No meu tempo livre, tenho focado em um problema muito específico: como saber quanta cafeína eu consumi? Eu construí uma calculadora de cafeína para chás, uma para mate e agora estou construindo uma mistura de CLI / REST endpoint / pacote para ajudar outras pessoas a calcular o teor de cafeína de vários tipos de bebidas. No entanto, o que eu quero falar aqui não é sobre o app em si, mas de onde e como consegui os dados para ele.
Embora seja fácil encontrar dados informando quanta cafeína as bebidas comuns têm, na realidade isso pode variar bastante. O café muda de acordo com o tipo de grão que você está usando, sua origem e como você o prepara. O mate muda muito dependendo da espessura da moagem da erva. O chá muda com base no tipo de chá e se você o prepara no estilo ocidental, gongfu ou grandpa style.
O primeiro problema é que a única maneira de saber quanta cafeína estamos consumindo seria medir a cafeína na própria xícara ou cuia. Mas ainda podemos obter uma média melhor do que a que a maioria dos sites nos fornece. Como exemplo, você pode pesquisar no Google agora mesmo. Ele dirá que 50g de erva-mate tem de 150 a 260 mg de cafeína. No entanto, se você souber os detalhes exatos do seu mate, como se é uma erva nativa brasileira, os dados científicos nos mostram que, na realidade, o valor fica perto de 55 mg, enquanto um argentino chega perto de 290 mg. Com o limite máximo diário recomendado de 400 mg, podemos ver o quanto a média comum da internet pode causar erros, fazendo com que os usuários bebam mais ou menos da sua bebida do que gostariam.
O segundo problema é que, se você for checar os dados científicos, verá que a maioria das pesquisas é conduzida usando parâmetros muito específicos. Eles usam temperatura e gramaturas controladas, e o chá, mate ou café vem de uma área muito específica, ou até mesmo de uma marca ou fazenda em particular. Em resumo, os dados são tão detalhados e complexos que, para obter o valor real de cafeína, precisaríamos ir até o usuário e coletar uma amostra do que ele realmente está bebendo. Portanto, existe a necessidade de simplificar esses dados para que sejam úteis ao usuário, mas não a ponto de darmos a volta e nos tornarmos tão inúteis quanto as informações comuns da web. O que eu fiz foi selecionar as informações principais que podemos obter do usuário, como tipo de chá, gramas utilizadas e volume, e criar um algoritmo que calcula um valor médio de cafeína muito mais preciso com base nisso.
Para resolver todos esses problemas, tive que ler e coletar dados de diferentes artigos, selecionar os que faziam sentido e simplificá-los. Como você pode imaginar, nenhum algoritmo consegue calcular o valor exato para produtos naturais. Na arquitetura e urbanismo, nós inclusive usamos margens de segurança em materiais estruturais naturais para garantir a segurança. O mesmo vale para qualquer alimento ou bebida natural. Saber melhor o que você está consumindo pode ajudá-lo a tomar decisões melhores para sua saúde e a aproveitar sua cafeína de forma mais consciente.
Para quem quiser conferir, o repositório em que estou trabalhando é Caffeine Mega App