazonosítókhoz kapcsolódik.

Felhasználói Bejegyzések és a Pontossági Probléma

A legtöbb nagy kalóriaszámláló adatbázis nagymértékben támaszkodik a crowdsourced adatokra, amelyeket felhasználók nyújtanak be, akik manuálisan beírják a tápanyaginformációkat címkékről, receptekről vagy saját becsléseikről. Ez a megközelítés gyorsan skálázható. Ugyanakkor ez a táplálkozási nyomkövető ipar legnagyobb adatbázis-hibaforrása.

A crowdsourced élelmiszeradatok problémái jól dokumentáltak. Egy 2020-as, az Nutrients folyóiratban megjelent áttekintés szerint az Evenepoel et al. 15-25% közötti hibaarányt talált a makrotápanyag értékekben a crowdsourced táplálkozási adatbázisokban. A hibák típusai a következők:

Adatbevitel hibák. Egy felhasználó 52 gramm fehérjét ír be 5.2 gramm helyett. Egy tizedesjegy hiba, amely miatt egy adag joghurt annyi fehérjét tartalmaz, mint egy egész csirkemell. Ezek a hibák gyakoriak, mert a manuális adatbevitel inherens hibalehetőségekkel jár, és a legtöbb crowdsourced rendszernek nincs mechanizmusa a hibák kiszűrésére, mielőtt a bejegyzés élővé válik.

Duplikált és ellentmondásos bejegyzések. Keresd meg a "banán" kifejezést egy nagy crowdsourced adatbázisban, és lehet, hogy harminc bejegyzést találsz különböző kalóriaértékekkel. Néhány kis banánt, néhány közepeset, néhány nagyot listáz. Néhány tartalmazza a héj súlyát, mások nem. Néhány pontos, mások vadul tévesek. A felhasználó kénytelen találgatni, melyik bejegyzés a helyes, és nincs megbízható módja annak meghatározására.

Elavult termékinformációk. Egy felhasználó 2022-ben adatokat nyújt be egy granola bárról. A gyártó 2024-ben reformulálja a terméket, csökkentve a cukrot és növelve a rosttartalmat. A régi bejegyzés a rendszerben határozatlan ideig megmarad, helytelen értékeket adva bárkinek, aki azt választja.

Becslés a mérés helyett. Néhány felhasználó által benyújtott bejegyzés nem is a címke adataira alapoz, hanem a felhasználó személyes becslésére az élelmiszer tápanyagtartalmáról. Ezek a bejegyzések akár 50%-kal vagy annál is többel eltérhetnek a valós értékektől.

Inkonzisztens adagok. Az "rizs, főtt" egyik bejegyzése 100 grammos adagot használ. Egy másik egy csészét. Egy harmadik "egy adag"-ot használ, anélkül, hogy meghatározná, mit jelent ez. A felhasználók, akik ezek között a bejegyzések között választanak, talán nem veszik észre az adagméret eltérést, ami hibákhoz vezethet, amelyek az étkezések során összeadódnak.

A Nutrola elfogadja a felhasználói bejegyzéseket, mert elengedhetetlenek az emberek által fogyasztott ételek teljes sokféleségének rögzítéséhez, beleértve a regionális ételeket, étterem-specifikus tételeket és házi recepteket, amelyek nem léteznek hivatalos adatbázisban. Azonban minden felhasználói bejegyzés egy ellenőrzési folyamaton megy keresztül, mielőtt széles körben elérhetővé válna. A bejegyzés azonnal használható az azt létrehozó személy számára, de más felhasználók számára csak akkor válik elérhetővé, ha már validálták.

Az Ellenőrzési Folyamat

Minden élelmiszerbejegyzés a Nutrolában, függetlenül a forrástól, egy több szakaszból álló ellenőrzési folyamaton megy keresztül, mielőtt elérné az általános adatbázist.

1. szakasz: Automatikus plauzibilitási ellenőrzések. Egy algoritmus megvizsgálja a benyújtott tápértékadatokat a már ismert korlátokkal szemben. A kalóriáknak összhangban kell lenniük a megadott makrotápanyagokkal (fehérje, szénhidrát, zsír) egy meghatározott tolerancián belül. Az Atwater rendszer biztosítja a konverziós tényezőket: 4 kalória grammonként fehérjéből, 4 kalória grammonként szénhidrátból, 9 kalória grammonként zsírból, és 7 kalória grammonként alkoholfogyasztásból. Ha egy felhasználó 200 kalóriát, 30 gramm fehérjét, 20 gramm szénhidrátot és 15 gramm zsírt nyújt be, a számított kalóriaérték 335, nem 200. A bejegyzés figyelmeztetést kap.

Ez a szakasz az élelmiszerkategóriákon belüli valószínűtlen értékeket is ellenőrzi. Egy gyümölcsbejegyzés, amely 40 gramm zsírt állít egy adagban, egy zöldségbejegyzés, amely 60 gramm fehérjét állít 100 grammban, vagy bármely bejegyzés, ahol egyetlen makrotápanyag meghaladja az adag teljes súlyát, automatikusan figyelmeztetést kap. Ezek az ellenőrzések a legtöbb adatbevitel hibát, beleértve a tizedesjegy hibákat és az egység zűrzavart, kiszűrik.

2. szakasz: Keresztellenőrzés. A rendszer összehasonlítja a benyújtott bejegyzést a meglévő bejegyzésekkel, amelyek ugyanazon vagy hasonló élelmiszerekről szólnak. Ha az USDA adatbázis tartalmaz egy referencia bejegyzést a "cheddar sajtról", és egy felhasználó benyújt egy branded cheddar sajt bejegyzést, amelynek kalóriaértékei 40%-kal alacsonyabbak, mint az USDA referencia, a bejegyzés manuális ellenőrzésre kerül. A kis eltérések várhatóak, mert a branded termékek változhatnak. A nagy eltérések valószínű hibákat jeleznek.

3. szakasz: Táplálkozási szakértői ellenőrzés. Azok a bejegyzések, amelyek átmennek az automatikus ellenőrzéseken, de magas fontosságú kategóriákba tartoznak, mint például alapvető élelmiszerek, nagy keresletű tételek, vagy határvonalas plauzibilitási pontszámú bejegyzések, a táplálkozási szakértői ellenőrzési sorba kerülnek. A Nutrola regisztrált dietetikusokból és élelmiszertudósokból álló csapata ezeket a bejegyzéseket tekinti át tekintélyes forrásokkal szemben, összehasonlítva az értékeket a gyártók weboldalaival, több ország kormányzati adatbázisaival és közzétett élelmiszer-összetételi táblázatokkal.

4. szakasz: Közösségi konszenzus. Azok a bejegyzések, amelyek már egy ideje az adatbázisban vannak, a felhasználási minták alapján további minőségi jelet adnak. Ha sok felhasználó választ egy bejegyzést, és senki sem jelenti, hogy az pontatlan, az pozitív jelzés. Ha a felhasználók gyakran választanak egy bejegyzést, majd azonnal szerkesztik az értékeket, az a mintázat azt sugallja, hogy az eredeti bejegyzés hibákat tartalmazhat. Ezek a viselkedési jelek visszajelzést adnak az ellenőrzési folyamatba, felszínre hozva a potenciálisan problémás bejegyzéseket újraellenőrzésre.

A Táplálkozási Szakértői Ellenőrzési Folyamat

Az emberi ellenőrzési réteg az, ami megkülönbözteti az ellenőrzött adatbázist a crowdsourced-tól. Az automatikus ellenőrzések a nyilvánvaló hibákat kiszűrik, de a finomabb pontatlanságok emberi ítélőképességet igényelnek.

A Nutrola táplálkozási szakértői ellenőrző csapata prioritás-alapú rendszeren működik. Az élelmiszerek prioritása az ellenőrzésre a keresési volumen, a hibalehetőség és a táplálkozási jelentőség alapján történik. Egy kalóriaszám hiba a víz esetében (amelynek nullának kell lennie) nincs gyakorlati következménye. Egy kalóriaszám hiba az olívaolaj esetében, amely az egyik legkalóriadúsabb gyakori élelmiszer, több száz kalóriával torzíthatja a felhasználó napi összesítését.

Egyetlen bejegyzés ellenőrzési folyamata magában foglalja a legmegbízhatóbb forrás azonosítását (USDA laboratóriumi adatok nyers áruk esetén, gyártói adatok branded termékek esetén, közzétett táplálkozási információk étterem ételek esetén), az összes jelentett tápanyag összehasonlítását e forrással, az adagméret pontosságának értékelését, és a keresési metaadatok ellenőrzését, hogy a felhasználók valóban megtalálják a bejegyzést.

Egy összetett bejegyzés, mint egy hagyományos regionális étel, amelynek nincs standardizált receptje, akár 30 percet vagy annál többet is igényelhet a kutatáshoz. Az egyszerű branded termékek ellenőrzése kevesebb mint egy percet vesz igénybe. A csapat a nagy hatású bejegyzésekre összpontosít, prioritásokat állítva fel, ahol a legnagyobb javulást érheti el az adatbázis általános pontosságában.

Hogyan Kaphatók és Javíthatók a Hibák

Egy 12 millió bejegyzésből álló adatbázis nem lehet hibátlan. A cél nem a tökéletesség, hanem a rendszeres hibacsökkentés idővel, kombinálva a hibák gyors javításával, amikor azokat azonosítják.

A Nutrola több hibafelismerő mechanizmust használ, amelyek párhuzamosan működnek.

Felhasználói jelentés. Minden élelmiszerbejegyzés az alkalmazásban tartalmaz egy "Jelentsd a problémát" lehetőséget. A felhasználók jelezhetik, ha a bejegyzésben hibás kalóriák, helytelen makrók, elavult információk, helytelen adagméretek vagy egyéb problémák vannak. A jelentéseket a mennyiség és a súlyosság alapján rangsorolják. Egyetlen jelentés egy alacsony volumenű bejegyzés esetén a standard ellenőrzési sorba kerül. Több jelentés egy nagy volumenű bejegyzés esetén azonnali ellenőrzést indít.

Automatikus anomália észlelés. Statisztikai modellek figyelik az adatbázist azokra a bejegyzésekre, amelyek jelentősen eltérnek az élelmiszerkategória normáitól. Ha az adatbázisban az összes sajt bejegyzés átlagos kalóriadenzitása 350 kalória 100 grammban, egy bejegyzés, amely 35 kalóriát állít 100 grammban, automatikusan figyelmeztetést kap. Ezek a modellek folyamatosan futnak, és észlelik azokat a hibákat, amelyeket az egyes felhasználók esetleg nem vesznek észre vagy nem jelentenek.

Vonalkód beolvasás ellenőrzése. Amikor a felhasználók beolvasnak egy termék vonalkódot, a visszaadott adatokat összehasonlítják a legfrissebb gyártói adatokkal. Ha a gyártó frissítette a tápanyaginformációját, és az adatbázis bejegyzése még nem frissült, a eltérés egy frissítési munkafolyamatot indít.

Kereszt-adatbázis egyeztetés. A Nutrola időszakosan keresztellenőrzi bejegyzéseit az USDA adatbázis frissített kiadásaival, nemzetközi élelmiszer-összetételi adatbázisokkal és partner adatfolyamokkal. Azok a bejegyzések, amelyek eltértek a referenciaforrásaiktól, figyelmeztetést kapnak az ellenőrzésre és javításra.

Táplálkozási konzisztencia auditok. Időszakos auditok véletlenszerű mintákat vizsgálnak meg minden élelmiszerkategórián belül, ellenőrizve a belső konzisztenciát. Ezek az auditok hibaklasztereket azonosítottak, például olyan importált bejegyzések csoportjait, ahol a rostértékeket a cukorértékekkel keverték össze az oszlopok térképezési hibái miatt.

Amikor egy hibát megerősítenek, a javítást azonnal alkalmazzák, és minden felhasználóhoz eljuttatják. Azok a felhasználók, akik nemrégiben rögzítették az érintett élelmiszert, értesítést kapnak, lehetővé téve számukra, hogy átnézzék és módosítsák a naplóikat.

Regionális Élelmiszeradatbázisok a Nemzetközi Konyhához

Egy élelmiszeradatbázis, amely kizárólag amerikai adatokon alapul, nem elegendő egy globális felhasználói bázis számára. Egy Japánban élő felhasználónak, aki "onigiri"-t keres, pontos eredményekre van szüksége. Egy Indiában élő felhasználónak, aki "dal makhani"-t keres, olyan bejegyzésre van szüksége, amely tükrözi a tényleges elkészítési módszereket és az indiai konyhákban használt összetevőket, nem pedig egy amerikai étterem adaptációját.

A Nutrola több mint 30 ország és régió kormányzati adatbázisaiból származó élelmiszer-összetételi adatokat integrál.

Európa: Az EuroFIR hálózat koordinálja az adatokat az európai országok között. Az Egyesült Királyság (McCance és Widdowson), Németország (Bundeslebensmittelschluessel) és Franciaország (CIQUAL) nemzeti adatbázisai regionális ételek és helyi branded termékek bejegyzéseit biztosítják.

Kelet-Ázsia: Japán Élelmiszer-Összetételi Standard Táblázatai, Dél-Korea Nemzeti Élelmiszer-Összetételi Adatbázisa és Kína Élelmiszer-Összetételi Táblázatai több ezer bejegyzést nyújtanak a regionális ételekről, beleértve az elkészítési variánsokat is. A különbség a párolt rizs és a sült rizs, a nyers tofu és a mélyen sült tofu között nem elhanyagolható, és ezek az adatbázisok rögzítik ezeket a megkülönböztetéseket.

Dél-Ázsia: India Nemzeti Táplálkozási Intézete adatokat biztosít a szubkontinenshez egyedülálló ételekről, beleértve a regionális gabonákat, hüvelyes készítményeket és tejtermékeket, mint a paneer és a ghee, amelyek tápanyagprofilja eltér a nyugati megfelelőiktől.

Latin-Amerika és Közel-Kelet/África: Élelmiszer-összetételi táblázatok Brazíliából (TACO), Mexikóból (BDCA) és a Közel-Kelet és Afrika régióiból származó adatbázisok adatai hozzájárulnak olyan alapételekhez, mint a teff, injera, tahini alapú ételek és regionális készítmények, amelyek hiányoznak az észak-amerikai adatbázisokból.

Ezeknek a forrásoknak az integrálása nem egyszerű adatimportálás. Különböző országok eltérő analitikai módszereket, tápanyagdefiníciókat és adagolási konvenciókat használnak. Egy "csésze" 240 ml az Egyesült Államokban, 200 ml Japánban és 250 ml Ausztráliában. A Nutrola adatfeldolgozó csapata fenntart egy normalizáló réteget, amely minden beérkező nemzetközi adatot egységes standardra konvertál: metrikus mértékegységek, standardizált tápanyagdefiníciók és egységes élelmiszer-klasszifikációs kódok.

Az Adatbázis Forrásainak Összehasonlítása

Az alábbi táblázat összegzi a Nutrola élelmiszeradatbázisához hozzájáruló főbb adatforrások jellemzőit.

Forrás	Bejegyzések	Pontosság	Lefedettség	Frissítési gyakoriság	Korlátozások
USDA FoodData Central	~400,000	Nagyon magas (laboratóriumi elemzés)	Erős nyers áruk és amerikai branded élelmiszerek esetén	Éves fő kiadások, folyamatos frissítések	Korlátozott nemzetközi ételek, korlátozott étterem tételek
Gyártói Címkék	~1,500,000	Magas (szabályozott, FDA által ellenőrzött)	Kiváló csomagolt áruk esetén	Gyártónként változó; negyedéves frissítések a Nutrolánál	Csak csomagolt termékekre vonatkozik, 20% FDA eltérés megengedett
Nemzetközi Kormányzati Adatbázisok	~2,000,000	Magas (laboratóriumi elemzés, országonként változó)	Kiváló regionális ételek esetén	Éves vagy ritkább	Inkonzisztens standardok az országok között, egyesek elavultak
Crowdsourced (Felhasználói Bejegyzések)	~6,000,000	Változó (15-25% hibaarány az ellenőrzés előtt)	Legszélesebb lefedettség, beleértve a niche tételeket	Folyamatos	Ellenőrzési folyamat szükséges; nyers adatok megbízhatatlanok
Táplálkozási Szakértői Ellenőrzés	~2,100,000	Nagyon magas (keresztellenőrzött, emberi ellenőrzés)	Keresési volumen alapján prioritizált	Folyamatos prioritásos ellenőrzés	Erőforrás-igényes, nem tud minden bejegyzést lefedni

Ezek a források nem kölcsönösen kizáróak. Egyetlen élelmiszertermékhez több forrásból is származhat adat. Ha ellentmondások merülnek fel, a megoldási hierarchia a következő: USDA vagy megfelelő kormányzati laboratóriumi adatok elsődlegesen, gyártói adatok másodlagosan, táplálkozási szakértői ellenőrzött adatok harmadlagosan, és végül az ellenőrzött crowdsourced adatok negyedlegesen. Ez a hierarchia biztosítja, hogy a legszigorúbban validált adatok mindig elsőbbséget élvezzenek.

Miért Fontosabb a Pontosság, Mint a Méret

Néhány versenytárs alkalmazás 15, 20 vagy akár 30 millió bejegyzés adatbázisát hirdeti. A méret minőség nélkül értelmetlen, és aktívan káros is lehet.

Egy 30 millió bejegyzésből álló adatbázis 20%-os hibaarány mellett 6 millió hibás bejegyzést tartalmaz. Egy felhasználó, aki egy ilyen bejegyzést rögzít, most már hibás adatokkal dolgozik, teljes magabiztossággal a helyességében. A hiba felhalmozódik: ha egy kedvenc reggeli bejegyzés 10 grammal túlozza el a fehérje mennyiségét, és ezt heti ötször eszed, akkor úgy hiszed, hogy havonta 200 grammal több fehérjét fogyasztottál, mint amit valójában. Ha máshol csökkented a fehérjét ezen adatok alapján, a lecsapódó hatások valósak.

Ezért a Nutrola a hitelesített bejegyzések számát helyezi előtérbe a nyers bejegyzések számával szemben. Egy bejegyzés, amely nem létezik, semleges. Egy bejegyzés, amely létezik, de hibás, aktívan káros.

Hogyan Nő az Adatbázis

Az adatbázis nem statikus. Folyamatosan nő több csatornán keresztül. Az automatizált rendszerek figyelik a vonalkód beolvasási kérelmeket, azonosítva azokat a termékeket, amelyeket a felhasználók keresnek, de amelyek még nem léteznek, és prioritást adnak a nagy keresletű tételek hozzáadásának. A felhasználói benyújtások regionális ételeket, étterem tételeket és házi recepteket adnak hozzá, amelyekről egy hivatalos adatbázis sem rendelkezik. A gyártói partnerségek biztosítják, hogy amikor egy nagy lánc új menüpontot indít, a tápanyagadatok elérhetők legyenek a bevezetés napján. A periódikus USDA és nemzetközi adatbázis kiadások beépítése folyamatosan történik, amint elérhetők.

GYAKRAN ISMÉTELT KÉRDÉSEK

Mennyire pontos a Nutrola élelmiszeradatbázisa más alkalmazásokhoz képest?

A Nutrola ellenőrzött bejegyzéseinek átlagos pontossága 5%-on belül van a laboratóriumban mért makrotápanyag értékekhez képest, belső auditok alapján, amelyek összehasonlítják a bejegyzéseket független analitikai adatokkal. Az ellenőrizetlen crowdsourced adatbázisok tipikusan 15-25%-os hibaarányt mutatnak. A különbség a verifikációs folyamatból adódik, amelyen minden bejegyzésnek át kell mennie, mielőtt széles körben elérhetővé válik.

Mi történik, amikor beolvasok egy vonalkódot, és a termék nem található?

Az alkalmazás arra kér, hogy írd be a címkéről a tápanyaginformációkat. A te bejegyzésed azonnal elérhetővé válik a saját használatodra, majd belép az ellenőrzési folyamatba, mielőtt más felhasználók számára is elérhetővé válna. A nagy keresletű termékek gyorsított ellenőrzésre kerülnek.

Milyen gyakran frissül az adatbázis?

Folyamatosan. A felhasználói bejegyzéseket naponta dolgozzák fel. A branded termékadatokat negyedévente frissítik a nagy forgalmú termékek esetében. Az USDA és nemzetközi kiadásokat két héten belül beépítik. A hibajavításokat általában 24-48 órán belül alkalmazzák a megerősítés után.

Bízhatok az étterem ételek kalóriaszámaiban?

A nagy láncok esetében, amelyek hivatalos tápanyagadatokat publikálnak, a bejegyzések közvetlenül forrásból származnak, és olyan pontosak, mint a lánc saját mérései. Független éttermek esetében a bejegyzések recept alapú becslések, amelyek szélesebb bizonytalansági marginnal rendelkeznek. A Nutrola jelzi az étterem bejegyzéseket egy bizalmi indikátorral, így láthatod, hogy az adatok hivatalos forrásból vagy becslésből származnak.

Miért mutat a Nutrola néha eltérő értékeket, mint az élelmiszerem címkéje?

Három gyakori ok: a gyártó reformulálhatta a terméket, az adagméret definíciók eltérhetnek, vagy a tápértékek kerekítési szabályai kis eltéréseket okozhatnak (általában 5-10 kalória között). A diszkrepancia jelentése az alkalmazáson keresztül frissítési folyamatot indít.

Hogyan kezeli a Nutrola a házi recepteket?

Egyedi receptbejegyzéseket építhetsz úgy, hogy kombinálod az egyes összetevő bejegyzéseket az ellenőrzött adatbázisból, az adagokhoz igazítva. Mivel az összetevő bejegyzések ellenőrzöttek, a fő forrása a hibának a porciómérés, nem pedig a rossz adatok.

Mi különbözteti meg a Nutrola adatbázisát az open-source alternatíváktól?

Az open-source adatbázisok, mint az Open Food Facts, értékes adatokat nyújtanak, de rendszerszintű ellenőrzés nélkül működnek. A bejegyzéseket önkéntesek nyújtják be, és publikálják anélkül, hogy plausibilitási ellenőrzéseken vagy táplálkozási szakértői felülvizsgálaton átesnének. A Nutrola az open-source adatokat egy bemeneti forrásként használja, amelyet a többi forráshoz hasonlóan alávet a verifikációs folyamatnak.

A Folyamatos Munka

Egy élelmiszeradatbázis építése nem egy befejezett projekt. Az ételek változnak. Új termékek jelennek meg. Régi termékeket reformulálnak vagy megszüntetnek. Az analitikai módszerek javulnak.

A Nutrola adatbázisában ma található 12 millió bejegyzés nem lesz ugyanaz a 12 millió bejegyzés egy év múlva. Néhányat frissítenek, néhányat eltávolítanak, és több százezer új bejegyzést adnak hozzá. Az ellenőrzési folyamat kiszűri azokat a hibákat, amelyek korábbi iterációk során elsiklottak. A táplálkozási szakértői ellenőrző csapat folyamatosan növeli az emberi ellenőrzéssel hitelesített bejegyzések arányát.

Senki sem tölt le kalóriaszámláló alkalmazást azért, mert izgalmasnak találja az élelmiszer-összetételi adatok normalizálását. De minden pontos kalóriaszám, minden megbízható makro megoszlás, minden megbízható napi összesítés attól függ, hogy ez az infrastruktúra helyesen működjön, láthatatlanul, minden keresési eredmény mögött. Amikor bejegyzed az ebédedet, és a számok helyesek, az nem véletlen. Ez egy olyan rendszer eredménye, amelyet kifejezetten azért építettek, hogy biztosítsák a helyességüket.