Investigación que respalda LyteFast

Referencias revisadas por pares que respaldan a previsión de peso, o balance enerxético, a pegada de carbono das dietas, a detección de glute, as bases de datos de nutrición e a análise de alimentos mediante IA.

Os enlaces ábrense na súa lingua cando estean dispoñibles • Priorizando a investigación de Harvard, Stanford e MIT

Previción de Peso

A previsión de peso utiliza modelos predictivos baseados nos principios do balance enerxético para proxectar tendencias futuras de peso a partir de datos recentes. A investigación mostra que a auto-monitorización do peso e da ingesta de calorías, combinada cun suavizado de tendencias para reducir o ruído diario, axuda ás persoas a comprender a súa traxectoria e a realizar axustes a tempo. A modelización predictiva a curto prazo transforma a túa traxectoria recente en previsións accionables que apoian a adherencia e os hábitos a longo prazo.

Key Studies

Calorías Baseadas no Orzamento

Os orzamentos de calorías preestablecidos cunha clara retroalimentación de "dentro do orzamento" ou "fóra do orzamento" axudan aos usuarios a tomar decisións alimentarias informadas en tempo real. A investigación demostra que este enfoque de apoio á decisión mellora a adherencia aos obxectivos de calorías ao reducir a carga cognitiva e proporcionar retroalimentación inmediata e accionable. O sinxelo marco de "gastar vs. orzamento" alínea cos principios da economía comportamental que mostran que as persoas toman mellores decisións cando teñen restricións claras e retroalimentación instantánea sobre as súas eleccións.

Key Studies

Déficit Calórico e Equilibrio Enerxético

O balance energético— a relación entre as calorías consumidas e as calorías queimadas— é o principal motor do cambio de peso. A investigación mostra de forma consistente que crear un déficit calórico conduce á perda de peso, mentres que un superávit conduce ao aumento de peso. Visualizar este déficit en tempo real axuda aos usuarios a comprender como as súas eleccións diarias impactan no seu progreso cara aos obxectivos. A aplicación traduce o balance energético a un linguaxe sinxela, mostrando a diferenza entre a ingesta actual e a meta, e que cambios poden pechar esa diferenza.

Key Studies

Escáner de Alimentos AI

A intelixencia artificial e o aprendizaxe automático permiten o recoñecemento automatizado de alimentos a partir de fotos, descricións de texto e escaneado de códigos de barras. A investigación mostra que a estimación nutricional impulsada por IA pode proporcionar unha precisión razoable para alimentos comúns, axudando aos usuarios a rexistrar as súas comidas de forma máis rápida e consistente. A combinación de análise de fotos, escaneado de códigos de barras e análise de texto crea múltiples vías para o rexistro de alimentos, reducindo as barreiras para a auto-monitorización e mellorando a adherencia ao seguimento de calorías.

Key Studies

Pegada de carbono

A produción de alimentos representa unha parte significativa das emisións globais de gases de efecto invernadoiro. A investigación mostra que diferentes alimentos teñen pegadas de carbono moi distintas, e as eleccións dietéticas poden ter un impacto substancial na sustentabilidade ambiental. Rastrear a pegada de carbono das comidas axuda aos usuarios a comprender o impacto ambiental das súas eleccións alimentarias e a tomar decisións máis sostibles. Os estudos demostran que incluso pequenos cambios na dieta poden reducir de forma significativa as emisións de carbono.

Key Studies

Detección de Gluteína

Para as persoas con enfermidade celíaca ou sensibilidade ao glute, evitar o glute é esencial para a saúde. A investigación mostra que mesmo pequenas cantidades de glute poden causar síntomas e danos a longo prazo en individuos sensibles. A escaneado de códigos de barras e a análise de alimentos poden axudar a identificar produtos que contén glute, proporcionando unha proba rápida para apoiar a adherencia a unha dieta sen glute. Aínda que a aplicación proporciona indicadores baseados na información do produto, é importante ter en conta que é un estimador e non un substituto da lectura coidadosa das etiquetas ou da orientación médica.

Key Studies

Vixía do Xaxún e Modelado Predictivo

O xeito de comer en períodos intermitentes e a alimentación restrinxida por tempo son enfoques dietéticos que limitan a ingesta a fiestras de tempo específicas. A investigación mostra que os beneficios destes enfoques son en gran medida mediados pola ingesta total de calorías e a consistencia, en lugar de polo tempo só. A modelización predictiva axuda aos usuarios a ver como os seus patróns de xaxún se relacionan coas súas tendencias de peso e previsións. A aplicación relaciona as fiestras de xaxún coas orzamentos de calorías, tendencias e previsións, facendo que a relación entre o xaxún e os resultados sexa clara e accionable.

Key Studies

Referencias Completas

Lista completa de todas as referencias revisadas por pares. As etiquetas indican que características soporta cada referencia.