Populární témata
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Calories in, Calories Out (CICO) mi po experimentování opravdu utkvěly. Model se mi podařilo ověřit na sobě a v průběhu let na desítkách lidí.
Nejjednodušší cestou byla kontrola jídelníčku a cvičení lidí. To mi umožnilo vidět, že je mohu snadno nechat kontrolovat svou váhu.
Ale pak jsem objevil jednodušší, mnohem méně zapojený a mnohem vědečtější způsob, jak to udělat v příspěvku na blogu na toto téma. Příspěvek na blogu nese název "Kalorie dovnitř, kalorie ven" a ukazuje jednoduchou metodu, kterou můžete použít, abyste si dokázali, že CICO je skutečné, pravdivé a je skvělým popisem reality.
Pro začátek příspěvek říká, že máte změřit váhu a správně zaznamenávat hlášené kalorie v jídle, které jíte, a navíc snížit počet uběhnutých kilometrů za den. Dosadíte je do reměnního vztahu a spočítáte spoustu předpovězených vah.
Když to uděláte, nakonec získáte předpovědi, které jsou přesně na místě:
Dost jednoduché, ne? Tak jsem to udělal pro sebe. Použil jsem měření příjmu kalorií, aktivity atd. a začal jsem předpovídat změny své hmotnosti s šokující mírou přesnosti. Na začátku jsem to několikrát zkusil a neuspěl, ale nakonec, když jsem vytočil všechna svá měření, všechno prostě fungovalo a dokonce jsem si mohl plánovat dny dopředu a stále jsem dostával přesné předpovědi hmotnosti.
To byl pro mě dostatečný důkaz, že CICO funguje.
Poté, co jsem zjistil, že to pro mě funguje, rozhodl jsem se evangelizovat. Řekl jsem o tom lidem a aplikoval jsem to na svou tehdejší přítelkyni. Ukázalo se, že jí to nefungovalo. Divné, pomyslela jsem si, a tak jsem se rozhodla sledovat její aktivitu a stravu pečlivěji a zjistila jsem, že to, co mi hlásila, bylo špatné. Když jsem všechno katalogizoval, měli jsme nějaké nesrovnalosti, a když jsem je řešil, najednou to fungovalo i pro ni!
Ale teď jsem si začal akutně uvědomovat problém s nahráváním. Pokud nejste obeznámeni s tím, že ve skutečnosti měříme kalorický příjem pomocí dvojitě označené vody, kalorimetrů pro celou místnost a dalších podobných metod, existují důkazy o systematickém chybném vykazování. Například dva nedávné soubory dat ukázaly, že tlustší lidé mají tendenci podhodnocovat svůj kalorický příjem:*
Tak jsem začal lidi vést tím, že jsem je požádal, aby zaznamenali svou váhu na vodním půstu. Zdálo se, že jde o jednorázový trik, aby se předpovědi seřadily opravdu rychle.
Pokud chcete být přesnější, rovnice, ze které získáváte své předpovědi, má hodnotu spalování na libru hmotnosti. U mužů bývá tato hodnota vyšší než u žen, z velké části proto, že muži mají vyšší podíl svalů a ty mají tendenci spalovat více kalorií než tuku.
Tuto hodnotu spalování můžete snadno získat změřením kalorického příjmu a hmotnosti a následným zjištěním nejvhodnější hodnoty nejmenších čtverců pro rychlost spalování. Autor blogpostů to dělal (a poskytl k tomu prostředky) a zdálo se, že mu trvalo několik týdnů, než se dostal ke stabilní hodnotě, ale nakonec se mu to podařilo. S touto hodnotou osobně odhadnutou můžete své předpovědi ještě více vylepšit.
K této hodnotě se můžete také dostat rychleji tím, že se dostanete s rychlým, protože to odstraňuje hluk z nesprávného odhadu vašeho kalorického příjmu. Pěkné, co?
Další otázka zní: Platí to, když nehubnete? Odpověď je v zásadě ano!
Autor pokračoval v nahrávání a nakonec se dostal do bodu, kdy se vydali na výlet. Jedli v bufetech, jedli v restauracích a nebyli schopni získat přesné údaje o kaloriích. Také jedli dost, aby znovu přibrali na váze.
Jak můžete vidět, předpovědi se trochu vymkly kontrole, ale pak se vrátily do normálu. Všechny byly v pořádku (dobrá a konzistentní měření), všechny zpackané (špatná a řídká měření) a pak se vrátily do normálu (dobré a konzistentní výnosy!). Částečně je to špatné měření a další částí je něco, co se mi podařilo experimentálně ověřit: hmotnost vody!
Když zhubnete, vyčerpáte své zásoby glykogenu a hubnutí je zpočátku rychlé, protože spousta vody, která se z vás odloupne, je voda. Když znovu přiberete na váze, rychle znovu získáte glykogen, a tím i tělesnou hmotnost díky přidané vodě. To vyjde stejně snadno, ale model se tím roztočí ve smyčce.
Pokud začnete neustále přibírat na váze, vrátíte se zpět k přesnosti. Nebo pokud se vrátíte k hubnutí, vrátíte se zpět k přesnosti. Ale v přechodném období, kdy dochází k velkým výkyvům, ztrácíte podstatnou – ale zdaleka ne úplnou – přesnost. A pak, když si udržujete váhu, zůstáváte přesní po celou dobu.
Objevit to byl neuvěřitelný pocit. Všechno opravdu funguje a vy můžete spolehlivě předpovědět svou váhu v průběhu času. Můžete dokonce přidat složitost, jako když si hrajete s informacemi o svém cyklu, pokud jste žena.** Ve skutečnosti nemáte moc užitek z přidání složitosti, kromě toho, že možná zpřísníte ty přechodné výkyvy, takže v každém případě je to v pořádku.
Opravdu pěkná věc je, že se tím eliminuje spousta problémů s interindividuální variabilitou. Mnoho lidí má námitky proti CICO kvůli účinkům věcí, jako jsou rozdíly v klidovém hormonu nebo úrovních aktivity. A to je v pořádku, ale není to zde relevantní, protože měříme jednu osobu a ta má tendenci být dostatečně konzistentní, aby to prostě fungovalo. To je ze své podstaty sebekontrolované, takže po vaší kalibraci jsou všechny tyto individuálně proměnlivé faktory vymazány, s výjimkou toho, jak se vyvíjejí s časem, jak se mění vaše váha, ať už z jakýchkoli důvodů.
Pokud to chcete udělat sami, vřele doporučuji přečíst si články a udělat to právě tak. Pokud to uděláte, můžete také přijít na to, jak triviálně začít skutečně věřit v sílu CICO, protože to prostě funguje, experimentálně.
Odkazy:
Přítelkyně, o které jsem se zmínil, byla velmi hubená, takže tato systematická zaujatost nebyla problémem. Všimněte si individuální proměnlivosti kolem bodů na všech úrovních. To považuji za pravděpodobnější problém.
** Několik žen, které znám, shromáždilo data z různých částí svých cyklů a zjistilo rozdíly v rychlosti vypalování. Byli schopni měřitelně zlepšit přesnost predikce s těmito informacemi.




94,14K
Top
Hodnocení
Oblíbené