不正確な食事報告が食生活研究に問題を引き起こす
(science.org)- 食生活と健康の関係を探る多くの研究は、人々の自己申告による摂取量に依存しているが、最近の Nature Food の研究と訂正は、このデータの信頼性の限界を改めて浮き彫りにした
- 研究チームは6000件以上の DLW 測定を用いてエネルギー消費の予測式を作成し、NHANES や NDNS などの大規模栄養調査で報告された摂取量と比較した
- 訂正後、主要データベースの誤報告率は**約27%**に下がったが、食事アンケートが実際の摂取をどの程度反映しているかは、依然として議論の対象である
- 批判者は、DLW はエネルギー摂取を正確に示せないと見ており、支持者は、研究者がデータセットの誤報告の規模を推定するために使えると見ている
- 写真による食事日記、ウェアラブルカメラ、センサー、尿バイオマーカーが試されているが、大規模アンケートを置き換えられるほどスケーラブルな方法はまだない
自己申告の食事データにおける信頼性の問題
- コーヒー、ワイン、チョコレートのような食品が健康に良いかを確かめようとする研究は、人々が何を食べ、何を飲んだと答えたかと、その後の健康状態との関連を探すことが多い
- Nature Food の研究は、こうしたアプローチがどれほど不安定になり得るかを示す事例となった
- 栄養疫学研究では通常、次のような方法で摂取量を尋ねる
- 食事日記の記入
- 過去24時間、1週間、または数か月間の摂取に関するアンケート
- 生物統計学者は、人々が摂取を誤って記憶したり、実際に食べたものを話したがらなかったりする可能性があると、以前から警告してきた
- 一部の研究者は、生存に必要な最低摂取量より低く報告した参加者を除外する補正方法を提案しているが、別の研究者は、食生活研究や政策で食品の自己申告に依存すべきではないと考えている
DLWでエネルギー消費を測定する仕組み
- 誤報告をより厳密に検出する方法として、二重標識水（DLW）法が使われている
- DLW 法では、参加者が酸素と水素の重い同位体で標識された水を飲み、その後数日間にわたって尿サンプル中のこれらの元素を測定する
- 体がカロリーを燃やして二酸化炭素を作る際、酸素は使われるが水素は使われないため、尿中の相対量はその人が使ったエネルギー量を反映する
- DLW と食事アンケートを併用した研究では、人々が報告した摂取量よりも多くのエネルギーを消費する傾向が見つかっている
- これは、参加者が実際に少なく食べていたか、より可能性が高いのは摂取量を過少報告していたことを意味する
- 英国 National Diet and Nutrition Survey（NDNS）の数百人を対象にした分析では、この差は約30%と推定された
Nature Food の研究と単位ミスの訂正
- Nature Food の研究チームは、4歳から96歳までの人々から得られた既存の DLW 測定値6000件以上を使い、エネルギー消費の予測式を作成した
- 予測式は、性別、年齢、体重のように簡単に測定できる特性をもとに、個人のエネルギー消費量を推定する
- 研究チームはこの式を NHANES と NDNS の数千件の記録に適用し、報告されたエネルギー摂取量が予測範囲と合っているかを確認した
- 当初の結果では、NHANES の成人記録の50%以上、NDNS の記録の60%以上が予測範囲を下回っているとされた
- たんぱく質をより多く食べたと報告した人では、アンケートと DLW 測定の差がより大きかった
- その後、Nature Food の訂正告知は、研究チームがエネルギー消費予測式を適用し、食事調査で報告された摂取量と比較する過程で、エネルギー単位を誤って使用していたと明らかにした
- 式の出力は megajoule 単位だったが、総エネルギー消費量の値に kilojoule 単位の値が誤って入力されていた
- この誤りにより、過少報告の規模が過大評価された
- 修正後の誤報告率は**約27%**である
- Walter Willett は、この訂正は「相当かつ重要な訂正」であり、新しい結果はエネルギー摂取の過少報告について既に知られていることと一致すると述べた
研究の解釈をめぐる意見の違い
- 研究の共著者である John Speakman は、多くの栄養疫学研究が食事曝露と疾患アウトカムを結び付けようとしているが、基盤となるデータは非常に疑わしいと見ている
- 彼は、特定の食品がある月には糖尿病やがんと関連付けられ、翌月には無関係になるといった相反する栄養研究の結果を説明する上で、この問題が役立つ可能性があると推測している
- Samantha Kleinberg は、NHANES データに依存する研究が多いため、今回の研究は重要だと見ている
- 他の研究者もこの予測式を使って自分たちのデータセットを点検できる
- ただし論文自体も、アスリートや妊娠中の人のように通常とは異なるエネルギー需要を持つ人には性能が低くなる可能性があり、誤報告を間接的にしか検出しないと明記している
- Walter Willett は、この研究は「flawed」だと評価している
- DLW 測定はエネルギー摂取を正確に示せない
- DLW の値は個人の中でも時間によって変動し、食事の変化や身体活動に敏感である
- 適切に実施された研究において、食事と疾患の関連を歪めたり食品政策を崩したりするほど、誤報告の問題は深刻ではないと見ている
- 食品政策は複数の科学的根拠に基づいていると見ている
- NHANES を監督する U.S. National Center for Health Statistics は、食事調査の過少報告はよく知られた問題だが、NHANES データは依然として「valuable and important」だと述べている
- 食事面接担当者への集中的な研修など、高品質なデータを確保するための措置を取っている
- 研究者がデータの分析方法を学べるチュートリアルを提供している
- Lindsay Jaacks は、食事調査は依然として利用可能な最善のデータだと見ている
- DLW は、人々がアンケート回答で何を省いたのかを教えてくれないため、疫学者にとっては限定的である
- 抜け落ちた食品や飲料が、超加工食品、果物、ランチミート、ヨーグルト、砂糖入りミルクコーヒーのどれなのかは分からない
- 人々が各食品の量を過小評価していたのかどうかも、今後の研究が必要な領域である
アンケートを補完しようとする新しい測定方法
- 多くの研究者が、栄養疫学をアンケート依存から脱却させる、あるいは少なくとも追加測定で補完する方法を開発している
- Speakman の研究チームは、参加者が毎食を撮影し、研究者やコンピュータプログラムが内容を推定する写真による食事日記を試している
- この方法は不正確で、参加者の規律にも依存する
- 別の研究者たちは、参加者の摂取を追跡するためにウェアラブルカメラを試験している
- Kleinberg と同僚は、動作センサーと音声センサーの利用を探っている
- Gary Frost の研究チームのようなグループは、誰かが特定の食品をどれだけ食べたかを示し得る尿バイオマーカーを探している
- 現時点で、アンケート調査が達成している規模で展開できる準備が整った方法はない
- Frost は、今回の予測式のようなツールは、研究者が誤報告の規模を推定し、研究論文に含める助けにはなり得ると見ている
1件のコメント
Hacker Newsのコメント
Google AIとSnapCalorieでこの分野を長く研究してきましたが、人々が目分量で1人前の量を当てる能力にどれほど自信を持っているか、そして実際にはどれほど外しているかは興味深いです。
CVPRで発表した論文によると、一般の人は平均53%、訓練を受けた専門家でも**40%**ほど外れます。より高い精度が必要なら、食品用はかりや体積を測る道具が必要で、人は視覚だけでは1人前の量をうまく推定できません。
油、調理用脂肪、隠れた材料を気にすることが多いですが、実際の記録誤差にはそれらよりも1人前の量のほうがはるかに大きく影響します。詳しい誤差分解は、私たちが発表したNutrition5kの論文を見るとよいです。
糖尿病患者にとって外食は常にサイコロを振るようなもので、食後血糖値という「楽しい」フィードバックは、皿を目分量で見ることがまったく役に立たないことをいつも思い出させてくれます。
結局、人々に紙を渡して「昼食にグリルドチーズサンドイッチ」と書かせるのは、研究品質のデータをスケーラブルかつ信頼できる形で集める方法ではありませんでした。
USDAと一緒に食品記録データセットも作りました: https://agdatacommons.nal.usda.gov/articles/dataset/SNAPMe_A...
そうすると、普段の食事や間食にどれくらいのカロリーが含まれているか、ずっとよく感覚がつかめるようになります。
コツは包装重量を確認し、容器を同じ量のN個に分けることです。つまり、まず目標とする1人前のサイズを決め、それに合わせて分けます。
「バター1オンスを量れ」という課題なら、現実的に40%ずつ外れることはありません。1ポンドの直方体のバターを繰り返し半分に分けるのは、非常に正確にできるからです。鶏肉でも、買ったパックに入っている同じような大きさのN切れの総重量が分かっていて、そのうち1切れを丸ごと調理したので、皿に載った量はかなりよく分かります。
家ではほとんどの食品を量り、たまに外食するときだけ量と材料を推定するなら、個人ごとの過小評価率を推定して補正できます。
私たちのスタートアップBODYSIM.comもこの分野を長く研究してきました。創業者は全員、16か月以上にわたってキッチンスケールベースの日次食品記録を行い、それを毎日のBIA体重計測定、フィットネストラッカーのカロリー、隔週の血液検査、月次のDEXA、3Dスキャンなどと照合しています。
また、主要栄養素バランスと筋肥大に関する科学ベースの構造モデルがあり、TDEE、つまり総1日エネルギー消費量とその構成要素を非常に高い確信度で推定し、脂肪量と筋肉量の日ごとの変化を予測できます。これは実際の数学と科学なので逆方向にも回せますし、この「同時性制約」のおかげで、外食時のユーザー別の過小評価や食べ過ぎを推定できるほど十分な制約があります。実際、そういう日はそもそも記録しないほうがよく、私たちが埋められます。ただ、このような定量化された自己追跡データが同時に必要なので、広く使われていないようです。
「すべてを追跡して量る」という人たちは、自家製ソース、調理時間が違う食材、時間が経って減っていく残り物の栄養素、一緒に食べる料理から何度も取り分けた量、栽培方法や品種の違いをどう扱っているのか気になる
一人暮らしで、主に包装食品やクローンのように見える生野菜を食べていた頃は簡単だったかもしれないが、今のように食事を分け合い、バーコードのない原材料で料理をたくさん作り、レシピなしで目分量で味付けするようになってからは、うまく合わない感じがする
オリーブオイル1オンスは250キロカロリーだが、赤身のタンパク質1オンスはたいてい30〜50キロカロリーで、緑色野菜1オンスは実質ほとんどカロリーがない
だから油や味噌のように熱量の大きい材料は厳密に量るべきで、たいていのタンパク質や炭水化物も同じ。種子類やトマトソースもある程度カロリー密度があるので量ったほうがよいが、優先順位は低い
マスタード、レモン汁、砂糖の入っていない大半のスパイス、玉ねぎ、きゅうり、パセリは、大量に使わない限り「無料」と見なしてよい。マスタード、レモン、玉ねぎ、きゅうり、パセリのせいで太った人はいない
ビタミンのような微量栄養素は家庭の台所で実質的に測定するのが難しく、心配ならビタミン・ミネラルのサプリを使えばよい。一方でタンパク質・炭水化物・脂肪のような多量栄養素は、残り物であっても普通はカップ、スプーン、はかりでおおよそ量れる
複数人で分ける料理を厳密に追跡したいなら、大きな鍋ひとつで煮込むより、タンパク質、炭水化物、ソース、脂肪をそれぞれ皿や器に分けて盛り、組み合わせるほうが簡単
多くの人にとってこれは、1人前は大きくあるべきだとか、空腹ならすぐ解決すべきだとか、常に「満腹」の状態であるべきだという学習された考えを乗り越えるのに効果的。完璧ではなく、摂食障害の既往がある人には勧めないが、1〜2か月やってみると食事、とくに間食の見方が本当に変わる
自家製ソースは数えない。ソースはシンプルに作って少しだけ使い、体脂肪率10%未満を目指しているわけでもない
調理時間の差は生の食材基準で数えるか、追跡アプリにあれば調理後基準で数える。超精密である必要はない
残り物の栄養素の減少は気にしない。カロリー値自体がどうせ推定値であり、科学というより、おおまかな摂取カロリーを調整する心理ゲームに近い
複数人で食べる料理は、自分が作ったなら全体を計算したうえで自分の取り分を推定する。友人が作ってくれたなら、そもそも気にせず「適量」だけ食べるようにする
きゅうりの品種や栽培方法の違いも、さほど重要ではない可能性が高い。重量基準ではきゅうりはきゅうりにすぎず、完璧ではなく、おおまかなカロリー感覚を得ようとしているだけ
1日単位ではなく月単位に集中し、食べるときではなく買うときにカロリーを数えればよい。たとえば食パン1斤が1枚100カロリーで17枚入りなら、その月のカロリー合計に1700を足す
月末には、その月に買ったカロリー総量を日数で割って、平均的な1日あたりのカロリーをおおよそ求められる
食品によっては翌月まで残って変動が生じるが、長い期間では相殺される。カロリーの大きい品目は論理的に分けて計上すれば、よりなだらかになる
たとえば数か月もつマヨネーズ1瓶が8000カロリーなら、買った月に全部8000を入れるのではなく、その月に2000、その後3か月にそれぞれ2000ずつ入れられる
減量期にはより重要で、維持期にはそれほど重要ではない
大半は推定ゲームであり、あとで平均的につじつまが合うだろうという仮定に依存している。スパイスは無視してよい。1日25カロリーと見積もっても、多めに見積もりすぎかもしれない
油はきちんと量るべき。1gあたり9カロリーはすぐ積み上がる
それでも1日100カロリーを見逃していて、記録上は500カロリーの赤字なら、それでも週に0.8ポンド程度は減るはず。一貫性があるなら、量を調整し、自分の記録方法に合わせていけばよい
重要なのは、栄養情報は変動するものだと認めること。完璧には合わせられないので、不完全さを補正すればよい
代わりに丸ごとの野菜と果物を食べた回数を数え、それを最大化してみることを勧める。痩せるために、むしろ最大化するのだ
この小さな食品カテゴリだけを追跡するほうがはるかに簡単で、これを増やすと自然に満腹感が生まれ、甘いものを食べる量が減る。ただし一晩で食生活を劇的に変えると、その過程が嫌になって諦めてしまうので、ゆっくり進めるべき
週あたり10%未満の範囲で食事を変え、好きな罪悪感のある食べ物も食べ続けつつ、楽しめる健康的な食べ物をさらに取り入れるのがよい。可能なら、あまり健康的でないものを食べる前に先に食べて、満腹感が出てくる時間を与えるとよい
ピザを食べるなら、先にサイドサラダを食べるか、野菜ピザを選ぶこともできる。旅路がもっと進むまでは、ピザを完全に断とうとしなくてもよい
ストレスを受けずに、こうした小さな変化を継続的に見つけていけば、長期的には正しい方向へ進み、味覚も慣れていなかった食べ物をゆっくり楽しめるように適応する
多くの人は資源と純粋に感情的な関係を結んでいて、論理ではなかなか突破できないように見える。食べ物と家計は似ている。
何年もの間、妻に週ごとの食料品予算を守ってもらおうとしたが、毎回大きく超過していた。「この食べ物は必要だった」とか「これは洗面用品だから食料品には含まれない」といった具合で、結局、食料品予算を守ることには成功しなかった。解決策は結局、より高い報酬の仕事に移ろうと努力することだった。
減量もこれとよく似ている。摂取カロリー→消費カロリーは概念としては非常に単純だが、実際には大半の人が苦労する。概念を理解できないからではなく、実行でつまずくのだ。自分をだまし、哲学的な詭弁を作り、たいていは欲求に屈する。食べ物の獲得は最も基本的な衝動の一つなので、人々がそれを知的に制御するのを難しく感じるのは驚くことではない。
代謝が違うとか、すべてのカロリーが同じではないという理由で、CICOは間違っていると信じている人もいる。どちらも事実だが、前提を否定するものではない。どんな代謝であれ、どんな種類のカロリーであれ、より少ないカロリーは依然として体重減少をもたらす。同じ結果のために、ある人は少ない努力で済むというのは不公平に感じられるかもしれないが、人生のあらゆる領域が実際そうでもある。もちろんカロリーの質を改善することも非常に重要で、無視すべきではないが、それも前提を否定するものではない。
家やパントリーの品物は、使用量や習慣の変化に応じてそれぞれ奇妙な補充サイクルを持っており、月単位のリズムは価格変動をめぐる計画も非効率にする。
達成可能な目標は月平均の食料品支出を減らすことで、その方法は、家にもう備蓄しないもの、より安い代替品に替えるもの、倉庫型店舗で買うものをあらかじめ決めることだ。
人々が運転を減らさなければ、ガソリン予算を下げるのは難しい。妻が給油役を担っているだけなら、彼女は伝達者だ。感情的な反応かもしれないが、「ルールを曲げる」行動が、不可能な要求をどうにか実行可能にしようとする方法である可能性も考えるべきだ。意識しているかどうかにかかわらず、「計算に入れない」品物は毎月交換されるわけではなく、費用パターンもばらつくはずだ。
空腹の問題を除いても、食べ物には栄養価とは無関係で、社会心理的な価値に関わるさまざまな意味が絡み合っている。
自分の人生でも、これを大きく過小評価していたか、その意味を誤解していたように思う。実際に作用する仕組みは、人々が考えるよりはるかに広範で微妙だ。間違っているという意味ではなく、意味のある報酬になっている何かを突然奪うのは難しく、特にそれを意識していないときはなおさら難しい。
生徒が動機不足、退屈な練習、腰痛、反復使用症候群、練習方法の変更について話しても、「練習量がそのまま実力だ」とだけ答えるようなものだ。何が理解しにくいのか、という態度である。
楽器を上達させるには時間をかける必要があることは誰もが知っている。同じように、減量したい人の中で、食品群を通って流れるエネルギー保存を否定する人はそれほど多くないだろう。
本当に合理的に助けたいなら、効果のある方法を使うべきだ。砂糖を断つ、肉を断つ、断続的断食、カロリー計算など、何であれ効果があればよい。なぜ実行できなかったのかも聞かずに、先週10時間の練習に失敗したと小声で指摘することではない。
摂取/消費だけを語る人たちは、この単純な概念を知的に受け入れるのに苦労しているように見える。
何を食べるか、どう調理したか、いつ食べるかが、空腹感、運動するエネルギー、衝動への抵抗力、栄養素摂取に伴う生理状態に複雑に影響する。
CICOは体重管理の問題を事後的に説明するには役立つが、計画を立てたり、体重管理の目標に向かう間の生活の質を維持したりするには不十分だ。
このメンタルモデルは、あちこちに明らかな余剰があるのに資源をつかんで蓄えようとする行動などを理解するのに役立つ。
MyFitnessPalでカロリー計算をしてみると、本当にものすごい労力がかかる。外食すれば実質的に終わりで、せいぜい推定値にしかならない。
ソースや油まで含めると、最良の状況でも正確にするのは難しく、継続して管理するのも面倒だ。最良の選択は、計算する必要がないように避けることかもしれない。
研究では、ほとんど全員が善意であっても、どこかの時点で悪いデータを入れることになりそうだ。
特別な流行の食事法は必要なく、食べるものをすべて記録しようとする行為そのものが、「これは食べる必要がなさそうだ」と立ち止まって考えさせる。
家で炒めたセルタス [1]？ 家で蒸した Marble goby [2]？ 方法がない。あるのは箱入りマカロニ・アンド・チーズの栄養情報だけだ。
[1] https://en.wikipedia.org/wiki/Celtuce
[2] https://en.wikipedia.org/wiki/Oxyeleotris_marmorata
特定のレストランでいつも同じものを食べるなら、最初はその食事のカロリーをできる限り推定し、平均体重が望む方向に動かなければ目標カロリーを調整して補正できる。
家庭料理のカロリーを推定するのがあまりに嫌で、どうせ不正確な推定になると分かっていたからだ。
正確なカロリーが分からなければ少し高めに、およそ1.2倍で推定する。
人は何であれ自己申告が苦手です。運動、食事、性生活、身だしなみ、すべて同じです。弁護士や、誰かから話を引き出さなければならない人に聞けばわかります。
人に何かを尋ねる誰にとっても、これは基本前提であるべきです。科学者が、実験対象の中に正確に報告する集団がいると想像しているのだとしたら、それは科学者たちの驚くほどの世間知らずを示す例です。
それ以前は、さまざまな現象について人間の証言が情報を伝えるほぼ唯一の方法であり、忠実度の低さ、情報密度の低さ、解釈と再現の不安定さのために、信頼性はせいぜい限定的でした。
良い例が、アルブレヒト・デューラーの1515年のサイの木版画です。間接的な報告とスケッチに基づいて作られたため実物そっくりには見えませんが、胴体の分節、角、足指、目の様子といった特定の特徴は驚くほど正確に記録されています。参考: <https://en.wikipedia.org/wiki/D%C3%BCrer%27s_Rhinoceros>
アナログ記録も改ざんは可能でしたが、たいていは自然に見せるには労力と専門性が必要で、独立した記録を比較することで編集や変更を検出できました。
Photoshop以降、デジタル画像の改変が登場したことで、写真という「証拠」の証拠能力は次第に弱まりました。AIとスマートフォンの普及により、静止画や動画はほぼすべて、何らかの処理を受けています。AIを使えば、静止画、映像、音声、話し声や背景音まで、リアルタイムでそれらしい虚構を作り出せるため、一般人も専門家も混乱させられます。
結局、私たちの技術はかつてこの問題への解決策を提供していたにもかかわらず、今では、技術が介在する場合でさえ、むしろ特にその場合に、信頼性の低い作り話の報告の領域へ戻りつつあります。
教育システムで常識を注入することはできません。職業科学者の大半は平凡か、仕組まれたシステムの中で生き残ろうとしているだけです。
あるいは、現場で長く働いている研究者はすでにこれを知っていて、問題は研究を一般向けに単純化する側にあるのかもしれません。
コーヒーは良いのか、ワインやチョコレートはどうなのかに答えようとすると、遺伝、食事の時間、体力、座りがちな生活など、交絡変数は事実上無限にあります。
80/20問題に近く、80を処理したら20は忘れるくらいでよいでしょう。どうせ答えは得られません。
見た目にも体調が悪そうで、気分もいまひとつなら、たいていひどい食生活をしている可能性が高いです。見た目も体調も良いなら、たまのワイン一杯や夕食後のチョコレート一口が大きく影響することはないでしょう。
しかし、この種の研究には無作為ではない選択基準がいくつもあります。研究への関心、研究プロトコルの遵守、再報告する行為です。
栄養科学が本気になるなら、Nは数十人ではなく数万人であるべきです。費用はかかりますが、重要なことにはそれがまったく正しいやり方です。
これが大半の研究で実際に問題を引き起こしているのか気になります。
絶対的な食物摂取量が正確でなければならない研究なら問題になるでしょうが、私が目にする研究の大半は、まさにこの理由で相対的な表現を使っています。たとえば、同年代よりXを多くする人がYと相関する、というような形です。
朝のコーヒー消費が長寿と相関するかを見たい場合、記事が示唆するように誰もが食物摂取を少なく報告していると信じたとしても、あまり関係なさそうです。相対比較だからです。
もちろん、こうした結果は「Xが長寿の秘訣！」のような釣り見出しに歪められますが、それは食事研究そのものの問題というより、大衆向け科学報道の問題に近いです。
現実には、人は恥ずかしいと思うものは少なく報告し、その反対のものはむしろ多く報告することがあります。これは補正がはるかに難しいデータの欠陥です。
例に挙げた「朝のコーヒー」も、純粋なエスプレッソ一杯から600キロカロリー超のStarbucksの「コーヒー」まで何でもあり得るのに、メタ研究マシンは全部ひとまとめにしてしまいます。
Redditのコメント全体をChatGPTに食わせ、何かを尋ねたうえで、社会レベルで自分の健康を賭けてその答えを信じるのに似ています。
記事は実質的に、誰もが少なく報告していると言っているのであって、誰もが同じだけ少なく報告しているとは言っていません。そして、そうではない理由は十分にあります。
恥ずかしさが原因なら、自分の食習慣をより恥ずかしいと思っている人ほど多く過少報告するでしょう。人々が間食より食事のほうをよく覚えているなら、間食を多く食べる人は少ない人よりも多く過少報告するでしょう。追加で盛った分が最初の皿より忘れられやすいなら、過食しやすい食品はそうでない食品よりも多く過少報告されるでしょう。これほど体系的な歪みが多いなら、全員が均等に過少報告していると見るほうがむしろ驚きです。
ところが、その後の難しい作業へ進むことはほとんどありません。だから、どちらの方向にも相関を示す研究が山ほどあり、互いに矛盾する研究も山ほどあります。それでも私たちはこの状態に満足しているようです。栄養研究の現状は悲惨です。
だから、野菜は多く報告し、酒やタバコ、あるいは研究側が法的に警察へ通報しなければならないかもしれない違法薬物については言わないことがあります。自称ベジタリアンの人が食べた肉を報告しないこともあるでしょうし、太っている人がデザートを抜いたと報告することもあるでしょう。
睡眠研究を患者の自己申告に任せず、クリニックで行う理由がこれです
正確なデータが欲しいなら、本物の研究をしなければならず、研究者が直接食事の量を割り振り、スケジュールも提供する必要があります
参加者にすべての食事と間食を提供し、場合によっては数週間から数か月にわたって監視を続けることもあります
https://pubmed.ncbi.nlm.nih.gov/39134209/
当然ながら、この種の研究は古典的な「質問票に記入する」観察研究よりはるかに侵襲的で費用もかかるため、まれです。それでも存在しており、結果も非常に有用です
広く引用される栄養質問票ツールに Nurses' Health Study がありますが、これは数多くの使い捨て的な栄養クリックベイト結果の基盤になりました。この質問票ベースの観察研究は、肉が体に悪いことも良いことも証明するために使われ、人工甘味料が痩せることも太ることも証明するために使われました。「ときどき過去の期間に何を食べたか思い出してみてください」という単一の質問票が、栄養科学における膨大なノイズの根源です
私の経験上、人々は酒のカロリーを特にうまく理解していません
炭水化物とタンパク質は通常1gあたり4キロカロリーで、アルコールは1gあたり7キロカロリーです。脂肪だけが1gあたり9キロカロリーで、よりエネルギー密度が高いです
2000年代に低炭水化物食品ブームが大きくあり、Bacardi が自社のラムに炭水化物が含まれていない点を前面に出した人気広告を打っていたのを覚えています。実際には、香り付けされていない蒸留酒はすべて炭水化物を含まず、それでもカロリーは非常に高いのに、体重を気にする人にとってより賢い選択であるかのようにマーケティングしていました
木材のカロリーを測るのに似ています。よく燃えるのでカロリーは高いですが、うまく代謝されるわけではありません。木片は約400kcal/100gです
エタノールは1325kJ/molのエネルギーを持っています。しかし代謝経路の途中で反応が止まると、飲酒後に酢酸が尿として排出されるため、アルコールから得られるエネルギーははるかに少なく、215.1kJ/molにすぎません
https://en.wikipedia.org/wiki/Pharmacology_of_ethanol#Metabo...
人は自分自身に関する大半のことをうまく報告できない、というのは一般に知られた事実だと思っていました
実際に厳密な研究を行うには客観的である必要があるので、ウェアラブルやその他のスマートモニターを支持する良い根拠になります