← 블로그로 돌아가기
기초대사량 계산기: 공식, 계산법, 정확도 총정리
체중·대사8 분 분량

기초대사량 계산기: 공식, 계산법, 정확도 총정리

한 줄 요약

기초대사량(BMR)은 완전히 쉬고 있을 때 생명 유지에만 쓰이는 에너지로, 하루 필요 열량에서 가장 큰 비중을 차지합니다. Mifflin-St Jeor 공식은 임상에서 가장 흔히 쓰이는 공식 중 하나입니다. 남성은 10 × 체중(kg) + 6.25 × 키(cm) − 5 × 나이(세) + 5, 여성은 같은 항에 − 161을 적용합니다. 한 체계적 문헌고찰에서 Mifflin-St Jeor 공식은 다른 흔한 공식보다 더 많은 사람의 안정시 대사량을 실측값의 10% 이내로 예측했습니다. 결과는 정확한 수치가 아닌 추정치로 받아들이세요.

🕓 업데이트: 2026-11-11
작성 HAVIT Editorial Team검토 HAVIT Medical Advisory · Editorial Medical Review Board

이 글은 일반적인 정보 제공 목적이며, 전문 의료인의 진료·진단·치료를 대체하지 않습니다. 건강 관련 결정은 반드시 의료 전문가와 상의하세요.

기초대사량이 실제로 측정하는 것

기초대사량(BMR)은 완전히 쉬고 있을 때 생명을 유지하는 데 쓰이는 에너지입니다. 숨 쉬기, 혈액 순환, 뇌와 장기의 활동, 체온 유지가 여기에 포함됩니다. 걷기나 운동, 식사 후 소화에 드는 에너지는 포함되지 않습니다.

안정시 대사량(RMR), 안정시 에너지 소비량(REE)이라는 용어도 자주 보게 됩니다. 세 가지 모두 쉬는 동안의 에너지 소비를 나타내는 밀접한 측정값이어서 이 글에서는 함께 다룹니다. 연구자들은 하루 에너지 소비의 다른 구성 요소와 마찬가지로 안정시 소비량도 간접 열량 측정법이라는 방법을 변형해 추정합니다. 예를 들어 아래에서 소개할 Mifflin-St Jeor 공식도 REE를 예측하기 위해 만들어졌습니다.

기초대사량이 중요한 이유는 에너지 예산에서 가장 큰 덩어리이기 때문입니다. 하루 총 에너지 소비량은 주로 안정시 에너지 소비량, 신체 활동 에너지 소비량, 식사성 열 발생으로 이루어집니다. 이 셋 가운데 가장 큰 비중을 차지하는 것이 안정시 소비량입니다.

Mifflin-St Jeor 공식으로 기초대사량 계산하는 법

한 체계적 문헌고찰에서는 Mifflin-St Jeor 공식을 임상에서 가장 흔히 쓰이는 4가지 예측 공식 중 하나로 꼽았습니다. 이 공식은 19~78세 건강한 성인 498명의 데이터로 만들어졌습니다. 그중 264명은 정상 체중, 234명은 비만이었고, 모든 참가자의 REE를 간접 열량 측정법으로 측정했습니다.

간소화한 공식은 다음과 같습니다.

  • 남성: 기초대사량 = 10 × 체중(kg) + 6.25 × 키(cm) − 5 × 나이(세) + 5
  • 여성: 기초대사량 = 10 × 체중(kg) + 6.25 × 키(cm) − 5 × 나이(세) − 161

결과의 단위는 하루 kcal입니다. 원래 데이터에서 체중, 키, 나이, 성별을 합치면 측정된 REE 변동의 71%를 설명했습니다(R² = 0.71).

계산 예시

체중 70kg, 키 165cm, 40세인 가상의 여성이라면 다음과 같습니다.

10 × 70 + 6.25 × 165 − 5 × 40 − 161 = 700 + 1,031.25 − 200 − 161 = 하루 약 1,370kcal

체중 80kg, 키 180cm, 35세인 가상의 남성이라면 다음과 같습니다.

10 × 80 + 6.25 × 180 − 5 × 35 + 5 = 800 + 1,125 − 175 + 5 = 하루 1,755kcal

이 공식에는 알아 두면 좋은 특징이 두 가지 있습니다. 첫째, 체격과 나이가 같은 남녀의 차이는 항상 166kcal로 고정됩니다(5 − (−161) = 166). 이는 공식 원형의 성별 항과 일치합니다. 둘째, 나이가 한 살 늘 때마다 5kcal씩 줄어듭니다. 체중과 키가 그대로라면 10년이 지나면 추정치가 50kcal 낮아집니다(5 × 10).

제지방량을 알고 있다면

같은 연구에서는 더 단순한 예측 변수도 검증했습니다. 제지방량(FFM)이 REE를 가장 잘 예측하는 단일 변수였습니다(R² = 0.64). 공식은 REE = 19.7 × 제지방량(kg) + 413입니다. 체중만 쓴 경우는 예측력이 더 낮았습니다(REE = 15.1 × 체중 + 371, R² = 0.56). 세 가지 중에서는 체중, 키, 나이, 성별을 모두 쓰는 전체 공식이 가장 우수했습니다.

다른 기초대사량 공식: 해리스-베네딕트, WHO, Ten Haaf

Mifflin-St Jeor 공식만 있는 것은 아닙니다. 어떤 공식이 가장 잘 맞는지는 어떤 사람인지에 따라서도 달라집니다.

해리스-베네딕트 공식

해리스-베네딕트(Harris-Benedict) 공식은 1919년에 나왔습니다. Mifflin 연구의 실측값과 비교하면 REE를 5% 과대평가했습니다. 한 체계적 문헌고찰은 임상에서 가장 많이 쓰이는 4가지 공식, 즉 해리스-베네딕트, Mifflin-St Jeor, Owen, WHO/FAO/UNU 공식을 비교했습니다. 가장 신뢰할 만한 것은 Mifflin-St Jeor 공식이었습니다. 비만이 아닌 사람과 비만인 사람 모두에서 다른 어떤 공식보다 많은 사람의 RMR을 실측값의 10% 이내로 예측했고, 오차 범위도 가장 좁았습니다. 이 고찰에서는 공식을 만들고 검증한 연구에 노인과 미국 거주 소수 인종이 충분히 포함되지 않았다는 점도 지적했습니다.

고도비만: WHO 공식과 해리스-베네딕트 공식

체중이 매우 높으면 양상이 달라집니다. 한 체계적 문헌고찰은 BMI 40.0~62.4인 성인을 대상으로 한 연구 40편을 포함했고, 그중 20편을 메타분석으로 통합했습니다. 이 집단에서는 WHO(체중) 공식과 해리스-베네딕트 공식이 가장 정확하고 정밀했습니다. 평균 편향은 WHO 공식이 하루 −12.44kcal, 해리스-베네딕트 공식이 하루 −18.9kcal였습니다. Mifflin 공식을 포함해 검증한 나머지 공식은 기초대사량을 과소평가하는 경향이 있었습니다.

운동선수와 Ten Haaf 공식

한 메타분석은 운동선수 1,430명이 참여한 연구 29편과 예측 공식 100개를 통합했습니다. 가장 정밀한 것은 Ten-Haaf 공식이었습니다. 참가자의 80.2%를 실측 RMR의 ±10% 이내로 예측했고, 정밀도를 분석한 다른 공식은 40.7~63.7%였습니다. 평균 예측값도 실측값과 유의한 차이가 없었습니다. 해리스-베네딕트를 포함한 다른 4개 공식도 같은 결과를 보였지만, 연구 간 이질성이 전혀 없었던(I² = 0%) 것은 5개 중 Ten-Haaf 공식뿐이었습니다. 같은 운동선수 데이터에서 Mifflin-St Jeor 공식은 RMR을 유의하게 과소평가하거나 과대평가했습니다. Ten Haaf 공식의 정확한 계수는 여기서 소개하지 않습니다. 실용적인 결론은 일반 인구를 바탕으로 만든 공식이 근육량이 매우 많고 고도로 훈련된 사람에게는 빗나갈 수 있다는 점입니다.

이 방법들을 나란히 비교한 내용은 대사량 계산 정확도 비교 가이드에서 확인할 수 있습니다.

기초대사량 계산기는 얼마나 정확할까?

앞의 고찰들에서는 예측값이 실측 RMR의 10% 이내에 들어오면 적중으로 봤습니다. 꽤 엄격해 보이지만 칼로리로 따지면 폭이 넓습니다. 앞의 1,370kcal 예시라면 ±10%는 ±137kcal입니다(1,370 × 0.10). 실제 값이 하루 약 1,233kcal에서 1,507kcal 사이(1,370 − 137, 1,370 + 137) 어디에 있어도 좋은 예측으로 간주되는 셈입니다.

가장 좋은 공식도 일부 사람에게는 이보다 더 크게 빗나갑니다. Mifflin-St Jeor 공식을 지지한 체계적 문헌고찰도 개인에게 적용할 때는 무시할 수 없는 오차가 있다고 밝혔습니다. 체격이 같아도 안정시 대사는 사람마다 다르기 때문에 예측이 어렵습니다.

데이터가 많을수록 도움이 되지만 한계가 있습니다. 건강한 성인 454명을 대상으로 한 최근 연구에서는 최대 94개 예측 변수를 쓰는 머신러닝 모델을 검증했습니다. 가장 좋은 모델은 RMR 변동의 76.8%를 설명했습니다. 제지방량, 체중, 그리고 흥미롭게도 평균 외기 온도가 가장 유용한 예측 변수에 속했습니다. 혈액 지표는 약간 도움이 됐습니다. 장내 미생물과 대변 내 단쇄지방산은 전혀 도움이 되지 않았습니다. 이 모델로도 변동의 약 23%는 설명되지 않았습니다(100 − 76.8 = 23.2%).

질환이 있으면 오차는 더 커집니다. 간경변 환자 900명에게서 예측 REE는 실측값보다 하루 501kcal 낮은 값부터 548kcal 높은 값까지 분포했습니다. 연구진은 이 환자군에서는 REE를 직접 측정해야 한다고 결론지었습니다.

다른 질환에서도 비슷한 차이가 나타나며, 오차의 방향이 늘 같지는 않습니다. 폐고혈압 환자 34명에서는 검증한 모든 추정 방법이 에너지 필요량을 약 255kcal 과소평가했습니다. 만성기 뇌졸중 생존자 71명에서는 9개 공식 중 8개가 실측값보다 9~18% 높은 RMR을 예측했습니다.

정상 기초대사량은 얼마일까?

'정상'이라고 할 단 하나의 숫자는 없습니다. 기초대사량은 체격과 체성분에 따라 달라지므로, 키 크고 근육질인 남성과 체구가 작은 여성은 값이 크게 달라도 둘 다 충분히 건강할 수 있습니다. 앞의 계산 예시(하루 약 1,370kcal와 1,755kcal)만 봐도 평범한 체격 사이에서 차이가 얼마나 큰지 알 수 있습니다.

대략적인 점검 기준은 체중 1kg당 에너지입니다. 간경변 연구에서 건강한 대조군 282명은 평균 체중 1kg당 하루 20.8 ± 2.6kcal였습니다. 체중 70kg이라면 하루 약 1,456kcal가 됩니다(70 × 20.8). 이는 어림값으로만 받아들이세요. ± 2.6은 사람마다 실제 차이가 있다는 뜻입니다.

계산한 기초대사량이 예상과 많이 다르다면 먼저 입력값을 확인하세요. 공식은 체중을 kg, 키를 cm 단위로 넣도록 되어 있습니다.

기초대사량에서 TDEE로: 하루에 필요한 칼로리

기초대사량이 곧 하루 섭취 목표는 아닙니다. 하루 총 에너지 소비량(TDEE)은 쉬는 동안의 소비에 움직이는 데 쓰는 에너지와 음식을 소화하는 데 쓰는 에너지를 더한 값입니다.

따라서 기초대사량을 하루 수치로 바꾸려면 활동량 추정치를 더해야 하고, 여기에는 기초대사량 공식과는 별개의 불확실성이 따릅니다. 이 부분을 현실적으로 추정하는 방법은 활동 수준 단계와 영양 조정 글에서 다룹니다.

나이의 영향은 많은 사람이 생각하는 것보다 작습니다. 생후 8일부터 95세까지를 대상으로 이중표지수법으로 하루 총 소비량을 측정한 대규모 분석은 제지방량을 보정해 비교했습니다. 그 기준으로 보면 20~60세 성인기에는 임신 중에도 소비량이 안정적으로 유지됐고, 노년기에 들어서야 감소했습니다. 생애 주기별 에너지 소비를 다룬 한 리뷰는 이런 변화가 적어도 부분적으로는 체성분의 변화, 장기와 조직의 질량 및 대사율, 신체 활동 수준의 변화 때문이라고 설명합니다.

기초대사량을 높이거나 낮추는 요인

제지방량

가장 큰 요인은 제지방 조직입니다. 성인 40명을 대상으로 한 연구에서 제지방량과 체지방량을 합치면 RMR 변동의 83%를 설명했습니다. 장기와 근육을 자세히 측정한 값을 추가해도 예측은 나아지지 않았습니다. 체중이 같아도 근육량이 다르면 기초대사량이 눈에 띄게 차이 나는 이유, 그리고 체성분을 정확히 측정했을 때 제지방량 기반 공식이 잘 맞는 이유가 여기에 있습니다.

다이어트와 대사 적응

열량을 줄이면 안정시 소비량이 줄어드는데, 조직이 빠지는 탓도 있고 적응 때문이기도 합니다. 한 통제 연구에서 비만이 아닌 남성 32명이 3주 동안 에너지 필요량보다 50% 적게 먹었습니다. 이들은 체중이 6.0kg 줄었고 REE는 하루 266kcal 감소했습니다. 제지방량 감소로 설명되지 않는 감소분인 적응성 열 발생은 하루 108kcal였습니다. 그중 36kcal는 제지방량 구성의 변화로 설명됐고, 남은 하루 72kcal가 '진짜' 적응이었습니다.

환경

앞의 머신러닝 예측 연구에서 평균 외기 온도는 RMR의 핵심 예측 변수 중 하나였습니다. 같은 모델에서 다른 핵심 예측 변수는 제지방량과 체중이었습니다.

기초대사량을 직접 측정할 가치가 있을 때

대사 평가(기초대사량 검사라는 이름으로 제공되기도 합니다)는 간접 열량 측정법으로 쉬는 동안의 실제 에너지 소비를 측정합니다. 예측 공식에 관한 체계적 문헌고찰은 측정 오차를 최소화하는 근거 기반 프로토콜에 따라 타당한 간접 열량 측정을 하면 추정 오차가 사라질 것이라고 결론지었습니다. 추정치로 충분한지는 임상적 판단으로 결정합니다.

천천히 체중을 바꾸려는 대부분의 건강한 성인에게는 계산한 기초대사량이 합리적인 출발점입니다. 이를 바탕으로 처음 섭취량을 정하세요. 그다음에는 몇 주간의 체중 추세를 보고 조정할지 판단하세요. 어떤 공식보다 체중계가 실제 에너지 균형을 더 잘 보여 주기 때문입니다. 웨어러블 기기나 휴대전화를 활용하면 체중과 활동량을 꾸준히 기록하는 데 도움이 됩니다.

추정치가 잘 맞지 않는 것으로 알려진 경우에는 측정이 더 합리적입니다. 매우 높은 BMI, 많은 훈련량, 대사에 영향을 주는 질환이 이에 해당합니다. 섭취량과 체중 변화가 계산과 계속 맞지 않을 때도 마찬가지입니다. 이런 경우 임상 검사를 받을지는 담당 의료진이 판단할 일입니다.

📊 핵심 통계

R² = 0.71
Mifflin-St Jeor 공식이 설명하는 안정시 에너지 소비량의 변동
E1: REE equation derivation study in 498 healthy adults
5%
Mifflin 연구에서 해리스-베네딕트 공식의 실측 REE 과대평가 정도
E1: REE equation derivation study in 498 healthy adults
80.2%
Ten-Haaf 공식이 실측 RMR의 ±10% 이내로 예측한 운동선수 비율
E19: systematic review and meta-analysis of RMR equations in athletes
83%
제지방량과 체지방량이 함께 설명하는 RMR 변동
E10: study of RMR and fat-free mass composition in 40 adults
하루 −266kcal
에너지 필요량보다 50% 적게 3주간 섭취한 뒤의 REE 감소
E9: controlled caloric restriction and refeeding study in 32 nonobese men

주요 BMR/RMR 공식과 연구 결과 비교

공식입력값공식 또는 핵심 결과가장 잘 맞은 대상
Mifflin-St Jeor(남성)체중, 키, 나이10 × kg + 6.25 × cm − 5 × 나이 + 5일반 성인: 흔한 4가지 공식 중 실측 RMR의 10% 이내 예측이 가장 많음
Mifflin-St Jeor(여성)체중, 키, 나이10 × kg + 6.25 × cm − 5 × 나이 − 161일반 성인(비만이 아닌 사람과 비만인 사람)
Mifflin 제지방량 버전제지방량19.7 × 제지방량(kg) + 413 (R² = 0.64)체성분을 알고 있을 때
Mifflin 체중 단독 버전체중15.1 × kg + 371 (R² = 0.56)빠른 추정용, 전체 공식보다 예측력이 낮음
해리스-베네딕트(1919)원 논문 참조Mifflin 데이터에서 실측 REE를 5% 과대평가고도비만: 편향 하루 −18.9kcal
WHO(체중)체중 기반, 전체 입력값은 원 논문 참조고도비만에서 편향 하루 −12.44kcalBMI 40.0~62.4 성인
Ten-Haaf원 논문 참조운동선수의 80.2%를 실측 RMR ±10% 이내로 예측, I² = 0%훈련된 운동선수

❓ 자주 묻는 질문

기초대사량은 어떻게 계산하나요?
Mifflin-St Jeor 공식을 사용하세요. 남성은 10 × 체중(kg) + 6.25 × 키(cm) − 5 × 나이(세) + 5, 여성은 같은 항에 − 161을 적용합니다. 예를 들어 체중 70kg, 키 165cm, 40세 여성이라면 700 + 1,031.25 − 200 − 161 = 하루 약 1,370kcal입니다.
정상 기초대사량은 얼마인가요?
기초대사량은 체격과 제지방량에 따라 달라지기 때문에 정해진 정상값은 없습니다. 대략적인 기준으로, 한 연구에서 건강한 성인은 평균 체중 1kg당 하루 20.8 ± 2.6kcal였습니다. 체중 70kg이라면 하루 약 1,456kcal(70 × 20.8)입니다.
Ten Haaf 공식이란 무엇인가요?
Ten Haaf 공식은 운동선수에게서 가장 좋은 성적을 보인 안정시 대사량 공식입니다. 운동선수 1,430명이 참여한 연구 29편의 메타분석에서 참가자의 80.2%를 실측 RMR의 ±10% 이내로 예측했습니다. 분석한 다른 공식은 40.7~63.7%였습니다.
기초대사량과 TDEE는 어떻게 다른가요?
기초대사량은 완전히 쉬는 상태에서 소비하는 에너지입니다. TDEE(하루 총 에너지 소비량)는 여기에 신체 활동과 식사성 열 발생을 더한 값입니다. 기초대사량에서 TDEE를 구하려면 활동량을 따로 추정해 더해야 합니다.
무료 온라인 기초대사량 계산기는 정확한가요?
출발점으로 삼기에는 적당한 추정치지만 정확한 수치는 아닙니다. Mifflin-St Jeor 공식은 다른 흔한 공식보다 더 많은 사람의 RMR을 실측값의 10% 이내로 예측했지만, 개인에게는 무시할 수 없는 오차가 남습니다. 고도비만인 사람, 운동선수, 특정 질환이 있는 사람 등에서는 정확도가 더 떨어집니다.
다이어트를 하면 기초대사량이 떨어지나요?
네, 어느 정도 떨어집니다. 한 통제 연구에서 에너지 필요량보다 50% 적게 3주간 먹은 남성들은 REE가 하루 266kcal 감소했습니다. 그중 하루 72kcal는 조직 감소를 넘어선 진짜 적응이었습니다.

쥬비스 출신이 만든 AI 다이어트, 하비트

분석하고, 숫자로 목표를 정하고, 매일 코칭합니다

글은 누구에게나 같은 평균을 말합니다. 하비트는 내 몸을 먼저 분석하고, 그 결과로 하루 목표를 숫자로 정해 12주 동안 함께 실행합니다.

  1. 1단계장비 없이 AI 체성분 분석

    키·몸무게·나이와 생활습관 질문만으로 체성분을 추정해요. 자체 연구(70명)에서 InBody 측정값 대비 추정 정확도 92.9%였어요.

    • 하비트 점수·기초대사율
    • 근육-지방 분석·체성분 유형
    • 비만도·복부 지방률·내장지방
    • 신체 설계도: 건강 목표 체중·허리-키 비율·안전한 감량 속도
    • 6단계 습관 분석
    하비트 앱 골격근-지방·BMI 분석 화면
  2. 2단계11가지 하루 목표를 숫자로 설정

    분석 결과로 매일 지킬 목표를 정확한 숫자로 정해요. 목표는 매주 내 체중 변화에 맞춰 다시 조정돼요.

    • 섭취 칼로리·단백질·탄수화물·지방·식이섬유
    • 소모 칼로리·걸음 수
    • 수면 시간·수분
    • 체중 측정 빈도·목표 BMI
    하비트 앱 홈 화면 — 하루 목표 게이지와 칼로리 밸런스
  3. 3단계매일 실행과 AI 코칭

    목표는 지켜야 의미가 있어요. 기록은 쉽게, 다음 행동은 분명하게 만들어요.

    • 식사는 사진 한 장으로 기록
    • AI 코치 HAVI가 기록을 읽고 오늘 할 일 하나 제안
    • 분석 결과 기반 126개 이상 카테고리의 맞춤 가이드
    • 식단뿐 아니라 마음가짐까지, CBT 기반 코칭
    하비트 앱 사진 식사 기록 화면하비트 AI 코치 HAVI 코칭 화면
  4. 올인원앱 하나로 모든 관리

    여러 앱을 오갈 필요 없어요. 몸에 관한 기록이 한곳에 모여야 AI 코치가 흐름을 읽을 수 있어요.

    • 식사·수분·운동·걸음
    • 수면·체중·체성분 추이
    • 생리주기·기분·데일리 체크인
    • GLP-1 투약 기록·알림
    • 가이드 명상·운동 영상·러닝 코치
    • 챌린지·아바타로 게임처럼 지속
    하비트 데일리 체크인·기분 기록 화면하비트 체중 기록·데일리 미션 화면하비트 러닝 코치 화면하비트 GLP-1·수분 기록 화면
을지대학교 12주 임상 결과
3.9배
체중 5% 이상 감량한 사람 비율 (31.7% vs 8.1%)
83%
체지방률이 줄어든 사람 비율 (대조군 49%)

2026년 6~8월, 1주차·12주차 InBody 결과가 있는 78명(하비트 41명·대조군 37명) 분석. 비맹검 연구.

무료로 내 분석 시작하기

하비트는 의료기기가 아닌 웰니스 앱이며, 체성분 결과는 추정치예요.

매일 새 퀴즈와 건강 팁

하비트 Instagram·Threads에서 매일 만나 보세요. @havit_app

참고 자료

관련 글

기초대사량 계산기 공식 정확도 비교, 내 몸에 맞는 공식은?
근육 1kg 늘리면 기초대사량 얼마나 오를까
활동 칼로리와 총 소모 칼로리 차이: 숫자보다 추세가 중요한 이유
활동량별 하루 칼로리, 활동 계수로 계산하는 법
체성분 체크의 민주화 — HAVIT 설문 기반 체성분 추정 모델의 임상 도구급 정확도 (InBody 기준 내부 비교 연구, n=70)

더 똑똑한 체중 관리, 시작할까요?

체중 감량, 근육 보존, 건강한 습관 만들기까지 — AI 기반 앱 하나에 담았습니다.

Download on the App StoreGet it on Google Play

무료로 내려받을 수 있습니다. 인앱 결제가 있을 수 있습니다.