（Energy and Macronutrients）
学术导言
运动人群的能量与宏量营养素决策存在显著个体差异。蛋白质、碳水与脂肪的需要会随训练任务、总能量、体重目标、年龄和健康背景变化[3–7]。碳水可从低负荷日较低范围到超长耐力项目较高范围变化；脂肪更适合以总能量比例、必需脂肪酸、膳食质量和总能量可用性共同规划，脂肪摄入的个体差异较大，0.5 g/kg不宜作为”激素安全下限”的固定阈值。这种变异性正是场景化决策的理由。
本章覆盖以下内容： 总能量消耗（TEE）的组成与估算误差、能量目标的动态校准、三大宏量营养素的场景化推荐，以及如何在总能量、必需营养素、训练任务和个人偏好之间完成分配。脂肪部分重点讨论总能量比例、必需脂肪酸和食物质量，不设置“激素安全g/kg下限”；碳水部分强调按训练任务配置而非统一底线。
读完本章后，应能建立以下判断力：
宏量营养素的分配顺序由功能的不可替代性决定：蛋白质的必需氨基酸和结构功能设定摄入下限，脂肪的激素合成与细胞膜功能设定脂肪下限，碳水填充剩余能量空间[3][5][18]
TDEE估算误差可来自活动水平估计、RMR预测方程与输入数据；一般成人方程用于高肌肉量训练者时可能偏差，但方向和幅度不能预先写死，应依据验证人群并用纵向体重/摄入/训练趋势校准[1][10][13]
Morton 2018 的蛋白质-FFM 剂量–反应断点约1.62 g·kg⁻¹·d⁻¹是群体层面的估计点，不是个人精确阈值；实践可结合其他立场声明/综述提供的常见训练者范围、能量状态、年龄、体脂/FFM和食物结构确定个体起点[4]
减脂期蛋白质需求可能高于增肌期，机制是能量限制下氨基酸氧化增加和肌肉蛋白质分解加速[9][14][32]
极低脂或长期能量不足可与性激素和生殖功能不利变化相关，但现有证据不支持把“<0.5 g/kg持续>4周”写成所有训练者统一的睾酮下降阈值；应同时评估总能量、体脂变化、膳食结构、训练负荷和REDs风险[6][7]
GI 在运动场景下仅在训练后加速糖原、赛前避免高 GI 单糖和训练前选低中 GI 三个情境有参考价值，日常膳食中过分追求低 GI 反而可能降低食物多样性[5][9][29]
本章编排的逻辑如下： 先从宏量营养素的功能分类框架入手（§3.0），建立”蛋白质优先、脂肪保底、碳水弹性填充”的分配逻辑；再从 TDEE 估算和热量目标设定展开（§3.1），为后续各营养素的量化推荐建立能量框架；然后按蛋白质（§3.2）→ 碳水化合物（§3.3）→ 脂肪（§3.4）的顺序逐一展开，先确定不可替代功能的绝对量下限（蛋白质、脂肪），再处理弹性最大的能量填充变量（碳水）。这一编排顺序直接对应方案设计的决策链条。
当下教练圈常讨论“碳水是否应该大幅削减”。对规律力量训练者，碳水的实践量应由训练容量、强度、总能量目标、恢复窗口和个人耐受决定，而不是把3 g/kg设成统一下限[5][9][31]。较低碳水在部分人群中仍可执行，但若伴随训练表现、恢复或能量可用性恶化，就需要调整。蛋白质同样不宜把Morton 2018的约1.62 g/kg/d群体估计点压缩为个人精确阈值；应结合置信区间、个体差异、能量状态和训练目标解释[4][14]。
3.0 宏量营养素基础知识框架
三大宏量营养素（Macronutrients）的定义与功能分类框架是后续所有量化推荐的基础。
3.0.1 宏量营养素的定义与能量密度
宏量营养素是人体需要较大摄入量以满足能量供给和结构功能需求的有机化合物。提供代谢能量的宏量营养素包括蛋白质（Protein, 4 kcal·g⁻¹）、碳水化合物（Carbohydrate, 4 kcal·g⁻¹）和脂肪（Fat, 9 kcal·g⁻¹）[1][2]。乙醇（Ethanol, 7 kcal·g⁻¹）可提供代谢能量，但不属于必需营养素，在运动营养方案中不作为能量来源考虑[2]。
按Atwater近似值计算，100 kcal纯脂肪约对应11 g，100 kcal纯蛋白质或碳水约对应25 g；但现实食物还含水、纤维和其他成分，这一换算反映的是纯宏量营养素的热值，实际食物还含水、纤维和其他成分，不宜直接等同于”食物重量或体积”。膳食脂肪通常会延缓而非加快胃排空；蛋白质的食物热效应通常较高，而饱腹感和胃排空还受食物基质、纤维、液体/固体形态和混合膳食共同影响[1][2]。
3.0.2 三大营养素的功能分类
蛋白质的功能谱以结构和催化为核心。结构功能包括肌肉收缩蛋白（肌动蛋白/肌球蛋白）、骨骼基质（I型胶原蛋白）、皮肤和结缔组织。催化功能由酶蛋白执行，覆盖从三羧酸循环到mTORC1信号通路的全部代谢反应。运输功能由血红蛋白（携氧）和膜转运蛋白（如GLUT4介导葡萄糖摄取）承担。免疫功能由免疫球蛋白和细胞因子执行。蛋白质可在糖异生途径中转化为葡萄糖提供能量，但这一功能并非其首要角色，且在能量充足条件下被最小化[2][3]。
碳水化合物的核心功能是能量供给。葡萄糖是高强度运动（≥65% VO₂max）的主导燃料，也是中枢神经系统在静息和中等强度运动状态下的主要能量底物[2][5]。葡萄糖以糖原形式储存于骨骼肌（肌糖原约300–500 g）和肝脏（肝糖原约70–120 g），前者直接支持运动收缩，后者维持血糖稳态[2]。碳水不承担机体结构功能，也不提供必需底物，其营养学意义集中在能量供给效率和运动表现支持。
脂肪的功能谱跨越能量储存、结构和信号三个层面。甘油三酯是最高效的能量储存形式（每克9 kcal，无水储存），脂肪组织同时承担隔热和器官缓冲功能。磷脂双分子层构成所有细胞膜的结构基础，包括肌纤维膜和线粒体内膜[2]。脂肪是类固醇激素（睾酮、皮质醇、雌二醇）和前列腺素的合成前体，也是脂溶性维生素（A、D、E、K）吸收的必要载体[2][6]。脂肪酸中的n-3和n-6系列为必需脂肪酸，机体无法合成亚油酸（Linoleic Acid）和α-亚麻酸（α-Linolenic Acid），必须从膳食获取。
3.0.3 不可替代性与部分替代
三类宏量营养素之间存在功能的部分重叠与关键不可替代性。能量供给功能可以部分替代：在能量缺口状态下，蛋白质和脂肪的氧化供能比例上升，碳水摄入不足时糖异生加速。但某些功能不可由其他营养素替代。必需氨基酸（Essential Amino Acids, 9种）只能来自蛋白质摄入，无法由脂肪或碳水转化。必需脂肪酸只能来自脂肪。蛋白质的结构功能和催化功能无法由其他宏量营养素代偿。脂肪在类固醇激素合成和细胞膜完整性中的角色不可替代[2][3][18]。
宏量营养素具有不同的不可替代功能，但这不意味着存在一个可由单一g/kg数字定义的“激素安全下限”。实践上可先确保蛋白质、必需脂肪酸、总脂肪与微量营养素足以支持健康和目标，再根据训练任务、总能量、胃肠耐受与偏好配置碳水；三者需要在总能量框架内共同优化，而不是机械执行固定的“蛋白优先—脂肪保底—碳水填满”公式。
3.0.4 教练理解功能分类的实践意义
教练在方案设计中面对的核心问题不是”三大营养素是否都重要”，而是”在总热量确定后，按什么顺序分配”。功能分类框架给出的答案清晰：先确定满足蛋白质下限（§3.2）和脂肪下限（§3.4）的绝对量，剩余可分配热量交给碳水化合物（§3.3）[3][5][18]。这一顺序保证不可替代功能被优先满足，能量供给功能在总量约束下灵活调整。后续各节的所有量化推荐均建立在这一逻辑之上。
3.1 能量代谢与热量平衡
总能量消耗由四个可独立调节的组分构成，理解这四个组分的相对贡献和变异范围是能量处方的认知基础。
3.1.1 TDEE四组分结构
总能量消耗（Total Daily Energy Expenditure, TDEE）= 静息代谢率（Resting Metabolic Rate, RMR）+ 食物热效应（Thermic Effect of Food, TEF）+ 运动活动产热（Exercise Activity Thermogenesis, EAT）+ 非运动性活动产热（NEAT）[1][2]。
RMR通常构成TDEE的最大部分，其重要预测因子之一是去脂体重（Fat-Free Mass, FFM）[1][10]。食物热效应（TEF）受宏量营养素构成影响，蛋白质的TEF通常高于碳水和脂肪[1][2]；这些百分比是人群/实验条件下的近似范围，不宜将其机械换算为“同样500 kcal高蛋白必然少吸收100–150 kcal”，也不宜据此宣称独立于总能量与依从性的固定减脂优势。EAT与NEAT均高度个体化，其中NEAT可随职业、步数、自发活动和能量限制发生显著变化[11]。
对大众健身力量训练者，RMR、EAT、NEAT与TEF的绝对值会随体型、职业活动、步数、训练时长/强度、能量状态和个体代偿而明显变化。实践上，把预测公式和活动信息作为起始假设，再用标准化体重/围度、实际摄入、训练与活动趋势进行经验校准，比套用固定组分数值更可靠。
3.1.2 TDEE估算方法
TDEE估算的标准流程是：先用预测公式估算RMR，再乘以身体活动水平（Physical Activity Level, PAL）系数得到TDEE。
RMR预测公式选择。Cunningham、Mifflin-St Jeor以及运动人群特异方程都属于预测模型，应用应看开发/验证人群、输入变量质量与使用场景，而不是给所有训练者固定“首选/次选”排名[10][12][13]。有可靠FFM数据时可考虑FFM方程；只有体重/身高/年龄时可选择与目标人群更接近的体重型方程。一般成人方程用于高肌肉量训练者时可能出现偏差，但方向和幅度不能预先写死。无论使用何种方程，都应记录版本与输入来源，并通过实际摄入、标准化体重/围度、训练和活动趋势校准。
PAL系数与估算误差。 PAL = TEE/RMR，可作为把日常活动与训练粗略纳入TDEE估算的工具[1][2]。不同教材给出的活动等级只是人群参考，不能仅凭“每周训练几次”精确映射到某个PAL；职业活动、步数、训练时长/强度和个体代偿都会影响真实TEE。实践上应把PAL当作起始假设，并用标准化体重/围度、实际摄入、训练与活动趋势在数周内经验校准，而不预设固定300–500 kcal/d的高估幅度。
快算法的适用与局限。在缺乏间接测热、稳定体重下实际摄入记录或更完整活动信息时，以体重乘以经验性 kcal/kg 系数只能作为非常粗略的起始估计，不能由FAO能量需求报告推出一个适用于所有训练者的固定“30–35 kcal/kg维持公式”[1]。这类算法不直接纳入体成分、职业活动、训练量和个体代偿，因此应尽快用标准化体重/围度、实际摄入与活动趋势进行经验校准，而不以单个示例的“真实维持热量”作为外推依据。
3.1.3 热量目标设定
确定TDEE估算值后，根据训练目标设定热量调整幅度。
减脂热量缺口。 减脂需要可持续的能量缺口，但起始幅度不应由男性/女性体脂率或训练龄硬切点自动决定。可根据当前体重趋势、目标时限、体脂/腰围、训练表现、饥饿与恢复、既往减脂史和健康风险选择保守起点，再根据2–4周趋势校准[1][14]。较大的缺口通常增加瘦体重流失、疲劳和依从性风险；运动能量补偿也存在显著个体差异，因此不能假设“运动消耗X kcal=净缺口X kcal”，更不能用一个群体平均补偿百分比预测个人。
增肌热量盈余。实践上可从保守、小幅盈余作为起点，并根据训练经验、体重/腰围趋势、训练表现和脂肪增长速度校准[14][15]。更积极的能量盈余往往伴随更多脂肪增加，但“+200–300 kcal/d”可作为增肌热量盈余的实践参考起点，个体差异大，不宜写成所有人的固定标准值，也不宜把某一种“lean bulk”模板称为唯一推荐策略。
实践起点（可校准参考）。 对临床健康、无REDs/进食障碍高风险、规律进行抗阻训练的普通成人，如果没有更可靠的个体能量数据，可以把以下范围作为第一轮试验起点，而不是生理阈值：
减脂：约低于当前校准TEE的 10%–20%，或在许多普通健身客户中先试 约250–500 kcal/d 的缺口[1][14]。体型较小、体脂较低、训练量高、保肌优先或饥饿/恢复较差时优先靠近低端。
增肌：约高于当前校准TEE的 5%–10%，或在许多普通健身客户中先试 约150–300 kcal/d 的盈余[14][15]。训练经验越丰富、越在意控制脂肪增长，起点越应保守。
调整逻辑：执行 2–4周 后，用标准化体重趋势、腰围/体成分趋势、训练表现、饥饿与恢复共同判断。若方向符合目标且训练/恢复良好，维持；若变化明显过快或恢复恶化，缩小幅度；若记录可信且连续趋势不足，再小幅调整。
计算示例。 某训练者校准TEE约2600 kcal/d：减脂可先从约2100–2350 kcal/d的试验区间中选择更保守的起点；增肌可先从约2730–2860 kcal/d附近试行。最终选择仍应结合体型、目标时限、训练量和执行难度，而不是把计算结果视为真实TEE的精确值。
减脂平台期的判断与方法学批判。平台更适合作为持续趋势的工作定义，而不是“>2周且训练表现下降”的固定诊断。短期水钠/糖原变化、称量条件、饮食记录误差、NEAT/活动变化和生理周期都可能造成表面停滞[1][14]。“代谢损伤”不是独立医学诊断；适应性产热描述在体重/体成分变化之外仍可观察到的能量消耗下降，但幅度高度个体化，不能预设所有人RMR会下降5%–15%。处理应先核查数据与执行，再决定是否调整摄入、活动或采用Diet Break/refeed等可选工具。
Diet Break和refeed都属于间歇性能量管理工具，而不是“修复代谢”的标准治疗。Diet Break通常把能量暂时提高到接近维持水平；refeed则多以短期提高碳水可用性为特征。具体持续时间、频率与碳水量并没有适用于所有力量训练减脂者的固定最佳值；其价值更多体现在训练燃料、饮食疲劳和依从性管理，是否使用应结合总周期、训练任务、行为风险与个人偏好。
能量平衡模型 vs 激素模型。体重调节的“能量平衡模型”（Energy Balance Model）认为体重变化由EI与TEE的差值决定，是热力学第一定律在人体中的直接应用。“激素模型”（Carbohydrate-Insulin Model）则认为宏量营养素构成（尤其精制碳水化合物）通过胰岛素信号驱动脂肪储存，导致“内部饥饿”和过度摄入，单纯热量限制无法长期维持体重[1]。Hall等的住院代谢病房严格控制试验显示，等热量条件下宏量营养素构成对体脂变化的影响远小于总能量差异。两种模型并非互斥：总能量平衡决定体重变化的方向和幅度，激素环境影响能量消耗的组分分配和食欲调节。对训练者的实践含义：减脂期以适度能量缺口为基础，同时关注宏量营养素构成（充足蛋白质、合理碳水周期化）以维持FFM和训练表现，而非将某一种宏量营养素魔鬼化。
3.2 蛋白质：从1.6–2.2 g/kg到场景化决策
蛋白质的核心功能是为肌肉蛋白质合成（Muscle Protein Synthesis, MPS）的底物供给和mTORC1通路的营养激活信号。mTORC1的氨基酸感应、4E-BP/eIF4E与LARP1/5′TOP等翻译调控机制已在前文阐述；S6K1/rpS6更适合作为重要下游信号节点而非5′TOP翻译的必要通路。以下将这些机制转化为可操作的摄入量决策。
3.2.1 RDA为何不适用于训练者
全球主要营养学会对健康成年人的蛋白质RDA均为0.8 g·kg⁻¹·d⁻¹[3]。该数值以零氮平衡为终点加两个标准差覆盖97.5%人群，制定基于静坐或低活动量人群数据[3][17]。Tarnopolsky等（1988）的经典研究发现精英耐力训练者维持零氮平衡所需蛋白质高达1.6 g·kg⁻¹·d⁻¹，约为RDA的两倍[17]。ACSM/AND/DC联合立场声明明确指出RDA不足以覆盖训练人群[5]。ISSN立场声明建议抗阻训练者1.4–2.0 g·kg⁻¹·d⁻¹[18]。
3.2.2 核心RCT与meta分析汇总
Morton 2018。该系统综述、meta分析与meta回归纳入49项研究、1863名受试者，显示蛋白质补充可小幅增强抗阻训练诱导的瘦体重和力量增益；其分段回归估计日总蛋白约1.62 g·kg⁻¹·d⁻¹处出现群体层面的拐点，95% CI约为1.03–2.20 g·kg⁻¹·d⁻¹[4]。这个拐点及其置信区间描述模型不确定性与研究总体，而不是“个人最佳摄入范围”，也不支持把1.8 g/kg/d以上写成绝对无额外收益。
Tagawa 2020。综合105项RCT、5402名受试者的剂量-反应meta-analysis报告，蛋白质摄入在0.5–3.5 g·kg⁻¹·d⁻¹范围内以剂量依赖方式增加瘦体重，但在1.3 g·kg⁻¹·d⁻¹以上增幅显著放缓[20]。该研究纳入了更广泛的受试人群（含老年人和肌少症风险人群），对非训练人群的参考意义大于Morton 2018。
Nunes 2022。该系统综述、meta分析与meta回归纳入74项RCT；其中66项进入瘦体重分析（2665名受试者）。整体上，增加蛋白摄入与抗阻训练结合可带来小幅额外瘦体重增益，下肢力量的增益也较小，而多项力量/功能结局效应有限或不确定[38]。作者的亚组结果提示年轻受试者在抗阻训练背景下、总蛋白达到约≥1.6 g/kg/d时可观察到小幅瘦体重优势，但该研究没有建立“1.6–1.8 g/kg同时是瘦体重和力量的统一平台”这一硬结论。
三项meta分析的横向对比。Morton 2018聚焦抗阻训练中的蛋白补充效应；Tagawa 2020/2021汇总更广泛的RCT并用样条模型描述总蛋白摄入与瘦体重变化；Nunes 2022则限制在健康、非肥胖成人并区分是否抗阻训练、年龄和摄入水平[4][20][38]。这些研究共同支持“蛋白摄入与瘦体重/训练适应存在剂量–反应，但边际收益会减小”的方向；它们的拐点来自不同数据集、模型与人群，不能互换，也不宜将任何一个群体拐点解释为个人精确最优值。
安全上限辨析。Devries等（2018）系统综述确认：在肾功能正常的健康成年人中，较高蛋白摄入（研究观察范围达≤2.4 g·kg⁻¹·d⁻¹）与肾功能指标的不良变化之间不存在显著关联[19]。eGFR可能轻微升高，可能源于肌肉量增加导致的血肌酐生成增加，而非肾功能损害[19]。转介边界：既往CKD、eGFR异常、蛋白尿、糖尿病肾病者应转介医疗评估。
3.2.3 场景化决策：不同目标 × 不同人群
增肌期大众力量训练者：约1.6 g·kg⁻¹·d⁻¹常可作为健康抗阻训练成人的实用起点，实际可根据总能量、饮食结构、训练负荷、偏好和个体反应在较宽范围内调整[4][18]。Morton 2018的1.62 g/kg/d及其95% CI属于群体模型估计，置信区间反映的是群体估计的不确定性，不宜直接改写为”个人最优范围”。
减脂期训练者：日总蛋白通常应至少维持在抗阻训练人群的有效范围内；对体脂较低、能量缺口较大、训练量较高或保留FFM优先级较高者，约2.0–2.4 g·kg⁻¹·d⁻¹可作为较高端的实践参考范围，而不是所有减脂客户的统一处方[3][14][21]。随着缺口、瘦度与训练压力上升，较高蛋白摄入更有理由被考虑；高体重/较高体脂者可结合目标体重、FFM、总能量与实际食物结构选择计算基准，避免按当前总重机械外推。调整应结合数周体重/腰围、训练表现、饥饿与胃肠耐受，而不是仅按一个g/kg阈值决定。
较高龄训练者：年龄增长可伴随合成代谢抵抗，因此日总蛋白、单餐蛋白质量和抗阻训练的重要性上升[22]。PROT-AGE等专家建议可作为人群参考，但1.0–1.2 g/kg/d不是所有≥65岁者的统一下限；肾功能、疾病、总能量与训练状态需要共同考虑。每餐约25–30 g高质量蛋白或较高亮氨酸暴露可作为研究背景，但2.5–3.0 g亮氨酸/餐不宜作为所有老年人的二元MPS开关。
女性训练者：不应仅因性别自动降低蛋白目标[3][5]。Malowany等（2019）在8名抗阻训练女性中采用IAAO/全身蛋白代谢方法估计运动日蛋白需求，所得拐点约1.49–1.53 g/kg/d；该研究不是“单餐40 g蛋白后MPS仍线性上升”的剂量–反应试验[23]。因此它可支持女性训练者的蛋白需求并不低，但不能用于证明某个单餐上限或不存在平台。
3.2.4 蛋白质质量评估：DIAAS vs PDCAAS
PDCAAS以2–5岁儿童氨基酸需求为参照、粪便消化率校正，上限截断为1.0，对植物蛋白评分偏低[24][25]。DIAAS（FAO 2013推荐）使用回肠消化率，以不同年龄段EAA需求为参照，不设上限截断，更好解释了动物蛋白与植物蛋白在MPS效应上的实测差异[24][25]。动物蛋白DIAAS通常>100（牛奶110–120，牛肉104–118，鸡蛋108–136），植物蛋白多在42–100之间（大豆91–100，豌豆82–89，糙米55–70）[24][25]。
植物蛋白策略应结合蛋白质量、必需氨基酸/亮氨酸含量、消化率、日总量和食物组合调整；部分场景可能需要比高质量动物蛋白更大的份量，但没有适用于所有植物蛋白来源的统一“增加30%–50%”规则[24][25]。豆类与谷物等多样化组合有助于改善整体必需氨基酸供给。
3.2.5 分布摄入与单餐阈值
急性剂量–反应研究支持约0.25–0.4 g/kg高质量蛋白作为健康成人单餐分配的常见参考，可作为健康成人单餐蛋白分配的实践参考，但不应称为所有人的硬性“有效阈值”[3][26]。Areta等（2013）的急性恢复研究支持适度分散摄入，但不能直接推出所有训练者必须固定4餐[27]。长期实践应先保证合适日总量，再按作息、训练时点、年龄、蛋白质量和胃肠耐受分配；训练后30分钟不是二元窗口。
3.2.6 胶原蛋白：特殊蛋白的功能与定位
胶原蛋白（Collagen）是动物结缔组织中最丰富的结构蛋白，但在氨基酸组成和代谢功能上与完整蛋白（乳清、肉蛋豆）存在根本区别。胶原蛋白缺乏色氨酸，不属于完整蛋白（complete protein），支链氨基酸（BCAA）含量也明显低于乳清或肉蛋类蛋白，因此PDCAAS和DIAAS评分均较低，不能替代乳清或其他完整蛋白的肌肉蛋白合成（MPS）价值。其特征性氨基酸组成为：甘氨酸（Glycine, ~33%）、脯氨酸（Proline, ~12%）和羟脯氨酸（Hydroxyproline）含量显著高于其他膳食蛋白。
功效证据。关节与结缔组织方面，部分研究显示胶原蛋白补充对关节疼痛和肌腱恢复有一定支持作用。Shaw等（2017）在Am J Clin Nutr发表的研究表明，训练前补充明胶（胶原蛋白来源）联合维生素C可提高胶原合成标志物（PINP, procollagen type I N-terminal propeptide）水平[3]。Clifford等（2019）在Am J Clin Nutr报告胶原蛋白肽联合抗阻训练可改善肌腱适应指标[4]。皮肤方面，部分RCT报告胶原蛋白肽补充可改善皮肤弹性和水分，但效应量和临床意义仍需进一步验证[5]。肌腱与韧带适应方面，作为结缔组织特异性氨基酸来源（尤其是甘氨酸和脯氨酸），胶原蛋白可能在训练诱导的结缔组织重塑中提供底物支持[3][4]。
对运动人群的意义。胶原蛋白不替代完整蛋白的MPS价值，这一点必须明确。其可能的独立价值集中在结缔组织健康方面，适用于有关节或肌腱不适的训练者作为补充策略。优先级始终低于确保完整蛋白日总量达标。
补充时机与实践建议。训练前30–60分钟补充约15 g胶原蛋白来源（明胶或胶原蛋白肽）联合维生素C（维C是胶原合成的必要辅因子，参与脯氨酸和赖氨酸的羟化反应），这一方案基于Shaw等2017年的研究设计[3]。适用于有特定关节或肌腱恢复需求的训练者。不作为通用必补项；在完整蛋白摄入已达标的情况下，可作为结缔组织支持的补充选项[3][4]。
胶原蛋白参考文献（本节新增）：
[1] Melis GC, ter Woerhorst JM, van der Zwaan DR, et al. Collagen-derived peptides and their potential role in connective tissue health. Nutrients. 2023.
[2] USDA FoodData Central. Amino acid profiles of collagen vs complete protein sources.
[3] Shaw G, Gibson AT, Burgess EJ, et al. Vitamin C-enriched gelatin supplementation before intermittent activity augments collagen synthesis. Am J Clin Nutr. 2017;106(1):94-101.
[4] Clifford T, Ventress M, Hunter A, et al. The effects of collagen peptide supplementation on body composition, collagen synthesis, and recovery of joint comfort and muscle function following physically demanding activity. Am J Clin Nutr. 2019.
[5] de Miranda RB, Weck L, Rossi D, et al. Effect of collagen peptide supplementation on skin aging: a meta-analysis. Int J Dermatol. 2021.
3.3 碳水化合物：GI/GL与运动营养
随着运动强度和持续时间变化，脂肪与碳水的相对供能比例呈连续变化；强度升高时碳水利用通常增加，但不存在可跨个体套用的50%、60%–70%或70% VO₂max“燃料开关”。训练状态、饮食/糖原、项目形式和环境都会移动底物利用曲线[5][9]。碳水处方的核心原则是“Fuel for the work required”，即让碳水可用性匹配具体训练任务和恢复需求。
3.3.1 GI/GL定义与局限性
血糖指数（Glycemic Index, GI）定义为摄入50 g可利用碳水后2 h血糖曲线下面积相对于参照食物的百分比[29]。血糖负荷（Glycemic Load, GL）= GI × 单位食物可利用碳水量(g) / 100[29]。GI概念诞生于糖尿病饮食管理，关注静息状态下的血糖波动。
GI在运动场景中的解释价值有限。肌肉收缩可通过与胰岛素不同的信号通路促进GLUT4转位和葡萄糖摄取，而运动后胰岛素敏感性也会提高；两条通路可以并存，不能表述为运动时葡萄糖摄取“完全不依赖胰岛素”[5][9]。GI还会受到食物加工、烹饪、混合餐构成和个体差异影响，因此不宜用单一GI值精细预测某位训练者的血糖或运动表现。
GI可以在部分运动场景提供辅助信息，但不是只有“三个情境才有价值”，也不支持“赛前30–60分钟统一避免高GI单糖”的禁忌规则。训练前后食物选择应同时考虑碳水量、胃肠耐受、混合膳食、训练时长和个体血糖反应；需要快速恢复糖原时较高GI来源可能有帮助。日常膳食更应优先整体食物质量、纤维、总能量和可持续性，而非单个GI数值[5][9][29]。
GL在GI基础上纳入实际可利用碳水量，因此更接近某一食用份量带来的相对血糖负荷；但GI和GL都会受品种、成熟度、加工、烹调和混合膳食影响。西瓜可出现较高GI但因常见份量碳水密度较低而GL较低；熟米饭的GL则随米种和份量明显变化。因此不使用一组固定GI/GL数字给食物永久分类，GL可作为选主食的参考维度之一，但不宜作为唯一标准[29]。
3.3.2 全谷物与精制碳水的健康效应
全谷物（Whole Grain）的淀粉颗粒被植物细胞壁的纤维素-半纤维素网络包裹，酶分子需先穿透细胞壁才能接触淀粉颗粒，水解速率显著低于精制谷物[9][29]。精制谷物经碾磨后细胞壁被破坏，淀粉颗粒暴露，烹饪糊化后几乎全部可被淀粉酶快速水解[9]。这种食物基质效应（Food Matrix Effect）决定了全谷物的血糖应答更平缓、膳食纤维和微量营养素密度更高[29]。
对力量训练者的实践含义：日常膳食以全谷物为主（至少占主食1/3），保障纤维摄入（25–38 g/d）和微量营养素[29][30]。训练前1–4 h选择低纤维、易消化的碳水来源以避免胃肠不适[5]。训练后和赛中可选择精制碳水加速吸收[5][9]。减脂期训练者是纤维缺口高危人群。降低总热量的同时大幅减少食物总量，纤维摄入可能骤降至<15 g/d[30]。
3.3.3 力量训练者 vs 耐力运动的碳水需求分化
ACSM/ISSN分层框架以耐力训练为锚点[5]：低强度/恢复日3–5 g·kg⁻¹·d⁻¹，中等强度1–3 h/d 6–10 g·kg⁻¹·d⁻¹，极端强度>4 h/d 8–12 g·kg⁻¹·d⁻¹。
力量训练者的碳水需求与耐力训练者存在本质差异。单次抗阻训练60–90 min的糖原消耗约200–300 g（取决于训练量和肌群大小），远低于90 min中等强度耐力运动的消耗[5][9]。碳水在抗阻训练中的核心功能是维持高强度组次的糖酵解输出、通过胰岛素分泌支持抗分解与合成代谢信号、维持中枢神经驱动[5][9]。
力量训练者的碳水需求跨度很大，受训练容量、组间休息、同日多练、能量目标、体重目标和个人耐受影响[5][9][31]。耐力指南中的g/kg范围可作背景，但普通力量训练者不设“常规日3–5 g/kg”“增肌4–6 g/kg”或“减脂最低3 g/kg”的统一处方。更可靠的做法是以总能量和训练表现为锚，观察糖原需求较高课次前后的碳水可用性，并避免过度限制导致恢复或能量可用性恶化。
3.3.4 碳水环化与补碳策略
碳水周期化是“Fuel for the work required”原则的一种实施方式：根据具体课次的底物需求、总能量目标和恢复时间调整碳水，而不是固定腿/背日、肩/臂日和休息日的g/kg模板[5][9]。部分“低糖原训练”研究可说明特定耐力适应信号，但不能直接证明固定高低碳周模板对大众力量训练更优[9][32]。
Refeed可作为部分训练者的执行与训练支持工具，但不设“8–12 g/kg、每7–10天一次”的通用处方。若使用，应根据当前能量缺口、训练任务、胃肠耐受、饮食疲劳和总周期目标个体化安排，并明确其长期减脂/保肌优势的直接证据有限。
Train-Low/Sleep-Low属于特定耐力训练周期中操纵碳水可用性的策略，研究结果不能转写成“<60% VO₂max、每周≤2次”等跨人群固定处方[5][9][32]。Gejl等（2021）汇总相关研究时总体表现效应并不稳定[33]；实际应用需围绕训练任务、总能量、恢复、胃肠耐受及REDs/进食行为风险个体化安排。对大众力量训练者，Train-Low通常不作为常规默认策略。
实操建议：对大众力量训练者，碳水周期化可以作为“Fuel for the work required”的一种实现方式，但没有证据支持按“腿/背日5–7、肩/臂日4–5、休息日3–4 g/kg”作为通用模板。更实际的做法是先确定总能量与蛋白需求，再根据课次总量/强度、训练前后间隔、同日多练、胃肠耐受和体重目标调整主食份量；若固定摄入同样能维持训练表现和依从性，也没有必须周期化的要求。
3.4 脂肪：MUFAs/PUFAs与激素环境
脂肪是运动营养中最易被错误压低的宏量营养素。减脂期教练和训练者倾向于将脂肪视为”多余热量”大幅削减，但脂肪是激素合成、细胞膜完整性和脂溶性维生素吸收的必需基础[6][7]。
3.4.1 脂肪酸分类与食物来源
膳食脂肪按饱和度分为三类[6][7]。饱和脂肪酸（Saturated Fatty Acids, SFA）在室温下呈固态，主要来源为动物脂肪、椰子油和棕榈油，过量摄入与LDL-C升高相关，推荐限制在总能量10%以下[6][7]。单不饱和脂肪酸（Monounsaturated Fatty Acids, MUFA）以油酸为代表，主要来源为橄榄油、牛油果和坚果，对血脂谱有中性至正面影响，且不抑制CPT-I（线粒体长链脂肪酸转运的限速酶），是推荐首选脂肪来源[6][7]。多不饱和脂肪酸（Polyunsaturated Fatty Acids, PUFA）分为n-6系列（亚油酸LA，植物油中丰富）和n-3系列（α-亚麻酸ALA来自亚麻籽油/核桃，长链EPA/DHA来自深海鱼类）[6][7]。
反式脂肪酸（Trans Fatty Acids）为心血管风险因素，WHO建议零摄入[6]。
3.4.2 Omega-3与炎症调控/肌肉蛋白合成
Omega-3 EPA/DHA在训练者营养中的定位为健康与恢复辅助，而非必需运动表现补剂[6][7]。三个效应领域积累了相对充分的循证依据：
抗炎效应：EPA和DHA整合入细胞膜磷脂后，竞争性替代花生四烯酸（Arachidonic Acid, AA）作为炎症介质前体，产生生物活性更低的PGE₃（vs PGE₂）[6][34]。运动员干预研究中观察到CK峰值降低和肌肉酸痛评分下降的趋势，效应量为小到中等。
MPS增强：Smith等（2011）RCT发现每日补充4 g EPA+DHA增强了胰岛素-氨基酸钳夹状态下的MPS约30%[35]。后续研究（Smith 2015）报告每日3 g EPA+DHA 8周后老年人肌肉质量和握力显著增加[36]。对年轻训练者在抗阻训练后的效应，数据相对有限。
神经肌肉功能：Lewis等（2015）报告21天Omega-3补充（1.5 g EPA+DHA/d）改善了运动员的运动单位募集模式和反应时间[37]。
EPA+DHA推荐剂量1–3 g/d，深海鱼摄入优先（每周2–3次三文鱼/鲭鱼/沙丁鱼，每次150–200 g），饮食不足时补剂替代[6][7]。素食者选择藻油。
3.4.3 脂肪摄入、总能量与激素环境
膳食脂肪参与细胞膜、必需脂肪酸与脂溶性维生素等生理功能。低脂饮食与性激素之间的研究提示某些人群可能出现变化，但激素状态同时受到总能量可用性、体脂变化、训练负荷、睡眠和整体膳食等多因素影响；“<0.5 g/kg持续4周”可作为低脂饮食风险讨论的实践参考，但激素状态受多因素影响，不能定义为跨人群的医学阈值。
3.4.4 脂肪规划以总能量比例与膳食质量为起点
运动营养框架常以约20%–35%总能量作为成年人宏量分配的实践起点[5][7]，但它不是所有运动员的固定g/kg诊断线。规划时同时检查总能量、碳水训练需求、蛋白质、必需脂肪酸、食物多样性和健康背景。若出现低能量可用性、月经/生殖、进食障碍或吸收风险，重点是处理总能量和临床问题，而不是把脂肪提高到某个固定克数作为“激素治疗”。
脂肪质量方面，可优先选择富含不饱和脂肪的完整食物，并限制反式脂肪和过量饱和脂肪。鱼类等食物可提供EPA/DHA；是否使用Omega-3补剂以及剂量应结合膳食、具体目标、药物/出血风险和产品质量，1–3 g/d可作为部分研究中的参考范围，但不宜作为所有训练者的统一靶值。
本章小结
能量与宏量营养素处方的决策链条为：估算TDEE → 设定热量目标 → 锚定蛋白质 → 安排碳水化合物 → 填充脂肪。每个环节均附带方法学特征、对立证据和适用边界，作为决策起点而非固定教条。
TDEE估算从预测公式或其他可用方法出发，并用标准化体重、摄入、训练与活动趋势校准。Cunningham、Mifflin-St Jeor等均应按验证人群和输入质量选择，不设统一首选排名；减脂缺口和增肌盈余也应作为可校准起点，而非固定百分比处方。
蛋白质摄入需要根据训练目标、能量状态、年龄、蛋白质量和计算分母个体化。Morton 2018的约1.62 g·kg⁻¹·d⁻¹是群体层面的平台估计，不是个人精确目标。老年人常存在较低的合成代谢敏感性，但不能据此把2.5–3.0 g亮氨酸写成所有老年人的固定单餐开关；植物蛋白也不需要一律增加30%–50%，应结合必需氨基酸组成、消化率、总量与食物组合调整。
碳水处方的核心是匹配训练负荷、总能量和恢复需求。GI可作为特定场景的辅助信息，但不应主导健康训练者的整体饮食选择。力量训练者不存在统一3 g/kg“实操下限”；碳水周期化可作为“Fuel for the work required”的一种组织方式，其价值取决于具体训练与可执行性。
脂肪摄入以总能量、必需脂肪酸、膳食质量、碳水训练需求和个体偏好共同规划，不设置0.5 g/kg“激素安全红线”。富含不饱和脂肪的完整食物通常是良好选择；EPA/DHA补充不采用所有训练者统一1–3 g/d处方。若出现生殖/内分泌或REDs风险，应评估总体能量与健康背景。
思考题
比较Cunningham 1991和Mifflin-St Jeor 1990两个RMR预测公式的适用人群和各自的系统性偏差方向。对一名FFM 65 kg的男性健美训练者，两个公式的RMR估算值差距约多少？
解释Pontzer约束TEE模型的核心预测。该模型对减脂方案的实践含义是什么？[8]
Morton 2018报告蛋白质摄入的”平台”约1.62 g·kg⁻¹·d⁻¹。为什么这个数值不能作为个体精确目标？列举至少三个影响个体蛋白质最优需求的因素。
为什么能量限制期常会考虑提高蛋白质摄入？请从瘦体重保留、训练量、赤字深度、初始体成分与计算分母解释，为什么不能把2.0–2.4 g·kg⁻¹·d⁻¹作为所有减脂者的固定必需范围。
GI在运动场景下仅在三个情境有实操参考价值，分别是什么？为什么GI不作为日常膳食决策的主要工具？
为什么不能把“<0.5 g/kg/d”当作所有训练者的睾酮或月经功能阈值？请从总能量可用性、必需脂肪酸、体脂变化、训练负荷与个体健康背景解释低脂饮食和内分泌结局为何需要条件化判断。
教练转化清单
| 决策环节 | 教练可做的 | 必须转介的 |
|---|---|---|
| TDEE估算 | 选择适用的RMR预测公式/可用测量方法，结合活动和连续体重趋势校准 | REDs高风险、复杂疾病或测量结果与临床状态明显不符时升级专业评估 |
| 热量目标 | 以目标、当前摄入/体重趋势、训练恢复和偏好设定可校准起点 | 进食障碍、REDs或复杂疾病背景下不由教练自行推进能量限制 |
| 蛋白质分配 | 先确定合适日总量，再按作息与训练时点分配；约0.25–0.4 g/kg/餐可作部分人群参考 | 肾功能异常、特殊疾病或临床营养治疗由合资格医疗/营养专业人员负责 |
| 碳水安排 | 按训练任务、总能量、恢复窗口与胃肠耐受调整，不设所有力量训练者统一3–6 g/kg范围或GI时机规则 | 糖尿病等代谢疾病需结合药物、低血糖风险和治疗目标协同管理 |
| 脂肪配置 | 结合总能量、必需脂肪酸、食物质量和训练燃料需求安排；不设统一0.5 g/kg“激素底线” | 血脂、生殖或内分泌异常需临床评估 |
参考文献
[1] FAO/WHO/UNU. Human Energy Requirements: Report of a Joint FAO/WHO/UNU Expert Consultation, Rome, 17–24 October 2001. FAO Food and Nutrition Technical Report Series No. 1. Rome: Food and Agriculture Organization of the United Nations; 2004. ISBN 92-5-105212-3.
[2] Jeukendrup AE, Gleeson M. Sport Nutrition. 3rd ed. Human Kinetics; 2018. ISBN 9781492529033.
[3] Phillips SM, Van Loon LJ. Dietary protein for athletes: from requirements to optimum adaptation. J Sports Sci. 2011;29(sup1):S29-S38. DOI: 10.1080/02640414.2011.619204
[4] Morton RW, Murphy KT, McKellar SR, et al. A systematic review, meta-analysis and meta-regression of the effect of protein supplementation on resistance training-induced gains in muscle mass and strength in healthy adults. Br J Sports Med. 2018;52(6):376-384. DOI: 10.1136/bjsports-2017-097608
[5] Thomas DT, Erdman KA, Burke LM. American College of Sports Medicine Joint Position Statement. Nutrition and Athletic Performance. Med Sci Sports Exerc. 2016;48(3):543-568. DOI: 10.1249/MSS.0000000000000852
[6] Kerksick CM, Arent S, Schoenfeld BJ, et al. International Society of Sports Nutrition position stand: nutrient timing. J Int Soc Sports Nutr. 2017;14:33. DOI: 10.1186/s12970-017-0189-4
[7] van Lieshout GAA, Lambers ET, Muller M, Mensink RP. How processing may affect milk protein digestion and overall physiological outcomes: a systematic review. Crit Rev Food Sci Nutr. 2020;60(14):2422-2445. DOI: 10.1080/10408398.2019.1646703
[8] 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.
[9] Jeukendrup AE. A step towards personalized sports nutrition: carbohydrate intake during exercise. Sports Med. 2014;44(Suppl 1):S25-S33. DOI: 10.1007/s40279-014-0148-z
[10] Cunningham JJ. Body composition as a determinant of energy expenditure: a synthetic review and a proposed general prediction equation. Am J Clin Nutr. 1991;54(6):963-969. DOI: 10.1093/ajcn/54.6.963
[11] Levine JA, Lanningham-Foster LM, McCrady SK, et al. Interindividual variation in posture allocation: possible role in human obesity. Science. 2005;307(5709):584-586. DOI: 10.1126/science.1106561
[12] Cunningham JJ. A reanalysis of the factors influencing basal metabolic rate in normal adults. Am J Clin Nutr. 1980;33(11):2372-2374. DOI: 10.1093/ajcn/33.11.2372
[13] Mifflin MD, St Jeor ST, Hill LA, et al. A new predictive equation for resting energy expenditure in healthy individuals. Am J Clin Nutr. 1990;51(2):241-247. DOI: 10.1093/ajcn/51.2.241
[14] Helms ER, Aragon AA, Fitschen PJ. Evidence-based recommendations for natural bodybuilding contest preparation: nutrition and supplementation. J Int Soc Sports Nutr. 2014;11:20. DOI: 10.1186/1550-2783-11-20
[15] Garthe I, Raastad T, Refsnes PE, et al. Effect of two different weight-loss rates on body composition and strength and power-related performance in elite athletes. Int J Sport Nutr Exerc Metab. 2011;21(2):97-104. DOI: 10.1123/ijsnem.21.2.97
[17] Tarnopolsky MA, Atkinson SA, MacDougall JD, et al. Evaluation of protein requirements for trained strength athletes. J Appl Physiol. 1992;73(6):2475-2482. DOI: 10.1152/jappl.1992.73.6.2475
[18] Jäger R, Kerksick CM, Campbell BI, et al. International Society of Sports Nutrition Position Stand: protein and exercise. J Int Soc Sports Nutr. 2017;14:20. DOI: 10.1186/s12970-017-0177-8
[19] Devries MC, Sithamparapillai A, Brimble KS, Banfield L, Morton RW, Phillips SM. Changes in kidney function do not differ between healthy adults consuming higher- compared with lower- or normal-protein diets: a systematic review and meta-analysis. J Nutr. 2018;148(11):1760-1775. DOI: 10.1093/jn/nxy197
[20] Tagawa R, Watanabe D, Ito K, et al. Dose-response relationship between protein intake and muscle mass increase: a systematic review and meta-analysis of randomized controlled trials. Nutr Rev. 2021;79(1):66-75. DOI: 10.1093/nutrit/nuaa104
[21] Murphy CH, Hector AJ, Phillips SM. Considerations for protein intake in managing weight loss in athletes. Eur J Sport Sci. 2015;15(3):210-221. DOI: 10.1080/17461391.2014.936325
[22] Bauer J, Biolo G, Cederholm T, et al. Evidence-based recommendations for optimal dietary protein intake in older people: a position paper from the PROT-AGE Study Group. J Am Med Dir Assoc. 2013;14(8):542-559. DOI: 10.1016/j.jamda.2013.05.021
[23] Malowany JM, West DWD, Williamson E, Volterman KA, Abou Sawan S, Mazzulla M, Moore DR. Protein to Maximize Whole-Body Anabolism in Resistance-trained Females after Exercise. Med Sci Sports Exerc. 2019;51(4):798-804. DOI: 10.1249/MSS.0000000000001832
[24] Food and Agriculture Organization of the United Nations. Dietary Protein Quality Evaluation in Human Nutrition: Report of an FAO Expert Consultation. FAO Food and Nutrition Paper 92. Rome: FAO; 2013. ISBN 978-92-5-107417-6.
[25] Pinckaers PEM, Trommelen J, Gorissen SHM, et al. The anabolic response to plant-based protein ingestion. Sports Med. 2021;51(9):1793-1810. DOI: 10.1007/s40279-021-01490-z
[26] Moore DR, Robinson MJ, Fry JL, et al. Ingested protein dose response of muscle and albumin protein synthesis after resistance exercise in young men. Am J Clin Nutr. 2009;89(1):161-168. DOI: 10.3945/ajcn.2008.26401
[27] Areta JL, Burke LM, Ross ML, et al. Timing and distribution of protein ingestion during prolonged recovery from resistance exercise alters myofibrillar protein synthesis. J Physiol. 2013;591(9):2319-2331. DOI: 10.1113/jphysiol.2012.244897
[29] Augustin LSA, Kendall CWC, Jenkins DJA, et al. Glycemic index, glycemic load and glycemic response: An International Scientific Consensus Summit from the International Carbohydrate Quality Consortium (ICQC). Nutr Metab Cardiovasc Dis. 2015;25(9):795-815. DOI: 10.1016/j.numecd.2015.05.005
[30] Slavin J. Fiber and prebiotics: mechanisms and health benefits. Nutrients. 2013;5(4):1417-1435. DOI: 10.3390/nu5041417
[31] Helms ER, Zinn C, Rowlands DS, et al. A systematic review of dietary protein during caloric restriction in resistance trained lean athletes: a case for higher intakes. Int J Sport Nutr Exerc Metab. 2013;24(2):127-138. DOI: 10.1123/ijsnem.2013-0056
[32] Impey SG, Hearris MA, Hammond KM, et al. Fuel for the work required: a theoretical framework for carbohydrate periodization around the endurance exercise session. Sports Med. 2018;48(5):1031-1048. DOI: 10.1007/s40279-018-0867-7
[33] Gejl KD, Nybo L. Performance effects of periodized carbohydrate restriction in endurance trained athletes – a systematic review and meta-analysis. J Int Soc Sports Nutr. 2021;18:37. DOI: 10.1186/s12970-021-00435-3
[34] Calder PC. Marine omega-3 fatty acids and inflammatory processes: effects, mechanisms and clinical relevance. Biochim Biophys Acta Mol Cell Biol Lipids. 2015;1851(4):469-484. DOI: 10.1016/j.bbalip.2014.08.010
[35] Smith GI, Atherton P, Reeds DN, Mohammed BS, Rankin D, Rennie MJ, Mittendorfer B. Dietary omega-3 fatty acid supplementation increases the rate of muscle protein synthesis in older adults: a randomized controlled trial. Am J Clin Nutr. 2011;93(2):402-412. doi:10.3945/ajcn.110.005611. PMID:21159787.
[36] Smith GI, Atherton P, Reeds DN, et al. Omega-3 polyunsaturated fatty acids augment the muscle protein anabolic response to hyperinsulinaemia-hyperaminoacidaemia in healthy young and middle-aged men and women. Clin Sci (Lond). 2011;121(6):267-278. doi:10.1042/CS20100597. PMID:21501117.
[37] Lewis EJH, Radonic PW, Wolever TMS, Wells GD. 21 days of mammalian omega-3 fatty acid supplementation improves aspects of neuromuscular function and performance in male athletes compared to olive oil placebo. J Int Soc Sports Nutr. 2015;12:28. doi:10.1186/s12970-015-0089-4.
[38] Nunes EA, Colenso-Semple L, McKellar SR, et al. Systematic review and meta-analysis of protein intake to support muscle mass and function in healthy adults. J Cachexia Sarcopenia Muscle. 2022;13(2):795-810. DOI: 10.1002/jcsm.12922