🌐 ไทย
EnglishالعربيةБългарскиবাংলাBosanskiČeštinaDanskDeutschΕλληνικάEspañol (España)Español (Latinoamérica)EestiSuomiFilipinoFrançaisहिन्दीHrvatskiMagyarBahasa IndonesiaItaliano日本語한국어LietuviųLatviešuМакедонскиBahasa MelayuNorsk bokmålNederlandsPolskiPortuguês (Brasil)Português (Portugal)RomânăРусскийSlovenčinaSlovenščinaShqipSrpskiSvenskaไทยTürkçeУкраїнськаاردوTiếng Việt简体中文繁體中文
Body composition

ISAK Profiling กับสมการ Skinfold ในการวัดองค์ประกอบร่างกาย

การประเมินสัดส่วนร่างกายตามมาตรฐาน ISAK ช่วยกำหนดมาตรฐานการวัดหลายตำแหน่งและการแยกส่วนเนื้อเยื่อทางกายวิภาค จึงช่วยหลีกเลี่ยงความคลาดเคลื่อนเฉพาะกลุ่มประชากรและข้อผิดพลาดจากการปะปนระดับโมเลกุลกับระดับเนื้อเยื่อที่มีในสมการ skinfold ทั่วไป อย่างไรก็ตาม ทั้งสองวิธีเป็นเพียงการประเมินทางอ้อมขั้นที่สองและไม่มีความไวเพียงพอที่จะตรวจจับการเปลี่ยนแปลงของมวลไขมันในระยะสั้นที่น้อยกว่า 0.5 กก.

อัปเดตล่าสุด: 2026-09-15

การประเมินสัดส่วนร่างกายอย่างครอบคลุมตามมาตรฐานของสมาคมระหว่างประเทศเพื่อความก้าวหน้าทางกายวิภาคศาสตร์ประยุกต์ (ISAK) เป็นการวัดหลายตำแหน่งที่ได้มาตรฐานและแยกองค์ประกอบของเนื้อเยื่อตามหลักกายวิภาค ในขณะที่สมการคำนวณจากความหนาของชั้นไขมันใต้ผิวหนัง (skinfold) แบบมาตรฐานอาศัยการถดถอยทางสถิติ (statistical regression) ในการคาดการณ์ความหนาแน่นของร่างกายหรือเปอร์เซ็นต์ไขมันรวม [4, 6, 9] แม้ว่าการแยกส่วนเนื้อเยื่อของ ISAK จะช่วยลดความคลาดเคลื่อนทางคณิตศาสตร์ที่เกิดจากการนำสมการถดถอยเฉพาะกลุ่มประชากรมาใช้กับบุคคลทั่วไปได้ แต่วิธีการทั้งสองก็ยังคงเป็นการวัดทางอ้อมขั้นที่สอง (doubly indirect) ซึ่งไม่มีความไวเพียงพอที่จะตรวจจับการเปลี่ยนแปลงของมวลไขมันในระยะสั้นที่ต่ำกว่า 0.5 กก. ได้ [16, 17]

ข้อจำกัดของสมการ Skinfold แบบมาตรฐาน

การประเมินไขมันในร่างกายแบบดั้งเดิมจะใช้การวัดด้วยคาลิปเปอร์ (caliper) ในตำแหน่งที่กำหนด แล้วนำค่าไปใส่ในสมการถดถอย เช่น Jackson and Pollock หรือ Durnin and Womersley [4] สมการเหล่านี้ถูกพัฒนาขึ้นจากกลุ่มประชากรตัวอย่างที่จำเพาะเจาะจง ทำให้ยากที่จะนำไปปรับใช้ให้แม่นยำในกลุ่มนักกีฬา อายุ เพศ หรือขนาดร่างกายที่แตกต่างกัน [4, 11, 16]

เมื่อนำสมการถดถอยมาตรฐานแต่ละสูตรมาคำนวณกับชุดข้อมูลการวัดเดียวกัน ผลลัพธ์ที่ได้มักจะแตกต่างกันอย่างมาก:

  • ความคลาดเคลื่อนระหว่างสูตร: การนำสมการที่ได้รับการตีพิมพ์หลายๆ สูตรมาคำนวณจากข้อมูล 8 ตำแหน่งชุดเดียวกันที่วัดโดยผู้เชี่ยวชาญ ISAK ระดับ 3 ให้ค่าเปอร์เซ็นต์ไขมันที่ประเมินได้แตกต่างกันตั้งแต่ 5.29% (สูตร Carter) ไปจนถึง 8.22% (สูตร Faulkner) [3] และในการศึกษาในผู้ใหญ่ 87 คน ค่าเฉลี่ยเปอร์เซ็นต์ไขมันที่ได้แตกต่างกันระหว่าง 8.90% ถึง 17.91% ในผู้ชาย และ 15.33% ถึง 28.79% ในผู้หญิง โดยขึ้นอยู่กับสมการที่เลือกใช้เพียงอย่างเดียว [9]
  • ความคลาดเคลื่อนอย่างเป็นระบบ (Systematic Bias): เมื่อเทียบกับเกณฑ์มาตรฐานระดับ Gold Standard แบบ 4 องค์ประกอบ (4C model) พบว่าสมการ Durnin and Womersley มีค่าความคลาดเคลื่อนเฉลี่ยอยู่ที่ -2% ขณะที่สมการ Jackson and Pollock มีค่าความคลาดเคลื่อนเฉลี่ยอยู่ที่ -6.6% โดยทั้งสองสูตรประเมินไขมันในร่างกายของผู้ที่มีขนาดตัวใหญ่ต่ำกว่าความเป็นจริงอย่างเป็นระบบ [4]
  • ความไม่สอดคล้องกับเกณฑ์อ้างอิง: ในนักกีฬาเยาวชนที่ได้รับการประเมินเทียบกับแบบจำลอง 3 องค์ประกอบ (3C model) สมการยอดนิยมอย่าง Durnin-Womersley, Jackson and Pollock แบบ 7 ตำแหน่ง และ Slaughter มีค่าเบี่ยงเบนจากมวลไร้ไขมันที่เป็นเกณฑ์อ้างอิงอย่างมีนัยสำคัญ [8, 15] ในทางตรงกันข้าม สมการ Evans แบบ 3 ตำแหน่งสำหรับผู้ชาย (ผลต่างเฉลี่ย = 1.8 ± 3.56 กก., สัมประสิทธิ์ความสอดคล้องของ Lin [CCC] = 0.93) และสมการ Evans แบบ 7 ตำแหน่งสำหรับผู้หญิง (CCC = 0.82, ค่าความคลาดเคลื่อนมาตรฐานของการประมาณการ [SEE] = 2.01 กก.) แสดงให้เห็นถึงความสอดคล้องที่สูงกว่า [8, 15]
  • ผลกระทบต่อการนำไปใช้งานจริง: เมื่อต้องกำหนดเกณฑ์น้ำหนักเป้าหมาย เช่น น้ำหนักขั้นต่ำสำหรับการแข่งขันมวยปล้ำ (MWW) ความคลาดเคลื่อนของเปอร์เซ็นต์ไขมันจากสมการเหล่านี้สามารถทำให้เกิดส่วนต่างของความคลาดเคลื่อนมาตรฐานได้ถึง 2.4 ถึง 3.2 กก. ซึ่งส่งผลให้เป้าหมายน้ำหนักขั้นต่ำคลาดเคลื่อนไปได้สูงสุดถึง 3.3 กก. [8, 15]

ความคลาดเคลื่อนส่วนใหญ่นี้มีสาเหตุมาจากความขัดแย้งเชิงแบบจำลองพื้นฐาน สมการถดถอยแบบดั้งเดิมพยายามประมาณการมวลไขมันในระดับโมเลกุล (แบบจำลองที่ 2: มวลลิพิดรวมเทียบกับมวลที่ปราศจากลิพิด) ในขณะที่คาลิปเปอร์ทำการวัดผิวหนังและเนื้อเยื่อไขมันใต้ผิวหนังในระดับเนื้อเยื่อทางกายวิภาค (แบบจำลองที่ 4) [9, 14] การนำมวลลิพิดมาปะปนกับเนื้อเยื่อไขมันทางกายวิภาคจึงก่อให้เกิดความคลาดเคลื่อนของแบบจำลองตั้งแต่ต้นอยู่ที่ 8% ถึง 10% [9]

การวัดสัดส่วนร่างกายแบบครอบคลุมตามมาตรฐาน ISAK และการแยกส่วนเนื้อเยื่อ

เพื่อก้าวข้ามข้อจำกัดและสมมติฐานของสมการถดถอยแบบ 2 องค์ประกอบ ISAK จึงได้นำเสนอเกณฑ์วิธี (protocol) การวัดแบบหลายมิติที่ได้มาตรฐาน ร่วมกับการใช้แบบจำลองการแยกส่วนเนื้อเยื่อทางกายวิภาค [6, 7, 12]

รายการวัดมาตรฐานและเกณฑ์ความคลาดเคลื่อนทางเทคนิค

ISAK มีการกำหนดมาตรฐานการฝึกอบรมผู้ปฏิบัติงานตามระดับการรับรอง (Certification Tiers):

  • Restricted Profile (ระดับ 1): ประกอบด้วยการวัด 21 ตำแหน่ง ได้แก่ ค่าพื้นฐาน 4 ค่า, ความหนาชั้นไขมัน (skinfold) 8 ตำแหน่ง, เส้นรอบวง 6 ตำแหน่ง และความกว้างกระดูก 3 ตำแหน่ง [7] ผู้ปฏิบัติงานต้องผ่านเกณฑ์ความคลาดเคลื่อนทางเทคนิคในการวัด (TEM) ไม่เกิน 7.5% สำหรับชั้นไขมัน และไม่เกิน 1.5% สำหรับมิติอื่นๆ ทั้งหมด [6]
  • Full Profile (ระดับ 2/3): ขยายการวัดเป็น 42 ตำแหน่ง โดยเพิ่มความยาวกระดูก ส่วนสูง รวมถึงเส้นรอบวงและความกว้างกระดูกเพิ่มเติม [7] ผู้ปฏิบัติงานต้องผ่านเกณฑ์ TEM ที่เข้มงวดขึ้น คือไม่เกิน 5.0% สำหรับชั้นไขมัน และไม่เกิน 1.0% สำหรับมิติอื่นๆ ทั้งหมด [6]
  • มาตรฐานของเกณฑ์วิธี: การวัดต้องใช้คาลิปเปอร์ที่ผ่านการสอบเทียบซึ่งมีแรงกดของปากวัดคงที่ที่ 10 กรัม/ตร.ซม. และบันทึกค่าละเอียดถึง 0.2 มม. หลังปล่อยคันโยกประมาณ 4 วินาที [4] จะต้องทำการวัดอย่างน้อย 2 ครั้งต่อตำแหน่ง และจะทำการวัดครั้งที่ 3 ก็ต่อเมื่อค่าความหนาชั้นไขมันที่วัดได้ในตอนแรกต่างกันมากกว่า 5% (หรือ >1 มม. ตามแนวทางมาตรฐาน) หรือหากมิติอื่นๆ มีค่าต่างกันมากกว่า 1% [4, 6]

แบบจำลอง 5 องค์ประกอบของ Kerr

แทนที่จะแปลงค่าความหนาของชั้นไขมันไปเป็นความหนาแน่นของร่างกายและเปอร์เซ็นต์ไขมันในระดับโมเลกุล การประเมินอย่างครอบคลุมมักใช้แบบจำลอง 5 องค์ประกอบของ Kerr [9, 12, 14] แบบจำลองระดับเนื้อเยื่อนี้ (แบบจำลองที่ 4) จะแยกมวลรวมของร่างกายออกเป็น 5 องค์ประกอบทางกายวิภาคที่ชัดเจน ได้แก่ เนื้อเยื่อไขมัน, กล้ามเนื้อลาย, กระดูก, ผิวหนัง และเนื้อเยื่อส่วนที่เหลือ (residual tissue) [12, 14]

ในการทดสอบความถูกต้องเทียบกับเครื่องเอกซเรย์ตรวจวัดความหนาแน่นของกระดูกและเนื้อเยื่อ (DXA) ในนักกีฬาพาราลิมปิกที่มีการตัดแขนขาช่วงล่างจำนวน 27 คน พบว่าแบบจำลองการแยก 5 องค์ประกอบของ ISAK แสดงความสอดคล้องอย่างสูงสำหรับเปอร์เซ็นต์ไขมัน (ผลต่างเฉลี่ย 0.32 ± 4.8%, ICC > 0.83) และมวลไขมัน (ผลต่างเฉลี่ย -0.71 ± 3.64%, ICC > 0.85) แม้ว่าจะไม่แนะนำให้ใช้สำหรับการแยกดูเปอร์เซ็นต์มวลกล้ามเนื้อและเนื้อเยื่อไร้ไขมันเพียงอย่างเดียวก็ตาม [10]

เมื่อต้องประเมินมวลกล้ามเนื้อ การแปลผลสมการก็ต้องทำด้วยความระมัดระวังเช่นกัน ในกลุ่มนักกีฬาฟุตบอลเยาวชนชาย 50 คน ค่าประมาณการมวลกล้ามเนื้อมีตั้งแต่ 25.11 ± 3.07 กก. (สูตร Poortmans) ไปจนถึง 31.26 ± 4.94 กก. (สูตร Doupe) อันเนื่องมาจากนิยามของเป้าหมายที่แตกต่างกัน (เช่น มวลกล้ามเนื้อลายทั้งตัว เทียบกับ มวลกล้ามเนื้อรวมทั้งร่างกาย เทียบกับ มวลกล้ามเนื้อระดับเนื้อเยื่อตามนิยามของ Kerr) [12]

ข้อจำกัดในทางปฏิบัติสำหรับการติดตามการเปลี่ยนแปลงระยะยาว

สำหรับการติดตามผลระยะยาวในนักกีฬาและผู้ที่ออกกำลังกาย การวัดสัดส่วนร่างกายมีทั้งจุดแข็งและข้อจำกัดเฉพาะตัว:

  • ความเสถียรทางชีววิทยา: ในฐานะที่เป็นการประเมินทางอ้อมขั้นที่สอง การวัดความหนาของชั้นไขมันจะได้รับผลกระทบจากความผันผวนทางชีววิทยารายวัน (เช่น ภาวะการขาดหรือเกินของน้ำในร่างกาย) น้อยกว่าการตรวจด้วยกระแสไฟฟ้าชีวภาพ (BIA), การตรวจสเปกโทรสโกปีแบบไบโออิมพีแดนซ์ (BIS) หรือการวัดความหนาแน่นของร่างกาย (densitometry) [15, 17]
  • ความสม่ำเสมอของอุปกรณ์: คาลิปเปอร์แต่ละยี่ห้อไม่สามารถใช้แทนกันได้ทั้งหมด การวิเคราะห์แบบ Bland–Altman ชี้ให้เห็นถึงความแตกต่างอย่างมีนัยสำคัญ (p < 0.001) ระหว่างคาลิปเปอร์ยี่ห้อ Harpenden, Holtain, Slim Guide และ Lipowise ซึ่งหมายความว่าจำเป็นต้องใช้เครื่องมือยี่ห้อและรุ่นเดิมอย่างสม่ำเสมอในทุกๆ ครั้งที่มีการตรวจวัด [14]
  • ความไม่ไวต่อการเปลี่ยนแปลงเล็กน้อย: การวัดสัดส่วนร่างกายไม่มีความละเอียดเพียงพอที่จะตรวจจับการเปลี่ยนแปลงของมวลไขมันในระยะสั้นที่น้อยกว่า 0.5 กก. ซึ่งเป็นผลมาจากการปรับเปลี่ยนโภชนาการระยะสั้นได้ [16]
  • ความเสี่ยงในการจัดกลุ่มผิดพลาด: ความคลาดเคลื่อนในการวัดที่แม้จะอยู่ในเกณฑ์ TEM ที่ยอมรับได้ ก็ยังส่งผลกระทบต่อการจัดกลุ่มประเภทรูปร่าง (somatotype) ได้ โดยในผู้ชายที่ออกกำลังกายเป็นประจำ 68 คน ขอบเขตความคลาดเคลื่อนที่เกณฑ์ TEM ระดับ 1 และระดับ 2/3 ทำให้เกิดอัตราการจัดกลุ่ม somatotype ผิดพลาดระหว่าง 29.4% ถึง 38.2% ในการจัดกลุ่มพื้นฐาน 4 กลุ่ม และสูงถึง 72.1% ในการจัดกลุ่มแบบละเอียด 13 กลุ่ม [6]

เพื่อติดตามการปรับตัวทางกายภาพที่แท้จริงเมื่อเวลาผ่านไปโดยไม่สร้างความคลาดเคลื่อนทางคณิตศาสตร์จากสมการถดถอย ผู้เชี่ยวชาญจึงมักเลือกติดตามผลจากค่าความหนาของชั้นไขมันดิบโดยตรง, ผลรวมของความหนาชั้นไขมัน (sum of skinfolds) หรือแปลงค่าการวัดเป็นคะแนนเบี่ยงเบนมาตรฐาน (SDS) ควบคู่ไปกับการติดตามน้ำหนักตัว [4]

เอกสารอ้างอิง

แหล่งข้อมูลเว็บ

  1. Validation of a skinfold based index for tracking proportional ...
  2. Review Skinfolds Measurement Protocols and Standards
  3. How accurate are skinfold measurements for estimating BF ...
  4. Simple measures - skinfolds
  5. Skinfold Prediction Equation for Athletes Developed Using a Four ...
  6. The Impact of Technical Error of Measurement on ...
  7. ISAK Certification - Goldstandard Systems Inc.
  8. Validation of skinfold equations and alternative methods for ...
  9. Agreement and Differences between Fat Estimation ...
  10. Validity and reliability of anthropometric equations versus ...
  11. Frontiers | Editorial: Body composition assessment techniques ...
  12. Comparison of Anthropometric Equations to Estimate Body ...
  13. ACSM's Guidelines for Exercise Testing and Prescription
  14. Differences between Four Skinfold Calipers in the Assessment of ...
  15. Validation of skinfold equations and alternative methods for the ...
  16. Nutritional Assessment of Body Composition
  17. Come Back Skinfolds, All Is Forgiven: A Narrative Review of ...
  18. How Well do Skinfold Equations Predict Percent Body Fat ...
  19. (PDF) Development and validation of skinfold-thickness ...
  20. Estimation of Body Fat Percentage in Jockeys

งานวิจัยที่เกี่ยวข้อง

Body compositionอายุระบบเผาผลาญจากเครื่อง BIA บ่งชี้สุขภาพได้จริงหรือไม่?

อายุระบบเผาผลาญ (Metabolic age) ที่ได้จากการวิเคราะห์ความต้านทานไฟฟ้าของร่างกาย (BIA) ไม่ใช่การวัดเมแทบอลิซึมระดับเซลล์โดยตรงหรือการวินิจฉัยทางการแพทย์มาตรฐาน แต่ทำหน้าที่เป็นตัวแทนทางสถิติที่ดีสำหรับองค์ประกอบร่างกายและความเสี่ยงด้านหัวใจและเมแทบอลิซึม เนื่องจากค่านี้เป็นเพียงการเปรียบเทียบอัตราการใช้พลังงานขณะพักโดยประมาณกับค่าเฉลี่ยของประชากร จึงไม่สามารถสะท้อนปัจจัยอื่นนอกเหนือจากองค์ประกอบร่างกาย เช่น ประสิทธิภาพของไมโตคอนเดรียหรือการทำงานของต่อมไทรอยด์ได้

Body compositionขนาดของ Calorie Surplus ส่งผลต่อการสร้างกล้ามเนื้อและการสะสมไขมันอย่างไร

ผู้หญิงที่ไม่เคยฝึกเวทเทรนนิ่งมาก่อนไม่จำเป็นต้องกินเกิน (caloric surplus) ในปริมาณมากเพื่อเพิ่มการสร้างกล้ามเนื้อให้ได้สูงสุด เนื่องจากแคลอรีที่มากเกินไปจะเร่งการสะสมไขมันเป็นหลัก การกินเกินเพียงเล็กน้อยหรือกินเท่าค่าบำรุงร่างกายควบคู่กับโปรตีนที่เพียงพอจะช่วยสร้างกล้ามเนื้อพร้อมลดการสะสมไขมันให้เหลือน้อยที่สุด อย่างไรก็ตาม การขาดพลังงานประมาณ 500 kcal ต่อวันจะขัดขวางการเจริญเติบโตของกล้ามเนื้อ

Body compositionงานที่ใช้แรงกายส่งผลต่อการสูญเสียกล้ามเนื้อและการฟื้นฟูช่วงลีนไขมันอย่างไร

กิจกรรมทางกายจากการทำงานในระดับสูงช่วยสร้างแรงกระตุ้นเชิงกลเฉพาะที่ซึ่งสามารถชะลอการสูญเสียกล้ามเนื้อในรยางค์ที่ใช้งานได้ แต่ก็เพิ่มความเครียดของระบบประสาทอัตโนมัติ ระดับคอร์ติซอล และการออกซิเดชันของกรดอะมิโนในช่วงลดน้ำหนักแบบจำกัดพลังงาน เมื่อเทียบกับคนที่นั่งทำงานเป็นหลัก งานที่ต้องใช้แรงกายสูงจำเป็นต้องได้รับโปรตีนมากขึ้น จัดการปริมาณการฝึกซ้อมโดยรวมอย่างระมัดระวัง และพักผ่อนให้เพียงพอ เพื่อป้องกันการสูญเสียมวลไร้ไขมันและความเหนื่อยล้าสะสมทั่วร่างกาย

Body compositionวัดไขมัน Skinfold 3 จุด vs. 7 จุด สำหรับติดตามองค์ประกอบร่างกาย

โพรโทคอลการวัด Skinfold แบบ 3 จุดให้ความน่าเชื่อถือในการติดตามผลเทียบเท่ากับแบบ 7 จุด ทั้งยังช่วยลดเวลาในการตรวจวัดและหลีกเลี่ยงตำแหน่งกายวิภาคที่ซับซ้อน อย่างไรก็ตาม สมการคำนวณ Skinfold ที่ต่างกันจะให้เปอร์เซ็นต์ไขมันที่ต่างกันอย่างเป็นระบบ ทำให้ไม่สามารถสลับใช้โพรโทคอลหรือรุ่นคาลิปเปอร์ไปมาในระหว่างการติดตามผลได้

Body compositionการวัดไขมันด้วยสายวัดเทียบกับแล็บ: แม่นยำแค่ไหน?

สมการคำนวณสัดส่วนร่างกายจากเส้นรอบวงมาตรฐานมีความคลาดเคลื่อนอย่างเป็นระบบเมื่อเทียบกับแบบจำลองหลายส่วนในห้องปฏิบัติการ โดยประเมินปริมาณไขมันในนักกีฬาที่มีความลีนสูงเกินจริง และไม่สามารถติดตามการเปลี่ยนแปลงขององค์ประกอบร่างกายในระยะยาวได้อย่างแม่นยำและเชื่อถือได้

Body compositionโปรตีนช่วงลีน: ต้องกินเท่าไรเพื่อรักษากล้ามเนื้อ?

การรักษามวลกล้ามเนื้อไร้ไขมันให้ได้สูงสุดระหว่างการฝึกแรงต้านในช่วงจำกัดพลังงาน จำเป็นต้องได้รับโปรตีนต่อวันอยู่ที่ 2.3 ถึง 3.1 กรัม/กก. ของน้ำหนักตัว (หรือมวลปลอดไขมัน) การกระจายการรับประทานมื้อละ 0.3 ถึง 0.5 กรัม/กก. ทุก 3 ถึง 4 ชั่วโมง ควบคู่กับการรับประทานโปรตีนก่อนนอน จะช่วยชดเชยการสลายโปรตีนของกล้ามเนื้อที่เกิดจากการขาดแคลนพลังงานได้

Body compositionความคลาดเคลื่อนจากการวัดไขมัน BIA ส่งผลต่อค่า FFMI อย่างไร

การวิเคราะห์ความต้านทานไฟฟ้าของเนื้อเยื่อแบบหลายความถี่ (MF-BIA) ให้ความเที่ยงตรงของการทดสอบซ้ำ (test-retest reliability) ในระดับสูง แต่กลับแสดงขอบเขตความสอดคล้องระดับบุคคล (individual limits of agreement) ที่กว้างเมื่อเทียบกับแบบจำลองเกณฑ์มาตรฐานแบบหลายองค์ประกอบ (multi-compartment models) เนื่องจากความคลาดเคลื่อนของไขมันในร่างกายเพียง 5% สามารถเปลี่ยนค่าดัชนีมวลไร้ไขมัน (FFMI) ที่คำนวณได้ไปถึง 2 ถึง 3 หน่วย ความแปรปรวนของการวัดด้วย BIA จึงต้องถูกนำมาพิจารณาเมื่อทำการประเมินนักกีฬาเทียบกับเพดานการพัฒนากล้ามเนื้อตามธรรมชาติตามทฤษฎี

Body compositionจังหวะกินโปรตีนช่วงลีน: การแบ่งมื้ออาหารสำคัญหรือไม่?

มีทฤษฎีที่แพร่หลายว่าการกระจายโปรตีนในแต่ละวันอย่างเท่าๆ กันในแต่ละมื้อจะช่วยรักษากล้ามเนื้อระหว่างการลดไขมันได้ โดยการกระตุ้นการสังเคราะห์โปรตีนของกล้ามเนื้อซ้ำๆ อย่างไรก็ตาม การทดลองระยะยาวและข้อมูลตัวตรวจวัดทางเมแทบอลิซึมแสดงให้เห็นว่า ปริมาณโปรตีนรวมต่อวันและการฝึกแรงต้านเป็นตัวขับเคลื่อนการรักษามวลไร้ไขมันมากกว่าการจัดจังหวะเวลามื้ออาหารในระหว่างวันอย่างมีนัยสำคัญ

หมวดหมู่