Cum este construită baza de date Nutrola: De la datele USDA la 12 milioane de intrări verificate

Atunci când cauți „piept de pui la grătar” într-o aplicație de urmărire a caloriilor și vezi „165 de calorii la 100 de grame”, acel număr nu a apărut din senin. Cineva l-a măsurat. Cineva l-a verificat. Cineva a decis că este suficient de precis pentru a fi arătat milioanelor de utilizatori care iau decizii legate de sănătate pe baza acestor date.

Calitatea unei baze de date alimentare este fundația invizibilă de sub fiecare aplicație de urmărire a caloriilor. Dacă baza de date este greșită, tot ce este construit pe ea este greșit: totalul tău zilnic de calorii, împărțirea macronutrienților, tendințele săptămânale, recomandările antrenorului tău și, în cele din urmă, rezultatele tale. Cu toate acestea, majoritatea utilizatorilor nu se gândesc niciodată de unde provin aceste numere, iar majoritatea aplicațiilor nu explică acest lucru.

Acest articol descrie exact cum este construită baza de date alimentară Nutrola, de la datele guvernamentale la cele 12 milioane de intrări verificate pe care le conține astăzi. De asemenea, explică de ce calitatea bazei de date variază atât de dramatic între aplicații și ce înseamnă acest lucru pentru acuratețea urmăririi tale.

Fundația: USDA FoodData Central

Fiecare bază de date nutrițională serioasă începe cu Departamentul Agriculturii din Statele Unite. USDA măsoară conținutul nutrițional al alimentelor încă din anii 1890, iar baza lor de date modernă, FoodData Central, reprezintă cea mai cuprinzătoare și riguros validată colecție de date despre compoziția alimentelor din lume.

FoodData Central conține multiple seturi de date. SR Legacy oferă profile detaliate ale nutrienților pentru aproximativ 7.600 de alimente comune, fiecare rezultat din analize de laborator, nu din estimări. Alimentele sunt achiziționate fizic, preparate conform unor protocoale standardizate și analizate folosind metode validate de chimie analitică. Foundation Foods este succesorul său mai nou și mai detaliat, oferind măsuri de variabilitate, dimensiuni ale probelor și metadate despre soiuri, rase, origine și sezonul de recoltare. FNDDS acoperă preparatele mixte și rețetele consumate frecvent, cu date despre dimensiunea porției legate de măsurile gospodărești. Branded Foods conține date despre alimentele ambalate obținute printr-un parteneriat cu Label Insight (acum NielsenIQ).

Nutrola preia toate cele patru seturi de date, le normalizează la un schema consistentă și le corelează pentru a rezolva discrepanțele. Atunci când SR Legacy și Foundation Foods conțin date pentru același element, valorile din Foundation Foods au prioritate, deoarece se bazează pe analize mai recente.

Această fundație USDA oferă aproximativ 400.000 de intrări unice de alimente. Aceasta este o bază solidă, dar nu este suficientă pentru o aplicație modernă de urmărire a caloriilor. Majoritatea oamenilor nu consumă „Pui, broiler, piept, carne doar, gătit, prăjit.” Ei mănâncă un sandwich de la Chick-fil-A, o masă congelată de la Trader Joe's sau un preparat făcut acasă dintr-o rețetă pe care bunica lor a adus-o din altă țară. Acoperirea întregii game de alimente pe care le consumă oamenii reali necesită mult mai mult decât datele guvernamentale.

Adăugarea datelor despre alimentele de marcă

Stratul de alimente de marcă reprezintă cea mai mare expansiune unică a bazei de date. Alimentele ambalate cu etichete de informații nutriționale constituie o parte semnificativă din dieta tipică din Statele Unite și alte țări dezvoltate, iar utilizatorii se așteaptă să găsească produsele lor specifice atunci când caută.

Nutrola obține date despre alimentele de marcă prin multiple canale.

Parteneriate directe cu producătorii oferă cele mai bune date de marcă. Atunci când un producător împărtășește date nutriționale direct, acestea provin din aceleași analize de laborator utilizate pentru generarea panoului de informații nutriționale. Nutrola menține acorduri de partajare a datelor cu sute de producători de alimente.

Integrarea bazelor de date cu coduri de bare captează o gamă largă de produse prin baze de date cu coduri de bare open-source, registre guvernamentale de etichete alimentare și furnizori comerciali de date. Atunci când un utilizator scanează un cod de bare nerecunoscut, sistemul inițiază un flux de lucru de verificare înainte ca intrarea să devină disponibilă pentru toți utilizatorii.

Scanarea etichetelor și OCR construiește intrări din panourile fizice de informații nutriționale. Fiecare intrare derivată din OCR trece printr-o validare care verifică erorile comune de extragere: puncte decimale citite greșit, cifre transversale și valori în afara intervalelor plauzibile.

Cicluri de actualizare periodice asigură că datele de marcă rămân actuale. Producătorii reformulează produsele în mod regulat. Nutrola efectuează cicluri de actualizare trimestriale pentru produsele cu volum mare și actualizări anuale pentru catalogul mai larg, semnalizând intrările unde valorile s-au schimbat.

Acest strat de alimente de marcă adaugă aproximativ 1,5 milioane de intrări în baza de date, fiecare legată de coduri UPC/EAN specifice și identificatori de produse.

Intrările contribuie de utilizatori și problema acurateței

Cele mai mari baze de date de urmărire a caloriilor se bazează în mare măsură pe date crowdsourced, intrări trimise de utilizatori care tastează manual informațiile nutriționale din etichete, rețete sau estimările lor. Această abordare se scalează rapid. De asemenea, este cea mai mare sursă de erori în industria urmăririi nutriționale.

Problemele cu datele alimentare crowdsourced sunt bine documentate. O revizuire din 2020 publicată în Nutrients de Evenepoel et al. a găsit rate de eroare de 15 până la 25 la sută în valorile macronutrienților din bazele de date nutriționale crowdsourced. Tipurile de erori includ următoarele.

Erori de introducere a datelor. Un utilizator tastează 52 de grame de proteine în loc de 5,2 grame. O eroare de punct decimal care face ca o porție de iaurt să pară că conține la fel de multă proteină ca un piept întreg de pui. Aceste erori sunt comune deoarece introducerea manuală a datelor este, prin natura sa, predispusă la erori, iar majoritatea sistemelor crowdsourced nu au un mecanism pentru a le prinde înainte ca intrarea să devină activă.

Intrări duplicate și conflictuale. Caută „banană” într-o mare bază de date crowdsourced și s-ar putea să găsești treizeci de intrări cu valori calorice diferite. Unele listează o banană mică, altele una medie, iar altele una mare. Unele includ greutatea coajei, altele nu. Unele sunt precise, altele sunt complet greșite. Utilizatorul este lăsat să ghicească care intrare este corectă și nu are o modalitate fiabilă de a face această determinare.

Informații despre produse învechite. Un utilizator trimite date pentru o bară de granola în 2022. Producătorul reformulează produsul în 2024, reducând zahărul și crescând fibra. Intrarea veche rămâne în baza de date pe termen nelimitat, returnând valori incorecte pentru oricine o selectează.

Estimare în loc de măsurare. Unele intrări trimise de utilizatori nu se bazează deloc pe datele de pe etichetă, ci pe estimarea personală a utilizatorului privind conținutul nutrițional al unui aliment. Aceste intrări pot devia de la valorile reale cu 50 la sută sau mai mult.

Dimensiuni de porții inconsistentes. O intrare pentru „orez, gătit” folosește o porție de 100 de grame. Alta folosește o cană. Alta folosește „o porție” fără a defini ce înseamnă asta. Utilizatorii care aleg între aceste intrări s-ar putea să nu observe discrepanța dimensiunii porției, ceea ce duce la erori care se acumulează pe parcursul meselor.

Nutrola acceptă intrările contribuie de utilizatori deoarece sunt esențiale pentru a captura întreaga diversitate de alimente pe care le consumă oamenii, inclusiv preparate regionale, articole specifice restaurantelor și rețete de acasă care nu există în nicio bază de date oficială. Cu toate acestea, fiecare intrare contribuie de utilizatori intră într-un proces de verificare înainte de a deveni disponibilă pe scară largă. Intrarea este imediat utilizabilă de către persoana care a creat-o, dar nu este afișată altor utilizatori până când nu a fost validată.

Procesul de verificare

Fiecare intrare alimentară din Nutrola, indiferent de sursa sa, trece printr-un proces de verificare în mai multe etape înainte de a ajunge în baza de date generală.

Etapa 1: Verificări automate de plauzibilitate. Un algoritm examinează valorile nutriționale trimise în raport cu constrângerile cunoscute. Caloriile trebuie să fie consistente cu macronutrienții declarați (proteine, carbohidrați, grăsimi) în cadrul unei toleranțe definite. Sistemul Atwater oferă factorii de conversie: 4 calorii pe gram de proteină, 4 calorii pe gram de carbohidrat, 9 calorii pe gram de grăsime și 7 calorii pe gram de alcool. Dacă un utilizator trimite o intrare care susține 200 de calorii, 30 de grame de proteine, 20 de grame de carbohidrați și 15 grame de grăsimi, valoarea calorică calculată este de 335, nu 200. Intrarea este semnalizată pentru revizuire.

Această etapă verifică, de asemenea, valorile plauzibile în cadrul categoriilor alimentare. O intrare de fructe care susține 40 de grame de grăsime pe porție, o intrare de legume care susține 60 de grame de proteine la 100 de grame sau orice intrare în care un singur macronutrient depășește greutatea totală a porției sunt semnalizate automat. Aceste verificări prind majoritatea erorilor de introducere a datelor, inclusiv greșelile de punct decimal și confuzia unităților.

Etapa 2: Compararea prin cross-referință. Sistemul compară intrarea trimisă cu intrările existente pentru alimente similare sau identice. Dacă baza de date USDA conține o intrare de referință pentru „brânză cheddar” și un utilizator trimite o intrare de brânză cheddar de marcă cu valori calorice cu 40% mai mici decât referința USDA, intrarea este semnalizată pentru revizuire manuală. Devierea mică este de așteptat deoarece produsele de marcă variază. Devierea mare indică probabil erori.

Etapa 3: Revizuirea nutriționiștilor. Intrările care trec verificările automate, dar se încadrează în categorii de mare importanță, cum ar fi alimentele de bază, articolele cu volum mare de căutare sau intrările cu scoruri de plauzibilitate limită, sunt direcționate către coada de revizuire a nutriționiștilor. Echipa de dieteticieni autorizați și oameni de știință alimentari de la Nutrola examinează aceste intrări în raport cu surse autoritare, verificând valorile în raport cu site-urile producătorilor, bazele de date guvernamentale din mai multe țări și tabelele publicate de compoziție a alimentelor.

Etapa 4: Consensul comunității. Pentru intrările care au fost în baza de date pentru o perioadă, modelele de utilizare oferă un semnal suplimentar de calitate. Dacă mulți utilizatori selectează o intrare și nimeni nu o raportează ca fiind inexactă, acesta este un semnal pozitiv. Dacă utilizatorii selectează frecvent o intrare și apoi editează imediat valorile, acel model sugerează că intrarea originală poate conține erori. Aceste semnale comportamentale se întorc în procesul de revizuire, scoțând la iveală intrările potențial problematice pentru reexaminare.

Procesul de revizuire a nutriționiștilor

Stratul de revizuire uman este ceea ce separă o bază de date verificată de una crowdsourced. Verificările automate prind erorile evidente, dar inexactitățile subtile necesită judecată umană.

Echipa de revizuire a nutriționiștilor de la Nutrola funcționează pe un sistem bazat pe priorități. Alimentele sunt prioritizate pentru revizuire în funcție de volumul de căutare, probabilitatea de eroare și semnificația nutrițională. O eroare în numărul de calorii al apei (care ar trebui să fie zero) nu are nicio consecință practică. O eroare în numărul de calorii al uleiului de măsline, unul dintre cele mai dense alimente caloric, ar putea afecta totalul zilnic al utilizatorului cu sute de calorii.

Procesul de revizuire pentru o singură intrare implică identificarea celei mai autoritare surse (datele de laborator USDA pentru mărfuri brute, datele producătorilor pentru produsele de marcă, informațiile nutriționale publicate pentru preparatele din restaurante), compararea tuturor nutrienților raportati cu acea sursă, evaluarea acurateței dimensiunii porției și verificarea metadatelor de căutare astfel încât utilizatorii să poată găsi efectiv intrarea.

O intrare complexă, cum ar fi un preparat regional tradițional fără o rețetă standardizată, poate necesita 30 de minute sau mai mult de cercetare. Verificările produselor de marcă simple durează sub un minut. Echipa prioritizează intrările cu impact mare, concentrând timpul de revizuire acolo unde produce cea mai mare îmbunătățire a acurateței generale a bazei de date.

Cum sunt prinse și corectate erorile

Nicio bază de date cu 12 milioane de intrări nu este lipsită de erori. Scopul nu este perfecțiunea, ci reducerea sistematică a erorilor în timp, combinată cu corectarea rapidă a erorilor atunci când sunt identificate.

Nutrola utilizează multiple mecanisme de detectare a erorilor care funcționează în paralel.

Raportarea de către utilizatori. Fiecare intrare alimentară din aplicație include o opțiune „Raportează o problemă”. Utilizatorii pot semnala intrările ca având calorii incorecte, macronutrienți greșiți, informații învechite, dimensiuni de porții incorecte sau alte probleme. Rapoartele sunt trișate în funcție de volum și severitate. Un singur raport pe o intrare cu volum mic intră în coada standard de revizuire. Mai multe rapoarte pe o intrare cu volum mare declanșează o revizuire imediată.

Detectarea automată a anomaliilor. Modelele statistice monitorizează baza de date pentru intrări care deviază semnificativ de la normele lor de categorie alimentară. Dacă densitatea calorică medie a tuturor intrărilor de brânză din baza de date este de 350 de calorii la 100 de grame, o intrare pentru un produs de brânză care susține 35 de calorii la 100 de grame este semnalizată automat. Aceste modele funcționează continuu și prind erori pe care utilizatorii individuali s-ar putea să nu le observe sau să le raporteze.

Verificarea scanării codurilor de bare. Atunci când utilizatorii scanează un cod de bare al unui produs, datele returnate sunt comparate cu cele mai recente date disponibile de la producător. Dacă producătorul și-a actualizat informațiile nutriționale și intrarea din baza de date nu a fost încă actualizată, discrepanța declanșează un flux de lucru de actualizare.

Reconcilierea între baze de date. Nutrola compară periodic intrările sale cu versiunile actualizate ale bazei de date USDA, bazele de date internaționale de compoziție a alimentelor și fluxurile de date de parteneri. Intrările care s-au abătut de la sursele lor de referință sunt semnalizate pentru revizuire și corectare.

Auditurile de consistență nutrițională. Auditurile periodice examinează eșantioane aleatorii din fiecare categorie alimentară, verificând consistența internă. Aceste audite au identificat grupuri de erori, cum ar fi loturi de intrări importate în care valorile fibrei au fost confundate cu valorile zahărului din cauza erorilor de mapare a coloanelor.

Când o eroare este confirmată, corectarea este aplicată imediat și propagată către toți utilizatorii. Utilizatorii care au înregistrat recent alimentul afectat primesc o notificare, permițându-le să revizuiască și să își ajusteze înregistrările.

Bazele de date alimentare regionale pentru bucătăria internațională

O bază de date alimentară construită exclusiv pe date americane este insuficientă pentru o bază de utilizatori globală. Un utilizator din Japonia care caută „onigiri” are nevoie de rezultate precise. Un utilizator din India care caută „dal makhani” are nevoie de o intrare care să reflecte metodele de preparare și ingredientele reale folosite în bucătăriile indiene, nu o adaptare americanizată a restaurantelor.

Nutrola integrează date despre compoziția alimentelor din bazele de date guvernamentale din peste 30 de țări și regiuni.

Europa: Rețeaua EuroFIR coordonează datele între țările europene. Bazele de date naționale din Marea Britanie (McCance și Widdowson), Germania (Bundeslebensmittelschluessel) și Franța (CIQUAL) oferă intrări pentru alimente regionale și produse locale de marcă.

Estul Asiei: Tabelele standard de compoziție a alimentelor din Japonia, baza de date națională de compoziție a alimentelor din Coreea de Sud și tabelele de compoziție a alimentelor din China contribuie cu mii de intrări pentru alimente specifice regiunii, inclusiv variante specifice de preparare. Diferența dintre orezul fiert și orezul prăjit, între tofu crud și tofu prăjit nu este trivială, iar aceste baze de date surprind acele distincții.

Sudul Asiei: Institutul Național de Nutriție din India oferă date pentru alimente unice subcontinentului, inclusiv cereale regionale, preparate din leguminoase și produse lactate precum paneer și ghee cu profile nutriționale distincte față de echivalentele lor occidentale.

America Latină și Orientul Mijlociu/Africa: Tabelele de compoziție a alimentelor din Brazilia (TACO), Mexic (BDCA) și bazele de date regionale din Orientul Mijlociu și Africa contribuie cu date pentru alimente de bază precum teff, injera, preparate pe bază de tahini și preparate regionale absente din bazele de date nord-americane.

Integrarea acestor surse nu este o simplă importare de date. Diferite țări folosesc metode analitice diferite, definiții de nutrienți și convenții de servire. O „cană” este de 240 ml în Statele Unite, 200 ml în Japonia și 250 ml în Australia. Echipa de inginerie a datelor de la Nutrola menține un strat de normalizare care convertește toate datele internaționale primite la un standard consistent: unități metrice, definiții standardizate ale nutrienților și coduri unificate de clasificare a alimentelor.

Compararea surselor de date

Următoarea tabelă rezumă caracteristicile fiecărei surse majore de date care contribuie la baza de date alimentară Nutrola.

Sursa	Intrări	Acuratețe	Acoperire	Frecvența actualizărilor	Limitări
USDA FoodData Central	~400,000	Foarte ridicată (analizată în laborator)	Puternică pentru mărfuri brute și alimente de marcă din SUA	Lansări majore anuale, actualizări continue	Alimente internaționale limitate, articole de restaurant limitate
Etichete ale producătorilor	~1,500,000	Ridicată (reglementată, auditată de FDA)	Excelentă pentru bunuri ambalate	Variază în funcție de producător; actualizare trimestrială la Nutrola	Acoperă doar produsele ambalate, 20% variație permisă de FDA
Bazele de date guvernamentale internaționale	~2,000,000	Ridicată (analizată în laborator, variază în funcție de țară)	Excelentă pentru alimente regionale	Anual sau mai puțin frecvent	Standarde inconsistente între țări, unele învechite
Crowdsourced (Contribuții de utilizatori)	~6,000,000	Variabilă (rată de eroare de 15-25% înainte de verificare)	Cea mai largă acoperire, inclusiv articole de nișă	Continuă	Necesită un proces de verificare; datele brute sunt nesigure
Verificate de nutriționiști	~2,100,000	Foarte ridicată (cross-referințiată, revizuită uman)	Prioritizată în funcție de volumul de căutare	Revizuire continuă prioritizată	Resurse intensive, nu poate acoperi fiecare intrare

Aceste surse nu sunt exclusiviste. Un singur aliment poate avea date din multiple surse. Când există conflicte, ierarhia de rezolvare este: datele USDA sau echivalentele de laborator guvernamental mai întâi, datele producătorilor pe locul doi, datele verificate de nutriționiști pe locul trei și datele crowdsourced verificate pe locul patru. Această ierarhie asigură că cele mai riguros validate date au întotdeauna prioritate.

De ce contează mai mult acuratețea decât dimensiunea

Unele aplicații concurente își promovează dimensiunile bazelor de date de 15, 20 sau chiar 30 de milioane de intrări. Dimensiunea fără calitate este lipsită de sens și poate fi activ dăunătoare.

O bază de date cu 30 de milioane de intrări și o rată de eroare de 20 la sută conține 6 milioane de intrări greșite. Un utilizator care înregistrează una dintre aceste intrări acum urmărește date inexacte cu o încredere totală în corectitudinea lor. Eroarea se acumulează: dacă o intrare de mic dejun preferată supraestimează proteinele cu 10 grame și o consumi de cinci ori pe săptămână, crezi că ai consumat cu 200 de grame mai multe proteine pe lună decât ai făcut-o de fapt. Dacă reduci proteinele din alte surse pe baza acestor date, efectele ulterioare sunt reale.

Aceasta este motivul pentru care Nutrola prioritizează numărul de intrări verificate în detrimentul numărului brut de intrări. O intrare care nu există este neutră. O intrare care există, dar este greșită, este activ dăunătoare.

Cum crește baza de date

Baza de date nu este statică. Aceasta crește continuu prin multiple canale. Sistemele automate monitorizează cererile de scanare a codurilor de bare, identificând produsele pe care utilizatorii le caută, dar care nu există încă, și prioritizează articolele cu cerere mare pentru adăugare. Trimiterile utilizatorilor adaugă preparate regionale, articole de restaurant și rețete de acasă care nu sunt acoperite de nicio bază de date oficială. Parteneriatele cu producătorii asigură că, atunci când o rețea majoră lansează un nou element de meniu, datele nutriționale sunt disponibile în ziua lansării. Și lansările periodice ale bazelor de date USDA și internaționale sunt preluate pe măsură ce devin disponibile.

Întrebări frecvente

Cât de precisă este baza de date alimentară Nutrola comparativ cu alte aplicații?

Intrările verificate ale Nutrola au o acuratețe medie de 5% față de valorile măsurate în laborator pentru macronutrienți, bazată pe audituri interne care compară intrările cu date analitice independente. Bazele de date crowdsourced neverifyate arată de obicei rate de eroare de 15 până la 25 la sută. Diferența provine din procesul de verificare prin care trebuie să treacă fiecare intrare înainte de a deveni disponibilă pe scară largă.

Ce se întâmplă când scanez un cod de bare și produsul nu este găsit?

Aplicația te invită să introduci informațiile nutriționale de pe etichetă. Intrarea ta este imediat disponibilă pentru utilizarea ta, apoi intră în procesul de verificare înainte de a fi afișată altor utilizatori. Produsele cu cerere mare sunt prioritizate pentru verificare rapidă.

Cât de des este actualizată baza de date?

Continuu. Intrările contribuie de utilizatori sunt procesate zilnic. Datele despre produsele de marcă sunt actualizate trimestrial pentru produsele cu volum mare. Lansările USDA și internaționale sunt incorporate în termen de două săptămâni de la publicare. Corectările erorilor sunt aplicate de obicei în termen de 24 până la 48 de ore de la confirmare.

Pot avea încredere în numerele de calorii pentru mesele de restaurant?

Pentru lanțurile mari care publică date nutriționale oficiale, intrările sunt obținute direct și sunt la fel de precise ca măsurătorile lanțului. Pentru restaurante independente, intrările sunt estimări bazate pe rețete cu o marjă mai largă de incertitudine. Nutrola marchează intrările de restaurant cu un indicator de încredere, astfel încât să poți vedea dacă datele provin dintr-o sursă oficială sau dintr-o estimare.

De ce arată uneori Nutrola valori diferite față de eticheta alimentului meu?

Trei motive comune: producătorul poate fi reformulat produsul, definițiile dimensiunilor porțiilor pot diferi sau regulile de rotunjire a informațiilor nutriționale creează discrepanțe mici (de obicei în intervalul de 5 până la 10 calorii). Raportarea unei discrepanțe prin aplicație declanșează o actualizare.

Cum gestionează Nutrola rețetele de casă?

Construiești intrări personalizate pentru rețete combinând intrările ingredientelor individuale din baza de date verificată, ajustate pentru porții. Deoarece intrările ingredientelor sunt verificate, sursa principală de eroare este măsurarea porțiilor, nu datele greșite.

Ce face baza de date Nutrola diferită de alternativele open-source?

Bazele de date open-source, cum ar fi Open Food Facts, oferă date valoroase, dar funcționează fără verificare sistematică. Intrările sunt trimise de voluntari și publicate fără verificări de plauzibilitate sau revizuire de nutriționiști. Nutrola folosește date open-source ca un input printre multe altele, supunând toate intrările importate aceluiași proces de verificare ca orice altă sursă.

Munca continuă

Construirea unei baze de date alimentare nu este un proiect cu o linie de finalizare. Alimentele se schimbă. Produse noi sunt lansate. Produse vechi sunt reformulate sau scoase din producție. Metodele analitice se îmbunătățesc.

Cele 12 milioane de intrări din baza de date Nutrola de astăzi nu vor fi aceleași 12 milioane de intrări peste un an. Unele vor fi actualizate, altele eliminate, iar sute de mii de intrări noi vor fi adăugate. Procesul de verificare va prinde erorile care au scăpat prin iterațiile anterioare. Echipa de revizuire a nutriționiștilor va crește constant proporția de intrări care poartă încrederea verificată de oameni.

Nimeni nu descarcă o aplicație de urmărire a caloriilor pentru că este entuziasmat de normalizarea datelor despre compoziția alimentelor. Dar fiecare număr de calorii corect, fiecare împărțire fiabilă a macronutrienților, fiecare total zilnic de încredere depinde de această infrastructură care funcționează corect, invizibil, în spatele fiecărui rezultat al căutării. Atunci când îți înregistrezi prânzul și numerele sunt corecte, aceasta nu este o întâmplare. Este rezultatul unui sistem construit special pentru a se asigura că sunt corecte.