Le calorie in entrata, le calorie in uscita (CICO) sono davvero rimaste impresse in me dopo vari esperimenti. Sono riuscito a verificare il modello su me stesso e su decine di persone nel corso degli anni. Il modo più semplice era controllare le diete e l'esercizio delle persone. Questo mi ha permesso di vedere che potevo facilmente far controllare il loro peso. Ma poi, ho scoperto un modo più semplice, molto meno coinvolto e molto più scientifico per farlo in un post sul blog sull'argomento. Il post del blog si intitola "Calorie in, calorie out" e mostra un metodo semplice che puoi usare per dimostrare a te stesso che CICO è reale, vero e una grande descrizione della realtà. Per iniziare, il post dice di prendere il tuo peso e di registrare correttamente le calorie riportate nei cibi che mangi, oltre a annotare i chilometri corsi durante la giornata. Inserisci questi dati in una relazione ricorrente e calcola un insieme di pesi previsti. Quando fai questo, alla fine ottieni previsioni che sono esatte: Semplice, no? Così, l'ho fatto per me stesso. Ho misurato il mio apporto calorico, l'attività, ecc., e ho iniziato a prevedere i cambiamenti di peso con un sorprendente grado di accuratezza. Ho provato e fallito alcune volte all'inizio, ma alla fine, dopo aver regolato tutte le mie misurazioni, tutto ha funzionato, e potevo persino pianificare le mie giornate in anticipo e ottenere comunque previsioni di peso accurate. Quella è stata una prova sufficiente per me che CICO funzionava. Dopo aver scoperto che questo funzionava per me, ho deciso di evangelizzare. Ho parlato di questo e l'ho applicato alla mia ragazza di allora. Si è rivelato che non funzionava per lei. Strano, ho pensato, così ho deciso di monitorare la sua attività e la sua dieta più attentamente, e ho scoperto che ciò che mi riportava era sbagliato. Quando ho catalogato tutto, abbiamo avuto alcune discrepanze, e quando le ho affrontate, improvvisamente questo ha funzionato anche per lei! Ma ora ero diventato acutamente consapevole del problema della registrazione. Se non sei familiare, quando misuriamo effettivamente l'apporto calorico usando acqua doppiamente etichettata, calorimetri a camera intera e altri metodi simili, ci sono prove di una segnalazione sistematica errata. Ad esempio, due recenti set di dati hanno mostrato che le persone più grasse tendevano a sottovalutare il loro apporto calorico:* Così, ho iniziato a guidare le persone chiedendo loro di registrare i loro pesi durante un digiuno idrico. Sembrava essere un trucco efficace per far allineare rapidamente le previsioni. Se vuoi essere più preciso, l'equazione da cui ottieni le tue previsioni ha un valore di consumo per ogni chilo di peso. Per gli uomini, questo valore tende ad essere più alto rispetto a quello delle donne, in gran parte perché gli uomini hanno una proporzione maggiore di muscoli e questo tende a bruciare più calorie rispetto al grasso. Puoi facilmente ottenere questo valore di consumo misurando il tuo apporto calorico e il peso e poi calcolando il valore di adattamento migliore per il tasso di consumo. L'autore dei post del blog ha fatto questo (e ha fornito un modo per farlo), e sembrava che ci volessero alcune settimane per arrivare a un valore stabile, ma alla fine ci è riuscito. Con questo valore stimato personalmente, puoi migliorare ulteriormente le tue previsioni. Puoi anche arrivare a questo valore più rapidamente iniziando con un digiuno, poiché questo elimina il rumore derivante dalla sovrastima del tuo apporto calorico. Interessante, vero? La prossima domanda è: questo vale quando non stai perdendo peso? La risposta è, in generale, sì! L'autore ha continuato a registrare e alla fine è arrivato al punto in cui è andato in viaggio. Hanno mangiato a buffet, mangiato in ristoranti e non sono stati in grado di ottenere conteggi calorici accurati. Hanno anche mangiato abbastanza da riprendere peso. Come puoi vedere, le previsioni sono andate un po' fuori rotta, ma poi sono tornate alla normalità. Erano tutte a posto (misurazioni buone e coerenti), tutte sballate (misurazioni cattive e scarse), e poi di nuovo normali (buone e coerenti!). Parte di questo è dovuta alla cattiva misurazione, e un'altra parte è qualcosa che sono riuscito a verificare sperimentalmente: il peso dell'acqua! Quando perdi peso, esaurisci le tue riserve di glicogeno e la perdita di peso è inizialmente rapida poiché gran parte di ciò che perdi è acqua. Quando riprendi peso, riprendi rapidamente glicogeno e quindi peso corporeo a causa dell'acqua aggiunta. Questo viene via altrettanto facilmente, ma manda il modello in confusione. Se inizi a guadagnare peso in modo costante, torni all'accuratezza. O se torni a perdere peso, torni all'accuratezza. Ma nel periodo di transizione, quando ci sono grandi oscillazioni, perdi una sostanziale—ma lontana dall'essere totale—accuratezza. E poi, quando mantieni il peso, rimani accurato tutto il tempo. Scoprire questo è stato incredibile. Tutto funziona davvero, e puoi prevedere in modo affidabile il tuo peso nel tempo. Puoi persino aggiungere complessità, come giocare con le informazioni sul tuo ciclo se sei una donna.** Non ottieni davvero molti benefici dall'aggiungere complessità oltre, forse, a ridurre quelle oscillazioni transitorie, quindi in ogni caso, va bene. La cosa davvero bella qui è che questo elimina molti problemi con la variabilità interindividuale. Molte persone obiettano a CICO a causa degli effetti di cose come le differenze nei livelli ormonali a riposo o nei livelli di attività. E va bene, ma non è rilevante qui, poiché stiamo misurando una persona, e tendono ad essere abbastanza coerenti da far funzionare tutto. Questo è intrinsecamente auto-controllato, quindi dopo la tua calibrazione, tutti quei fattori variabili individuali vengono eliminati, tranne nella misura in cui evolvono nel tempo man mano che il tuo peso cambia, per qualsiasi motivo. Se vuoi farlo tu stesso, ti consiglio vivamente di leggere gli articoli e di farlo. Se lo fai, anche tu puoi scoprire come iniziare a essere un vero credente nel potere di CICO, perché funziona, sperimentalmente. Link: * La ragazza di cui ho parlato era molto magra, quindi questo bias sistematico non era il problema. Nota la variabilità individuale attorno ai punti a tutti i livelli. Considero questo un problema più probabile. ** Alcune donne che conosco hanno raccolto dati da diverse fasi dei loro cicli e hanno trovato differenze nel tasso di consumo. Sono riuscite a migliorare misurabilmente l'accuratezza delle previsioni con quelle informazioni.