Penelitian yang Mendukung LyteFast

Referensi yang telah melalui proses peninjauan sejawat yang mendukung peramalan berat badan, keseimbangan energi, jejak karbon dari diet, deteksi gluten, basis data nutrisi, dan analisis makanan berbasis AI.

Tautan dibuka dalam bahasa Anda jika tersedia • Memprioritaskan penelitian dari Harvard, Stanford, dan MIT

Perkiraan Berat

Peramalan berat menggunakan model prediktif berdasarkan prinsip keseimbangan energi untuk memproyeksikan tren berat di masa depan dari data terkini. Penelitian menunjukkan bahwa pemantauan diri terhadap berat badan dan asupan kalori, dikombinasikan dengan pemulusan tren untuk mengurangi kebisingan harian, membantu orang memahami trajektori mereka dan melakukan penyesuaian tepat waktu. Pemodelan prediktif dengan jangka pendek mengubah trajektori terkini Anda menjadi ramalan yang dapat ditindaklanjuti yang mendukung kepatuhan dan kebiasaan jangka panjang.

Key Studies

Kalori Berdasarkan Anggaran

Anggaran kalori yang telah ditetapkan dengan umpan balik yang jelas "dalam anggaran" atau "melebihi anggaran" membantu pengguna membuat pilihan makanan yang terinformasi secara real-time. Penelitian menunjukkan bahwa pendekatan dukungan keputusan ini meningkatkan kepatuhan terhadap tujuan kalori dengan mengurangi beban kognitif dan memberikan umpan balik yang segera dan dapat ditindaklanjuti. Kerangka kerja sederhana "pengeluaran vs. anggaran" sejalan dengan prinsip-prinsip ekonomi perilaku yang menunjukkan bahwa orang membuat keputusan yang lebih baik ketika mereka memiliki batasan yang jelas dan umpan balik instan tentang pilihan mereka.

Key Studies

Defisit Kalori & Keseimbangan Energi

Keseimbangan energi—hubungan antara kalori yang dikonsumsi dan kalori yang dibakar—adalah penggerak utama perubahan berat badan. Penelitian secara konsisten menunjukkan bahwa menciptakan defisit kalori mengarah pada penurunan berat badan, sementara surplus kalori mengarah pada peningkatan berat badan. Memvisualisasikan defisit ini secara real-time membantu pengguna memahami bagaimana pilihan harian mereka memengaruhi kemajuan menuju tujuan. Aplikasi ini menerjemahkan keseimbangan energi ke dalam bahasa yang sederhana, menunjukkan selisih antara asupan saat ini dan target, serta perubahan apa yang dapat menutup selisih tersebut.

Key Studies

Pemindai Makanan AI

Kecerdasan buatan dan pembelajaran mesin memungkinkan pengenalan makanan secara otomatis dari foto, deskripsi teks, dan pemindaian kode batang. Penelitian menunjukkan bahwa estimasi nutrisi yang didukung AI dapat memberikan akurasi yang wajar untuk makanan umum, membantu pengguna mencatat makanan dengan lebih cepat dan konsisten. Kombinasi analisis foto, pemindaian kode batang, dan penguraian teks menciptakan beberapa jalur untuk pencatatan makanan, mengurangi hambatan untuk pemantauan mandiri dan meningkatkan kepatuhan terhadap pelacakan kalori.

Key Studies

Jejak Karbon

Produksi makanan menyumbang sebagian besar emisi gas rumah kaca global. Penelitian menunjukkan bahwa berbagai jenis makanan memiliki jejak karbon yang sangat berbeda, dan pilihan diet dapat berdampak besar pada keberlanjutan lingkungan. Melacak jejak karbon dari makanan membantu pengguna memahami dampak lingkungan dari pilihan makanan mereka dan membuat keputusan yang lebih berkelanjutan. Studi menunjukkan bahwa bahkan perubahan kecil dalam pola makan dapat secara signifikan mengurangi emisi karbon.

Key Studies

Deteksi Gluten

Bagi orang dengan penyakit celiac atau sensitivitas gluten, menghindari gluten sangat penting untuk kesehatan. Penelitian menunjukkan bahwa bahkan jumlah kecil gluten dapat menyebabkan gejala dan kerusakan jangka panjang pada individu yang sensitif. Pemindaian kode batang dan analisis makanan dapat membantu mengidentifikasi produk yang mengandung gluten, memberikan penyaringan cepat untuk mendukung kepatuhan terhadap diet bebas gluten. Meskipun aplikasi ini memberikan indikator berdasarkan informasi produk, penting untuk dicatat bahwa ini adalah estimasi dan bukan pengganti untuk membaca label dengan cermat atau panduan medis.

Key Studies

Tampilan Puasa & Pemodelan Prediktif

Puasa intermiten dan makan terbatas waktu adalah pendekatan diet yang membatasi konsumsi makanan pada jendela waktu tertentu. Penelitian menunjukkan bahwa manfaat dari pendekatan ini sebagian besar dimediasi oleh total asupan kalori dan konsistensi, bukan hanya waktu saja. Pemodelan prediktif membantu pengguna melihat bagaimana pola puasa mereka berkaitan dengan tren berat badan dan perkiraan. Aplikasi ini menghubungkan jendela puasa kembali ke anggaran kalori, tren, dan perkiraan, sehingga hubungan antara puasa dan hasil menjadi jelas dan dapat ditindaklanjuti.

Key Studies

Referensi Lengkap

Daftar lengkap semua referensi yang telah melalui proses tinjauan sejawat. Tag menunjukkan fitur mana yang didukung oleh setiap referensi.