深度解析医学证据，lxfs.net为你支撑决策 准确的膳食摄入评估是营养研究、临床营养诊疗与公共卫生政策制定的核心基石。肥胖、2 型糖尿病、心血管疾病等慢性非传染性疾病的发生发展与膳食模式高度相关，可靠的膳食数据是疾病防控与干预效果评价的核心前提。数十年来，24 小时膳食回顾法、食物频率问卷、多日膳食记录等传统方法始终是营养研究的主流工具，但这类方法高度依赖受访者记忆与主观份量估计，普遍存在回忆偏倚、社会期望偏倚与系统性报告误差，在超重与肥胖人群中能量摄入低估现象尤为突出。此外，频繁的膳食调查会显著增加受访者负担，降低长期依从性，难以支撑连续的纵向膳食监测。 随着移动健康产业与人工智能技术的快速普及，基于计算机视觉的图像识别、可穿戴传感器等数字化膳食评估工具不断涌现，其核心目标是减少对记忆与手动录入的依赖，实现更便捷、更连续的膳食监测。然而，技术层面的快速迭代并未从根本上解决膳食测量的核心误差问题，同时用户留存率低、食物成分数据库质量参差不齐、跨文化适配性不足、临床认可度有限等问题，始终制约着这类工具从消费级健康应用向临床诊疗场景转化。基于此，本综述系统整合现有研究证据，全面剖