A napló akkor használható, ha belefér a napodba.
Az étkezési önmegfigyelés során feljegyzed, mit fogyasztottál, majd visszanézheted a mintákat. Egy 59 vizsgálatot összegző áttekintésben a részletes és az egyszerűsített naplózást használó életmódprogramok többsége is kedvező testsúlyváltozást mutatott a kontrollcsoporthoz képest. A módszerek jelentősen eltértek. Ebből nem állapítható meg egyetlen, mindenkinek legjobb naplózási forma.
Egy 2021-es áttekintés 39, túlsúllyal vagy elhízással élő felnőtteket bevonó vizsgálatot foglalt össze. Az étkezést, a mozgást vagy a testsúlyt digitális eszközökkel követték. A digitális önmegfigyelés gyakorisága a 68 elemzett összefüggésből 50-ben (74%) nagyobb fogyással társult. Ez nem bizonyítja, hogy a gyakoribb naplózás önmagában okozta a fogyást.
Az Oregano Prime ezért fotót, szöveget és diktálást is fogad. Ezek kényelmi lehetőségek. Azt, hogy az alkalmazás mennyi időt takarít meg, és mennyire segíti a tartós naplózást, külön kell mérni.
A használati teher csökkentése külön figyelmet érdemel.
Egy 2025-ös, 39 vizsgálatot összegző áttekintésben a ráfordított idő és a technikai nehézségek visszatérő akadályok voltak. Az egyszerűség, a személyre szabott visszajelzés, a rendszeres kapcsolattartás és a támogatás segítő tényezőként jelent meg. Ez főként élő, távoli testsúlykezelő programokat vizsgált, így az eredmény részben vihető át egy önálló appra.
A fotó kiindulópont. A pontosítás értékes adat.
Egy 2025-ös vizsgálat 52 ételfotón hasonlított össze három nyelvi modellt. A két jobban teljesítő modell energiaérték-becslésének átlagos abszolút százalékos hibája is körülbelül 36% volt. A nagyobb adagokat rendszeresen alábecsülték. Ez a vizsgált modellek eredménye, nem az Oregano Prime hibaaránya.
Egy másik vizsgálat 195 ételt értékelt eltérő mennyiségű háttéradattal. A csak képet használó becslés átlagos abszolút energiahibája 123 kcal volt. Részletes hozzávaló- és mennyiségadatokkal 53 kcal-ra csökkent. A referenciaadatok minősége eltért, és a tanulmány nem valódi felhasználók javítási folyamatát tesztelte. Mégis jelzi, hogy a képen nem látható információ számít.
Az Oregano Prime-ban megnézheted, mit értett az alkalmazás, és szavakkal javíthatod az eredményt. A jóváhagyás a megjelenített becslés elfogadása. Nem teszi azt laboratóriumi méréssé.
[2] Fridolfsson és mtsai. (2025) [3] Rodríguez-Jiménez és mtsai. (2025)
A felismerés és a számítás külön feladat.
Az étel felismerése, az adag meghatározása és a tápérték kiszámítása külön hibaforrás. A DietAI24 kutatásban a képi felismerést külső élelmiszer-adatbázissal kapcsolták össze. A vizsgált adathalmazokon ez több összehasonlított módszernél kisebb hibát adott. A kutatás főként amerikai ételekre épült, és nem az Oregano Prime-ot értékelte.
Az Oregano Prime felhasználja az elérhető címke- és adatbázisadatokat. Az összesítéseket a rendszer számolja a mennyiségekből és a tápértékadatokból. Ha nincs megfelelő adatforrás, becslés marad. A követhető számítás megmutatja az eredetet, de önmagában nem javít ki egy téves ételt vagy adagot.
A személyre szabás többet adhat az általános tanácsnál.
A Food4Me európai vizsgálatban az étrendhez igazított tanács hat hónap alatt több étrendi mutatóban kedvezőbb változást eredményezett az általános tanácsnál. A vizsgálatot 1269 ember fejezte be. Genetikai és egyes további személyes adatok hozzáadása nem javította tovább egyértelműen az eredményt. Ez személyre szabott táplálkozási program volt, nem generatív AI-coach* vizsgálata.
Az Oregano Prime a rögzített étkezéseidet és a saját célodat használja a visszajelzéshez. A választott csomag AI-értékelést vagy emberi dietetikusi tanácsadást tartalmazhat. A két szerepet külön jelöljük.
A több üzenet önmagában nem elég.
A SMARTER vizsgálat 502 résztvevőjénél a naplózás mellé adott személyre szabott napi üzenetek 12 hónap alatt nem eredményeztek szignifikánsan nagyobb fogyást a naplózó összehasonlító csoportnál. Minden résztvevő kapott induló tanácsadást és digitális eszközöket.
Egy 2024-es áttekintés 19 vizsgálat, összesen 3261 résztvevő adatait értékelte. A visszajelzés a fizikai aktivitást vizsgáló összehasonlítások összesítése alapján kis mértékű előnyt mutatott. Az eltérő módszerek miatt a testsúly és az étrend eredményeit nem lehetett ugyanígy összegezni. Az emberi és az algoritmus által készített visszajelzés összehasonlítása vegyes eredményeket adott. Ezek a vizsgálatok nem igazolják a generatív AI-coach* vagy az Oregano Prime hatásosságát.
Ezért a coachnál a tartalom és a megtehető következő lépés is számít. Az Oregano Prime háromnapos gyakorisága termékdöntés. Külön vizsgálat nélkül nem állítható, hogy jobb más ütemezésnél. A tanács a napló aktivitásától, a naplezárástól és a friss dietetikusi iránymutatástól is függ.
A használható AI-tanácshoz a háttér is számít.
Egy 2026-os JMIR-vizsgálat 30 szimulált, visszatérő vesekövességgel kapcsolatos esetben hasonlította össze ugyanannak a GPT-5.1 modellnek kétféle használatát. A szakmai irányelvekre és rendezett esetadatokra épített StoneAgent javaslatait három, a válaszok eredetét nem ismerő szakértő értékelte. Ezek a javaslatok jobban követték az irányelveket, és gyakorlatban használhatóbbnak bizonyultak az általános modellhasználat válaszainál. Az előny akkor is megmaradt, amikor az eseteket hétköznapi kérdések formájában adták meg.
Az Oregano Prime-ban a visszajelzés a naplózott étkezésekre, a célkitűzésedre és az elérhető dietetikusi iránymutatásra épül. Így az AI-coach* a saját helyzetedhez kapcsolódó következő lépéseket adhat.
A saját célodhoz válassz étrendet és időbeosztást.
A DIETFITS vizsgálatban 609, cukorbetegség nélküli felnőtt kapott egészséges, csökkentett zsír- vagy szénhidráttartalmú étrendet támogató programot. A két csoport testsúlyváltozása között 12 hónap után nem volt szignifikáns különbség. Mindkét csoport 22 oktatási alkalmon vehetett részt. Ez nem bizonyítja, hogy minden étrend egyformán megfelelő.
A 2026-os Cochrane-áttekintés 22 vizsgálat és 1995 ember adatait értékelte. A szokásos étrendi tanácshoz képest az időszakos böjt kevés vagy semmilyen különbséget jelenthet a fogyásban. Több eredmény bizonyossága alacsony, a követés legfeljebb 12 hónapos volt.
Az Oregano Prime-ban rögzítheted a célodat és a választott böjtrendet. Az időzítő a beállított tervet követi. Nem méri a szervezeted élettani állapotát, és nem ígér a böjttől külön eredményt.
A követés visszajelzést ad.
Egy 18 randomizált vizsgálatot összegző áttekintés szerint a vízfogyasztás megváltoztatásának bizonyos helyzetekben lehet előnye. A testsúlyt vizsgáló tanulmányok száma kicsi volt, és eltérő csoportokat, beavatkozásokat használtak. Ebből nem következik mindenkire érvényes vízmennyiség vagy a víznapló önálló fogyasztó hatása.
Az Oregano Prime azt mutatja meg, mennyi vizet rögzítettél. Ez nem a teljes folyadékbeviteled vagy a hidratáltságod mérése.
A rendszeres testsúlymérés egy több elemből álló viselkedésváltoztató program részeként hasznos lehet. Egy metaanalízisben az önmérés önálló hatását csak egy vizsgálat értékelte; ott nem igazolódott egyértelmű előny. Az Oregano Prime elegendő mérés mellett simított trendet is mutat. Ez a változás áttekintését szolgálja, nem önálló kezelés.
Egyszer főzni, több étkezésre tervezni.
Egy 40 554 francia felnőttet vizsgáló kutatásban az étkezések előzetes tervezése jobb étrendminőséggel és nagyobb változatossággal társult. A vizsgálat megfigyeléses volt: nem bizonyította, hogy a tervezés okozta a különbséget. Nem a nagy adagban főzés vagy egy alkalmazás adagkezelésének hatását mérte.
Az Oregano Prime-ban a korábbi és elmentett ételek már újra felhasználhatók. A főzött mennyiség önálló mentése és a később elfogyasztott adag arányos naplózása tervezett fejlesztés. Ez külön feladat az étkezés másolásától.
Források
- Raber és mtsai. (2021). A systematic review of the use of dietary self-monitoring in behavioural weight loss interventions
- Fridolfsson és mtsai. (2025). Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images
- Rodríguez-Jiménez és mtsai. (2025). Image-Based Dietary Energy and Macronutrients Estimation with ChatGPT-5
- Yan és mtsai. (2025). DietAI24 as a framework for comprehensive nutrition estimation using multimodal large language models
- Celis-Morales és mtsai. (2017). Effect of personalized nutrition on health-related behaviour change: the Food4Me European randomized controlled trial
- Burke és mtsai. (2022). The Effect of Tailored, Daily, Smartphone Feedback to Lifestyle Self-Monitoring on Weight Loss at 12 Months: the SMARTER Randomized Clinical Trial
- Wang és mtsai. (2026). Evaluating a Guideline-Integrated Clinical Interaction Framework Vs a Standard Large Language Model Interaction for Dietary Recommendations in Recurrent Urolithiasis: In Silico Study
- Gardner és mtsai. (2018). The DIETFITS Randomized Clinical Trial
- Garegnani és mtsai. (2026). Intermittent fasting for adults with overweight or obesity
- Hakam és mtsai. (2024). Outcomes in Randomized Clinical Trials Testing Changes in Daily Water Intake
- Madigan és mtsai. (2015). Is self-weighing an effective tool for weight loss: a systematic literature review and meta-analysis
- Ducrot és mtsai. (2017). Meal planning is associated with food variety, diet quality and body weight status in a large sample of French adults
- Whitehall és mtsai. (2025). A systematic review of influences on engagement with remote health interventions targeting weight management for individuals living with excess weight
- Patel és mtsai. (2021). Self-Monitoring via Digital Health in Weight Loss Interventions: A Systematic Review Among Adults with Overweight or Obesity
- Krukowski és mtsai. (2024). Impact of feedback generation and presentation on self-monitoring behaviors, dietary intake, physical activity, and weight: a systematic review and meta-analysis