Estimativas de refeições e fotografias
Saiba o que uma descrição ou imagem de comida pode revelar, o que permanece invisível e que detalhes tornam um registo aproximado de refeição mais útil.
Ler o método das refeições →Métodos
Saiba o que entra numa estimativa.
Algumas entradas do seu diário pessoal de bem-estar vêm diretamente do que reporta. Outras incluem estimativas de IA, baseadas em fórmulas ou de fontes ligadas. Estas páginas mostram-lhe quais são quais.
Cada método indica as entradas, a ordem das fontes, os dados em falta e os limites que podem afetar o resultado.
Visão geral dos métodos · Cerca de 3 min de leitura
Entradas, ordem das fontes, dados em falta e limites
Explicamos a informação que pode alterar materialmente uma estimativa visível, para que possa decidir quanto peso lhe dar.
Explicações atuais
Duas estimativas comuns, dois problemas diferentes.
A nutrição das refeições começa com informação incerta sobre alimentos e porções. O gasto diário começa com uma estimativa reportada por wearable ou uma equação populacional. Ambos exigem rótulos e revisão cuidadosos.
Gasto energético diário
Reveja a prioridade da fonte WHOOP, o fallback Mifflin–St Jeor, os fatores de atividade, um exemplo prático e as regras de cobertura de períodos.
Ler o método da energia →Alterações aos métodos
Cada método detalhado inclui uma versão e uma data de revisão, tornando mais fácil encontrar alterações significativas a um cálculo visível.
Regras partilhadas
O que estimativas transparentes lhe devem dizer.
Os detalhes variam consoante a funcionalidade, mas as perguntas mantêm-se consistentes.
01O que entrou?
Detalhes do utilizador, uma imagem, um valor de perfil ou dados ligados.
02O que veio primeiro?
A regra de prioridade de fonte usada quando existem vários valores.
03O que faltava?
O método indica se os valores em falta são excluídos, indisponíveis ou integrados num total apresentado.
04O que pode correr mal?
Erro individual, dados incompletos e casos de utilização não suportados.
Um limite deliberado
Uma fórmula não é uma medição.
As equações publicadas podem ser úteis para contexto geral, mesmo sendo materialmente erradas para um indivíduo. Os valores de wearables ligados também são estimativas baseadas em modelos.
Revisão do utilizador
A correção pertence ao fluxo de trabalho.
A IA pode interpretar mal alimentos, quantidades e linguagem comum. Quando um valor é importante, verifica a fonte, acrescenta mais detalhe e corrige o registo guardado.
Usa estimativas com os respetivos limites.
Lê o método, verifica a cobertura e trata o resultado como contexto — não como certeza.