卡路里摄入与消耗（CICO）在我进行实验后真的让我印象深刻。我设法在自己身上验证了这个模型，并在多年来对数十个人进行了验证。 简单的方法是控制人们的饮食和锻炼。这让我看到我可以轻松地让他们控制体重。 但后来，我在一篇关于这个主题的博客文章中发现了一种更简单、参与度更低且更科学的方法。这篇博客文章的标题是《卡路里摄入与消耗》，它展示了一种简单的方法，你可以用来证明CICO是真实的、真实的，并且是现实的一个很好的描述。 要开始，文章建议你记录自己的体重，并正确记录你所吃食物的卡路里摄入量，以及当天的跑步里程。你将这些数据代入一个递归关系中，计算出一系列预测的体重。 当你这样做时，最终会得到非常准确的预测： 够简单吧？所以，我为自己做了这个。我测量了我的卡路里摄入、活动等，并开始以惊人的准确度预测我的体重变化。起初我尝试了几次并失败了，但最终，在我将所有测量调整到位后，一切都运作得很好，我甚至可以提前规划我的日子，仍然得到准确的体重预测。 这对我来说足以证明CICO是有效的。 在我发现这对我有效后，我决定传播这个理念。我告诉人们这个方法，并将其应用于我当时的女朋友。结果发现，这对她并不奏效。我觉得很奇怪，于是决定更仔细地监测她的活动和饮食，发现她向我报告的情况是错误的。当我将所有数据整理后，我们发现了一些差异，当我解决这些问题时，突然这个方法对她也有效了！ 但现在我对记录问题变得非常敏感。如果你不熟悉，当我们实际使用双标记水、全房间热量计和其他类似方法测量卡路里摄入时，有证据表明存在系统性误报。例如，最近的两个数据集都显示，体重较重的人往往低估他们的卡路里摄入：* 因此，我开始引导人们在水断食期间记录他们的体重。这似乎是一个快速使预测迅速对齐的单一技巧。 如果你想要更准确，得到预测的方程式有一个每磅体重的燃烧值。对于男性来说，这个值往往高于女性，主要是因为男性的肌肉比例更高，而肌肉往往比脂肪燃烧更多的卡路里。 你可以通过测量你的卡路里摄入和体重，然后计算出燃烧率的最小二乘最佳拟合值来轻松获得这个燃烧值。这篇博客文章的作者做到了这一点（并提供了实现的方法），他似乎花了几周时间才得到一个稳定的值，但最终他做到了。通过个人估算这个值，你可以进一步提高你的预测。 你也可以通过先进行断食来更快地得到这个值，因为这消除了由于错误估计卡路里摄入而产生的噪音。不错吧？ 下一个问题是：当你不减肥时，这是否仍然成立？答案是，广义上说，是的！ 作者继续记录，最终到了他们去旅行的阶段。他们在自助餐厅用餐，在餐馆就餐，无法获得准确的卡路里计数。他们还吃得足够多以恢复体重。 如你所见，预测有些失常，但随后又恢复正常。他们的测量都很好（良好且一致的测量），都混乱了（糟糕且稀疏的测量），然后又恢复正常（良好且一致的返回！）。部分原因是测量不准确，另一部分是我通过实验验证的：水重！ 当你减肥时，你会耗尽糖原储备，体重减轻最初很快，因为大量的水分会随之流失。当你恢复体重时，你会迅速恢复糖原，因此由于增加的水分而增加体重。这也很容易消失，但会让模型陷入困境。 如果你开始持续增加体重，你会恢复准确性。或者如果你重新开始减肥，你也会恢复准确性。但在过渡期，当有大幅波动时，你会失去相当大的——但远非全部——准确性。然后当你维持体重时，你会始终保持准确。 发现这一点让我感到不可思议。一切真的都有效，你可以可靠地预测你的体重变化。你甚至可以增加复杂性，比如如果你是女性，可以玩弄一下你的周期信息。** 除了可能稍微缩小那些过渡波动外，增加复杂性并不会带来太多好处，所以无论如何，这都很好。 这里真正好的地方是，这消除了许多个体间变异性的问题。许多人反对CICO，因为休息激素或活动水平的差异等因素的影响。这没问题，但在这里并不相关，因为我们测量的是一个人，他们往往足够一致，因此这就有效。这本质上是自我控制的，因此在你的校准之后，所有这些个体变化因素都会被消除，除非它们随着时间的推移而演变，因为你的体重因各种原因而变化。 如果你想自己尝试，我强烈建议你阅读这些文章并照此进行。如果你这样做，你也可以轻松地开始真正相信CICO的力量，因为它确实有效，经过实验验证。 链接： * 我提到的女朋友非常瘦，所以这个系统性偏差不是问题。请注意各个水平点周围的个体变异性。我认为这是一个更可能的问题。 ** 我认识的一些女性从她们周期的不同阶段收集了数据，发现燃烧率存在差异。她们能够通过这些信息显著提高预测准确性。