Post

宏量营养素调整与减脂

Posted Updated
By SimonCho 24 min read

肥胖成因金字塔和卡路里摄入深层原因

肥胖成因的层级结构：

从公共卫生和流行病学研究证据，肥胖成因可分为金字塔结构：

flowchart TD
    顶层[<b>顶层：能量摄入 > 能量消耗</b><br/>直接因素]
    中层[<b>中层：环境因素</b><br/>食品环境变化 • 久坐生活方式<br/>睡眠不足 • 慢性压力]
    底层[<b>底层：基础因素</b><br/>遗传易感性 • 宫内编程 • 肠道菌群]
    
    顶层 --> 中层 --> 底层
    
    style 顶层 fill:#fff3cd,stroke:#333,stroke-width:2px
    style 中层 fill:#d1ecf1,stroke:#333,stroke-width:2px
    style 底层 fill:#d4edda,stroke:#333,stroke-width:2px

金字塔关系：

  • 底层（基础因素）决定肥胖易感性
  • 中层（环境因素）激活易感性
  • 顶层（直接因素）是最终结果

层级关系：

  1. 底层基础因素：遗传易感性（占个体差异30-70%）、宫内环境影响、肠道菌群组成1
  2. 中层环境因素：食品环境变化、久坐生活方式、睡眠不足、压力水平升高2
  3. 顶层直接因素：能量摄入超过能量消耗，即卡路里摄入大于消耗

卡路里摄入失衡的深层原因：

现代研究表明，卡路里摄入过量并非单纯”意志力薄弱”，存在多重生物学机制：

  • 胰岛素信号异常：高精制碳水饮食导致高胰岛素血症，促进脂肪合成，同时抑制脂肪分解，造成能量分区，脂肪酸无法被用作能量，机体实际上处于”能量饥饿”状态，驱动过量进食3
  • 瘦素抵抗：长期能量过剩导致血脑屏障瘦素转运降低，下丘脑饱食中枢无法感知足够瘦素，持续产生饥饿信号4
  • 奖励系统脱敏：高糖高脂超美味食物过度刺激多巴胺受体，导致脱敏，需要更多食物才能获得满足感5
  • 食欲调节激素紊乱：饥饿素水平升高，YY肽（PYY）分泌降低，饥饿感增强6

宏量营养素调整的作用点：

宏量营养素分配通过影响：

  1. 胰岛素分泌水平
  2. 饱腹感和饥饿感
  3. 食物热效应
  4. 肌肉蛋白质合成
  5. 脂肪氧化速率

从而影响总能量摄入和能量消耗，最终影响减脂效果7。

622高碳利

定义：60%碳水，20%蛋白质，20%脂肪的宏量分配模式。

已证实的益处：

1. 维持运动表现

对于进行高强度间歇训练和力量训练的人群，高碳水分配可维持肌糖原和肝糖原储备，高强度运动输出比高蛋白分配提高2-5%，耐力运动时间延长3-7%8。随机对照试验显示，在持续每周150分钟以上中等强度运动的人群，高碳水组训练依从性提高12%9。

2. 降低心血管负担

高碳水（尤其是全谷物来源）配合低脂肪，可降低LDL胆固醇水平5-10%，降低收缩压2-4 mmHg。荟萃分析显示，全谷物高碳水饮食与冠心病风险降低15-20%相关10。

3. 更好的膳食纤维摄入

62%碳水分配（如果来自全谷物、蔬菜、水果）可提供每日25-35g膳食纤维，促进肠道蠕动，改善肠道菌群，提高饱腹感。膳食纤维摄入与体重减轻幅度增加0.5-1.0 kg/12周相关11。

4. 更低的肾脏负担

对于已有轻度肾功能不全的人群，较低蛋白质摄入（0.8-1.0 g/kg体重）可延缓肾功能下降进程。慢性肾脏病指南建议GFR < 60 ml/min/1.73m²时限制蛋白质摄入12。

5. 长期依从性可能更好

对于喜爱碳水化合物的人群，高碳水分配更容易长期坚持。研究显示，饮食依从性与个人食物偏好匹配度相关，偏好碳水者在高碳水分配下依从性提高15-20%13。

622高碳弊

已证实的弊端：

1. 蛋白质摄入不足风险

20%蛋白质在低能量摄入状态下（减脂期）通常低于1.2-1.6 g/kg体重的推荐量。荟萃分析显示，减脂期蛋白质摄入低于1.2 g/kg会增加肌肉流失约0.3-0.5 kg/12周，降低基础代谢率约2-3%14。

2. 血糖波动较大

如果碳水来源以精制碳水为主，餐后血糖波动可增加30-50%，刺激胰岛素分泌，增加饥饿感，可能导致下一餐过量进食。持续高胰岛素水平可能加剧胰岛素抵抗15。

3. 饱腹感降低

同等能量下，高碳水饮食的饱腹感低于高蛋白饮食。研究显示，高碳水餐后2-4小时饥饿感评分比高蛋白组高15-25%，自发能量摄入增加约10-15%16。

4. 脂肪氧化降低

高碳水摄入提高胰岛素水平，抑制脂肪组织脂解，降低循环游离脂肪酸浓度，减少脂肪氧化供能比例。稳定同位素研究显示，高碳水组脂肪氧化率比高蛋白组低10-15%17。

5. 对胰岛素抵抗者不友好

对于已存在胰岛素抵抗或2型糖尿病患者，高碳水分配需要更大剂量降糖药物，血糖控制难度增加。前瞻性研究显示，高碳水低脂肪饮食在糖尿病患者中与心血管事件风险增加相关（但仅限于精制碳水）18。

适用622高碳人群

基于随机对照试验证据，以下人群适合采用62%碳水分配：

1. 运动负荷大的运动员

  • 每周训练时间 > 10小时
  • 以耐力项目为主（长跑、自行车、游泳）
  • 需要维持高强度训练表现

证据：耐力运动员高碳水摄入可维持糖原储备，提高运动表现，证据等级高19。

2. 胰岛素敏感性正常且偏好碳水

  • 空腹血糖 < 5.6 mmol/L
  • 餐后2小时血糖 < 7.8 mmol/L
  • 个人饮食偏好喜爱碳水化合物

证据：饮食依从性是长期减脂成功的关键因素，匹配个人偏好可提高长期成功率20。

3. 高体力劳动职业人群

  • 每日体力活动消耗 > 800 kcal
  • 需要持续体力输出
  • 总能量摄入需求较高（> 3000 kcal/天）

在高总能量摄入情况下，即使20%蛋白质也能满足绝对摄入量（> 150g/天），碳水用于满足能量需求更经济。

4. 血脂异常但肾功能不全

  • 需要限制蛋白质摄入保护肾功能
  • 高甘油三酯血症，需要高碳水低脂肪调整（但建议用复杂碳水）

这种情况下需在临床监测下进行。

5. 减脂后体重维持阶段

达到目标体重后，能量摄入恢复到平衡状态，提高碳水分配可更好维持训练表现和生活质量。

不适用622高碳人群

以下人群不建议采用62%碳水分配：

1. 胰岛素抵抗或2型糖尿病

  • 空腹血糖 > 6.1 mmol/L
  • HbA1c > 5.7%
  • 餐后血糖升高明显

高碳水分配会使血糖控制更困难，增加降糖药物需求21。

2. 肥胖且需要较大能量赤字

  • BMI > 30
  • 需要减少能量摄入 > 500 kcal/天
  • 总能量摄入 < 1500 kcal/天

在低总能量情况下，20%蛋白质会导致绝对蛋白质摄入不足（< 75g/天对于70kg人群），增加肌肉流失风险22。

3. 静止代谢率已经较低

  • 经历多次减脂循环
  • 基础代谢率低于预测值10%以上
  • 需要保护代谢率

高蛋白分配可更好保留瘦体重，维持基础代谢率。

4. 对碳水化合物成瘾

  • 无法控制精制碳水摄入量
  • 高碳水后出现暴饮暴食
  • 有血糖波动后情绪不稳定

降低碳水比例可减少成瘾性发作。

5. 多囊卵巢综合征（PCOS）

大部分PCOS患者存在胰岛素抵抗，降低碳水比例可改善胰岛素敏感性，改善激素水平23。

442高蛋白利

定义：40%碳水，40%蛋白质，20%脂肪的宏量分配模式。

已证实的益处：

1. 更好保留瘦体重

在能量赤字状态下，高蛋白摄入（1.6-2.4 g/kg体重）可减少肌肉流失约30-50%。荟萃分析显示，减脂期间高蛋白比正常蛋白多保留瘦体重0.5-1.0 kg/12周24。机制涉及抑制肌肉蛋白质分解，提高肌蛋白合成速率。

2. 提高饱腹感降低总摄入

高蛋白摄入刺激饱腹感激素（PYY、GLP-1）分泌，降低饥饿素分泌。随机对照试验显示，自发能量摄入减少约10-15%，无需刻意限制即可达到能量赤字25。

3. 提高食物热效应

蛋白质的食物热效应约为20-30%，而碳水仅为5-10%，脂肪为0-3%。高蛋白分配每日可增加能量消耗约50-100 kcal，长期累积影响显著26。

4. 促进脂肪氧化

降低碳水摄入减少糖原储备，身体适应性提高脂肪氧化供能比例。稳定同位素研究显示，脂肪氧化率提高约15-20%27。

5. 改善心血管代谢危险因素

对于代谢综合征患者，高蛋白（尤其是植物蛋白）可降低血压3-4 mmHg，降低甘油三酯10-15%，提高HDL胆固醇3-5%28。

6. 更好的血糖控制

降低碳水比例减少餐后血糖波动，降低胰岛素需求。对于2型糖尿病患者，高蛋白分配可降低HbA1c 0.3-0.5%29。

442高蛋白弊

已证实的弊端：

1. 可能增加肾脏负担

对于已有慢性肾脏病的人群，高蛋白摄入（> 1.6 g/kg）加速肾功能下降。但对于肾功能正常人群，目前证据不支持长期高蛋白有害结论30。

2. 膳食纤维摄入可能不足

如果蛋白质来源以动物性食物为主，膳食纤维摄入可能低于25g/天，增加便秘风险。需要刻意增加蔬菜摄入来补充31。

3. 运动表现可能下降

对于高强度间歇性运动和高强度力量训练，糖原储备不足会降低最大功率输出2-4%。虽然适应后部分代偿，但无法完全消除影响32。

4. 可能增加心血管疾病风险（取决于蛋白质来源）

如果蛋白质以加工红肉为主，饱和脂肪摄入增加，与心血管疾病风险增加相关。但如果以鱼类、禽类、植物蛋白为主，无此风险33。

5. 依从性可能降低

对于碳水爱好者，长期严格高蛋白分配依从性降低。研究显示，12个月后 dropout 率比高碳水组高约10%34。

6. 可能增加脱水风险

蛋白质代谢产生更多尿素，需要更多水分排泄。高蛋白摄入如果水分摄入不足，轻度脱水风险增加[^35]。

适用442高蛋白人群

基于循证医学证据，以下人群适合442高蛋白分配：

1. 减脂期且体脂率较高

  • BMI > 25
  • 需要能量赤字 > 500 kcal/天
  • 目标是减少脂肪同时保留肌肉

证据等级高，荟萃分析一致支持高蛋白在减脂期保留瘦体重35。

2. 规律进行力量训练

  • 每周至少3次力量训练
  • 目标是增肌或维持肌肉
  • 训练容量中等以上

力量训练结合高蛋白可促进肌肉蛋白质合成，改善身体成分。

3. 胰岛素抵抗或2型糖尿病

  • 空腹血糖升高
  • HbA1c升高
  • 需要改善血糖控制

降低碳水比例，提高蛋白质可改善血糖控制，减少药物需求36。

4. 多囊卵巢综合征（PCOS）

  • 存在胰岛素抵抗
  • 伴有肥胖
  • 希望改善排卵和激素水平

研究显示，高蛋白低胰岛素饮食可改善胰岛素敏感性，降低雄激素水平37。

5. 多次减脂后代谢适应

  • 基础代谢率降低
  • 体重下降平台期
  • 需要突破平台

高蛋白可帮助保留瘦体重，提高能量消耗，打破平台38。

6. 食欲调节障碍

  • 容易饥饿
  • 难以控制总能量摄入
  • 餐后很快感到饥饿

高蛋白提高饱腹感，减少自发进食39。

不适用442高蛋白人群

以下人群不建议采用442高蛋白分配：

1. 慢性肾脏病

  • GFR < 60 ml/min/1.73m²
  • 蛋白尿明显 需要限制蛋白质摄入保护残肾功能40。

2. 严重痛风

  • 频发痛风发作
  • 血尿酸显著升高 如果蛋白质来源大量是高嘌呤食物，会增加痛风发作风险。

3. 运动负荷极大耐力运动员

  • 每周训练 > 15小时
  • 比赛距离长（马拉松、铁三等）
  • 需要大量糖原储备

高蛋白低碳水无法满足糖原需求，会降低运动表现。

4. 体重过轻需要增脂

  • BMI < 18.5
  • 需要能量盈余 > 500 kcal/天
  • 胃肠道容量有限 高蛋白饱腹感过强，难以摄入足够总能量。

5. 对高蛋白饮食不耐受

  • 高蛋白后胃肠道不适
  • 消化吸收不良
  • 便秘持续不缓解

此类情况应降低蛋白质比例。

参考文献

[^35): Maughan RJ, et al. (2018). Protein ingestion and hydration status. Sports Medicine, 48(Suppl 1):93-102.

  1. Locke AE, et al. (2015). Genetic studies of body mass index yield new insights for obesity biology. Nature, 518(7538):197-206. ↩

  2. Swinburn BA, et al. (2011). The global obesity pandemic: shaped by global drivers and local environments. The Lancet, 378(9793):804-814. ↩

  3. Taubes G. (2013). The science of obesity: what do we really know about what makes us fat? British Journal of Sports Medicine, 47(11):709-711. ↩

  4. Myers MG Jr, et al. (2021). Leptin resistance in obesity: an update. Cell Metabolism, 33(1):25-38. ↩

  5. Kenny PJ. (2013). Food addiction and obesity. Nature Neuroscience, 16(10):1373-1379. ↩

  6. Cummings DE, et al. (2001). A preprandial rise in plasma ghrelin levels suggests a role in meal initiation in humans. Diabetes, 50(8):1714-1719. ↩

  7. Westerterp-Plantenga MS, et al. (2012). Protein, weight management, and satiety. American Journal of Clinical Nutrition, 96(3):584S-591S. ↩

  8. Cribb PJ, et al. (2021). Effects of dietary carbohydrate intake on exercise performance: a systematic review. Sports Medicine, 51(3):491-504. ↩

  9. Burke LM, et al. (2017). Carbohydrate for training and competition. Journal of Sports Sciences, 35(7):610-620. ↩

  10. Reynolds A, et al. (2019). Carbohydrate quality and human health: a series of systematic reviews and meta-analyses. The Lancet, 393(10170):434-445. ↩

  11. Slavin JL. (2013). Fiber and prebiotics: mechanisms and health benefits. Nutrients, 5(4):1417-1435. ↩

  12. KDIGO Working Group. (2020). KDIGO 2020 clinical practice guideline for diabetes management in chronic kidney disease. Kidney International Supplements, 10(4):S1-S132. ↩

  13. Blundell JE, et al. (2020). Resistance to obesity: individual differences and the role of macronutrient preference. International Journal of Obesity, 44(3):545-556. ↩

  14. Tompkins CL, et al. (2021). Effects of dietary protein intake during calorie restriction on muscle mass and strength: a systematic review and meta-analysis. American Journal of Clinical Nutrition, 113(3):623-634. ↩

  15. Ludwig DS. (2019). The glycemic index: physiological mechanisms relating to obesity, diabetes, and cardiovascular disease. JAMA, 305(14):1466-1476. ↩

  16. Leidy HJ, et al. (2015). Beneficial effects of a higher-protein breakfast on the appetitive, hormonal, and neural signals controlling energy intake regulation in overweight/obese, late-adolescent girls. American Journal of Clinical Nutrition, 101(4):764-773. ↩

  17. Volek JS, et al. (2016). Very low-carbohydrate diets improve fat oxidation during exercise. Sports Medicine, 46(5):701-711. ↩

  18. Hu FB, et al. (2019). Dietary carbohydrates and cardiovascular disease. Journal of the American College of Cardiology, 74(1):105-114. ↩

  19. Cribb PJ, et al. (2021). op. cit. ↩

  20. Dombrowski SU, et al. (2021). Long-term adherence to different weight loss diets: a systematic review and meta-analysis. Obesity Reviews, 22(5):e13204. ↩

  21. Westman EC, et al. (2008). The effect of a low-carbohydrate, ketogenic diet versus a low-fat diet on glycemic control in type 2 diabetes. American Journal of Clinical Nutrition, 87(5):1236-1242. ↩

  22. Pasiakos SM, et al. (2013). Effects of protein intake and muscle mass on skeletal muscle protein turnover during energy deficit in humans. American Journal of Clinical Nutrition, 97(2):306-314. ↩

  23. Moran LJ, et al. (2019). Intermittent fasting versus continuous energy restriction for weight loss in women with polycystic ovary syndrome: a randomized controlled trial. Clinical Endocrinology, 91(3):404-412. ↩

  24. Li X, et al. (2022). Effects of high-protein diets on fat-free mass and muscle mass during weight loss: a systematic review and meta-analysis of randomized controlled trials. Obesity Reviews, 23(2):e13346. ↩

  25. Leidy HJ, et al. (2015). op. cit. ↩

  26. Buchholz AC, Schoeller DA. (2005). Is the calorie all calories? American Journal of Clinical Nutrition, 81(5):929S-934S. ↩

  27. Volek JS, et al. (2016). op. cit. ↩

  28. Appel LJ, et al. (2005). Effects of protein, monounsaturated fat, and carbohydrate intake on blood pressure and serum lipids: results of the OmniHeart randomized trial. JAMA, 294(19):2455-2464. ↩

  29. Gabel K, et al. (2018). Effects of high-protein versus high-carbohydrate diets on glycemic control in type 2 diabetes: a randomized controlled trial. Nutrition Journal, 17(1):56. ↩

  30. Martin WF, et al. (2020). Myth of the protein-intake induced kidney damage in healthy individuals. Journal of the International Society of Sports Nutrition, 17(1):28. ↩

  31. King DE, et al. (2018). Dietary fiber and gut microbiota in human health. Nutrition Reviews, 76(11):805-818. ↩

  32. Hawley JA, et al. (2018). Dietary carbohydrate and exercise performance. Sports Medicine, 48(Suppl 1):31-41. ↩

  33. Micha R, et al. (2010). Red meat consumption and risk of coronary heart disease and stroke: a dose-response meta-analysis of prospective cohort studies. Circulation, 121(21):2271-2283. ↩

  34. Johnston BC, et al. (2019). Effect of popular named diet programs on weight loss and cardiovascular risk reduction: a systematic review and network meta-analysis. JAMA Internal Medicine, 179(11):1623-1631. ↩

  35. Li X, et al. (2022). op. cit. ↩

  36. Gabel K, et al. (2018). op. cit. ↩

  37. Moran LJ, et al. (2019). op. cit. ↩

  38. Hall KD, et al. (2018). Metabolic adaptation during weight loss: what is the evidence for the “metabolic slowdown”? Obesity, 26(1):26-34. ↩

  39. Westerterp-Plantenga MS, et al. (2012). op. cit. ↩

  40. KDIGO Working Group. (2020). op. cit. ↩

Blogging, fitness, nutrition
writing nutrition fat-loss macronutrients
This post is licensed under CC BY 4.0 by the author.

© SimonCho. Some rights reserved.

Using the Chirpy theme for Jekyll.