Kalorier inn, kalorier ut (CICO) festet seg virkelig for meg etter eksperimentering. Jeg klarte å verifisere modellen på meg selv, og på dusinvis av mennesker gjennom årene. Den enkle måten var å kontrollere folks kosthold og trening. Det lot meg se at jeg lett kunne få dem til å kontrollere vekten sin. Men så oppdaget jeg en enklere, mye mindre involvert og langt mer vitenskapelig måte å gjøre dette på i et blogginnlegg om emnet. Blogginnlegget har tittelen "Kalorier inn, kalorier ut" og det viser en enkel metode du kan bruke for å bevise for deg selv at CICO er ekte, sann og en flott beskrivelse av virkeligheten. For å komme i gang sier innlegget at du skal ta vekten din og registrere rapporterte kalorier i maten du spiser, pluss å få ned løpelengden for dagen. Du kobler disse til en revalutarelasjon og beregner en haug med forutsagte vekter. Når du gjør dette, får du til slutt spådommer som treffer blink: Enkelt nok, ikke sant? Så jeg gjorde dette for meg selv. Jeg brukte målte kaloriinntaket, aktiviteten min osv., og jeg begynte å forutsi vektendringene mine med en sjokkerende grad av nøyaktighet. Jeg prøvde og mislyktes noen ganger i begynnelsen, men til slutt, etter at jeg hadde fått alle målingene mine ringt inn, fungerte det bare, og jeg kunne til og med planlegge dagene mine på forhånd og fortsatt få nøyaktige vektspådommer. Det var bevis nok for meg på at CICO fungerte. Etter at jeg fant ut at dette fungerte for meg, bestemte jeg meg for å evangelisere. Jeg fortalte folk om dette, og jeg brukte det på kjæresten min på den tiden. Det viste seg at det ikke fungerte for henne. Merkelig, tenkte jeg, så jeg bestemte meg for å overvåke aktiviteten og kostholdet hennes nøyere, og jeg fant ut at det hun rapporterte til meg var feil. Da jeg katalogiserte alt, hadde vi noen avvik, og da jeg tok tak i dem, fungerte dette plutselig for henne også! Men nå hadde jeg blitt akutt klar over opptaksproblemet. Hvis du ikke er kjent, når vi faktisk måler kaloriinntaket ved hjelp av dobbeltmerket vann, kalorimetre i hele rommet og andre metoder som disse, er det bevis på systematisk feilrapportering. For eksempel viste to nyere datasett begge at fetere mennesker hadde en tendens til å undervurdere kaloriinntaket:* Så jeg begynte å lede folk dette ved å be dem om å registrere vektene sine på en vannfaste. Det så ut til å være et engangstriks for å få spådommene til å stemme veldig raskt. Hvis du ønsker å bli mer nøyaktig, har ligningen du får spådommene dine fra en forbrenningsverdi per kilo vekt. For menn har denne verdien en tendens til å være høyere enn den er for kvinner, i stor grad fordi menn har en høyere andel muskler og som har en tendens til å forbrenne flere kalorier enn fett. Du kan enkelt få denne forbrenningsverdien ved å måle kaloriinntaket og vekten og deretter finne ut den minste kvadratverdien som passer best for forbrenningshastigheten. Forfatteren av blogginnleggene gjorde dette (og ga ham et middel til å gjøre det), og det så ut til å ta ham noen uker å komme til en stabil verdi, men til slutt gjorde han det. Med denne verdien personlig estimert, kan du forbedre spådommene dine ytterligere. Du kan også komme til denne verdien raskere ved å lede inn med en faste, da det tar ut støy fra feilvurdering av kaloriinntaket ditt. Ryddig, ikke sant? Det neste spørsmålet er: Holder dette når du ikke går ned i vekt? Svaret er stort sett ja! Forfatteren fortsatte å registrere og kom til slutt til det punktet hvor de dro på tur. De spiste på buffeer, spiste ute på restauranter og klarte ikke å få nøyaktige kaloritellinger. De spiste også nok til å gå opp i vekt. Som du kan se, gikk spådommene litt ut av spill, men gikk deretter tilbake til det normale. De var alle fine (gode og konsistente målinger), alle rotete (dårlige og sparsomme målinger), og så tilbake til det normale (god og konsistent avkastning!). En del av dette er den dårlige målingen, og en annen del er noe jeg har klart å verifisere eksperimentelt: vannvekt! Når du går ned i vekt, tømmer du glykogenlagrene dine, og vekttap er i utgangspunktet raskt, da mye av det som forsvinner av deg er vann. Når du går opp i vekt igjen, får du raskt glykogen, og dermed kroppsvekt på grunn av tilsatt vann. Dette løsner like enkelt, men det kaster modellen for en løkke. Hvis du begynner å gå opp i vekt konsekvent, kommer du tilbake til nøyaktigheten. Eller hvis du går tilbake til å gå ned i vekt, kommer du tilbake til nøyaktighet. Men i overgangsperioden, når det er store svingninger, mister du betydelig – men langt fra total – nøyaktighet. Og når du opprettholder vekten, holder du deg nøyaktig hele tiden. Å oppdage dette føltes utrolig. Alt fungerer egentlig bare, og du kan pålitelig forutsi vekten din over tid. Du kan til og med legge til kompleksitet, som å leke med informasjon om syklusen din hvis du er kvinne.** Du får egentlig ikke så mye nytte av å legge til kompleksitet i tillegg til, kanskje, å stramme opp disse overgangssvingningene, så uansett er dette greit. Det virkelig fine her er at dette unngår mange problemer med interindividuell variasjon. Mange mennesker protesterer mot CICO på grunn av effekten av ting som forskjeller i hvilehormon eller aktivitetsnivå. Og det er greit, men det er ikke relevant her, siden vi måler én person, og de har en tendens til å være konsistente nok til at dette bare fungerer. Dette er iboende selvkontrollert, så etter kalibreringen blir alle de individuelt varierende faktorene utslettet, bortsett fra i den grad de utvikler seg med tiden etter hvert som vekten din endres, uansett årsak. Hvis du vil gjøre dette selv, anbefaler jeg på det sterkeste å lese artiklene og gjøre nettopp det. Hvis du gjør det, kan du også finne ut hvordan du trivielt kan begynne å være en sann tro på kraften til CICO, fordi det bare fungerer, eksperimentelt. Koblinger: * Kjæresten jeg nevnte var veldig tynn, så denne systematiske skjevheten var ikke problemet. Legg merke til den individuelle variasjonen rundt punkter på alle nivåer. Jeg anser det som et mer sannsynlig problem. ** Noen få kvinner jeg kjenner til samlet inn data fra forskjellige deler av syklusene deres og fant forskjeller i forbrenningshastighet. De var i stand til å forbedre prediksjonsnøyaktigheten målbart med denne informasjonen.