Nyumbani  / Jinsi ya kuhesabu kalori zako
Mwongozo · Ufuatiliaji wa kalori

Jinsi ya kuhesabu kalori zako bila kutumia maisha yako yote kwa hilo. Mbinu 4 zilizolinganishwa, usahihi wao halisi, na ile utakayokuwa bado unaitumia baada ya miezi 6.

Skani ya AI kwa picha, msimbo pau, hifadhidata, ongezo la haraka: thamani halisi ya kila njia, kwa nini 80% ya watu wanaacha ndani ya miezi 3, na jinsi ya kuchagua kulingana na wasifu wako.

Pakua kwenye App Store Inapatikana kwenye Google Play Upakuaji bure
Kuandika shajara ya chakula ndiyo tabia inayohusishwa mara nyingi zaidi na mafanikio ya kupunguza uzito katika machapisho ya kisayansi (Burke, 2011). Tatizo halijawahi kuwa ufanisi, bali ni kudumu nayo: kuingiza chakula kimoja kimoja kwa mkono humchosha kila mtu, na karibu 80% ya watu huacha kabla ya miezi 3. Mwongozo huu unalinganisha njia 4 za kuhesabu kalori zako, kutoka ile ya haraka zaidi (skani ya AI kwa picha, sekunde 5) hadi ile sahihi zaidi (hifadhidata + mizani), na unakuambia ni ipi uchague kulingana na wasifu wako.
Jibu la haraka

Mbinu nne za kuhesabu kalori zako: skani ya AI kwa picha (unapiga picha ya sahani yako, AI inatambua kila chakula na kiwango chake), skani ya msimbo pau (bidhaa zilizofungashwa, data za mtengenezaji), hifadhidata (utafutaji + kupima kwa mizani, njia sahihi zaidi) na ongezo la haraka (makadirio jumla kwa sekunde 10). Mbinu bora ni ile utakayodumu nayo kwa miezi 6, si ile yenye usahihi zaidi kwenye karatasi. Na kuhesabu ulaji wako hufaa tu ikiwa matumizi yako, TDEETotal Daily Energy Expenditure: matumizi yako ya kalori ya jumla kwa saa 24. TDEE = BMR + NEAT + EAT + TEF., yanahesabiwa kwa usahihi.

Kwa nini 80% ya watu wanaacha kuhesabu baada ya miezi 3

Kuhesabu kalori zako kunafanya kazi. Hilo si suala. Suala ni kwamba karibu hakuna anayedumu: tafiti kuhusu mipango ya kupunguza uzito zinaonyesha upungufu mkubwa wa watumiaji tangu wiki za kwanza, muda mrefu kabla ya matokeo ya kwanza kuonekana kwenye mizani.

80 %
ya waliojiandikisha katika mpango wa kupunguza uzito wanaacha ndani ya miezi 3 ya kwanza (Alexander et al., 2018). Chanzo kikuu: usumbufu wa ufuatiliaji, si ukosefu wa nia.

Usumbufu huo, kwa vitendo: kutafuta “kifua cha kuku” kwenye orodha, kuchagua ingizo sahihi kati ya nakala 40, kukadiria 150 g kwa jicho, kurudia kwa maharagwe, kisha kwa mafuta ya zeituni. Mara tatu kwa siku. Mara 90 kwa mwezi. Hesabu hiyo ndiyo inayoua ufuatiliaji, si wazo la kufuatilia.

Hitimisho la vitendo: uchaguzi wa njia yako ya kuingiza data si kipengele kidogo cha urahisi wa matumizi. Ndiyo KIGEZO kinachoamua ikiwa data zako zitakuwepo bado baada ya miezi 3. Hizi ni njia 4, zilizopangwa kutoka ya haraka zaidi hadi inayohitaji zaidi.

Skani ya AI kwa picha: sekunde 5 kwa mlo

Unapiga picha ya sahani yako. AI ya Lean inafanya utambuzi wa hatua mbili: kwanza inatambua kila chakula kilichopo (kuku wa kuchoma, maharage ya kijani), kisha inakadiria kiwango cha kila kimoja. Matokeo si nambari jumla iliyobuniwa bila msingi: ni mgawanyo wa chakula kwa chakula, na kalori na makro kwa kila mstari.

Skani ya AI katika hali halisi: picha, uchanganuzi, matokeo.

Kwa picha, hatua kwa hatua, kwenye mlo halisi:

Skani ya AI kwenye Lean: picha ya sahani imepigwa, uga wa maelezo ya hiari kwa kibodi
Unalenga kamera. Ongeza maelezo kwa kibodi, ukitaka.
Uchanganuzi wa AI unaendelea kwenye Lean: picha ya sahani inashughulikiwa
AI inachanganua sahani.
Matokeo ya skani ya AI: kila chakula kimehesabiwa pamoja na kalori na makro
Kila chakula kimehesabiwa.

Kwenye milo ya kawaida, kosa la kawaida ni takriban ±10% kwa kila mlo. Hii si sahihi kama mizani, na inatosha kabisa kuongoza upunguzaji wa mafuta (tutalirudia hapo chini kwa sheria ya idadi kubwa). Zaidi ya yote, ndiyo njia pekee inayoshughulikia milo isiyo na lebo: ya nyumbani, ya mkahawani, ya kantini.

Ambapo Lean inapita zaidi: unabaki na udhibiti

Skani ya AI ina maana tu ikiwa unaweza kusahihisha kile inachopendekeza. Lean inakupa njia tatu, kwa kila chakula:

Njia 1

Kubadilisha kiasi

Kitelezi kimoja kwa kila chakula: hapa, mkate uliokadiriwa na AI kuwa 101.4 g, umesahihishwa kuwa 70 g. Kalori na jumla ya mlo zinakokotolewa upya papo hapo.

Mlo ulioskaniwa kwenye Lean kabla ya marekebisho: mkate uliokadiriwa kuwa 101.4 g
Mkate uliokadiriwa na AI kuwa 101.4 g.
Kitelezi cha kiasi kwenye Lean: mkate umesahihishwa kuwa 70 g, ukokotoaji upya papo hapo
Umesahihishwa kuwa 70 g, kila kitu kinakokotolewa upya.
Njia 2

Kubadilisha makro

Unajua mapishi yako vizuri kuliko wastani? Hapa, chipsi: AI inapendekeza 4.1 g za mafuta, unasahihisha kuwa 14 g. Chati ya duara na jumla zinafuata.

Makro za chipsi zilizokadiriwa na AI kwenye Lean: 4.1 g za mafuta
Chipsi kulingana na AI: 4.1 g za mafuta.
Makro za chipsi zilizosahihishwa kwa mkono kwenye Lean: 14 g za mafuta
Zimesahihishwa kwa mkono: 14 g.
Njia 3

Kuskani tena chakula kimoja

AI imedhani bata mzinga ni jibini? Unaandika jina sahihi, mstari huo unachanganuliwa upya wenyewe, bila kurudia mlo mzima.

Kuskani tena chakula kwenye Lean: kuingiza jina sahihi kwa kibodi
Unabainisha: ham ya bata mzinga.
Matokeo baada ya kuskani tena kwenye Lean: ham ya bata mzinga imetambuliwa, jumla imekokotolewa upya
Ham ya bata mzinga, 53 kcal. Jumla imekokotolewa upya.

Jaribio dhidi ya Cal AI: mchanganuo dhidi ya kiwango cha jumla

Picha moja, programu mbili. Tofauti inaonekana wazi:

Ulinganisho wa skani ya AI: picha ile ile ya mlo iliyotolewa kwa Lean na Cal AI
Picha ile ile, iliyotolewa kwa programu zote mbili.
Matokeo ya Lean: sandwich na chipsi zimegawanywa chakula kwa chakula
Lean: kila chakula, jumla ya kina.
Matokeo ya Cal AI: kiwango cha jumla cha sahani bila mchanganuo
Cal AI: kiwango cha jumla kwa kila sahani.

Hii ndiyo tofauti ya msingi na programu nyingi za skani, hasa Cal AI: zinarudisha makadirio jumla kwa kila sahani, jumla ya kalori na makro bila mgawanyo unaoweza kubadilishwa chakula kwa chakula. Ikiwa makadirio si sahihi, unayakubali au unayatupa. Kwa mgawanyo wa kila chakula, kosa linarekebishwa kwa mibofyo miwili.

Matumizi sahihi: vyakula vya nyumbani, mkahawa, kantini, milo yote isiyo na msimbo pau. Njia ya kawaida ya 90% ya milo.

Skani ya msimbo pau: usahihi wa lebo

Kwa kila kitu kinachotoka kwenye kifungashio, msimbo pau hauna mpinzani: thamani za lishe zinatoka moja kwa moja kwenye data za mtengenezaji. Lean inategemea hifadhidata za USDA na OpenFoodFacts, yaani mamilioni ya bidhaa. Unaskani, unarekebisha kiasi, basi umemaliza.

Skani ya msimbo pau: taarifa kamili za bidhaa, kuongeza moja kwa moja.

Kikomo ni dhahiri: sahani yako ya tambi za nyumbani haina msimbo pau. Ndiyo sababu mbinu hii inachanganywa kwa kawaida na skani ya AI kwa picha, haichukui nafasi yake.

Matumizi sahihi: manunuzi, vitafunio, vyakula vilivyosindikwa, shake za protini. Usahihi wa juu zaidi kwenye bidhaa za viwandani, bila juhudi yoyote.

Hifadhidata + mizani: hali ya usahihi

Mbinu ya kihistoria: unapima chakula chako, unakitafuta kwenye hifadhidata, unaingiza gramu. Kwa mizani ya jikoni, hii ni mbinu sahihi zaidi iliyopo, ile ya maandalizi ya mashindano na taratibu za kliniki.

Utafutaji wa chakula kwenye hifadhidata ya Lean ukiwa na historia na ongezo la haraka
Utafutaji, historia, ongezo kwa miguso miwili.
Taarifa kamili za lishe za bidhaa kwenye Lean pamoja na athari kwenye bajeti za siku
Taarifa kamili za bidhaa, athari papo hapo.

Jopo la “Kilichobaki / Athari” linakuonyesha, hata kabla ya kuthibitisha, kile ambacho chakula hicho kinabadilisha kwenye bajeti zako za siku: kalori, protini, wanga, mafuta, nyuzinyuzi. Unaamua ukiwa na ufahamu kamili, si baadaye.

Lean inapunguza usumbufu hadi kiwango cha chini kabisa: historia ya vyakula vyako vya mara kwa mara, utafutaji kwenye USDA + OpenFoodFacts, kuongeza kwa miguso miwili kutoka kwenye orodha. Lakini tuwe wakweli kuhusu gharama halisi: dakika 2 hadi 3 kwa kila mlo, na nidhamu ya kupima. Ni usumbufu huu hasa unaosababisha 80% ya watu kuacha mbinu ya kawaida.

Matumizi sahihi: kupunguza mafuta kwa nidhamu kali, kuboresha muundo wa mwili kwa kiwango cha juu, michezo yenye kategoria za uzito. Na vyakula vyako 5 hadi 10 vya kawaida vya kila siku, ambavyo historia inavifanya karibu vya papo hapo.

Ongezo la haraka: kiwango kinachookoa siku

Karamu ya kuzaliwa, siku iliyojaa shughuli, mlo ukiwa umesimama kati ya mikutano miwili: milo fulani haitafuatiliwa kwa undani kamwe. Ongezo la haraka linakuruhusu kuingiza kiwango cha jumla, kalori na makro zilizokadiriwa, kwa sekunde 10. Si sahihi sana, lakini bora zaidi kuliko pengo la data.

Fomu ya ongezo la haraka kwenye Lean: jina, kalori na makro vilivyoingizwa kwa mkono
Jina, kalori, makro: sekunde 10.
Ongezo la haraka lililorekodiwa kwenye shajara ya chakula ya Lean
Kiwango kimoja, siku imeokolewa.

Mizani ya kalori ya moja kwa moja inafanya kazi iliyobaki: kwenye picha, lengo la 2 143 kcal, 1 000 zimeliwa, 1 143 zimebaki, zikikokotolewa upya kila mara kadri siku inavyoendelea. Siku isiyo sahihi kabisa lakini iliyofuatiliwa ni bora kuliko siku kamili iliyoachwa: ni wastani wa wiki unaoongoza matokeo, si ukamilifu wa siku moja pekee.

Maelezo ya lishe ya mlo kwa ongezo la haraka kwenye Lean: kilichobaki na athari
Kilichobaki na athari, vinakokotolewa upya papo hapo.

Matumizi sahihi: siku zenye shughuli nyingi, milo ya kijamii, msaada wa dharura wa kuzuia kukata tamaa. Njia inayozuia “nimeharibu mlo mmoja, basi wiki nzima imeshaharibika”.

Pakua kwenye App Store Inapatikana kwenye Google Play Upakuaji bure

Mbinu gani kwa wasifu gani

Kwanza, ulinganisho wa mbinu 4 kwa vigezo 4 muhimu: urahisi kwa kila mlo, upatikanaji (je, inafanya kazi kila mahali, wakati wote), kudumu nayo kwa muda mrefu na usahihi.

Skani ya AI kwa picha

Picha, sekunde 5

Urahisi++
Upatikanaji++
Muda mrefu++
Usahihi+

Msimbo pau

Lebo kamili

Urahisi+
Upatikanaji+
Muda mrefu+
Usahihi++

Hifadhidata + mizani

Hali ya usahihi

Urahisi−
Upatikanaji+
Muda mrefu−
Usahihi++

Ongezo la haraka

Kiwango cha dharura

Urahisi++
Upatikanaji++
Muda mrefu−
Usahihi−

++ bora sana + nzuri − udhaifu. “Muda mrefu” = uwezekano wa kuendelea kutumia njia hiyo baada ya miezi 6.

Tafsiri ya ulinganisho: hakuna mbinu inayoshinda kila mahali. Skani ya AI inaongoza kwa ufuasi, hifadhidata + mizani kwa usahihi, na ongezo la haraka lipo tu kuziba mapengo. Ndiyo maana kuna wasifu: mbinu 4 hazitengani, mkakati sahihi ni mchanganyiko, uliopimwa kulingana na mahitaji yako ya wakati huo na ratiba yako. Wasifu tatu zinashughulikia karibu hali zote.

Wasifu 1 · Anayeanza

Usumbufu sifuri, kujifunza kwa kutenda

Skani ya AI kwa picha kila mahali, msimbo pau kwenye bidhaa zilizofungashwa, hakuna upimaji. Lengo moja: kudumu miezi 3 na kuelimisha jicho lako kuhusu kiasi. Usahihi utakuja baadaye, tabia kwanza.

Wasifu 2 · Umakini wa Juu Kabisa

Kila asilimia inahesabika

Mizani + hifadhidata kwenye milo ya nyumbani, msimbo pau kwenye bidhaa zilizofungashwa, skani ya AI mkahawani. Kwa vipindi vifupi ambapo usahihi unalipa kweli: mwisho wa kupunguza mafuta, upimaji rasmi.

Wasifu 3 · Mwenye Haraka au Mzoefu

Data za kuaminika bila kufikiria

Msimbo pau na skani ya AI kila siku, ongezo la haraka kama dharura siku zisizowezekana. Unajua tayari kiasi chako, unataka tu data ziwepo.

Kanuni ya uamuzi, inayofaa kila mtu: ukiwa na shaka, chagua mbinu rahisi zaidi unayojua utaidumisha. Data kamili unayoacha kuingiza baada ya wiki 3 ina thamani sifuri.

Kosa la ±10% linalopotea baada ya mwezi

Pingamizi la kawaida dhidi ya skani ya AI: “kosa la ±10% ni kubwa mno”. Hiyo ni kufikiri kwa mlo mmoja pekee. Lakini hufuatilii mlo mmoja: unafuatilia takriban 90 kwa mwezi.

Mlo 1Mlo 12

Waridi: milo iliyokadiriwa kupita kiasi. Kijani: milo iliyokadiriwa chini ya kiasi. Mstari mweusi: ulaji wako halisi. Kwa mwezi mzima, tofauti hufidiana.

Hii ni sheria ya idadi kubwa (Kolmogorov): makosa ya kinasibu yasiyotegemeana hufidiana kadri idadi ya vipimo inavyoongezeka. +12% ya Jumatatu inafuta 8% iliyokosekana ya Jumanne. Kinachobaki kwa mwezi ni upendeleo wa wastani wa modeli, karibu na sifuri kwenye skani iliyosawazishwa vizuri, si kelele ya mlo mmoja.

Kuingiza kwa mkono, kwa upande wake, kunakabiliwa na tatizo la aina tofauti kabisa: upendeleo wa kimfumo. Watu huripoti chini ya kiasi wanachokula, siku zote kwa upande ule ule, na upendeleo huo haujisawazishi kamwe.

47 %
ya tofauti kati ya kalori zilizoripotiwa kwa mkono na kalori zilizoliwa kweli, iliyopimwa kwa maji yenye alama mbili kwa watu walioshindwa kufanikiwa kwenye lishe (Lichtman, NEJM 1992). Upendeleo wa binadamu haufidiwi, kelele ya kinasibu ya skani hufidiwa.

Funzo: swali si “je, skani ya AI ni kamili?” bali “ni mbinu gani inazalisha data sahihi zaidi kwa milo 90?”. Na hapo, otomatiki inashinda, kwa sababu inaweka kelele inayojifuta badala ya upendeleo wa mwelekeo mmoja.

Kuhesabu hakutoshi: nusu nyingine ya mlinganyo haipo

Shajara kamili ya chakula haisemi chochote peke yake. Kupunguza mafuta ni mizani hasi ya nishati: kinachoingia ni kidogo kuliko kinachotoka. Ikiwa matumizi yako yamekokotolewa vibaya, upungufu wako wa kalori ni hesabu ya kubuni, na unaweza kuhesabu kalori zako hadi gramu ya mwisho bila kusonga mbele kamwe.

TDEE = BMR + NEAT + EAT + TEF
Mlinganyo rasmi wa matumizi. BMR = kimetaboliki cha msingi. NEAT = shughuli nje ya mazoezi. EAT = vipindi vya mazoezi. TEF = usagaji.

Tatizo: karibu programu zote zinakadiria matumizi yako kwa Harris-Benedict (1919) au Mifflin-St Jeor (1990), fomula zinazotegemea uzito ghafi na kupuuza muundo wako wa mwili. Kwa uzito sawa, mwili wenye 15% ya mafuta mwilini na mwili wenye 30% haichomi nishati sawa hata kidogo. Lean inakokotoa matumizi kwa njia tofauti, katika hatua nne:

Mafuta mwilini halisi. Picha, sekunde 5.
Hatua ya 1

BodyScan AI

Unapiga picha ndani ya programu. AI inakadiria mafuta yako mwilini kutokana na umbo lako linaloonekana, na kipimo hurudiwa kila wiki. Ni kipimo hiki kinachoweka ukokotoaji wote kwenye uzito wako wa mwili usio na mafuta, si kwenye uzito wako ghafi.

Hatua ya 2

BMR kupitia modeli ya kipekee yenye hataza

Algoriti yenye hataza ya Lean inakokotoa kimetaboliki chako cha msingi kutoka uzito wako halisi wa mwili usio na mafuta. Ni sahihi zaidi kuliko Harris-Benedict 1919 au Mifflin-St Jeor 1990, ambazo zinajua uzito wako pekee.

Hatua ya 3

NEAT, EAT na TEF hupimwa, si kukadiriwa kwa jumla

Hatua zako zinahesabika kwenye NEAT, vipindi vyako vya mazoezi kwenye EAT kupitia jedwali za MET za rejea, na TEF inakokotolewa kulingana na makro ulizokula kweli, hasa kutokana na ufuatiliaji wako.

Hatua ya 4

Urekebishaji wa kimetaboliki uliokokotolewa upya

Katika upungufu wa kalori wa muda mrefu, BMR hupungua. Lean ni programu ya kwanza kuunda modeli ya kizidishi hiki na kukitumia kwa kuzidisha kwenye BMR. Kanuni: 100% = bora, 90% = urekebishaji wa pointi 10.

Matokeo: mizani ya moja kwa moja inalinganisha unachokula (kilichohesabiwa kwa mbinu 4 za mwongozo huu) na kile unachotumia kweli, kinachokokotolewa upya kila mara. Ni mchanganyiko wa nusu hizo mbili, kinachoingia sahihi na kinachotoka sahihi, unaofanya kupunguza mafuta kutabirike. Moja bila nyingine ni hesabu tupu.

Pakua kwenye App Store Inapatikana kwenye Google Play Upakuaji bure

Maswali Yanayoulizwa Mara kwa Mara kuhusu kuhesabu kalori

Kalori ngapi kwa siku ili kupunguza uzito?
Hakuna nambari moja kwa wote: yote yanategemea matumizi yako ya jumla (TDEE), ambayo hutofautiana kulingana na kimetaboliki chako cha msingi, shughuli zako za kila siku, mazoezi yako na muundo wako wa mwili. Kanuni ya kuaminika: upungufu wa 300 hadi 500 kcal chini ya TDEE yako halisi, kamwe si nambari ya jumla kama “1 500 kcal” iliyotolewa bila msingi. Unaweza kukadiria yako kwa kikokotoo cha upungufu wa kalori.
Je, skani ya AI kwa picha inaaminika kwa kuhesabu kalori?
Ndiyo, mradi tu unaelewa kinachopimwa. Kwenye milo ya kawaida, kosa la kawaida ni takriban ±10% kwa mlo, pamoja na utambuzi wa chakula kimoja kimoja unaoweza kusahihisha (kiasi, makro, kuskani tena). Kwa mwezi mmoja, takriban milo 90, makosa ya kinasibu hufidiana kwa sheria ya idadi kubwa: kinachohesabika ni upendeleo wa wastani, si tofauti ya mlo mmoja pekee.
Je ni lazima kupima vyakula ili kuhesabu kalori?
Ni lazima tu ikiwa uko kwenye kipindi ambapo kila asilimia inahesabika: kupunguza mafuta kwa nidhamu kali, kuboresha muundo wa mwili kwa kiwango cha juu, michezo yenye makundi ya uzito. Kwa watu walio wengi, skani ya AI kwa picha na msimbo pau vinatosha kabisa. Ufuasi kwa miezi 6 una uzito mkubwa zaidi kwenye matokeo ya mwisho kuliko usahihi wa kinadharia wa upimaji utakaouacha.
Je ni lazima kuhesabu kalori kila siku?
Ni wastani wa wiki unaoongoza matokeo, si ukamilifu wa kila siku. Siku zenye shughuli nyingi, ongezo la haraka la sekunde 10 ni bora mara nyingi zaidi kuliko pengo la data. Mlo usio sahihi kabisa hauharibu chochote; wiki nzima bila data yoyote huharibu, kwa sababu inaficha mwelekeo.
Kwa nini sipunguzi uzito ingawa nahesabu kalori zangu?
Sababu mbili zinatawala. Kwanza, kuripoti chini ya kiasi halisi: hadi 47% ya tofauti iliyopimwa kati ya kalori zilizoripotiwa kwa mkono na kalori zilizoliwa kweli (Lichtman, 1992); skani ya AI inapunguza upendeleo huu kwa kupima sahani badala ya kumbukumbu yako. Pili, matumizi yaliyokadiriwa kupita kiasi: programu nyingi zinakokotoa TDEE yako kwa fomula za uzito ghafi zinazopuuza mafuta yako mwilini na urekebishaji wa kimetaboliki. Ikiwa kinachotoka si sahihi, upungufu unaoonyeshwa haupo.
Je, kuhesabu kalori kunasababisha mawazo ya kupindukia?
Lengo ni kinyume kabisa: kupunguza ufuatiliaji hadi sekunde chache kwa mlo ili usichukue nafasi yoyote akilini, ilhali hesabu ya mkono inaweza kuchukua nafasi kubwa mno. Miezi michache ya ufuatiliaji huelimisha jicho lako kuhusu kiasi; baadaye unaweza kupunguza, hata kuhamia kwenye ongezo la haraka. Ikiwa umegunduliwa kuwa na tatizo la ulaji, zungumza na mtaalamu wa afya kabla ya kufuatilia.
Kuna tofauti gani kati ya Lean na MyFitnessPal katika kuhesabu kalori?
MyFitnessPal inategemea hifadhidata kubwa sana ya ushirikiano lakini uingizaji ambao kwa kiasi kikubwa ni wa mkono, na TDEE inayokadiriwa kwa uzito ghafi. Lean inagawanya kila mlo chakula kwa chakula kupitia skani ya AI, na juu ya yote inakokotoa matumizi yako kulingana na mafuta yako mwilini halisi yaliyopimwa na BodyScan, pamoja na urekebishaji wa kimetaboliki. Kuhesabu kinachoingia kuna maana tu ikiwa kinachotoka ni sahihi. Maelezo ya kina programu kwa programu yapo kwenye ulinganisho wa programu bora za kalori.

Marejeleo

  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. USDA FoodData Central. Hifadhidata ya lishe ya rejea. fdc.nal.usda.gov.
  6. Open Food Facts. Hifadhidata ya ushirikiano ya kimataifa ya bidhaa za chakula zilizofungashwa. world.openfoodfacts.org.
  7. Hall K.D. et al. (2011). Quantification of the effect of energy imbalance on bodyweight. Lancet. PubMed 21872751.
  8. Mifflin M.D. et al. (1990). A new predictive equation for resting energy expenditure in healthy individuals. Am J Clin Nutr. PubMed 2305711.
  9. Harris J.A., Benedict F.G. (1919). A Biometric Study of Basal Metabolism in Man. Carnegie Institution of Washington.
  10. Ainsworth B.E. et al. (2011). Compendium of Physical Activities: a second update of codes and MET values. Med Sci Sports Exerc. PubMed 21681120.