1.预测个体对食物的反应的方法，所述方法包括：
选择食物，其中所述个体对所述食物的反应是未知的；
访问第一数据库，其含有描述所述个体但不描述所述个体对所选食物的反应的数据；
访问第二数据库，其含有关于其它个体对食物的反应的数据，所述其它个体的所述反应包括至少一名其它个体对所选食物或与所选食物类似的食物的反应；以及
基于所选食物分析所述数据库以估计所述个体对所选食物的反应。
2.权利要求1的方法，其中所述第一数据库包含关于所述个体对食物的反应的数据，这些食物均不同于所选食物。
3.预测个体对食物的反应的方法，所述方法包括：
选择食物和食物摄入背景，其中所述个体对其的反应是未知的；
访问第一数据库，其含有描述所述个体但不描述所述个体对所选食物在所选食物摄入背景下的反应的数据；
访问第二数据库，其含有关于其它个体对食物的反应的数据，所述其它个体的所述反应包括至少一名其它个体对所选食物或与所选食物类似的食物的反应；以及
基于所选食物分析所述数据库以估计所述个体对所选食物在所选食物摄入背景下的反应。
4.权利要求3的方法，其中所述第一数据库包含关于所述个体对食物在相应食物摄入背景下的反应的数据，这些食物在所选食物摄入背景下均不同于所选食物。
5.根据权利要求3和4中任一项的方法，其中所述食物摄入背景选自：所述食物的量、日时间、睡前或睡后的时间、锻炼前或锻炼后的时间、精神或生理状态以及环境状况。
6.根据权利要求1-5中任一项的方法，其中所述分析包括执行机器学习程序。
7.权利要求6的方法，其中所述机器学习程序包含监督学习程序。
8.根据权利要求6和7中任一项的方法，其中所述机器学习程序包含选自以下的至少一种程序：聚类、支持向量机、线性建模、k-最近邻分析、决策树学习、集成学习程序、神经网络、概率模型、图形模型、贝叶斯网络和关联规则学习。
9.根据权利要求1-8中任一项的方法，其中所述第二数据库包含根据预定的分类组群分类的数据，其中所述分析包括根据所述分类组群将所述个体分类以提供特异于所述个体的分类组，并且其中基于对应于所述分类组的所述第二数据库中的反应估计所述个体对所选食物的所述反应。
10.根据权利要求1-9中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目具有至少三个维度。
11.根据权利要求1-9中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目具有至少四个维度。
12.根据权利要求1-9中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目具有至少五个维度。
13.根据权利要求1-12中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目分别对应于一名个体并包含所述个体所食用的食物并至少包含所述个体对所述食物的升糖反应。
14.根据权利要求1-13中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目分别对应于一名个体，所述个体在相应数据库中通过至少所述个体的部分微生物组概况表征。
15.根据权利要求1-14中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目分别对应于一名个体并包含所述个体所食用的食物并至少包含与所述食物相关的独特摄入频率。
16.根据权利要求1-15中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目分别对应于一名个体并包含所述个体所食用的食物并至少包含所述食物的部分化学组成。
17.根据权利要求1-16中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目分别对应于一名个体，所述个体在相应数据库中通过至少所述个体的部分血液化学表征。
18.根据权利要求1-17中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目分别对应于一名个体，所述个体在相应数据库中通过至少所述个体的遗传学概况表征。
19.根据权利要求1-18中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目分别对应于一名个体，所述个体在相应数据库中通过至少与所述个体相关的代谢组学数据表征。
20.根据权利要求1-19中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目分别对应于一名个体，所述个体在相应数据库中通过至少所述个体的身体状况表征。
21.根据权利要求1-20中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目分别对应于一名个体，所述个体在相应数据库中通过至少所述个体的食物摄入习惯表征。
22.根据权利要求1-21中任一项的方法，其中所述第一和所述第二数据库中的至少一个包含一个或多个多维条目，其中每个条目分别对应于一名个体并包含所述个体在一定时间内所进行的活动的列表。
23.计算机软件产品，所述产品包括计算机可读介质，其中存储了程序指令，当通过数据处理器读取所述指令时，所述指令造成所述数据处理器接收食物，其中个体对所述食物的反应是未知的，并执行根据权利要求1-22中任一项的方法。
24.用于预测个体对食物的反应的装置，所述装置包括：
用户界面，其被配置成接收食物，其中所述个体对所述食物的反应是未知的；和
数据处理器，其具有存储权利要求23的计算机软件产品的计算机可读介质。
25.构建数据库的方法，所述方法包括，针对一组个体中的每名个体：
监测所述个体在至少数天的时间内的血糖水平；
监测所述个体在所述时间内所食用的食物；
分析所述所监测的血糖水平和所述所监测的食物以将升糖反应与所述所食用的食物的至少一部分中的每种食物关联起来；以及
在至少一个数据库中制作关于所述关联的数据库记录。
26.权利要求25的方法，其中所述至少一个数据库包含对应于所述个体组中所有个体的组数据库。
27.权利要求26的方法，其中针对至少一名个体，所述至少一个数据库还包含对应于所述个体的个体特异性数据库。
28.根据权利要求25-27中任一项的方法，所述方法还包括获得关于所述个体和/或所述食物的额外数据，并在所述至少一个数据库中制作所述额外数据的记录。
29.根据权利要求28的方法，所述方法还包括使用多维分析程序处理所述至少一个数据库，并响应于所述分析更新所述至少一个数据库。
30.根据权利要求29的方法，其中所述多维分析程序包括执行机器学习程序。
31.根据权利要求30的方法，其中所述机器学习程序包含监督学习程序。
32.根据权利要求30和31中任一项的方法，其中所述机器学习程序包含选自以下的至少一种程序：分类、回归、聚类、支持向量机、线性建模、k-最近邻分析、决策树学习、集成学习程序、神经网络、概率模型、图形模型、贝叶斯网络和关联规则学习。
33.根据权利要求28-32中任一项的方法，其中所述额外数据包含所述个体的至少部分微生物组概况。
34.根据权利要求28-33中任一项的方法，其中所述额外数据包含与所述食物相关的独特摄入频率。
35.根据权利要求28-34中任一项的方法，其中所述额外数据包含所述食物的至少部分化学组成。
36.根据权利要求28-35中任一项的方法，其中所述额外数据包含所述个体的至少部分血液化学。
37.根据权利要求28-36中任一项的方法，其中所述额外数据包含所述个体的至少遗传学概况。
38.根据权利要求28-37中任一项的方法，其中所述额外数据包含与所述个体相关的代谢组学数据。
39.根据权利要求28-38中任一项的方法，其中所述额外数据包含所述个体的身体状况。
40.根据权利要求28-39中任一项的方法，其中所述额外数据包含所述个体的食物摄入习惯。
41.根据权利要求28-40中任一项的方法，其中所述额外数据包含所述个体在所述时间内所进行的活动的列表。
42.根据权利要求1-41中任一项的方法、产品或装置，其中所述食物是食物产品。
43.根据权利要求1-41中任一项的方法、产品或装置，其中所述食物是食物类型。
44.根据权利要求1-41中任一项的方法、产品或装置，其中所述食物是食物类型家族。
45.根据权利要求1-41中任一项的方法、产品或装置，其中所述食物是多种食物的组合，所述多种食物中的每种食物分别选自食物产品、食物类型和食物类型家族。
46.根据权利要求1-41中任一项的方法、产品或装置，用于预防、控制和/或治疗身体状况，如与肥胖症、代谢综合征、糖尿病以及肝脏疾病或失调直接相关的状况。