Jak zbudowana jest baza danych żywności Nutrola: od danych USDA do 12 milionów zweryfikowanych wpisów

Kiedy wyszukujesz „grillowaną pierś z kurczaka” w aplikacji do śledzenia kalorii i widzisz „165 kalorii na 100 gramów”, ta liczba nie wzięła się znikąd. Ktoś ją zmierzył. Ktoś ją zweryfikował. Ktoś uznał, że jest wystarczająco dokładna, aby pokazać ją milionom użytkowników podejmujących decyzje zdrowotne na podstawie tych danych.

Jakość bazy danych żywności to niewidoczny fundament każdej aplikacji do śledzenia kalorii. Jeśli baza danych jest błędna, wszystko, co na niej się opiera, również jest błędne: całkowita liczba kalorii na dzień, podział makroskładników, tygodniowy trend, zalecenia trenera, a w końcu Twoje wyniki. Mimo to większość użytkowników nigdy nie zastanawia się, skąd pochodzą te liczby, a większość aplikacji nigdy tego nie wyjaśnia.

Ten artykuł opisuje dokładnie, jak zbudowana jest baza danych żywności Nutrola, od jej podstaw w danych rządowych po 12 milionów zweryfikowanych wpisów, które zawiera dzisiaj. Wyjaśnia również, dlaczego jakość baz danych tak dramatycznie różni się między aplikacjami i co to oznacza dla dokładności Twojego śledzenia.

Fundament: USDA FoodData Central

Każda poważna baza danych żywieniowych zaczyna się od Departamentu Rolnictwa Stanów Zjednoczonych (USDA). USDA mierzy zawartość odżywczą żywności od lat 90. XIX wieku, a ich nowoczesna baza danych, FoodData Central, stanowi najbardziej kompleksową i rygorystycznie zwalidowaną kolekcję danych o składzie żywności na świecie.

FoodData Central zawiera wiele zestawów danych. SR Legacy dostarcza szczegółowe profile składników odżywczych dla około 7600 powszechnie spożywanych produktów, z których każdy jest wynikiem analizy laboratoryjnej, a nie oszacowania. Produkty są fizycznie kupowane, przygotowywane zgodnie z ustalonymi protokołami i analizowane przy użyciu zwalidowanych metod chemii analitycznej. Foundation Foods to jego nowszy, bardziej szczegółowy następca, który dostarcza miary zmienności, wielkości próbek oraz metadanych dotyczących odmiany, rasy, pochodzenia i sezonu zbiorów. FNDDS obejmuje dania mieszane i przepisy, jak są powszechnie spożywane, z danymi o wielkości porcji powiązanymi z miarami domowymi. Branded Foods zawiera dane o żywności pakowanej pozyskane dzięki współpracy z Label Insight (obecnie NielsenIQ).

Nutrola przetwarza wszystkie cztery zestawy danych, normalizuje je do spójnej struktury i porównuje wpisy, aby rozwiązać niezgodności. Gdy zarówno SR Legacy, jak i Foundation Foods zawierają dane dla tego samego produktu, wartości z Foundation Foods mają pierwszeństwo, ponieważ opierają się na nowszych analizach.

Ta podstawowa baza USDA dostarcza około 400 000 unikalnych wpisów żywności. To solidny punkt wyjścia, ale niewystarczający dla nowoczesnej aplikacji do śledzenia kalorii. Większość ludzi nie je „Kurczaka, brojlera, pierś, mięso tylko, gotowane, pieczone”. Jedzą kanapkę z Chick-fil-A, mrożony posiłek z Trader Joe's lub domowe danie z przepisu, który ich babcia przywiozła z innego kraju. Aby pokryć pełen zakres tego, co naprawdę jedzą ludzie, konieczne jest wyjście daleko poza dane rządowe.

Dodawanie danych o żywności markowej

Warstwa danych o żywności markowej stanowi największe pojedyncze rozszerzenie bazy danych. Żywność pakowana z etykietami wartości odżywczych stanowi znaczną część typowej diety w Stanach Zjednoczonych i innych rozwiniętych krajach, a użytkownicy oczekują, że znajdą swoje konkretne produkty podczas wyszukiwania.

Nutrola pozyskuje dane o żywności markowej z wielu źródeł.

Bezpośrednie partnerstwa z producentami zapewniają najwyższej jakości dane o markach. Gdy producent bezpośrednio udostępnia dane żywieniowe, pochodzą one z tych samych analiz laboratoryjnych, które służą do generowania panelu wartości odżywczych. Nutrola utrzymuje umowy o wymianie danych z setkami producentów żywności.

Integracja baz danych kodów kreskowych uchwyca długi ogon produktów poprzez otwarte bazy danych kodów kreskowych, rządowe rejestry etykiet żywności oraz komercyjnych dostawców danych. Gdy użytkownik skanuje nieznany kod kreskowy, system inicjuje proces weryfikacji, zanim wpis stanie się dostępny dla wszystkich użytkowników.

Skanowanie etykiet i OCR tworzy wpisy na podstawie fizycznych paneli wartości odżywczych. Każdy wpis uzyskany z OCR przechodzi przez walidację, która sprawdza typowe błędy związane z ekstrakcją: błędnie odczytane przecinki, zamienione cyfry oraz wartości poza rozsądnymi zakresami.

Okresowe cykle odświeżania zapewniają, że dane o markach pozostają aktualne. Producenci regularnie reformulują produkty. Nutrola przeprowadza kwartalne cykle odświeżania dla produktów o dużym wolumenie i coroczne odświeżenia dla szerszego katalogu, oznaczając wpisy, w których wartości uległy zmianie.

Ta warstwa danych o żywności markowej dodaje około 1,5 miliona wpisów do bazy danych, z których każdy jest powiązany z konkretnymi kodami UPC/EAN i identyfikatorami produktów.

Wpisy od użytkowników i problem dokładności

Większość dużych baz danych do śledzenia kalorii w dużym stopniu polega na danych crowdsourced, wpisach przesyłanych przez użytkowników, którzy ręcznie wpisują informacje żywieniowe z etykiet, przepisów lub własnych oszacowań. Takie podejście szybko się skaluje, ale jest również największym źródłem błędów w bazach danych żywieniowych.

Problemy z danymi żywności crowdsourced są dobrze udokumentowane. Przegląd z 2020 roku opublikowany w Nutrients przez Evenepoela i in. wykazał wskaźniki błędów wynoszące od 15 do 25 procent w wartościach makroskładników w bazach danych żywieniowych opartych na crowdsourcingu. Rodzaje błędów obejmują:

Błędy wprowadzania danych. Użytkownik wpisuje 52 gramy białka zamiast 5,2 grama. Błąd przecinka, który sprawia, że porcja jogurtu wydaje się zawierać tyle białka, co cała pierś z kurczaka. Te błędy są powszechne, ponieważ ręczne wprowadzanie danych jest z natury podatne na błędy, a większość systemów crowdsourced nie ma mechanizmu, aby je wychwycić przed publikacją wpisu.

Duplikaty i sprzeczne wpisy. Wyszukując „banan” w dużej bazie danych crowdsourced, możesz znaleźć trzydzieści wpisów z różnymi wartościami kalorii. Niektóre dotyczą małego banana, inne średniego, a jeszcze inne dużego. Niektóre uwzględniają wagę skórki, inne nie. Niektóre są dokładne, inne są całkowicie błędne. Użytkownik musi zgadywać, który wpis jest poprawny, i nie ma wiarygodnego sposobu, aby to ustalić.

Nieaktualne informacje o produktach. Użytkownik przesyła dane dla batona granola w 2022 roku. Producent reformuluje produkt w 2024 roku, zmniejszając zawartość cukru i zwiększając błonnik. Stary wpis pozostaje w bazie danych na czas nieokreślony, zwracając nieprawidłowe wartości dla każdego, kto go wybierze.

Osobiste oszacowanie zamiast pomiaru. Niektóre wpisy przesyłane przez użytkowników nie opierają się w ogóle na danych z etykiet, lecz na osobistym oszacowaniu wartości odżywczych danego produktu. Te wpisy mogą odbiegać od rzeczywistych wartości o 50 procent lub więcej.

Niekonsekwentne wielkości porcji. Jeden wpis dla „ryżu, gotowanego” używa porcji 100 gramów. Inny używa jednej szklanki. Jeszcze inny używa „jednej porcji” bez określenia, co to oznacza. Użytkownicy wybierający między tymi wpisami mogą nie zauważyć różnicy w wielkości porcji, co prowadzi do błędów, które kumulują się w posiłkach.

Nutrola akceptuje wpisy od użytkowników, ponieważ są one niezbędne do uchwycenia pełnej różnorodności żywności, którą ludzie jedzą, w tym regionalnych potraw, pozycji specyficznych dla restauracji oraz domowych przepisów, które nie istnieją w żadnej oficjalnej bazie danych. Jednak każdy wpis od użytkownika przechodzi przez proces weryfikacji, zanim stanie się szeroko dostępny. Wpis jest natychmiast dostępny dla osoby, która go stworzyła, ale nie jest widoczny dla innych użytkowników, dopóki nie zostanie zweryfikowany.

Proces weryfikacji

Każdy wpis żywności w Nutrola, niezależnie od źródła, przechodzi przez wieloetapowy proces weryfikacji, zanim trafi do ogólnej bazy danych.

Etap 1: Automatyczne kontrole prawdopodobieństwa. Algorytm sprawdza zgłoszone wartości odżywcze w odniesieniu do znanych ograniczeń. Kalorie muszą być zgodne z zadeklarowanymi makroskładnikami (białko, węglowodany, tłuszcz) w określonym tolerancji. System Atwater dostarcza współczynniki konwersji: 4 kalorie na gram białka, 4 kalorie na gram węglowodanów, 9 kalorii na gram tłuszczu i 7 kalorii na gram alkoholu. Jeśli użytkownik zgłasza wpis, który twierdzi, że ma 200 kalorii, 30 gramów białka, 20 gramów węglowodanów i 15 gramów tłuszczu, obliczona wartość kalorii wynosi 335, a nie 200. Wpis jest oznaczany do przeglądu.

Ten etap sprawdza również nieprawdopodobne wartości w ramach kategorii żywności. Wpis owoców twierdzący, że zawiera 40 gramów tłuszczu na porcję, wpis warzyw twierdzący, że zawiera 60 gramów białka na 100 gramów, lub jakikolwiek wpis, w którym jeden makroskładnik przekracza całkowitą wagę porcji, są automatycznie oznaczane. Te kontrole wychwytują większość błędów wprowadzania danych, w tym błędy przecinkowe i zamieszanie jednostek.

Etap 2: Porównanie krzyżowe. System porównuje zgłoszony wpis z istniejącymi wpisami dla tej samej lub podobnej żywności. Jeśli baza danych USDA zawiera wpis odniesienia dla „ser cheddar”, a użytkownik zgłasza wpis markowy dla sera cheddar z wartościami kalorii o 40 procent niższymi niż w odniesieniu do USDA, wpis jest oznaczany do ręcznego przeglądu. Małe odchylenia są oczekiwane, ponieważ produkty markowe mogą się różnić. Duże odchylenia wskazują na prawdopodobne błędy.

Etap 3: Przegląd przez dietetyka. Wpisy, które przechodzą automatyczne kontrole, ale znajdują się w kategoriach o wysokim znaczeniu, takich jak podstawowe produkty spożywcze, przedmioty o dużym wolumenie wyszukiwania lub wpisy z graniczną wartością prawdopodobieństwa, są kierowane do kolejki przeglądowej dietetyków. Zespół Nutrola, składający się z zarejestrowanych dietetyków i naukowców żywności, bada te wpisy w odniesieniu do autorytatywnych źródeł, porównując wartości z witrynami producentów, bazami danych rządowych z różnych krajów oraz opublikowanymi tabelami składu żywności.

Etap 4: Konsensus społeczności. Dla wpisów, które są w bazie danych od dłuższego czasu, wzorce użytkowania dostarczają dodatkowego sygnału jakości. Jeśli wielu użytkowników wybiera dany wpis i nikt nie zgłasza go jako nieprawidłowy, to jest to pozytywny sygnał. Jeśli użytkownicy często wybierają wpis, a następnie natychmiast edytują wartości, to sugeruje, że oryginalny wpis może zawierać błędy. Te sygnały behawioralne wracają do procesu przeglądu, ujawniając potencjalnie problematyczne wpisy do ponownej analizy.

Proces przeglądu przez dietetyka

Ludzka warstwa przeglądu to to, co oddziela zweryfikowaną bazę danych od crowdsourced. Automatyczne kontrole wychwytują oczywiste błędy, ale subtelne nieścisłości wymagają ludzkiego osądu.

Zespół przeglądowy Nutrola działa na systemie priorytetowym. Produkty są priorytetyzowane do przeglądu na podstawie wolumenu wyszukiwania, prawdopodobieństwa błędu i znaczenia żywieniowego. Błąd w liczbie kalorii w wodzie (która powinna wynosić zero) nie ma praktycznych konsekwencji. Błąd w liczbie kalorii w oliwie z oliwek, jednym z najbardziej kalorycznych powszechnie spożywanych produktów, może zafałszować całkowitą liczbę kalorii użytkownika o setki.

Proces przeglądu dla pojedynczego wpisu obejmuje identyfikację najbardziej autorytatywnego źródła (dane laboratoryjne USDA dla surowych towarów, dane producenta dla produktów markowych, opublikowane informacje żywieniowe dla dań restauracyjnych), porównanie wszystkich zgłoszonych składników odżywczych z tym źródłem, ocenę dokładności wielkości porcji oraz sprawdzenie metadanych wyszukiwania, aby użytkownicy mogli faktycznie znaleźć wpis.

Złożony wpis, taki jak tradycyjne danie regionalne bez ustandaryzowanego przepisu, może wymagać 30 minut lub więcej badań. Proste weryfikacje produktów markowych zajmują mniej niż minutę. Zespół priorytetyzuje wpisy o wysokim wpływie, koncentrując czas przeglądu tam, gdzie przynosi to największą poprawę ogólnej dokładności bazy danych.

Jak błędy są wychwytywane i korygowane

Żadna baza danych licząca 12 milionów wpisów nie jest wolna od błędów. Celem nie jest perfekcja, ale systematyczne redukowanie błędów w czasie, połączone z szybkim korygowaniem błędów, gdy zostaną zidentyfikowane.

Nutrola korzysta z wielu mechanizmów wykrywania błędów działających równolegle.

Zgłaszanie przez użytkowników. Każdy wpis żywności w aplikacji zawiera opcję „Zgłoś problem”. Użytkownicy mogą oznaczać wpisy jako mające nieprawidłowe kalorie, błędne makroskładniki, nieaktualne informacje, niewłaściwe wielkości porcji lub inne problemy. Zgłoszenia są klasyfikowane według wolumenu i powagi. Pojedyncze zgłoszenie dotyczące wpisu o niskim wolumenie trafia do standardowej kolejki przeglądowej. Wiele zgłoszeń dotyczących wpisu o wysokim wolumenie powoduje natychmiastowy przegląd.

Automatyczne wykrywanie anomalii. Modele statystyczne monitorują bazę danych w poszukiwaniu wpisów, które znacznie odbiegają od norm w swojej kategorii żywności. Jeśli średnia gęstość kaloryczna wszystkich wpisów serowych w bazie danych wynosi 350 kalorii na 100 gramów, wpis dotyczący produktu serowego, który twierdzi, że ma 35 kalorii na 100 gramów, jest automatycznie oznaczany. Te modele działają ciągle i wychwytują błędy, których pojedynczy użytkownicy mogą nie zauważyć ani zgłosić.

Weryfikacja skanowania kodów kreskowych. Gdy użytkownicy skanują kod kreskowy produktu, zwrócone dane są porównywane z najnowszymi danymi producenta. Jeśli producent zaktualizował swoje informacje żywieniowe, a wpis w bazie danych nie został jeszcze odświeżony, rozbieżność uruchamia proces aktualizacji.

Rekoncyliacja między bazami danych. Nutrola okresowo porównuje swoje wpisy z zaktualizowanymi wydaniami bazy danych USDA, międzynarodowymi bazami danych o składzie żywności oraz danymi od partnerów. Wpisy, które odbiegły od swoich źródeł odniesienia, są oznaczane do przeglądu i korekty.

Audyt spójności żywieniowej. Okresowe audyty badają losowe próbki w każdej kategorii żywności, sprawdzając wewnętrzną spójność. Te audyty zidentyfikowały klastry błędów, takie jak partie importowanych wpisów, w których wartości błonnika były mylone z wartościami cukru z powodu błędów w mapowaniu kolumn.

Gdy błąd zostanie potwierdzony, korekta jest natychmiast stosowana i propagowana do wszystkich użytkowników. Użytkownicy, którzy niedawno zarejestrowali dotkniętą żywność, otrzymują powiadomienie, co pozwala im na przegląd i dostosowanie swoich zapisów.

Regionalne bazy danych żywności dla kuchni międzynarodowej

Baza danych żywności zbudowana wyłącznie na danych amerykańskich jest niewystarczająca dla globalnej bazy użytkowników. Użytkownik w Japonii, wyszukując „onigiri”, potrzebuje dokładnych wyników. Użytkownik w Indiach, wyszukując „dal makhani”, potrzebuje wpisu, który odzwierciedla rzeczywiste metody przygotowania i składniki używane w indyjskich kuchniach, a nie amerykanizowaną adaptację restauracyjną.

Nutrola integruje dane o składzie żywności z rządowych baz danych w ponad 30 krajach i regionach.

Europa: Sieć EuroFIR koordynuje dane w krajach europejskich. Krajowe bazy danych z Wielkiej Brytanii (McCance i Widdowson), Niemiec (Bundeslebensmittelschluessel) i Francji (CIQUAL) dostarczają wpisy dotyczące regionalnych potraw i lokalnych produktów markowych.

Wschodnia Azja: Japońskie Standardowe Tabele Składu Żywności, Południowokoreańska Krajowa Baza Danych Składu Żywności oraz Chińskie Tabele Składu Żywności dostarczają tysiące wpisów dotyczących żywności specyficznych dla regionu, w tym wariantów przygotowania. Różnica między ryżem gotowanym a smażonym, między surowym tofu a smażonym tofu, nie jest trywialna, a te bazy danych uchwycają te różnice.

Południowa Azja: Krajowy Instytut Żywienia Indii dostarcza dane dla żywności unikalnej dla subkontynentu, w tym regionalnych zbóż, przygotowań z roślin strączkowych oraz produktów mlecznych, takich jak paneer i ghee, o profilach żywieniowych różniących się od ich zachodnich odpowiedników.

Ameryka Łacińska oraz Bliski Wschód/Afryka: Tabele składu żywności z Brazylii (TACO), Meksyku (BDCA) oraz regionalne bazy danych z Bliskiego Wschodu i Afryki dostarczają danych dla podstawowych produktów, takich jak teff, injera, dania na bazie tahini oraz regionalne przygotowania, które nie występują w bazach danych Ameryki Północnej.

Integracja tych źródeł nie jest prostym importem danych. Różne kraje stosują różne metody analityczne, definicje składników odżywczych i konwencje dotyczące porcji. „Szklanka” ma 240 ml w Stanach Zjednoczonych, 200 ml w Japonii i 250 ml w Australii. Zespół inżynierów danych Nutrola utrzymuje warstwę normalizacji, która przekształca wszystkie przychodzące dane międzynarodowe do spójnego standardu: jednostki metryczne, ustandaryzowane definicje składników odżywczych i zjednoczone kody klasyfikacji żywności.

Porównanie źródeł bazy danych

Poniższa tabela podsumowuje cechy każdego głównego źródła, które przyczynia się do bazy danych żywności Nutrola.

Źródło	Wpisy	Dokładność	Zakres	Częstotliwość aktualizacji	Ograniczenia
USDA FoodData Central	~400 000	Bardzo wysoka (analiza laboratoryjna)	Silna dla surowych towarów i amerykańskich produktów markowych	Coroczne główne wydania, bieżące aktualizacje	Ograniczone dane międzynarodowe, ograniczone pozycje restauracyjne
Etykiety producentów	~1 500 000	Wysoka (regulowana, audytowana przez FDA)	Doskonała dla produktów pakowanych	Różni się w zależności od producenta; kwartalne odświeżenie w Nutrola	Dotyczy tylko produktów pakowanych, 20% dopuszczalna różnica FDA
Międzynarodowe bazy danych rządowych	~2 000 000	Wysoka (analiza laboratoryjna, różni się w zależności od kraju)	Doskonała dla regionalnych potraw	Corocznie lub rzadziej	Niekonsekwentne standardy w różnych krajach, niektóre nieaktualne
Crowdsourced (wpisy od użytkowników)	~6 000 000	Zmienna (wskaźnik błędów 15-25% przed weryfikacją)	Najszerszy zakres, w tym niszowe pozycje	Ciągłe	Wymaga procesu weryfikacji; surowe dane niewiarygodne
Zweryfikowane przez dietetyków	~2 100 000	Bardzo wysoka (krzyżowo sprawdzane, przeglądane przez ludzi)	Priorytetyzowane według wolumenu wyszukiwania	Ciągły priorytetowy przegląd	Wymaga dużych zasobów, nie może pokryć każdego wpisu

Te źródła nie są wzajemnie wykluczające się. Pojedynczy produkt może mieć dane z wielu źródeł. Gdy występują konflikty, hierarchia rozwiązywania jest następująca: dane laboratoryjne USDA lub równoważne dane rządowe jako pierwsze, dane producentów jako drugie, dane zweryfikowane przez dietetyków jako trzecie, a zweryfikowane dane crowdsourced jako czwarte. Ta hierarchia zapewnia, że najbardziej rygorystycznie zwalidowane dane zawsze mają pierwszeństwo.

Dlaczego dokładność ma większe znaczenie niż rozmiar

Niektóre konkurencyjne aplikacje reklamują rozmiary baz danych wynoszące 15, 20, a nawet 30 milionów wpisów. Rozmiar bez jakości jest bezsensowny i może być aktywnie szkodliwy.

Baza danych z 30 milionami wpisów i wskaźnikiem błędów wynoszącym 20 procent zawiera 6 milionów błędnych wpisów. Użytkownik, który rejestruje jeden z tych wpisów, teraz śledzi nieprawidłowe dane z pełnym przekonaniem o ich poprawności. Błąd się kumuluje: jeśli wpis na śniadanie zawyża białko o 10 gramów i jesz go pięć razy w tygodniu, wierzysz, że spożywasz o 200 gramów więcej białka miesięcznie, niż w rzeczywistości. Jeśli zmniejszysz białko w innych posiłkach na podstawie tych danych, skutki są realne.

Dlatego Nutrola priorytetowo traktuje liczbę zweryfikowanych wpisów ponad surową liczbę wpisów. Wpis, który nie istnieje, jest neutralny. Wpis, który istnieje, ale jest błędny, jest aktywnie szkodliwy.

Jak rośnie baza danych

Baza danych nie jest statyczna. Rośnie nieustannie poprzez wiele kanałów. Zautomatyzowane systemy monitorują żądania skanowania kodów kreskowych, identyfikując produkty, których użytkownicy szukają, ale które jeszcze nie istnieją, i priorytetyzują przedmioty o dużym popycie do dodania. Wpisy od użytkowników dodają regionalne potrawy, pozycje z restauracji i domowe przepisy, które nie są objęte żadną oficjalną bazą danych. Partnerstwa z producentami zapewniają, że gdy duża sieć wprowadza nowy element menu, dane żywieniowe są dostępne w dniu premiery. A okresowe wydania USDA i międzynarodowych baz danych są wchłaniane, gdy stają się dostępne.

Najczęściej zadawane pytania

Jak dokładna jest baza danych żywności Nutrola w porównaniu do innych aplikacji?

Zweryfikowane wpisy Nutrola mają średnią dokładność w granicach 5 procent wartości mierzonych w laboratoriach dla makroskładników, na podstawie wewnętrznych audytów porównujących wpisy z niezależnymi danymi analitycznymi. Niezweryfikowane bazy danych crowdsourced zazwyczaj wykazują wskaźniki błędów wynoszące od 15 do 25 procent. Różnica wynika z procesu weryfikacji, przez który każdy wpis musi przejść, zanim stanie się szeroko dostępny.

Co się dzieje, gdy skanuję kod kreskowy, a produkt nie zostaje znaleziony?

Aplikacja prosi Cię o wprowadzenie informacji żywieniowych z etykiety. Twój wpis jest natychmiast dostępny do Twojego użytku, a następnie wchodzi do procesu weryfikacji, zanim zostanie udostępniony innym użytkownikom. Produkty o dużym popycie są priorytetyzowane do szybkiej weryfikacji.

Jak często aktualizowana jest baza danych?

Ciągle. Wpisy od użytkowników są przetwarzane codziennie. Dane o produktach markowych są odświeżane kwartalnie dla produktów o dużym wolumenie. Wydania USDA i międzynarodowe są włączane w ciągu dwóch tygodni od publikacji. Korekty błędów są zazwyczaj stosowane w ciągu 24 do 48 godzin od potwierdzenia.

Czy mogę ufać wartościom kalorii dla posiłków w restauracjach?

Dla dużych sieci, które publikują oficjalne dane żywieniowe, wpisy są pozyskiwane bezpośrednio i są tak dokładne, jak pomiary samej sieci. Dla niezależnych restauracji wpisy są oparte na oszacowaniach przepisów z szerszym marginesem niepewności. Nutrola oznacza wpisy dotyczące restauracji wskaźnikiem pewności, abyś mógł zobaczyć, czy dane pochodzą z oficjalnego źródła, czy są oszacowaniem.

Dlaczego Nutrola czasami pokazuje inne wartości niż etykieta na moim jedzeniu?

Trzy powszechne powody: producent mógł reformułować produkt, definicje wielkości porcji mogą się różnić, lub zasady zaokrąglania wartości odżywczych mogą powodować niewielkie rozbieżności (zazwyczaj w granicach 5 do 10 kalorii). Zgłoszenie rozbieżności przez aplikację uruchamia aktualizację.

Jak Nutrola radzi sobie z domowymi przepisami?

Tworzysz niestandardowe wpisy przepisów, łącząc wpisy poszczególnych składników z zweryfikowanej bazy danych, dostosowane do porcji. Ponieważ wpisy składników są zweryfikowane, głównym źródłem błędów jest pomiar porcji, a nie złe dane.

Co odróżnia bazę danych Nutrola od otwartych alternatyw?

Bazy danych open-source, takie jak Open Food Facts, dostarczają cennych danych, ale działają bez systematycznej weryfikacji. Wpisy są przesyłane przez wolontariuszy i publikowane bez kontroli prawdopodobieństwa lub przeglądu przez dietetyków. Nutrola wykorzystuje dane open-source jako jeden z wielu składników, poddając wszystkie importowane wpisy temu samemu procesowi weryfikacji, co każde inne źródło.

Ciągła praca

Budowanie bazy danych żywności to nie projekt z wyznaczoną linią mety. Żywność się zmienia. Nowe produkty są wprowadzane. Stare produkty są reformułowane lub wycofywane. Metody analityczne się poprawiają.

12 milionów wpisów w bazie danych Nutrola dzisiaj nie będzie tymi samymi 12 milionami wpisów za rok. Niektóre zostaną zaktualizowane, inne usunięte, a setki tysięcy nowych wpisów zostanie dodanych. Proces weryfikacji wychwyci błędy, które umknęły wcześniejszym wersjom. Zespół przeglądowy dietetyków stopniowo zwiększy proporcję wpisów, które mają potwierdzoną pewność.

Nikt nie pobiera aplikacji do śledzenia kalorii, ponieważ ekscytuje go normalizacja danych o składzie żywności. Ale każda dokładna liczba kalorii, każdy wiarygodny podział makroskładników, każda zaufana całkowita liczba dzienna zależy od tego, aby ta infrastruktura działała poprawnie, niewidocznie, za każdym wynikiem wyszukiwania. Gdy rejestrujesz swój lunch i liczby są poprawne, to nie jest przypadek. To wynik systemu zbudowanego specjalnie po to, aby upewnić się, że są one prawidłowe.