mitai-jinkendo/backend/placeholder_registrations/nutrition_part_c.py

"""
Placeholder Registrations - Nutrition Part C

Registers 5 nutrition-related placeholders with complete metadata:
- macro_consistency_score
- energy_balance_7d
- energy_deficit_surplus
- intake_volatility
- nutrition_days

All placeholders follow Phase 0c Multi-Layer Architecture.
"""

from placeholder_registry import (
    PlaceholderMetadata,
    MissingValuePolicy,
    EvidenceType,
    OutputType,
    PlaceholderType,
    register_placeholder
)


# ═══════════════════════════════════════════════════════════════════════════════
# 1. macro_consistency_score
# ═══════════════════════════════════════════════════════════════════════════════

macro_consistency_metadata = PlaceholderMetadata(
    key="macro_consistency_score",
    category="Ernährung",
    description="Makro-Konsistenz Score (0-100)",

    # Technical
    resolver_module="backend/placeholder_resolver.py",
    resolver_function="_safe_int('macro_consistency_score', pid)",
    data_layer_module="backend/data_layer/nutrition_metrics.py",
    data_layer_function="calculate_macro_consistency_score",
    source_tables=["nutrition_log"],

    # Semantic
    semantic_contract="Liefert einen standardisierten Score (0-100), der die Stabilität bzw. Varianz der Makronährstoffzufuhr über 28 Tage bewertet. Niedriger CV (Coefficient of Variation) = höherer Score.",
    business_meaning="Verdichteter Konsistenzindikator für Ernährungsumsetzung. Score basiert auf durchschnittlicher Variabilität der Makros (kcal, protein, fat, carbs).",
    unit="score (0-100)",
    time_window="28d",
    output_type=OutputType.NUMERIC,
    placeholder_type=PlaceholderType.INTERPRETED,
    format_hint="Ganzzahl 0-100",
    example_output="74",

    # Quality
    minimum_data_requirements="Mindestens 18 Einträge in 28 Tagen (60% coverage) für verlässliche Varianzberechnung.",
    quality_filter_policy="Unvollständige oder stark lückenhafte Tage schwächen Aussagekraft. NULL-Werte bei einzelnen Makros werden für CV-Berechnung übersprungen.",
    confidence_logic="Aus Datenabdeckung ableiten: 18+ Einträge = ausreichend für CV-Berechnung. Score selbst ist bereits ein Konsistenzmaß.",
    missing_value_policy=MissingValuePolicy(
        available=False,
        value_raw=None,
        missing_reason="insufficient_data",
        legacy_display="nicht verfügbar"
    ),
    known_limitations=(
        "Score-Formel: CV (Coefficient of Variation) = std_dev / mean für jeden Makro. "
        "Durchschnittlicher CV über alle 4 Makros. "
        "Thresholds: CV<0.2=100, CV<0.3=85, CV<0.4=70, CV<0.5=55, CV>=0.5=max(30,100-CV*100). "
        "WICHTIG: Niedrige Konsistenz ist nicht automatisch schlecht (bewusste Zyklen, Refeed-Tage). "
        "Interpretation hängt vom Zielkontext ab."
    ),

    # Architecture
    layer_1_decision="Data Layer (nutrition_metrics.calculate_macro_consistency_score)",
    layer_2a_decision="Placeholder Resolver (_safe_int, keine zusätzliche Logik)",
    layer_2b_reuse_possible="Ja - Chart für Konsistenz-Verlauf oder Score-Trend möglich",
    architecture_alignment="Phase 0c conform - Data Layer liefert Score, Resolver formatiert nur",
    issue_53_alignment="Konform - Data Layer berechnet, Resolver wraps",

    # Evidence (not exported, internal tracking)
    evidence={}
)

# Evidence tagging
macro_consistency_metadata.set_evidence("resolver_module", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("resolver_function", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("data_layer_module", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("data_layer_function", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("source_tables", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("unit", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("time_window", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("output_type", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("format_hint", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("minimum_data_requirements", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("quality_filter_policy", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("confidence_logic", EvidenceType.CODE_DERIVED)
macro_consistency_metadata.set_evidence("semantic_contract", EvidenceType.DRAFT_DERIVED)
macro_consistency_metadata.set_evidence("business_meaning", EvidenceType.DRAFT_DERIVED)
macro_consistency_metadata.set_evidence("known_limitations", EvidenceType.MIXED)  # Formula from code, interpretation from draft
macro_consistency_metadata.set_evidence("layer_1_decision", EvidenceType.TO_VERIFY)
macro_consistency_metadata.set_evidence("layer_2a_decision", EvidenceType.TO_VERIFY)
macro_consistency_metadata.set_evidence("layer_2b_reuse_possible", EvidenceType.TO_VERIFY)

register_placeholder(macro_consistency_metadata)


# ═══════════════════════════════════════════════════════════════════════════════
# 2. energy_balance_7d
# ═══════════════════════════════════════════════════════════════════════════════

energy_balance_metadata = PlaceholderMetadata(
    key="energy_balance_7d",
    category="Ernährung",
    description="Energiebilanz 7-Tage (kcal/Tag Durchschnitt)",

    # Technical
    resolver_module="backend/placeholder_resolver.py",
    resolver_function="_safe_float('energy_balance_7d', pid, decimals=0)",
    data_layer_module="backend/data_layer/nutrition_metrics.py",
    data_layer_function="calculate_energy_balance_7d",
    source_tables=["nutrition_log", "weight_log"],

    # Semantic
    semantic_contract="Liefert die geschätzte Energiebilanz über 7 Tage als Differenz zwischen durchschnittlicher Energieaufnahme und geschätztem TDEE (Total Daily Energy Expenditure). Positiver Wert = Überschuss, Negativer Wert = Defizit.",
    business_meaning="Kernindikator für Defizit-/Überschussrichtung im Kurzfristfenster. Zeigt, ob aktuelle Ernährung auf Gewichtsverlust, Erhaltung oder Aufbau ausgerichtet ist.",
    unit="kcal/day (Durchschnitt)",
    time_window="7d",
    output_type=OutputType.NUMERIC,
    placeholder_type=PlaceholderType.INTERPRETED,
    format_hint="Ganzzahl, gerundet auf 0 Dezimalstellen",
    example_output="-380",

    # Quality
    minimum_data_requirements="Mindestens 4 Tage mit Kalorienerfassung in 7-Tage-Fenster. Aktuelles Gewicht aus weight_log erforderlich.",
    quality_filter_policy="Unvollständige Intake-Daten und fehlende Gewichtsmessung reduzieren Verlässlichkeit. TDEE-Schätzung ist vereinfacht (weight_kg × 32.5).",
    confidence_logic=(
        "Kombiniert Intake-Abdeckung und Robustheit des Verbrauchsmodells. "
        "Niedrigere Confidence bei <7 Tagen Daten oder fehlendem Gewicht. "
        "TDEE-Modell ist vereinfacht → inherent uncertainty."
    ),
    missing_value_policy=MissingValuePolicy(
        available=False,
        value_raw=None,
        missing_reason="insufficient_data",
        legacy_display="nicht verfügbar"
    ),
    known_limitations=(
        "TDEE-MODELL: Vereinfacht als bodyweight_kg × 32.5 (mittlerer Multiplikator). "
        "NICHT berücksichtigt: Aktivitätslevel, Alter, Geschlecht, Stoffwechselanpassungen. "
        "TODO in Code: Harris-Benedict oder Mifflin-St Jeor für präzisere TDEE-Schätzung. "
        "ACHTUNG: Energiebilanz ist modellbasiert, nicht direkt gemessen. "
        "Einheit ist kcal/Tag (daily average), NICHT 7d-Total."
    ),

    # Architecture
    layer_1_decision="Data Layer (nutrition_metrics.calculate_energy_balance_7d) - berechnet Balance aus Intake und TDEE",
    layer_2a_decision="Placeholder Resolver (_safe_float, rundet auf 0 Dezimalstellen)",
    layer_2b_reuse_possible="Ja - Chart für Energiebilanz-Verlauf oder Defizit-Trend",
    architecture_alignment="Phase 0c conform - Data Layer berechnet Balance, Resolver formatiert",
    issue_53_alignment="Konform - Berechnung in Data Layer",

    # Evidence
    evidence={}
)

# Evidence tagging
energy_balance_metadata.set_evidence("resolver_module", EvidenceType.CODE_DERIVED)
energy_balance_metadata.set_evidence("resolver_function", EvidenceType.CODE_DERIVED)
energy_balance_metadata.set_evidence("data_layer_module", EvidenceType.CODE_DERIVED)
energy_balance_metadata.set_evidence("data_layer_function", EvidenceType.CODE_DERIVED)
energy_balance_metadata.set_evidence("source_tables", EvidenceType.CODE_DERIVED)
energy_balance_metadata.set_evidence("unit", EvidenceType.MIXED)  # Code says kcal/day, canonical was ambiguous
energy_balance_metadata.set_evidence("time_window", EvidenceType.CODE_DERIVED)
energy_balance_metadata.set_evidence("output_type", EvidenceType.CODE_DERIVED)
energy_balance_metadata.set_evidence("format_hint", EvidenceType.CODE_DERIVED)
energy_balance_metadata.set_evidence("minimum_data_requirements", EvidenceType.CODE_DERIVED)
energy_balance_metadata.set_evidence("quality_filter_policy", EvidenceType.CODE_DERIVED)
energy_balance_metadata.set_evidence("confidence_logic", EvidenceType.MIXED)
energy_balance_metadata.set_evidence("semantic_contract", EvidenceType.DRAFT_DERIVED)
energy_balance_metadata.set_evidence("business_meaning", EvidenceType.DRAFT_DERIVED)
energy_balance_metadata.set_evidence("known_limitations", EvidenceType.MIXED)  # TDEE formula from code, limitations from both
energy_balance_metadata.set_evidence("layer_1_decision", EvidenceType.TO_VERIFY)
energy_balance_metadata.set_evidence("layer_2a_decision", EvidenceType.TO_VERIFY)
energy_balance_metadata.set_evidence("layer_2b_reuse_possible", EvidenceType.TO_VERIFY)

register_placeholder(energy_balance_metadata)


# ═══════════════════════════════════════════════════════════════════════════════
# 3. energy_deficit_surplus
# ═══════════════════════════════════════════════════════════════════════════════

energy_deficit_surplus_metadata = PlaceholderMetadata(
    key="energy_deficit_surplus",
    category="Ernährung",
    description="Energie Defizit/Überschuss Status",

    # Technical
    resolver_module="backend/placeholder_resolver.py",
    resolver_function="_safe_str('energy_deficit_surplus', pid)",
    data_layer_module="backend/data_layer/nutrition_metrics.py",
    data_layer_function="calculate_energy_deficit_surplus",
    source_tables=["nutrition_log", "weight_log"],  # Indirect via energy_balance_7d

    # Semantic
    semantic_contract="Liefert qualitative Einordnung, ob aktuelle Energiezufuhr relativ zum geschätzten Bedarf in einem Defizit ('deficit'), auf Erhaltung ('maintenance') oder im Überschuss ('surplus') liegt.",
    business_meaning="Leicht interpretierbarer Energie-Statusindikator. Vereinfacht Energiebilanz zu verständlichen Kategorien.",
    unit="state (string)",
    time_window="7d",
    output_type=OutputType.STRING,
    placeholder_type=PlaceholderType.INTERPRETED,
    format_hint="Einer von drei Statuswerten: 'deficit', 'maintenance', 'surplus'",
    example_output="deficit",

    # Quality
    minimum_data_requirements="Wie energy_balance_7d: mindestens 4 Tage mit Kalorienerfassung + aktuelles Gewicht.",
    quality_filter_policy="Wie energy_balance_7d: unvollständige Intake-Daten und vereinfachte TDEE-Schätzung reduzieren Verlässlichkeit.",
    confidence_logic="Abgeleitet von energy_balance_7d. Confidence der Balance überträgt sich auf Status.",
    missing_value_policy=MissingValuePolicy(
        available=False,
        value_raw=None,
        missing_reason="insufficient_data",
        legacy_display="nicht verfügbar"
    ),
    known_limitations=(
        "Status-Schwellen: balance < -200 kcal/day = 'deficit', "
        "balance > +200 kcal/day = 'surplus', "
        "-200 bis +200 = 'maintenance'. "
        "WICHTIG: Nur so gut wie zugrunde liegende TDEE-Schätzung (siehe energy_balance_7d). "
        "Minimale Abweichungen nahe Maintenance-Schwelle können zu Statuswechsel führen. "
        "200 kcal Schwelle ist willkürlich gewählt - physiologisch könnten auch 100-300 kcal sinnvoll sein."
    ),

    # Architecture
    layer_1_decision="Data Layer (nutrition_metrics.calculate_energy_deficit_surplus) - mapped Balance zu Status",
    layer_2a_decision="Placeholder Resolver (_safe_str, keine zusätzliche Logik)",
    layer_2b_reuse_possible="Ja - Status-Anzeige oder Kategorien-Chart",
    architecture_alignment="Phase 0c conform - Status-Mapping in Data Layer",
    issue_53_alignment="Konform - Kategorisierung in Data Layer",

    # Evidence
    evidence={}
)

# Evidence tagging
energy_deficit_surplus_metadata.set_evidence("resolver_module", EvidenceType.CODE_DERIVED)
energy_deficit_surplus_metadata.set_evidence("resolver_function", EvidenceType.CODE_DERIVED)
energy_deficit_surplus_metadata.set_evidence("data_layer_module", EvidenceType.CODE_DERIVED)
energy_deficit_surplus_metadata.set_evidence("data_layer_function", EvidenceType.CODE_DERIVED)
energy_deficit_surplus_metadata.set_evidence("source_tables", EvidenceType.MIXED)  # Indirect via energy_balance_7d
energy_deficit_surplus_metadata.set_evidence("unit", EvidenceType.CODE_DERIVED)
energy_deficit_surplus_metadata.set_evidence("time_window", EvidenceType.CODE_DERIVED)
energy_deficit_surplus_metadata.set_evidence("output_type", EvidenceType.CODE_DERIVED)
energy_deficit_surplus_metadata.set_evidence("format_hint", EvidenceType.CODE_DERIVED)
energy_deficit_surplus_metadata.set_evidence("minimum_data_requirements", EvidenceType.MIXED)
energy_deficit_surplus_metadata.set_evidence("quality_filter_policy", EvidenceType.MIXED)
energy_deficit_surplus_metadata.set_evidence("confidence_logic", EvidenceType.MIXED)
energy_deficit_surplus_metadata.set_evidence("semantic_contract", EvidenceType.DRAFT_DERIVED)
energy_deficit_surplus_metadata.set_evidence("business_meaning", EvidenceType.DRAFT_DERIVED)
energy_deficit_surplus_metadata.set_evidence("known_limitations", EvidenceType.MIXED)  # Thresholds from code, interpretation mixed
energy_deficit_surplus_metadata.set_evidence("layer_1_decision", EvidenceType.TO_VERIFY)
energy_deficit_surplus_metadata.set_evidence("layer_2a_decision", EvidenceType.TO_VERIFY)
energy_deficit_surplus_metadata.set_evidence("layer_2b_reuse_possible", EvidenceType.TO_VERIFY)

register_placeholder(energy_deficit_surplus_metadata)


# ═══════════════════════════════════════════════════════════════════════════════
# 4. intake_volatility
# ═══════════════════════════════════════════════════════════════════════════════

intake_volatility_metadata = PlaceholderMetadata(
    key="intake_volatility",
    category="Ernährung",
    description="Intake-Volatilität (Klassifikation)",

    # Technical
    resolver_module="backend/placeholder_resolver.py",
    resolver_function="_safe_str('intake_volatility', pid)",
    data_layer_module="backend/data_layer/nutrition_metrics.py",
    data_layer_function="calculate_intake_volatility",
    source_tables=["nutrition_log"],

    # Semantic
    semantic_contract="Liefert qualitative Klassifikation der Variabilität der täglichen Kalorienaufnahme über 28 Tage. 'stable' = hohe Konstanz, 'moderate' = mittlere Schwankung, 'high' = starke Variabilität.",
    business_meaning="Konsistenz- und Adhärenzindikator für Ernährungsumsetzung. Zeigt, wie gleichmäßig die Kalorienaufnahme über die Zeit ist.",
    unit="category (string)",
    time_window="28d",
    output_type=OutputType.STRING,
    placeholder_type=PlaceholderType.INTERPRETED,
    format_hint="Einer von drei Werten: 'stable', 'moderate', 'high'",
    example_output="moderate",

    # Quality
    minimum_data_requirements="Wie macro_consistency_score: mindestens 18 Einträge in 28 Tagen (60% coverage).",
    quality_filter_policy="Ausreißer, lückenhafte Tage und unvollständige Logs reduzieren Verlässlichkeit. Abgeleitet von macro_consistency_score.",
    confidence_logic="Aus Datenabdeckung und Vollständigkeit ableiten. Abhängig von macro_consistency_score Confidence.",
    missing_value_policy=MissingValuePolicy(
        available=False,
        value_raw=None,
        missing_reason="insufficient_data",
        legacy_display="nicht verfügbar"
    ),
    known_limitations=(
        "Klassifikation basiert auf macro_consistency_score: "
        "score >= 80: 'stable', score >= 60: 'moderate', score < 60: 'high'. "
        "WICHTIG: Hohe Volatilität ist nicht automatisch schlecht (bewusste Refeed-/Diet-Break-Tage, unregelmäßige Wochenenden). "
        "Interpretation hängt von Zielkontext und Trainingslogik ab. "
        "Vereinfacht komplexes Konsistenzmuster zu drei Kategorien."
    ),

    # Architecture
    layer_1_decision="Data Layer (nutrition_metrics.calculate_intake_volatility) - mapped macro_consistency_score zu Kategorie",
    layer_2a_decision="Placeholder Resolver (_safe_str, keine zusätzliche Logik)",
    layer_2b_reuse_possible="Ja - Kategorie-Anzeige oder Trend-Chart",
    architecture_alignment="Phase 0c conform - Kategorisierung in Data Layer",
    issue_53_alignment="Konform - Mapping in Data Layer",

    # Evidence
    evidence={}
)

# Evidence tagging
intake_volatility_metadata.set_evidence("resolver_module", EvidenceType.CODE_DERIVED)
intake_volatility_metadata.set_evidence("resolver_function", EvidenceType.CODE_DERIVED)
intake_volatility_metadata.set_evidence("data_layer_module", EvidenceType.CODE_DERIVED)
intake_volatility_metadata.set_evidence("data_layer_function", EvidenceType.CODE_DERIVED)
intake_volatility_metadata.set_evidence("source_tables", EvidenceType.CODE_DERIVED)
intake_volatility_metadata.set_evidence("unit", EvidenceType.CODE_DERIVED)
intake_volatility_metadata.set_evidence("time_window", EvidenceType.CODE_DERIVED)
intake_volatility_metadata.set_evidence("output_type", EvidenceType.CODE_DERIVED)
intake_volatility_metadata.set_evidence("format_hint", EvidenceType.CODE_DERIVED)
intake_volatility_metadata.set_evidence("minimum_data_requirements", EvidenceType.MIXED)
intake_volatility_metadata.set_evidence("quality_filter_policy", EvidenceType.MIXED)
intake_volatility_metadata.set_evidence("confidence_logic", EvidenceType.MIXED)
intake_volatility_metadata.set_evidence("semantic_contract", EvidenceType.DRAFT_DERIVED)
intake_volatility_metadata.set_evidence("business_meaning", EvidenceType.DRAFT_DERIVED)
intake_volatility_metadata.set_evidence("known_limitations", EvidenceType.MIXED)  # Thresholds from code, interpretation mixed
intake_volatility_metadata.set_evidence("layer_1_decision", EvidenceType.TO_VERIFY)
intake_volatility_metadata.set_evidence("layer_2a_decision", EvidenceType.TO_VERIFY)
intake_volatility_metadata.set_evidence("layer_2b_reuse_possible", EvidenceType.TO_VERIFY)

register_placeholder(intake_volatility_metadata)


# ═══════════════════════════════════════════════════════════════════════════════
# 5. nutrition_days
# ═══════════════════════════════════════════════════════════════════════════════

nutrition_days_metadata = PlaceholderMetadata(
    key="nutrition_days",
    category="Ernährung",
    description="Anzahl valider Ernährungstage (30d)",

    # Technical
    resolver_module="backend/placeholder_resolver.py",
    resolver_function="get_nutrition_days(pid, 30)",
    data_layer_module="backend/data_layer/nutrition_metrics.py",
    data_layer_function="get_nutrition_days_data",
    source_tables=["nutrition_log"],

    # Semantic
    semantic_contract="Liefert die Anzahl der Tage mit valider Ernährungserfassung im 30-Tage-Fenster. Zählt alle unique Datums-Einträge in nutrition_log.",
    business_meaning="Direktes Maß für Datenabdeckung und Aussagekraft der Ernährungsplaceholder. Zeigt, an wie vielen Tagen im Zeitfenster Ernährungsdaten erfasst wurden.",
    unit="days",
    time_window="30d",
    output_type=OutputType.NUMERIC,
    placeholder_type=PlaceholderType.META,
    format_hint="Ganzzahl 0-30",
    example_output="22",

    # Quality
    minimum_data_requirements="Keine Mindestmenge für Existenz des Placeholders selbst. Wert kann 0 sein.",
    quality_filter_policy=(
        "Definition 'valider Tag': Jeder Tag mit mindestens einem Eintrag in nutrition_log gilt als valide. "
        "WICHTIG: Sagt NICHTS über Qualität oder Vollständigkeit des einzelnen Tages. "
        "Auch Teil-Tage (z.B. nur Frühstück erfasst) zählen als valider Tag. "
        "Keine Prüfung auf Mindest-Kalorienanzahl oder vollständige Makros."
    ),
    confidence_logic="Nicht klassisch nötig - der Wert selbst dient als Verlässlichkeitsindikator für andere Ernährungsplaceholder.",
    missing_value_policy=MissingValuePolicy(
        available=True,  # Always available, even if 0 days
        value_raw=0,
        missing_reason=None,
        legacy_display="0"
    ),
    known_limitations=(
        "Zählt nur UNIQUE dates mit Einträgen, nicht die Anzahl der Einträge. "
        "Sagt nichts über Qualität der einzelnen Tage (z.B. Vollständigkeit, Plausibilität). "
        "Nur Abdeckungsmaß, kein Qualitätsmaß. "
        "Bei mehreren Einträgen pro Tag wird Tag nur einmal gezählt."
    ),

    # Architecture
    layer_1_decision="Data Layer (nutrition_metrics.get_nutrition_days_data) - zählt unique dates",
    layer_2a_decision="Placeholder Resolver (get_nutrition_days, formatiert zu String)",
    layer_2b_reuse_possible="Ja - Coverage-Chart oder Datenqualitäts-Dashboard",
    architecture_alignment="Phase 0c conform - Count in Data Layer, Formatting in Resolver",
    issue_53_alignment="Konform - Zählung in Data Layer",

    # Evidence
    evidence={}
)

# Evidence tagging
nutrition_days_metadata.set_evidence("resolver_module", EvidenceType.CODE_DERIVED)
nutrition_days_metadata.set_evidence("resolver_function", EvidenceType.CODE_DERIVED)
nutrition_days_metadata.set_evidence("data_layer_module", EvidenceType.CODE_DERIVED)
nutrition_days_metadata.set_evidence("data_layer_function", EvidenceType.CODE_DERIVED)
nutrition_days_metadata.set_evidence("source_tables", EvidenceType.CODE_DERIVED)
nutrition_days_metadata.set_evidence("unit", EvidenceType.CODE_DERIVED)
nutrition_days_metadata.set_evidence("time_window", EvidenceType.CODE_DERIVED)
nutrition_days_metadata.set_evidence("output_type", EvidenceType.CODE_DERIVED)
nutrition_days_metadata.set_evidence("format_hint", EvidenceType.CODE_DERIVED)
nutrition_days_metadata.set_evidence("minimum_data_requirements", EvidenceType.CODE_DERIVED)
nutrition_days_metadata.set_evidence("quality_filter_policy", EvidenceType.MIXED)  # Logic from code, definition from inspection
nutrition_days_metadata.set_evidence("confidence_logic", EvidenceType.DRAFT_DERIVED)
nutrition_days_metadata.set_evidence("semantic_contract", EvidenceType.MIXED)  # Count logic from code, interpretation from draft
nutrition_days_metadata.set_evidence("business_meaning", EvidenceType.DRAFT_DERIVED)
nutrition_days_metadata.set_evidence("known_limitations", EvidenceType.MIXED)
nutrition_days_metadata.set_evidence("layer_1_decision", EvidenceType.TO_VERIFY)
nutrition_days_metadata.set_evidence("layer_2a_decision", EvidenceType.TO_VERIFY)
nutrition_days_metadata.set_evidence("layer_2b_reuse_possible", EvidenceType.TO_VERIFY)

register_placeholder(nutrition_days_metadata)


# ═══════════════════════════════════════════════════════════════════════════════
# Registration Summary
# ═══════════════════════════════════════════════════════════════════════════════

"""
Part C Registration Complete:
- macro_consistency_score: Score-based consistency indicator (CV-based)
- energy_balance_7d: kcal/day average balance (intake - estimated TDEE)
- energy_deficit_surplus: Status classification (deficit/maintenance/surplus)
- intake_volatility: Category classification (stable/moderate/high)
- nutrition_days: Count of valid nutrition days (meta indicator)

Total Nutrition Cluster:
- Part A: 4 placeholders (kcal_avg, protein_avg, carb_avg, fat_avg)
- Part B: 5 placeholders (protein targets + adequacy)
- Part C: 5 placeholders (consistency + balance + meta)
→ 14 nutrition placeholders total

All registrations follow Phase 0c Multi-Layer Architecture:
- Layer 1 (Data Layer): Calculations
- Layer 2a (Placeholder Resolver): Formatting only
- No logic changes from existing implementations
- Evidence-based metadata tagging
"""