உங்கள் வாழ்க்கையை அதற்காகவே செலவிடாமல் கலோரிகளை எப்படி கணக்கிடுவது. 4 முறைகளின் ஒப்பீடு, அவற்றின் உண்மையான துல்லியம், மேலும் 6 மாதங்களுக்குப் பிறகும் நீங்கள் தொடர்ந்து பயன்படுத்தும் முறை எது என்பதும்.
ஐஏ புகைப்பட ஸ்கேன், பார்கோடு, தரவுத்தளம், விரைவு சேர்ப்பு: ஒவ்வொரு முறையும் உண்மையில் எவ்வளவு மதிப்புள்ளது, ஏன் 80 % பேர் 3 மாதங்களில் கைவிடுகிறார்கள், மேலும் உங்கள் சுயவிவரத்துக்கு ஏற்ப எப்படி தேர்வு செய்வது.
Lean குழு · வாசிப்பு 11 நிமி · 11 ஜூன் 2026 அன்று புதுப்பிக்கப்பட்டது
இலவச டவுன்லோட்
கலோரிகளை எண்ணுவதற்கான நான்கு முறைகள்: AI புகைப்பட ஸ்கேன் (நீங்கள் உங்கள் தட்டின் புகைப்படம் எடுக்கிறீர்கள், AI ஒவ்வொரு உணவையும் அதன் அளவையும் அடையாளம் காணும்), பார்கோடு ஸ்கேன் (பேக்கேஜ் செய்யப்பட்ட பொருட்கள், உற்பத்தியாளர் தரவு), தரவுத்தளம் (தேடல் + எடைபோடுதல், மிகத் துல்லியமான முறை) மற்றும் விரைவு சேர்ப்பு (10 விநாடிகளில் ஒரு மொத்த மதிப்பீடு). சரியான முறை என்பது காகிதத்தில் மிகத் துல்லியமானது அல்ல, 6 மாதங்கள் நீங்கள் தொடர்ந்து செய்வது. மேலும், உங்கள் உள்ளீடுகளை எண்ணுவது பயனுள்ளதாக இருப்பது, உங்கள் செலவு, TDEEமொத்த தினசரி ஆற்றல் செலவு: 24 மணி நேரத்தில் உங்கள் மொத்த கலோரி செலவு. TDEE = BMR + NEAT + EAT + TEF., சரியாக கணக்கிடப்பட்டால் மட்டுமே.
ஏன் 80 % பேர் 3 மாதங்களில் எண்ணுவதை நிறுத்துகிறார்கள்
கலோரிகளை எண்ணுவது வேலை செய்கிறது. அது கேள்வியே இல்லை. கேள்வி என்னவென்றால், கிட்டத்தட்ட யாரும் அதை தொடர்ந்து செய்யவில்லை: எடை குறைப்பு திட்டங்கள் பற்றிய ஆய்வுகள், முதல் சில வாரங்களிலேயே, தராசில் முதல் தெளிவான முடிவு தோன்றுவதற்கு முன்பே, மிகப்பெரிய அளவில் விலகல் நடக்கிறது என்று காட்டுகின்றன.
உராய்வு, நடைமுறையில்: « கோழி மார்பிறைச்சி »-ஐ ஒரு பட்டியலில் தேடுவது, 40 நகல்களில் சரியான பதிவைத் தேர்வு செய்வது, 150 g-ஐ கண் அளவில் மதிப்பிடுவது, பச்சைப்பயறுகளுக்கு மீண்டும் செய்வது, பிறகு ஆலிவ் எண்ணெய்க்கு. ஒரு நாளில் மூன்று முறை. ஒரு மாதத்தில் 90 முறை. இந்த கணக்குப்பணி தான் ட்ராக் செய்வதை கொல்கிறது, ட்ராக் என்ற எண்ணத்தை அல்ல.
நடைமுறை முடிவு: உங்கள் உள்ளீட்டு முறையைத் தேர்வுசெய்வது, வெறும் பயன்பாட்டு வசதி விவரம் அல்ல. 3 மாதங்களுக்குப் பிறகும் உங்கள் தரவு இருக்கும் இல்லையா என்பதை தீர்மானிக்கும் முக்கிய மாறிலி அதுதான். இங்கே 4 முறைகள், மிக வேகமானதிலிருந்து மிக அதிக முயற்சி தேவைப்படுவதுவரை வரிசைப்படுத்தப்பட்டுள்ளன.
ஏஐ புகைப்பட ஸ்கேன்: ஒரு உணவுக்கு 5 விநாடிகள்
நீங்கள் உங்கள் தட்டின் புகைப்படம் எடுக்கிறீர்கள். Lean-இன் AI ஒரு இரட்டை அடையாளம் காணல் செய்கிறது: முதலில் அது உள்ள ஒவ்வொரு உணவையும் அடையாளம் காணும் (வறுத்த கோழி, பச்சை பீன்ஸ்), பின்னர் ஒவ்வொன்றின் அளவையும் மதிப்பிடும். முடிவு எங்கிருந்தோ எடுத்த ஒரு மொத்த எண் அல்ல: அது உணவு வாரியாக பிரிக்கப்பட்டது, ஒவ்வொரு வரிக்கும் கலோரிகள் மற்றும் மேக்ரோக்கள் உடன்.
படங்களில், படிப்படியாக, ஒரு உண்மையான உணவில்:
சாதாரண உணவுகளில், வழக்கமான பிழை ஒரு உணவுக்கு சுமார் ±10 % இருக்கும். இது தராசை விட குறைவான துல்லியம், ஆனால் கொழுப்பு குறைப்பை வழிநடத்த போதுமானது (கீழே பெரிய எண்களின் சட்டத்துடன் இதை மீண்டும் பார்க்கலாம்). முக்கியமாக, லேபிள் இல்லாத உணவுகளுக்கு, வீட்டில் செய்தது, உணவகம், கேண்டீன், இவற்றை கையாளும் ஒரே முறை இதுதான்.
Lean இன்னும் ஒரு படி மேலே போவது: நீங்கள் கட்டுப்பாட்டை வைத்திருக்கிறீர்கள்
ஒரு ஏஐ ஸ்கேன், அது பரிந்துரைப்பதை நீங்கள் திருத்த முடிந்தால் மட்டுமே பயனுள்ளது. Lean, ஒவ்வொரு உணவுக்கும் மூன்று கட்டுப்பாடுகளை உங்களுக்கு தருகிறது:
அளவுகளை மாற்று
ஒவ்வொரு உணவுக்கும் ஒரு ஸ்லைடர்: இங்கே, ஏஐ 101,4 கிராம் என்று மதிப்பிட்ட ரொட்டி, 70 கிராம் ஆக திருத்தப்பட்டுள்ளது. கலோரி மற்றும் உணவின் மொத்தம் உடனே மீண்டும் கணக்கிடப்படுகிறது.
மேக்ரோக்களை மாற்றுங்கள்
உங்கள் ரெசிபியை சராசரியைவிட நீங்கள் நன்றாக அறிவீர்களா? இங்கே, சிப்ஸ்: ஏஐ 4,1 கிராம் கொழுப்பை சொல்கிறது, நீங்கள் அதை 14 கிராம் ஆக திருத்துகிறீர்கள். டோனட் மற்றும் மொத்தமும் அதன்படி மாறும்.
ஒரே ஒரு உணவை மீண்டும் ஸ்கேன் செய்யுங்கள்
ஏஐ வான்கோழியை சீஸாக எடுத்துக்கொண்டதா? நீங்கள் சரியான பெயரை டைப் செய்கிறீர்கள், அந்த வரி தானாகவே மீண்டும் பகுப்பாய்வு ஆகும், முழு உணவையும் மறுபடியும் செய்ய வேண்டியதில்லை.
Cal AI-க்கு எதிரான சோதனை: பகுப்பாக்கம் எதிராக மொத்த மதிப்பீடு
அதே புகைப்படம், இரண்டு ஆப்கள். வித்தியாசம் உடனே தெரியும்:
பெரும்பாலான ஸ்கேன் ஆப்களில், குறிப்பாக Cal AI-யில், இருக்கும் கட்டமைப்பு வேறுபாடு இதுதான்: அவை ஒவ்வொரு உணவுக்கும் ஒரு மொத்த மதிப்பீடு மட்டும் தரும், மாற்றி அமைக்க முடியாத உணவு வாரியான பிரிப்பு இல்லாமல், கலோரி மற்றும் மேக்ரோக்கள் மொத்தம் மட்டும் தரும். கணிப்பு தவறாக இருந்தால், அதை ஏற்றுக்கொள்ள வேண்டும் அல்லது கைவிட வேண்டும். உணவு வாரியான பிரிப்பு இருந்தால், பிழையை இரண்டு டாப்ஸில் சரிசெய்யலாம்.
சரியான பயன்பாடு : வீட்டில் செய்த உணவுகள், ரெஸ்டாரன்ட், கான்டீன், பார்கோடு இல்லாத எல்லா உணவுகளும். 90 % உணவுகளுக்கு இயல்பான முறை.
பார்கோடு ஸ்கேன்: லேபிளின் துல்லியம்
பேக்கேஜிலிருந்து வரும் எதற்கும், பார்கோடு ஒப்பில்லாதது, ஊட்டச்சத்து மதிப்புகள் நேரடியாக உற்பத்தியாளர் தரவிலிருந்து வருகிறது. Lean USDA மற்றும் OpenFoodFacts தரவுத்தளங்களை நம்புகிறது, அதாவது மில்லியன் கணக்கான பதிவுகள். நீங்கள் ஸ்கேன் செய்கிறீர்கள், அளவை சரிசெய்கிறீர்கள், வேலை முடிந்தது.
வரம்பு தெளிவாக இருக்கிறது: உங்கள் வீட்டில் செய்த பாஸ்தா தட்டில் பார்கோடு இல்லை. அதனால்தான் இந்த முறை புகைப்பட AI ஸ்கேனுடன் இயல்பாக சேர்கிறது, அதை மாற்றுவதில்லை.
சரியான பயன்பாடு : மளிகை பொருட்கள், ஸ்நாக்ஸ், செயல்முறை செய்யப்பட்ட பொருட்கள், ஷேக்கர்கள். பேக்கேஜ் செய்யப்பட்ட பொருட்களுக்கு அதிகபட்ச துல்லியம், எந்த முயற்சியும் இல்லை.
டேட்டாபேஸ் + தராசு: துல்லிய முறை
பாரம்பரிய முறை: நீங்கள் உங்கள் உணவை எடைபோடுகிறீர்கள், டேட்டாபேஸில் அதைத் தேடுகிறீர்கள், கிராம்களை உள்ளிடுகிறீர்கள். சமையல் தராசுடன், இதுதான் மிகத் துல்லியமான முறை, போட்டி தயாரிப்புகள் மற்றும் கிளினிக்கல் நெறிமுறைகளில் பயன்படுத்தப்படுவது.
« மீதமுள்ளவை / தாக்கம் » என்ற பேனல், நீங்கள் உறுதிப்படுத்துவதற்கு முன்பே, அந்த உணவு உங்கள் இன்றைய பட்ஜெட்டில் என்ன மாற்றம் செய்கிறது என்பதை காட்டுகிறது: கலோரிகள், புரதங்கள், கார்ப்ஸ், கொழுப்புகள், நார்ச்சத்து. நீங்கள் பிறகு அல்ல, முன்கூட்டியே தெரிந்து முடிவு செய்கிறீர்கள்.
Lean சிரமத்தை மிகக் குறைவாகக் குறைக்கிறது: உங்கள் அடிக்கடி உண்ணும் உணவுகளின் வரலாறு, USDA + OpenFoodFacts-ல் தேடல், பட்டியலிலிருந்து இரண்டு தட்டல்களில் சேர்த்தல். ஆனால் உண்மையான செலவைப் பற்றி நேர்மையாக இருக்கலாம்: ஒரு வேளைக்கு 2 முதல் 3 நிமிடங்கள், மேலும் எடை போட்டு அளக்கும் ஒழுக்கம். பாரம்பரிய முறையில் 80 % பேர் கைவிடுவதற்கு காரணம் துல்லியமாக இந்த சிரமம் தான்.
சரியான பயன்பாடு : கடுமையான டயட், மேம்பட்ட ரீகம்போசிஷன், எடை வகை விளையாட்டுகள். மேலும் உங்கள் தினசரி 5 முதல் 10 வரை மீண்டும் மீண்டும் வரும் உணவுகள், ஹிஸ்டரி காரணமாக அவை கிட்டத்தட்ட உடனடியாக ஆகிவிடும்.
விரைவு சேர்ப்பு: நாளை காப்பாற்றும் எளிய வழி
பிறந்தநாள் பஃபெ, வேலைகள் நிறைந்த நாள், இரண்டு மீட்டிங்களுக்கு நடுவில் நின்றபடியே சாப்பிடும் உணவு: சில உணவுகளை ஒருபோதும் நுணுக்கமாக ட்ராக் செய்ய முடியாது. விரைவு சேர்ப்பு, மொத்த மதிப்பீட்டை, கலோரிகள் மற்றும் மதிப்பிடப்பட்ட மேக்ரோக்களுடன், 10 விநாடிகளில் உள்ளிட அனுமதிக்கிறது. குறைவான துல்லியம், தரவு இல்லாத இடைவெளியைவிட அளவில்லாமல் சிறந்தது.
லைவ் கலோரி சமநிலை மீதியை கணக்கிடுகிறது: ஸ்கிரீன்ஷாட்டில், 2 143 kcal இலக்கு, 1 000 பயன்படுத்தப்பட்டது, 1 143 மீதம், நாள் முழுவதும் தொடர்ந்து மறுகணக்கிடப்படுகிறது. முழுமையற்ற ஆனால் ட்ராக் செய்யப்பட்ட ஒரு நாள், கைவிடப்பட்ட ஒரு சிறந்த நாளைவிட மேல்: முடிவை இயக்குவது வார சராசரி, தனி நாளின் தூய்மை அல்ல.
சரியான பயன்பாடு : பிஸியான நாட்கள், சமூக உணவுகள், கைவிடாமல் இருக்க உதவும் பேக்கப். “ஒரு உணவை தவற விட்டேன், அதனால் இந்த வாரமே போச்சு” என்ற எண்ணத்தைத் தடுக்கிற முறை.
இலவச டவுன்லோட்
எந்த சுயவிவரத்திற்கு எந்த முறை
முதலில், முக்கியமான 4 அளவுகோள்களில் 4 முறைகளின் ஒப்பீடு: ஒரு உணவுக்கு எவ்வளவு எளிது, கிடைப்புத்தன்மை (எங்கும், எப்போதும் வேலை செய்யுமா), நீண்ட காலத்தில் நிலைத்திருப்பது, மற்றும் துல்லியம்.
ஏஐ புகைப்பட ஸ்கேன்
புகைப்படம், 5 விநாடிகள்
பார்கோடு
சரியான லேபிள்
டேட்டாபேஸ் + தராசு
துல்லிய முறை
விரைவு சேர்ப்பு
அவசர காப்பு
++ சிறந்தது + நல்லது − பலவீனம். “நீண்ட காலம்” = 6 மாதங்கள் கழித்தும் நீங்கள் இந்த முறையை இன்னும் பயன்படுத்தும் வாய்ப்பு.
போட்டியின் வாசிப்பு: எந்த முறையும் எல்லாவற்றிலும் ஜெயிக்காது. ஏஐ ஸ்கேன் ஒட்டிக்கொள்வதில் முன்னிலை, டேட்டாபேஸ் + தராசு துல்லியத்தில் முன்னிலை, விரைவு சேர்ப்பு வெறும் இடைவெளிகளை நிரப்புவதற்கே. அதனால் சுயவிவரங்கள்: 4 முறைகளும் ஒன்றுக்கொன்று எதிரானவை அல்ல, சரியான உத்தி என்பது ஒரு கலவை, உங்கள் தற்போதைய தேவையும் நேர அட்டவணையும் பொறுத்து அளவிட்டு பயன்படுத்துவது. கிட்டத்தட்ட எல்லா நிலைகளையும் மூன்று சுயவிவரங்கள் கவர் செய்கின்றன.
பூஜ்ய தடுமாற்றம், செய்து கற்றுக்கொள்
எங்கும் ஏஐ புகைப்பட ஸ்கேன், பேக் செய்யப்பட்டவற்றுக்கு பார்கோடு, எடை போட வேண்டாம். ஒரே இலக்கு: 3 மாதங்கள் தொடர்ந்து பயன்படுத்துவது, மற்றும் பரிமாணங்களைப் பற்றி உங்கள் கண்களைப் பயிற்றுவிப்பது. துல்லியம் பிறகு வரும், பழக்கம் முதலில்.
ஒவ்வொரு சதவீதமும் முக்கியம்
வீட்டில் செய்த உணவுகளுக்கு தராசு + டேட்டாபேஸ், பேக் செய்யப்பட்டவற்றுக்கு பார்கோடு, உணவகத்தில் ஏஐ ஸ்கேன். துல்லியம் உண்மையிலேயே பலன் தரும் குறுகிய கட்டங்களுக்கு: கடைசி கட்ட கொழுப்பு குறைப்பு, அதிகாரப்பூர்வ எடை அளவீடு.
அதை நினைக்காமலே நம்பகமான தரவு
பார்கோடு மற்றும் ஏஐ ஸ்கேன் தினசரி, முடியாத நாட்களில் காப்பாக விரைவு சேர்ப்பு. உங்கள் பாகங்கள் ஏற்கனவே உங்களுக்குத் தெரியும், தரவு இருக்க வேண்டும் என்பதுதான் உங்கள் விருப்பம்.
அனைவருக்கும் பொருந்தும் தேர்வு விதி: சந்தேகம் இருந்தால், நீங்கள் தொடர்ந்து செய்ய முடியும் என்று உறுதியாக இருக்கும் மிக எளிய முறையைத் தேர்ந்தெடுங்கள். 3 வாரங்களுக்குப் பிறகு பதிவு செய்வதை நிறுத்தும் ஒரு பரிபூரண தரவு, பூஜ்யம் தான்.
ஒரு மாதத்தில் மறைந்து போகும் ±10 % பிழை
ஏஐ ஸ்கேன் குறித்து வரும் வழக்கமான எதிர்ப்பு: « ±10 % பிழை, அது அதிகம் ». இது ஒரு தனி உணவை வைத்து யோசிப்பது. ஆனால் நீங்கள் ஒரு உணவை ட்ராக் செய்வதில்லை, மாதத்திற்கு சுமார் 90 உணவுகளை ட்ராக் செய்கிறீர்கள்.
இளஞ்சிவப்பு: அதிகமாக மதிப்பிடப்பட்ட உணவுகள். பச்சை: குறைவாக மதிப்பிடப்பட்ட உணவுகள். கருப்பு கோடு: உங்கள் உண்மையான உட்கொள்ளல். ஒரு மாதத்தில், வேறுபாடுகள் ஒன்றை ஒன்று சமப்படுத்திக்கொள்கின்றன.
இது பெரிய எண்களின் சட்டம் (Kolmogorov): சுயாதீனமான சீரற்ற பிழைகள், கண்காணிப்புகளின் எண்ணிக்கை அதிகரிக்கும்போது ஒன்றையொன்று சமநிலைப்படுத்திக்கொள்கின்றன. திங்கட்கிழமையின் +12 % கள், செவ்வாய்க்கிழமையில் குறைந்த 8 % களை நீக்கும். ஒரு மாதத்தில் மீதமிருப்பது, மாதிரியின் சராசரி பாகுபாடு, நன்றாக கலிப்ரேட் செய்யப்பட்ட ஸ்கானில் பூஜ்யத்துக்கு அருகில் இருக்கும், ஒரு உணவின் சத்தம் அல்ல.
கைமுறை பதிவு, இதற்கு முற்றிலும் வேறு வகையான ஒரு பிரச்சினை உள்ளது: ஒரு முறையான பாகுபாடு. மனிதர்கள் தாங்கள் சாப்பிடுவதை எப்போதும் ஒரே திசையில் குறைவாகவே தெரிவிக்கிறார்கள், பாகுபாடு ஒருபோதும் தானாக சமமாகிவிடாது.
முடிவு: கேள்வி « ஏஐ ஸ்கேன் பரிபூரணமா? » என்பது அல்ல, « 90 உணவுகளில் மிகத் துல்லியமான தரவை எந்த முறை தருகிறது? » என்பதுதான். அங்கே தானியக்கம் வெற்றி பெறுகிறது, ஏனெனில் அது ஒரு திசை சாய்வை, சமமாகி மறையும் சத்தத்தால் மாற்றுகிறது.
எண்ணுவது மட்டும் போதாது, சமன்பாட்டின் மற்ற பாதி இல்லை
ஒரு பரிபூரண உணவு பதிவேடு தனியாக எதையும் சொல்லாது. கொழுப்பை குறைப்பது, ஆற்றல் சமநிலை எதிர்மறையாக இருப்பதுதான்: வெளியேறும் அளவைவிட உள்ளே வரும் அளவு குறைவாக இருக்க வேண்டும். உங்கள் செலவு தவறாக கணக்கிடப்பட்டால், உங்கள் கலோரி குறைப்பு ஒரு கணக்குப் புனைவு மட்டுமே, நீங்கள் கலோரிகளை கிராம் அளவுக்கு துல்லியமாக எண்ணினாலும் ஒருபோதும் முன்னேற முடியாது.
பிரச்சனை இதுதான்: பெரும்பாலான ஆப்கள் Harris-Benedict (1919) அல்லது Mifflin-St Jeor (1990) கொண்டு உங்கள் Expenditure-ஐ மதிப்பிடுகின்றன, இவை உடல் அமைப்பை கவனிக்காத மொத்த எடையை அடிப்படையாகக் கொண்ட சூத்திரங்கள். ஒரே எடையில்கூட, 15 % bodyfat உள்ள உடலும் 30 % உள்ள உடலும் ஒரே மாதிரி கலோரியை எரிக்காது. Lean, Expenditure-ஐ வேறொரு முறையில், நான்கு படிகளில் கணக்கிடுகிறது:
BodyScan AI
நீங்கள் ஆப்பில் ஒரு புகைப்படம் எடுக்கிறீர்கள். AI உங்கள் காணக்கூடிய உடல் அமைப்பை வைத்து உங்கள் உடல் கொழுப்பை மதிப்பிடுகிறது, ஒவ்வொரு வாரமும் மீண்டும் செய்கிறது. இந்த அளவீடுதான் எல்லா கணக்கையும் உங்கள் கொழுப்பு இல்லாத உடல் நிறையின் மீது நிலைநிறுத்துகிறது, மொத்த எடையின் மீது அல்ல.
காப்புரிமை பெற்ற தனியுரிமை மாடல் மூலம் BMR
Lean-இன் காப்புரிமை பெற்ற அல்கோரிதம், உங்கள் உண்மையான கொழுப்பு இல்லாத உடல் நிறையை வைத்து உங்கள் அடிப்படை மாற்றுச்செயல்பாட்டை கணக்கிடுகிறது. Harris-Benedict 1919 அல்லது Mifflin-St Jeor 1990-ஐ விட துல்லியம் அதிகம், அவை உங்கள் எடையை மட்டுமே அறியும்.
NEAT, EAT மற்றும் TEF, அளவிடப்பட்டவை, நிர்ணயிக்கப்பட்டவை அல்ல
உங்கள் ஸ்டெப்ஸ் NEAT-இல் கணக்காகும், உங்கள் வொர்க்அவுட் அமர்வுகள் EAT-இல், குறிப்பு MET அட்டவணைகள் வழியாக, TEF நீங்கள் உண்மையிலேயே சாப்பிட்டுள்ள மாக்ரோக்கள் மீது கணக்கிடப்படுகிறது, இதெல்லாம் உங்கள் ட்ராக்கிங் காரணமாகத்தான்.
மீண்டும் கணக்கிடப்பட்ட மெட்டபாலிக் அடாப்டேஷன்
நீண்ட கால டெஃபிசிட்டில், BMR குறையும். Lean தான் இந்த குணகத்தை மாதிரியாக்கி, அதை BMRக்கு பெருக்கல் முறையில் பயன்படுத்தும் முதல் ஆப். கன்வென்ஷன் 100 % = உகந்தது, 90 % = 10 புள்ளி அடாப்டேஷன்.
முடிவு: நேரடி சமநிலை நீங்கள் சாப்பிடுவதைக் (இந்த வழிகாட்டியின் 4 முறைகளால் கணக்கிடப்பட்டது) நீங்கள் உண்மையில் செலவழிப்பதுடன் ஒப்பிடுகிறது, அது தொடர்ந்து மறுகணக்கிடப்படுகிறது. சரியான உள்ளீடுகள், சரியான வெளியீடுகள், இந்த இரண்டு பாதிகளின் சேர்க்கைதான் கொழுப்பு இழப்பை கணிக்கக்கூடியதாக மாற்றுகிறது. ஒன்று இல்லாமல் ஒன்று இருந்தால், அது வெற்றிடத்தில் கணக்குப்பணி மாதிரி தான்.
இலவச டவுன்லோட்
கலோரி கணக்கிடுதல் பற்றிய அடிக்கடி கேட்கப்படும் கேள்விகள்
எடை குறைக்க ஒரு நாளுக்கு எத்தனை கலோரி வேண்டும்?
AI புகைப்பட ஸ்கேன் கலோரிகளை கணக்கிட நம்பகமானதா?
கலோரிகளை கணக்கிட உணவுகளை எடை போட வேண்டுமா?
கலோரிகளை ஒவ்வொரு நாளும் கணக்கிட வேண்டுமா?
நான் கலோரிகளை எண்ணினாலும் ஏன் எடை குறையவில்லை?
கலோரிகளை எண்ணுவது, அதனால் அதிகமாகப் பற்றிக்கொள்ளும் பழக்கம் வருமா?
கலோரிகளை எண்ணுவதில் Lean மற்றும் MyFitnessPal இடையே என்ன வித்தியாசம்?
ஆதாரங்கள்
- 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. குறிப்பு ஊட்டச்சத்து தரவுத்தளம். fdc.nal.usda.gov.
- Open Food Facts. உலகளாவிய கூட்டுப் பங்களிப்பு கொண்ட பேக் செய்யப்பட்ட உணவுப் பொருட்களின் தரவுத்தளம். 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.