COUNT(DISTINCT food), борщ и немного Менделеева

Дисклеймер: я разрабатываю Calk — приложение, из которого выросла эта задача.

Я хотел показать человеку одно число: сколько разных растений он съел за неделю. Задача выглядела так:

meals.flatMap { it.ingredients }
     .filter { it.isPlant }
     .distinct()
     .count()

Четыре строки. Проблема спряталась в третьей: что именно значит distinct?

Помидор и черри — одно растение или два? Сырой и запечённый шпинат? Три грамма петрушки в борще?

Я хотел дать человеку понятный способ заметить однообразие и увидеть, в каком направлении можно расширить рацион. Для этого понадобились три разных инструмента: счётчик продуктов, карта пробелов и порядок вариантов внутри каждой группы.

Так рядом с недельным числом появились цветные ячейки, а внутри каждой — свой порядок продуктов.

Откуда вообще взялось число 30

Популярный совет «ешьте 30 разных растений в неделю» вырос из American Gut Project ^[1]. В работе сравнивали участников, которые по анкете ели больше 30 типов растений в неделю, с теми, кто ел 10 и меньше, и нашли различия в микробиоме и метаболоме.

Но 30 — граница двух анкетных категорий, а не обнаруженный биологический порог. Исследование наблюдательное, участники приходили сами, питание оценивалось по самоотчётам. Из него не следует, что 29 растений мало, а 31 достаточно.

В систематическом обзоре 161 уникальной публикации ^[2] 50 работ касались нутриентной достаточности, 137 — медицинских исходов; одна публикация могла попасть в обе группы. Авторы пришли к осторожному выводу: метрики разнообразия пригодны прежде всего как приближённая оценка достаточности микронутриентов, а связи с медицинскими исходами оказались менее последовательными.

Даже сам объект счёта не определён раз и навсегда. FAO MDD-W ^[3] проверяет десять пищевых групп за сутки, а Dietary Species Richness ^[4] считает биологические виды.

Иными словами, я взялся считать разнообразие, не определив единицу счёта.

Если в дневнике записан «борщ», уже поздно

В обычном пищевом дневнике борщ часто хранится одной строкой: название, масса, калории, белки, жиры и углеводы. Для суммы калорий и даже для оценки съеденного белка этого достаточно.

Для разнообразия — нет.

В тарелке могли быть свёкла, капуста, морковь, лук, картофель и томат. В строке «борщ, 250 ккал» их не осталось. Из калорий и названия нельзя восстановить рецепт: борщ бывает постным и мясным, с фасолью и без, с майонезом или сметаной, с зеленью или без неё.

В больших базах состав смешанного блюда можно восстановить, только если его рецепт известен заранее. Например, в FNDDS 2021–2023 ^[5] есть 5 432 кода еды и напитков, а отдельная таблица хранит ингредиенты и их количество. FPED ^[6] переводит такие рецепты в 37 компонентов рациона. Но состав произвольного домашнего или ресторанного борща базе неизвестен.

В моём случае дневник уже хранил блюда по ингредиентам. Сначала надо было решить, какие из этих частей считать одним продуктом.

Блюдо, ингредиент и базовый продукт — не одно и то же

Для пользователя достаточно трёх уровней:

1. Блюдо — борщ или салат. Оно состоит из частей.

2. Ингредиент — 80 г варёной свёклы или 20 г сырого лука.

3. Базовый продукт — свёкла или лук независимо от приготовления.

Для калорий важен ингредиент: варёная и жареная картошка дают разный результат. Для недельного счётчика сырой, варёный и жареный картофель — один базовый продукт. В каталоге 638 растительных строк описывают 341 базовый продукт, и у 100 из них есть несколько форм приготовления.

Разбор заканчивается на уровне ингредиентов, сохранённых в дневнике. Домашний рецепт хумуса можно разложить на нут, тахини и масло; готовый хумус, записанный одной строкой, останется одним ингредиентом.

Границы базового продукта не всегда совпадают с границами биологического вида:

Недельный счётчик разбирает известные блюда до сохранённых ингредиентов, объединяет способы приготовления одного продукта, но сохраняет привычно разные съедобные части и явно указанные цветовые варианты.

Килограмм картошки против 20 граммов петрушки

Наивный DISTINCT ставит их вничью: по одной единице каждому.

В обновлённой методике MDD-W ^[14] группа обычно засчитывается, только если за день съедено не меньше 15 г. В GDQS ^[15] у разных пищевых групп свои диапазоны количества.

Обе методики считают пищевые группы за день, а не уникальные растения за неделю. Они подтверждают, что количество нельзя игнорировать, но не дают готового порога для моего счётчика: 15 г легко отсекают укроп и петрушку, а нулевой порог позволяет набрать разнообразие декоративной щепоткой.

Для недельного интерфейса остаются три варианта: учитывать присутствие, ввести минимальную массу или взвешивать вклад по количеству и типу продукта. Я выбрал первый. Счётчик отвечает только на вопрос «был ли этот продукт на неделе?», а его количество отдельно участвует в расчёте калорий и нутриентов.

На тестовой неделе счётчик показал 16 растений. Из них только одно было фруктом.

Одного числа недостаточно: нужна карта пробелов

Сначала я взял самый понятный человеку язык — цвет овощей, фруктов и ягод. Цветовые рекомендации существуют давно, но единой разбивки нет. Pennington и Fisher ^[16], например, проверяли, как с химическим составом связаны цвет, ботаническое семейство, съедобная часть и общая антиоксидантная способность. Полученные кластеры часто лучше всего описывались сочетанием нескольких признаков.

У меня получилось семь групп: красные, оранжевые, жёлтые, светло-зелёные, тёмно-зелёные, бело-бежевые и сине-фиолетовые. Светлую и тёмную зелень пришлось разделить: зелёных продуктов слишком много, а MDD-W ^[3] тоже выделяет тёмные листовые овощи в отдельную группу.

Сначала я раскладывал группы свободными «островами». Но с каждым исключением появлялся новый блок, близость блоков ничего не означала, а пустое место расползалось между ними. По такой схеме трудно понять, чего именно не хватает.

Тогда появилась сетка — пока только из семи цветовых колонок. У каждой области появилось постоянное место, а пустые колонки стало легче замечать.

Но цветом классифицируется не вся еда. Яйцо, лосось, фасоль, овсянка и кефир в радугу не укладываются.

Почему снизу ещё семь

Можно было просто добавить стандартные пищевые группы. Я проверил несколько вариантов:

На одном экране без прокрутки помещались семь колонок и два ряда. Поэтому для второго ряда я искал ещё семь направлений.

Во второй ряд я отобрал семь коротких направлений, которые не дублируют цветовую радугу и отвечают на вопрос «что попробовать?»: морские омега-3, жирорастворимые витамины, растительные омега-жиры, B-комплекс, минералы, клетчатка и пробиотики.

Сахар, соль и насыщенные жиры сюда не входят: разнообразная коллекция сладостей от этого полезнее не станет. Цельные злаки, бобовые, орехи, яйца, молочные продукты и мясо находятся внутри функциональных групп, без собственных колонок.

Семь пар «цвет — функция» образуют три более крупные зоны.

Каротиноиды и жиры. Красные, оранжевые и жёлтые растения стоят над тремя соседними направлениями. Связь здесь практическая: пищевой жир повышает биодоступность каротиноидов ^[19], а нижний ряд разводит морские омега-3, источники жирорастворимых витаминов и растительные омега-жиры.

Зелень и обмен веществ. Светлая и тёмная зелень находятся над B-комплексом и минералами. Листовые овощи относятся к источникам фолата ^[20] и магния ^[21]; нижние группы расширяют выбор за пределы зелени — на бобовые, орехи, семена, яйца, мясо и молочные продукты.

Кишечник и иммунный ответ. Бело-бежевые и сине-фиолетовые растения дают клетчатку, инулин и полифенолы; снизу находятся клетчатка и продукты с живыми культурами. В 17-недельном рандомизированном исследовании с 36 участниками рационы с большим количеством клетчатки и ферментированной еды по-разному меняли микробиоту и иммунные маркеры ^[22]. На карте эти направления стоят рядом.

Так карта выглядит сейчас, в закрытом тестировании:

Клетки внутри колонок понадобились потому, что даже после сжатия продуктов слишком много. Петрушка, укроп и кинза дают недельному счётчику три растения, но карте достаточно одной клетки «зелень». Счётчик сохраняет различия. Карта намеренно их сжимает.

Где здесь Менделеев — и где его точно нет

У периодической таблицы я позаимствовал постоянные координаты, группы и число в углу клетки. У Менделеева соседство помогало предсказывать ещё не найденные элементы; здесь оно только связывает уже известные пищевые направления и помогает запомнить карту. Пустая клетка сообщает, что в этой области на неделе ничего не было.

Менделеев раскладывал элементы по атомной массе и иногда менял порядок ради химических свойств. Физический смысл порядкового номера появился только после работ Мозли в 1913 году — через шесть лет после смерти Менделеева. История таблицы показывает этот переход ^[23]: сначала был рабочий порядок, затем нашлось свойство, которое его объяснило.

У еды такого свойства я не нашёл. Число в углу сортирует варианты внутри каждой из 14 групп.

Когда появилась карта, клеткам понадобился порядок

Если группа пустует, совет «добавьте что-нибудь зелёное» мало помогает: нужны несколько конкретных вариантов и порядок между ними. Для этой сортировки я ввёл балл нутриентной насыщенности продукта.

Здесь пригодились те самые 24 показателя, которые оказались слишком подробными для карты:

• жирные кислоты: EPA + DHA и ALA;

• витамины и связанные вещества: D, K2, K1, B12, A, E, C, фолат, B6, тиамин, холин;

• минералы: йод, железо, цинк, селен, магний, кальций, марганец и калий;

• другие компоненты: клетчатка, лютеин и спермидин.

Эти 24 показателя различают продукты внутри выбранных 14 направлений: жирные кислоты, витамины, минералы, клетчатка и несколько биоактивных веществ. Белок, незаменимые аминокислоты и компоненты, которые принято ограничивать, в сортировку не входят. Для K2, лютеина и спермидина используются оценочные ориентиры: отдельных общепринятых дневных норм для них нет.

Для каждого показателя считается доля дневной нормы в 100 г продукта:

вклад показателя = min(доля дневной нормы, 100%)
нутриентная сумма = Σ вкладов

Ограничение min(..., 100%) — потолок вклада: один рекордный показатель не может перевесить весь остальной профиль продукта.

В 100 г тушёной говяжьей печени по USDA FoodData Central, FDC ID 168626 ^[24] около 29 дневных норм B12 и 10,5 нормы витамина A. Без потолка вклад только этих двух витаминов составил бы 39,5 дневной нормы. С потолком они дают 1 + 1, после чего остальные показатели снова влияют на порядок. Печень остаётся богатой, но два рекорда не определяют весь рейтинг.

Подход вдохновлён NRF9.3 ^[25]. NRF9.3 считает девять положительных нутриентов, вычитает три компонента, которые желательно ограничивать, и использует референсную порцию продукта. Здесь 24 показателя суммируются без вычитания, а расчёт идёт на 100 г.

Что действительно меняет рейтинг

Насколько рейтинг зависит от каждого принятого решения?

Без оценочных ориентиров порядок почти тот же: ρ = 0,988, максимальный сдвиг — пять мест. Выбор одной формы приготовления вместо максимума по всем формам даёт ρ = 0,934 и сдвиг до 15 мест. Без потолка ρ падает до 0,899, а отдельная ячейка перемещается на 40 мест. Сильнее всего работает база сравнения — 100 г или 100 ккал.

Ранговая корреляция всего ρ = 0,459. На 100 ккал вверх уходят шпинат, мангольд и руккола; вниз — сыры и масла.

Расчёты отвечают на разные вопросы:

• на 100 ккал — сколько нутриентов продукт даёт на единицу энергии;

• на 100 г — насколько насыщена нутриентами одинаковая масса продукта.

Cronometer тоже предлагает продукты отдельно по граммам и по калориям ^[26]: это два полезных, но разных рейтинга.

Карта использует расчёт на 100 г: она предлагает продукт, а не строит рацион с фиксированной калорийностью. Расчёт на 100 ккал систематически поднимает очень низкокалорийную зелень и опускает масла, орехи и сыр. Но зелень редко едят стограммовыми порциями, поэтому её реальный вклад в неделю всё равно должен считаться из съеденных граммов, а не из высокого места в рейтинге.

Что карта показывает на практике

Полная карта — справочник: по ней видны сильные и пустые направления в целом. В недельной детализации остаются уже конкретные продукты — что было съедено и чем можно заполнить пробел.

История по тем же 14 направлениям отделяет случайный пропуск от привычки. На одной неделе пустая клетка мало что значит; полоса за полгода показывает, что целая группа почти не появляется.

Возвращаемся к борщу

Я собрал три порции борща по 400 г и сравнил их счётчиком, картой и обычным расчётом нутриентов. Воды в каждом рецепте ровно столько, чтобы получить 400 г; третий борщ поэтому заметно плотнее первых двух.

1. Постный и простой: свёкла, картофель, морковь и немного капусты.

2. Мясной с майонезом: те же овощи, лук, говядина и 20 г майонеза.

3. Собранный по карте: свёкла, белокочанная и краснокочанная капуста, картофель, морковь, лук, томат, фасоль, говядина, чеснок, мангольд, укроп, петрушка и сметана.

Третий борщ три модели считают по-разному. Счётчик находит 12 привычных растительных продуктов: две капусты здесь считаются раздельно по правилу выше. При пороге MDD-W в 15 г останется восемь: чеснок, мангольд, укроп и петрушка его не проходят. Карта показывает красное, оранжевое, два зелёных направления, бело-бежевое, сине-фиолетовое, B-комплекс и пробиотики. Расчёт по граммам добавляет калории, белок и клетчатку.

В третьем рецепте стало больше источников витаминов, минералов, клетчатки и фитосоединений. Замена части картофеля и майонеза на овощи, фасоль и зелень увеличила число растений и направлений, почти удвоила клетчатку, немного подняла белок и снизила калорийность относительно мясной версии.

Баллы клеток здесь не складываются: итоговая сумма смешала бы широту рациона, покрытие карты и сортировку продуктов внутри групп.

Во что превратились четыре строки

COUNT(DISTINCT food) отвечает на один узкий вопрос: сколько известных базовых продуктов было за неделю. Смешанное блюдо разбирается до сохранённых ингредиентов, а способы приготовления одного продукта объединяются. Несколько привычных форм одной капусты могут увеличить число; карта затем сжимает их в одну-две области.

Карта отвечает на второй вопрос: в каких из 14 направлений есть пробелы. Она специально сжимает петрушку, укроп и кинзу в одну клетку «зелень», хотя недельный счётчик сохраняет три растения.

Нутриентный балл отвечает на третий: какие конкретные продукты показать выше внутри пустующей группы. Он считается на 100 г и ограничивает вклад каждого показателя одной дневной нормой. Место в рейтинге сортирует варианты; съеденная тарелка рассчитывается по реальным граммам.

У сетки есть ещё одна цена: каждый продукт занимает одно основное место. Лосось находится в морской омеге, поэтому не заполняет одновременно жирорастворимые витамины и B-комплекс. Так карта остаётся читаемой, но часть связей теряется. Если подсвечивать все подходящие клетки, пробелы станут точнее, а сама карта — сложнее.

Я нашёл системы, считающие растения (30Veg ^[27] и Plant Points ^[28]), групповые популяционные метрики (MDD-W ^[3]), исследовательский трекер, умеющий разбирать смешанные блюда (Diet DQ Tracker ^[29]), и трекеры, которые закрывают нутриентные пробелы (Cronometer Oracle ^[26]). Есть даже настоящая Periodic Table of Food Initiative ^[30] — она картографирует молекулярный состав еды, а не личную неделю.

Я не нашёл готового решения, которое соединяло бы ингредиенты, недельное число разных продуктов, видимые пробелы и объяснимые варианты, чем их заполнить.

Если знаете работающую систему, статью или визуализацию, которую я пропустил, напишите в комментариях или в личку. Особенно интересны две идеи: какую суммарную массу базового продукта за неделю считать достаточной для зачёта и как показывать продукты вроде лосося, которые обоснованно относятся сразу к нескольким группам.