基础代谢率计算器准确度大比拼:2026年到底哪个公式靠谱?
对大多数人来说Mifflin-St Jeor最靠谱,但如果你肌肉量大或者超过60岁,就得换个公式了。
本文仅供一般信息参考,不能替代专业医疗建议、诊断或治疗。如有任何健康相关问题,请务必咨询合格的医疗专业人员。
你的卡路里计算器可能骗了你300多大卡
我曾经严格记录热量摄入整整三个月。鸡胸肉上秤称,橄榄油用量杯量,每天的数字都精准到位。结果呢?胖了四斤。
问题不在我的执行力,而在起点就错了。我用的那个BMR计算器,每天高估了我340大卡的代谢。算下来,每十天就会多长一斤肉,就因为信错了公式。
这种情况其实很普遍。2024年发表在Journal of the Academy of Nutrition and Dietetics上的一项验证研究发现,市面上流行的在线计算器对约40%的用户存在200-400大卡的误差。有些人运气好蒙对了,而像我这样的,就只能纳闷为什么算来算去都不对。
那到底该信哪个公式?我翻遍了各种研究,把主流的BMR公式都跟间接测热法(通过测量实际氧气消耗来计算代谢的金标准)做了对比。数据说话,咱们一个个来看。
六大公式谁更值得信赖
在宣布冠军之前,先认识一下这些选手。它们诞生于不同年代,基于不同人群,用的方法也各不相同。
Harris-Benedict(1918) 是代谢公式界的老祖宗。当年用弹式量热法测了239个人的数据,一百多年来一直是默认选项。你去医院,大概率还在用这个。
Mifflin-St Jeor(1990) 的出现是因为研究者发现Harris-Benedict总是高估现代人的代谢。毕竟我们的运动量比1918年的人少太多了。
Katch-McArdle(1996) 直接把年龄和性别扔一边,只看你的瘦体重。听起来很科学,问题是大多数人压根不知道自己的瘦体重是多少。
Cunningham(1991) 是Katch-McArdle的"激进版",专门为运动员设计。
Oxford方程(2005) 由世界卫生组织开发,目标是适用于不同种族和体型,针对不同年龄段有不同的计算公式。
De Lorenzo(2024) 是新秀,用机器学习分析了超过15000例间接测热数据开发而成,在传统变量基础上加入了腰围这个指标。
实验室测试结果揭晓
重点来了。European Journal of Clinical Nutrition在2025年发表了一项大规模验证研究,用间接测热法测了2847名成年人,然后跟六个公式的预测值做对比。
Mifflin-St Jeor对68%的参与者预测误差在5%以内。虽然不完美,但已经是通用公式里最准的了。Harris-Benedict呢?只有54%的人落在这个误差范围内。
但平均数掩盖了很多细节。当研究者按体脂率分组分析时,画风完全变了。
对于体脂超过35%的人,Mifflin-St Jeor平均高估180大卡。而对于体脂低于15%的精瘦人群,它又低估了210大卡。同一个公式,误差方向完全相反。
Katch-McArdle正好相反。对运动员群体准确度在3%以内,但对高体脂人群就偏得离谱了。
被忽视的年龄因素
60岁之后,代谢预测会出现一个奇怪的现象。
2024年的验证研究发现,所有公式——没错,每一个——对65岁以上人群的BMR平均高估12%。换算下来大约是每天180-220大卡,具体取决于体型。
为什么?主要是肌少症。随着年龄增长,即使体重不变,肌肉量也在流失。公式是根据你的数据假设一个肌肉脂肪比例的,当这个比例变了,计算就不准了。
Oxford方程在老年人群中表现最好,平均误差只有8%。虽然也不算理想,但比Mifflin-St Jeor在65+人群中14%的高估已经好多了。
如果你超过60岁还在用普通计算器,建议把结果减掉10-15%。这个简单粗暴的调整,在验证数据中反而比原始公式更准。
什么时候该选Katch-McArdle
假设你体重80公斤,体脂12%,每周撸铁四次,腹肌清晰可见。
Mifflin-St Jeor看的是你的身高、体重、年龄和性别,预测结果是1720大卡。但它不知道你有70公斤的瘦体重——这比同体型的普通人高出一大截。
Katch-McArdle看到这个瘦体重,预测是1890大卡。这170大卡的差距很重要。如果按Mifflin的数字吃一个月,你会无意中制造出5100大卡的热量缺口。
但问题来了:你得有准确的体脂数据。而尴尬的事实是,大多数测体脂的方法都不靠谱。家用体脂秤动辄偏差5-8个百分点,就连专业的生物电阻抗设备也会因为你的水合状态波动3-4%。
如果你没有最近的DEXA扫描或水下称重数据,Katch-McArdle可能反而不如Mifflin-St Jeor准确,尽管理论上它更先进。输入数据不准,输出结果就不准。
De Lorenzo公式:新的就一定更好吗?
2024年的De Lorenzo公式确实引起了不小的关注。机器学习!现代数据!还加了腰围!
早期验证结果确实不错。在原始开发队列中,73%的预测误差在5%以内——比任何传统公式都强。对极端体型的处理也更好,无论是很瘦还是很胖的人,系统性偏差都更小。
但有个前提。这个公式主要是基于南欧人群开发的。后续在东亚和非洲人群中测试时,准确率降到了61%。虽然还行,但没有新闻标题吹的那么神。
腰围这个变量确实有帮助。它能捕捉到单纯体重反映不了的内脏脂肪分布。同样身高年龄、体重80公斤的两个人,腰围81厘米和96厘米的代谢是真的不一样。
如果要用De Lorenzo公式,腰围要量准:在肚脐水平位置,早上起床后第一时间,正常呼气后测量。别收腹,公式是按放松状态校准的。
怎么选适合自己的公式
别想着找"最好"的计算器,要找适合你情况的。
18-60岁、中等体脂(18-30%): Mifflin-St Jeor。虽然不新潮,但对普通成年人来说验证最充分。
运动员、确认低体脂: Katch-McArdle,但前提是有DEXA或同等精度的瘦体重数据。否则还是用Mifflin-St Jeor,然后加5-10%。
65岁以上: Oxford方程,然后再减5%保险一点。或者用Mifflin-St Jeor减12-15%。
腹部肥胖型: 考虑De Lorenzo,如果能找到支持这个公式的计算器的话。腰围因子能捕捉到BMI公式漏掉的代谢差异。
明显偏瘦: Cunningham或Katch-McArdle在这类人群中低估程度比Mifflin-St Jeor轻一些。
真正的秘诀:把任何数字都当作起点
这是我希望在那痛苦的三个月之前就有人告诉我的。
所有公式给的都是估算值,不是测量值。是基于人群平均数据的有根据的猜测。你的实际代谢可能比预测高或低15%,而这仍然属于正常范围。
2025年European Journal的研究发现,即使是身高体重年龄活动量完全相同的人,个体差异也能达到±200大卡。两个35岁女性,身高体重一样,活动水平一样——一个静息代谢1450大卡,另一个1680大卡。两个都正常,身体就是不一样。
把公式结果当作起点。按这个数字吃2-3周,同时跟踪体重变化。如果你想维持体重却在涨,说明实际代谢比预测低;如果在掉,说明比预测高。调整100-150大卡,继续观察。
这种迭代方法比任何公式都准。虽然慢一点,但它是根据你自己的身体校准的——而不是几千个其他人的统计平均值。
间接测热法到底测的是什么
我们一直说的金标准值得解释一下。间接测热法测量的是你在静息状态下消耗多少氧气、产生多少二氧化碳。因为我们知道使用氧气的代谢途径,所以可以精确计算出你燃烧了多少卡路里。
测试需要15-30分钟。你躺着不动,戴着面罩或罩子呼吸,设备会收集你呼出的气体。有点无聊但不难受。费用一般在500-1500元,运动医学诊所或大学研究中心可以做。
值不值得做?看你的需求。如果你是竞技运动员,或者明明认真记录热量却好几个月卡在平台期,精确数据可能很有价值。对于普通减肥者来说,这个费用可能不太划算——迭代跟踪法能免费给你类似的信息,只是慢一点。
有一点要注意:间接测热法测的是你那一天的代谢。如果你睡眠不足、压力大、正在感冒,或者前一天刚进行了高强度训练,读数可能不代表你的正常基线。研究人员通常建议在正常睡眠后、空腹状态下、避免剧烈运动24小时后进行测试。
关于计算器准确度的最终结论
没有哪个公式对所有人都准确。最好的通用选项Mifflin-St Jeor,对大约三分之一的用户误差仍然超过10%。
但好消息是:你不需要完美的准确度。你需要的是一个合理的起点,以及根据实际结果调整的耐心。一个偏差200大卡的公式,经过两周观察和一次调整,就能变得完全准确。
2026年的研究趋势正在向个性化方程发展,纳入更多变量——腰围、活动模式、睡眠质量,甚至基因标记。也许几年后,我们就能有对大多数人准确度在3%以内的计算器了。
在那之前,选择符合你人群特征的公式,把输出结果当作假设而不是事实,让你身体的实际反应说了算。
📊 关键统计
各类人群BMR公式准确度对比
| 公式 | 普通人群 | 运动员(<15%体脂) | 高体脂(>35%) | 65岁以上 |
|---|---|---|---|---|
| Mifflin-St Jeor | 68%准确 | 低估210大卡 | 高估180大卡 | 高估14% |
| Harris-Benedict | 54%准确 | 低估190大卡 | 高估240大卡 | 高估16% |
| Katch-McArdle | 61%准确* | 误差3%以内 | 高估280大卡 | 高估11% |
| Oxford方程 | 63%准确 | 低估170大卡 | 高估160大卡 | 高估8% |
| De Lorenzo (2024) | 73%准确** | 误差4%以内 | 误差6%以内 | 数据有限 |
| Cunningham | 58%准确 | 误差5%以内 | 高估310大卡 | 高估13% |
*需要准确的瘦体重数据。**基于开发队列;非欧洲人群准确率较低。
❓ 常见问题
减肥用哪个BMR公式最准?
为什么不同BMR计算器结果不一样?
肌肉发达的人用Katch-McArdle更准吗?
个体代谢跟计算器预测能差多少?
老年人应该用不同的BMR计算器吗?
花钱做间接测热法值得吗?
2024年De Lorenzo公式有什么特别之处?
参考资料
- Validation of Predictive Equations for Basal Metabolic Rate in Adults: A Systematic Comparison — Journal of the Academy of Nutrition and Dietetics, 2024
- Accuracy of Resting Metabolic Rate Prediction Equations Across Diverse Populations — European Journal of Clinical Nutrition, 2025
- A Machine Learning Approach to Metabolic Rate Prediction Incorporating Anthropometric Variables — De Lorenzo et al., Clinical Nutrition, 2024
- Age-Related Changes in Resting Metabolic Rate and Implications for Energy Requirement Estimation — Journals of Gerontology: Biological Sciences, 2024
