다이어트 및 피트니스 데이터를 시각화하기 위해 그래프 빌더를 사용하는 것에 대해 최근 꽤 많이 블로그에 올랐습니다. 이 연재의 모든 게시물 . Discovery Summit 2014를 만드는 동안 전자 포스터 이 프로젝트에 대해 JMP 사용자로서의 기술을 크게 넓혔습니다. 이것은 대용량 파일 세트의 데이터 가져 오기, 조합 및 서식 지정을 자동화하는 사용자 정의 JSL을 처음 작성한 것입니다 ( ~ 50 Excel 과 ~ 50 개의 텍스트 파일 함유 활동 및 음식 로그 데이터). 이 시간 투자는 내가 배운 기술을 다른 업무 관련 데이터 가져 오기 및 시각화 작업에 적용 할 수있어서 정말 돈을 벌었습니다.
JMP와 JSL에 대한 더 많은 경험을 얻었을뿐 아니라, 나는이 프로젝트를 통해 자신과 나의 습관에 대해 많은 것을 배웠다. 가장 중요한 계시 중 하나는 신중하게 수집 된 자체 보고서 데이터에도 장치 사용 및 음식 로깅 패턴과 관련된 결함 및 편차가 있다는 것입니다. 이 발견은 체중 감량 패턴을 이해하기 위해식이 요법과 피트니스 데이터를 수집하기위한 대규모 노력에 대한 나의 생각에 영향을 주었고, 또한 내가 어떻게 내 자신의 데이터를 계속 수집하는지에 영향을주었습니다.
나는 가지고있다 블로깅 된 전에는 스트랩 선을 피하기위한 노력으로 여름 내내 팔 밴드 활동 모니터를 적게 사용하는 방법과이 사용 패턴이 내 활동 데이터의 완성도에 어떻게 영향을 미치는지에 대해 알아 보았습니다. 활동 모니터를 사용하는 모든 사람은 자신의 데이터의 완전성과 정확성에 영향을주는 고유 한 사용 패턴을 가질 수있는 것이 합리적입니다. 내 장치는 매일 "Percent Onbody"측정 항목을 제공하여 데이터를 유사한 기간의 착용 시간과 비교할 수 있도록 도와줍니다. 이것은 여전히 완벽하지는 않지만 올바른 방향으로 나아가는 단계입니다. 아래는 내 자신의 착용 패턴을 설명하기 위해 포스터에 포함시킨 그래프입니다.
마찬가지로 음식 로깅 패턴은 개인마다 다를 수 있습니다. 이전의 연구 결과에 의하면 사람들은 며칠 전부터 일주일 전에 먹은 음식의 세부 사항을 회상하는 데 어려움을 겪었으며 하루 전에, 일주일에 또는 그보다 일찍부터 다이어트 패턴을 회상하지 못했습니다. 식이 요법 연구 참가자는 음식 소비를 과소보고하는 경향이 있습니다. 부분 크기 산정은 식량 벌목의 또 다른 원인이며, 사람마다 다를 수 있습니다. 의도적이든 비 의도적이든, 음식 로깅 빈도, 적시성 및 정확성은 사람들의 그룹마다 다를 수 있습니다. (2013 년 발간 된 자유롭게 이용할 수있는 장에서이 문제와 다른 문제에 관해 더 많은 것을 읽을 수 있습니다. 식이 평가 방법론 .)
나는 식사 전이나 식사 직후에 음식을 채우는 것이 나의 회귀 편향을 최소화하는 데 도움이되므로 가능할 때마다 그렇게한다. 으로 내 음식 로그 데이터 탐색하기 그래프 빌더에서 필자는 여러 가지 이유로 자신의 로깅 데이터가 불완전한 아웃 라이더 데이의 여러 그룹을 식별 할 수있었습니다. 참가자가 음식 로깅 앱을 사용하는 대규모 연구조차도 선택의 문제에 직면하게됩니다. 참가자의 데이터를 로깅 준수 및 데이터 품질이 크게 달라질 수 있음을 알기 쉽게 직접 받아보고 개인별로 로깅 준수 패턴을 평가합니다. 각 개인의 식습관에 대한 근본적인 진실을 알지 못하면 데이터가 불완전하거나 부정확한지, 전체 연구 결론에 영향을 미칠 수있는지를 평가하는 것은 극히 어렵습니다.
나는 인용 된 서빙 크기와 실제 음식 가중치 사이의 불일치의 많은 예를 보았으며 메뉴에 대한 칼로리 카운트가 종종 신뢰할 수 없다는 것을 나타내는 많은 기사를 읽었습니다. 비슷한 모양의 식품은 설탕, 버터 또는 기름과 같이 크게 숨겨진 성분의 차이로 인해 다양한 칼로리를 가질 수 있습니다. 가능한 경우, 식품 무게 데이터의 정확성을 높이기 위해 부분을 측정하거나 측정합니다. 내 자신의 데이터 수집에 포장 된 음식이나 레스토랑에서 준비된 음식의 칼로리를 과소 평가하는 대신, 때로는 실수가 그보다 훨씬 클 수 있음을 알고 있지만, 종종 항목의 로그에 10 %를 더합니다.
궁극적으로 체중 감량을 결정하는 적자 및 잉여 수를 계산할 때 운동 소비량을 계산할 때 오류가 있으면 소비를 추정하는 데 오류가 발생합니다. 음식을 기록하는 대부분의 앱에서도 운동 기록을 작성하여 더 많은 칼로리를 섭취 할 수 있습니다. 불행히도, 활동에 대한 칼로리 화상의 표준 추정치는 종종 실제 상황과 일치하지 않습니다. 일부 운동에서는 화상을 과대 평가하거나 운동을하지 않아도 화상을 입을 수있는 기준 열량을 포함시킬 수 있습니다. 결론은 사람들이 일반적으로 운동이 운동보다 더 많은 칼로리를 소모한다고 생각한다는 것입니다. 특히 운동 칼로리가 타는 짧은 여성의 경우, 체중 감량을위한 운동에만 전적으로 의존하는 것은 매우 결함이있는 전략입니다. 불행히도 평생 체중 투쟁을 통해 여러 번 나 자신에게 입증되었습니다.
최근의 성공적인 체중 감량 단계에서 나는 섭취량과 화상력 사이에 적자를 유지하는 데 집중했다. 나는 내가 소비하는 것보다 적은 양을 먹음으로써 적자를 달성하고, 원하는 결과를 얻기 위해 필요한만큼 균형을 조정한다. 나는 마지막 임신과 체중 감소 이후 체중 증가와 체중 감량 데이터를 이전 게시물; 그래프 빌더 그래프는 내가 흑자를 보았을 때 체중이 늘었고 적자가 났을 때 체중이 줄었다는 것을 분명히 보여주었습니다. 임신 중 나의 이득은 아기 / 물 무게에 기인하는 양보다 훨씬 많았고, 체중 과다 체지방은 약 20 파운드였습니다. 지난 몇 년간 체중을 유지하는 동안 칼로리 밸런스간에 동일한 연결 고리를 보았습니다. 체중 변동이 훨씬 적지 만 동일한 기본 개념이 유지됩니다.
자기가보고 한 음식 로그 데이터와 활동 측정에 대해 지금까지 배웠던 모든 것이 내 데이터의 한계와 자기보고 데이터를 기반으로 한 대규모 체중 감량 연구를 수행하는 연구자가 직면 한 문제에 대한 내 눈을 열었습니다. 대규모 연구는 다양한 유전학, 생활 양식 및보고 패턴을 가진 이질적인 일련의 개인을 평균하여 광범위한 결론을 이끌어내는 것을 목표로합니다.
나는 지금 내 자신의 n = 1 연구에서 체중 감량과 건강한 범위 내에서 유지할 수있는 양을 정량화하기위한 충분한 자유 생존 데이터를 수집했습니다. 이는 내 인생에서이 시점까지 나를 거의 이해하지 못하는 이해입니다. 당연히, 나는 감량 된 칼로리 균형이 체중 감소의 원인이되는 중요한 요인이라는 것을 증명하기 위해 섭취와 활동을 밀접하게 정량화하여 감금 된 쥐와 같은 사람들을 치료하는 체중 감량 연구에 일반적으로 사용되는 동일한 적자 전략에 수렴했다. 지난 몇 년 동안 내가 가진 것을 배우기 위해 케이지에서 살 필요가 없다는 사실에 진심으로 감사드립니다. 많은면에서 내 데이터를 통해 얻은 것을 학습하면 나를 자유롭게 할 수있었습니다.
Sheela 쓴 :
이것은 매우 흥미 롭습니다. 그래픽 이미지는 많은 숫자를 볼 때보 다 훨씬 더 많이 전달됩니다. 네, 일부 데이터가 부족하지만 이제 우리는 더 많은 것을 수집하고 시각화를 향상시킬 수 있습니다.
우리가 읽고있는 것 | 정량화 된 자기 정량화 된 자기 쓴 :
[...] 내 지속적인 다이어트 및 피트니스 프로젝트 Shannon 코너에 의해 반영. 다시 섀넌은 그녀의 아름답고 사려 깊은 설명을 통해 어떻게 우리를 놀라게합니까 [...]
