Dnevnik je koristan kad se uklapa u tvoj dan.
Kod samopraćenja prehrane bilježiš što si pojeo ili pojela, a zatim možeš pregledati obrasce. U pregledu 59 istraživanja većina programa zdravog načina života s detaljnim ili pojednostavljenim bilježenjem pokazala je povoljniju promjenu težine od kontrolne skupine. Metode su se znatno razlikovale. Iz toga se ne može utvrditi jedan oblik bilježenja koji je najbolji za sve.
Pregled iz 2021. obuhvatio je 39 istraživanja s odraslima koji imaju prekomjernu težinu ili pretilost. Prehrana, tjelesna aktivnost ili težina praćeni su digitalnim alatima. Učestalost digitalnog samopraćenja bila je povezana s većim gubitkom težine u 50 od 68 analiziranih povezanosti (74 %). To ne dokazuje da je samo češće bilježenje uzrokovalo gubitak težine.
Zato Oregano Prime prihvaća fotografiju, tekst i diktiranje. To su mogućnosti za udobnost. Koliko vremena aplikacija štedi i koliko pomaže u trajnom bilježenju treba mjeriti zasebno.
Smanjenje napora korištenja zaslužuje posebnu pažnju.
U pregledu 39 istraživanja iz 2025. potrebno vrijeme i tehničke poteškoće bile su prepreke koje se ponavljaju. Jednostavnost, personalizirane povratne informacije, redoviti kontakt i podrška pojavili su se kao čimbenici koji pomažu. Pregled je uglavnom proučavao programe za upravljanje težinom koji se vode uživo na daljinu, pa se rezultat samo djelomično može primijeniti na samostalnu aplikaciju.
Fotografija je polazište. Ispravak je vrijedan podatak.
Istraživanje iz 2025. usporedilo je tri jezična modela na 52 fotografije hrane. I kod dva uspješnija modela srednja apsolutna postotna pogreška procjene energetske vrijednosti bila je oko 36 %. Veće porcije redovito su podcjenjivali. To je rezultat ispitanih modela, a ne stopa pogreške aplikacije Oregano Prime.
Drugo istraživanje procijenilo je 195 jela s različitom količinom pozadinskih podataka. Srednja apsolutna energetska pogreška procjene samo sa slike bila je 123 kcal. Uz detaljne podatke o sastojcima i količinama smanjila se na 53 kcal. Kvaliteta referentnih podataka razlikovala se, a istraživanje nije testiralo postupak ispravljanja stvarnih korisnika. Ipak pokazuje da su važne informacije koje se ne vide na slici.
U aplikaciji Oregano Prime možeš vidjeti što je aplikacija razumjela i ispraviti rezultat riječima. Odobrenje znači prihvaćanje prikazane procjene. Ono je ne pretvara u laboratorijsko mjerenje.
[2] Fridolfsson i sur. (2025) [3] Rodríguez-Jiménez i sur. (2025)
Prepoznavanje i izračun su odvojeni zadaci.
Prepoznavanje jela, određivanje porcije i izračun nutritivne vrijednosti odvojeni su izvori pogrešaka. U istraživanju DietAI24 prepoznavanje slike povezano je s vanjskom bazom podataka o hrani. Na ispitanim skupovima podataka to je dalo manju pogrešku od nekoliko uspoređenih metoda. Istraživanje se uglavnom temeljilo na američkim jelima i nije procjenjivalo Oregano Prime.
Oregano Prime koristi dostupne podatke s deklaracija i iz baza podataka. Sustav izračunava zbrojeve iz količina i nutritivnih podataka. Ako nema prikladnog izvora podataka, vrijednost ostaje procjena. Sljediv izračun pokazuje podrijetlo, ali sam po sebi ne ispravlja pogrešno jelo ili porciju.
Personalizacija može dati više od općeg savjeta.
U europskom istraživanju Food4Me savjet prilagođen prehrani doveo je tijekom šest mjeseci do povoljnije promjene više prehrambenih pokazatelja od općeg savjeta. Istraživanje je završilo 1269 osoba. Dodavanje genetskih i nekih drugih osobnih podataka nije jasno dodatno poboljšalo rezultat. Bio je to program personalizirane prehrane, a ne istraživanje generativnog AI trenera*.
Oregano Prime za povratne informacije koristi tvoje zabilježene obroke i tvoj cilj. Odabrani paket može uključivati AI procjenu ili savjetovanje s ljudskim dijetetičarom. Te dvije uloge označavamo zasebno.
Više poruka samo po sebi nije dovoljno.
U istraživanju SMARTER s 502 sudionika personalizirane dnevne poruke uz bilježenje nisu tijekom 12 mjeseci dovele do značajno većeg gubitka težine nego u usporednoj skupini koja je također bilježila. Svi sudionici dobili su početno savjetovanje i digitalne alate.
Pregled iz 2024. procijenio je podatke 19 istraživanja s ukupno 3261 sudionikom. Povratne informacije pokazale su malu prednost u objedinjenim usporedbama tjelesne aktivnosti. Zbog različitih metoda rezultati za težinu i prehranu nisu se mogli objediniti na isti način. Usporedbe povratnih informacija koje izrađuju ljudi i algoritmi dale su mješovite rezultate. Ta istraživanja ne dokazuju učinkovitost generativnog AI trenera* ni aplikacije Oregano Prime.
Zato je kod trenera važan i sadržaj i sljedeći korak koji možeš ostvariti. Učestalost od tri dana u aplikaciji Oregano Prime je odluka o proizvodu. Bez posebnog istraživanja ne može se tvrditi da je bolja od drugog rasporeda. Savjet ovisi i o aktivnosti dnevnika, zaključivanju dana i novim smjernicama dijetetičara.
Za koristan AI savjet važna je i podloga.
Istraživanje JMIR iz 2026. usporedilo je dva načina korištenja istog modela GPT-5.1 u 30 simuliranih slučajeva ponavljajućih bubrežnih kamenaca. Tri stručnjaka, koji nisu znali podrijetlo odgovora, procijenila su preporuke sustava StoneAgent, izgrađenog na stručnim smjernicama i strukturiranim podacima o slučajevima. Te su preporuke bolje slijedile smjernice i bile korisnije u praksi od odgovora općeg korištenja modela. Prednost je ostala i kad su slučajevi zadani u obliku svakodnevnih pitanja.
U aplikaciji Oregano Prime povratne informacije temelje se na zabilježenim obrocima, tvom cilju i dostupnim smjernicama dijetetičara. Tako AI trener* može dati sljedeće korake povezane s tvojom situacijom.
Za svoj cilj odaberi prehranu i raspored.
U istraživanju DIETFITS 609 odraslih osoba bez šećerne bolesti dobilo je program koji podupire zdravu prehranu sa smanjenim udjelom masti ili ugljikohidrata. Nakon 12 mjeseci nije bilo značajne razlike u promjeni težine između dviju skupina. Obje su skupine mogle sudjelovati na 22 edukacijska susreta. To ne dokazuje da je svaka prehrana jednako prikladna.
Cochraneov pregled iz 2026. procijenio je podatke 22 istraživanja i 1995 osoba. U usporedbi s uobičajenim prehrambenim savjetom, povremeni post može donijeti malu ili nikakvu razliku u gubitku težine. Pouzdanost više rezultata je niska, a praćenje je trajalo najviše 12 mjeseci.
U aplikaciji Oregano Prime možeš zabilježiti svoj cilj i odabrani režim posta. Mjerač vremena slijedi postavljeni plan. Ne mjeri fiziološko stanje tvog tijela i ne obećava poseban rezultat od posta.
Praćenje daje povratnu informaciju.
Prema pregledu 18 randomiziranih istraživanja, promjena unosa vode u nekim situacijama može imati prednosti. Broj istraživanja o težini bio je malen, a koristila su različite skupine i intervencije. Iz toga ne proizlazi količina vode koja vrijedi za sve, ni samostalan učinak dnevnika vode na mršavljenje.
Oregano Prime pokazuje koliko si vode zabilježio ili zabilježila. To nije mjerenje ukupnog unosa tekućine ni tvoje hidratacije.
Redovito vaganje može biti korisno kao dio programa promjene ponašanja s više elemenata. U jednoj meta-analizi samostalni učinak samovaganja procijenilo je samo jedno istraživanje; ondje nije potvrđena jasna prednost. Uz dovoljno mjerenja Oregano Prime pokazuje i izglađeni trend. To služi pregledu promjene, a nije samostalno liječenje.
Kuhati jednom, planirati za više obroka.
U istraživanju 40 554 odrasle osobe iz Francuske unaprijed planiranje obroka bilo je povezano s boljom kvalitetom prehrane i većom raznolikošću. Istraživanje je bilo opservacijsko: nije dokazalo da je planiranje uzrokovalo razliku. Nije mjerilo učinak kuhanja velikih količina ni upravljanja porcijama u aplikaciji.
U aplikaciji Oregano Prime već možeš ponovno koristiti ranija i spremljena jela. Zasebno spremanje skuhane količine i razmjerno bilježenje kasnije pojedene porcije planirana je funkcija. To je drukčiji zadatak od kopiranja obroka.
Izvori
- Raber i sur. (2021). A systematic review of the use of dietary self-monitoring in behavioural weight loss interventions
- Fridolfsson i sur. (2025). Performance Evaluation of 3 Large Language Models for Nutritional Content Estimation from Food Images
- Rodríguez-Jiménez i sur. (2025). Image-Based Dietary Energy and Macronutrients Estimation with ChatGPT-5
- Yan i sur. (2025). DietAI24 as a framework for comprehensive nutrition estimation using multimodal large language models
- Celis-Morales i sur. (2017). Effect of personalized nutrition on health-related behaviour change: the Food4Me European randomized controlled trial
- Burke i sur. (2022). The Effect of Tailored, Daily, Smartphone Feedback to Lifestyle Self-Monitoring on Weight Loss at 12 Months: the SMARTER Randomized Clinical Trial
- Wang i sur. (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 i sur. (2018). The DIETFITS Randomized Clinical Trial
- Garegnani i sur. (2026). Intermittent fasting for adults with overweight or obesity
- Hakam i sur. (2024). Outcomes in Randomized Clinical Trials Testing Changes in Daily Water Intake
- Madigan i sur. (2015). Is self-weighing an effective tool for weight loss: a systematic literature review and meta-analysis
- Ducrot i sur. (2017). Meal planning is associated with food variety, diet quality and body weight status in a large sample of French adults
- Whitehall i sur. (2025). A systematic review of influences on engagement with remote health interventions targeting weight management for individuals living with excess weight
- Patel i sur. (2021). Self-Monitoring via Digital Health in Weight Loss Interventions: A Systematic Review Among Adults with Overweight or Obesity
- Krukowski i sur. (2024). Impact of feedback generation and presentation on self-monitoring behaviors, dietary intake, physical activity, and weight: a systematic review and meta-analysis