Till huvudinnehållet

Viktigt: Säkerställ att du får Dietisten framåt.  Läs mer

ANNONS

Innehåll från Innehåll från Nutrition Data Sweden

Annons

Unikt verktyg gör det svåra lätt

Nutrition Data är ett modernt och användarvänligt system för näringsberäkning och kostrådgivning. Det fungerar både som smart verktyg för dietisten och skräddarsytt hjälpmedel för patienten.

29 februari, 2024 Uppdaterades 28 maj, 2025 3 minuters läsning
Användarvänligt verktyg. Patienten registrerat sina måltider i appen, sedan är det enkelt för dietisten att göra näringsanalyser, ge praktiska kostråd och skicka skräddarsydda kostscheman med goda och nyttiga recept.

Att ge goda kostråd är en sak men att få patienterna att ta till sig råden och faktiskt följa dem är ofta betydligt svårare. Det är här som Nutrition Data kommer in i bilden, ett system för avancerad näringsberäkning och rådgivning som har tagits fram i nära samarbete mellan dietister, forskare systemutvecklare och andra experter inom området.

– Programmet fungerar både som verktyg för dietisten och hjälpmedel för patienten, säger Katarina Holm Johansson, vd och grundare av Nutrition Data Sweden.

Hon förklarar att appen, som är helt unik i branschen, underlättar för dietisten att anpassa innehållet för olika patienter, det gäller allt från vilka råd patienten får till vilka menyval som visas.

– Säg att man först vill ha in en kostregistrering av patienten. Då kan dietisten dölja allt utom kostdagboken och även blockera all näringsinformation så att patienten inte blir påverkad av kaloriinnehåll och liknande. När registreringen är klar och dietisten gjort sin näringsanalys går det enkelt att aktivera näringsinformationen igen, liksom de menyval man anser är relevanta för just denna patient. 

För vissa patienter är det en utmaning att kostregistrera på ett sätt som stämmer överens med verkligheten. Då kan en specialfunktion i Nutrition Data komma väl till pass: skanning.

– När dietisten aktiverar den funktionen i appen kan patienten enkelt skanna EAN-koden på matvarans förpackning och får då direkt in den näring som står på förpackningen i sin kostdagbok, säger Katarina Holm Johansson.

För att hjälpa patienten att hitta goda matvanor finns en funktion, där dietisten kan skicka eller skriva ut måltidsscheman och tips på passande recept och livsmedel. Det finns många varianter av färdiga scheman i Nutrition Data som man kan använda men det är även enkelt att skapa och lägga till helt egna.– På det viset har man allting samlat på ett och samma ställe.

Bra recept är grunden för att lyckas med livsstilsförändringar, därför testas alla recept som läggs in i Nutrition Datas digra receptsamling först i provköket.

– Det är ett hårt jobb att provsmaka men någon måste ju göra det! Skämt åsido så är vi väldigt måna om att recepten inte enbart ska vara nyttiga utan också goda och lätta att tillaga.

Just nu finns det omkring 750 näringsberäknade recept, kategoriserade så att det ska vara enkelt att hitta passande maträtter för olika typer av problem och sjukdomar. Och vill dietisten justera recepten eller skapa egna så går det också bra.

Enligt Katarina Holm Johansson blir programmet aldrig helt färdigt.

– Vi har en nära dialog med våra användare för att få veta vilka behov som finns och vilka funktioner som önskas. Vi är otroligt tacksamma för alla fina omdömen som vi får och det ger oss den inspiration vi behöver för att fortsätta utvecklas.

Läs mer här: https://nutritiondata.se/dietist/


Dela artikeln

Forskning

AI kan spela större roll i nutritionsbedömningen

Artificiell intelligens kan användas för att identifiera patienter med nutritionsrisk, analysera kroppssammansättning och ge stöd i kliniska beslut. En ny forskningsöversikt beskriver stora möjligheter för AI inom klinisk nutrition – men också risker och behovet av fortsatt mänsklig kontroll.

Dietisten
Redaktionen 16 september, 2026 3 minuters läsning
AI
Adobe.stock

Artificiell intelligens har på kort tid blivit en del av många områden inom hälso- och sjukvården. Nu utvecklas också tillämpningar som riktar sig specifikt mot klinisk nutrition.

I en ny översikt i Current Opinion in Clinical Nutrition and Metabolic Care går forskare igenom hur AI kan användas från screening och nutritionsbedömning till kliniskt beslutsstöd och uppföljning.

En grundläggande möjlighet är att snabbt bearbeta mycket stora mängder patientdata. Genom att kombinera exempelvis journaluppgifter, laboratorievärden, bilddiagnostik och annan klinisk information kan algoritmer hitta mönster som kan vara svåra att upptäcka manuellt.

Kan upptäcka nutritionsrisk 

Ett användningsområde är screening och tidig identifiering av patienter som löper risk för undernäring eller nutritionsrelaterade komplikationer.

AI-baserade modeller kan analysera stora databaser med patientinformation och användas för att förutsäga vilka patienter som har störst risk att utveckla problem. Det skulle kunna ge vårdpersonal möjlighet att sätta in nutritionsåtgärder tidigare.

Forskarna lyfter också fram användningen av medicinska bilder. Datortomografibilder som redan tagits av andra medicinska skäl innehåller information om bland annat patientens muskelmassa. Med hjälp av AI kan bilder analyseras automatiskt för att identifiera låg muskelmassa och sarkopeni och bidra till bedömningen av patientens risk och prognos.

Tekniken kan därmed göra information som redan finns i vården användbar även för nutritionsbedömningen.

Från bedömning till beslut 

Nästa steg är kliniskt beslutsstöd. Genom att väga samman stora mängder information skulle AI-system exempelvis kunna bidra till att identifiera patienter som behöver nutritionsbehandling och ge underlag för mer individualiserade beslut.

I intensivvården, där patienternas tillstånd kan förändras snabbt och stora mängder data genereras kontinuerligt, ser forskarna särskilt stora möjligheter.

AI kan också användas för att förutsäga nutritionsrelaterade komplikationer och patientutfall. På sikt kan sådana system bidra till en mer individualiserad nutritionsbehandling, där rekommendationerna i större utsträckning anpassas efter den enskilda patientens tillstånd och riskprofil.

Kräver stora mängder bra data 

Men möjligheterna kommer med tydliga begränsningar. AI-system är beroende av de data de tränats och testats på. Om underlaget är bristfälligt eller inte representerar de patienter som systemet senare används för finns risk för missvisande resultat.

För att utveckla tillförlitliga modeller behövs därför stora och välstrukturerade datamängder samt samarbete mellan kliniker, forskare och experter på dataanalys.

Det behövs också klinisk validering. Ett system som fungerar bra i en forskningsmiljö eller för en viss patientgrupp behöver inte automatiskt fungera lika bra i en annan vårdmiljö.

Stöd – inte ersättning för klinisk kompetens 

Forskarna ser en betydande potential för AI att förändra den kliniska nutritionen, framför allt genom bättre screening, riskbedömning och mer individualiserade beslut.

Samtidigt behöver införandet ske under noggrann uppföljning. Målet är inte att ersätta den kliniska bedömningen utan att ge vårdprofessionen ytterligare information och beslutsstöd.

För dietisten väcker utvecklingen därför frågor som går utöver själva tekniken. Om en algoritm identifierar en patient som undernärd eller föreslår en nutritionsåtgärd behöver någon fortfarande kunna värdera resultatet i sitt kliniska sammanhang.

Ju mer avancerade beslutsstöden blir, desto viktigare blir därmed också frågan om vilken kunskap dietisten behöver för att förstå när AI hjälper – och när den riskerar att leda fel.

Källa: Singer P., Slavin Kish M. & Raphaeli O. Artificial intelligence in nutritional assessment and decision making. Current Opinion in Clinical Nutrition and Metabolic Care, 2026; 29(5):434–440.


Dela artikeln

Forskning

”Eating jetlag” kopplas till hjärt-kärlsjukdom

Att äta på olika tider under arbetsdagar och lediga dagar kan ha betydelse för hjärt-kärlhälsan. I en stor fransk studie var större variationer i måltidstider kopplade till högre risk för hjärt-kärlsjukdom hos män – även när forskarna tog hänsyn till bland annat kostkvalitet och sömn.

Dietisten
Redaktionen 14 september, 2026 3 minuters läsning
Eat lag
Adobe.stock

Vad vi äter har länge stått i centrum för kostforskningen. På senare år har intresset också ökat för när vi äter och hur måltidernas timing samspelar med kroppens dygnsrytm.

Nu har forskare från den stora franska NutriNet-Santé-studien undersökt fenomenet ”eating jetlag” – skillnaden mellan tidpunkten för måltider under arbetsdagar och lediga dagar.

Studien omfattade 104 806 vuxna, varav 79 procent var kvinnor. Deltagarnas medelålder vid studiens början var knappt 43 år och de följdes under en median på drygt åtta år.

Mätte första och sista intaget 

Deltagarna fick vid upprepade tillfällen registrera allt de åt och drack under 24 timmar. Forskarna använde tidpunkterna för dagens första och sista energiintag för att beräkna mitten av varje deltagares dagliga ”ätfönster”.

Därefter jämfördes denna tidpunkt mellan arbetsdagar och lediga dagar. Ju större förskjutningen var, desto större var deltagarens så kallade eating jetlag.

Forskarna delade också in deltagarna efter om de åt ungefär samma tider under arbetsdagar och lediga dagar, försköt sitt ätande till senare tider när de var lediga eller i stället åt tidigare.

Drygt 70 procent behöll ungefär samma måltidsrytm. Omkring en fjärdedel försköt ätandet till senare tider under lediga dagar, medan knappt fem procent åt tidigare.

Samband sågs hos män 

Under uppföljningen analyserade forskarna förekomsten av hjärt-kärlsjukdom, inklusive kranskärlssjukdom och cerebrovaskulär sjukdom.

Hos män var större eating jetlag kopplat till 14 procent högre risk för hjärt-kärlsjukdom och 21 procent högre risk för kranskärlssjukdom.

Män som försköt sitt ätande mer än en timme till tidigare tider under lediga dagar hade högre risk för både hjärt-kärlsjukdom och kranskärlssjukdom jämfört med dem som höll ungefär samma tider. Även en förskjutning till senare tider var kopplad till högre risk för kranskärlssjukdom.

Motsvarande tydliga samband sågs inte hos kvinnor.

Resultaten kvarstod efter att forskarna justerat analyserna för en rad faktorer, däribland ålder, fysisk aktivitet, rökning, alkoholintag, kostkvalitet och sömn.

Dygnsrytmen kan spela roll 

En möjlig förklaring är kroppens cirkadiska rytm. Kroppens biologiska klockor påverkar bland annat glukosomsättning, blodtryck, hormonproduktion och metabolism. Om tidpunkterna för matintag regelbundet flyttas fram och tillbaka skulle det kunna bidra till en störning av dessa rytmer.

Men forskarna betonar att studien är observationell. Den kan därför inte visa att oregelbundna måltidstider i sig orsakar hjärt-kärlsjukdom.

Det är också oklart varför sambanden framför allt sågs hos män. Deltagarna i NutriNet-Santé är frivilliga och gruppen bestod till stor del av kvinnor, vilket också behöver vägas in när resultaten tolkas.

Forskarna menar att resultaten behöver bekräftas i andra populationer innan regelbundna måltidstider kan rekommenderas som en specifik strategi för att förebygga hjärt-kärlsjukdom. Studien bidrar samtidigt till ett växande forskningsområde där frågan inte bara är vad och hur mycket vi äter – utan också när vi äter.

Källa: Le Folcalvez X. et al. Eating jetlag based on meal timing discrepancies and risk of cardiovascular disease using the prospective cohort NutriNet-Santé. Communications Medicine, 2026.



Cookies

Den här webbplatsen använder cookiesför statistik och användarupplevelse.

Driva eget använder cookies för att förbättra din användarupplevelse, för att ge underlag till förbättring och vidareutveckling av hemsidan samt för att kunna rikta mer relevanta erbjudanden till dig.

Läs gärna vår personuppgiftspolicy. Om du samtycker till vår användning, välj Tillåt alla. Om du vill ändra ditt val i efterhand hittar du den möjligheten i botten på sidan.