达能营养中心第六届学术研讨会论文集

李可基  屈宁宁

北京大学第三医院运动医学研究所，北京100083

 

摘要:  目的 比较基础代谢率（BMR）的种族差异和气候影响，对常用BMR预测公式应用于中国人群的效度进行评价。方法 收集国内外华裔人群的BMR检测数据，对实测结果进行综合统计，并与公式预测值进行比较和分析。结果 各公式预测值与实测值均有良好的相关性（P<0.01），平均误差<5%。多数情况下，各公式的预测值在南方偏高，在北方偏低。Liu公式的预测误差与体重和身高负相关（P<0.01）， Henry公式的预测误差与各参数均无显著相关（P>0.05）。结论 现有数据不支持中国人与白种人的BMR有人种差异，南方地区人群的BMR有偏低的趋势。综合比较，Henry公式的预测值更接近中国成人实测值。

关键词:  基础代谢  种族   气候   交叉效度

 

 

LI Ke-ji, QU Ning-ning

Institute of Sports Medicine, Peking University 3^rd Hospital, Beijing 100083, CHINA

 

Abstract:  Objective  To estimate the validation of BMR predictive equations applied in Chinese population and to analyze racial and climatic influence on BMR.  Methods  BMR data tested in Chinese were collect and combined for re-analysis.  These measured BMR were compared with the prediction of commonly used equations.  Results  The prediction of adopted equations was well associated with measured values (P<0.05), and the average bias was less than 5%.  In most of cases, the 3 equations predicted lower BMRs in southern populations and higher BMRs in northern populations.  The predicted bias of Liu-equation was negatively correlated with weight and height (P<0.01), as the predicted bias of Henry-equation was significantly correlated with neither variables (P>0.05).   Conclusion  Present data dose not support the existence of racial BMR difference between Chinese and Caucasian.  BMR in southern population tended to be lower.  Comprehensively, the prediction of Henry-equation was closer to measured BMR in Chinese adult population.

 

Key words:  BMR  race   cross-validation

 

中国人的基础代谢率（BMR）是否低于白种人一直有争议。与从白种人数据推导出的公式预测值对比，华裔学者和早年的西方学者认为中国人的BMR低于白种人^[1~6]。但是Henry则否认存在这种差异^[7]，其分析结果中中国人的BMR实测值低于预测值3.9%（女）或7.6%（男），而作者简单地将这种差别归因于中国人处于热带地区的地域影响。由于既往的分析多是基于各个独立的小样本数据，在分析BMR的各种影响因素时，难于避免例数少和抽样误差所带来的偏倚。同时由于过去的研究者未能区分中国本身的地域差别，可以使不同气候地区人群的BMR差异被误解为种族间的差异；也可以使不同种族人群间BMR的差异被误解为地区间的差异。所以，对中国人与白种人之间是否存在BMR的差异尚不能完全定论。有鉴于此，本文重新对既往中国人BMR的研究数据进行了筛选、整理、综合和统计分析，目的在于比较中国人与白种人BMR的差异和气候的影响，并对常用BMR预测公式应用于中国人群的效度进行评价。

 

1.1  资料来源

以中国生物医学文献数据库（CBMDISC）和中文生物医学期刊文献数据库（CMCC）为主，结合手工检索中文期刊发表的有关BMR的文献，共查到104篇，其中29篇测定了BMR。通过Medline检索1966年以来Chinese和BMR的国外期刊文献37篇，其中4篇报道了成人BMR测定结果。国内外文献合计共33篇，分为两类。

第一类提供了BMR等原始数据，可以用于全面的统计分析。其中对BMR测试条件和仪器交待不清者剔出；仅提供体表面积，未能提供年龄、身高、体重，无法通过有关公式预测BMR的文献亦剔出。最后入选文献12篇^{[1~3, 8~16]}，对象的基本情况列于表1。第二类文献取自1950年代以后的研究报告，作者对实验条件的控制有明确说明，同时根据作者提供的受试对象年龄、身高和体重的平均值，可以通过有关公式计算BMR预测平均值。未提供年龄、身高和体重，无法计算预测值者及样本量小于10例者剔出。最后入选文献10篇，包括15个不同年龄性别人群^{[3, 5, 6, 16~22]}。根据所在地域，各研究中的受试人群分别归类为南方（广东、香港和台湾），中部（长江沿线和四川）和北方（京津、河北和东北）。

Table 1  Anthropometric characteristic, age, and body mass index (BMI) of subjects

	n	Age (yrs)	Wt (kg)	Ht (cm)	BMI (kg/m2)
Male	382	25.8±8.2	54.4±7.7	166.5±6.6	19.6±2.3
Female	241	25.3±8.0	47.2±7.4	156.1±5.3	19.3±2.7

1.2  BMR预测

Table 2  BMR predictive equations（kJ/d）

Author (age)	Male	Female
Henry (18-30)	51W + 3500	47W + 2880
Henry (30-60)	53W + 3070	39W + 3070
Schofield (18-30)	63W + 2896	62W + 2036
Schofield (30-60)	48W + 3653	34W + 3538
H-B (³18)	278+58W+21H-28A	2741+40W+8H -20A
Liu (³18)	58W + 1741H - 14A - 470S + 227

W: weight, H: height, A: age, S: sex (male=0, female=1).

选择常用BMR预测公式（表2）^{[6, 7, 23]}进行计算，在同一公式有多种参数形式时，首选体重进行计算。

1.3  分析统计方法

提供了原始数据的第一类文献，每个对象的数据采用不同公式计算预测值。不同公式预测值与实测值进行相对比较，以百分差值（100%-100%´实测值¸预测值）表示。评价预测公式的效度和分析影响预测结果的有关因素，预测值与实测值做相关分析，预测误差（实测值ò预测值）与体重、BMI、年龄等参数做相关分析。只提供均数的第二类文献分别不同人群，代入年龄、身高和体重均值，应用不同公式计算BMR预测值及其与实测值的百分差值。当体重等指标只给出范围值时，取上下限值的均值。同时将不同研究的测定值按样本量做加权平均与各公式预测值比较。没有直接提供每天BMR实测值者，根据体表面积和单位体表面积BMR计算每日BMR。

统计计算采用SPSS10.0和EXCEL2000软件。

 

2.1  个体BMR实测值与不同公式预测值的比较（表3，表4）

统计计算后的BMR实测值与各公式预测值的相对差别列于表3和表4。以预测值为100%，给出的百分差值说明实测值高于（正数）或低于（负数）预测值的百分数。

Table 3  Comparison of percent difference between measured and predicted BMR

 in male individuals from various regions

Equations	Total n=382	Southern n=103	Central n=99	Northern n=180
Henry	-2.74±8.52	-7.08±6.78	-1.37±8.11	-1.02±8.81
Schofield	-4.10±8.22	-7.52±6.52	-2.58±7.89	-2.97±8.74
Liu	2.48±9.37	-1.88±6.82	4.06±8.48	4.11±10.3
H-B	-1.91±9.40	-7.05±6.44	-0.657±8.44	0.342±10.22

 

Table 4  Comparison of percent difference between measured and predicted BMR

 in female individuals from various regions

Equations	Total n=241	Southern n=92	Central n=49	Northern n=100
Henry	-1.06±8.39	0.179±8.60	-4.93±10.06	0.309±6.65
Schofield	0.962±9.32	4.17±9.80	-3.16±10.08	0.031±7.36
Liu	3.53±9.49	5.87±10.31	-0.075±10.69	3.15±7.31
H-B	4.53±8.82	4.82±8.88	1.10±11.1	5.94±6.95

不分地域对比，男性和女性各公式预测值与实测值的平均差别均小于5%。与男性实测值相比，Henry的预测值略高，Liu的预测值略低；女性结果中，Henry和Schofield的预测值与实测值的差距在1%左右，而Liu和H-B的预测值分别低3.5%和4.5%左右。综合两性的结果看，Henry的预测效果相对较好。

分别地域对比，男性的结果中可见地域影响的趋势，Liu公式在南方的预测值更接近实测值、而Henry、H-B和Schofield公式在北方的预测效果更好。女性的结果中地域变化趋势没有如此明显，仅可见到Liu和Schofield的预测值在南方偏高、在北方偏低的趋势。

2.2  群体BMR实测平均值与不同公式预测值的比较

图1汇总了第二类文献报告的BMR平均值与Henry公式预测值的比较结果。预测值和实测值相对差别表示为百分差值及其95%可信区间。每个数据点代表一个样本的实测值均数，区间线上方或下方的数字代表数据来源的文献号,图标的大小代表样本量。横坐标轴代表实测值与预测值相等，差值为0%。数据点在横坐标轴下方或上方，对应的纵坐标数值表示其实测值低于或高于预测值的百分数。如果实测值的95%可信区间线与横坐标交叉，则实测值与预测值的差别没有显著差异（P>0.05）。从趋势上看，多数样本的实测值显著低于预测值，其中较大样本人群（n>18）的中部和北方人群实测值与预测值差距小于3%，而纬度较低的台湾和广东地区的三个较大样本人群（n>50）实测值均低于预测值。两性数据合计，实测值与预测值的百分差值小于6%（表5）。比较地区间差异，南方人群的预测值偏高，而中部人群和北方人群的预测误差减小，其中Liu预测值在中部和北方人群与实测值更接近。

Table 5  Comparison of percent difference between predicted BMR

and average BMR measured in subject groups from various regions

2.3  不同公式预测值与实测值的相关性

个体实测值与公式预测值均显著相关（P<0.01）。Henry和Liu 公式的相关系数，男性为0.577和0.590；女性为0.586和0.599。图2显示一些个体实测值与预测值的偏差较大，实测BMR低者，预测值偏高；实测BMR高者，预测值偏低。Henry公式的男性预测值在1500kc/d左右与实测值最接近（图2A），Liu公式的女性预测值在1100kc/d左右与实测值最接近（图2B）。两个公式都仅图示了一个性别，另一个性别的趋势近似。

2.4  不同公式预测误差与年龄、身高、体重和BMI的相关分析

Table 6  Correlation for predicted bias with age, height, weight and BMI

	Male			Female
	Henry	Liu		Henry		Liu
Age	0.055	0.069	-0.064		-0.020
Ht	-0.015	-0.278**	0.011		-0.299**
Wt	-0.011	-0.211**	-0.004		-0.304**
BMI	0.000	-0.066	-0.022		-0.209**

*P< 0.05, **P< 0.01

通过相关分析比较身高、体重等参数对公式预测误差的影响，可见Liu公式的预测误差与体重和身高显著相关（表6），随体重和身高增加，预测值趋低（表6，图3A）。Henry公式与所检测的参数均没有显著相关（图3 B，表6）。

4.5  Henry公式预测值与中国居民膳食营养素参考摄入量（RNI）的BMR参考值比较

我国RNI参考人的BMR列于表7，与根据相应参考体重和Henry公式计算的预测值对比，男性50-60岁年龄组的预测值偏高近4%，女性18-30岁年龄组则偏高近7%；其他年龄组的预测值，男性偏高，女性偏低，但偏差均小于2%。

Table 7  Comparison of Henry predictive BMR with Chinese reference BMR

Sex	Male			Female
Age group（yr）	18-30	30-50	50-60	18-30	30-50	50-60
Reference wt（kg）	63	63	65	56	56	58
RNI （kc/d）	1561	1561	1551	1253	1253	1267
Henry （kc/d）	1629	1596	1619	1340	1249	1268
RNI （kc/kg/d）	25	25	24	22	22	22
Henry （kc/kg/d）	25.5	25.3	24.9	23.5	22.3	21.9

 

从一个人群数据推导出的公式应用在其他人群的交叉效度研究，比较BMR预测值和实测值之间的误差，可以对该公式的实用性和有效性进行评价^[23]。Schofield和H-B公式在中国人群的应用已经有很多报道，Liu公式的预测值还没有与大陆人群实测值进行过比较，而Henry公式仅与18~30岁年龄组中国人的实测数据作过对比。然而，现有的研究都没有系统分析中国不同气候地区对BMR的影响。为此，本研究对上述公式进行了更全面的评价。

3.1  BMR的种族差异和地域差异

中国人和白种人BMR不同的认识主要依据中国人实测BMR与H-B和Schofield等预测公式的对比^[1~6]。推导Schofield公式所依据的数据含有3000余例意大利士兵，受到学术界的质疑；而H-B公式年代较早、推导依据的例数仅100余例。因此Henry等作者进一步筛选、补充了Schofield的数据库^[7]，重新推导了公式，其分析结果认为不存在中国人与西方人的种族差异。同样进行实测值与Henry等公式预测值的比较，本研究的个体和人群结果显示了不同的趋势。前者倾向于BMR无人种差别（表3和表4），而后者显示中国人BMR实测值普遍低于预测值（表4，图1），分析其中的原因，应考虑如下问题：

首先，既往关于中国人BMR偏低的推断，不仅有所用公式的影响，还有地域的影响。Henry公式主要来自于北欧和北美的白种人，对比其预测值，与处于同一气候带的中部和北方中国男性个体和两性合并均数的实测值更接近。与其他公式的预测值相比，男性个体和两性合并均数的分析结果，也都可见南方偏高，北方偏低的趋势。但是，对于女性个体数据的结果，由于测定对象都未能控制月经周期，其结果中的变异可能还有内分泌的影响。

其次，近代气体代谢测定系统的改变可能造成人种差异的假象。有作者提出早年采用的闭路式气体代谢系统较现代开放式系统的测定结果偏高^[24]，但是另外一些作者认为两类方法没有差别^[25]。由于Henry公式所依据的人群数据含有多种测定方法的结果，测定技术对这一结果的影响未知。但是，采用闭路系统数据推导出的H-B公式在男性个体数据中的结果与Henry公式接近，而其预测值在女性个体数据中还低于实测值；另一方面，Liu公式从气候属于南方的台湾人群推导出来，测定技术属于开放式，但其预测值与中部和北方人群均数的实测值更接近（表5）。所以，本研究的结果没有显示不同测定技术的影响。

第三，本研究中个体数据年代较早，受试对象的平均体重较低，而人群均数的数据年代较晚，体重较高。我们的相关分析结果显示Henry公式基本不受被预测人群体重的影响（表6），但是体重的变化可增加Liu公式的预测误差。所以，两类数据显示的不同趋势不能完全用其对象的体重差异来解释。

最后，近年文献中国人BMR实测值较低的原因可能还有更复杂的背景。例如（1）图1中虽然大部分人群的实测值与预测值差别显著，但是由于BMR的研究一般为非随机抽样，其中例数较少的研究受抽样误差的影响更大。将图1中的数据加权平均后，预测偏差明显降低（表5）说明了这一影响。（2）近年研究结果的标准差可两倍于早年的研究结果，提示试验条件的控制可能有尚待改进之处。测定条件控制的失误（如口嘴或面罩漏气）可以造成测定结果偏低，这种失误的影响目前无法追溯。（3）多数结果的预测值和实测值的差距很小，根据报道，气体代谢技术的误差在5%左右^[26]，同一人群不同个体^{[3,4,6,21, 26]}的变异系数为5.9%至17.9%，而同一个体重复测定的变异系数为2%~3%^{[3, 26]}。因此，5%以内的BMR差别很难确定其生理意义。

综上所述，根据Henry标准，中国人个体数据的差距小于3%，而中国人群均数低近6%。如果将其中南方数据分离，则预测偏差小于5%。因此，这些数据不能说明BMR在中国人和白种人之间存在种族差异，而提示关于中国人BMR低于白种人的推断很可能与地域或气候的影响有关。所观察到的地域差别肯定了气候影响BMR的传统认识，而与近年西方学者否定气候影响BMR的观点相悖^[26]。另一方面，本研究的结果虽然支持Henry关于BMR无种族差异的结论，但是Henry的分析没有区分中国人数据的不同地区来源，并且把其结果中实测值与预测值3.9%（男）或7.6%（女）的差距归因于中国人处于热带地区^[7]，而本研究纠正了其前提条件的偏颇。还需说明的是本研究的结果只是不支持BMR的种族差异，基于现有数据的例数和质量，还不能完全除外BMR种族差异的存在，但这种差别可能没有既往认为的那样大。

3.2  不同预测公式的交叉效度和影响因素

Schofield公式^[23]虽然在1985年为FAO和WHO所采用，近年很多西方学者对其提出质疑，目前认为Henry的修正公式是更好的选择。台湾学者Liu等1995年测定了不同年龄段两性200余例BMR^[6]，随机抽取其中一半数据回归公式，另一半数据做交叉效度研究。在中国人BMR的研究中，对象选择和公式推导相对更为严谨。因此，本研究着重对这两个公式在中国人群中的应用效度进行了评价。

公式预测BMR的局限是如果被预测人群与原推导公式所依据人群身高体重不同时，误差会加大。推导人群的身高、体重、年龄影响公式的斜率和截距取值，预测误差随被预测人群身高、体重等指标的变化而变化。本研究中不同公式在不同人群的预测结果和趋势不同、预测值与实测值的相关系数低于作者的原始报道、预测偏差分布分散等都可能与此有关。

具体到Henry公式，尽管出自白种人群，用于中国人群BMR预测的效果相对最好，身高、体重、年龄和BMI对预测误差均没有显著影响；用于中国大陆居民总体BMR参考值的估算，误差也较小（表7）。而对于台湾学者的公式，虽然其预测误差小于Schofield公式，与实测值的相关系数也高于Henry公式。但是Liu公式的预测误差与体重和身高显著相关（表6），尽管其公式中包含了体重和身高的参数。根据Liu推导公式的数据来源，该公式用于中国南方人群应该更为适宜，但是本研究仅显示在男性个体数据中预测误差较小。

3.3  公式预测BMR的应用和局限

本研究的结果可见，即使是Henry公式，也存在明显的预测误差（图2A），BMR低者，预测值偏高；BMR高者，预测值偏低；而且一些个体的实测值和预测值相差较大。BMR的预测公式只反映一个人群BMR的平均水平，针对每一个个体，同样有误差范围，但是现有公式大多没有提供有关信息。本研究的数据回归后所得到的95%可信区间约在预测值的正负10%范围内，这说明如果一个个体的预测值与实测值没有超过这一范围，就不能认为这种差别具有统计学意义。由于能量平衡影响体重，要求较高的准确度，正负百分之几的差异长期积累，就足以对体重造成不容忽视的影响。因此，在这一误差范围内，BMR预测公式应用于个体的价值非常有限^[23]。特别是临床病人，还有疾病、应激、用药、手术、卧床和体力活动水平变化等因素对BMR的影响，预测的误差可能更大，实测每个病人的BMR或静息代谢是得到更准确结果的选择。

3.4  结论

现有BMR数据不支持中国成人BMR与白种人有人种差异。南方地区人群的BMR有偏低趋势。体重身高等参数影响Liu公式预测BMR的准确性，Henry公式的预测值相对更接近中国成人实测值。

（本研究在资料收集过程中，得到郭长江、金宏和扬长林教授的帮助，特此致谢）