Dünyanın En Doğru Gıda Veritabanını Nasıl Oluşturduk: Nutrola'nın Beslenme Verileri

Bir kalori takip uygulamasında tavuk göğsü kaydettiğinizde, gördüğünüz sayının doğru olduğuna güveniyorsunuz. Bu gıdanın doğru bir şekilde ölçüldüğüne, verilerin doğru bir şekilde girildiğine ve o zamandan beri kimsenin buna müdahale etmediğine inanıyorsunuz.

Ancak bu güven genellikle yersizdir.

Çoğu beslenme uygulaması, herhangi bir kullanıcının veri girişi yapabildiği kitlesel kaynaklı veritabanlarına dayanır. Sonuç ise karmaşadır. "Muz" aradığınızda, farklı kalori sayılarıyla 47 giriş bulursunuz. Bir barkod taradığınızda, ürünün formülasyonunun değiştiği üç yıl öncesine ait beslenme verisi alırsınız. Bir restoran yemeği kaydettiğinizde, o girişi yapan kişi tahmin yapmıştır.

Nutrola'da, veri doğruluğunun bir özellik değil, temelin kendisi olduğuna karar verdik. Yaptığımız her şey, sayıların doğru olmasına bağlı. Bu, 2 milyondan fazla kullanıcı tarafından güvenilen bir beslenme veritabanını nasıl oluşturduğumuzun hikayesidir ve her gün doğruluğunu korumak için kullandığımız sistemlerdir.

Çoğu Beslenme Veritabanı Neden Hatalıdır?

Ne yaptığımızı farklı kılanı açıklamadan önce, standart yaklaşımın neden başarısız olduğunu anlamak faydalıdır.

Kitlesel Kaynak Sorunu

En popüler kalori takip uygulamaları, kitlesel kaynaklı veritabanları kullanır. Kullanıcılar gıda girişleri gönderir, diğer kullanıcılar bunları kullanır ve veritabanı organik olarak büyür. Bu model hızlı bir şekilde ölçeklenir, bu yüzden uygulamalar bunu benimser. Ancak zamanla biriken sistematik hatalar ortaya çıkar.

Kitlesel kaynaklı beslenme verilerinin en yaygın sorunları şunlardır:

Sorun	Nasıl Oluyor	Kullanıcılar Üzerindeki Etkisi
Tekrar eden girişler	Birden fazla kullanıcı aynı gıdayı farklı verilerle gönderir	Kullanıcılar rastgele girişler seçer, tutarsız sonuçlar alır
Güncel olmayan bilgiler	Ürünler yeniden formüle edilirken eski girişler kalır	Kalori ve makro sayıları %20-40 oranında yanlış olabilir
Yanlış porsiyon boyutları	Kullanıcılar verileri gram cinsinden girerken etiket ons cinsinden gösterir veya tam tersi	Porsiyon hesaplamaları temelde yanlıştır
Eksik mikro besinler	Kullanıcılar sadece kalorileri girer, vitaminleri, mineralleri, lifleri atlar	Mikro besin takibi güvenilir olmaktan çıkar
Bölgesel varyasyonlar	Aynı ürün farklı ülkelerde farklı formülasyonlara sahiptir	Bir ülkedeki kullanıcılar başka bir ülkeye ait verileri alır
Uydurma girişler	Kullanıcılar yaklaşık veya uydurulmuş beslenme verileri girer	Gerçek verileri tahminlerden ayırt etmenin yolu yoktur

2024 yılında Journal of the Academy of Nutrition and Dietetics'te yayımlanan bir çalışma, kitlesel kaynaklı gıda veritabanlarının yaygın olarak kaydedilen gıdalar için hata oranlarının %15 ile %30 arasında olduğunu bulmuştur. Daha az yaygın gıdalar için hata oranı %40'ın üzerine çıkmaktadır.

Bu, her gün gıdanızı titizlikle takip ediyorsanız, gerçek alımınızın yüzlerce kalori yanlış olabileceği anlamına gelir. 300 kalorilik bir açıkla kilo vermeye çalışan biri için bu hata payı, ilerlemesini tamamen ortadan kaldırabilir.

Eski Veri Sorunu

Gıda üreticileri tariflerini ve formülasyonlarını sürekli değiştirir. Geçen yıl 20 gram protein içeren bir protein barı, bu yıl 18 gram içerebilir. 350 kalori olan bir dondurulmuş yemek şimdi 380 kalori olabilir. Ambalaj değişiklikleri, içerikler değişir, porsiyon boyutları ayarlanır.

Çoğu beslenme veritabanı bu değişiklikleri yakalamak için bir sisteme sahip değildir. Orijinal giriş veritabanında sonsuza kadar kalır ve gerçeklikten yavaş yavaş uzaklaşır.

Barkod Tarama Açığı

Barkod tarama, kalori takip uygulamalarında en popüler özelliklerden biridir. Kullanıcılar bunu seviyor çünkü doğru gibi görünüyor — yediğiniz ürünü tam olarak tarıyorsunuz. Ancak barkod veritabanlarının kendi sorunları vardır. Ürünler, farklı formülasyonlarla bölgeler arasında barkod paylaşır. Mağaza markaları tedarikçilerini değiştirdiklerinde barkodları yeniden kullanır. Ve birçok ürün, özellikle uluslararası veya özel gıdalar, veritabanında hiç yer almaz.

Nutrola'nın Yaklaşımı: Her Katmanda Doğrulanmış Veri

Veritabanımızı temelde farklı bir felsefeye dayandırdık: her beslenme verisi parçası, doğrulanmış bir kaynağa izlenebilir olmalı ve her giriş sürekli olarak doğrulanmalıdır.

Pratikte bu nasıl çalışır, işte burada.

Katman 1: Hükümet ve Kurumsal Kaynaklar

Veritabanımızın temeli, resmi hükümet beslenme veritabanlarından gelmektedir. Bunlar, standart laboratuvar yöntemleri kullanarak eğitimli gıda bilimcileri tarafından üretilen beslenme verilerinin altın standardıdır.

Ana kurumsal kaynaklarımız şunlardır:

• USDA FoodData Central — Amerika Birleşik Devletleri Tarım Bakanlığı, ham malzemeleri, markalı ürünleri ve restoran gıdalarını kapsayan 380.000'den fazla girişi içeren en kapsamlı laboratuvar analizli gıda veritabanını sürdürmektedir.
• EFSA Comprehensive European Food Consumption Database — Avrupa Gıda Güvenliği Otoritesi, Avrupa gıda formülasyonları ve bölgesel içerikleri dikkate alan beslenme verileri sağlar.
• Food Standards Australia New Zealand (FSANZ) — Avustralya ve Yeni Zelanda pazarlarına özgü ürünleri ve içerikleri kapsar.
• Health Canada Canadian Nutrient File — Kanada'da yaygın olarak tüketilen gıdalar için laboratuvar analizli veriler sağlar.
• National Institute of Health and Nutrition (Japonya) — Batı veritabanlarında yeterince temsil edilmeyen Japon gıdaları ve içerikleri için veriler sağlar.

Bu veritabanlarını sadece içe aktarmıyoruz ve işimizi bitirmiş saymıyoruz. Verileri kaynaklar arasında normalize ediyor, çelişkileri çözüyoruz (aynı gıda farklı veritabanlarında biraz farklı değerlerle göründüğünde) ve her şeyi porsiyon boyutları, hazırlama yöntemleri ve bölgesel varyasyonları dikkate alan birleşik bir şemaya bağlıyoruz.

Katman 2: Üretici Tarafından Doğrulanmış Ürün Verileri

Markalı ve paketlenmiş ürünler için, gıda üreticileri ve perakendecilerle doğrudan veri akışları sağlıyoruz. Bir şirket bir ürün formülasyonunu güncellediğinde, güncellenmiş beslenme bilgilerini alıyoruz — genellikle ürün raflarda görünmeden önce.

Bu katman, 47 ülkede 1.2 milyondan fazla markalı ürünü kapsamaktadır. Her giriş şunları içerir:

• Tam besin değerleri panel verisi (sadece kalori ve makrolar değil)
• Alerjen işaretleme ile içerik listeleri
• Birden fazla birimde porsiyon boyutu bilgisi
• Bölgesel formülasyon varyantları
• Ürün durumu (aktif, durdurulmuş, yeniden formüle edilmiş)

Bir formülasyon değişikliği tespit ettiğimizde, girişi güncelliyoruz ve kullanıcıların düzenli olarak kaydettiği ürünlerin doğru veriler görmesi için işaretliyoruz. Eski girişleri silmiyoruz — tarih damgaları ile arşivliyoruz, böylece tarihsel kayıtlar orijinal formülasyonla yemek yediğiniz dönem için doğru kalır.

Katman 3: AI Destekli Veri Doğrulama

Bu, yaklaşımımızın sektördeki standartlardan en çok ayrıldığı noktadır. Veritabanımızdaki her girişi sürekli olarak doğrulamak için makine öğrenimi modelleri kullanıyoruz ve insan incelemesinin gözden kaçırabileceği hataları yakalıyoruz.

Doğrulama sistemimiz şunları kontrol eder:

İstatistiksel uç noktalar. Eğer bir gıda girişi, gıda kategorisi için beklenen aralığın dışında kalori veya makro değerlerine sahipse, inceleme için işaretlenir. 100 gramda 400 kalori olan bir tavuk göğsü hemen yakalanır.

Makro-kalori tutarlılığı. Kaloriler, makro besinlerden hesaplanabilir (protein için 4 kalori, karbonhidrat için 4, yağ için 9, alkol için 7). Eğer bir girişin belirtilen kalorileri, makrolardan hesaplanan toplamla uyuşmuyorsa, bir sorun vardır. Sistemimiz %5 gibi küçük tutarsızlıkları bile yakalar.

Kaynaklar arası doğrulama. Aynı gıda birden fazla kaynak veritabanında göründüğünde, değerleri karşılaştırırız. Önemli farklılıklar, beslenme veri ekibimiz tarafından manuel inceleme gerektirir.

Zamansal tutarlılık. Eğer bir markalı ürünün beslenme verileri, üretici güncellemesi olmadan aniden değişirse, bu durum işaretlenir. Bu, bir veritabanı içe aktarmasının hatalar getirdiği veya bir ürünün benzer bir ürünle karıştırıldığı durumları yakalar.

Kullanıcı davranış sinyalleri. Binlerce kullanıcı aynı gıdayı kaydettiğinde, porsiyon boyutları ve sıklık desenleri bir davranış imzası oluşturur. Eğer yeni bir giriş alışılmadık kayıt desenlerine neden oluyorsa (örneğin, insanlar sürekli porsiyon boyutunu ayarlıyorsa), bu varsayılan porsiyon boyutunun yanlış olabileceğini gösterir.

Katman 4: İnsan Uzman İncelemesi

Teknoloji çoğu hatayı yakalasa da, bazıları insan yargısı gerektirir. Beslenme veri ekibimiz, kayıtlı diyetisyenler ve gıda bilimcilerinden oluşur ve şunları ele alır:

• AI doğrulama sistemi tarafından işaretlenen girişler
• Çok bileşenli restoran yemekleri gibi karmaşık gıdalar
• Standart veritabanlarında yer almayan bölgesel gıdalar
• Kullanıcılar tarafından bildirilen veri sorunları (her raporu ciddiye alıyoruz)
• Modellerimizin eğitim almadığı yeni gıda kategorileri

İnsan incelemesinden geçen her giriş, inceleme notları, düzeltme kaynağı ve bir güven puanı ile etiketlenir. Bu, zamanla otomatik sistemlerimizi geliştirmemize yardımcı olan bir denetim izi oluşturur.

Veritabanımızın Teknik Altyapısı

Doğru verileri oluşturmak, zorluğun sadece yarısıdır. 2 milyondan fazla kullanıcıya güvenilir bir şekilde sunmak, çoğu insanın hiç düşünmediği bir altyapı gerektirir.

Gerçek Zamanlı Senkronizasyon Mimarisi

Bir gıda girişini güncellediğimizde, değişikliğin o gıdayı kaydeden her kullanıcıya ulaşması gerekir. Veritabanı güncellemelerinin kullanıcı cihazlarına dakikalar içinde yayılmasını sağlamak için olay odaklı bir mimari kullanıyoruz. Bu, popüler bir gıda maddesindeki hatayı 14:00'te düzelttiğimizde, 14:05'te Nutrola'yı açan kullanıcıların düzeltilmiş değerleri göreceği anlamına gelir.

Çok Dilli Gıda Eşleştirme

Gıda adları diller ve bölgeler arasında büyük farklılıklar gösterir. Birleşik Krallık'ta "courgette" olan bir gıda, ABD'de "zucchini"dir. İzlanda'daki "skyr" başka yerlerde genellikle yoğurt olarak kategorize edilir. Arama sistemimiz, 18 dilde eşdeğer gıdaları eşleştiren çok dilli bir gıda ontolojisi kullanır, böylece kullanıcılar her zaman ne aradıklarını bulabilirler.

Porsiyon Boyutu Zekası

Ham beslenme verileri genellikle 100 gram başına sağlanır, ancak kimse 100 gramlık artışlarla düşünmez. İnsanlar "bir avuç", "bir fincan", "orta boy bir elma" veya "bir dilim" gibi terimlerle düşünür. Her gıda kategorisi için yaygın porsiyon tanımlarını gram ağırlıklarına eşleyen kapsamlı bir porsiyon boyutu veritabanı tutuyoruz.

Bu sistem, Nutrola'nın AI fotoğraf tanıma özelliğini de destekler. Yemeğinizi fotoğrafladığınızda, modelimiz sadece tabağınızdaki gıdanın ne olduğunu değil, ne kadar olduğunu da tahmin eder — ve beslenme analizini hesaplamak için aynı doğrulanmış porsiyon boyutu verilerini referans alır.

En Zor Durumlarla Nasıl Başa Çıkıyoruz?

Bazı gıdaların doğru beslenme verilerini sağlamak gerçekten zordur. İşte en zorlu kategorilere yaklaşımımız.

Restoran ve Hızlı Gıda Yemekleri

Zincir restoranlar genellikle beslenme bilgilerini yayınlar, ancak bağımsız restoranlar bunu yapmaz. Zincir restoranlar için, beslenme verilerini almak ve menüler değiştiğinde güncellemek için doğrudan ilişkiler kuruyoruz. Bağımsız restoranlar için, bir yemek tarifine dayalı tahmin yaklaşımını kullanıyoruz: sistemimiz bir yemeği bileşenlerine ayırır, standart restoran hazırlama yöntemlerine dayalı olarak miktarları tahmin eder ve toplam beslenme profilini hesaplar.

Bu mükemmel değildir, ancak alternatiften (tahmin etmek veya genel bir "restoran tavuk sandviçi" girişi kullanmak) çok daha doğrudur. Nutrola'nın AI koçluğu da kullanıcıların belirsizliği anlamalarına yardımcı olur: Eğer bir restoran yemeğinin beslenme verileri hakkında daha az güvenliysek, bunu size bildiririz.

Ev Yapımı ve Tarif Bazlı Gıdalar

Evde yemek pişirdiğinizde, yemeğinizin beslenme profili kullandığınız spesifik içeriklere ve miktarlara bağlıdır. Nutrola, malzemelerinizi girmenizi sağlayan tarif oluşturucu aracılığıyla bunu yönetir ve doğrulanmış içerik verilerimizi kullanarak porsiyon başına beslenme analizini hesaplar. Çıktının doğruluğu, girdinin doğruluğu kadar iyidir; bu yüzden ev yapımı yemekler için fotoğraf tabanlı kaydı da destekliyoruz.

Uluslararası ve Özel Gıdalar

Birçok beslenme uygulaması, Amerikan gıdalarına yönelik büyük bir önyargıya sahiptir. Japon, Hint, Etiyopya veya Batı veritabanlarında yeterince temsil edilmeyen herhangi bir mutfak yiyorsanız, genellikle eksik veya yanlış verilerle karşılaşırsınız. Uluslararası gıdaların kapsamını genişletmeye büyük yatırımlar yaptık; bölgesel beslenme veritabanları, yerel gıda bilimcileri ve topluluk geri bildirimleri ile bu boşlukları doldurmak için çalışıyoruz.

Veritabanımız şu anda 120'den fazla mutfaktan doğrulanmış girişler içermektedir ve özellikle Asya, Latin Amerika, Orta Doğu ve Afrika gıda kategorilerinde derinlik sunmaktadır.

Doğruluğu Ölçmek: Nasıl İşlediğini Biliyoruz

Doğruluk iddiaları, ölçüm olmadan anlamlı değildir. İşte veritabanı kalitemizi nasıl doğruladığımız.

İç Benchmarking

Her çeyrek, ekibimiz veritabanımızdan 500 rastgele girişi seçer ve bunları taze laboratuvar analizi veya en son hükümet veritabanı değerleri ile karşılaştırır. Kalori, protein, karbonhidrat, yağ ve lif açısından ortalama mutlak hatayı takip ederiz. Mevcut benchmarkımız: Hükümet veya üretici tarafından doğrulanmış kaynaklar için %97.4 doğruluk.

Kullanıcı Doğruluk Çalışmaları

Nutrola ile kaydedilen gıda günlüklerini tartılmış gıda kayıtları (beslenme araştırmalarında altın standart) ile karşılaştırmak için üniversite beslenme programlarıyla işbirliği yaptık. Bu çalışmalar, Nutrola kullanıcılarının, diğer popüler takip uygulamalarını kullanan kullanıcılara kıyasla gerçek alımlarıyla daha yakın bir uyum sağladığını sürekli olarak göstermektedir.

Hata Oranı Takibi

Aylık olarak yapılan veri düzeltmelerinin toplam veritabanı girişlerine oranını takip ediyoruz. Mevcut hata oranımız %0.03 — bu, her ay %99.97 oranında girişin düzeltme gerektirmediği anlamına gelir. Karşılaştırma açısından, kitlesel kaynaklı veritabanlarının genellikle aylık hata keşif oranları %2-5 arasındadır.

Ölçüt	Nutrola	Sektör Ortalaması (Kitlesel Kaynaklı)
Laboratuvar analizi ile doğruluk	%97.4	%70-85
Aylık hata oranı	%0.03	%2-5
Tam mikro besin verisi olan girişler	%89	%30-45
Yeniden formüle edilmiş ürünleri güncelleme süresi	48 saat	6-18 ay
Tekrar eden giriş oranı	<%0.1	%15-30

Bu Sizin İçin Ne Anlama Geliyor?

Bu kadar okuduysanız, muhtemelen şunu düşünüyorsunuz: "Ben sadece gıdamı kaydetmek istiyorum. Veritabanı mimarisiyle neden ilgilenmeliyim?"

İşte bu önemli: Takip edilen verilere dayalı her beslenme kararınız, verilerin kendisi kadar iyidir.

Eğer uygulamanız bugün 1,800 kalori yediğinizi söylüyorsa ama gerçek sayı 2,100 ise, 300 kalorilik açığınız yok demektir. Eğer uygulamanız 150 gram protein aldığınızı söylüyorsa ama gerçek sayı 125 ise, kas yapma planınız eksik kalıyor demektir. Eğer uygulamanız sodyumu 2,000 mg olarak takip ediyorsa ama aslında 2,800 mg ise, kan basıncı yönetim stratejinizde bir kör nokta var demektir.

Doğru veri, lüks değil, zorunluluktur. Bu, işe yarayan bir beslenme planı ile sadece olması gereken bir plan arasındaki farktır.

Nutrola'da kendimizi buna göre değerlendiriyoruz. Bu kolay olduğu için değil — bu, beslenme teknolojisindeki en zorlu teknik zorluklardan biridir — ama kullanıcılarımız, gösterdiğimiz sayılara dayanarak gerçek sağlık kararları alıyor. Bu sayılar doğru olmalı.

Gelecek Ne Getirecek?

Veritabanı altyapımıza sürekli yatırım yapıyoruz. Üzerinde çalıştığımız bazı konular:

• Laboratuvar ortaklıklarını genişletmek; mevcut veritabanlarında yeterince temsil edilmeyen gıdaları doğrudan analiz etmek için
• AI doğrulama modellerimizi geliştirmek; büyüyen kullanıcı tabanımızdan yeni eğitim verileri ile
• Üretici entegrasyonlarını derinleştirmek; ürün değişikliklerini daha hızlı yakalamak için
• Bölgesel gıda veritabanları geliştirmek; mevcut beslenme verilerinin sınırlı olduğu pazarlar için
• Tarif analiz motorumuzu geliştirmek; karmaşık, çok bileşenli yemeklerin beslenmesini daha iyi tahmin etmek için

Amaç hiç değişmedi: Her Nutrola kullanıcısına yedikleri hakkında en doğru resmi vermek, böylece sağlıkları hakkında bilinçli kararlar alabilmelerini sağlamak.

SSS

Nutrola'nın veritabanında kaç gıda var?

Nutrola'nın veritabanı, 47 ülkeden ham malzemeler, markalı ürünler, büyük zincirlerden restoran yemekleri ve yaygın ev yapımı yemekler dahil olmak üzere 3 milyondan fazla doğrulanmış gıda girişi içermektedir. Her giriş, doğrulanmış bir kaynağa bağlıdır ve sürekli olarak AI kalite kontrol sistemimiz tarafından doğrulanmaktadır.

Nutrola'nın veritabanı doğruluğu diğer uygulamalarla nasıl karşılaştırılır?

Bağımsız benchmarking, Nutrola'nın laboratuvar analizi ile %97.4 doğruluk sağladığını göstermektedir; kitlesel kaynaklı veritabanları kullanan uygulamalar için sektör ortalaması %70-85'tir. Temel fark, kullanıcıların hataları bildirmesine dayanmak yerine, hataları kullanıcıya ulaşmadan önce yakalayan çok katmanlı doğrulama sürecimizdir.

Bir gıda ürününün tarifi veya formülasyonu değiştiğinde ne olur?

Nutrola, gıda üreticileriyle doğrudan veri akışları sürdürür ve ürün veritabanlarını değişiklikler için izler. Bir yeniden formülasyon tespit edildiğinde, genellikle girişi 48 saat içinde güncelleriz. Eski beslenme verileri arşivlenir, böylece tarihsel gıda kayıtlarınız orijinal formülasyonla yediğiniz dönem için doğru kalır.

Veritabanında bir hata bildirebilir miyim?

Evet. Nutrola'daki her gıda girişi, "Sorun Bildir" seçeneği içerir. Raporlar doğrudan beslenme veri ekibimize gider ve düzeltmeler genellikle 24 saat içinde yapılır. Her raporu ciddiye alıyoruz çünkü kullanıcı geri bildirimi, en değerli kalite sinyallerimizden biridir.

Nutrola uluslararası ve bölgesel gıdaları kapsıyor mu?

Nutrola, 120'den fazla mutfaktan doğrulanmış beslenme verileri içermektedir. Bölgesel hükümet beslenme veritabanlarından, yerel gıda bilimi kurumlarından ve bazı durumlarda doğrudan laboratuvar analizinden veri temin ediyoruz. Belirli bir mutfaktan düzenli olarak yediğiniz gıdaların yeterince temsil edilmediğini düşünüyorsanız, bizimle iletişime geçmenizi teşvik ediyoruz — kapsamımızı genişletmek sürekli bir önceliktir.

Farklı kalori takip uygulamaları aynı gıda için neden farklı sayılar gösteriyor?

Farklı uygulamalar farklı veri kaynakları kullanır. Kitlesel kaynaklı verilere dayanan uygulamalar, aynı gıda için birden fazla girişle farklı doğruluklara sahip olabilir. Nutrola, doğrulanmış kaynaklar (hükümet veritabanları, üretici verileri, laboratuvar analizi) kullanır ve her girişi AI ve insan incelemesi ile doğrular; bu nedenle sayılarımız tutarlı ve güvenilirdir.