Wellness Project 뒤에 있는 건강 데이터 소스와 과학적 근거

칼로리 및 다량 영양소 추정(음식 기록)

음식을 기록할 때(설명 입력, AI 코치와 대화, 사진 스캔, 레시피 저장), 앱의 AI 모델이 설명한 음식과 분량을 바탕으로 칼로리, 단백질, 탄수화물, 지방, 알코올, 미량 영양소를 추정해요. 이 값은 측정값이 아닌 모델 추정치이며 항상 그렇게 표시되고, 저장 전후에 모든 값을 직접 수정할 수 있어요.

• 영양소 값: 기록한 식사, 저장한 레시피, 사진 스캔은 식품 성분 데이터베이스에서 조회하지 않고 AI 모델이 추정해요.
• 바코드로 스캔한 제품: 스캔한 바코드의 영양 정보는 Open Food Facts 데이터베이스, USDA FoodData Central(https://fdc.nal.usda.gov)의 USDA 브랜드 제품 데이터, 또는 제품에 인쇄된 영양 성분표에서 가져와요. 모델이 추정하지 않고 직접 읽은 값이에요.
• 제공업체에서 가져오기: 연결된 제공업체(Cronometer, Apple Health, Health Connect 또는 Google Health)에서 가져온 식사는 앱이 다시 추정하지 않고 해당 제공업체가 보고한 그대로 기록돼요.
• 에너지 환산: 칼로리와 다량영양소는 Atwater 일반 계수로 환산해요. 단백질 4 kcal/g, 탄수화물 4 kcal/g, 지방 9 kcal/g, 알코올 7 kcal/g이에요. 참고 문헌: Merrill AL & Watt BK, "Energy Value of Foods: Basis and Derivation," USDA Agriculture Handbook No. 74, 1973.
• 일일 목표와 참고 기준: 기록과 함께 표시되는 칼로리 및 매크로 목표는 USDA 미국인을 위한 식생활 지침(Dietary Guidelines for Americans, https://www.dietaryguidelines.gov)과 미국 의학연구소(Institute of Medicine)의 다량영양소 식사 섭취 기준(Dietary Reference Intakes)을 따라요. 참고 문헌: Institute of Medicine, "Dietary Reference Intakes for Energy, Carbohydrate, Fiber, Fat, Fatty Acids, Cholesterol, Protein, and Amino Acids," National Academies Press, 2005.
• 사진과 설명으로 하는 섭취량 추정: AI가 추정한 섭취량은 근삿값이에요. 보이는 내용이나 설명된 내용에 따라 정확도에 본질적인 한계가 있어요. 해당하는 경우 값에 신뢰도 표시가 붙고 언제든 수정할 수 있어요.

TDEE (총 일일 에너지 소비량)

앱은 세 가지 방법 중 하나로 하루 칼로리 소모량을 추정하며, 사용 가능한 데이터에 따라 자동으로 선택해요:

• Mifflin-St Jeor 공식(기본): 체중, 키, 나이, 성별로 BMR을 계산한 다음, 걸음 수와 기록된 운동 강도에서 얻은 활동 계수를 곱해요. 참고 문헌: Mifflin MD et al., "A new predictive equation for resting energy expenditure in healthy individuals," American Journal of Clinical Nutrition, 1990.
• Katch-McArdle 공식(제지방량 경로): 최근 체성분 데이터가 있을 때 사용해요. 전체 체중이 아니라 제지방량에서 BMR을 계산해요. 참고 문헌: McArdle WD, Katch FI, Katch VL, Exercise Physiology: Nutrition, Energy, and Human Performance.
• 적응형 TDEE(역산): 기록이 충분히 쌓이면, 관찰된 섭취 칼로리와 평활화한 체중 추세의 관계에서 지수 가중 이동 평균과 회귀 분석으로 TDEE를 역산해요. 개념적 근거: Hall KD et al., "Quantification of the effect of energy imbalance on bodyweight," The Lancet, 2011; Thomas DM et al., "Time to correctly predict the amount of weight loss with dieting," Journal of the Academy of Nutrition and Dietetics, 2014.

NSI (정규화 근력 지수)

NSI는 사용자의 체중, 나이, 성별에 해당하는 인구 기준에 비춰 근력 운동 세트에 점수를 매겨요.

• 1RM 추정: 들어 올린 무게와 수행한 반복 횟수를 바탕으로 검증된 예측 공식에서 계산해요. 반복 횟수가 많은 세트는 최대 근력보다 근지구력을 반영하므로 반복 횟수는 20회까지만 적용해요. 1회 반복 세트는 들어 올린 무게 자체가 1회 최대 중량이므로 예측하지 않고 측정값 그대로 사용해요. 기본 공식: Epley. 참고 문헌: Epley B, "Poundage Chart," Boyd Epley Workout, 1985. 선택할 수 있는 다른 공식으로는 Lander와 Brzycki가 있어요. 참고 문헌: Lander J, "Maximums based on reps," National Strength and Conditioning Association Journal, 1985; Brzycki M, "Strength testing: predicting a one-rep max from reps-to-fatigue," Journal of Physical Education, Recreation & Dance, 1993.
• 인구 근력 기준: 운동별 기준값은 체중에 따라 보간하고 연령 계수로 조정해요. 발표된 규준 근력 데이터와 상대성장 스케일링 연구에서 도출했어요. 참고 문헌: Haff GG & Triplett NT (eds.), Essentials of Strength Training and Conditioning, 4th ed., NSCA; Jaric S, "Muscle strength testing: use of normalisation for body size," Sports Medicine, 2002.
• 연령 보정: 생애에 걸쳐 최대 근력 발휘가 감소한다고 보고된 내용을 반영해 근력 기준을 나이에 따라 조정해요. 참고 문헌: Pearson SJ et al., "Muscle function and ageing," Scandinavian Journal of Medicine & Science in Sports, 2002.

Fit Score (일일 종합 0-100)

일일 Fit Score는 훈련 성과, 수면, 영양, 회복, 활동, 주관적 웰빙을 하나의 0-100 웰니스 지표로 합산해요. 특정 날의 데이터가 없으면 구성 요소를 다시 정규화해요. 각 영역의 기반 방법론은 이 페이지의 개별 지표 섹션에 정리돼 있어요.

수면 점수 (0-100)

연결된 웨어러블에서 수면 단계 데이터를 가져올 수 있으면 점수는 네 가지 구성 요소를 사용해요. 수면 시간만 있으면 시간 구성 요소가 100%로 환산돼요.

• 수면 시간: 성인 권장 하룻밤 수면 시간과 비교해 점수를 매겨요. 참고 문헌: Hirshkowitz M et al., "National Sleep Foundation's sleep time duration recommendations," Sleep Health, 2015.
• 깊은 수면: 발표된 성인 깊은 수면 규준 값과 비교해 점수를 매겨요. 참고 문헌: Ohayon M et al., "Meta-analysis of quantitative sleep parameters from childhood to old age in healthy individuals," Sleep, 2004.
• REM 수면: 발표된 성인 REM 규준 값과 비교해 점수를 매겨요. 참고 문헌: Ohayon M et al., "Meta-analysis of quantitative sleep parameters from childhood to old age in healthy individuals," Sleep, 2004; Carskadon MA & Dement WC in Principles and Practice of Sleep Medicine.
• 중간 각성: 임상 수면 연속성 지침에 따라 점수를 매겨요. 참고 문헌: American Academy of Sleep Medicine, International Classification of Sleep Disorders.

회복 점수 (0-100)

회복 점수는 생리적 신호와 주관적 신호를 하나의 준비도 지표로 합산해요.

• HRV: RMSSD 값을 사용자의 개인 이동 기준선과 비교해요. HRV는 개인차가 매우 크기 때문에 인구 규준보다 개인 기준선에 더 큰 비중을 둬요. 참고 문헌: Plews DJ et al., "Training adaptation and heart rate variability in elite endurance athletes," Sports Medicine, 2013; Shaffer F & Ginsberg JP, "An overview of heart rate variability metrics and norms," Frontiers in Public Health, 2017.
• 안정시 심박수: 사용자의 개인 기준선과 일반 인구의 건강 기준에 비교해요. RHR이 낮을수록 심혈관 체력과 회복력이 높은 경향이 있어요. 참고: 안정시 심박수를 심혈관 위험 지표로 다룬 American Heart Association 가이드라인.
• 수면: 웨어러블 또는 직접 입력으로 기록한 시간이에요. 참고: 성인 대상 AASM의 7-9시간 권장 기준.
• 웰빙: 직접 입력한 에너지, 기분, 근육통, 스트레스예요. 근육통과 스트레스는 반전해서 반영해요(근육통/스트레스가 높을수록 회복이 낮아요).

심박변이도(HRV)

앱은 RMSSD(연속된 RR 간격 차이의 제곱평균제곱근)를 밀리초 단위로 기록하고 표시해요. 운동선수 모니터링에서 가장 잘 검증된 단기 HRV 지표예요.

• 측정: Apple Health, Fitbit, Oura 또는 Google Health Connect에서 가져와요. 각 제공업체는 자체적으로 검증한 측정 방식(야간 평균 또는 아침 측정값)을 사용해요.
• 해석: 절대 HRV 값은 사람마다 크게 다르기 때문에 인구 평균이 아니라 사용자 본인의 이동 기준선과 비교해요. 참고 문헌: Plews DJ et al., "Comparison of heart-rate-variability recording with smartphone photoplethysmography, Polar H7 chest strap, and electrocardiography," International Journal of Sports Physiology and Performance, 2014.
• 준비도 신호: 개인 기준선보다 의미 있게 떨어진 경우(특히 RHR 상승과 함께 나타날 때)를 회복 경고 신호로 사용해요. 참고 문헌: Buchheit M, "Monitoring training status with HR measures: do all roads lead to Rome?" Frontiers in Physiology, 2014.