Wprowadzenie
Przewlekłe choroby niezakaźne (non-communicable diseases – NCD), w tym choroby sercowo-naczyniowe, nowotwory, cukrzyca i przewlekłe choroby płuc, są głównym problemem zdrowia publicznego w Unii Europejskiej. Odpowiadają za ok. 90% przedwczesnych zgonów u dorosłych mieszkańców Unii Europejskiej (9 mln) oraz generują zasadniczą część kosztów społecznych i ekonomicznych [1]. W Polsce alarmujący jest dynamiczny wzrost występowania chorób metabolicznych, u których podłoża leżą nadwaga (58% kobiet i 74% mężczyzn) i otyłość (25% kobiet i 35% mężczyzn) [2]. Zmniejszenie obciążenia NCD jest możliwe poprzez poprawę stylu życia i ograniczenie czynników ryzyka, takich jak spożycie alkoholu, palenie papierosów, niezdrowa dieta i mała aktywność fizyczna. Żywieniowe sposoby zmniejszenia ryzyka rozwoju przewlekłych chorób dietozależnych wskazują zasady profilaktyki żywieniowej [3, 4], jednak bez względu na to, jak proste są rekomendacje żywieniowe, wiele osób ma trudności z dostosowaniem swojej diety do rekomendacji [5]. Jako główne bariery w przestrzeganiu zaleceń żywieniowych wskazywane są m.in.: narastające zmęczenie, spadek motywacji, brak czasu, trudności w trwałej zmianie zachowań żywieniowych, koszty żywności i niedostateczne umiejętności kulinarne [5, 6].
Wobec wskazanych trudności szczególnego znaczenia nabierają narzędzia wspierające samokontrolę i monitorowanie zwyczajów żywieniowych, które mogą zwiększać skuteczność wprowadzania zaleceń w życie. Tradycyjny dziennik diety w formie papierowej jest użytecznym narzędziem służącym do zbierania danych żywieniowych (food record), ale bieżące zapisywanie spożywanej żywności bywa czasochłonne, co zniechęca wielu użytkowników do systematyczności [7]. Dotyczy to zwłaszcza osób, które chcą samodzielnie monitorować swoją dietę, aby ją ulepszyć. Powszechna cyfryzacja życia i rosnąca popularność aplikacji prozdrowotnych sugerują, że zastąpienie tradycyjnego drukowanego dziennika diety aplikacją mobilną, która wymaga mniejszego zaangażowania od użytkownika, może skutecznie motywować do realizacji celów żywieniowych i wspierać prozdrowotne zwyczaje żywieniowe [8, 9].
W odpowiedzi na rosnące społeczne zainteresowanie narzędziami wspierającymi odżywianie i zdrowie powstało wiele aplikacji mobilnych [8–10]. Większość z nich wymaga od użytkownika dużego zaangażowania i szczegółowej rejestracji rodzaju i ilości spożywanej żywności, co jest czasochłonne. W zamian użytkownik otrzymuje wynik informujący o wartości energetycznej i odżywczej diety. Niektóre aplikacje mobilne dostarczają zbliżonych wyników dotyczących wartości energetycznej i odżywczej diety użytkownika w zakresie podstawowych składników odżywczych, ale niespójnych w odniesieniu do witamin i składników mineralnych [10]. Pomijając ten problem, należy wskazać dwa najważniejsze ograniczenia tak skonstruowanych aplikacji.
Pierwszym jest brak deklaracji, czy aplikacje zostały zwalidowane, tzn. czy ich wyniki porównano z wynikami metody referencyjnej, przestrzegając procedur naukowych. Bez badań walidacyjnych powstaje wątpliwość, czy aplikacje pozwalają uzyskać akceptowalne odwzorowanie jakościowe i ilościowe spożytej żywności, a w konsekwencji wartości energetycznej i odżywczej diety [11, 12]. Inaczej mówiąc: bez walidacji nie wiadomo, czy mierzą to, co mają mierzyć, ani jak dokładnie to robią. Samo podobieństwo wyników uzyskiwanych przez różne niewalidowane aplikacje nie jest argumentem przemawiającym na ich korzyść.
Po drugie, oferowane wyniki wartości energetycznej i odżywczej diety są w rzeczywistości oszacowaniami wymagającymi interpretacji eksperckiej, zwykle niedostępnej dla użytkownika aplikacji. Wyniki dotyczące diety indywidualnego użytkownika potrafi prawidłowo zinterpretować tylko osoba mająca gruntowną wiedzę z zakresu metodologii oceny żywienia [13–15]. Pominięcie indywidualnej zmienności spożycia (dzień do dnia) może drastycznie zmienić ocenę związku między spożyciem żywności, wartością energetyczną i odżywczą diety a zdrowiem. Na przykład Człapka-Matyasik i wsp. [16] wykazali, że u polskich kobiet różnice między wartością energetyczną diety w dni weekendowe i nieweekendowe przekraczają 500 kcal, a bez wątpienia niedoszacowanie wartości energetycznej diety może wypaczyć interpretację jej wpływu na masę i skład ciała, a w konsekwencji na zdrowie. Z punktu widzenia rzetelności wyników, które uzyskuje użytkownik aplikacji niebędący specjalistą, informacja o wartości energetycznej i odżywczej diety jest zatem tak wysoce niepewna i trudna do interpretacji, że lepszym rozwiązaniem jest jej brak.
Cel pracy
Celem badań była analiza zmian w składzie ciała i występowaniu zaburzeń kardiometabolicznych po 10 tygodniach stosowania aplikacji Dziennik Diety (DDApp), która wspiera realizację populacyjnych zaleceń profilaktyki żywieniowej i motywuje użytkowników do ich przestrzegania. Wyniki były intepretowane w kontekście przydatności DDApp w codziennej praktyce lekarza POZ.
Odpowiedzią na ograniczenia istniejących aplikacji jest DDApp testowana w niniejszym badaniu. DDApp rezygnuje ze szczegółowego rejestrowania spożywanej żywności i obliczania wartości energetycznej i odżywczej diety, koncentrując się na kilku wybranych grupach żywności o udokumentowanym wpływie na zdrowie [17]. Na podstawie zgromadzonych dowodów zdefiniowano cele żywieniowe, tj. minimalną lub maksymalną liczbę porcji rekomendowaną do spożycia.
Stosowanie DDApp jest interwencją typu mHealth (mobilne zdrowie) ukierunkowaną na samokontrolę i wskazującą w prosty sposób pożądane zmiany w spożyciu grup żywności kluczowych z punktu widzenia zdrowia. Zgodnie z definicją Światowej Organizacji Zdrowia (World Health Organization – WHO) mHealth oznacza praktykę medyczną i działania w zakresie zdrowia publicznego wspierane przez urządzenia mobilne, np. telefony komórkowe i powiązane rozwiązania bezprzewodowe [18].
Cele żywieniowe w DDApp opracowano na podstawie dowodów naukowych dotyczących związku między dietą a zdrowiem, uwzględniając krajowe i międzynarodowe zalecenia w zakresie profilaktyki żywieniowej (zapobieganie chorobom dietozależnym) i wpływ rekomendowanej diety na środowisko, w tym promowanie diety z większym udziałem żywności pochodzenia roślinnego i małym udziałem żywności wysoko przetworzonej [3, 4, 19–23]. Aplikacja jest przeznaczona dla populacji ogólnej osób dorosłych, tak samo jak populacyjne zalecenia w zakresie profilaktyki żywieniowej, które stanowiły punkt wyjścia przy określaniu celów żywieniowych.
Główny panel aplikacji zawiera ikony 11 grup żywności, dla których zdefiniowano cele żywieniowe. Rekomendowaną minimalną liczbę porcji (na dzień lub tydzień) wskazano dla 6 grup żywności, a rekomendowaną maksymalną liczbę porcji (na tydzień) dla 5 grup żywności (tab. 1). Podczas stosowania aplikacji użytkownicy rejestrowali każdą spożytą porcję żywności (wystarczyło kliknięcie). Aplikacja jest dostępna bezpłatnie w sklepach Google Play i Apple Store (ryc. 1).
W niniejszej pracy żywność o potencjalnie korzystnym wpływie na zdrowie nazwano „dobrą dla zdrowia”, a żywność, której spożycie powinno być ograniczane, o potencjalnie niekorzystnym wpływie na zdrowie, nazwano „nie-tak-dobrą dla zdrowia”, przyjmując terminologię zaproponowaną przez McManus z Uniwersytetu Harwarda [24].
Materiał i metody
Badanie miało charakter interwencji, w której zachęcono uczestników do codziennego stosowania aplikacji i osiągania celów żywieniowych. Rekrutację prowadzono poprzez ogłoszenia i kontakty osobiste. Do badań zakwalifikowano 72 osoby dorosłe niewymagające stosowania diety leczniczej, której zalecenia dietetyczne byłyby sprzeczne z celami żywieniowymi określonymi w aplikacji. Na pierwszą i drugą wizytę zgłosiły się 62 osoby (100%), na trzecią i czwartą wizytę – 44 osoby (71%). Kompletne dane żywieniowe uzyskano od 40 osób (65%) w wieku 18–67 lat, a dane dotyczące wskaźników składu ciała i kardiometabolicznych od 37–39 osób (60–63%). Ośmiu uczestników badań (20% próby) miało cukrzycę typu 2 lub insulinooporność, 4 osoby (10% próby) dyslipidemię, a 5 osób (12% próby) nadciśnienie tętnicze (tab. 2). Podczas interwencji żadna z tych osób nie zmieniła dawek i rodzaju przyjmowanych leków.
Uczestnicy badań używali DDApp przez co najmniej 10 tygodni od stycznia do czerwca 2025 r. Zostali ustnie zapoznani z formularzem świadomej zgody i pouczeni o konieczności zgłaszania wszelkich podejrzeń działań niepożądanych. Na prowadzenie badań uzyskano zgodę Komisji Bioetycznej przy Wydziale Nauk Medycznych Uniwersytetu Warmińsko-Mazurskiego w Olsztynie (uchwała nr 20/2010 z dnia 17.06.2010; aneks do uchwały nr 2/2021 z dnia 21.01.2021).
Na początku badań za pomocą kwestionariusza KomPAN® w wersji online zebrano dane socjoekonomiczne i dotyczące stylu życia (tab. 2) [25].
Dwukrotnie zebrano dane dotyczące następujących parametrów (ryc. 2):
• jakości diety – metodą częstotliwości spożycia żywności zebrano dane dotyczące zwyczajowego sposobu żywienia w ciągu ostatniego roku (walidowany kwestionariusz KomPAN® w wersji online),
• składu ciała – pomiary masy, wysokości i składu ciała wykonano profesjonalnymi urządzeniami antropometrycznymi (SECA 515 mBCA, SECA 2020, SECA 799, SECA 201) [26],
• ciśnienia krwi – pomiary wykonano miernikiem Omron M3 Intellisense Automatic Blood Monitor [27],
• wskaźników metabolicznych – pomiary stężenia cholesterolu całkowitego (total cholesterol – TC) i glukozy na czczo (fasting blood glucose – FBG) wykonano z krwi obwodowej miernikiem Accutrend® Plus Roche, a ciągłe monitorowanie glikemii prowadzono sensorem Freestyle Libre 2.
Dla każdego użytkownika obliczono osiągnięte cele żywieniowe podczas 10 tygodni stosowania DDApp. Osiągnięcie celu żywieniowego kodowano jako 1 zarówno w przypadku żywności z rekomendowaną minimalną liczbą porcji („dobrej dla zdrowia”), jak i żywności z rekomendowaną maksymalną liczbą porcji („nie-tak-dobrej dla zdrowia”). Brak osiągniętego celu kodowano jako 0. Następnie osiągnięte cele sumowano w trzech kategoriach żywności: ogółem (zakres 0–11), „dobrej dla zdrowia” (zakres 0–6) i „nie-tak-dobrej dla zdrowia” (zakres 0–5).
Jakość diety użytkowników w ciągu ostatniego roku określono na podstawie indeksów prozdrowotnej diety (pro-healthy diet index – pHDI) i niezdrowej diety (unhealthy diet index – nHDI), które obliczono zgodnie z procedurą opracowania danych żywieniowych zebranych za pomocą KomPAN® i wyrażono w punktach procentowych (zakres 0–100) [25]. Wyższe wartości pHDI wynikały z większej częstotliwości spożywania 10 grup żywności o potencjalnie korzystnym wpływie na zdrowie (pieczywa razowego, kasz gruboziarnistych, mleka, fermentowanych napojów mlecznych, serów twarogowych, mięsa białego, ryb, nasion roślin strączkowych, warzyw, owoców), a wyższe wartości nHDI z większej częstotliwości spożywania 14 grup żywności o potencjalnie niekorzystnym wpływie na zdrowie (pieczywa jasnego, kasz drobnoziarnistych/makaronu z białej mąki, potraw smażonych, smalcu, masła, serów, wędlin/kiełbas, mięsa czerwonego, konserw mięsnych, słodyczy, napojów słodzonych, napojów energetyzujących, alkoholu).
Wyniki
Średnią liczbę użytkowników, którzy osiągali cele żywieniowe w kolejnych tygodniach stosowania aplikacji, przedstawiono w tabeli 3. W ciągu 10 tygodni użytkownicy jedli mniej żywności „nie-tak-dobrej dla zdrowia” (liczba osiągniętych celów rosła średnio o 0,30 celu/tydzień, p < 0,01) i obniżył się nHDI (o 20,1%, p < 0,01) (tab. 4, ryc. 3 i 4). W tym okresie pHDI wzrósł nieistotnie (o 8,4%). Wyniki sugerują, że użytkownikom aplikacji łatwiej było ograniczyć spożycie żywności „nie-tak-dobrej dla zdrowia”, która obejmowała żywność wysoko przetworzoną, o dużej zawartości tłuszczu i cukrów, niż systematycznie zwiększać spożycie żywności rekomendowanej. Obserwacja ta jest zgodna z wcześniejszymi doniesieniami dotyczącymi interwencji mHealth opartych na samoobserwacji i realizacji celów żywieniowych [28, 29]. Podkreśla to znaczenie prostych narzędzi mobilnych, które poprzez monitorowanie i samoobserwację mogą realnie wspierać pacjentów w przestrzeganiu zaleceń żywieniowych, mimo powszechnie opisywanych trudności z ich wdrażaniem w populacji ogólnej.
Po 10 tygodniach stosowania DDApp zmniejszyły się średnie wartości: masy ciała użytkowników (o 2,0 kg, p < 0,001), BMI (o 0,7 kg/m2, p < 0,001), zawartości tłuszczu w ciele (o 1,8% m.c., p < 0,001), obwodu talii (o 1,7 cm, p < 0,05), wskaźnika talia/wzrost (o 0,01, p < 0,05). Wielkość tych efektów mieści się w przedziałach raportowanych w metaanalizach dotyczących stosowania aplikacji, w których najczęściej obserwowano umiarkowaną utratę masy ciała – w zakresie 1–3 kg w okresie 1–4 miesięcy, z towarzyszącym spadkiem BMI i obwodu talii [30, 31]. Liczba użytkowników z nieprawidłowymi wskaźnikami świadczącymi o otyłości zmniejszyła się nieistotnie (o 7–15%, p > 0,05) (ryc. 5) mimo istotnego obniżenia średnich wartości BMI, obwodu talii i ogólnej zawartości tłuszczu w ciele (tab. 4). Może to odzwierciedlać krótkookresowy charakter interwencji. Nie odnotowano istotnych zmian w średniej masie wisceralnej tkanki tłuszczowej i masie mięśni szkieletowych. Brak różnic w wisceralnym otłuszczeniu ciała jest zgodny z oczekiwaną kinetyką zmian. Do wykrycia stabilnych zmian w składzie ciała zazwyczaj konieczny jest dłuższy okres obserwacji i/lub dodatkowy bodziec treningowy [32]. W tym kontekście wykazane zmiany w masie i składzie ciała należy traktować jako wiarygodny i wczesny wskaźnik korzystnego kierunku zmian metabolicznych, które mogą zachodzić na skutek długoterminowego używania aplikacji i redukcji wisceralnej tkanki tłuszczowej.
Uzyskane w badaniu obniżenie ciśnienia krwi skurczowego (systolic blood pressure – SBP, o 8,5 mm Hg, p < 0,001) i rozkurczowego (diastolic blood pressure – DBP, o 5,4 mm Hg, p < 0,001) przewyższa wyniki raportowane w przeglądach systematycznych i metaanalizach z zastosowaniem aplikacji mobilnych u osób z nadciśnieniem [33]. Skala i szybkość uzyskanych zmian mogą sugerować, że ograniczenie spożycia żywności „nie-tak-dobrej dla zdrowia” stanowi skuteczny komponent niefarmakologicznej kontroli ciśnienia tętniczego w praktyce lekarza POZ. Podobnie spadki stężeń TC (o 43,4 mg/dl, p < 0,01) i FBG (o 19,3 mg/dl, p < 0,001) były wyraźnie większe niż przeciętne efekty raportowane w badaniach nad innymi aplikacjami (tab. 4) [34, 35]. Znaczenie obserwowanych zmian potwierdza analiza występowania zaburzeń metabolicznych (porównanie rozkładów). Po 10 tygodniach stosowania aplikacji od 2 do 10 razy zmniejszyła się liczba użytkowników z nieprawidłowymi wskaźnikami metabolicznymi: TC ≥ 200 mg/dl (o 90%, tj. z 50% do 5% próby, p < 0,001), SBP ≥ 140 mm Hg lub DBP ≥ 90 mm Hg (o 67%, tj. z 39% do 13% próby, p < 0,01) i FBG ≥ 100 mg/dl (o 54%, tj. z 58% do 26% próby, p < 0,01) (ryc. 5). Potwierdza to, że poprawa jakości diety jest skutecznym komponentem niefarmakologicznej redukcji zaburzeń kardiometabolicznych, który ma znaczenie kliniczne.
Dla żywności „nie-tak-dobrej dla zdrowia” wykazano umiarkowaną pozytywną korelację (r = 0,47, p < 0,01) między skumulowaną liczbą osiągniętych celów żywieniowych w ciągu 10 tygodni stosowania aplikacji a czasem w docelowym stężeniu glukozy po 10 tygodniach. Oznacza to, że lepsza realizacja rekomendacji wiązała się z dłuższym utrzymywaniem stężenia glukozy w docelowym zakresie (tab. 5). Zależność ta jest spójna z doniesieniami, że ograniczenie spożycia żywności wysoko przetworzonej, o dużej zawartości tłuszczu i cukru sprzyja poprawie wskaźników kardiometabolicznych, a miary oparte na ciągłym monitorowaniu stężenia glukozy są użyteczne w ocenie skutków interwencji dietetycznych [35]. Pozostałe korelacje między skumulowaną liczbą osiągniętych celów żywieniowych a innymi wskaźnikami zaburzeń zdrowia były nieistotne statystycznie, co w zestawieniu z wieloma różnicami odnotowanymi w analizie grupowej świadczy o indywidualnej odpowiedzi organizmu na zmiany w żywieniu w analizowanym okresie [36].
Wnioski
Aplikacja DDApp jest w szerokim zakresie uniwersalna i może być stosowana w profilaktyce pierwotnej wielu NCD. Została skonstruowana na podstawie naukowo udokumentowanych populacyjnych rekomendacji w zakresie profilaktyki żywieniowej, które są ukierunkowane na zapobieganie takim chorobom dietozależnym, jak otyłość, cukrzyca, choroby sercowo-naczyniowe, nowotwory itp. Wykazano zdrowotne korzyści wynikające z poprawy jakości diety, które można przypisać ograniczeniu spożycia żywności „nie-tak-dobrej dla zdrowia”. Aplikację można zatem rekomendować pacjentom w codziennej praktyce lekarza POZ jako narzędzie wspierające motywację do poprawy jakości diety i umożliwiające osiągnięcie wymiernych korzyści dla zdrowia.
Aplikacja może być także wykorzystana w profilaktyce wtórej. Codzienne stosowanie DDApp przez osoby z dyslipidemią, nadciśnieniem tętniczym i nieprawidłową glikemią na czczo może wspierać farmakoterapię, poradnictwo dietetyczne i modyfikację stylu życia. Znaczący spadek (od 2 do 10 razy) liczby osób z tymi zaburzeniami potwierdza użyteczność aplikacji w motywowaniu użytkowników do poprawy diety i jej znaczenie kliniczne.
Podsumowanie
Aplikacja DDApp może być użytecznym narzędziem do codziennego motywowania użytkowników i poprawy jakości diety. Ograniczenie spożycia żywności „nie-tak-dobrej dla zdrowia” może prowadzić do korzystnych zmian w składzie ciała i redukcji czynników ryzyka metabolicznego mimo braku zmian w spożyciu żywności dobrej dla zdrowia.
Oświadczenie
Badania finansowane przez Ministerstwo Nauki i Szkolnictwa Wyższego w ramach dotacji celowej „Sieć badawcza uczelni przyrodniczych na rzecz rozwoju polskiego sektora mleczarskiego – projekt badawczy” (SUP-RIM) (MEiN/2023/DPI/2866).
Piśmiennictwo
1. World Health Organization. Monitoring noncommunicable disease commitments in Europe 2021. WHO, Geneva 2021. https://iris.who.int/bitstream/handle/10665/350457/WHO-EURO-2021-4479-44242-62494-eng.pdf. Dostęp: 6.11.2025.
2.
Europe’s obesity statistics: figures, trends and rates by country 2024. https://www.eufic.org/en/healthy-living/article/europes-obesity-statistics-figures-trends-rates-by-country. Dostęp: 6.11.2025.
3.
Instytut Żywności i Żywienia. Piramida Zdrowego Żywienia i Aktywności Fizycznej. https://ncez.pzh.gov.pl/wp-content/uploads/2021/03/piramidaizz_dorosli.pdf. Dostęp: 6.11.2025.
4.
Food and Agriculture Organization of the United Nations. Food-based dietary guidelines. https://www.fao.org/nutrition/nutrition-education/food-dietary-guidelines/en/. Dostęp: 6.11.2025.
5.
Nicklas TA, Jahns L, Bogle ML i wsp. Barriers and facilitators for consumer adherence to the Dietary Guidelines for Americans: The HEALTH study. J Acad Nutr Diet 2013; 113: 1317-1331.
6.
Crichton GE, Howe PR, Buckley JD i wsp. Long-term dietary intervention trials: critical issues and challenges. Trials 2012; 13: 111.
7.
Food and Agriculture Organization of the United Nations. Dietary assessment: a resource guide to method selection and application in low-resource settings. FAO, Rome 2018. https://www.fao.org/3/i9940en/I9940EN.pdf. Dostęp: 6.11.2025.
8.
König L, Attig C, Franke T, Renner B. Barriers to and facilitators for using nutrition apps: systematic review and conceptual framework. JMIR Mhealth Uhealth 2021; 9: e20037.
9.
Seid A, Fufa DD, Bitew ZW. The use of internet-based smartphone apps consistently improved consumers’ healthy eating behaviors: a systematic review of randomized controlled trials. Front Digit Health 2024; 6: 1282570.
10.
Madej D. Rola wybranych aplikacji mobilnych w ocenie sposobu żywienia osób aktywnych fizycznie. W: Aktualne wyzwania współczesnej dietetyki. Gromadzka-Ostrowska J (red.). ArchaeGraph, Łódź 2025; 491-503.
11.
Cade J, Thompson R, Burley V i wsp. Development, validation and utilisation of food-frequency questionnaires – a review. Public Health Nutr 2002; 5: 567-587.
12.
Wądołowska L. Walidacja metod i mierniki statystyczne. W: Przewodnik metodyczny badań sposobu żywienia. Gronowska-Senger A (red.). Wyd. Komitetu Nauki o Żywieniu Człowieka PAN, Warszawa 2013.
13.
Dietary Reference Intakes. Applications in dietary assessment: a report of the subcommittiees on interpretation and uses of Dietary Reference Intakes and Upper Reference Levels of nutrients, and the Standing Committee on the Scientific Evaluation of Dietary Reference Intake. Food and Nutrition Board, Institute of Medicine. National Academy Press, Washington 2000.
14.
Jarosz M, Bułhak-Jachymczyk B (red.). Normy żywienia człowieka. Podstawy prewencji otyłości i chorób niezakaźnych. PZWL, Warszawa 2008.
15.
Kowalkowska J, Slowinska MA, Slowinski D i wsp. Comparison of a full food-frequency questionnaire with the three-day unweighted food records in young Polish adult women. Nutrients 2013; 5: 2747-2776.
16.
Czlapka-Matyasik M, Lonnie M, Wadolowska L i wsp. “Cutting down on sugar” by non-dieting young women: an impact on diet quality on weekdays and the weekend. Nutrients 2018; 10: 1463.
17.
Wądołowska L, Niedźwiedzka E, Joanna Kowalkowska J i wsp. Aplikacja Dziennik Diety w promowaniu prozdrowotnych zachowań żywieniowych: zmiana jakości diety użytkowników po 4 tygodniach stosowania. W: Doskonalenie żywności i żywienia dla zachowania komfortu życia człowieka. Borawska-Dziadkiewicz J, Danielewicz A (red.). Wyd. UWM, Olsztyn 2025 (w recenzji).
18.
World Health Organization. mHealth: New horizons for health through mobile technologies. 2011. https://iris.who.int/server/api/core/bitstreams/ad1b13c0-7c82-47b4-8dd5-f0a26c3a3cc3/content. Dostęp: 6.11.2025.
19.
Food and Agricultural Organization of the United Nations. Sustainable diets and biodiversity. FAO, Rome 2012. https://www.fao.org/fileadmin/templates/food_composition/documents/upload/i3022e.pdf . Dostęp: 6.11.2025.
20.
EAT-Lancet Commission. The Planetary Health Diet and You. https://eatforum.org/eat-lancet-commission/. Dostęp: 6.11.2025.
21.
Lonnie M, Hooker E, Brunstrom JM i wsp. Protein for life: review of optimal protein intake, sustainable dietary sources and the effect on appetite in ageing adults. Nutrients 2018; 10: 360.
22.
U.S. Department of Agriculture. Back to basics: all about MyPlate food groups. https://www.usda.gov/media/blog/2017/09/26/back-basics-all-about-myplate-food-groups. Dostęp: 6.11.2025.
23.
Food and Agricultural Organization of the United Nations. The state of food insecurity in the world: addressing food insecurity in protracted crises. FAO, Rome 2010. https://www.fao.org/4/i1683e/i1683e.pdf. Dostęp: 6.11.2025.
24.
McManus KD. Why keep a food diary? Harvard Health Publishing, Harvard Medical School 2019. https://www.health.harvard.edu/blog/why-keep-a-food-diary-2019013115855. Dostęp: 6.11.2025.
25.
KomPAN. Kwestionariusz do badania poglądów i zwyczajów żywieniowych. https://diettools4u.uwm.edu.pl/#online. Dostęp: 6.11.2025.
26.
International Society for the Advancement of Kinanthropometry. International standards for anthropometric assessment. Potchefstroom: ISAK; 2001.
27.
National Institute for Health and Care Excellence. Hypertension in adults: diagnosis and management (NICE guideline NG136). NICE, London 2019.
28.
Villinger K, Wahl DR, Boeing H i wsp. The effectiveness of app-based mobile interventions on nutrition behaviours and nutrition-related health outcomes: a systematic review and meta-analysis. Obes Rev 2019; 20: 1465-1484.
29.
Pavlicek R, Cradock KA. Behaviour change techniques, intervention features and usability of diet apps. Prev Med Rep 2025; 54: 103085.
30.
Ufholz K, Werner J. The efficacy of mobile applications for weight loss. Curr Cardiovasc Risk Rep 2023; 17: 83-90.
31.
Pujia C, Ferro Y, Mazza E i wsp. The role of mobile apps in obesity management: systematic review and meta-analysis. J Med Internet Res 2025; 27: e66887.
32.
Jayedi A, Soltani S, Emadi A i wsp. Aerobic exercise and weight loss in adults: a systematic review and dose-response meta-analysis. JAMA Netw Open 2024; 7: e2452185.
33.
Lu X, Yang H, Xia X i wsp. Interactive mobile health intervention and blood pressure management in adults. Hypertension 2019; 74: 697-704.
34.
Liu K, Xie Z, Or CK. Effectiveness of mobile app-assisted self-care interventions for improving patient outcomes in type 2 diabetes and/or hypertension: systematic review and meta-analysis of randomized controlled trials. JMIR Mhealth Uhealth 2020; 8: e15779.
35.
Sjoblom L, Stenbeck F, Trolle Lagerros Y i wsp. Engagement with a smartphone-delivered dietary education intervention and its relation to dietary intake and cardiometabolic risk markers in people with type 2 diabetes: secondary analysis of a randomized controlled trial. JMIR Form Res 2025; 9: e71408.
36.
Eberle C, Löhnert M, Stichling S. Effectiveness of disease-specific mHealth apps in patients with diabetes mellitus: scoping review. JMIR Mhealth Uhealth 2021; 9: e23477.
This is an Open Access journal, all articles are distributed under the terms of the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0). License (http://creativecommons.org/licenses/by-nc-sa/4.0/), allowing third parties to copy and redistribute the material in any medium or format and to remix, transform, and build upon the material, provided the original work is properly cited and states its license.