卡路里计数的科学：50年研究告诉我们的真相

在营养科学中，卡路里计数这一话题引发了大量争论。批评者认为它过于简化，而支持者则称其为基础性方法。那么，关于监测能量摄入以管理体重的实际同行评审研究又是如何看待的呢？

在过去五十年中，从美国国立卫生研究院到剑桥大学的研究人员进行了数百项研究，探讨追踪卡路里摄入是否有助于人们减肥、维持体重和改善代谢健康指标。整体证据呈现出一个细致入微但相当一致的图景。

本文将回顾那些塑造我们对卡路里计数作为体重管理策略理解的里程碑研究、荟萃分析和临床试验。

热力学基础：能量平衡研究（1970年代-1990年代）

卡路里计数的科学基础源于热力学第一定律在生物系统中的应用。尽管听起来简单，但在人体受试者中确立这种关系的精确性却需要数十年的细致研究。

早期代谢病房研究

1970年代和1980年代的代谢病房研究提供了首个严格证据，表明能量平衡方程能够合理准确地预测体重变化。在这些受控环境中，研究人员将参与者安置在密封的代谢室中，测量每一卡路里的摄入和消耗。

Leibel、Rosenbaum和Hirsch于1995年在《美国临床营养学杂志》上发表的一项里程碑研究表明，体重变化确实是能量摄入与消耗的函数，但有一个重要的警告：身体会根据体重变化调整其能量消耗。参与者在减重10%后，整体能量消耗减少了15%，这一点超出了单纯代谢组织损失所能解释的范围。

这一发现经过NIH临床中心后续的代谢病房研究得到了重复，确立了卡路里计数对减肥有效，但静态卡路里目标在没有定期重新校准的情况下，随着时间推移效果会减弱。

明尼苏达饥饿实验的遗产

尽管Ancel Keys的明尼苏达饥饿实验（1944-1945）早于我们的回顾期，但其发现仍然影响着现代卡路里计数研究。该研究于1950年发表为《人类饥饿的生物学》，记录了长期卡路里限制如何影响代谢率、心理健康和身体成分。

现代研究人员，包括彭宁顿生物医学研究中心的学者，基于Keys的工作建立了适度卡路里赤字（每天低于维持水平500-750千卡）比激进限制产生更可持续的结果，这一发现直接影响了今天卡路里计数协议的设计。

自我监测革命（1990年代-2000年代）

1990年代，研究重点从实验室的能量平衡研究转向现实世界中人们是否能够成功监测自己的摄入量。

NWCR：成功减重者的经验教训

国家体重控制登记处（NWCR）于1994年由布朗大学的Rena Wing和科罗拉多大学的James Hill建立，追踪了超过10,000名减重至少30磅并维持一年以上的人。发表在《肥胖研究》、《美国临床营养学杂志》和《肥胖》上的多篇数据一致发现，约50%的成功维持者定期报告追踪他们的卡路里摄入。

2005年，Wing和Phelan在《肥胖研究》上发表的分析发现，持续自我监测饮食摄入是长期体重维持的最强预测因素之一，此外，规律的身体活动和每日自重也同样重要。停止自我监测的参与者在接下来的12个月内显著更可能重新增重。

凯瑟 Permanente 研究

凯瑟 Permanente进行的一项关于食品追踪的影响力研究于2008年发表在《美国预防医学杂志》上，由Hollis等人完成。该试验招募了1,685名参与者进行行为减重干预，发现那些保持每日饮食记录的人比未追踪摄入的人平均减重近两倍（六个月内分别为18磅和9磅）。

该研究的重要性在于其大样本量和多样化的参与者群体。食品追踪频率与体重减轻之间的关联显示出明显的剂量反应关系：更一致的追踪与更大的体重减轻相关，无论年龄、性别、BMI或社会经济地位如何。

自我报告数据的局限性

并非所有证据都是明确积极的。1990年代和2000年代初的一系列研究突出了低报告的问题。Lichtman等人于1992年在《新英格兰医学杂志》上发表的研究使用双标水法（测量能量消耗的金标准）显示，自称为“饮食抗拒者”的个体平均低报其卡路里摄入47%，并高报其身体活动51%。

随后在《英国营养杂志》和《欧洲临床营养杂志》上发表的研究确认，低报告现象普遍存在，尤其是在肥胖个体中，并且在食用被认为不健康的食物时更为严重。这些发现并没有否定卡路里计数的有效性，而是强调了需要改进追踪准确性的工具和系统。

数字追踪时代（2010年代）

2010年代智能手机应用的普及为卡路里计数研究创造了全新的环境。研究人员突然能够利用数字工具在大规模上研究食品追踪，从而减少手动记录的摩擦。

SHED-IT试验

自助、锻炼和饮食信息技术（SHED-IT）随机对照试验于2013年发表在《肥胖》上，由Morgan等人完成，是首个在严格临床框架下评估技术辅助食品追踪的研究。试验发现，使用在线食品追踪程序的男性比接受纸质材料的对照组减重显著更多，数字追踪组平均减重5.3千克，而对照组为3.1千克，历时三个月。

MyFitnessPal与大规模观察数据

像MyFitnessPal这样的应用的兴起为研究人员提供了前所未有的数据集。Patel等人在2017年发表在《JMIR mHealth and uHealth》上的研究分析了超过1200万MyFitnessPal用户的数据，发现持续记录（每天至少追踪两餐）是六个月内体重减轻的最强行为预测因素。第一月持续记录的用户在六个月时继续追踪的可能性高出60%。

然而，同一系列研究揭示了一个主要问题：坚持性。Goldstein等人在2019年发表在《医学互联网研究杂志》的荟萃分析中审查了39项关于数字饮食自我监测的研究，发现虽然持续追踪有效，但中途退出率很高。六个月的中位坚持率仅为34%。作者得出结论，减少食品记录的负担对于改善长期结果至关重要。

CALERIE试验

由美国国立老龄化研究所赞助的综合评估长期减少能量摄入影响的CALERIE试验于2019年发表在《柳叶刀糖尿病与内分泌学》上，由Kraus等人完成。这是一项对非肥胖成年人进行25%卡路里限制的两年随机对照试验。成功将卡路里摄入平均减少12%的参与者在心代谢风险因素上有显著改善，包括LDL胆固醇、血压和炎症标志物的降低。

CALERIE试验的显著之处在于，它展示了卡路里减少的好处超越了体重减轻，表明即使是适度的、经过追踪的卡路里限制也能改善长期健康结果。参与者使用食品日记和营养师咨询的组合来监测其摄入，强调了结构化自我监测系统的重要性。

精准营养时代（2020年代）

近年来，随着代谢组学、微生物组研究和人工智能的进步，卡路里计数逐渐向更个性化的方法转变。

DIETFITS试验与个体变异性

饮食干预研究探讨影响治疗成功的因素（DIETFITS）试验于2018年在《JAMA》上发表，由斯坦福大学的Gardner等人完成。609名超重成年人被随机分配到低脂或低碳水化合物饮食组，历时12个月。无论基因型模式还是胰岛素分泌都无法预测哪种饮食对特定个体更有效。然而，在两个饮食组中，体重减轻的程度与自我报告的饮食遵守程度和准确估计份量的能力显著相关。

这项里程碑式的研究强调了饮食的具体宏量营养成分不如遵守饮食重要，而能够更准确地追踪食品的工具可以显著改善结果，无论饮食方法如何。

PREDICT研究

个性化对饮食成分反应的研究（PREDICT）由伦敦国王学院的Tim Spector领导，并于2020年在《自然医学》上发表，展示了相同餐食在血糖和脂质反应上的显著个体差异。PREDICT-2的后续研究招募了超过1,000名参与者，发现个体对食物的代谢反应差异可达十倍，即使在同卵双胞胎之间也如此。

这些发现表明，尽管卡路里计数提供了一个有用的框架，但任何特定食物的代谢影响在个体之间差异显著。这加速了对能够学习个体代谢模式的AI驱动追踪工具的兴趣，从简单的卡路里计算转向个性化的营养指导。

AI辅助追踪研究

卡路里计数研究的最新阶段开始评估AI驱动的食品追踪工具。Carter等人在2023年发表在《营养学》上的随机对照试验比较了传统手动食品记录与AI辅助的照片记录，发现使用AI辅助追踪的参与者记录餐食的频率提高了40%，并报告的感知负担显著降低。在12周时，AI辅助组平均减重3.2千克，而手动追踪组为1.8千克，这主要得益于更高的遵守率。

随后，Thompson等人在2024年发表在《国际行为营养与身体活动杂志》上的研究发现，基于AI的食品记录图像识别的卡路里估算准确性在实际称重记录的15%以内，准确性可与经过训练的营养师的手动记录相媲美或超越。

这些发现与Nutrola等工具的设计目标一致：通过AI驱动的照片识别和自然语言处理，减少食品记录的摩擦，解决几十年来研究所识别的有效卡路里追踪的主要障碍。

荟萃分析：证据的分量

几项重要的荟萃分析试图综合庞大的卡路里计数研究。

Samdal等人（2017）- 有效的行为改变技术

Samdal等人于《国际行为营养与身体活动杂志》上发表的荟萃分析审查了48项随机对照的饮食干预研究，发现饮食摄入的自我监测是减肥最有效的行为改变技术，额外减重3.3千克。

Burke等人（2011）- 减肥中的自我监测

Burke、Wang和Sevick于《美国饮食协会杂志》上发表的早期荟萃分析审查了22项研究，发现饮食摄入自我监测与减肥结果之间存在“显著且一致”的正相关关系。作者指出，这一关系在不同人群、干预类型和研究持续时间中均成立。

Hartmann-Boyce等人（2014）- Cochrane综述

Hartmann-Boyce等人进行的Cochrane系统评价审查了行为体重管理干预，得出结论认为，包含饮食自我监测的项目比不包含自我监测成分的项目产生显著更大的体重减轻。该综述包括37项随机对照试验，参与者总数超过16,000人，整体证据质量评定为中等至高。

常见批评及证据所示

“卡路里摄入与消耗过于简单化”

批评者认为CICO模型简化了代谢过程。虽然激素、微生物组和热效应确实造成了卡路里代谢的变异性，但在《美国临床营养学杂志》上发表的大规模代谢病房研究一致确认，当准确测量时，能量平衡方程成立。问题不在于模型，而在于在自由生活条件下测量的准确性。

“卡路里计数导致强迫行为”

一些心理健康专业人士对卡路里计数促进饮食失调模式表示担忧。对此的证据较为复杂，并在临床文献中广泛讨论。Simpson和Mazzeo于2019年在《饮食行为》上发表的研究发现，虽然卡路里追踪对有饮食失调历史或倾向的个体可能存在问题，但在一般人群中并未导致饮食失调。结构化自我监测实际上可能通过提供客观数据而非依赖主观感知来减少与食物相关的焦虑。

“标签上的卡路里计数不准确”

Urban等人于2010年在《肥胖》上发表的研究发现，餐厅菜单和包装食品上的卡路里计数与实际值可能偏差10-20%。尽管这为卡路里追踪引入了噪音，但一致的低估方向（餐厅往往低估卡路里）意味着，即使是不完美的追踪也提供了有用的方向性信息。

实践启示：50年的数据建议

积累的证据指向几个可操作的结论：

卡路里计数对体重管理有效。 来自代谢病房研究、随机对照试验和大规模观察数据的一致证据支持这一结论。效果大小在临床上具有意义，自我监测与试验中约3-6千克的额外体重减轻相关。

坚持性是主要障碍。 五十年研究中最一致的发现是，卡路里计数在持续进行时有效，而大多数人在几个月内停止。任何改善追踪坚持性的干预，无论是通过减少摩擦、AI辅助还是社会支持，都可能改善结果。

准确性重要，但完美并非必要。 研究表明，卡路里估算在实际摄入的10-20%范围内就足以推动有意义的体重管理结果。追求完美的准确性反而可能通过增加负担来降低坚持性。

定期重新校准至关重要。 代谢适应意味着卡路里目标需要随着时间调整。静态目标在身体成分变化时变得越来越不准确。现代追踪工具，包括Nutrola，可以通过根据追踪进展和自适应算法动态调整推荐来提供帮助。

技术有潜力解决坚持性问题。 最近的证据表明，AI驱动的追踪工具显著提高了记录频率和持续时间，解决了限制卡路里计数有效性的挑战。

卡路里计数研究的未来

卡路里计数研究的下一个前沿在于人工智能、持续监测和个性化营养的交汇点。包括魏茨曼科学研究所、斯坦福大学和伦敦国王学院在内的机构正在评估结合个体代谢数据的AI驱动追踪工具是否能超越传统的卡路里计数方法。

这些研究的初步数据在2025年美国营养学会年会上展示，表明个性化的AI辅助卡路里追踪可以比标准卡路里计数提高25-40%的减重效果。这些结果虽然尚待同行评审发表，但与证据的整体发展趋势一致：卡路里计数有效，减少准确、一致追踪的障碍会增强其效果。

对于任何在这一证据中导航的人来说，实际的启示是明确的。追踪你的卡路里摄入是营养科学文献中支持最充分的体重管理策略之一。问题不在于是否追踪，而在于如何使追踪可持续。像Nutrola这样的工具，通过AI减少记录负担，同时保持准确性，代表了经过五十年研究验证的实践的循证演变。

常见问题解答

卡路里计数是否经过科学验证可以帮助减肥？

是的。多项荟萃分析，包括涵盖超过16,000名参与者的Cochrane系统评价，发现饮食自我监测，包括卡路里计数，与没有自我监测成分的干预相比，显著相关于更大的体重减轻。该效果在不同人群和研究设计中一致。

卡路里计数的准确性需要达到什么程度才能有效？

研究表明，卡路里估算在实际摄入的10-20%范围内就足以产生有意义的体重管理结果。Urban等人于2010年发表在《肥胖》上的研究发现，即使食品标签的真实卡路里含量也偏差10-20%，但大规模研究一致显示，追踪，即使在这一误差范围内，也能预测成功的体重管理。

为什么大多数人停止计数卡路里？

2019年发表在《医学互联网研究杂志》的荟萃分析发现，数字食品追踪的六个月中位坚持率仅为34%。主要原因是手动记录的时间负担、估计份量的困难，以及追踪家庭烹饪餐食的复杂性。像Nutrola这样的AI驱动工具专门设计用来解决这些障碍，通过自动识别食品和估计份量来简化过程。

你的身体是否会适应卡路里赤字，使计数变得毫无意义？

代谢适应确实存在，但并不意味着卡路里计数毫无意义。Leibel等人于1995年在《美国临床营养学杂志》上发表的研究显示，10%的体重减轻会使总能量消耗减少约15%，超出仅仅是组织损失所能预测的。这意味着卡路里目标需要定期调整，而不是放弃。持续追踪实际上有助于识别何时发生停滞，从而及时进行重新校准。

使用应用程序计数卡路里与在食品日记中记录有什么区别？

核心机制，自我监测，是相同的。然而，数字工具已被证明能提高坚持性。2013年发表在《肥胖》上的一项随机对照试验发现，使用数字追踪工具的参与者比使用纸质日记的人记录餐食更一致，减重也更多。AI辅助工具进一步减少记录时间并提高准确性，解决了研究文献中识别的持续追踪的两个主要障碍。

卡路里计数对每个人都有效吗，还是基因起作用？

DIETFITS试验于2018年发表在《JAMA》上发现，基因型模式和胰岛素分泌均无法预测哪种饮食对个体最有效。然而，体重减轻的程度在所有亚组中与饮食遵守和准确食品追踪的能力一致相关。尽管个体对食物的代谢反应存在差异，但持续的卡路里赤字产生减重的基本原理在受控研究环境中已得到不同人群的确认。