مراجع بررسی شده توسط همتا که از پیش‌بینی وزن، تعادل انرژی، ردپای کربن رژیم‌های غذایی، تشخیص گلوتن، پایگاه‌های داده تغذیه و تحلیل غذایی با هوش مصنوعی پشتیبانی می‌کنند.
لینک‌ها در صورت موجود بودن به زبان شما باز می‌شوند • اولویت‌بندی تحقیقات دانشگاه‌های هاروارد، استنفورد و MIT
پیش‌بینی وزن از مدل‌های پیش‌بینی مبتنی بر اصول تعادل انرژی برای پیش‌بینی روندهای آینده وزن بر اساس داده‌های اخیر استفاده می‌کند. تحقیقات نشان می‌دهد که خود پایش وزن و مصرف کالری، به همراه هموارسازی روند برای کاهش نویز روزانه، به افراد کمک می‌کند تا مسیر خود را درک کرده و تنظیمات به موقع انجام دهند. مدل‌سازی پیش‌بینی با افق کوتاه، مسیر اخیر شما را به پیش‌بینی‌های قابل اقدام تبدیل می‌کند که از پایبندی و عادات بلندمدت حمایت می‌کند.
اهمیت اندازه‌گیری دقیق ترکیب بدن در پیگیری تغییرات وزن را نشان می‌دهد و نیاز به هموارسازی روند در مدل‌های پیش‌بینی وزن را تأیید می‌کند.
نشان می‌دهد که خودنظارتی و مکانیزم‌های بازخورد از نگهداری وزن در بلندمدت حمایت می‌کنند و رویکرد ارائه پیش‌بینی‌های واضح و تجسم روند را تأیید می‌کنند.
رویکردهای یادگیری ماشین را برای پیش‌بینی وزن بررسی می‌کند و از استفاده از مدل‌سازی پیش‌بینی در برنامه‌های مدیریت وزن حمایت می‌کند.
نشان می‌دهد که چگونه یادگیری ماشین می‌تواند دقت پیش‌بینی را بهبود بخشد، که مربوط به مدل‌های پیش‌بینی روند وزن است.
بودجه‌های کالری از پیش تعیین‌شده با بازخورد واضح "در محدوده بودجه" یا "بیش از حد بودجه" به کاربران کمک می‌کند تا در زمان واقعی انتخاب‌های غذایی آگاهانه‌تری داشته باشند. تحقیقات نشان می‌دهد که این رویکرد حمایت از تصمیم‌گیری، پایبندی به اهداف کالری را با کاهش بار شناختی و ارائه بازخورد فوری و قابل اقدام بهبود می‌بخشد. چارچوب ساده "هزینه در مقابل بودجه" با اصول اقتصاد رفتاری هم‌راستا است که نشان می‌دهد افراد زمانی تصمیمات بهتری می‌گیرند که محدودیت‌های واضح و بازخورد فوری در مورد انتخاب‌های خود داشته باشند.
نشان می‌دهد که تعیین هدف‌های ساختاریافته و مکانیزم‌های بازخورد، رعایت اهداف غذایی را بهبود می‌بخشد و از رویکرد کالری مبتنی بر بودجه حمایت می‌کند.
نشان می‌دهد که رویکردهای مدیریت کالری ساختاریافته، نسبت به مراقبت استاندارد، تبعیت و نتایج را بهبود می‌بخشند.
استراتژی‌های مختلف محدودیت کالری را مقایسه می‌کند و نشان می‌دهد که بودجه‌های کالری واضح از پایبندی حمایت می‌کنند، صرف‌نظر از رویکرد زمانی.
تعادل انرژی—رابطه بین کالری‌های مصرف شده و کالری‌های سوخته شده—عامل اصلی تغییر وزن است. تحقیقات به طور مداوم نشان می‌دهند که ایجاد یک کسری کالری منجر به کاهش وزن می‌شود، در حالی که مازاد کالری منجر به افزایش وزن می‌گردد. تجسم این کسری به صورت لحظه‌ای به کاربران کمک می‌کند تا درک کنند که انتخاب‌های روزانه‌شان چگونه بر پیشرفت به سمت اهدافشان تأثیر می‌گذارد. این اپلیکیشن تعادل انرژی را به زبان ساده ترجمه می‌کند و فاصله بین مصرف فعلی و هدف را نشان می‌دهد و تغییراتی که می‌توانند این فاصله را کاهش دهند، مشخص می‌کند.
تأیید می‌کند که تعادل انرژی مکانیزم اساسی است که تغییر وزن را هدایت می‌کند و رویکرد کسری کالری را تأیید می‌نماید.
نشان می‌دهد که کسری کالری، صرف نظر از زمان‌بندی، باعث کاهش وزن می‌شود و اصل تعادل انرژی را تأیید می‌کند.
نشان می‌دهد که کسری کالری حاصل از خوردن محدود به زمان منجر به کاهش وزن قابل اندازه‌گیری می‌شود و اصول تعادل انرژی را تأیید می‌کند.
نشان می‌دهد که کسری کالری مکانیزم کلیدی برای کاهش وزن است، بدون توجه به زمان‌بندی الگوی غذایی.
هوش مصنوعی و یادگیری ماشین امکان شناسایی خودکار غذاها را از طریق عکس‌ها، توصیف‌های متنی و اسکن بارکد فراهم می‌کنند. تحقیقات نشان می‌دهد که تخمین تغذیه‌ای مبتنی بر هوش مصنوعی می‌تواند دقت معقولی برای غذاهای رایج ارائه دهد و به کاربران کمک کند تا وعده‌های غذایی را سریع‌تر و به‌طور مداوم ثبت کنند. ترکیب تحلیل عکس، اسکن بارکد و تجزیه متن، مسیرهای متعددی برای ثبت غذا ایجاد می‌کند که موانع خودپایش را کاهش داده و رعایت پیگیری کالری را بهبود می‌بخشد.
نشان می‌دهد که هوش مصنوعی و مدل‌های زبانی بزرگ می‌توانند به‌طور دقیق تغذیه را از تصاویر و توصیف‌های غذا تخمین بزنند.
نشان می‌دهد که هوش مصنوعی می‌تواند اطلاعات تغذیه‌ای را از برچسب‌های غذایی استخراج کند و از ثبت اطلاعات غذایی مبتنی بر بارکد و متن پشتیبانی می‌کند.
سیستم‌های شناسایی غذا مبتنی بر هوش مصنوعی را برای ارزیابی رژیم غذایی تأیید می‌کند و دقت آنها را در سناریوهای ثبت غذا در دنیای واقعی نشان می‌دهد.
مقایسه دسته‌بندی غذایی مبتنی بر هوش مصنوعی با روش‌های سنتی نشان می‌دهد که رویکردهای یادگیری ماشین می‌توانند به‌طور مؤثری غذاها را دسته‌بندی کرده و کیفیت تغذیه را پیش‌بینی کنند.
موفقیت اسکن بارکد برای ثبت دقیق داده‌ها را نشان می‌دهد و از ثبت غذای مبتنی بر بارکد پشتیبانی می‌کند.
تولید غذا سهم قابل توجهی از انتشار گازهای گلخانه‌ای جهانی را به خود اختصاص می‌دهد. تحقیقات نشان می‌دهد که غذاهای مختلف دارای ردپای کربن بسیار متفاوتی هستند و انتخاب‌های غذایی می‌تواند تأثیر قابل توجهی بر پایداری محیط زیست داشته باشد. پیگیری ردپای کربن وعده‌های غذایی به کاربران کمک می‌کند تا تأثیر محیطی انتخاب‌های غذایی خود را درک کنند و تصمیمات پایدارتر اتخاذ کنند. مطالعات نشان می‌دهند که حتی تغییرات کوچک در رژیم غذایی می‌تواند به طور معناداری انتشار کربن را کاهش دهد.
نشان می‌دهد که الگوهای غذایی پایدار می‌توانند انتشار گازهای گلخانه‌ای را کاهش دهند در حالی که کیفیت رژیم غذایی را بهبود می‌بخشند و ردیابی اثر کربن را تأیید می‌کنند.
نشان می‌دهد که بین کیفیت رژیم غذایی و پایداری محیط زیست رابطه‌ای وجود دارد که آگاهی از اثر کربن در انتخاب‌های غذایی را حمایت می‌کند.
نشان می‌دهد که انتخاب‌های غذایی تأثیرات محیطی قابل اندازه‌گیری دارند و اهمیت ردیابی اثر کربن را تأیید می‌کند.
نشان می‌دهد که تغییرات کوچک در رژیم غذایی می‌توانند به طور معناداری ردپای کربن را کاهش دهند و ارزش ردیابی کربن در انتخاب‌های غذایی را تأیید می‌کنند.
نشان می‌دهد که چگونه انتخاب‌های غذایی و روش‌های تهیه مختلف بر ردپای کربن تأثیر می‌گذارند و ردیابی کربن در سطح وعده‌های غذایی را تأیید می‌کند.
مقایسه ردپای کربن در الگوهای غذایی مختلف، نشان‌دهنده تفاوت‌های قابل توجه و اهمیت پیگیری آن است.
برای افرادی که به بیماری سلیاک یا حساسیت به گلوتن مبتلا هستند، اجتناب از گلوتن برای سلامتی ضروری است. تحقیقات نشان می‌دهد که حتی مقادیر اندک گلوتن می‌تواند در افراد حساس علائم و آسیب‌های بلندمدت ایجاد کند. اسکن بارکد و تحلیل مواد غذایی می‌تواند به شناسایی محصولات حاوی گلوتن کمک کند و غربالگری سریعی را برای حمایت از رعایت رژیم غذایی بدون گلوتن فراهم آورد. در حالی که این اپلیکیشن نشانگرهایی بر اساس اطلاعات محصول ارائه می‌دهد، مهم است که توجه داشته باشید که این تنها یک تخمین‌زننده است و جایگزین خواندن دقیق برچسب یا مشاوره پزشکی نمی‌باشد.
روش‌های تشخیصی بیماری سلیاک را بررسی می‌کند و اهمیت تشخیص دقیق گلوتن را برای افرادی که به بیماری سلیاک مبتلا هستند، مورد تأکید قرار می‌دهد.
رویکردهای فناوری برای شناسایی گلوتن در غذاها را بررسی می‌کند و استفاده از تحلیل مواد غذایی برای غربالگری گلوتن را پشتیبانی می‌کند.
نشان می‌دهد که پایش قرارگیری در معرض گلوتن برای افرادی که به بیماری سلیاک مبتلا هستند، اهمیت دارد و نیاز به ابزارهای تشخیص گلوتن را تأیید می‌کند.
اهمیت شناسایی زودهنگام و پایش مواجهه با گلوتن در مدیریت بیماری سلیاک را نشان می‌دهد.
روزۀ متناوب و خوردن محدود به زمان، رویکردهای غذایی هستند که مصرف غذا را به زمان‌های خاصی محدود می‌کنند. تحقیقات نشان می‌دهد که مزایای این رویکردها عمدتاً توسط مجموع کالری مصرفی و ثبات در آن، و نه صرفاً زمان‌بندی، میانجی‌گری می‌شوند. مدل‌سازی پیش‌بینی به کاربران کمک می‌کند تا ببینند الگوهای روزه‌داری آنها چگونه با روندهای وزنی و پیش‌بینی‌ها ارتباط دارد. این اپلیکیشن پنجره‌های روزه‌داری را به بودجه‌های کالری، روندها و پیش‌بینی‌ها مرتبط می‌کند و رابطه بین روزه‌داری و نتایج را واضح و قابل اقدام می‌سازد.
مروری جامع که نشان می‌دهد استراتژی‌های روزه‌داری متناوب برای کاهش وزن مؤثر هستند و این مزایا از طریق کاهش کالری حاصل می‌شود.
تحقیقات مربوط به خوردن محدود به زمان را بررسی می‌کند و نشان می‌دهد که مزایا عمدتاً به دلیل کاهش کالری است نه صرفاً زمان‌بندی.
خلاصه‌ای از مزایای سلامتی روزه‌داری متناوب، که ادغام ردیابی روزه‌داری با مدیریت کالری و وزن را پشتیبانی می‌کند.
مقایسه رویکردهای مختلف روزه‌داری نشان می‌دهد که همه آنها زمانی که باعث ایجاد کسری کالری می‌شوند، مؤثر هستند و این ارتباط بین روزه‌داری و تعادل انرژی را تأیید می‌کند.
شواهد بالینی مربوط به روزه‌داری متناوب را بررسی می‌کند و تأکید می‌کند که نتایج به میزان کالری مصرفی مرتبط است و مدل‌سازی پیش‌بینی اثرات روزه‌داری را پشتیبانی می‌کند.
مروری جامع بر رژیم غذایی محدود به زمان، که اثربخشی آن را در ترکیب با آگاهی از کالری و ردیابی نشان می‌دهد.
فهرست کامل تمام مراجع بررسی شده توسط همتایان. برچسب‌ها نشان می‌دهند که هر مرجع از کدام ویژگی(ها) پشتیبانی می‌کند.