Hvernig á að telja hitaeiningar án þess að eyða lífinu í það. 4 aðferðir bornar saman, raunveruleg nákvæmni þeirra, og sú sem þú munt enn nota eftir 6 mánuði.
Gervigreindarskönnun á mynd, strikamerki, gagnagrunnur, hraðviðbót: hvað hver aðferð raunverulega er þess virði, hvers vegna 80 % fólks gefst upp á 3 mánuðum og hvernig þú velur eftir prófílnum þínum.
Fjórar aðferðir til að telja hitaeiningarnar þínar: gervigreindarskönnun með mynd (þú tekur mynd af disknum þínum, gervigreindin greinir hvert matvæli og magn þess), strikamerkjaskönnun (pakkaðar vörur, gögn frá framleiðanda), gagnagrunnurinn (leit + vigtun, nákvæmasta aðferðin) og hraðbæting (heildaryfirlit á 10 sekúndum). Rétta aðferðin er sú sem þú munt halda út í 6 mánuði, ekki sú nákvæmasta á pappír. Og að telja inntektina þína gagnast aðeins ef orkubrennsla þín, TDEETotal Daily Energy Expenditure: heildarorkubrennsla þín á 24 klst. TDEE = BMR + NEAT + EAT + TEF., er reiknuð rétt.
Hvers vegna 80 % fólks hættir að telja á 3 mánuðum
Að telja hitaeiningarnar sínar virkar. Það er ekki málið. Málið er að nánast enginn heldur því út: rannsóknir á þyngdartapsáætlunum sýna mikla brottfallstíðni strax á fyrstu vikum, löngu áður en fyrsta sýnilega niðurstaðan birtist á vigtinni.
Núningurinn, í reynd: að leita að « kjúklingabringu » í lista, velja rétta færslu meðal 40 tvítekninga, áætla 150 g með auganu, byrja upp á nýtt fyrir baunirnar, síðan fyrir ólífuolíuna. Þrisvar á dag. 90 sinnum á mánuði. Það er þessi bókhaldsvinna sem drepur skráninguna, ekki hugmyndin um að skrá.
Hagnýt niðurstaða: valið á aðferðinni þinni til innsláttar er ekki smáatriði í notagildi. Það er BREYTAN sem ræður því hvort gögnin þín verði enn til eftir 3 mánuði. Hér eru 4 aðferðirnar, raðaðar frá hraðskreiðustu til þeirrar sem krefst mest.
Gervigreindarmyndaskönnunin: 5 sekúndur á máltíð
Þú tekur mynd af disknum þínum. Gervigreind Lean gerir tvöfalda auðkenningu : fyrst þekkir hún hvert matvæli sem er til staðar (grillaður kjúklingur, grænar baunir), síðan metur hún magn hvers og eins. Niðurstaðan er ekki ein heildartala dregin upp úr hatti: þetta er sundurliðun matvæli fyrir matvæli, með hitaeiningum og makróum fyrir hverja línu.
Á myndum, skref fyrir skref, á raunverulegri máltíð:



Á algengum réttum er dæmigerð skekkja um það bil ±10 % á máltíð. Það er minna nákvæmt en vog, og meira en nægilegt til að stýra fitutapi (við komum að því með lögmáli stórra talna hér að neðan). Mikilvægast er að þetta er eina aðferðin sem nær yfir máltíðir án merkimiða: heima, á veitingastað, í mötuneyti.
Þar sem Lean gengur lengra: þú heldur stjórninni
Gervigreindarskönnun er aðeins gagnleg ef þú getur leiðrétt það sem hún leggur til. Lean gefur þér þrjár stjórntæki, fyrir hvert matvæli:
Breyta magni
Renna fyrir hvert matvæli: hér er brauðið metið á 101,4 g af gervigreindinni, leiðrétt í 70 g. Hitaeiningar og heildarupphæð réttarins reiknast strax upp á nýtt.


Breyta makróunum
Þú þekkir uppskriftina þína betur en meðaltalið? Hér, franskarnar: gervigreindin leggur til 4,1 g af fitu, þú leiðréttir í 14 g. Kleinuhringurinn og heildin fylgja með.


Endurskanna einn matvælahlut
Tók gervigreindin kalkúninn fyrir ost? Þú slærð inn rétta nafnið, línan er endurgreind sjálfkrafa, án þess að endurskanna allan réttinn.


Prófið á móti Cal AI: sundurliðun á móti heildarhylki
Sama mynd, tvö öpp. Munurinn blasir við:



Þetta er skipulagslegur munur frá flestum skönnunarforritum, Cal AI þar á meðal: þau skila heildaryfirliti fyrir hvern rétt, heildarfjölda hitaeininga og makróa án þess að hægt sé að breyta sundurliðuninni matvæli fyrir matvæli. Ef áætlunin er röng, tekurðu hana eða hendir henni. Með sundurliðun eftir matvælum er villan leiðrétt í tveimur töppum.
Rétt notkun: heimagerðir réttir, veitingastaður, mötuneyti, allar máltíðir án strikamerkis. Sjálfgefna aðferðin fyrir 90 % af máltíðum.
Strikamerkjaskönnunin: nákvæmni merkimiðans
Fyrir allt sem kemur úr umbúðum er strikamerkið ósigrandi: næringargildin koma beint úr gögnum framleiðanda. Lean styðst við USDA og OpenFoodFacts gagnagrunna, það eru milljónir færslna. Þú skannar, þú stillir magnið, og það er klárt.
Takmörkunin er augljós: heimagerði pastadiskurinn þinn er ekki með strikamerki. Þess vegna fellur þessi aðferð eðlilega saman við ljósmyndaða gervigreindarskönnunina, hún kemur ekki í staðinn fyrir hana.
Rétt notkun: innkaup, snarl, unnar vörur, próteinhristingar. Mesta nákvæmni fyrir iðnaðarframleiddar vörur, engin fyrirhöfn.
Gagnagrunnurinn + vogin: nákvæmnishamurinn
Hin hefðbundna aðferð: þú vegur matinn þinn, leitar að honum í gagnagrunninum, slærð inn grömm. Með eldhúsvog er þetta nákvæmasta aðferðin sem til er, sú sem notuð er í keppnisundirbúningi og klínískum verkferlum.


Spjaldið « Eftirstöðvar / Áhrif » sýnir þér, áður en þú staðfestir, hvað maturinn breytir á daglegu budgetunum þínum: hitaeiningar, prótein, kolvetni, fita, trefjar. Þú tekur upplýsta ákvörðun, ekki eftir á.
Lean minnkar núninginn niður í lágmark: ferill yfir algengan mat þinn, leit í USDA + OpenFoodFacts, viðbót í tveimur töppum úr listanum. En við skulum vera hreinskilin um raunverulegan kostnað: 2 til 3 mínútur í hverri máltíð, og agann til að vega. Það er einmitt þessi núningur sem veldur 80 % brottfalli klassísku aðferðarinnar.
Rétt notkun: strangur niðurskurður, háþróuð líkamsendurbygging, íþróttir með þyngdarflokkum. Og 5 til 10 endurteknu matvælin þín í daglegu lífi, sem ferillinn gerir nánast tafarlaus.
Hraðviðbótin: umslagið sem bjargar deginum
Afmælisveisla með hlaðborði, yfirfullur dagur, standandi máltíð á milli tveggja funda: sumar máltíðir verða aldrei skráðar nákvæmlega. Hraðviðbótin leyfir þér að slá inn heildarumslag, áætlaðar hitaeiningar og makró, á 10 sekúndum. Minna nákvæmt, óendanlega betra en gagnagöt.


Rauntíma orkubrennsla gerir restina: á skjámyndinni eru 2 143 kcal í markmið, 1 000 neyttar, 1 143 eftir, endurreiknað stöðugt eftir því sem dagurinn líður. Ónákvæmur en skráður dagur er betri en fullkominn dagur sem er gefinn upp á bátinn: það er vikumeðaltalið sem stýrir niðurstöðunni, ekki hreinleiki eins staks dags.

Rétt notkun: annasamir dagar, félagslegar máltíðir, varabúnaður gegn því að gefast upp. Aðferðin sem kemur í veg fyrir „ég missti af einni máltíð, svo það er bara allt vikuna“.
Hvaða aðferð fyrir hvaða prófíl
Fyrst, samanburður á 4 aðferðum út frá 4 viðmiðum sem skipta máli: auðveldni við hverja máltíð, aðgengi (virkar þetta alls staðar, alltaf), stöðugleiki til lengri tíma og nákvæmni.
Gervigreindarskönnun á mynd
Myndin, 5 sekúndur
Strikamerki
Nákvæma merkingin
Gagnagrunnur + vog
Nákvæmnisstillingin
Fljótleg viðbót
Varabúnaðarumslagið
++ frábært + gott − veikleiki. „Langtíma“ = líkurnar á að þú notir aðferðina enn eftir 6 mánuði.
Lestur á samanburðinum: engin aðferð vinnur alls staðar. Gervigreindarskönnunin ræður ríkjum í fylgni, gagnagrunnur + vog í nákvæmni, og fljótleg viðbót er aðeins til að fylla í eyðurnar. Þess vegna eru prófílarnir: 4 aðferðir útiloka ekki hver aðra, rétta stefnan er blanda, stillt eftir kröfum þínum á hverjum tíma og dagskránni þinni. Þrír prófílar ná yfir nánast öll tilvik.
Enginn núningur, læra með því að gera
Gervigreindarskönnun á mynd alls staðar, strikamerki á pakkaðri vöru, engin vigtun. Eina markmiðið: halda út í 3 mánuði og þjálfa augað í skammtastærðum. Nákvæmnin kemur síðar, vaninn fyrst.
Hvert prósent skiptir máli
Vog + gagnagrunnur fyrir heimagerðar máltíðir, strikamerki á pakkaðri vöru, gervigreindarskönnun á veitingastað. Fyrir stutt tímabil þar sem nákvæmnin borgar sig raunverulega: lok fitutaps, opinber vigtun.
Áreiðanleg gögn án þess að hugsa um það
Strikamerki og gervigreindarskönnun í daglegu lífi, hraðinnsláttur sem varavalkostur á ómögulegum dögum. Þú þekkir nú þegar skammtana þína, þú vilt bara að gögnin séu til.
Valregla, gild fyrir alla: ef þú ert í vafa, veldu þá aðferð sem er léttust og þú ert viss um að halda við. Fullkomin skráning sem þú hættir að færa inn eftir 3 vikur er einskis virði.
±10 % skekkjan sem hverfur á einum mánuði
Klassíska andmælið við gervigreindarskönnun: « ±10 % skekkja, það er of mikið ». Það er að hugsa um eina máltíð í einangrun. En þú ert ekki að fylgjast með einni máltíð, þú ert að fylgjast með um það bil 90 á mánuði.
Bleikur: ofmetnar máltíðir. Grænn: vanmetnar máltíðir. Svört lína: raunveruleg neysla þín. Á einum mánuði jafnast frávikin út.
Þetta er lögmál stórra talna (Kolmogorov): óháðar tilviljanakenndar villur jafnast út þegar fjöldi athugana eykst. +12 % á mánudegi vega upp á móti 8 % sem vantar á þriðjudegi. Það sem stendur eftir á einum mánuði er meðalskekkja líkansins, nálægt núlli í vel kvarðaðri skönnun, ekki hávaði einnar máltíðar.
Handvirk skráning þjáist hins vegar af allt annars eðlis vandamáli: kerfisbundinni skekkju. Menn vanmeta það sem þeir borða, alltaf í sömu átt, og skekkja jafnast aldrei út.
Niðurstaðan: spurningin er ekki « er gervigreindarskönnunin fullkomin ? » heldur « hvaða aðferð framleiðir nákvæmustu gögnin á 90 máltíðum ? ». Og þar vinnur sjálfvirknin, því hún skiptir út stefnuákveðinni skekkju fyrir hávaða sem jafnast út.
Að telja eitt og sér nægir ekki: hinn helmingur jöfnunnar vantar
Fullkomin matardagbók segir ekkert ein og sér. Að missa líkamsfitu er neikvætt orkujafnvægi: inntaka undir útgjöldum. Ef orkubrennsla þín er ranglega reiknuð, er hallinn þinn bókhaldsleg skáldskapur, og þú getur talið hitaeiningarnar þínar niður í grammanákvæmni án þess að komast nokkurn tíma áfram.
Vandamálið: nánast öll öpp áætla orkubrennslu þína með Harris-Benedict (1919) eða Mifflin-St Jeor (1990), formúlum sem byggja á heildarþyngd og hunsa líkamssamsetningu þína. Við sömu þyngd brennir líkami með 15 % bodyfat og líkami með 30 % alls ekki á sama hátt. Lean reiknar orkubrennslu á annan hátt, í fjórum skrefum:
BodyScan AI
Þú tekur mynd í appinu. Gervigreindin metur bodyfat þitt út frá sýnilegri líkamsbyggingu þinni, og gerir það aftur í hverri viku. Það er þessi mæling sem festir allan útreikninginn við fitulausan massa þinn, ekki við heildarþyngd þína.
BMR í gegnum einkaleyfisvarið sértækt líkan
Lean, einkaleyfisvarið reiknirit, reiknar grunnbrennslu þína út frá raunverulegum fitulausum massa þínum. Nákvæmara en Harris-Benedict 1919 eða Mifflin-St Jeor 1990, sem þekkja aðeins þyngd þína.
NEAT, EAT og TEF mæld, ekki áætluð
Skrefin þín teljast í NEAT, æfingarnar þínar í EAT með MET-viðmiðunartöflum, og TEF er reiknað út frá makróunum sem þú hefur í raun borðað, einmitt þökk sé skráningunni þinni.
Endurreiknuð efnaskiptaaðlögun
Í langvarandi hitaeiningahalla lækkar BMR. Lean er fyrsta appið til að líkana þennan stuðul og beita honum margfaldandi á BMR. Viðmiðun 100 % = ákjósanlegt, 90 % = aðlögun upp á 10 stig.
Niðurstaðan: lifandi vogin ber saman það sem þú borðar (reiknað með 4 aðferðum þessa leiðarvísis) við það sem þú eyðir í raun, endurreiknað stöðugt. Það er samsetning beggja helminganna, réttar inntökur og réttar úttökur, sem gerir fitutap fyrirsjáanlegt. Annað án hins er bókhald út í loftið.
Algengar spurningar um talningu hitaeininga
Hversu margar hitaeiningar á dag til að léttast?
Er gervigreindar ljósmyndaskönnunin áreiðanleg til að telja hitaeiningar?
Þarf að vigta matinn sinn til að telja hitaeiningar?
Þarf að telja hitaeiningar á hverjum degi?
Af hverju léttist ég ekki þó að ég telji hitaeiningarnar mínar?
Gerir það að telja hitaeiningar mann of upptekinn af því?
Hver er munurinn á Lean og MyFitnessPal þegar þú telur hitaeiningar?
Heimildaskrá
- 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. Viðmiðunar gagnagrunnur um næringu. fdc.nal.usda.gov.
- Open Food Facts. Alþjóðleg samvinnugagnagrunnur um pakkaðar matvörur. 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.
