Waarom consistent calorieën bijhouden beter werkt dan perfecte nauwkeurigheid (en hoe je weegschaal het bewijst)

“Calorieën tellen werkt niet — het is niet nauwkeurig.” Dat hoor je van critici van traditioneel bijhouden. Dan is er de volgende golf: “AI-calorieschatting van een foto? Nog erger.” In de VS mag een voedingsmiddel tot 20% meer calorieën bevatten dan op het etiket staat. Mensen die opschrijven wat ze eten, noteren te weinig. En AI die portiegrootten raadt van een enkele foto? Ja, dat klopt ook niet. Soms aanzienlijk. Op één punt hebben de critici gelijk — geen enkele methode om calorieën bij te houden is exact.

Maar de vraag is niet “is het nauwkeurig?” maar “is het nuttig?” In studies naar afvaltrajecten verloren de deelnemers die vaker bijhielden wat ze aten meer gewicht (Hollis 2008; Harvey 2019) — terwijl bekend is dat voedingsdagboeken te laag uitvallen (Burrows 2019). En wanneer je één ding toevoegt — je ochtendweegschaal — krijg je een systeem dat zichzelf corrigeert: de gewichtstrend toont het nettoresultaat van alles wat je hebt gegeten en verbrand, en een dynamisch tekort herberekent je tempo op basis daarvan.

De nauwkeurigheidsmythe — Niemand telt perfect

Elke laag van calorieën tellen bevat fouten. Begrijpen waar de fouten vandaan komen maakt duidelijk waarom het najagen van perfecte nauwkeurigheid verspilde moeite is:

• Voedingslabels: In de VS geldt een product pas als onjuist geëtiketteerd wanneer het meer dan 20% meer calorieën bevat dan op het etiket staat — een reep met 200 kcal op het etiket mag wettelijk tot 240 kcal bevatten (21 CFR 101.9(g)(5)).
• Zelfgerapporteerde inname: Vergeleken met het energieverbruik dat met dubbel gelabeld water werd gemeten, gaven mensen met een voedingsdagboek 11–41% te weinig op, en 8–30% als ze navertelden wat ze de afgelopen 24 uur hadden gegeten — in een overzicht van 59 studies met 6.298 volwassenen (Burrows 2019).
• Foto's: In hetzelfde overzicht kwam de inname met fotomethoden op de smartphone 20–37% te laag uit — een foto gaat sneller, maar is niet exact.

Geen enkele methode is exact. Waarom zou je dan nog bijhouden?

Omdat in de studies niet precisie maar consistentie samenging met gewichtsverlies.

Waarom onperfect bijhouden toch werkt

In een afvaltraject met 1.685 volwassenen en 20 wekelijkse bijeenkomsten verloren deelnemers meer gewicht naarmate ze op meer dagen per week een voedingsdagboek bijhielden — ongeveer 0,5 kg per extra dag (Hollis 2008). In een online afvaltraject van 24 weken met 142 volwassenen logden de deelnemers die minstens 10% van hun gewicht verloren ongeveer drie keer per dag, op 21–24 dagen per maand; wie minder afviel, logde ongeveer twee keer per dag (Harvey 2019). Beide studies maten hoe vaak mensen logden, niet hoe precies hun invoer was.

Een waarschijnlijke verklaring is bewustwording: als je weet dat je dat tweede stuk taart moet loggen, stop je misschien bij één; als je halverwege de middag je tussenstand ziet, kun je een lichter avondeten plannen.

Een ruwe schatting van “2.200 kcal vandaag” is nuttiger dan “lunch vergeten te loggen”: het eerste geeft je een referentiepunt, het tweede niets.

Daarom is eenvoud belangrijk. In de studie van Harvey kostte het online dagboek de deelnemers in de eerste maand ongeveer 23 minuten per dag en in de zesde maand ongeveer 15 — met wat oefening gaat het sneller. Een methode die je elke dag volhoudt, wint het van een precieze methode waar je mee stopt.

Stel je doel in, weeg jezelf elke ochtend — de app herberekent je tekort automatisch.

Het ene getal dat nooit liegt: je ochtendweegschaal

Je weegschaal weet niets van fouten op voedingslabels. Het maakt hem niet uit of je 200g of 250g rijst hebt geschat. Hij meet één ding: je lichaamsmassa op dat moment. En als je elke ochtend onder dezelfde omstandigheden weegt — nuchter, na het toiletbezoek, voor je eet of drinkt — toont hij het nettoresultaat van alles wat je hebt gegeten en verbrand.

Dagelijkse schommelingen zijn normaal

Een losse dagelijkse weging bevat veel ruis. Schommelingen van dag tot dag komen vooral door vocht en door wat er nog in je darmen zit, niet door vet:

• Glycogeen: Elk gram glycogeen wordt opgeslagen met minstens 3 g water (Murray & Rosenbloom 2018), dus na een koolhydraatrijke dag wijst de weegschaal meer aan en na een koolhydraatarme dag minder.
• Zout en vocht: Na een zoute maaltijd kan je lichaam een tijdje meer vocht vasthouden.
• Hormonale cycli: Het vochtgewicht kan in de loop van de menstruatiecyclus veranderen.
• Darminhoud: Ook het eten en de vezels die nog verteerd worden, wegen iets.

Vet verandert langzaam: volgens de gangbare schatting van 7.700 kcal per kilogram zou je voor 1 kg vet in één nacht een overschot van 7.700 kcal nodig hebben.

Het 7-daags voortschrijdend gemiddelde elimineert ruis

In plaats van op een enkele meting te reageren, bereken je het gemiddelde van de laatste 7 dagen. Dit 7-daags voortschrijdend gemiddelde vlakt dagelijkse schommelingen af en onthult de echte trend. Als die trendlijn week na week daalt, werkt je tekort. Als hij afvlakt of stijgt, moet het tempo worden bijgesteld — met “Dynamisch tekort” ingeschakeld doet AI Food Coach dat voor je. Het individuele dagelijkse getal is irrelevant — de richting van de trend is alles.

Voorbeeld: Een 35-jarige man, 85 kg, 180 cm. Volgens zijn log eet hij ongeveer 2.200 kcal per dag, en hij weet dat zijn schattingen ruw zijn. Zijn gemiddelde gewicht over 7 dagen daalt met 0,4 kg per week — met de gangbare 7.700 kcal per kilogram eet hij dus ongeveer 440 kcal per dag minder dan hij verbrandt, wat zijn log ook zegt. De weegschaal bevestigt het nettoresultaat.

Dynamisch tekort: je app herberekent elke ochtend

Dit is het centrale inzicht dat consistent-maar-onperfect bijhouden laat werken als een compleet systeem om af te vallen.

Het probleem met statische tekorten

De traditionele aanpak is simpel: bereken je TDEE, trek 500 kcal af, eet dat getal elke dag tot je je doel bereikt. Dit negeert drie realiteiten:

• Metabole aanpassing: Mensen die 10% of meer zijn afgevallen en op dat lagere gewicht blijven, verbruiken per dag ongeveer 20–25% minder energie — 10–15% minder dan hun nieuwe gewicht en lichaamssamenstelling alleen zouden voorspellen (Rosenbaum & Leibel 2010).
• Registratie-onnauwkeurigheid: Eet je 2.400 kcal terwijl je log 2.000 kcal aangeeft (20% meer), dan is 400 kcal van een gepland tekort van 500 kcal verdwenen.
• Veranderingen in lichaamssamenstelling: Naarmate je afvalt, daalt je TDEE. Een man van 85 kg verbrandt meer in rust dan dezelfde man op 80 kg. Het statische doel wordt progressief minder nauwkeurig.

Dynamisch tekort: het zelfcorrigerende systeem

Een dynamisch tekort vervangt het vaste doel door een berekening die AI Food Coach elke dag en na elke weging bijwerkt op basis van je gemiddelde gewicht over 7 dagen (“Dynamisch tekort”, standaard ingeschakeld):

1. Stel je doel in: streefgewicht + deadline. Voorbeeld: 85 kg → 78 kg in 12 weken (84 dagen).
2. Elke ochtend: weeg jezelf. De app werkt je gemiddelde gewicht over 7 dagen bij.
3. App berekent: resterende kg ÷ resterende dagen = vereist dagelijks tekort (hoogstens 1 kg per week).
4. Sneller afvallen dan gepland? Het tekort wordt kleiner — je eet meer.
5. Langzamer afvallen? Het tekort neemt toe (hoogstens 1 kg per week, en nooit onder het calorieminimum).
6. Op schema? Niets verandert.

Uitgewerkt voorbeeld: 85 kg → 78 kg in 12 weken

Man, 35 jaar, 85 kg, 180 cm, activiteitsniveau “Matig” (3-5 trainingen/week, multiplicator 1,55). Volgens Mifflin-St Jeor is zijn TDEE bij 85 kg ongeveer 2.798 kcal, en die daalt naarmate hij afvalt. Doel: 78 kg in 84 dagen. Het gewicht in de tabel is zijn gemiddelde over 7 dagen.

Bij het doel zonder TEF telt de app nog het thermisch effect op van wat hij eet — bij gemengde voeding ongeveer 10% van de energie die hij die dag binnenkrijgt (Westerterp 2004).

Merk op wat er gebeurt: het systeem corrigeert zichzelf. Toen deze man in de eerste twee weken sneller afviel dan gepland, werd het tekort kleiner en mocht hij meer eten. Toen de voortgang rond dag 28 vertraagde, werd het tekort groter. Geen handmatige aanpassingen nodig.

Waarom de weegschaal registratiefouten corrigeert

Het tempo komt niet uit je voedingslog. Het komt uit één ding: je gemiddelde gewicht over 7 dagen.

• Valt je log te laag uit? De weegschaal toont dat je trager afvalt, en het tekort wordt groter.
• Metabole aanpassing opgetreden? De weegschaal toont de stilstand, en het tekort wordt groter.
• Een zoute dag en een sprong op de weegschaal? Het gemiddelde over 7 dagen vlakt die af. Geen overcorrectie.
• Je weegt minder, dus je verbrandt minder? De formule rekent met je nieuwe gewicht, en het tempo wordt opnieuw berekend op basis van de trend.

Het enige dat van jou nodig is: log elke maaltijd (zelfs ruw) en weeg jezelf elke ochtend. Het algoritme handelt de rest af.

Veiligheidslimieten

AI Food Coach staat hoogstens 1 kg per week toe en stelt nooit een doel in onder 1.500 kcal voor mannen of 1.200 kcal voor vrouwen — de ondergrens van de diëten die de richtlijn AHA/ACC/TOS 2013 voorschrijft om af te vallen. Komt de berekening lager uit, dan wordt het doel op dat minimum gezet; loop je achter op schema, dan biedt het scherm “Voortgang” aan om je doel te verlengen.

Dynamisch tekort — elke dag opnieuw berekend op basis van je gemiddelde gewicht over 7 dagen.

Hoe “goed genoeg” bijhouden eruitziet

Perfect bijhouden betekent elk ingrediënt op een keukenweegschaal wegen, elke barcode scannen, elke eetlepel olie meten. Het werkt — maar het is bewerkelijk, en met een methode waar je mee stopt, log je niets.

“Goed genoeg” bijhouden betekent elke maaltijd loggen met de snelst beschikbare methode. Zo ziet dat eruit in de praktijk:

• Foto-AI: Maak een foto van je bord; AI schat de calorieën en macro's. Zet je bord op een keukenweegschaal, dan leest de AI het gewicht van het display af. Best voor zelfgemaakte maaltijden en restaurants.
• Barcodescannen: Scan verpakt voedsel om de waarden van het etiket op te halen uit Open Food Facts, een productdatabase die gebruikers zelf vullen met de gegevens van de verpakking. Best voor alles met een label.
• Spraak op je horloge: Zeg “kipfilet met rijst” tegen je Apple Watch of je horloge met Wear OS. AI schat een ruwe calorietelling. Snel voor wanneer je telefoon niet bij de hand is — zie de calorieteller voor Apple Watch en de calorieteller voor Wear OS en Galaxy Watch.
• Snel toevoegen: Typ “banaan” en selecteer uit je geschiedenis. Direct voor herhaalde voedingsmiddelen.

De drie regels van effectief bijhouden

1. Log ELKE maaltijd — ook als het alleen “twee stukken pizza” is, met je beste inschatting van de hoeveelheid. Een ruwe log is beter dan een gat.
2. Weeg jezelf ELKE ochtend — dezelfde omstandigheden: nuchter, na toiletbezoek, voor eten of drinken.
3. Bekijk je 7-daagse trend eens per week — gaat het gemiddelde omlaag? Dan lig je op schema. Staat het al weken stil? Controleer of je elke maaltijd logt — de app herberekent het tempo al.

Dat is alles. Geen keukenweegschaal nodig, geen obsessief grammen tellen. Drie gewoonten, dagelijks volgehouden, en het dynamische tekort gebruikt je weeggegevens om onnauwkeurigheden in je registratie op te vangen.

Voor een dieper begrip van hoe je dagelijkse caloriedoel wordt berekend, zie Hoeveel calorieën moet ik per dag eten? en Hoe de TDEE-calculator werkt. Je kunt ook je eigen getallen berekenen met de TDEE-calculator of controleren hoe eiwit je verbranding beïnvloedt met de TEF-calculator.

Veelgestelde vragen

Bronnen

1. U.S. Food and Drug Administration. 21 CFR 101.9 – Nutrition labeling of food, paragraph (g). eCFR
2. Burrows TL, Ho YY, Rollo ME, Collins CE. (2019). Validity of dietary assessment methods when compared to the method of doubly labeled water: a systematic review in adults. Frontiers in Endocrinology, 10:850. PMC
3. Hollis JF, Gullion CM, Stevens VJ, et al. (2008). Weight loss during the intensive intervention phase of the weight-loss maintenance trial. American Journal of Preventive Medicine, 35(2):118-126. PMC
4. Harvey J, Krukowski R, Priest J, West D. (2019). Log often, lose more: electronic dietary self-monitoring for weight loss. Obesity, 27(3):380-384. PMC
5. Murray B, Rosenbloom C. (2018). Fundamentals of glycogen metabolism for coaches and athletes. Nutrition Reviews, 76(4):243-259. PMC
6. Rosenbaum M, Leibel RL. (2010). Adaptive thermogenesis in humans. International Journal of Obesity, 34(Suppl 1):S47-S55. PMC
7. Mifflin MD, St Jeor ST, Hill LA, Scott BJ, Daugherty SA, Koh YO. (1990). A new predictive equation for resting energy expenditure in healthy individuals. American Journal of Clinical Nutrition, 51(2):241-247. AJCN
8. Westerterp KR. (2004). Diet induced thermogenesis. Nutrition & Metabolism, 1(1):5. PMC
9. Jensen MD, Ryan DH, Apovian CM, et al. (2014). 2013 AHA/ACC/TOS guideline for the management of overweight and obesity in adults. Circulation, 129(25 Suppl 2):S102-S138. PMC

Stel je dynamische tekort in

AI Food Coach herberekent je tekort op basis van je gewichtstrend, zodat het blijft werken als je calorieregistratie niet 100% nauwkeurig is. Voedselfoto → calorieschatting → ochtendgewicht → nieuw tempo, elke dag en na elke weging opnieuw berekend. Alles automatisch.