Reading view

There are new articles available, click to refresh the page.

減脂一定要吃到 2.2 倍蛋白質嗎?

建議可以吃 2–2.2 倍,但更多則不一定有效,要看狀況!

「增肌要吃 1.6 倍體重的蛋白質、減脂要吃 2.2 倍體重的蛋白質」,是健身界的通則之一。關於增肌是否真的需要吃到 1.6 倍,前一篇文章已有描述;至於減脂時到底需不需要吃到 2.2 倍(甚至以上)的蛋白質,則是本文的主題。

重點

  1. 減脂吃更多蛋白質,可以藉由增加飽足感來減少飢餓感,幫助飲食控制
  2. 熱量赤字時,高蛋白飲食可以減緩肌肉流失,但缺乏需要高於 2.2 倍的證據
  3. 同時增肌減脂(比減脂更嚴格!)時,高蛋白可以增強減脂效果,且 3 倍的效果比 2 倍更好
  4. 吃超高蛋白質的壞處:貴、執行困難、「潛在的」腎臟影響
  5. 減脂期仍然會建議吃到 2.2 倍蛋白質,但對多數人來說不需要再吃更多了

「行為」優先於生理效果

許多流行的飲食法,看似擁有魔法般的神奇效果,但實際上只是透過行為改變來「剛好」能減少熱量攝取,而非飲食法本身有何特別之處。譬如,斷食法能縮短進食時間,因此攝取的熱量自動比以前還少,自然就能減重了。但要是你以為斷食法=一定會瘦,因而暴飲暴食,那反而會變胖。

提升蛋白質攝取量也有同樣的道理,雖然高蛋白在生理上確實有用(等等就會談到),但它首先影響的就是你的食慾。在同樣攝取量的情況下,蛋白質有三大營養素中最高的飽足感,代表你即使吃得更少,只要提高蛋白質比例,就比較不會餓到想放棄減脂。

高蛋白飲食能減緩減脂期的肌肉流失

當減脂期身體缺乏能量時,營養素通常只夠能量供給和基本生理需求,所以蛋白質攝取不夠多時,吸收進身體的氨基酸也比較不會跑去合成肌肉。因此,不管是微觀的「氮平衡測量」還是宏觀的「瘦組織/肌肉測量」,眾多研究都顯示了有運動的人在熱量赤字時,2 倍左右的高蛋白飲食擁有減緩肌肉流失的效果。

但這裡有兩個重點:

  1. 研究大多是比較「高蛋白攝取(1.6–2.3 倍)」vs.「中等蛋白質攝取(0.8–1 倍)」,所以較難確定 2.3 倍以上的超高蛋白質攝取,會不會真的比 2.2 倍還更能減緩肌肉流失。
  2. 此外,上述的效果都有一個大前提:要同時認真重訓。健身才是肌肉成長的推手,蛋白質只是材料;減脂時若不搭配重訓,就算吃很多蛋白質,也不會減緩肌肉流失

超高蛋白質飲食能幫助「同時增肌減脂」

若說有什麼比減脂還困難的挑戰,那就是「同時增肌減脂」了。要達成這個任務,不只訓練與睡眠都要確實,飲食也要控制得很精準,只能維持在熱量平衡上下的微小範圍內。因此,非新手想要同時增肌減脂是需要非常努力的(更多資訊可參考之前寫的另一篇文)。

雖然目前比較難確認超高蛋白飲食(2.3–3 倍)對「純減脂」是否真的比較有效,但如果你想執行「同時增肌減脂」的話,則這麼多蛋白質真的會有幫助。有研究發現 3.4 倍與 2.3 倍的蛋白質攝取相比,雖然瘦體重的增加雷同,但 3.4 倍的減脂效果更好。

雖然上述只是單一研究,但考量到同時增肌減脂的條件比純減脂還更加嚴格,需要讓肌肉合成和脂肪分解的潛力都完全發揮,因此需要更多蛋白質也蠻合理的。

蛋白質吃太多的缺點

首先是成本考量,蛋白質食物通常比較昂貴。

但就算價格不是問題,也要考量吃那麼多蛋白質的可行性。一般人吃到 2 倍以上,就會覺得吃肉吃得很辛苦、乳清喝到不想再喝了,想長時間吃 3 倍體重蛋白質並不容易,而飲食最重要的就是要能先堅持執行,因此超高蛋白質飲食對多數人來說並不實際。

最後,雖然目前健身界的主流想法是「只要沒有腎臟疾病,吃再多蛋白質都沒關係」,但其實我們也沒有很明確的證據說「長時間吃超高蛋白質真的很安全」。在關聯性研究中,吃較多蛋白質的族群腎臟功能確實有受影響,但影響幅度很小;而隨機控制試驗則發現健康年輕且有重訓的男性,吃超高蛋白飲食(大於 3 倍)半年後也沒有腎臟功能的差異。但考量到「理論上」高濃度的胺基酸會造成腎臟負擔,而且減脂時吃大於 3 倍體重的蛋白質也不一定真的更加有效,因此建議一般的健身愛好者吃到 2.2 倍就夠了,不需追求無限多的蛋白質。

結論

總結來說,減脂期建議吃 2–2.2 倍體重的蛋白質,不只能幫助壓抑飢餓感,也可以減緩肌肉流失。若你想同時增肌減脂,可以吃到 3 倍,但沒有在同時增肌減脂時則並不建議長期一直吃那麼多蛋白質。

(關於增肌期蛋白質怎麼吃,可以參考這篇文章

增肌一定要吃到 1.6倍蛋白質嗎?

若為了吃到 1.6倍蛋白質而影響生活品質,那不如不要吃。

雖然我們都知道,要長肌肉就要吃夠蛋白質,但到底多少才叫夠呢?

傳統上認為,蛋白質對肌肥大是多多益善,最好吃超過 2 倍體重(例如 70 公斤的人,每天要吃 140 克蛋白質);若你對健身科學有些接觸,可能會知道在增肌期,其實 1.6 倍就已足夠帶來絕大多數的效果。

不過,「多吃蛋白質」仍然是許多健身人(包含我自己)的興趣與信仰。為了蛋白質,甚至有健美選手會半夜起來補充蛋白質。

(圖一)

但如果生活忙碌或不習慣睡前吃東西,導致硬要吃到 1.6–2 倍體重的蛋白質就會消化不良,影響睡眠品質,或是壓力倍增,那可不可以少吃一點呢?沒吃到 1.6 倍蛋白質的話,就一定會少長一些肌肉嗎?

本文就要來解釋,增肌所需要的蛋白質量其實沒有你想像的嚴格。

重點

  1. 用氨基酸需求的測量方法來推論,健美訓練者的蛋白質需求大約是每天 1.7–2.2 克/公斤體重。
  2. 2006 年的一篇研究,發現三種蛋白質攝取(1.0–1.4、1.6–1.8、>2.0 倍)對於 12 週的重量訓練後,雖然可見蛋白質較高的組別,增肌也較多,但沒有達到顯著。
  3. 2018 年的重要回顧性研究,顯示 1.6 倍是增肌的甜蜜點,再吃更多也不會增加更多肌肉。但若看他們的圖表,可發現數據其實很離散,代表「1.6」是很概括的一個數字。
  4. 2022 年的回顧性研究,分析蛋白質攝取「<1.2 倍」、「1.2–1.59 倍」、和「≥1.6 倍」且有阻力訓練的實驗們,發現蛋白質越高、增肌效果越大。但其實效果差距很小。
  5. 仍然會建議吃到 1.6 倍的蛋白質,但若難以吃到這麼多,1.25 倍也已可以帶來多數的增肌效果了。

短期微觀的測量方法,可當參考但不代表實際增肌狀況

如果有個籃球選手,在 NBA 明星賽的技術挑戰賽、灌籃大賽、和三分球大賽都拿下佳績,代表他在 NBA 中的表現一定比較好嗎?

其實不一定,因為這幾個比賽只是分別測量一些籃球的相關特質,但整體的打球表現並不是只靠這三個特徵。

增肌也是如此。

我們可以用氮平衡的測量、或是指標胺基酸氧化法(indicator amino acid oxidation technique, IAAO)來評估蛋白質的需求量,譬如 2017 年的一篇研究使用 IAAO 去測量「至少三年重訓經驗的健美訓練者」,在非訓練日的蛋白質需求,並得到 1.7–2.2 克/公斤體重的數據。理論上,這代表再得到更多氨基酸也不會用來合成更多蛋白質。

雖然這數據相當符合主流觀念,但畢竟實驗方法不是直接測量肌肉量變化,所以並不代表「吃更少就會長較少肌肉」,而較適合當成一個參考。

1.6 倍蛋白質的由來

1.6~1.7 倍左右的蛋白質一直是實驗時常用來區分高、低攝取量的分界。而在 2018 年,一篇著名的回顧性研究比較了不同蛋白質攝取量與瘦組織重的變化,並發現 1.6 倍確實是增肌的甜蜜點(圖二);在 1.6 倍之後,再吃更多蛋白質也不會增加更多瘦體重。

(圖二)橫軸為蛋白質攝取,縱軸為瘦體重變化

不過,仔細看圖的話,可以發現數據其實相當離散。雖然整體而言有往右上的趨勢,但「大於 1.25 倍」跟「大於 1.6 倍」的值並沒有差太多,尤其是我們把趨勢線塗掉再觀察的話(圖三)。因此,知名健身科學團隊 Stronger by Science 認為吃 1.25–1.5 倍蛋白質的增肌效果,其實不一定會比吃到 1.6 倍差多少。

(圖三)把趨勢線塗掉

就算有差,也差不多

我們還能用其他統計方式來觀察蛋白質攝取對增肌的影響。譬如 2006 年的一篇研究將受試者分為三組:1.0–1.4、1.6–1.8、>2.0 倍蛋白質攝取,並觀察12 週重量訓練後的瘦體重變化。雖然能看到瘦體重的增加量確實是「第三組>第二組>第一組」,但統計上並沒有達到顯著。

2022 年,針對這個主題有一篇最新的回顧性研究,他們把所有實驗分成「<1.2 倍」、「1.2–1.59 倍」、和「≥1.6 倍」蛋白質攝取。可能是因為數據量較大,這次的瘦體重增加量差異就有達到統計顯著,但實際效果其實差異不大。

作者還另外分析:統合所有收錄的研究後,攝取較少蛋白質的人可增肌約 0.8 公斤,而攝取較多者可增肌約 1.3–1.4 公斤。兩者有差、但沒差太多。

總結

1.6 倍仍然理想,但 1.25 倍以上已經很實用。

若你熱衷於健身,增肌就是你生命的重要一環,那還是會建議每天吃到 1.6 倍體重的蛋白質,這不管在微觀還是巨觀上,都有研究可以佐證它的益處。

不過,如果你沒有要比賽、也沒有要追求最好的體態,只希望能看到更好的自己,那就算只吃 1.25~1.5 倍蛋白質,其實也可以有多數的增肌效果了。為了拼到 1.6 倍以上而影響生活、影響睡眠、造成心理負擔,反而可能減弱肌肉合成,本末倒至了。

如何讀懂健身文獻:統計學基礎篇

想成為科學化的健身人,但每次打開論文都只會看結果、看不懂數據嗎?其實結果後面的統計學才是看懂文獻的關鍵。(圖文版:@vin_training

簡介

科學化的健身是現在的趨勢,不過僅僅會去搜尋論文然後看懂標題和結論,就像是去書店看了封底的大綱就當作已看過這本書一樣,錯過了真正能讓你思考和學習的內容。研究結果只是一系列實驗和分析的最後一步,想要真正讓一篇論文擴展你對健身科學的理解,就需要去讀背後的過程。其中,實驗數據的統計就是相當重要的一塊,尤其健身相關實驗通常為期較短、受試者人數較少,所以對數據的解讀的不同就很容易影響對結果的判讀。

本文是零基礎都能輕鬆入門的統計學介紹,只介紹觀念而不會提及任何數學公式,且會以一篇真正的健身論文為例,帶大家看一些基礎的統計觀念。

文獻例子

本文以 Evenly Distributed Protein Intake over 3 Meals Augments Resistance Exercise–Induced Muscle Hypertrophy in Healthy Young Men 作為介紹基礎統計概念的例子。本研究探討「把蛋白質平均分配到每一餐,會不會更能增加肌力和肌肥大」,直接講結論:在 12 週的飲食控制+重訓後,平均分配蛋白質的人比不平均分配的人,增加更多的瘦組織與更多的肌力,但都未達「統計上的顯著」。等等就來介紹這句話的涵義,及論文中其他常見的數據。

(圖一)藍色:平均分配蛋白質組;橘色:不平均分配蛋白質組

兩個數字看懂一組資料: Mean ± SE

如果你被告知,這裡有一群平均年齡 20 歲的人,那你覺得這群人是全都大學生、還是一群家長和他們的國小小孩呢?

光靠「平均年齡」是無法讓你回答上面的問題的,此時就需要知道這群人的年齡分佈。如果大家都差不多是 20 歲,那大家的年齡分佈就很緊密;如果有些人 16 歲、有些人 30 歲、有些人 8 歲⋯⋯那年齡分佈就很離散。讓我們能得知離散程度的數據即是「標準誤 standard error, SE」,如果 SE 越大,代表越離散,反之則越緊密。(註:有時統計是用「標準差 standard deviation, SD 」而非 SE,這裡就不細講它們的差別了 ,只要知道它們都是用來描述離散程度就好)

我們直接進入研究例子:

(圖二)Mean=平均,SE=標準誤

(請看圖二)mean 就是「平均」的意思,所以本篇論文一開始就提供受試者的基本數據:平均年齡是 20.8 歲,而 ±0.4 歲的 0.4 就是 SE 。SE = 0.4 歲算是相當小,所以代表他們研究的是一群 20 歲左右的年輕人,而這就呼應了標題的「young men」。

而若一個實驗結果的 SE 很大,那就代表實驗者的改變存在很大的個體差異。例如:如果一個飲食方法讓實驗者半年瘦了 5 ± 4公斤,代表有些人瘦不到 1 公斤、有些人瘦超過 9 公斤,那我們就會推論這個飲食法不是對每個人都很有效的。

(圖三)HBR=平均分配蛋白質組,LBR=不平均分配蛋白質組

接著來看研究結果(圖三)。12 週的飲食控制+重訓後,平均分配蛋白質到每一餐的受測者增加了 2.5 ±0.3 公斤的瘦組織重(油脂以外的體重,包含肌肉),而不平均分配蛋白質的受測者則增加了 1.8 ±0.3 公斤。對 1.8 和 2.5 來說,0.3 並不算大,所以可以推測這兩組幾乎所有的實驗者都確實比實驗前長了更多肌肉。而當我們想比較哪一組增肌更多時,雖然乍看之下前者的瘦組織增加幅度更高,不過僅從這些數據其實難以推斷前者是不是真的比後者增加比較多的瘦組織。

差異到底顯不顯著: p 值

雖然概念不完全一樣,但可以這樣思考:假設一個賽車手在同一個賽道上,分別用兩台不同廠牌的賽車跑計時賽。第一台車跑了 10 分鐘,第二台車則跑了 10.2 分鐘。光靠這個數據,你很難確定哪台賽車的性能比較好,因為第二次跑比較慢可能是第二台性能確實較差,也可能是賽車手剛好表現較差。同樣的,只知道一組人增加 2.5 公斤、另一組人增加 1.8 公斤,也很難判斷這是實際存在的效果差別,還是「剛好而已」。

此時,就要去看比較兩組數據的「p 值」為何。再看回圖三,反白的字後面有「p = 0.06」,這代表雖然第一組比第二組看似增加更多瘦組織,但這個差異有 6%的機率「只是剛好而已」,而我們通常會覺得 6%的機率已經足夠高了,所以認為兩組其實沒有差別。這就叫「差異未達統計上的顯著」。

舉一個比較貼切的例子:假設六年甲班和六年乙班各有 40 位學生,而這兩班同座號的學生身高都一樣(例如:兩班的 1 號都是 140 公分、2 號都是 142 公分,以此類推),那我們可以很直覺地認定「這兩班的身高一模一樣」。不過,要是我們不知道上述的特徵呢?假設我們從兩班中各隨機抽 10 個學生,比較這兩組學生的身高,其中甲班抽出的 10 個學生平均身高 150,乙班的則是 140,而這個差距不代表甲班的學生身高比乙班高,只是抽樣時剛好都抽到比較高的學生罷了。p 值就是在計算這個「剛好」的機率。

回到研究。更精準得來說,p 值=0.06 的意思是,如果蛋白質分配的方法對增肌完全沒有影響的話,得到跟我們實驗的結果一樣或更加極端的機率為 0.06(6%)。通常只要 p 值高於 0.05,我們就會認為兩組之間沒有實質上的差異,所以這個統計的結果即是認為「平均分配蛋白質到每一餐不會幫助增肌」。

統計結果還是可能有誤

我們可以透過觀測到的幾棵樹來描繪一個森林的樣貌,但還是會有錯誤的地方。統計也是類似,想透過觀測到的局部來推斷全體,就難免會有出錯的時候,只是可以用數學來有邏輯地進行判斷,以最小化錯誤。

以本研究為例,p 值=0.06 其實相當靠近 0.05,換句話說只要 p 再小一些,我們就會得出完全不同的結論。而在受測者人數較少時,p 值的計算結果原本就會比較大,所以說不定若他們再多招募幾個受測者,就會改得到「蛋白質分配會影響增肌效果」的結論。

更進一步來看,雖然都沒有達統計顯著,但平均分配蛋白質的受測者們在「每一樣肌力與瘦組織的測驗上」都更高。綜合以上兩點,可以合理推斷平均分配蛋白質或許真的更有利於增加肌肉量和肌力,只是程度不大,所以難以從有限的受測者中觀測到明顯的差異。

結論

本文在不提及任何公式的前提下介紹了代表離散程度的「standard error」和判斷差異顯不顯著的「p 值」,並解釋它們在本文的意義及限制。現在除了看標題和結論外,也能去看看結果的 p 值和實驗前後的 SE,讓你對研究的認識更加深入。即使如此,本文也只是介紹統計學的一些皮毛而已,若大家有興趣的話,未來再寫進階一點的統計學。

❌