学术导言
本章覆盖减脂平台期的系统化诊断逻辑：假平台与真平台的鉴别、五路径分层干预决策树、Refeed与Diet Break的循证选择，以及NEAT优化的实操方案。
读完本章，教练应能建立以下判断力：
平台期首先排除数据与短期波动问题。 测量条件、水钠/糖原、饮食记录和生理周期都可能制造短期停滞，“体重不降”不宜直接等同于代谢适应。
先核查摄入、活动与训练恢复，再调整能量。 体重下降过程中TEE会动态变化，但这不意味着每次停滞都应该继续砍热量。
NEAT具有很大的个体间与个体内变异。 步数和久坐趋势可作为实务代理指标，但不能假设每个人都会下降200–800 kcal/d或以固定步数阈值诊断代偿。
Diet Break/refeed是可选的执行与训练燃料工具，不按“早期/深度代谢适应”自动分配。 Poon等更正显示间歇休整组代偿性RMR下降平均少约47.31 kcal/d（组间差），不等于直接“增加47 kcal/d代谢”；持续时间和使用时点应个体化[15]。
本章编排的逻辑如下： 先建立平台期的操作定义和假平台排除流程（10.1）；再依次核查饮食记录/执行（10.2）、训练变量（10.3）与日常活动/NEAT（10.4），最后讨论Refeed与Diet Break（10.5）等可选工具。排序原则是优先处理更常见、可直接观察和可修正的因素，再考虑更复杂的生理适应；“低估200–300 kcal/d”或“只有前三条都无法解释才能用Diet Break”不宜作为固定算法。
当下教练圈关于平台期的讨论聚焦于几个尚未形成共识的问题。代谢适应是否可逆？Trexler等2014综述将代谢适应归纳为四个机制层面[2]，但逆转这些适应的最优策略仍缺乏高质量RCT。Diet Break vs Refeed的选择标准是什么？Byrne等2018 MATADOR试验支持间歇性能量限制在FFM保留上的优势[16]，但Poon等2025荟萃分析显示两组最终体重和瘦体重差异均无统计学意义[15]。平台期的心理干预如何嵌入营养咨询？持续能量限制可伴随饥饿、饮食疲劳和依从性压力，但不存在“减脂6–8周后依从率下降必然成为最强脱落预测因子”的通用时间阈值[2,15]。何时结束或暂停减脂也不应由20–24周等固定周期自动决定，应综合目标完成度、健康风险、训练表现、饮食行为、心理负担和个体偏好进行复评。
10.1 假平台 vs 真平台判断
10.1.1 平台期的定义
减脂“平台”更适合作为趋势性工作定义：在已经有足够时间观察、测量条件标准化、摄入/训练执行相对可信的情况下，体重和/或腰围等指标持续缺乏预期变化。不存在经验证的“≥4周方案 + 依从率≥80% + 2周<0.5%”通用诊断公式[2,4]。判断前应先排除体液/糖原波动、记录误差、NEAT变化、月经周期和测量噪声，再决定是否真的需要调整方案。
不满足上述操作定义的”平台期”在临床实务中占绝大多数。来访者在社交媒体上看到的”7 天减脂方案”创造的体重下降，在最初 7 至 14 天内以水分丢失和糖原消耗为主体，随后速度自然放缓。将这种减速误判为”平台期”是最常见的认知偏差。
10.1.2 假平台的三类来源
第一类：测量误差。 体重和体成分都应尽量在可重复条件下采集，例如相近时段、同一设备并记录进食、排尿、训练和水合背景。单次体重和BIA读数会受到体液、糖原、肠内容物及设备/算法影响，波动幅度没有适用于所有人的固定公斤或体脂百分点。平台判断应基于与实际测量频率相匹配的多次趋势；若有近每日晨重可用移动平均，若每周只测1–2次则按跨周趋势解释，不强制“四周均值”。
第二类：水钠与糖原波动。 钠、碳水摄入、糖原储量、训练炎症、胃肠内容物和月经周期都可能造成短期体重变化，其幅度存在明显个体差异。糖原储存伴随水分变化，但不能用固定“每克糖原绑定多少水”或某个钠摄入阈值，直接预测某位客户会在24–48小时增加多少体重[2,6]。因此，经期、高碳/高盐外食或高训练负荷后的单点体重不应直接解释为脂肪增加，应回到标准化的多日/多周趋势。
第三类：饮食记录不确定性。 自报饮食可能受到漏记、份量估计、记录反应性和选择性报告影响[7][8]。Lichtman等经典研究展示了特定肥胖受试者中可出现非常大的低报，但这一结果不能机械外推成“所有减脂者低报47%”或固定200–500 kcal/d。平台排查应检查记录完整性、称量/标签、外食、油脂与饮料，并把报告摄入与体重趋势、训练/活动及可获得的TEE信息交叉验证。
10.1.3 真平台的三类机制
排除假平台后，真平台的成因可归入三类生理或行为机制。
代谢与行为适应。 长期能量缺口可伴随RMR、NEAT和多种内分泌/食欲信号改变，但幅度在人群和个体间差异很大[2]。综述中的10%–15%、200–800 kcal/d或激素百分比属于特定研究/模型背景，不能写成每位减脂者必然发生的幅度。Hall等动态能量平衡工作支持“实际减重会随时间偏离静态线性预测”，但具体原因需结合体重组成、摄入、活动和测量误差判断[4]。
行为执行漂移（behavioral drift）。 随着减脂周期延长，部分来访者会逐渐减少称量、漏记周末/外食、忽略酱料和饮品，或对份量估计越来越宽松。行为干预研究普遍提示自我监测和方案执行会随时间波动，但不存在“第6–8周一定下降”或“前2–4周依从率下降就是12周脱落最强预测因子”的可通用定律。平台排查应直接比较当前记录与个人基线，确认是否发生了可解释能量摄入变化，而不是把停滞自动归因于意志力或代谢。
训练变量不匹配。 减脂期若训练量、强度、频率与恢复能力不匹配，可能出现表现下降、主观疲劳增加和日常活动改变；这些现象不能简单归因为单一“CNS疲劳”机制，也不存在所有人都必须固定RIR 2–3的保肌阈值。近失败程度、周总量、负重、动作选择和频率应结合能量缺口、训练经验与恢复共同调整。Refalo、Trexler与Helms 2026年的综述/Meta-regression支持把接近力竭视为连续调节变量，而不是用一个固定RIR值定义有效或无效训练[11]。
10.1.4 决策树第一步：假平台排除流程
平台期诊断的第一步永远是排除假平台。以下三步排查应在任何干预决策之前完成：
步骤一：测量标准化核查。 确认体重采集是否满足晨起空腹、排尿后、同件衣物、同秤、同时间五项条件。确认体成分测量是否使用 4 周趋势均值而非单点数据。如不满足，要求来访者按标准化条件重新采集 2 周数据后再评估。
步骤二：水钠波动排除。 回顾过去 2 周的饮食记录，检查钠摄入是否有异常波动（如连续多日高盐饮食、外食频率增加）。女性来访者需确认当前月经周期阶段。如存在水钠潴留因素，等待 1 至 2 周恢复正常饮食后再评估体重趋势。
步骤三：饮食记录与执行可信度评估。 对比计划与实际记录，重点检查漏记、份量估计、周末/外食、饮品与烹调油，并结合体重趋势判断记录是否足以支持后续决策。可以报告记录完成率作为行为指标，但不使用70%/80%切点自动决定“真平台”或分流路径；资料不足时先改善记录质量和执行支持，再解释体重趋势。
完成这些排查后，如果标准化体重/腰围趋势仍持续偏离预期，再把它作为“需要重新校准方案”的工作假设，进入后续路径；短期停滞本身不宜作为医学诊断。
10.2 路径一：饮食精度核查
10.2.1 饮食低估的量化证据
自我报告饮食存在明显的漏记与份量估计误差，但幅度高度个体化。Lichtman 等 1992 年的DLW研究中，特定的“自述节食抵抗”肥胖亚组平均低报能量摄入约47%，这一结果不能外推为所有减脂者的平均低报幅度[7]。其他人群研究也显示低报常见，但不应先给每位客户预设一个固定百分比。
实务上可以用算术示例解释为什么小幅漏记也会影响能量缺口：若计划缺口仅300 kcal/d，而实际每天漏记约300 kcal，理论缺口就可能被抵消；这只是解释模型，不用于反推出个人一定漏报了多少。应结合标准化体重趋势、饮食记录完整性、外食/烹调油/饮品和活动变化共同判断。
10.2.2 隐藏热量来源的识别
饮食精度核查的核心任务是识别来访者未记录或低估的热量来源。以下六类是减脂咨询中最常见的隐藏热量：
酱料与调味汁。 一份 15 mL 的蛋黄酱含 90 至 100 kcal，一汤匙花生酱含 95 kcal，30 mL 的油醋汁含 120 至 150 kcal。“加一点沙拉酱”“蘸一点酱汁”在来访者的主观认知中不构成”一顿饭”，但累积热量可达 200 至 400 kcal/d。
饮品热量。 含糖饮料、果汁、加糖咖啡和酒精饮品是容易被忽略的热量来源。一杯 480 mL 的全糖拿铁含 250 至 300 kcal，一瓶 330 mL 的啤酒含 140 至 150 kcal。来访者在记录饮食日记时常将饮品排除在外，认为”喝的不算吃的”[7]。
零食与加餐。 随手取食的坚果、水果干、饼干和糖果，单次摄入量小（50 至 150 kcal），但频率高（每日 3 至 6 次），累积热量可达 300 至 600 kcal/d。“没有正式坐下来吃”的零食在饮食日记中遗漏率最高。
烹饪用油。 中餐烹饪中植物油的用量普遍偏高。一份炒菜使用 15 至 30 mL 植物油（135 至 270 kcal），在外食场景中油脂用量更高。来访者在记录自制餐食时常常忽略计入烹饪用油的热量[8]。
“健康食物”的热量密度。“ 牛油果、坚果、橄榄油、全脂乳制品等食物的营养密度高，但能量密度同样高。100 g 牛油果含 160 kcal，30 g 混合坚果含 170 至 200 kcal。来访者在”健康饮食”认知框架下对这些食物的热量警觉性显著低于加工食品。
周末与外食的系统性偏差。 工作日记录较完整但周末/外食遗漏，是常见的选择性报告模式。包含工作日和周末日的多日记录可帮助发现这种差异[5]；若周末摄入、外食频率或记录完整性与工作日明显不同，应进一步核查，而不以“差异>300 kcal”作为统一判定线。
10.2.3 饮食精度核查清单
以下清单在复评节点（W4/W8/W12）对疑似饮食精度不足的来访者逐项执行：
记录完整性核查。 检查饮食日记是否覆盖全部进餐时段（早餐、午餐、晚餐、加餐、饮品），是否有”空白时段”（某个时段无任何记录但来访者承认有进食）。对比来访者自述的进餐习惯与日记记录的天数覆盖是否一致。
食物重量核实。 当平台判断依赖摄入精度时，可让来访者演示实际记录方式，重点核对谷物、油脂、坚果、酱料和外食等高能量密度项目。目测误差随食物和个人经验变化，不使用统一“30%–50%”修正系数。是否短期恢复称重、称重几天，应由问题严重度、记录负担和数据是否会改变决策决定，而不是固定要求“一周”。
酱料与饮品专项。 逐项询问过去 24 至 72 小时内所有调味品（沙拉酱、酱油、辣椒油、芝麻酱等）和饮品（含咖啡因饮料、酒精、果汁、蛋白饮料）的使用情况。使用 App（MyFitnessPal、Cronometer、薄荷健康等）的条形码扫描功能核实具体产品的营养成分数据。
App 数据导出。 要求来访者导出 App 中的完整饮食记录（而非截图或口头报告），核查每餐的食物条目数量和总热量是否与来访者自述一致。App 数据库中的食物条目与实际食物的营养成分偏差（如”一碗米饭”的定义重量与实际重量不一致）需逐项校准。
周末/外食专项核查。 单独询问周末和外食日的饮食内容，与 App 记录交叉比对。外食场景中”只吃了一半”“没喝汤”等部分进食报告需估算实际摄入量比例。
10.2.4 核查后的决策分支
饮食精度核查完成后，按以下逻辑分流：
若发现记录与可核实摄入之间存在有意义的遗漏：先提高记录完整性并在足够观察期内重新评估体重/腰围趋势。若趋势随记录和执行改善而恢复，可认为行为/测量因素可能解释了部分停滞；不以>200 kcal/d或固定1周作为诊断阈值。
若未发现明显遗漏，也不能仅凭与自报量相差<200 kcal/d就“排除饮食精度因素”；应结合记录天数、称量/外食信息、体重趋势与活动数据判断证据是否足够，再进入训练、NEAT和能量估算等后续核查。
如果执行数据提示计划与实际行为存在较大偏离，应先理解偏离发生在哪里、为什么发生，并优先处理可改变的行为/环境障碍；不使用“依从率<70%”作为能否进入平台评估的统一门槛。TTM、COM-B或其他行为框架可作为沟通工具，但不应由单一百分比自动触发。
10.3 路径二：训练变量调整
10.3.1 训练变量与能量消耗的交互
训练是减脂期能量消耗的重要组成部分，但训练变量的调整必须在营养干预框架内进行，不越界到训练计划设计。教练在营养咨询场景中的角色是评估训练变量对能量平衡的影响，并与训练教练协同调整，而非独立设计训练方案。
训练变量对能量平衡和瘦体重保留都有影响。抗阻训练会增加当次能量消耗，但实际消耗受体重、动作选择、训练密度、组间休息和总时长影响很大，不用“60分钟=200–400 kcal”作为处方换算。减脂期更重要的是保留足够、可恢复的抗阻训练刺激，以帮助维持力量与瘦体重；RIR/RPE可作为负荷管理工具，但不存在所有人必须固定RIR 2–3的单一保护阈值[2,11]。
10.3.2 训练变量核查的三个维度
训练频率（frequency）。 可比较实际完成课次与计划课次，判断训练刺激和运动能量消耗是否发生变化。训练频率明显下降值得追问时间冲突、恢复不足、疼痛或动机问题，但不存在“<75%即触发平台干预”的通用生理阈值；应结合周总训练量、强度、训练表现与恢复解释。
训练容量（volume）。 可用有效组数、负重×次数、训练时长等指标描述训练量，但减脂期没有“相对增肌期必须下降<10%”的通用规则。核心是保留足够的抗阻训练刺激，同时让总疲劳与能量可用性可恢复；若为了额外消耗热量不断加量导致表现和日常活动下降，应回调。所谓“CNS疲劳”不应在没有合适测量的情况下被当成确定机制。
训练强度（intensity）。 RPE/RIR可用于描述每组用力程度并帮助管理疲劳。减脂期通常希望保留足够机械张力，同时避免不必要的高疲劳训练；具体RIR应随动作、训练经验、目标和恢复能力调整。单凭“RPE≥8”“RPE≤5”或“RIR≤1”不能诊断过度训练/强度不足，也不能证明所谓CNS疲劳；应结合负重、重复次数、总量、表现趋势、睡眠与症状综合判断。
10.3.3 训练变量调整策略
饮食精度核查确认无显著遗漏后，按以下优先级调整训练变量：
训练频率与执行核查。 如果实际训练频率相对个人计划明显下降，应先了解时间冲突、恢复不足、疼痛/伤病、动机和方案可执行性，再调整训练安排。训练频率不存在<75%或恢复至≥90%的通用平台处理阈值，也不需要统一把单次训练压到45分钟以内；调整后应在足够时间内结合训练表现、体重/腰围和恢复趋势复评。
优先级二：审视训练容量。 在体重趋势停滞时，检查周训练量、有效组数、训练时长和恢复是否相对基线发生了有意义的变化。训练量过高可能增加疲劳并压低日常活动，过低则可能削弱维持瘦体重的训练刺激；调整幅度应由当前表现与恢复决定，不使用“±20%”作为统一触发线，也不为了制造能量消耗机械增加组数。
优先级三：校准训练强度。 结合负重、重复次数、RPE/RIR、动作质量和表现趋势判断刺激是否足够且可恢复。若训练明显过轻，可逐步增加负重或接近力竭程度；若恢复恶化，则需要调整量或强度。不存在所有人在减脂期都要把RPE固定在7–8、每2周加2.5%–5%负重或力量必须按固定百分比变化的规则。减脂期的目标通常是尽可能保留训练质量与瘦体重刺激，同时接受进步速度可能放缓。
10.4 路径三：NEAT 优化
10.4.1 NEAT 下降的量化证据
NEAT 是代谢适应中贡献最大的行为变量。Levine 等 1999 年发表于 Science 的过量喂养研究显示，在相同额外能量摄入下，非运动活动产热（NEAT）的适应幅度存在很大的个体差异，这种差异可显著影响脂肪增加量[1]。该研究说明NEAT具有高度个体差异，但某个固定kcal区间不宜作为所有人的日常NEAT或减脂期下降幅度。这一差异的生理基础涉及体型、肌纤维类型组成、交感神经张力和行为模式等多个层面。
能量限制期间，一些人会出现非运动活动减少，但方向和幅度高度个体化[2]。综述中可见从很小到数百kcal/d的变化，“200–800 kcal/d下降”不宜作为所有人的预期值。Knaan等2026在特定超重成人运动干预中进一步讨论了能量补偿，但向抗阻训练减脂人群外推需谨慎[14]。
实践上不需要把NEAT换算成一个假装精确的kcal数；更有价值的是比较个人基线：日均步数、久坐时间、站立/通勤和主观活动意愿是否持续下降，并结合体重趋势判断是否可能存在行为代偿。
10.4.2 NEAT 监测方法
NEAT 的精确测量需要实验室级设备（全身热量计或加速度计结合 DLW），在教练咨询场景中不可行。实操中使用以下间接指标监测 NEAT 变化趋势：
日均步数。 智能手表或手机可提供日常活动的趋势代理。方案启动时可建立个人基线，复评时比较当前步数与自身基线、工作/通勤变化和久坐时间。下降约2000步/日可以作为“值得追问”的教学例子，但不是经验证的NEAT异常阈值，也不能据此直接估算个人能量补偿[2]。
久坐时间。 连续坐姿/卧姿时间与步数、站立/走动时间可以帮助判断日常活动是否相对基线下降；变化应看个人趋势和测量可靠性，不用“较基线增加>60 min/d”作为NEAT代偿诊断线。
主观疲劳与活动意愿。 SOWA 框架中 Activity 维度的主观评分下降（“日常活动量和训练量匹配吗？有没有觉得训练后第二天特别累？”），尤其是伴随”不想动”“能坐就不想站”的主观报告时，NEAT 下降的概率升高。
训练外能量消耗估算。 如果有智能手表的”非运动卡路里”（non-exercise calories）数据，可对比基线期和复评期的变化趋势。该数据受设备算法影响，绝对值精度有限，但相对趋势有参考价值。
10.4.3 NEAT 提升策略
确认 NEAT 下降后，以下策略按可操作性从高到低排列：
结构化步行。 每日增加 2000 至 4000 步的目标步行。最有效的方式是将步行嵌入日常行为模式：通勤步行（提前一站下车）、午间步行（15 至 20 分钟餐后散步）、电话步行（接打电话时起身走动）。这种嵌入式的步行比”专门出去走 30 分钟”的依从性更高，因为不占用额外的时间预算。
站立替代久坐。 每 60 分钟久坐后起身活动 3 至 5 分钟。使用站立式办公桌、站立会议和定时器提醒均可。每日起身次数从基线水平逐步增加，目标为每小时至少一次姿态转换。
低强度有氧的合理嵌入。 LISS可作为提高活动量、心肺健康或辅助能量管理的工具，但频率、时长和强度应根据训练史、心肺能力、抗阻训练安排与恢复个体化。“每周2–3次、20–30分钟、55%–65%最大心率、100–200 kcal/次”可作为参考，但不宜作为通用模板，也没有证据支持所有人都必须与抗阻训练固定间隔2小时。核心是避免有氧总量/疲劳明显损害主要训练质量和恢复[10]。
避免把NEAT变成新的硬处方。 增加日常步行和减少久坐可以提高活动量，但不存在所有减脂者都应额外增加“100–300 kcal/d NEAT”或固定步数增量的循证目标。Pontzer等的约束总能量消耗模型显示，在群体层面，较高身体活动与TEE的关系可能出现非线性和部分代偿；这提示“增加活动=等量增加净TEE”的简单加法模型并不总成立，但也不能据此预测某个个体一定会抵消多少能量[3]。实践应依据基线步数、疲劳、饥饿、训练恢复和体重趋势渐进调整。
10.5 路径四与路径五：Refeed 与 Diet Break
10.5.1 决策逻辑：何时选择 Refeed，何时选择 Diet Break
路径一（饮食精度）、路径二（训练变量）和路径三（NEAT）均排除后，平台期的原因归入代谢适应。此时进入两条间歇性策略路径：Refeed（碳水补充日）和 Diet Break（饮食休息期）。两者的选择取决于平台期的严重程度和持续时间。
Refeed 的适用边界。 Refeed可作为部分减脂训练者的计划性高碳/较高能量日，用于支持训练、依从性或主观恢复；现有研究并未验证“减脂4–8周、停滞2–3周”这样的统一触发算法。是否采用应先核对实际能量摄入、体重趋势、训练与日常活动、恢复、心理/进食行为风险及客户偏好。其急性糖原恢复作用较明确，但不宜把单日refeed描述成可靠“逆转代谢适应”的治疗。
Diet Break 的适用边界。 Diet Break是计划性回到接近维持能量的一段时间，可用于降低饮食疲劳、改善依从性并短期支持训练表现；研究使用的持续时间和结构差异较大，并不存在“减脂≥8周、平台>3周、饥饿≥7/10”即可自动启动的统一临床算法。代谢指标可能出现短期变化，但现有系统综述不支持把Diet Break写成能够系统性恢复瘦素、T3和NEAT的确定性治疗。
Refeed和Diet Break主要区别在于能量/碳水提高的持续方式与实际目的，但没有一个跨人群验证的“恢复深度”分级。Poon等系统综述与meta分析的更正指出，间歇休整相较持续限制的代偿性RMR下降平均少47.31 kcal/d（MD −47.31 kcal/d，95% CI −73.51至−21.11，符号代表下降幅度更小）[15]；这不是Diet Break直接“增加47 kcal代谢”。因此其主要价值应结合依从性、心理负担、训练燃料和长期计划解释。
常用实践模板（可调整，不代表最优时长）。 如果决定使用这些工具，可把 1–2个较高碳水/接近维持能量日 作为refeed的常见起点；Diet Break则可先讨论 约1–2周接近维持能量 的休整期[15][16]。选择哪个工具主要看目的：短期支持关键训练与执行，可优先考虑较短refeed；持续饮食疲劳、长期限制后的心理/训练恢复压力较大，可讨论更完整的Diet Break。蛋白通常维持，增加能量可更多来自碳水，但仍需按胃肠耐受、训练任务和行为风险调整。使用后应看训练质量、主观恢复、饮食执行和体重/腰围趋势，而不是期待固定“代谢重置”幅度。
10.5.2 Refeed 执行方案
热量与宏量营养素设定。 若采用refeed，通常将能量提高到接近维持水平，并主要增加碳水、维持足够蛋白；具体碳水量取决于训练任务、当前摄入、体重和胃肠耐受。8–12 g/kg属于糖原负荷/极高耐力需求的量级，不能作为普通减脂力量训练者的默认refeed剂量。脂肪可相对降低以控制总能量，但无需设统一≤20%的硬线。
时机选择。 若使用refeed，可优先放在碳水需求较高或关键训练日前后，以支持训练质量和依从性；不需要固定安排在第4–6周，也没有“减脂最后2–3周必然无价值”的通用时间窗。实际时点应结合训练任务、饮食疲劳、体重趋势、总能量目标与个体偏好决定。
频率。 Refeed没有经验证的“每1–2周一次”统一最佳频率。若采用，应依据训练安排、能量缺口、依从性、主观恢复、体重趋势与ED/DE风险个体化设置，并评估它是否真正改善训练或执行，而不是按周历机械加入。
注意事项。 Refeed是预先计划的能量/碳水调整，不等同于无边界的“cheat meal”。有暴食—限制循环或明显进食障碍风险者，高碳日不宜作为行为工具自行操作，应优先接受合资格专业评估。Refeed后体重可能因糖原、体液和胃肠内容物增加而短期上升，幅度个体差异很大；应提前解释这种变化通常不等同于同等幅度的脂肪增加。
10.5.3 Diet Break 执行方案
热量与宏量营养素设定。 Diet Break通常把摄入提高到接近当前估计维持水平，但TEE本身是带误差的动态估计，不需要追求固定±100–200 kcal容差。蛋白保持在适合该训练者和能量状态的水平；增加的能量可更多来自碳水以支持训练和糖原，也可根据偏好调整脂肪。其目的主要是降低持续限制压力、支持训练和依从性，“提升瘦素”不宜作为需要精确处方的治疗目标。
持续时间。 Diet Break在研究中采用过从数天到数周不等的结构，没有证据证明3–7天是所有训练者的“标准区间”。Byrne等MATADOR试验采用2周限制/2周能量平衡交替，但研究对象为肥胖男性，不能直接转写为健身训练者通用模板[16]。Poon等系统综述与meta分析显示，间歇性限制与连续限制在最终体重、脂肪量和瘦体重结局上总体差异有限；因此持续时间应以依从性、训练、心理恢复、总周期和实际响应决定，而不是套用固定天数[15]。
实施时机。 不按“第6周、第8周、第12周”或“每8–10周一次”自动插入Diet Break。是否采用应由饮食疲劳、依从性、训练表现、恢复、总减脂周期、赛事时间表以及进食障碍风险共同决定；短期减脂或执行状态良好者通常无需为了“预防代谢下降”强制加入。
恢复流程。 Diet Break结束后，可根据计划直接回到既定的温和能量缺口，也可短暂过渡；没有证据要求统一用2–3天阶梯下降。恢复后继续用与测量频率匹配的数周趋势评估体重/腰围、训练和执行状态。如果趋势仍与目标不符，应重新核查实际摄入、活动、测量噪声、训练恢复和健康因素，而不是把休整是否“打破平台”作为其成败标准。
来访者预期管理。 Diet Break期间体重可能因糖原、体液和胃肠内容物增加而上升，也可能变化很小；不预设统一0.5–1.5 kg幅度。沟通重点是：短期秤重变化不能直接等同脂肪变化，休整期主要用于暂时解除持续限制、支持训练和行为可持续性，而不是继续追求减重或证明“代谢被修复”。
10.5.4 五路径优先级总结
平台期五路径的排查顺序和触发条件汇总如下：
四条前置排查路径（假平台排除 + 路径一至路径三）应在调整热量处方之前全部完成。只有在四条排查路径均无法解释平台期时，才进入路径四和路径五。直接砍热量是平台期处理中最常见的方向性错误，在未完成系统排查前不应执行。
章末小结
平台期的诊断是一个排除法驱动的决策过程。第一步区分假平台（测量误差、水钠波动、饮食精度不足）与真平台（代谢适应、行为松懈、训练变量不匹配），假平台的排除优先于任何干预。真平台确认后，按饮食精度核查、训练变量调整、NEAT 优化、Refeed 和 Diet Break 五条路径逐层排查，每条路径有明确的触发条件和执行方案。
平台期处理应优先核查测量条件、饮食记录、日常活动、训练与恢复，而不是把停滞自动归因为“代谢损伤”。Refeed和Diet Break都属于可选的计划性营养工具：前者可用于特定训练/依从性场景，后者可用于降低长期限制带来的饮食疲劳；现有证据不支持用“早期/深度代谢适应”或固定3–7天作为自动分流算法。两者的代谢保护效应有限，个体化与长期依从性更重要。
商业话术中的”代谢损伤”概念缺乏证据支持。代谢适应是可逆的生理现象，管理手段是有据可查的系统排查和分层干预。直接砍热量是方向性错误，应在完成全部排查路径后才考虑热量处方的调整。
思考题
说明为什么“减脂平台”更适合作为趋势性工作定义，而不是由固定周数、依从率和体重百分比组成的诊断公式。列出判断真实停滞前至少五类需要排除或核查的因素。
某来访者报告减脂第 6 周起体重连续 3 周未变。其饮食日记显示依从率 85%，BIA 数据显示体脂率变化为 +0.2%，但体重采集条件为”晚上称、穿不同衣服、不同秤”。判断这是假平台还是真平台，说明理由并给出下一步操作。
比较 Refeed 和 Diet Break 在定义、持续时间、宏量营养素设定和适用条件四个维度的差异。Poon 等 2025 年的荟萃分析对 Diet Break 的代谢保护效应给出了什么结论？
某来访者减脂第 8 周，方案目标热量 1800 kcal/d，3 日轮询实际日均摄入 1750 kcal，依从率 97%，但日均步数从基线 8000 步降至 5500 步。分析平台期的可能原因，给出干预方案和优先级排序。
Levine 等 1999 年研究的 NEAT 个体差异范围是多少？在能量缺口下 NEAT 可下降多少？结合 Pontzer 的约束代谢模型，解释为什么不能通过无限增加 NEAT 来解决平台期。
教练转化清单
| #转化项 | 操作要点 |
|---|---|
| 1 | 平台期报告的标准回应 |
| 先问"体重怎么称的"，再问"饮食记录完整吗"，最后看训练数据。禁止第一个反应是"砍热量" | 2 |
| 体重测量标准化 SOP | 在知情同意书中写明五项条件（晨起、空腹、排尿后、同衣物、同秤），W0 时教会来访者执行 |
| 3 | 饮食精度核查工具包 |
| 准备六类隐藏热量的核查清单（酱料、饮品、零食、烹饪油、健康食物、周末外食），复评时逐项询问 | 4 |
| NEAT 监测基线建立 | W0 时要求来访者佩戴智能手表连续 7 天记录日均步数，作为 NEAT 基线。复评时对比当前步数与基线 |
| 5 | Refeed 与 Diet Break 的选择逻辑 |
参考文献
[1] Levine JA, Eberhardt NL, Jensen MD. Role of nonexercise activity thermogenesis in resistance to fat gain in humans. Science. 1999;283(5399):212-5. doi:10.1126/science.283.5399.212.
[2] Trexler ET, Smith-Ryan AE, Norton LE. Metabolic adaptation to weight loss: implications for the athlete. J Int Soc Sports Nutr. 2014;11(1):7. doi:10.1186/1550-2783-11-7.
[3] Pontzer H, Durazo-Arvizu R, Dugas LR, et al. Constrained Total Energy Expenditure and Metabolic Adaptation to Physical Activity in Adult Humans. Curr Biol. 2016;26(3):410-417. doi:10.1016/j.cub.2015.12.046.
[4] Hall KD, Heymsfield SB, Kemnitz JW, Klein S, Schoeller DA, Speakman JR. Energy balance and its components: implications for body weight regulation. Am J Clin Nutr. 2012;95(4):989-94. doi:10.3945/ajcn.112.036350.
[5] 咨询实务 Ch11 复评数据采集标准化（§2），体成分采集规范与依从率计算.
[6] White CP, Hitchcock CL, Vigna YM, Prior JC. Fluid retention over the menstrual cycle: 1-year data from the prospective ovulation cohort. Obstet Gynecol Int. 2011;2011:138451. doi:10.1155/2011/138451.
[7] Lichtman SW, Pisarska K, Berman ER, Pestone M, Dowling H, Offenbacher E, Weisel H, Heshka S, Matthews DE, Heymsfield SB. Discrepancy between self-reported and actual caloric intake and exercise in obese subjects. N Engl J Med. 1992;327(27):1893-8. doi:10.1056/NEJM199212313272701.
[8] Livingstone MBE, Black AE. Markers of the validity of reported energy intake. J Nutr. 2003;133(suppl 3):895S-920S. doi:10.1093/jn/133.3.895S.
[10] Stiegler P, Cunliffe A. The role of diet and exercise for the maintenance of fat-free mass and resting metabolic rate during weight loss. Sports Med. 2006;36(3):239-62. doi:10.2165/00007256-200636030-00006.
[11] Refalo MC, Helms ER, Hamilton DL, Fyfe JJ. Towards an improved understanding of proximity-to-failure in resistance training. Sports Med. 2025;55(1):1-22. doi:10.1007/s40279-024-02110-2.
[14] Knaan T, et al. Mechanisms of energy compensation during prolonged exercise training: a randomized controlled trial. Commun Med. 2026. NCT04460040. doi:10.1038/s43856-026-01502-z. 研究人群为超重成人步行干预，向训练者减脂场景外推有限.
[15] Poon ET, Tsang JH, Sun F, Zheng C, Wong SH. Effects of intermittent dieting with break periods on body composition and metabolic adaptation: a systematic review and meta-analysis. Nutr Rev. 2025;83(1):59-71. doi:10.1093/nutrit/nuad168.
[16] Byrne NM, Sainsbury A, King NA, Hills AP, Wood RE. Intermittent energy restriction improves weight loss efficiency in obese men: the MATADOR study. Int J Obes (Lond). 2018;42(2):129-38. doi:10.1038/ijo.2017.206.