（Nutritional Assessment Toolbox）
学术导言
营养干预的精度取决于评估的精度。训练者目前吃了什么、身体组成处于什么状态、饮食行为中存在哪些可改变的模式，这三类问题构成方案设计的信息基础。对应这三类问题的评估方法可以概括为 DAB——饮食日记（Dietary Record）、体成分评估（Anthropometry）、行为评估（Behavioral Assessment）。三项工具各有方法学边界，任何一项单独使用不足以支撑完整方案[1][2]。
本章覆盖以下内容： 饮食记录的实施方法与数据分析（记录天数选择、低报识别、蛋白质分配分析、微量营养素缺口信号）；体成分评估的方法学比较（DXA/BIA/皮褶法/围度法的精度层级、FFMI 的计算与适用边界、体成分监测的常见陷阱）；行为评估的框架（进食模式识别、饮食依从性评估、跨理论模型的行为改变阶段、动机访谈的教练沟通原则）；以及营养评估实操工作坊的标准操作流程（SOP）。
读完本章后，应能建立以下判断力：
所有自我报告的膳食数据均存在系统性低估风险（Capling 等 2017 系统综述报告运动员膳食能量摄入经 DLW 验证后平均低估 19%，Cohen’s d = −1.006）[1]，必须与体重变化趋势交叉验证
BIA 体脂率受水合状态影响可波动 2%–5%，不同品牌设备的数据不可直接对比，只能用于同一设备、同一条件下的纵向趋势监测[3][15]
FFMI 是群体统计指标，不是个体诊断工具；Kouri 1995 原始研究中非使用者样本仅 74 人，不足以定义人类肌肉量的绝对上限[17][18]
饮食依从性低的原因几乎从来不是”不够自律”，更多时候是方案与生活场景不匹配、目标设定过高、或缺乏有效的自我监测反馈[4]
教练在评估中的角色是模式识别者和行为引导者，不是临床诊断者；发现疑似进食障碍、严重能量不足或生化指标异常时，必须转介[4][5]
本章编排的逻辑如下： 先从饮食记录入手（§4.1），因为”训练者吃了什么”是最直接的信息缺口，也是后续所有评估的基线参照；再进入体成分评估（§4.2），从外部摄入数据转向身体组成状态，为方案调整提供身体层面的反馈；最后处理行为评估（§4.3），解决”为什么训练者知道该做什么却做不到”的问题，这一维度对方案成败的决定性往往超过营养素克数本身。实操工作坊（§4.4）将三类评估整合为标准操作流程，用于现场练习。
当下教练圈讨论最热烈的评估话题之一是 BIA 设备的”数字焦虑”。训练者拿着不同健身房两台 InBody/Tanita 设备的体脂率数字来比较，看到两天之间”涨了 2%“就恐慌，这类场景在教练实践中极为常见。核心问题在于：BIA通过阻抗和设备算法估算体成分，饮水、近期训练/脱水、糖原、月经周期、环境与设备方程都可能改变结果，误差幅度会随机型与测量条件而变，BIA的误差幅度会随机型与测量条件而变，2%–5%不宜作为所有BIA设备的统一误差范围[3]。不同设备之间的数值也不应直接当作同一量尺比较。教练必须掌握的核心技能是向训练者解释这些数据波动的生理学原因，并建立有效的纵向监测体系（同一设备、同一时间、同一条件）。另一个值得关注的趋势是饮食记录中”健康光环效应”（Hawthorne Effect）的系统性影响：训练者在被观察期间会不自觉地改善饮食行为，记录到的数据可能高于日常真实摄入。这不是故意造假，而是观察行为本身改变了被观察对象的行为[4]。教练布置记录任务时需要明确告知训练者”不改变日常饮食”的原则，并将记录数据与体重变化趋势交叉验证，而非直接采信。
4.1 饮食日记：从记录到解读
饮食记录是膳食评估中最常用的工具之一，其核心任务是回答”这个人目前吃了什么”。对教练而言，饮食记录的价值不在于精确到每克每毫克的营养素计算，而在于捕捉训练者的膳食模式（Dietary Pattern）、发现宏量营养素分配中的系统性偏差，以及为后续方案调整建立基线参照[1][6]。
4.1.1 饮食记录的三个核心问题
每一条饮食记录都需要回答三个问题：吃了什么（What）、吃了多少（How Much）、在什么情境下吃的（Context）。前两个是定量问题，第三个是行为分析的基础[4][6]。
吃了什么。 训练者需要记录所有摄入的食物和饮料，包括正餐、零食、补剂、调味品和酒精。最常见的遗漏是零食、饮料和烹饪用油。Capling等（2017）的系统综述指出，运动员饮食记录中补剂和运动食品的记录缺失率很高，而恰恰是这些食物对宏量营养素总量有显著影响[1]。教练布置记录任务时，需要明确列出”必须记录”的完整清单：正餐、加餐、所有饮品（含含糖饮料和咖啡）、补剂（蛋白粉、肌酸、氨基酸等）、调味品（酱油、沙拉酱、烹饪油）。
分量估算。 手掌、拳头、拇指等视觉参照适合做低负担的行为教育和粗略份量沟通，但不同人的手部大小、食物密度、烹饪含水量和装盘方式都会改变对应克数，“一掌≈固定熟肉克数、一拳≈固定米饭克数”这类参照宜作为粗略份量沟通工具，不宜当作定量换算表。若任务需要较高定量精度，应在限定记录期内使用食物秤、包装标签或标准化家用量具，并记录生重/熟重与烹饪方式；日常监测可用照片和参照物辅助。
进食背景。 记录进食时间和场合是教练识别营养时机（Nutrient Timing）问题的基础。训练前1.5-2小时是否进食、训练后是否在30-60分钟内补充蛋白质和碳水、工作日与休息日的膳食结构差异，这些信息只有在记录进食时间和与训练的时间关系后才能分析[4][6]。
4.1.2 食物频率问卷的使用场景与局限
食物频率问卷（Food Frequency Questionnaire, FFQ）评估的是较长时间段（通常为过去1-12个月）内的习惯性膳食模式[4]。FFQ在流行病学研究中广泛应用，其优势是对个体负担低、可快速筛查长期食物组摄入频率。在个体咨询场景中，FFQ可作为饮食记录的补充，用于识别长期饮食习惯，如乳制品摄入频率、鱼类消费频率、加工食品比例[4]。
FFQ的局限在教练场景中较为突出。第一，FFQ不适合个体水平的精确定量。恢复生物标志物（DLW）验证研究显示，FFQ对总能量的低估幅度可达24%-33%，高于24小时膳食回顾[1]。第二，FFQ的结果更适合将个体按摄入水平排序（高/中/低），而非给出绝对摄入量。第三，FFQ需要配套经过目标人群验证的食物成分数据库，中国市场上缺乏广泛可用的、经健身人群验证的中文版FFQ[4]。
对教练的建议：FFQ不作为常规必做项目。当需要了解训练者的长期食物组模式时（例如”每周吃几次鱼”“乳制品摄入频率”“是否规律吃早餐”），可以使用简化的FFQ作为补充信息源。定量分析仍以饮食记录为主。
4.1.3 饮食日记的分析方法
收集到饮食记录后，教练需要从三个维度进行分析：蛋白分配是否均匀、碳水来源质量如何、微量营养素是否存在系统性缺口。
蛋白质分配。 饮食记录可以帮助识别“全天蛋白明显不足”或“绝大多数蛋白集中于少数餐次”等模式[6]。急性MPS研究支持单餐剂量存在边际收益递减，但2–3 g亮氨酸、20–40 g蛋白等数值可作为蛋白分配的思考起点，不应写成所有人的硬阈值；较大单餐仍会被消化吸收并进入全身氨基酸池[7]。教练应先看日总蛋白是否与目标匹配，再看分配是否可执行；Morton 2018的约1.62 g/kg/d是群体层面的估计点，不是个人“低于即不足”的诊断线[8]。
碳水来源质量。 分析训练者碳水来源是精制谷物和添加糖为主，还是全谷物、薯类和水果为主。高添加糖摄入与代谢风险相关，WHO建议游离糖摄入不超过总能量的10%[9]。对训练者而言，训练前后可根据训练任务、胃肠耐受和恢复窗口选择更易消化的碳水；非训练时段则更应关注整体膳食质量、全谷物/薯类/豆类/水果蔬菜比例和纤维，而不是把“低GI”本身设为硬性目标。GI（Glycemic Index）衡量特定测试条件下含固定量可利用碳水食物的相对血糖反应，不考虑实际食用量；GL（Glycemic Load = GI × 实际可利用碳水量/100）同时纳入份量，但两者都只是饮食评估的辅助变量[9]。
微量营养素缺口。 教练不做生化诊断，但可以通过饮食记录识别常见微量营养素的膳食缺口模式。力量训练人群中需关注的微量营养素包括铁（Red Meat、动物内脏摄入频率低）、钙（乳制品摄入不足）、维生素D（日照不足且食物来源有限）、锌（蛋白质总摄入偏低时易伴随不足）[4][6]。饮食记录中连续3天以上未见乳制品、红色肉类、深色蔬菜，即为该微量营养素缺口的提示信号。
4.1.4 饮食记录的天数与代表性
Basiotis等（1987）的经典研究使用365天连续饮食记录数据计算得出，准确估计个体能量摄入均值所需的记录天数因营养素而异：能量平均需要31天，蛋白质4天，维生素A高达433天[10]。对群体水平估计则短得多：3天即可估计能量均值，4天估计蛋白质均值。
对教练的实操意义：如果目标是了解训练者的习惯性蛋白摄入，3-4天记录可以提供合理的均值估计。如果目标是了解维生素A等日间变异大的微量营养素，3天记录远远不够。因此，教练应将饮食记录的重点放在宏量营养素和能量模式上，微量营养素的定量评估需交由注册营养师结合生化数据完成。
训练日、休息日以及工作日、周末的膳食模式都可能不同。短期记录应有意识地覆盖与评估问题最相关的日型；例如可包含训练日与休息日、工作日与周末日，但不存在所有客户都必须采用“2个训练日+1个休息日”的固定方案。若目标是估计usual intake，需要根据日间变异和决策精度增加重复记录，而不是把3天模板视为个人长期摄入的金标准。
4.1.5 低报识别
所有自我报告的膳食数据都存在低报（Under-reporting）风险。Goldberg等（1991）建立了基于能量摄入与基础代谢率比值的判断方法（EI:BMR ratio），当比值低于根据体力活动水平设定的阈值时，提示存在低报[11]。Black（2000）进一步验证了Goldberg cutoff的灵敏度和特异度：使用PAL 1.55的单一阈值时，灵敏度约0.50，特异度接近1.00[12]。
教练的实操做法：将饮食记录的总能量与训练者的体重变化趋势交叉验证。体重持续下降但饮食记录显示能量充足，或体重稳定但记录能量低于BMR，都提示低报可能。此时不应追问”你是不是少记了”，而是以非评判方式了解情况：“这份记录和平时比大概打几分？有没有哪天因为不方便没记全？”[4]
4.1.6 教练边界：模式识别，不做诊断
教练分析饮食记录的目标是识别模式、发现系统性偏差，不是做出营养诊断。例如：
教练可以说：“你的蛋白质摄入高度集中在晚餐。可以先检查全天总量是否合适，再把蛋白更均匀地分配到现实可执行的进食机会；单餐数值是分配参考，不是MPS触发开关。”
教练不能说：“你缺铁，需要吃补铁剂。”
前者是基于饮食数据的模式识别和营养教育，后者已经越入临床营养诊断范畴[4][5]。当记录显示摄入与体重/训练负荷明显不相容，并伴持续快速减重、疲劳、生殖/骨健康异常、极端限制、清除行为或显著心理困扰时，应升级专业评估。EI:BMR等比值只能用于发现“数据可能不合理”的背景线索，不能以EI<0.8×BMR单独定义严重能量不足或自动转介。
4.2 体成分评估：方法学与教练应用
体成分评估是回答“训练者身体组成处于什么状态”的工具之一。对教练而言，其价值主要在于在标准化条件下监测脂肪、去脂软组织、围度与体重的长期趋势，为训练和营养方案调整提供反馈[3][13][20]。这里必须区分去脂体重/瘦软组织（FFM/LST）与新生骨骼肌组织：DXA、BIA所报告的lean/FFM并不是对肌肉蛋白或肌纤维横截面积的直接测量，因此短期“瘦体重增加”不能自动解释为肌肥大。
4.2.1 主要体成分评估方法的精度与适用场景
DXA（Dual-Energy X-ray Absorptiometry）。 DXA利用两种不同能量的X射线在通过身体组织时的衰减差异区分脂肪组织、瘦组织和骨矿物含量[3][14]。DXA是三组分模型（Three-Component Model），直接测量脂肪质量（Fat Mass, FM）、去脂软组织质量（Lean Soft Tissue）和骨矿物含量，不依赖二组分模型中FFM密度恒定的假设[13]。DXA的精度高于皮褶法和BIA，可作为体成分评估的参考标准。其局限包括：费用较高、有低剂量辐射（约1-10 μSv，约为胸片的1/10-1/40）、扫描床尺寸限制（身高>192cm或体重>120kg可能超出扫描范围）、不同品牌设备的算法差异导致结果不可直接对比[3][14]。对教练而言，训练者主动提供DXA报告时可以记录数值用于趋势跟踪，但教练不解读DXA的区域分析结果。
DXA的瘦软组织估计会受到糖原及其结合水、饮水/脱水、近期训练和恢复状态影响。受控研究中，运动/热脱水后DXA总LST可出现约1–2 kg的急性下降，而48小时高碳水糖原超量后又可出现约2 kg以上的表观回升，在脂肪量与骨矿物含量没有相应变化的情况下也会发生[22]。2024年运动员多方法比较研究同样强调，运动人群水合差异会影响体成分方法的准确性与解释[23]。因此，增肌监测中几天到一两周内的DXA/BIA lean mass变化宜视为水合/糖原波动，不宜直接解释为新生肌肉；应尽量统一水合、碳水/糖原、进食、训练后间隔和测量时段，并结合数周至数月的围度、体重趋势与训练表现。
BIA（Bioelectrical Impedance Analysis）。 BIA基于脂肪组织和瘦组织的导电性差异估算体成分。脂肪组织含水量低、阻抗高；瘦组织含水量高、阻抗低。设备测量阻抗后通过内置方程推算体脂率[3][15]。BIA在健身房中广泛普及（InBody、Tanita等品牌），操作快速、无创、成本低。但BIA的核心局限在于水合状态对测量值的显著影响：饮水量、运动后脱水、进食时间、月经周期、环境温度等因素均可导致体脂率测量值波动2%-5%[3][15]。不同品牌、不同型号、不同电极配置（手部电极 vs 足部电极 vs 手-足双侧）的BIA设备使用不同的推算方程，测量结果不可直接对比[3]。
教练使用BIA的重点是标准化与纵向解释：尽量使用同一设备、相近时间和相似水合/进食/训练条件，并记录设备与测试条件。复测频率应由目标变化速度、设备重复性和结果是否会改变决策决定，不固定为“至少4–6周一次”。不同设备/算法之间的绝对值通常不宜直接比较；单次小变化必须结合设备重复测量误差、体重和围度趋势解释。
皮褶厚度法（Skinfold Thickness）。 皮褶厚度法基于皮下脂肪厚度与总脂肪量的相关性估算体脂率。使用皮褶钳在标准化位点（肱三头肌、肩胛下角、髂前上棘、腹部、大腿、胸大肌等）夹取皮下脂肪折叠测量厚度[3][13]。国际运动人体测量学会（International Society for the Advancement of Kinanthropometry, ISAK）制定了标准化测量协议和四级认证体系[16]。皮褶法的优势是便携、成本低、ISAK标准化后可重复性好。局限包括：需要系统培训才能达到可接受的技术误差（Technical Error of Measurement, TEM）；肥胖人群中皮下脂肪过厚超出皮褶钳量程，精度显著下降；内脏脂肪无法测量；不同操作者之间的测量者间差异（Inter-rater Variability）可能很大[3][16]。
若按ISAK标准开展皮褶评估，应由接受相应标准化训练、能够控制并报告技术测量误差（TEM）的操作者执行；ISAK Level 1是常见的入门认证路径。未接受相应训练时，教练可记录围度/体重趋势，并在需要标准化皮褶数据时转介合资格操作者。
围度法（Circumference Measurement）。 腰围、臀围、上臂围、大腿围等围度测量间接反映体脂分布和肌肉量变化[4]。围度测量不能直接给出体脂率数值，但成本极低、操作简便、与代谢风险的关联强。中国成人中心性肥胖的判定标准为：男性腰围≥90cm，女性≥85cm[4]。围度测量在健身场景中的核心价值在于追踪肌肉增长（上臂围、大腿围）和脂肪减少（腰围）的部位特异性变化，是体成分长期监测中最实用的日常工具之一。
4.2.2 FFMI：从体成分到肌肉量判断
体脂率只是体成分评估的一个维度。对力量训练人群而言，无脂肪质量指数（Fat-Free Mass Index, FFMI）是更有信息量的指标。FFMI将无脂肪质量（Fat-Free Mass, FFM）按身高标准化，计算公式为：
FFMI = FFM(kg) / 身高(m)²
FFM = 体重(kg) × (1 - 体脂率)
身高标准化FFMI（Normalized FFMI）= FFMI + 6.1 × (1.80 - 身高(m))
Kouri等（1995）在157名男性运动员（83名合成代谢类固醇使用者、74名非使用者）中验证了FFMI的分布特征[17]。核心发现：非使用者中无人超过FFMI 25.0（身高标准化值），使用者中大量个体超过25，部分超过30。该研究同时计算了类固醇前时代（1939-1959）20名Mr. America冠军的估算FFMI，均值为25.4[17]。
FFMI可用于描述“相对身高的去脂体重”，但不设置“平均/优秀/自然极限/疑似药物使用”等固定分级。Kouri等（1995）的历史样本中，报告未使用合成代谢药物者的校正FFMI分布形成了后来广泛传播的“约25”讨论背景；这一结果来自特定男性样本与自报用药状态，不能转化为“>25即使用PED”或“≤25即自然”的个体诊断规则，也不能简单把女性统一减4–5个点。
FFMI的适用边界必须明确。Kouri等历史样本推动了“校正FFMI约25”的讨论，但这一观察来自特定男性样本和自报用药背景，不能定义人类肌肉量的自然上限，也不能用于证明或排除PED使用[17]。FFMI还会继承FFM/体脂测量方法的误差；BIA、DXA、皮褶等方法的偏差取决于设备、算法、操作者、水合和测试条件，不能给整个方法类别套一个固定±误差再机械换算成FFMI点数。实践中FFMI用于描述体型与纵向趋势，而非反兴奋剂诊断。
教练对FFMI的应用限于：帮助训练者了解自身肌肉量的相对水平、设定合理的训练目标、跟踪增肌进展。FFMI不可用于判定他人是否使用合成代谢类固醇或其他药物。
4.2.3 体成分评估的三大常见陷阱
陷阱一：体重数字陷阱。 BMI = 体重(kg)/身高(m)²，是常用的群体体重分类指标，但具体cut-off应注明当前采用的国家/地区标准及版本，而不是把教材中的一组数字永久化[4]。BMI不能区分脂肪与肌肉，因此高肌肉量训练者可能被BMI归入较高体重类别。对训练者应把BMI与腰围、体成分测量的不确定性、健康指标和训练背景一起解释；FFMI也只是补充描述指标，并不自动比BMI“更准确地诊断健康”。
体重变化的解读也需要结合体成分。训练初期体重下降但腰围不变，可能反映的是水分波动而非脂肪减少。体重上升同时腰围稳定/下降、训练表现提高且标准化体成分趋势向好，可以与身体重组相符，但仍不能用一次BIA或DXA就断言“肌肉增长超过脂肪减少”；糖原、水分、肌酸补充、近期训练导致的炎症/组织液变化都可能改变lean mass估计[20][22][23]。身体重组应由重复标准化测量和多指标趋势共同判断。
陷阱二：体脂率波动误判。 BIA设备在同一训练者身上，不同日期、不同水合状态下的测量值可波动2%-5%体脂率[3]。训练者在一次BIA测量后看到体脂率”上升”了2个百分点，很可能只是测量前饮水量或运动后脱水状态不同所致。教练需要向训练者解释：体脂率的变化应以4-6周的纵向趋势为准，单次数据的波动没有生理学意义。
陷阱三：围度与体成分脱节。 腰围减少1cm不代表减了1cm的脂肪，可能是水分减少或腹部胀气缓解。上臂围增加0.5cm也不代表增长了0.5cm的肌肉，可能是充血（Pump效应）或测量位点不一致。围度变化必须结合体脂率趋势和训练表现综合解读，不可单独作为体成分变化的证据[4]。
4.2.4 长期跟踪设计
体成分评估的价值在于纵向趋势，单次测量只是基线。教练应建立多层级的监测体系[3][4][19]：
基线评估（首次咨询） ：完整的身体测量（身高、体重、BMI、腰围、臀围、主要围度），体成分测量（BIA或皮褶），体重史采集（近12个月最高/最低/当前体重，近3个月变化趋势），FFMI计算。
周评估：晨起空腹体重（每日记录取周均值），腰围（每周1次固定条件测量）。体重周均值的变化趋势是能量平衡方向的最直接信号。
月评估：完整围度测量（胸围、上臂围、腰围、臀围、大腿围、小腿围），BIA体成分测量（同一设备同一条件），训练表现回顾。
阶段性复评：根据目标、测量误差、预期变化速度和结果是否会改变决策，安排体成分/围度/饮食记录复评；“每3个月全面体成分+FFMI”可作为部分训练者的复评节奏参考，但不宜规定为所有训练者的固定频率。
阶段性健康/体成分复评：是否需要DXA或实验室检查取决于临床问题、骨健康风险、既往结果和医疗团队计划，不建议所有训练者“每年做一次DXA”。教练可记录来访者主动提供的医疗检查结果，并在结果超出自身解释范围时转介。
Mountjoy等（2014）发布的IOC共识声明强调了体成分监测在运动相对能量不足（Relative Energy Deficiency in Sport, RED-S）预防中的作用[19]。Mathisen等（2023）的IOC身体成分最佳实践推荐进一步指出，体成分监测应与RED-S风险防控挂钩，当训练者出现持续体重下降伴随运动表现下降时，应启动进一步评估[20]。
4.3 行为评估：饮食行为的教练观察
饮食记录和体成分评估提供的是”数据”，行为评估提供的是”为什么”。训练者为什么无法执行方案、为什么在特定情境下偏离计划、为什么反复在同一个环节失败，这些问题的答案在行为模式中，不在营养素的克数里[4]。
4.3.1 进食模式的识别维度
教练在分析饮食记录和结构化访谈中，需要从以下维度观察训练者的饮食行为模式[4]：
进食时机与频率。 评估训练者的进食时间是否支持其训练质量、日总能量/蛋白和胃肠耐受，并识别长时间限制后暴食等模式。训练前进食的价值取决于上次进食时间、训练时长/容量和个人耐受；“训练前1.5–2小时补充碳水+蛋白”可作为常见建议，但不宜写成通用规则；空腹训练也并非一律不推荐，需结合个体耐受和训练任务[6]。
饮食结构特征。 训练者的宏量营养素来源是否均衡？是否存在极端限制性饮食（完全排除碳水、完全不吃脂肪、单一食物饮食）？食物多样性如何？单一食物饮食模式往往伴随微量营养素缺口。
情绪性进食（Emotional Eating）。 训练者是否在压力、焦虑、沮丧时增加进食量或改变食物选择？情绪性进食的识别信号包括：记录中反复出现”加班后点了外卖”“心情不好吃了一大份”等描述，或训练者自述对特定食物（通常是高糖高脂的超加工食品）有难以控制的渴望[4]。教练不做心理诊断，但可以识别这一模式并在沟通中加以关注。
社交饮食。 训练者的饮食偏差是否集中在社交场景（聚餐、酒局、节日）？社交饮食是大众力量训练人群中依从性偏离的最常见原因之一。教练需要帮助训练者在社交场景中建立可执行的策略（例如聚餐前降低当天其他餐次的能量密度，而非完全回避社交），而非要求训练者”杜绝一切社交饮食”[4]。
饮食信息来源。 训练者的饮食决策基于什么信息？社交媒体上的”大V建议”、健身论坛的流行方案、还是循证指南？信息来源质量直接影响训练者的营养认知和执行方向。认知水平评估可采用动机访谈中的EPE技术（Elicit-Provide-Elicit，问-说-问）：先了解训练者当前的认知，在获得许可后提供循证信息，再了解训练者对新信息的反馈[4]。
4.3.2 饮食依从性评估
饮食依从性（Dietary Adherence）是指训练者在多大程度上执行了既定的营养方案。依从性低是方案失败的最常见原因，而依从性低的原因几乎从来不是”不够自律”，更多时候是方案与生活场景不匹配、目标设定过高、或缺乏有效的自我监测反馈[4]。
依从性评估方法[4]：
饮食记录完整度：连续记录的完成率是最直接的依从性指标。3天记录中完成2天以上、每周体重记录完成率超过80%，可视为基本依从。
自评分数：直接询问”这份记录和平时比打几分（1-10分）？“低于7分时需要进一步了解偏差方向和原因。
体重变化与摄入匹配度：体重变化方向是否与能量平衡预测一致。不一致时提示记录不全或实际执行与记录不符。
训练表现稳定性：力量训练表现持续下降且饮食记录显示能量充足时，需要考虑能量摄入实际低于记录值，或恢复/睡眠/压力因素。
4.3.3 行为改变的阶段性方法
行为改变不是”决定执行→坚持到底”的线性过程。Prochaska与DiClemente提出的跨理论模型（Transtheoretical Model, TTM）将行为改变分为五个阶段[21]：
前意向阶段（Precontemplation） ：训练者没有意识到饮食存在问题，也没有改变的意愿。教练的策略是提供信息而非推动行动。
意向阶段（Contemplation） ：训练者意识到问题但尚未采取行动。教练的策略是帮助探索利弊，减少改变的障碍感知。
准备阶段（Preparation） ：训练者有改变意愿并开始小规模尝试。教练的策略是帮助制定具体可行的第一步。
行动阶段（Action） ：训练者已经执行新的饮食行为。教练的策略是强化执行、处理障碍、防止退化。
维持阶段（Maintenance） ：新行为已持续超过6个月。教练的策略是预防复退（Relapse），巩固长期习惯。
教练可以识别训练者处于哪个阶段，调整沟通策略。对前意向阶段的训练者直接给详细方案，大概率执行失败，因为训练者还没有”准备好改变”。
动机访谈（Motivational Interviewing, MI）的核心沟通原则在教练场景中的应用[4]：
开放式提问（Open-ended Questions） ：“你对目前的饮食最满意的部分是什么？最想改变的是什么？”
肯定（Affirmations） ：“你已经坚持了3周力量训练，这说明你的执行力没有问题。”
反思性倾听（Reflective Listening） ：复述训练者的表述以确认理解，“你的意思是，工作日能做到，周末一聚会就完全放松？”
总结（Summaries） ：阶段性总结收集到的信息并确认，“让我确认一下：你目前蛋白质总摄入够了，但分配不均，早餐偏少，晚餐偏多。你觉得最有可能先调整的是哪一餐？”
4.3.4 教练沟通原则：提问而非评判
教练在行为评估中的角色是”观察者”和”引导者”，不是”评判者”[4]。以下原则贯穿整个行为评估过程：
用提问代替指令。“你训练前一般吃什么？”比”训练前你应该吃碳水”更能获取有效信息。
用好奇代替批评。“周末的聚餐一般吃什么类型的？”比”你周末又没控制住吧？“更能建立信任。
用数据代替道德判断。例如“你的早餐蛋白约8 g，而全天蛋白主要集中在晚餐；如果目标是增肌，我们可以先看日总量是否足够，再考虑是否把部分蛋白移到早餐/午餐”，比“你早餐吃得太少了”更有信息量。
区分”做不到”和”不想做”。训练者没有执行方案可能是因为忘记了（提醒即可），也可能是不认同方案的某个部分（需要讨论调整），两者不可混为一谈。
4.4 营养评估实操工作坊
4.4.1 实操一：饮食日记记录与分析（30分钟记录 + 30分钟分析讨论）
SOP：饮食日记布置与记录
向训练者说明记录要求：连续记录3天，包含2个训练日和1个休息日。
发放记录模板（见下文），说明每项填写要求：食物名称、估算分量或称重克数、进食时间、进食场合（与训练的时间关系）、食物来源（自制/外卖/餐厅）。
强调必须记录的内容：所有正餐、加餐、所有饮品（水除外）、补剂、调味品、酒精。
演示拍照记录方法：餐前拍照，照片中包含参照物（筷子或手机），如能称重则同时记录克数。
提醒”不改变日常饮食”——记录期间保持平时的吃法，不因为”被观察”而刻意改变。
3天结束后收回记录，使用营养计算软件或食物成分数据库分析。
饮食日记记录模板
SOP：饮食日记分析
将3天饮食数据录入分析表格，计算每日总能量和三大宏量营养素。
计算3天均值、训练日均值、休息日均值。
计算蛋白质g/kg/d，并先判断体重还是FFM/LBM更适合作为计算分母；再结合目标、能量状态、训练量和蛋白质量评估日总量是否合适，1.6–2.2 g/kg/d可作为健康抗阻训练者的常用参考范围，但不宜作为所有人的合格线。
按餐次拆分蛋白质摄入，识别是否过度集中或存在长期低摄入时段；约0.4 g/kg/餐可作为部分健康成人的分配参考，但不设置20–40 g“触发区间”。
检查碳水来源：标注精制碳水与全谷物/薯类的比例。
检查微量营养素信号：乳制品、红色肉类、深色蔬菜的出现频率。
将总能量与体重变化趋势交叉验证，评估低报可能性。
形成”模式清单”：列出发现的2-3个最重要的模式/偏差，作为方案调整的靶点。
案例练习（以下案例为教学示意，数据用于练习分析方法，非真实个案记录）
案例A：男性，28岁，75 kg，力量训练3年，目标增肌。3日饮食记录显示：日均能量约2200 kcal，蛋白质105 g（1.4 g/kg/d）、碳水280 g、脂肪72 g；按4/4/9粗算为2188 kcal，与记录总能量相差12 kcal，可视为四舍五入/数据库差异。蛋白质分布：早餐12 g、午餐35 g、晚餐48 g、训练后10 g。腰围82 cm，近4周体重无明显变化。
分析要点：当前日总蛋白相对增肌目标偏低且分配高度集中，早餐/训练后蛋白较少；能量摄入与体重稳定是否匹配还需核实低报和实际训练负荷。干预应先设一个与体重、训练目标和总能量匹配的日蛋白起点，再把蛋白分散到现实可执行的餐次；不要求每餐跨过固定20–40 g或亮氨酸阈值。
案例B：女性，35岁，60 kg，力量训练1年，目标减脂。3日饮食记录显示：日均能量约1400 kcal，蛋白质90 g（1.5 g/kg/d）、碳水120 g、脂肪55 g；按4/4/9粗算约1335 kcal，与记录总能量相差65 kcal，因此正式分析前应统一食物数据库、酒精/纤维计能规则与四舍五入方法。BMR估算约1350 kcal。训练者报告近2周体重未变。
分析要点：能量摄入接近BMR，EI:BMR比值约1.04；若把这类短期记录与预期能量需求比较，可将其作为进一步核实低报、记录误差或真实低能量摄入的线索，但不能仅凭EI:BMR比值诊断能量不足。蛋白质90 g/d约1.5 g/kg/d，是否需要调整应结合能量缺口、抗阻训练量、总体饮食结构和个体目标判断，不宜将其定义为减脂期蛋白的”上限”。碳水是否偏低也应结合训练任务与表现解释。干预靶点：先确认实际能量摄入与体重趋势，再评估是否存在低能量可用性/REDs等需要进一步评估的风险。
4.4.2 实操二：身体成分评估与解读（30分钟测量 + 30分钟数据解读讨论）
SOP：基础人体测量
准备：校准体重秤（零点校准），准备无弹性软尺，确认身高计水平。
身高测量：训练者赤脚背向立柱站立，足跟、臀部、肩胛部、后脑勺贴靠立柱。头部保持Frankfort平面（外耳道上缘与眼眶下缘水平）。读取至0.1cm，连续2次，差值≤0.5cm取均值。
体重测量：训练者着轻薄衣物、赤脚、排空膀胱后站立秤面中央。待数值稳定读取至0.1kg，连续2次取均值。记录测量时间和条件。
腰围测量：训练者直立、腹部放松、正常呼气末。测量位点为髂前上棘与第12肋下缘连线中点。软尺水平环绕，紧贴皮肤不压迫软组织。连续2次，差值≤0.5cm取均值。
臀围测量：臀部最突出处，水平环绕。
上臂围（放松）：肩峰与鹰嘴连线中点，右臂自然下垂。
大腿围：臀沟下方或髌骨上缘固定距离处，标注位点确保复评一致。
记录所有数据，计算BMI。如有BIA设备，按设备要求（空腹、排空、静坐5分钟以上）测量体成分。
计算FFMI：需要体脂率数据。FFMI = 体重×(1-体脂率)/身高²。
数据记录模板
SOP：数据解读与沟通
将测量数据与基线值比较，计算变化方向和幅度。
判断变化的生理意义：体重周均值变化>0.5kg/周提示能量平衡方向改变；体脂率单次变化<2%不具生理学意义。
检查腰围与中国成人中心性肥胖标准的关系（男≥90cm、女≥85cm）。
计算FFMI并记录测量方法与不确定性，用于描述相对肌肉量和纵向趋势；不与“自然极限/药物使用”等固定分级表做个体判定。
将体成分变化与训练表现、饮食记录三方交叉验证。
向训练者解释数据时，只呈现事实和趋势判断，不做诊断。例如：“你的FFMI从20.5提升到了21.2，说明过去3个月的力量训练带来了可检测的肌肉量增长。腰围减少了2cm，方向一致。”
案例练习（以下案例为教学示意，数据用于练习分析方法，非真实个案记录）
案例C：男性，32岁，178cm，82kg，力量训练2年。首次咨询BIA体脂率22%，FFMI = 82×0.78/1.78² ≈ 20.2。3个月后复测：体重83kg，BIA体脂率20%，FFMI = 83×0.80/1.78² ≈ 21.0。腰围从92cm降至89cm。
解读：按示例数字计算，首次FFM = 82×0.78 = 63.96 kg，复测FFM = 83×0.80 = 66.40 kg，名义变化为+2.44 kg；脂肪质量由18.04 kg降至16.60 kg，名义变化为−1.44 kg。FFMI由约20.2升至21.0，腰围下降3 cm。由于BIA体脂率会受水合、糖原、近期训练和设备算法影响，这些差值不能直接等同于“新增2.44 kg肌肉、减少1.44 kg脂肪”；应在相同条件下重复测量，并结合体重、围度和训练表现判断趋势。
案例D：女性，26岁，165cm，55kg，力量训练半年。BIA体脂率26%。计算FFMI = 55×0.74/1.65² = 15.0。
解读：FFMI 15.0可作为该训练者当前相对肌肉量的描述性基线，但不依据统一“女性15–18=平均”分档评价个体。更有价值的是在相同测量方法和条件下观察长期趋势，并结合训练表现、围度和体成分测量误差解释。营养上优先检查日总蛋白、总能量和训练刺激是否与目标匹配，而不是追逐短期FFMI变化。
章末小结
营养评估的三个维度——饮食记录、体成分评估、行为观察，构成教练制定和调整营养方案的信息基础。饮食记录揭示训练者”吃了什么”，体成分评估揭示”身体组成如何”，行为观察揭示”为什么方案执行有困难”。三者结合才能形成完整的评估图景。
每种评估工具都有方法学边界。饮食记录存在低报风险，BIA体脂率受水合状态影响，皮褶法依赖操作者技术，BMI不能区分脂肪和肌肉。教练理解这些边界的意义在于：既不盲目信任单一数据，也不因工具的不完美而放弃使用，关键是交叉验证、纵向追踪、在精度范围内做判断。
教练的角色是模式识别者和行为引导者，不是临床诊断者。当评估发现超出教练执业范围的问题（疑似进食障碍、严重能量不足、生化指标异常），转介注册营养师或运动医学专业人员是正确的做法。
思考题
一份3日饮食记录显示训练者日均蛋白质摄入为1.8 g/kg/d，但餐次分配为早餐5g、午餐25g、晚餐75g。从MPS触发的角度分析，这一分配模式存在什么问题？如何调整？
训练者在A健身房用InBody BIA测得体脂率18%，在B健身房用Tanita BIA测得体脂率21%。训练者认为自己的体脂”一周涨了3%“。如何解释这一差异？
一名训练者连续4周执行能量赤字方案，但体重和腰围均无变化。饮食记录显示日均能量摄入比TDEE低500kcal。从评估角度分析可能的原因。
教练在访谈中发现训练者频繁出现”工作压力大就想吃甜的”“晚上控制不住零食”等表述。从行为改变阶段模型判断，该训练者可能处于什么阶段？教练应如何调整沟通策略？
教练转化清单
| 操作要点 |
|---|
| 掌握饮食记录的三要素：吃了什么、分量多少、进食背景 |
| 能为训练者布置3日饮食记录任务（2个训练日+1个休息日），并提供记录模板 |
| 能分析饮食记录中的蛋白质分配模式、碳水来源质量和微量营养素缺口信号 |
| 理解BIA的水合状态局限性，只将BIA数据用于纵向趋势监测 |
| 掌握标准化人体测量SOP（身高、体重、腰围、臀围、上臂围、大腿围） |
| 能计算FFMI并把它作为相对身高的去脂体重描述/趋势指标；不使用固定“自然极限/药物使用”分级做个体判定 |
| 能向训练者解释体脂率波动的生理学原因，避免单次数据引发的焦虑 |
| 识别进食时机异常、情绪性进食、社交饮食偏离等行为模式 |
| 掌握动机访谈的基本沟通原则：开放式提问、肯定、反思性倾听 |
| 明确教练评估边界：模式识别而非诊断，发现超出执业范围的问题及时转介 |
[1] Capling L, Beck KL, Gifford JA, et al. Validity of dietary assessment in athletes: a systematic review. Nutrients, 2017, 9(12): 1313. doi: 10.3390/nu9121313
[2] Burke LM, Deakin V. Clinical Sports Nutrition. 5th ed. Sydney: McGraw-Hill; 2015.
[3] Ackland TR, Lohman TG, Sundgot-Borgen J, et al. Current status of body composition assessment in sport: review and position statement on behalf of the ad hoc research working group on body composition health and performance, under the auspices of the I.O.C. Medical Commission. Sports Med, 2012, 42(3): 227-249. doi: 10.2165/11597140-000000000-00000
[4] 3HFIT SNC基础教材. 第2章 运动饮食评估. v6.
[5] 3HFIT SNC咨询实务教材. Ch02 营养评估工具与档案系统. v4.
[6] 3HFIT SNC基础教材. 第11章 营养时机与补剂. v6.
[7] Egan B. Protein intake for athletes and active adults: current concepts and controversies. Nutr Bull. 2016;41(3):202–213. doi:10.1111/nbu.12215.
[8] 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
[9] 3HFIT SNC基础教材. 第5章 碳水化合物代谢与训练. v6.
[10] Basiotis PP, Welsh SO, Cronin FJ, et al. Number of days of food intake records required to estimate individual and group nutrient intakes with defined confidence. J Nutr, 1987, 117(10): 1638-1641. doi: 10.1093/jn/117.10.1638
[11] Goldberg GR, Black AE, Jebb SA, et al. Critical evaluation of energy intake data using fundamental principles of energy physiology: 1. Derivation of cut-off limits to identify under-recording. Eur J Clin Nutr, 1991, 45: 569-581.
[12] Black AE. Critical evaluation of energy intake using the Goldberg cut-off for energy intake: basal metabolic rate. A practical guide to its calculation, use and limitations. Int J Obes Relat Metab Disord, 2000, 24: 1119-1130. doi: 10.1038/sj.ijo.0801376
[13] Heymsfield SB, Müller MJ, Bosy-Westphal A, et al. Human body composition: advances in models and methods. Am J Clin Nutr, 2007, 85(5): 1023-1037.
[14] 3HFIT SNC基础教材. 第3章 身体成分评估方法. v6.
[15] 3HFIT SNC咨询实务教材. Ch02 营养评估工具与档案系统. v4. 表2-6.
[16] ISAK. International Society for the Advancement of Kinanthropometry. https://www.isak.global/
[17] Kouri EM, Pope HG Jr, Katz DL, Oliva P. Fat-free mass index in users and nonusers of anabolic-androgenic steroids. Clin J Sport Med, 1995, 5(4): 223-228. doi: 10.1097/00042752-199510000-00003
[18] Kouri EM, Pope HG Jr, Katz DL, Oliva P. Fat-free mass index in users and nonusers of anabolic-androgenic steroids. Clin J Sport Med, 1995, 5(4): 223-228. doi: 10.1097/00042752-199510000-00003 （注：FFMI上限28+的数据来自此研究，Hubbard 2010为二次引用来源，原始数据以Kouri 1995为准。）
[19] Mountjoy M, Sundgot-Borgen J, Burke L, et al. The IOC consensus statement: beyond the female athlete triad—relative energy deficiency in sport (RED-S). Br J Sports Med, 2014, 48: 491-497. doi: 10.1136/bjsports-2013-093330
[20] Mathisen TF, Ackland TR, Burke LM, et al. Best practice recommendations for body composition considerations in sport to reduce health and performance risks: a critical review, original survey and expert opinion by a subgroup of the IOC consensus on REDs. Br J Sports Med, 2023, 57(17): 1148-1160. doi: 10.1136/bjsports-2023-106812
[21] Prochaska JO, DiClemente CC. Transtheoretical therapy: Toward a more integrative model of change. Psychotherapy: Theory, Research & Practice. 1982;19(3):276–288. doi:10.1037/h0088437.
[22] Nana A, Slater GJ, Hopkins WG, Burke LM. The effect of hydration status on the measurement of lean tissue mass by dual-energy X-ray absorptiometry. Eur J Clin Nutr. 2017;71:905–908. doi:10.1038/ejcn.2017.36. PMID:28204901.
[23] Cataldi D, et al. Accuracy and precision of multiple body composition methods and associations with muscle strength in athletes of varying hydration: The Da Kine Study. Clin Nutr. 2024;43(1). doi:10.1016/j.clnu.2023.11.040. PMID:38104490.
加5磅 · Day2 微量营养素补剂咨询与减脂方案
模块目录
模块1：M5 维生素、矿物质与水
模块2：M6 补剂决策框架
模块3：M7 首次咨询SOP与行为改变干预框架
模块4：M8 减脂方案专题