肥胖率是怎么算出来的：一份数据背后的四个口径问题

BMI、腰围、自报数据与时间跨度，决定你看到的数字

柏霖智生 · GenoMind AI｜品牌专题

体检报告上那两个字

一位跑长途的货运司机，四十六岁，身高一米七五，体重八十八公斤。体检报告在结论栏里写了「超重」，建议控制饮食、增加运动。他把报告折起来塞进车门储物格，回家跟媳妇说，你看我这样子像超重吗。

他确实不像很多人想象中的胖。肩膀宽，胳膊粗，常年搬货，力气不小。但他一天坐十个小时，服务区的饭多是盖饭和面，晚上收车以后还要吃一顿。裤腰从两尺六变成三尺一，他自己知道，只是不愿意把这两个字和自己联系起来。

这样的困惑很普遍。一边是报告上的数字，一边是镜子里的样子，两者对不上时，人通常会选择相信镜子。问题在于，这两个判断用的都不是同一把尺子，而公共讨论里那些肥胖率，用的又是第三把。

这篇文章不讨论该不该减，而是先弄清楚那些数字是怎么来的。看懂口径，才知道一个百分比在说什么，也才知道它和你自己有没有关系。

BMI本来不是给个人用的

体重指数是把体重除以身高的平方，单位是公斤与米的平方。这个算法诞生于十九世纪，最初的目的不是判断某个人的健康状况，而是给人群做一个粗略的体型分布描述，方便统计学家比较不同地区、不同年代的群体。

它被广泛使用，是因为便宜。只需要一把秤和一根尺，不需要仪器，不需要抽血，几秒钟就能得出结果。对公共卫生来说，这是极大的优势：可以在几十万人身上重复，可以跨国家比较，可以一年一年地追踪。

但它的粗糙也是明摆着的。它无法区分脂肪和肌肉，无法知道脂肪长在腰上还是腿上，也无法反映同一个体重在不同身高的人身上分布如何。把它当成个人诊断，就像用平均气温判断今天该穿什么，方向大致对，细节全错。

所以看到「超重」「肥胖」这样的结论时，一个更准确的理解是：这个人的体型落在人群分布的某一段里，需要进一步看看。它是一个提示，不是判决，更不是全部。

同一个数字，三种完全不同的身体

三个人体重指数都是二十八。第一位是常年做力量训练的健身房教练，体脂不高，肌肉量大；第二位是办公室职员，四肢细，肚子大，几年没运动；第三位是刚做完手术的人，体重里有相当一部分是水分。三个人的代谢风险完全不在一个层级。

这就是为什么单看体重指数会漏人。第二类人最容易被漏掉：体重在正常范围，甚至偏瘦，但内脏脂肪多，血脂血糖已经开始异常。他们在体检报告上不会出现「超重」两个字，因此也不会被提醒，等到发现问题时往往已经晚了几年。

反过来，第一类人容易被误判。肌肉比脂肪重，同样的体积，练力量的人体重更高，体重指数可能落到超重区间，体检结论照样写「建议控制体重」。他如果照着建议节食，减掉的很可能是肌肉。

所以判断一个人的体重问题，至少要三样东西：体重指数、腰围、以及这个人最近几年的变化趋势。前两个是横截面的，后一个是纵向的。缺了趋势，你无法判断他只是体型如此，还是正在往某个方向走。

腰围比体重更能说明问题

腰围的意义在于它粗略反映了脂肪堆在哪里。长在皮下的大腿和臀部脂肪，代谢风险相对低；堆在腹腔里的内脏脂肪，与血脂异常、脂肪肝、血糖问题的关联更紧。腰围量的是后者。

测量方法比数值更值得强调。要在肋骨下缘和髂骨上缘之间的中点量，用软尺贴着皮肤但不勒紧，正常呼气末读数，不要收腹。很多人量的是裤腰位置，那个数字通常比真实腰围小几厘米，量了等于没量。

判断上，国内常用的一条线是男性九十厘米、女性八十五厘米，超过就需要进一步评估。还有一个更简便的办法：腰围不超过身高的一半。一个一米七五的人，腰围控制在八十七厘米以内，这个标准不依赖性别和年龄表，记起来容易。

腰围也有它的局限。身高很矮或很高的人，单看绝对值会失真；腹部有手术瘢痕、腹水、明显腹胀的人，测量结果也不可靠。它是一个筛查工具，不是结论。发现超标，下一步该做的是查血脂血糖和肝脏超声，而不是立刻开始节食。

调查里的身高体重，多半是自报的

很多肥胖率来自问卷，而问卷里的身高体重是人自己说的。这里有一个稳定的偏差方向：身高往多了说，体重往少了说。两个方向叠在一起，算出来的体重指数会系统性偏低。

偏差的大小和人群有关。年轻女性报告体重时的修正幅度通常更大，男性则更倾向于把身高说高一点。受教育程度、体重实际水平、访问方式也会影响。面对面访问比电话访问的偏差小一些，因为人面对真人时更不好意思虚报。

做研究的机构知道这件事，所以大型调查会抽一部分人做实测，用实测数据去校正自报数据。看报告时如果能找到「实测子样本」「校正后数据」这样的说明，可信度会高不少。只写自报、没提交校正的，数字通常会偏乐观。

这一点对普通人的启示很直接：如果你家的体重秤三年没换过电池，或者每次称重都在饭后、穿着外套，那你自己记录的体重也在往某个方向偏。固定时间、固定条件、同一台秤，是让数字有意义的最低要求。

患病率、发病率、就诊率，三个数不能互换

新闻里说的「肥胖率」，多数时候指的是患病率：在某个时点，人群中符合肥胖标准的人占多大比例。它描述的是存量，不是新增。一个地方患病率高，可能是多年来累积的结果，也可能是老龄化程度高。

发病率说的是新发：一年里有多少人从正常变成超重或肥胖。它反映的是趋势和速度，对判断未来更有用，但需要重复调查才能算出来，成本高，公开数据也少。把患病率当发病率读，会得出「每年都在快速增加」的错误印象。

就诊率或治疗率又是另一个概念：真正去过医院、接受过干预的人占多少。这个数字通常远低于患病率，中间的差距反映的是认知、可及性和支付能力。做服务设计时看这个数，比看患病率更实际。

还有一层是定义本身的差异。成年人用固定的体重指数切点，儿童青少年则要用同龄同性别的人群百分位，因为孩子在长身体；孕妇、运动员、老年人也各有各的判断方式。一份报告如果没写清用的是哪套标准，跨群体比较就没有意义。

热量账本为什么总和现实对不上

如果把肥胖简单理解为摄入大于消耗，会碰到一个解释不了的现象：在一些国家的调查里，人们自报的能量摄入这些年是在下降的，而人群的体重却在上升。两个趋势反着走，说明至少有一边的测量出了问题。

问题多半出在摄入这一侧。自报的食物量普遍偏少，漏掉的主要是零食、饮料、烹调油和酒精。一杯加了糖的奶茶、两勺炒菜油、下班路上的一小袋坚果，都很难在回忆里被准确还原。有研究用更严格的测量方法核对过，差距不小。

消耗这一侧同样不稳定。体重下降之后，基础代谢会跟着降，日常不自觉的活动也会减少，人并没有刻意偷懒，只是动作变少了、坐的时间变长了。这就是为什么同样的吃法，减过一轮之后不再管用。

还有食物本身的变化。同样一千千卡，来自整块肉、蔬菜和米饭，与来自含糖饮料、糕点和油炸食品，对饥饿感、血糖波动和后续进食的影响不同。人群层面的数据看不见这一层，个体感受却非常清楚：吃完没多久又饿。

孩子和老人：同一条线，两种算法

儿童青少年不能用成年人的切点。孩子在长个子，体重和身高同时在变，同一个体重指数在不同年龄对应完全不同的位置。所以儿科用的是同龄同性别的人群百分位：把孩子的数值放到一群同年龄孩子里，看他排在哪一段。

这意味着看孩子不能只看一次。今年排在中间，明年排到偏上，变化的方向比单次数值更重要。家长容易走两个极端：一个是觉得孩子胖点结实，等到青春期才着急；另一个是让小学生开始节食，主食和肉一起减，影响了长个子和发育。

对孩子的合理做法通常是控制增重的速度，而不是让体重往下掉。少喝含糖饮料、减少油炸零食、保证蛋白质和睡眠、每天有户外活动，这几件事做到，身高长上去，体重指数自然往下走。用成年人的减肥思路对待孩子，往往得不偿失。

老年人这一端正好相反。对高龄人群来说，体重略高一些往往不是坏事，体重过轻、肌肉过少才是需要担心的情况。有一种状态叫肌少性肥胖：体重看着没变，脂肪多了，肌肉少了，人却没力气，走路慢，容易跌倒。

所以同一个体重指数，在六十岁和十六岁身上读法完全不同。判断老人，要看握力、走路速度、半年内有没有非刻意地变瘦；判断孩子，要看百分位的变化曲线和生长速度。把成人的那把尺子直接套过去，两头都会出错。

假设情境：一位司机的评估怎么走

下面是一个假设情境，用来说明顺序，不是真实案例。就是开头那位司机，四十六岁，身高一米七五，体重八十八公斤，腰围三尺一，大约一百零三厘米。他不喝酒，抽烟，一天两顿正餐加一顿夜宵，睡眠六个小时左右。

第一步不是给食谱，是补三项检查。血压、空腹血糖与糖化血红蛋白、血脂加肝脏超声。他上一次体检只做了常规项目，肝功能的转氨酶轻度升高，没人跟他说这意味着什么。这三项决定了他属于哪一类人，也决定了先处理什么。

第二步是把吃饭的场景摊开。服务区的盖饭，米饭往往一大份，菜里油多；夜宵是一碗面加两个卤蛋；白天在车上喝两瓶含糖饮料提神。这些加起来，能量远超他自己的估计。他以为问题在晚饭吃得多，实际上大头在饮料和油。

第三步定一个他能做的改动，而不是一份理想食谱。饮料换成无糖茶或者水，服务区点餐时把米饭减半、加一份青菜，夜宵从面改成鸡蛋加牛奶。三件事都不需要厨房，也不需要他改变作息。

第四步约定复评。一个月后称重、量腰围，三个月后复查血糖血脂。他常年在外，复评只能靠手机记录和就近的社区检查。方案里如果不考虑这一点，再合理也执行不下去。

读者常问的三组问题

问：体重指数正常，是不是就不用管了？答：要看腰围和家族史。四肢细、肚子大的人，体重指数常常落在正常区间，代谢风险却不低。腰围超标、血脂异常、家里有糖尿病史，这几条里占了两条，就值得进一步检查，而不是等数字变红。

问：为什么我算出来的热量和实际吃的对不上？答：因为两边都在估。食物的份量靠眼睛，烹调油靠猜，消耗靠手环。比较可行的办法是固定几样常吃的东西，称一次记住分量，以后按份估算，比每天精确记账更容易坚持。

问：体重掉得快是不是更好？答：短期掉得快，很大一部分是水分和糖原。真正值得关注的是脂肪减了多少、肌肉有没有保住。对中年以后的人来说，减重速度过快、蛋白质不足，很容易换来体重达标但体力下降的结果。

工具在这件事里的位置

体重管理里最容易丢的，不是决心，而是记录。体重、腰围、吃了什么、在吃什么药、上一次化验是什么时候，这些信息散在手机备忘录、体检报告和药盒上，复诊时只能靠回忆拼凑，拼出来的往往还是最近两周的情况。

柏霖智生在介绍 GenoMind AI 时，把它定位为面向生物医学信息分析与个性化营养辅助的系统，强调机制信息整合、药物与营养相互作用提示以及随访更新。放到体重管理里，它适合做的是把散落的记录整理成一条时间线，标出用药与营养之间需要注意的地方，并在复评时呈现变化。

它不该做的事也很清楚：不替人下诊断，不替医生判断甲状腺功能或者肾功能，不把一个人几天的体重波动解释成方案有效或无效。体重本身就是会波动的数字，工具如果放大了这种波动，反而会让人更焦虑。

判断这类工具好不好用，可以看一个细节：它呈现的是趋势还是单点。只给一个今天的数字，价值有限；能画出三个月的曲线，并标出期间换过什么药、得过什么病，才真正帮得上复诊时的讨论。

给正在看体检报告的人三条建议

第一，把「超重」这两个字当成一个提问，而不是一个评价。它提示的是需要再查几项，不是需要立刻挨饿。先量腰围，再看最近三年的体重变化，然后决定要不要做血糖血脂和肝脏超声。

第二，用量腰围代替天天称重。体重一天之内可以差一两公斤，受饮水、排便、盐分影响很大。腰围一个月量一次，变化慢，但方向更可靠。同一时间、同一位置、同一条软尺，这三个「同一」比任何仪器都重要。

第三，把改动放在最省力的地方。多数人的问题不在晚餐，而在饮料、烹调油和久坐。先把这三处改掉，比制定一份需要每天备餐的食谱更容易执行，也更容易在两个月后还在坚持。

柏霖智生在这个方向上的探索，落点也在这里：把零散的体重、腰围、用药和化验整理成可以被讨论的东西。数据本身不会让人变瘦，但一条看得清的曲线，能让人知道自己究竟走到了哪一步。