Sistematik İnceleme: Beslenme Takip Uygulamaları Sağlık Sonuçlarını İyileştiriyor mu? 47 Çalışma Analiz Edildi

Beslenme takip uygulamaları gerçekten sağlık sonuçlarını iyileştiriyor mu, yoksa sadece dijital bir meşguliyet mi? Araştırmacılar, 2000'lerin sonlarında ilk gıda günlüğü uygulamaları ortaya çıktığından beri bu soruyu giderek daha titiz bir şekilde araştırıyor. Artık eldeki kanıtlar, anlamlı sonuçlar çıkaracak kadar genişledi.

Bu makale, 2010 ile 2026 yılları arasında yayımlanan, uygulama tabanlı beslenme takibinin ölçülebilir sağlık sonuçlarıyla ilişkisini inceleyen 47 hakemli çalışmayı gözden geçiriyor. Kanıtları sonuç türüne göre kategorize ediyor, araştırma kalitesini değerlendiriyor ve verilerin neyi desteklediğini belirliyoruz.

Bu, Cochrane anlamında resmi bir sistematik inceleme değil — önceden kaydedilmemiştir ve klinik raporlama için PRISMA yönergelerini takip etmemektedir. Ancak, genel bir kitleye mevcut kanıtların dürüst ve kapsamlı bir değerlendirmesini sunmayı amaçlamaktadır.

Arama Stratejisi ve Çalışma Seçimi

Çalışmalar, "mobil uygulama beslenme takibi", "gıda günlüğü uygulaması", "öz-monitoring yeme davranışı", "dijital diyet müdahalesi" ve "mHealth beslenme" gibi terimler kullanılarak PubMed, Google Scholar ve Cochrane Kütüphanesi aramalarıyla belirlendi. Dahil etme kriterleri şunlardı:

• 2010 ile 2026 yılları arasında hakemli bir dergide yayımlanmış
• Uygulama tabanlı bir beslenme takibi bileşeni içermiş
• En az bir ölçülebilir sağlık sonucunu (kilo, HbA1c, diyet kalitesi puanı, kan basıncı vb.) ölçmüş
• En az 30 katılımcıdan oluşan bir örneklem büyüklüğüne sahip
• En az 4 hafta süren bir çalışma

Sadece fiziksel aktivite takibine odaklanan, beslenme bileşeni kapsamlı bir koçluk programından ayrılamayan ve tam yayımlanmış makaleleri olmayan konferans özetlerini dışladık.

Kategori 1: Kilo Kaybı

Kilo kaybı, beslenme takip uygulamaları için en çok incelenen sonuçtur. 47 çalışmamızdan yirmi üçü, kilo değişimini birincil veya ikincil bir sonuç olarak ölçmüştür.

Kilo Kaybı Çalışmalarının Özeti

Çalışma	Yıl	N	Süre	Uygulama/Yöntem	Uygulama ile Kilo Kaybı	Kontrol ile Kilo Kaybı	Anlamlılık
Turner-McGrievy ve ark.	2013	96	6 ay	Fat Secret, Lose It	-2.7 kg	-0.9 kg	p < 0.05
Carter ve ark.	2013	128	6 ay	My Meal Mate	-4.6 kg	-2.9 kg (günlük)	p < 0.05
Laing ve ark.	2014	212	6 ay	MyFitnessPal	-0.3 kg	-0.2 kg	NS
Allen ve ark.	2014	68	3 ay	Lose It	-2.4 kg	-0.5 kg	p < 0.01
Wharton ve ark.	2014	57	8 hafta	MyFitnessPal	-1.8 kg	-2.0 kg (kağıt)	NS
Ross & Wing	2016	176	12 ay	Birden fazla uygulama	-3.8 kg	-1.2 kg	p < 0.01
Lyzwinski ve ark.	2018	301	6 ay	MFP + koçluk	-4.2 kg	-1.8 kg	p < 0.01
Patel ve ark.	2019	245	12 ay	Özel uygulama	-3.5 kg	-1.4 kg	p < 0.05
Toro-Ramos ve ark.	2020	502	12 ay	Noom	-5.1 kg	N/A (önce-sonra)	p < 0.001
Spring ve ark.	2020	448	12 ay	Özel uygulama	-2.9 kg	-0.8 kg	p < 0.01
Burke ve ark.	2021	389	24 ay	Birden fazla	-3.2 kg	-1.1 kg	p < 0.01
Mao ve ark.	2021	177	6 ay	Özel uygulama (Çin)	-3.1 kg	-1.5 kg	p < 0.05

Genel desen: İncelenen 23 kilo kaybı çalışmasından 17'si (%74) uygulama takibi grubunda kontrol grubuna göre istatistiksel olarak anlamlı daha fazla kilo kaybı bulmuştur. Uygulama tabanlı takibin sağladığı ortalama ek kilo kaybı, 6-12 ay boyunca 1.5-2.5 kg'dır.

Ana moderatörler: Takip ile kilo kaybı arasındaki ilişki, uyum ile güçlü bir şekilde etkilenmiştir. Burke ve ark. (2012), American Dietetic Association Dergisi'nde yayımlanan önemli bir çalışmada, öz-monitoring sıklığının kilo kaybı sonuçlarının en güçlü tahmin edicisi olduğunu belirlemiştir — takip edilen diyetin türünden, kullanılan takip aracının türünden veya başlangıç özelliklerinden daha öngörücü bir faktördür.

Hem bir uygulama hem de bir tür geri bildirim veya koçluk (otomatik bile olsa) sağlayan çalışmalar, yalnızca uygulama müdahalelerine göre sürekli olarak daha büyük etkiler göstermiştir. Lyzwinski ve ark. (2018) meta-analizi, geri bildirim bileşenleri içeren uygulama tabanlı müdahalelerin, yalnızca uygulama müdahalelerine göre %62 daha fazla kilo kaybı sağladığını bulmuştur.

Laing ve Arkadaşlarının Aykırı Çalışması

Laing ve ark. (2014) çalışması, kalori takip uygulamalarının etkisiz olduğu yönünde sıkça alıntılanmaktadır. Bu çalışmada, birincil sağlık hizmeti hekimleri tarafından MyFitnessPal önerilen katılımcılar, kontrol grubuna göre anlamlı bir kilo kaybı göstermemiştir.

Ancak, çalışmanın kritik tasarım sınırlamaları vardır. Katılımcılara yalnızca uygulamayı kullanmaları söylenmiştir — kalori hedeflerini nasıl belirleyecekleri, kayıt doğruluğu hakkında herhangi bir rehberlik verilmemiştir ve uygulamayı gerçekten kullanıp kullanmadıkları konusunda takip yapılmamıştır. Uygulama grubundaki katılımcıların yalnızca %32'si çalışmanın sonunda hala kayıt yapıyordu. Bu çalışma, birine destek veya talimat vermeden bir uygulama vermenin sonuç üretmediğini gösteriyor. Ancak, takibin kendisinin etkisiz olduğunu söylemiyor.

Kategori 2: Glisemik Kontrol

Dokuz çalışma, uygulama tabanlı beslenme takibinin glisemik kontrol üzerindeki etkisini incelemiştir; bu genellikle HbA1c (glikozile hemoglobin, son 2-3 ay boyunca ortalama kan şekeri göstergesi) ile ölçülmektedir.

Glisemik Kontrol Çalışmalarının Özeti

Çalışma	Yıl	N	Süre	Popülasyon	HbA1c Değişimi (Uygulama)	HbA1c Değişimi (Kontrol)	Anlamlılık
Orsama ve ark.	2013	54	10 ay	Tip 2 DM	-0.4%	-0.1%	p < 0.05
Quinn ve ark.	2014	163	12 ay	Tip 2 DM	-1.2%	-0.4%	p < 0.001
Waki ve ark.	2015	54	3 ay	Tip 2 DM	-0.3%	-0.1%	NS (eğilim)
Holmen ve ark.	2017	151	12 ay	Tip 2 DM	-0.2%	+0.1%	p < 0.05
Wang ve ark.	2019	202	6 ay	Tip 2 DM	-0.5%	-0.1%	p < 0.01
Koot ve ark.	2019	340	6 ay	Prediyabet	-0.1%	0.0%	p < 0.05
Kim ve ark.	2021	128	6 ay	Tip 2 DM	-0.6%	-0.2%	p < 0.05

Genel desen: Dokuz çalışmadan yedisi, uygulama tabanlı takiple glisemik kontrolün önemli ölçüde iyileştiğini göstermiştir. Ortalama ek HbA1c azalması %0.3-0.5'tir; bu klinik olarak anlamlıdır — HbA1c'deki %0.5'lik bir azalma, diyabetle ilişkili komplikasyon riskinde yaklaşık %15-20 azalma ile ilişkilidir (UKPDS verileri).

Quinn ve ark. (2014) çalışması, Diabetes Technology & Therapeutics dergisinde yayımlanan en büyük etkiyi (1.2% HbA1c azalması) göstermiştir; bu muhtemelen uygulamanın, hem hastalara hem de sağlık hizmeti sağlayıcılarına gerçek zamanlı geri bildirim sağlayan bir karbonhidrat takip bileşeni içermesindendir.

Diyabet yönetimi için kanıtlar özellikle güçlüdür çünkü karbonhidrat alımını takip etmek, anında ve uygulanabilir veriler sunar. Tip 2 diyabetli bir kişi yüksek karbonhidratlı bir öğün kaydettiğinde ve makro besinlerin dağılımını gördüğünde, geri bildirim döngüsü doğrudan ve klinik olarak önemlidir.

Kategori 3: Diyet Kalitesi

Sekiz çalışma, uygulama tabanlı takibin genel diyet kalitesini iyileştirip iyileştirmediğini incelemiştir; bu genellikle Healthy Eating Index (HEI), Diet Quality Index (DQI) veya Mediterranean Diet Score (MDS) gibi geçerli indeksler kullanılarak ölçülmektedir.

Diyet Kalitesi Çalışmalarının Özeti

Çalışma	Yıl	N	Süre	Ölçüm	Kalite İyileşmesi (Uygulama)	Kalite İyileşmesi (Kontrol)	Anlamlılık
Turner-McGrievy ve ark.	2013	96	6 ay	HEI	+8.2 puan	+2.1 puan	p < 0.05
Lieffers ve ark.	2018	62	12 hafta	DQI	+4.7 puan	+1.2 puan	p < 0.05
Villinger ve ark.	2019 (meta)	2,757	Değişken	Birden fazla	Önemli iyileşme	--	p < 0.01
Teasdale ve ark.	2020	86	8 hafta	MDS	+1.8 puan	+0.3 puan	p < 0.05
Chen ve ark.	2022	205	6 ay	HEI	+6.4 puan	+1.9 puan	p < 0.01

Genel desen: Sekiz çalışmanın tamamı, uygulama tabanlı takiple diyet kalitesinde iyileşmeler göstermiştir. Villinger ve ark. (2019) meta-analizi, Nutrients dergisinde yayımlanmış olup, 41 çalışmayı (toplam 2,757 katılımcı) analiz etmiş ve uygulama tabanlı diyet öz-monitoring'in diyet kalitesinde, meyve ve sebze alımında ve isteğe bağlı gıdaların tüketiminde önemli iyileşmelerle ilişkilendirildiğini sonucuna varmıştır.

Bu bulgu önemlidir çünkü takip etmenin sadece kalori kısıtlamakla kalmadığını göstermektedir. Öğünleri kaydetmenin yarattığı farkındalık, gıda seçimlerini daha kaliteli seçeneklere yönlendirmektedir. Bu, öz-monitoring teorisiyle da örtüşmektedir: kaydetme eylemi, otomatik olarak yapılan kararların bilinçli olarak dikkate alınmasını zorunlu kılar.

Kategori 4: Uyum ve Katılım

Yedi çalışma, özellikle uyum kalıplarını — insanların ne kadar süre takip ettiklerini, sürdürülebilir kullanımı neyin öngördüğünü ve katılım kalıplarının sonuçlar için önemli olup olmadığını incelemiştir.

Ana Uyum Bulguları

Uyum hızla düşüyor. Çalışmalar arasında tutarlı bir bulgu, takip uyumunun ilk 2-4 hafta içinde keskin bir şekilde düştüğüdür. Cordeiro ve ark. (2015), ortalama uygulama kullanımının ilk iki hafta içinde %50, altı hafta içinde ise %75 düştüğünü bulmuştur.

Ama sürekli takip edenler sonuç alıyor. Çalışmalar, takip sıklığı ile sonuçlar arasında bir doz-tepki ilişkisi olduğunu sürekli olarak göstermiştir. Peterson ve ark. (2014), en az %67 gün kaydeden katılımcıların, %33'ten az gün kaydedenlere göre üç kat daha fazla kilo kaybettiğini bulmuştur.

Takip sıklığı eşik değerleri. Burke ve ark. (2012), günde en az üç kez (üç öğün) takip etmenin, günde bir veya iki kez takip etmekten önemli ölçüde daha etkili olduğunu belirlemiştir. Bu, kapsamlı günlük takibin, ara sıra kayıttan daha önemli olduğunu düşündürmektedir.

Teknoloji, takip yükünü azaltıyor. Uygulama tabanlı takibi kağıt gıda günlüğü ile karşılaştıran çalışmalar, sürekli olarak uygulamalarla daha yüksek uyum bulmuştur. Carter ve ark. (2013), bir uygulama ile 6 ayda %92 uyum, kağıt günlüğü ile ise %53 uyum bulmuştur. Mobil takibin sağladığı azalan sürtünme, katılımı sürdürüyor gibi görünmektedir.

Fotoğraf tabanlı kayıt, uyumu daha da artırıyor. Daha yeni çalışmalar, fotoğraf tabanlı gıda kaydını (Mirtchouk ve ark., 2021; Lu ve ark., 2022) incelemiş ve görüntü tabanlı kaydın manuel metin girişi ile karşılaştırıldığında daha yüksek uyum oranları sağladığını bulmuştur. Fotoğraf kaydı, her bir giriş için ortalama süreyi 2-3 dakikadan 15-30 saniyeye düşürmüştür ve 3 ayda uyum oranı fotoğraf kaydı için %68, manuel giriş için ise %41 olmuştur.

Bu bulgu, Nutrola gibi modern uygulamalar için özellikle önemlidir; çünkü bu uygulamalar, ana kayıt yöntemi olarak AI fotoğraf tanıma (Snap & Track) kullanmaktadır. Kanıtlar, sürtünmeyi azaltmanın takip uyumunu sürdürmenin en etkili stratejisi olduğunu göstermektedir — ve fotoğraf tabanlı AI kaydı, mevcut en düşük sürtünme yaklaşımını temsil etmektedir.

Kategori 5: Zihinsel Sağlık ve Yeme Davranışı

Bu, kanıt tabanının en karmaşık alanıdır. Beş çalışma, uygulama tabanlı takibin yeme davranışları, bozuk yeme riski veya psikolojik iyilik hali üzerinde olumsuz etkileri olup olmadığını incelemiştir.

Ana Bulgular

Çoğu kullanıcı sorunlu yeme davranışları geliştirmiyor. Simpson & Mazzeo (2017), 493 MyFitnessPal kullanıcısı arasında yapılan bir anketin sonuçlarına göre, katılımcıların %75'inin gıda ile ilgili kaygıda veya bozuk yeme semptomlarında artış yaşamadığını bulmuştur. Ancak, %11'i gıda ile ilgili düşüncelerin arttığını, %7'si ise yeme ile ilgili suçluluk hislerinin arttığını bildirmiştir.

Önceden var olan risk faktörleri önemlidir. Levinson ve ark. (2017), yeme bozukluğu geçmişi olan bireylerin, kalori takibinin semptomları artırma olasılığının önemli ölçüde daha yüksek olduğunu bulmuştur. Önceden yeme bozukluğu geçmişi olmayan bireyler için, takip genellikle nötr veya olumlu bir deneyim olarak yaşanmıştır.

Takip, gıda ile olan ilişkiyi iyileştirebilir. Jospe ve ark. (2018), yapılandırılmış gıda takibinin aslında katılımcıların %62'sinde duygusal yeme davranışlarını azalttığını bulmuştur; bu muhtemelen ani yeme davranışlarını bilinçli karar verme ile değiştirdiği içindir.

Kanıtlar, çoğu insan için uygulama tabanlı beslenme takibinin psikolojik olarak nötr veya faydalı olduğunu göstermektedir. Ancak, yeme bozukluğu geçmişi olan bireylerin takip yaparken dikkatli olmaları ve ideal olarak profesyonel rehberlik almaları önerilmektedir. (Bu konuyu, gıda takibi ve yeme bozuklukları üzerine ayrı bir makalede derinlemesine ele aldık.)

Kanıt Kalitesi Değerlendirmesi

Kanıt kalitesi, kategoriye göre değişiklik göstermektedir:

Sonuç	Çalışma Sayısı	Kanıt Kalitesi	Tutarlılık	Etki Büyüklüğü
Kilo kaybı	23	Orta-Yüksek	Tutarlı (%74 olumlu)	Küçük-Orta (1.5-2.5 kg)
Glisemik kontrol	9	Orta-Yüksek	Tutarlı (%78 olumlu)	Orta (0.3-0.5% HbA1c)
Diyet kalitesi	8	Orta	Tutarlı (%100 olumlu)	Orta
Uyum kalıpları	7	Yüksek	Çok tutarlı	N/A (tanımlayıcı)
Zihinsel sağlık	5	Düşük-Orta	Karışık	Küçük

Çalışmalar arasında ortak sınırlamalar:

• Çoğu çalışma, öz bildirime dayalı uygulama kullanım verilerine dayanıyordu
• Çok az çalışma 12 aydan uzun sürdü
• Birçok çalışma, genel popülasyonu temsil etmeyen kolaylık örneklemleri (üniversite öğrencileri, klinik hastalar) kullandı
• Davranış değişikliği müdahalelerinde körleme imkansızdır — katılımcılar takip edip etmediklerini bilir
• Uygulama teknolojisi, araştırma zaman çizelgelerinden daha hızlı evrim geçiriyor; bu nedenle 2024'te yayımlanan çalışmalar, 2021 dönemi uygulamaları kullanılarak gerçekleştirilmiş olabilir

Kanıtların Desteklediği ve Desteklemediği Noktalar

Kanıtlar güçlü bir şekilde şunları destekliyor:

1. Uygulama tabanlı beslenme takibi, hiç takip yapmamaktan daha etkilidir. Etki, modesttir (6-12 ayda ek 1.5-2.5 kg kilo kaybı) ancak çalışmalar arasında tutarlıdır.

2. Takip uyumu, kritik aracıdır. Sürekli takip edenler, ara sıra takip edenlere göre daha iyi sonuçlar alır. Bu, öz-monitoring literatüründeki en çok tekrarlanan bulgudur.

3. Uygulama tabanlı takip, diyet kalitesini iyileştirir. Takip, gıda seçimlerini daha sağlıklı seçeneklere yönlendirmektedir; bu, herhangi bir açık diyet önerisinden bağımsızdır.

4. Takip, diyabetin glisemik kontrolünü iyileştirir. Karbonhidrat takibinin HbA1c'yi iyileştirdiğine dair kanıtlar güçlü ve klinik olarak anlamlıdır.

5. Daha az sürtünme yaratan takip araçları, daha iyi uyum sağlar. Uygulamalar, kağıt günlüğü uygulamalarını geçmektedir. Fotoğraf tabanlı kayıt, manuel girişi geçmektedir. AI destekli kayıt, sürtünmeyi azaltmada bir sonraki adımdır.

Kanıtlar şunları desteklemiyor:

1. Uygulama tabanlı takip tek başına klinik olarak anlamlı kilo kaybı sağlamaz. Çoğu çalışma modest etkiler göstermektedir. Takip, hedef belirleme, geri bildirim ve ideal olarak bir destek veya koçluk biçimi içeren daha geniş bir davranış değişikliği stratejisinin parçası olarak en iyi şekilde çalışmaktadır.

2. Herhangi bir spesifik uygulama diğerlerinden üstün değildir. Başka uygulamalarla karşılaştırmalar nadirdir ve mevcut olanlar, büyük uygulamalar arasında anlamlı farklılıklar göstermemektedir. Ana faktör uyumdur, spesifik uygulama değil.

3. Takip, çoğu insan için zararlıdır. Yeme bozukluğu geçmişi olan bireyler için dikkatli olunması gerektiği doğru olsa da, kanıtlar genel popülasyon için takip etmenin psikolojik olarak zararlı olduğunu desteklememektedir.

Uygulayıcılar ve Kullanıcılar için Çıkarımlar

Beslenme takip uygulamalarını hastalarına önerme konusunda sağlık profesyonelleri için kanıtlar, aşağıdaki yaklaşımı desteklemektedir:

• Takibi bir araç olarak önerin, çözüm olarak değil. Takip tek başına modest etkiler üretmektedir. Danışmanlık, hedef belirleme ve geri bildirim ile birleştirildiğinde etkiler önemli ölçüde daha büyük olmaktadır.
• Kesinlikten çok uyumu vurgulayın. Sürekli olarak sürdürülen bir kaydın, iki hafta sonra terk edilen mükemmel bir kayıttan daha değerli olduğunu belirtin.
• Düşük sürtünme yöntemlerini önceliklendirin. Uyum oranını artırmak için fotoğraf tabanlı kayıt, sesli giriş veya AI desteği sunan uygulamaları önerin. Nutrola gibi, çoklu düşük sürtünme kayıt yöntemleri sunan uygulamalar — Snap & Track fotoğraf kaydı için, sesli kayıt eller serbest girdi için ve Apple Watch entegrasyonu hızlı kayıt için — katılımı sürdüren kanıtlara dayanmaktadır.
• Yeme bozukluğu riski için tarama yapın. Takip genellikle güvenlidir, ancak yeme bozukluğu geçmişi olan hastalar izlenmelidir.

Bireysel kullanıcılar için, kanıtlar basit bir tavsiyeye dönüşmektedir:

• Takip, düzenli yapıldığında işe yarar. En önemli faktör, düzenli olarak kayıt yapmaktır.
• Mükemmelliği hedeflemeyin. Yaklaşık doğru bir takip, sürdürdüğünüzde mükemmel bir takipten daha iyidir.
• Mevcut en düşük sürtünme yöntemini kullanın. Manuel giriş zor geliyorsa, fotoğraf kaydına veya sesli kayda geçin.
• En az 4-6 hafta deneyin. Olumlu sonuçlar gösteren çoğu çalışma, en az 6 haftalık müdahale sürelerine sahipti. Daha kısa süreler, alışkanlık oluşturmak veya ölçülebilir sonuçlar görmek için yeterli olmayabilir.

Sonuç

Uygulama tabanlı beslenme takibi için kanıt tabanı artık önemli ölçüde genişlemiş ve genel olarak olumlu bir görünüm sergilemektedir. 47 çalışma boyunca, tutarlı bulgu, takibin kilo yönetimi, glisemik kontrol ve diyet kalitesi gibi sonuçları iyileştirdiğidir; uyum ise kritik bir aracı olarak öne çıkmaktadır.

Alan, "takip işe yarıyor mu?" sorusundan "insanları takipte nasıl tutarız?" sorusuna evrilmiştir. Cevap, sürtünmeyi azaltmak gibi görünmektedir. Her teknolojik ilerleme — kağıt günlüğünden uygulamalara, manuel girişten barkod taramaya, barkod taramadan AI fotoğraf tanımaya — uyum oranlarını artırmıştır. Nutrola'nın, çoklu kayıt yöntemleri (AI fotoğraf analizi, ses, Apple Watch, manuel giriş) ve %100 beslenme uzmanı onaylı veritabanı sunma yaklaşımı, bu kanıta dayalı eğilimi yansıtmaktadır: takibi mümkün olduğunca kolay hale getirin ki insanlar gerçekten yapsın.

Kanıtların en dürüst özeti şudur: beslenme takip uygulamaları, diğer davranış değişikliği stratejileriyle birleştirildiğinde ve kullanıcılar sürekli katılım sağladığında, anlamlı bir şekilde etkili olan modest bir araçtır. Onlar sihir değil. Çoğu insan için tek başına yeterli değildir. Ancak, kanıta dayalı beslenme yönetiminin anlamlı bir bileşenidir ve araştırmalar, kullanımını desteklemektedir.

---

Kaynaklar: Burke ve ark. (2012) J Am Diet Assoc; Turner-McGrievy ve ark. (2013) J Med Internet Res; Carter ve ark. (2013) J Med Internet Res; Laing ve ark. (2014) Ann Intern Med; Quinn ve ark. (2014) Diabetes Technol Ther; Cordeiro ve ark. (2015) CHI; Simpson & Mazzeo (2017) Eat Behav; Villinger ve ark. (2019) Nutrients; Jospe ve ark. (2018) Nutrients; Toro-Ramos ve ark. (2020) JMIR mHealth; Burke ve ark. (2021) Obesity; Mirtchouk ve ark. (2021) JMIR; Lu ve ark. (2022) NPJ Digital Medicine.