De Pet Food and Health‑app leunt sterk op recent wetenschappelijk werk. Dat omvat zowel technische verwezenlijkingen zoals datasynchronisatie en de technologie achter voedselmixen, maar uiteraard ook een grote hoeveelheid onderzoek uit de dierenvoeding- en veterinaire gemeenschap. Deze pagina geeft een kijkje achter de schermen van die wetenschap en geeft een helder beeld van hoe de Pet Food and Health‑app zich onderscheidt van andere voedingstools.
Voeding wordt door huisdieren niet op dezelfde manier opgenomen als door mensen. Mensen zijn omnivoren, honden zijn facultatieve carnivoren en katten zijn obligate carnivoren. Dat beïnvloedt hoe voeding in hun darmstelsel wordt verwerkt. Begrijpen hoe huisdiervoeding zich vertaalt naar metabole energie (de energie die een dier uit voeding kan halen) is een actief onderzoeksgebied. Veel studies proberen de status‑quo te verbeteren door meer factoren mee te nemen. De eenvoudigste methoden – waaronder één uit de invloedrijke AAHA‑richtlijn doi: 10.5326 – zijn variaties op de formule die voor mensen wordt gebruikt:
kcal = 8.5 x fat + 3.5 x protein + 3.5 x carbsDit staat ook bekend als de Atwater‑vergelijking. Er bestaan tal van verbeteringen doi: 10.17226 en er zijn nog veel meer voorstellen geweest die in de loop der jaren zijn verlaten. Maar zelfs wanneer de formule bekend is, zijn de componenten vaak lastig te verkrijgen of te berekenen. Huisdiervoerlabels vermelden bijvoorbeeld vaak geen koolhydraten en geen vochtgehalte.
Recente onderzoeken proberen bruto‑energie opnieuw te integreren (gemeten met een bomcalorimeter) en verder te differentiëren tussen katten/honden en droog/nat voer doi: 10.1371 doi: 10.3389 . Dat zijn interessante benaderingen die een rijker beeld kunnen geven van hoe dieren voeding opnemen. Tegelijk is het belangrijk om deze studies kritisch te beoordelen. Daarom gebruikt de app deze nieuwste methoden niet als technische basis: de onderliggende formule‑afleiding vertoont gebreken, onder andere door overfitting en zelfevaluatie. Andere studies bevestigen deze vermoedens met empirische evaluaties doi: 10.1371 en wijzen erop dat de meest betrouwbare schattingen nog steeds uit eerder werk komen doi: 10.17226 . De app gebruikt daarom gevestigde resultaten voor het berekenen van de calorische inhoud van huisdiervoeding doi: 10.17226 , en bouwt verder op de eenvoudiger methode uit de AAHA‑richtlijnen, terwijl ontwikkelingen in dit onderzoeksgebied uiteraard nauwlettend opgevolg worden.
De huidige gouden standaarden voor huisdiervoeding komen uit de AAHA‑richtlijnen van 2021 doi: 10.5326 en de FEDIAF‑richtlijnen 2021. Een beperking van deze werken is dat ze gericht zijn op een zeer breed publiek. Ze bieden veilige richtlijnen waaruit een betere aanpak kan worden afgeleid. Toch blijven ze uiterst relevant, en ze bepalen veel eisen waar producenten aan moeten voldoen, zoals micronutriënten‑limieten en minima voor macronutriënten.
AAHA en FEDIAF bieden een solide startpunt om de onderhoudsenergie voor huisdieren en honden te bepalen op basis van lichaamsgewicht. Maar dat is duidelijk onvoldoende voor gedetailleerd advies. Neem vier honden met hetzelfde gewicht: de ene is jong en de andere oud, de ene is sloom en de andere een werkhond. Hun energiebehoeften verschillen.
De app maakt gebruik van recent onderzoek naar de onderhoudsenergie van honden doi: 10.1371 en vult dit aan met een rijk, multifactorieel model dat energiebehoeften bepaalt op basis van leeftijd, grootte en leefstijlfactoren doi: 10.1017 .
Voor katten kan dit nog verder verfijnd worden met recente studies. De app vertrekt van een sterke basis doi: 10.1017 , maar verfijnt vervolgens met de feline body mass index (fBMI) doi: 10.1053 . De reden is dat de energiebehoefte bij katten een grote spreiding kent. Die spreiding wordt sterk verkleind wanneer lichaamsmassa vervangen wordt door vetvrije massa (dus zonder lichaamsvet) doi: 10.1177 . Dat vraagt een extra berekening – en een kat die zich laat meten – dus als er geen fBMI beschikbaar is, gebruikt de app een meer generieke berekening. Wanneer een gebruiker de fBMI wel berekent, gebruikt de app de preciezere waarden.
Minima voor eiwitten in huisdiervoeding worden gegeven door zowel AAHA als FEDIAF. Deze waarden veranderen naarmate een dier groeit, verschillen tussen honden en katten, en variëren met de grootte. Toch zijn dit niet de ultieme waarden. Recente studies in Pratique Vétérinaire en andere bronnen doi: 10.1371 tonen dat deze minima conservatief zijn en dat zowel katten als honden baat hebben bij aanzienlijk hogere eiwitgehaltes. Eiwitten zijn essentieel voor een gezonde levensstijl, dus de app kiest bewust voor deze hogere waarden in plaats van uitsluitend de minima. Onderzoek gaat snel vooruit doi: 10.3390 en verbeteringen worden in de app geïntegreerd wanneer ze bevestigd en bewezen zijn.
De technologieën in de app zijn binnenshuis ontwikkeld door Smarthound. Dit omvat een moderne CRDT‑aanpak om je data efficiënt te synchroniseren. Dat maakt krachtige functies mogelijk zoals eventual consistency (zelfs bij langdurige offline‑periodes), consensus, efficiënte opslag en minimale (mobiele) databehoefte. Voor het berekenen van voedselmixen maakt de app gebruik van moderne kunstmatige intelligentie (AI) en machine learning (ML), samen met nieuwe maatwerk‑technologieën voor uitbreidingen zoals fuzzy en soft constraints.