凌晨一点,你对着两个记录 App 查同一块煎鸡胸肉:一个写 165 大卡/100g,一个写 195。你盯了三分钟,最后挑了个顺眼的记下去。
恭喜,你刚刚围观了卡路里数据库的日常翻车现场。这篇文章把水分拧干给你看。
弹式量热仪:把食物丢进纯氧高压舱里点火烧干净,量水温升了多少——这是全流程里唯一真正“测”出来的数字,叫总能量。
问题在哪?你的胃不是焚烧炉。膳食纤维在仪器里烧得火热,你却基本吸收不了;反过来,有些东西你吸收的和烧出来算的完全是两码事。
Atwater 系数:1896 年前后,化学家 Wilbur Atwater 做人体实验,把燃烧热乘上消化率修正,得出蛋白 4、碳水 4、脂肪 9 大卡/克这套万能折扣表。
说人话:这是 120 多年前的平均数。真实蛋白系数在 3.2~4.4 之间浮动,脂肪在 8.4~9.4,而且完全没考虑食物的物理形态。
最经典的打脸案例是整粒杏仁:标签写 170 大卡一份,人体实测吸收只有 130 左右,差了 20%+——因为你嚼不碎的部分直接穿肠而过了。
所以数据库里的数字是精确测量吗?不,是燃烧热 × 消化率 × 取样差异 × 舍入,四层误差叠罗汉。这是整套体系的硬伤,不是哪家 App 偷懒。
你查“米饭热量”能查到 116、130、145 三个答案,谁在说谎?
都不是,因为变量太多:米的水分含量、煮的软硬、取样地点、当年收成,全在影响那个数字。生米约 345 大卡/100g,煮熟后直接看你加了多少水。
更狠的是烹饪和状态。米饭煮熟放凉,一部分淀粉变成抗性淀粉,你吸收的热量实打实地变少——同一个数据库里它还是一个数字。
标签那边呢?FDA 允许热量标称有 ±20% 的合法误差。被这 20% 坑惨了的人不在少数:以为制造了 500 大卡缺口,实际缺口可能只有 200。
还有一类重灾区:App 里用户手输的条目。“妈妈牌红烧肉一份”是多少克?多少油?你用这条数据,等于接盘了陌生人的随手一填。
2000 这个数有科学依据吗?有,但只有一半。
90 年代美国推营养标签法,FDA 必须在所有包装上印一个“每日参考值”。调研数据显示:成年女性摄入大概 1600~2200,男性 2200 往上。
最后选了 2000。为什么?好印、够圆、落在大多数人的区间里——这是印刷规范,不是医学结论。
而真实需求差多远?久坐的小个子女生可能 1400 出头,重体力大汉 3500+,直接差出一倍多。再叠一层:每个人肠道菌群从同一份食物里榨出的能量都不一样,纤维发酵那块能差出上百大卡。
想拿个体差异当躺赚借口、觉得“我这体质喝凉水都胖”的,先别急——菌群差异是几十上百大卡量级,不是翻倍量级。别赌运气,先把自己的基数估出来。
更靠谱的路径:用 Mifflin-St Jeor 公式估个基础代谢,乘上活动系数当起点,然后用实际体重数据去校准它。估算是初始化,体重才是 ground truth。
有意义,而且意义很大。热量计数的价值从来不是绝对精确,而是控制变量:摄入是你的输入旋钮,体重是你的输出反馈,闭环比真值重要。
怎么在 ±20% 的噪声里把这事干成?四条实操:
想靠“误差红利”突击套利、专挑标低的条目记的,醒醒。误差是随机的不是定向的,你控制不了它的方向,只能控制它别变大。
说到锁死数据源,别整三个 App 来回横跳了。本站的 压碎卡路里 一个页面把摄入和缺口算清楚,数据源统一,至少误差不会自己跟自己打架。
数据库里的热量是实验室精确测出来的吗?
不是。燃烧热是实测的,但到了“你能吸收多少”这一步,用的是一百多年前的平均折扣加上各种估算,精度全靠缘分。
坚果实际吸收比标签少 20%,我是不是可以多吃?
部分是,整粒坚果确实吸收打折。但嚼得越碎吸收越多,且这 20% 不是所有食物通用——把它当普遍规律迟早踩坑。
既然误差这么大,那还记个啥?
记录的意义是控制变量,不是绝对真值。认真记的人误差 ±15%,不记的人靠感觉吃饭误差 50% 起步——谁减得下来,一目了然。
评论列表 (0条)