Bütün vaxtınızı buna sərf etmədən kalorilərinizi necə saymalı. 4 metodun müqayisəsi, onların real dəqiqliyi və 6 ay sonra da davam etdirəcəyiniz üsul.
Süni intellektlə foto skanı, barkod, verilənlər bazası, sürətli əlavə: hər metodun real dəyəri, insanların 80%-i niyə 3 ayda bu işi atır və profilinizə görə necə seçim etməli.
Kalorilərinizi saymaq üçün dörd metod: süni intellektlə foto skanı (boşqabınızın şəklini çəkirsiniz, süni intellekt hər qidanı və onun miqdarını tanıyır), barkod skanı (qablaşdırılmış məhsullar, istehsalçı məlumatları), verilənlər bazası (axtarış + tərəzidə çəkmə, ən dəqiq üsul) və sürətli əlavə (10 saniyədə ümumi büdcə). Düzgün metod kağız üzərində ən dəqiq olanı deyil, 6 ay ərzində davam etdirə biləcəyiniz metoddur. Qəbulunuzu saymaq isə yalnız sərfiniz, yəni TDEETotal Daily Energy Expenditure: 24 saat ərzində ümumi kalori sərfiniz. TDEE = BMR + NEAT + EAT + TEF., düzgün hesablandıqda faydalıdır.
İnsanların 80%-i niyə 3 ayda saymağı dayandırır
Kalori saymaq işləyir. Məsələ bu deyil. Məsələ ondadır ki, demək olar ki, heç kim davam etdirmir: çəki itkisi proqramları üzrə tədqiqatlar tərəzidə görünən ilk nəticədən çox əvvəl, elə ilk həftələrdə kütləvi tərk etmə göstərir.
Çətinlik konkret olaraq belədir: siyahıda «toyuq döşü» axtarmaq, 40 dublikat arasından düzgün qeydi seçmək, 150 g-ı gözəyarı təxmin etmək, lobya üçün təkrarlamaq, sonra zeytun yağı üçün. Gündə üç dəfə. Ayda 90 dəfə. İzləməni öldürən izləmə ideyası yox, məhz bu mühasibatlıqdır.
Praktiki nəticə: daxiletmə metodunuzun seçimi ergonomik detal deyil. Bu, məlumatlarınızın 3 ay sonra hələ də mövcud olub-olmayacağını həll edən ƏSAS amildir. Budur 4 metod, ən sürətlisindən ən tələbkarına qədər.
Süni intellektlə foto skanı: hər yeməyə 5 saniyə
Boşqabınızın şəklini çəkirsiniz. Lean-in süni intellekti ikiqat tanıma aparır: əvvəlcə boşqabdakı hər qidanı tanıyır (qrildə bişirilmiş toyuq, yaşıl lobya), sonra hər birinin miqdarını qiymətləndirir. Nəticə havadan götürülmüş ümumi rəqəm deyil: bu, hər sətir üçün kalori və makroları göstərən, qida-qida bölgüdür.
Şəkillərlə, addım-addım, real bir yeməkdə:



Adi yeməklərdə tipik xəta hər yemək üçün təxminən ±10%-dir. Bu, tərəzidən az dəqiqdir, amma yağ itkisini idarə etmək üçün tamamilə kifayətdir (aşağıda böyük ədədlər qanunu ilə buna qayıdacağıq). Ən əsası, bu, etiketsiz yeməkləri əhatə edən yeganə metoddur: ev yeməyi, restoran, yeməkxana.
Lean-in daha irəli getdiyi yer: nəzarət sizdə qalır
Süni intellekt skanı yalnız onun təklifini düzəldə bildiyiniz halda faydalıdır. Lean hər qida üçün sizə üç vasitə verir:
Miqdarları dəyişmək
Hər qida üçün bir slayder: burada süni intellektin 101,4 g kimi qiymətləndirdiyi çörək 70 g-a düzəldilib. Kalorilər və yeməyin cəmi dərhal yenidən hesablanır.


Makroları dəyişmək
Reseptinizi orta göstəricidən yaxşı bilirsiniz? Burada çipslər: süni intellekt 4,1 g yağ təklif edir, siz 14 g-a düzəldirsiniz. Donut və cəm də buna uyğun dəyişir.


Bir qidanı yenidən skan etmək
Süni intellekt hinduşkanı pendirlə səhv saldı? Düzgün adı yazırsınız, sətir bütün yeməyi təkrar skan etmədən özü yenidən analiz olunur.


Cal AI ilə müqayisə testi: ətraflı bölgü ümumi büdcəyə qarşı
Eyni foto, iki tətbiq. Fərq dərhal gözə çarpır:



Bu, Cal AI başda olmaqla əksər skan tətbiqlərindən struktur fərqdir: onlar hər yemək üçün ümumi büdcə qaytarır, yəni qidalar üzrə dəyişdirilə bilən bölgü olmadan kalori və makroların cəmini. Təxmin səhvdirsə, ya onu qəbul edirsiniz, ya da atırsınız. Qidalar üzrə bölgü ilə isə səhv iki toxunuşla düzəldilir.
Düzgün istifadə: ev yeməkləri, restoran, yeməkxana, barkodu olmayan bütün yeməklər. Yeməklərin 90%-i üçün əsas metod.
Barkod skanı: etiketin dəqiqliyi
Qablaşdırılmış hər məhsul üçün barkod əvəzsizdir: qida dəyərləri birbaşa istehsalçı məlumatlarından gəlir. Lean USDA və OpenFoodFacts bazalarına, yəni milyonlarla məhsula əsaslanır. Skan edirsiniz, miqdarı tənzimləyirsiniz, vəssalam.
Məhdudiyyət aydındır: evdə hazırladığınız makaron boşqabının barkodu yoxdur. Buna görə bu metod süni intellektlə foto skanını əvəz etmir, onunla təbii şəkildə birləşir.
Düzgün istifadə: bazarlıq, qəlyanaltılar, emal olunmuş məhsullar, protein kokteylləri. Sənaye məhsullarında maksimum dəqiqlik, sıfır səy.
Verilənlər bazası + tərəzi: dəqiqlik rejimi
Tarixi metod: qidanı çəkirsiniz, bazada axtarırsınız, qramları daxil edirsiniz. Mətbəx tərəzisi ilə bu, mövcud ən dəqiq metoddur, yarış hazırlıqlarının və klinik protokolların metodu.


«Qalan / Təsir» paneli hələ təsdiqləmədən qidanın gündəlik büdcələrinizi necə dəyişdiyini göstərir: kalorilər, zülallar, karbohidratlar, yağlar, lif. Qərarı sonradan deyil, məlumatlı şəkildə verirsiniz.
Lean çətinliyi minimuma endirir: tez-tez istifadə etdiyiniz qidaların tarixçəsi, USDA + OpenFoodFacts-də axtarış, siyahıdan iki toxunuşda əlavə. Amma real xərc barədə dürüst olaq: hər yemək üçün 2-3 dəqiqə və çəkmə intizamı. Klassik metodda 80% tərketməni yaradan məhz bu çətinlikdir.
Düzgün istifadə: sərt qurutma, irəli səviyyəli rekompozisiya, çəki kateqoriyalı idman növləri. Həmçinin tarixçə sayəsində demək olar ki, dərhal əlavə olunan, gündəlik təkrarlanan 5-10 qidanız.
Sürətli əlavə: günü xilas edən büdcə
Doğum günü bufeti, yüklü gün, iki iclas arasında ayaq üstə yemək: bəzi yeməklər heç vaxt dəqiq izlənməyəcək. Sürətli əlavə sizə 10 saniyədə ümumi büdcəni, təxmin edilən kalori və makroları daxil etməyə imkan verir. Daha az dəqiqdir, məlumat boşluğundan qat-qat yaxşıdır.


Canlı kalori balansı qalanını edir: skrinşotda 2 143 kcal hədəf, 1 000 istehlak edilib, 1 143 qalıb və bu, gün boyu daim yenidən hesablanır. Təxmini, amma izlənmiş gün tərk edilmiş mükəmməl gündən yaxşıdır: nəticəni tək bir günün qüsursuzluğu yox, həftəlik orta göstərici müəyyən edir.

Düzgün istifadə: gərgin günlər, qonaqlıqlar, izləməni atmamaq üçün ehtiyat variant. «Bir yeməyi qeyd etməmişəm, bu həftə onsuz da boşa getdi» düşüncəsinin qarşısını alan metod.
Hansı profil üçün hansı metod
Əvvəlcə 4 metodun vacib olan 4 meyar üzrə müqayisəsi: hər yemək üçün asanlıq, əlçatanlıq (hər yerdə, hər zaman işləyirmi), uzunmüddətli davamlılıq və dəqiqlik.
Süni intellektlə foto skanı
Foto, 5 saniyə
Barkod
Dəqiq etiket
Verilənlər bazası + tərəzi
Dəqiqlik rejimi
Sürətli əlavə
Xilasedici büdcə
++ əla + yaxşı − zəif cəhət. «Uzunmüddətli» = 6 ay sonra bu metoddan hələ də istifadə etmə ehtimalınız.
Müqayisənin nəticəsi: heç bir metod hər meyarda qalib gəlmir. Süni intellekt skanı ardıcıllıqda, baza + tərəzi dəqiqlikdə öndədir, sürətli əlavə isə yalnız boşluqları doldurmaq üçündür. Profillər buradan yaranır: 4 metod bir-birini istisna etmir, düzgün strategiya anlıq tələblərinizə və iş qrafikinizə görə tənzimlənən qarışıqdır. Üç profil demək olar ki, bütün halları əhatə edir.
Sıfır maneə, edərək öyrənmək
Hər yerdə süni intellektlə foto skanı, qablaşdırılmış məhsullarda barkod, heç bir çəkmə. Yeganə hədəf: 3 ay davam etmək və gözünüzü porsiyalara öyrəşdirmək. Dəqiqlik sonra gələcək, əvvəlcə vərdiş.
Hər faiz əhəmiyyətlidir
Ev yeməklərində tərəzi + verilənlər bazası, qablaşdırılmış məhsullarda barkod, restoranda süni intellekt skanı. Dəqiqliyin həqiqətən bəhrə verdiyi qısa mərhələlər üçün: qurutmanın sonu, rəsmi çəkiliş.
Düşünmədən etibarlı məlumatlar
Gündəlik barkod və süni intellekt skanı, çətin günlərdə ehtiyat kimi sürətli əlavə. Porsiyalarınızı artıq bilirsiniz, sadəcə məlumatların mövcud olmasını istəyirsiniz.
Hamı üçün etibarlı seçim qaydası: şübhə yarandıqda davam etdirəcəyinizə əmin olduğunuz ən yüngül metodu seçin. 3 həftə sonra daxil etməyi dayandırdığınız mükəmməl məlumatın dəyəri sıfırdır.
Bir ayda yox olan ±10% səhv
Süni intellekt skanına qarşı klassik etiraz: «±10% xəta çoxdur». Bu, tək bir yemək üzərində düşünməkdir. Amma siz tək bir yeməyi izləmirsiniz: ayda təxminən 90 yemək izləyirsiniz.
Çəhrayı: artıq qiymətləndirilmiş yeməklər. Yaşıl: az qiymətləndirilmiş yeməklər. Qara xətt: real istehlakınız. Bir ay ərzində fərqlər bir-birini kompensasiya edir.
Bu, böyük ədədlər qanunudur (Kolmoqorov): müstəqil təsadüfi xətalar müşahidələrin sayı artdıqca bir-birini kompensasiya edir. Bazar ertəsinin +12%-i çərşənbə axşamı çatışmayan 8%-i ləğv edir. Bir ayın sonunda qalan bir yeməyin təsadüfi xətası yox, modelin orta sistematik meyli olur və yaxşı kalibrlənmiş skanda bu, sıfıra yaxındır.
Əl ilə daxiletmə isə tamamilə başqa xarakterli problemdən əziyyət çəkir: sistematik meyl. İnsanlar yediklərini azaldaraq bildirirlər, özü də həmişə eyni istiqamətdə, sistematik meyl isə heç vaxt hamarlanmır.
Nəticə: sual «süni intellekt skanı mükəmməldirmi?» deyil, «90 yemək üzrə ən dəqiq məlumatları hansı metod verir?» sualıdır. Burada avtomatlaşdırma qalib gəlir, çünki istiqamətli meyli bir-birini ləğv edən təsadüfi xəta ilə əvəz edir.
Saymaq kifayət deyil: tənliyin digər yarısı çatışır
Mükəmməl qida gündəliyi tək başına heç nə demir. Yağ itirmək mənfi enerji balansıdır: qəbul edilən enerji sərf ediləndən az olmalıdır. Sərfiniz yanlış hesablanıbsa, defisitiniz mühasibat uydurmasıdır və kalorilərinizi qramına qədər saysanız da, heç vaxt irəliləməyə bilərsiniz.
Problem: tətbiqlərin demək olar ki, hamısı sərfinizi Harris-Benedict (1919) və ya Mifflin-St Jeor (1990) ilə qiymətləndirir; bunlar bədən tərkibinizi nəzərə almayan, ümumi çəkiyə əsaslanan formullardır. Eyni çəkidə 15% bədən yağı olan bədənlə 30% bədən yağı olan bədən heç də eyni miqdarda yandırmır. Lean sərfi başqa cür, dörd mərhələdə hesablayır:
BodyScan AI
Tətbiqdə bir foto çəkirsiniz. Süni intellekt görünən bədən quruluşunuza əsasən bədən yağınızı qiymətləndirir və bu, hər həftə təkrarlanır. Bütün hesablamanı xam çəkiyə deyil, yağsız bədən kütlənizə bağlayan məhz bu ölçüdür.
Patentləşdirilmiş xüsusi model vasitəsilə BMR
Lean-in patentləşdirilmiş alqoritmi bazal metabolizminizi real yağsız bədən kütlənizə əsasən hesablayır. Yalnız çəkinizi bilən Harris-Benedict 1919 və ya Mifflin-St Jeor 1990-dan daha dəqiqdir.
NEAT, EAT və TEF ölçülür, şablon rəqəmlə götürülmür
Addımlarınız NEAT-a, idman məşqləriniz istinad MET cədvəlləri vasitəsilə EAT-a daxil olur, TEF isə məhz izləməniz sayəsində həqiqətən yediyiniz makrolara görə hesablanır.
Yenidən hesablanmış metabolik adaptasiya
Uzunmüddətli defisitdə BMR azalır. Lean bu əmsalı modelləşdirən və onu BMR-ə vurma yolu ilə tətbiq edən ilk tətbiqdir. Konvensiya: 100% = optimal, 90% = 10 faiz bəndi adaptasiya.
Nəticə: canlı balans yediklərinizi (bu bələdçinin 4 metodu ilə sayılan) həqiqətən sərf etdiklərinizlə müqayisə edir və bu, daim yenidən hesablanır. Yağ itkisini proqnozlaşdırıla bilən edən iki yarının, yəni düzgün qəbulun və düzgün sərfin birləşməsidir. Biri digəri olmadan boşluqda mühasibatlıqdır.
Kalori sayma haqqında tez-tez verilən suallar
Çəki itirmək üçün gündə neçə kalori?
Kaloriləri saymaq üçün süni intellektlə foto skanı etibarlıdırmı?
Kaloriləri saymaq üçün qidaları çəkmək lazımdırmı?
Kaloriləri hər gün saymaq lazımdırmı?
Kalorilərimi sayıram amma niyə çəki itirmirəm?
Kalori saymaq obsessiyaya səbəb olurmu?
Kaloriləri saymaq baxımından Lean ilə MyFitnessPal arasında fərq nədir?
Bibliyoqrafiya
- Burke L.E., Wang J., Sevick M.A. (2011). Self-monitoring in weight loss: a systematic review of the literature. J Am Diet Assoc. PubMed 21185970.
- Alexander E., Tseng E., Durkin N. et al. (2018). Factors associated with early dropout in an employer-based commercial weight-loss program. Obes Sci Pract. PMC6298204.
- Lichtman S.W. et al. (1992). Discrepancy between self-reported and actual caloric intake and exercise in obese subjects. N Engl J Med. PubMed 1454084.
- Martin C.K. et al. (2009). A novel method to remotely measure food intake of free-living individuals in real time: the remote food photography method. Br J Nutr. PubMed 18616837.
- USDA FoodData Central. Qida tərkibi üzrə istinad verilənlər bazası. fdc.nal.usda.gov.
- Open Food Facts. Qablaşdırılmış qida məhsullarına dair ümumdünya kollektiv verilənlər bazası. world.openfoodfacts.org.
- Hall K.D. et al. (2011). Quantification of the effect of energy imbalance on bodyweight. Lancet. PubMed 21872751.
- Mifflin M.D. et al. (1990). A new predictive equation for resting energy expenditure in healthy individuals. Am J Clin Nutr. PubMed 2305711.
- Harris J.A., Benedict F.G. (1919). A Biometric Study of Basal Metabolism in Man. Carnegie Institution of Washington.
- Ainsworth B.E. et al. (2011). Compendium of Physical Activities: a second update of codes and MET values. Med Sci Sports Exerc. PubMed 21681120.
