
基础代谢率怎么算?计算公式、正常值与准确度
基础代谢率(BMR)是身体在完全静止状态下仅为维持生命所消耗的能量,也是每日热量需求中占比最大的部分。Mifflin-St Jeor公式是临床上最常用的公式之一。男性为10 × 体重(kg)+ 6.25 × 身高(cm)− 5 × 年龄(岁)+ 5;女性为相同各项 − 161。一项系统综述显示,与其他常用公式相比,Mifflin-St Jeor公式能让更多人的静息代谢率预测值落在实测值的10%以内。计算结果应视为估算值,而非精确数字。
本文仅供一般信息参考,不能替代专业医疗建议、诊断或治疗。如有任何健康相关问题,请务必咨询合格的医疗专业人员。
基础代谢率到底衡量的是什么
基础代谢率(BMR)是身体在完全静止时维持生命所消耗的能量,包括呼吸、心脏泵血、维持大脑和各器官运转以及保持体温。走路、运动和消化食物所消耗的能量都不算在内。
你还会看到静息代谢率(RMR)和静息能量消耗(REE)这两个说法。三者都是描述静息状态下能量消耗的密切相关的指标,本文将它们放在一起讨论。研究人员估算静息消耗时,和估算每日能量消耗的其他部分一样,采用的是一种叫作间接测热法的方法及其各种变体。例如,下文介绍的Mifflin-St Jeor公式,就是为预测REE而建立的。
基础代谢之所以重要,是因为它在能量收支中占比最大。每日总能量消耗主要由静息能量消耗、身体活动能量消耗和食物热效应三部分构成,其中静息消耗是最主要的部分。
如何用Mifflin-St Jeor公式计算基础代谢
一项系统综述将Mifflin-St Jeor公式列为临床上最常用的四个预测公式之一。该公式基于498名19至78岁的健康成年人建立,其中264人体重正常,234人患有肥胖,所有参与者都通过间接测热法测量了REE。
简化版公式如下:
- 男性: 基础代谢 = 10 × 体重(kg)+ 6.25 × 身高(cm)− 5 × 年龄(岁)+ 5
- 女性: 基础代谢 = 10 × 体重(kg)+ 6.25 × 身高(cm)− 5 × 年龄(岁)− 161
结果的单位是千卡/天(kcal/天)。在原始数据中,体重、身高、年龄和性别合起来可以解释实测REE变异的71%(R² = 0.71)。
计算示例
假设一位女性体重70 kg、身高165 cm、40岁:
10 × 70 + 6.25 × 165 − 5 × 40 − 161 = 700 + 1,031.25 − 200 − 161 = 约1,370 kcal/天
假设一位男性体重80 kg、身高180 cm、35岁:
10 × 80 + 6.25 × 180 − 5 × 35 + 5 = 800 + 1,125 − 175 + 5 = 1,755 kcal/天
这个公式有两个值得了解的特点。第一,体型和年龄完全相同的男女,结果始终相差166 kcal(5 − (−161) = 166),这与完整版公式中的性别项一致。第二,年龄每增加一岁,结果减少5 kcal。在体重和身高不变的情况下,十年后估算值会降低50 kcal(5 × 10)。
如果你知道自己的去脂体重
同一项研究还检验了更简单的预测指标。去脂体重(FFM)是预测REE效果最好的单一指标(R² = 0.64),公式为REE = 19.7 × 去脂体重(kg)+ 413。只用体重时效果较差(REE = 15.1 × 体重 + 371,R² = 0.56)。三者之中,同时使用体重、身高、年龄和性别的完整公式效果最好。
其他基础代谢公式:Harris-Benedict、WHO和Ten Haaf
Mifflin-St Jeor并不是唯一的选择。哪个公式最适合你,在一定程度上取决于你属于哪类人群。
Harris-Benedict公式
Harris-Benedict公式诞生于1919年。与Mifflin研究中的实测值相比,它将REE高估了5%。一项系统综述比较了临床上最常用的四个公式:Harris-Benedict、Mifflin-St Jeor、Owen和WHO/FAO/UNU。结果显示Mifflin-St Jeor最可靠:无论在非肥胖人群还是肥胖人群中,它将RMR预测在实测值10%以内的人数都多于其他任何公式,误差范围也最窄。该综述还指出,在用于建立和验证这些公式的研究中,老年人和在美国居住的少数族裔代表性不足。
重度肥胖:WHO公式和Harris-Benedict公式
体重很高时,情况就不同了。一项系统综述纳入了40项针对BMI在40.0至62.4之间成年人的研究,并对其中20项进行了荟萃分析。在这一人群中,WHO(体重)公式和Harris-Benedict公式最准确、最精确,平均偏差分别为−12.44 kcal/天和−18.9 kcal/天。包括Mifflin在内的其他受检公式,往往会低估基础代谢。
运动员与Ten Haaf公式
一项荟萃分析汇总了29项研究,涉及1,430名运动员和100个不同的预测公式。其中Ten-Haaf公式精确度最高:它将80.2%的参与者预测在实测RMR的±10%以内,而纳入精确度分析的其他公式仅为40.7%至63.7%。它的平均预测值与实测值也没有显著差异。包括Harris-Benedict在内的另外四个公式同样如此,但在这五个公式中,只有Ten-Haaf公式的研究间异质性为零(I² = 0%)。在同一批运动员数据中,Mifflin-St Jeor公式则显著低估或高估了RMR。本文不列出Ten Haaf公式的具体系数。实际意义在于:基于普通人群建立的公式,用在肌肉量很大、训练水平很高的人身上可能会有偏差。
想并排比较这些方法,可以参阅我们的代谢率计算准确度对比指南。
基础代谢计算器准不准?
在上述综述中,预测值只要落在实测RMR的10%以内就算“命中”。这听起来很严格,但换算成热量,范围其实很宽。以上文1,370 kcal的例子来说,±10%就是±137 kcal(1,370 × 0.10)。也就是说,真实值在约1,233至1,507 kcal/天(1,370 − 137和1,370 + 137)之间的任何位置,都仍算是好的预测。
即使是最好的公式,对一些人的误差也会超过这个范围。那项推荐Mifflin-St Jeor公式的系统综述也指出,把它用在个人身上时仍存在不容忽视的误差。即使体型相同,每个人的静息代谢也不一样,因此预测并不容易。
数据越多越有帮助,但作用有限。最近一项针对454名健康成年人的研究,测试了使用多达94个预测指标的机器学习模型。最好的模型可以解释RMR变异的76.8%。去脂体重、体重,以及有意思的是平均室外温度,都属于最有用的预测指标。血液指标的帮助很小,肠道菌群和粪便短链脂肪酸则毫无帮助。即使是这个模型,仍有约23%的变异无法解释(100 − 76.8 = 23.2%)。
患有疾病时,误差会进一步扩大。在900名肝硬化患者中,预测REE比实测值低501 kcal/天到高548 kcal/天不等。研究作者得出结论:这类人群应直接测量REE。
其他疾病中也存在类似的偏差,而且误差方向并不总是一致。在34名肺动脉高压患者中,所有受检的估算方法都将能量需求低估了约255 kcal。在71名慢性期脑卒中幸存者中,9个公式中有8个预测的RMR比实测值高出9%至18%。
基础代谢正常值是多少?
并不存在一个统一的“正常”数值。基础代谢随体型和身体成分而变化,所以一位高大健壮的男性和一位娇小的女性,数值可能相差很大,但都完全健康。上文的计算示例(约1,370和1,755 kcal/天)就说明,即使是普通体型,差距也相当大。
粗略核对时,可以看每公斤体重对应的能量。在那项肝硬化研究中,282名健康对照者平均每天每公斤体重消耗20.8 ± 2.6 kcal。对一个70 kg的人来说,大约是1,456 kcal/天(70 × 20.8)。这只能当作一个大致参考,± 2.6说明人与人之间确实存在差异。
如果算出来的基础代谢和预期相差很大,先检查输入的数据。公式要求体重以千克、身高以厘米为单位。
从基础代谢到TDEE:每天需要多少热量
基础代谢并不是你每天的热量摄入目标。每日总能量消耗(TDEE)是在静息消耗的基础上,再加上活动消耗的能量和消化食物所用的能量。
因此,要把基础代谢换算成每日数值,就需要加上对活动量的估算,而这又会在基础代谢公式之外带来额外的不确定性。关于如何更现实地估算这一部分,可以参阅我们的活动水平分级与营养调整一文。
年龄的影响比很多人想象的要小。一项大型分析用双标水法测量了8天大至95岁人群的每日总消耗,并按去脂体重进行了校正。在此基础上,20至60岁的成年期消耗一直保持稳定,即使在孕期也是如此,直到老年才开始下降。一篇关于全生命周期能量消耗的综述认为,这些变化至少部分源于身体成分、器官和组织的质量与代谢率以及身体活动水平的改变。
哪些因素会提高或降低基础代谢
去脂体重
瘦体组织是最主要的影响因素。在一项针对40名成年人的研究中,去脂体重和脂肪量合起来可以解释RMR变异的83%。加入对器官和肌肉的详细测量后,预测效果并没有提升。这就是为什么两个体重相同但肌肉量不同的人,基础代谢可能差别明显,也是为什么在准确测量身体成分的前提下,基于去脂体重的公式效果很好。
节食与代谢适应
减少热量摄入会降低静息消耗,一部分是因为身体组织减少,另一部分是因为代谢适应。在一项对照研究中,32名非肥胖男性连续3周的摄入量比能量需求低50%。他们体重下降了6.0 kg,REE每天减少了266 kcal。其中无法用去脂体重减少来解释的部分,即适应性产热,为每天108 kcal。这当中有36 kcal可以用去脂体重成分的变化来解释,剩下每天72 kcal才是“真正的”代谢适应。
环境
在上述机器学习预测研究中,平均室外温度是RMR的关键预测指标之一。同一模型中,其他关键预测指标是去脂体重和体重。
什么情况下值得实测基础代谢
代谢评估(有时以基础代谢检测的名义提供)使用间接测热法,测量你静息时的实际能量消耗。那项关于预测公式的系统综述认为,按照能将测量误差降至最低的循证方案进行有效的间接测热,就能消除估算误差。至于估算值是否够用,要由临床判断来决定。
对大多数希望逐步改变体重的健康成年人来说,计算出的基础代谢是一个合理的起点。可以先用它来确定初始摄入量,再根据几周内的体重变化趋势判断是否需要调整,因为体重秤比任何公式都更能反映你真实的能量平衡。可穿戴设备或手机可以帮助你持续记录体重和活动量。
在已知估算效果较差的情况下,实测更有意义,包括BMI很高、训练负荷大,以及患有影响代谢的疾病。如果你的摄入量和体重变化一直和计算结果对不上,实测也有必要。在这些情况下,是否进行临床检测,应由负责你诊疗的医生或医疗团队决定。
📊 关键统计
常用BMR/RMR公式及研究证据对比
| 公式 | 所需数据 | 公式或主要发现 | 表现最好的人群 |
|---|---|---|---|
| Mifflin-St Jeor(男性) | 体重、身高、年龄 | 10 × kg + 6.25 × cm − 5 × 年龄 + 5 | 普通成年人:在四个常用公式中,预测在实测RMR 10%以内的比例最高 |
| Mifflin-St Jeor(女性) | 体重、身高、年龄 | 10 × kg + 6.25 × cm − 5 × 年龄 − 161 | 普通成年人,非肥胖和肥胖人群 |
| Mifflin去脂体重版 | 去脂体重 | 19.7 × 去脂体重(kg)+ 413(R² = 0.64) | 已知身体成分时 |
| Mifflin仅体重版 | 体重 | 15.1 × kg + 371(R² = 0.56) | 快速估算;预测力不如完整公式 |
| Harris-Benedict(1919年) | 见原始文献 | 在Mifflin数据中高估实测REE 5% | 重度肥胖:偏差−18.9 kcal/天 |
| WHO(体重) | 基于体重;完整参数见原始文献 | 重度肥胖人群中偏差−12.44 kcal/天 | BMI 40.0至62.4的成年人 |
| Ten-Haaf | 见原始文献 | 80.2%的运动员预测在实测RMR±10%以内;I² = 0% | 训练有素的运动员 |
❓ 常见问题
基础代谢率怎么计算?
基础代谢正常值是多少?
Ten Haaf公式是什么?
基础代谢和TDEE有什么区别?
网上免费的基础代谢计算器准吗?
节食会降低基础代谢吗?
HAVIT 是由韩国知名减重机构 Juvis Diet 的专家团队打造的 AI 减重教练
先评估,再用数字定方案,每天陪你执行
文章对每个人讲的都是同样的平均值。HAVIT 先评估你的身体,再根据结果用数字设定每日目标,陪你执行 12 周。
- 第 1 步无需设备,AI 评估体成分
只需填写身高、体重、年龄并回答几个生活习惯问题,就能推算体成分。在自有研究(70 人)中,与 InBody 测量值相比,推算准确率达 92.9%。
- HAVIT 分数 · 基础代谢率
- 肌肉-脂肪分析 · 体成分类型
- 肥胖度 · 腹部脂肪率 · 内脏脂肪
- 身体蓝图:健康目标体重 · 腰高比 · 安全减重速度
- 6 级习惯分析

- 第 2 步11 项每日目标,全部量化
根据评估结果,把每天要达成的目标定成具体数字,并每周按你的体重变化重新调整。
- 摄入热量 · 蛋白质 · 碳水 · 脂肪 · 膳食纤维
- 消耗热量 · 步数
- 睡眠时长 · 饮水
- 称重频率 · 目标 BMI

- 第 3 步每日执行 + AI 教练
方案要做到才有意义。我们让记录更简单,让下一步更明确。
- 拍一张照片就能记录饮食
- AI 教练 HAVI 读取你的记录,每天给出一件要做的事
- 基于评估结果,覆盖 126+ 个类别的个性化方案
- 不只管饮食,也照顾心态:基于 CBT 的教练指导


- 一站式一个 App 管好一切
不用在多个 App 之间来回切换。身体数据集中在一处,AI 教练才能看懂你的变化趋势。
- 饮食 · 饮水 · 运动 · 步数
- 睡眠 · 体重 · 体成分趋势
- 生理周期 · 心情 · 每日打卡
- GLP-1 用药记录 · 提醒
- 冥想引导 · 运动视频 · 跑步教练
- 挑战 · 虚拟形象,像玩游戏一样坚持




分析对象为 2026 年 6–8 月期间、拥有第 1 周和第 12 周 InBody 数据的 78 人(HAVIT 组 41 人、对照组 37 人)。非盲法研究。
HAVIT 是健康生活类 App,并非医疗器械;体成分结果为推算值。
每天一道新测验和健康小贴士
在 Instagram 和 Threads 关注 HAVIT。 @havit_app.tw
参考资料
- A new predictive equation for resting energy expenditure in healthy individuals. — The American journal of clinical nutrition, 1990
- Comparison of predictive equations for resting metabolic rate in healthy nonobese and obese adults: a systematic review. — Journal of the American Dietetic Association, 2005
- Accuracy of Resting Metabolic Rate Prediction Equations in Athletes: A Systematic Review with Meta-analysis. — Sports medicine (Auckland, N.Z.), 2023
- Adequacy of basal metabolic rate prediction equations in individuals with severe obesity: A systematic review and meta-analysis. — Obesity reviews : an official journal of the International Association for the Study of Obesity, 2024
- Predicting resting metabolic rate in healthy adults: a comparative analysis using the enable cohort. — American journal of physiology. Endocrinology and metabolism, 2026
- Predicted estimates of resting energy expenditure have limited clinical utility in patients with cirrhosis. — Journal of hepatology, 2022
- Estimating Resting Energy Expenditure by Different Methods as Compared With Indirect Calorimetry for Patients With Pulmonary Hypertension. — Nutrition in clinical practice : official publication of the American Society for Parenteral and Enteral Nutrition, 2018
- Predictive Equations Overestimate Resting Metabolic Rate in Survivors of Chronic Stroke. — Archives of physical medicine and rehabilitation, 2022
- Relationship between resting metabolic rate and the composition of the fat-free mass. — Metabolism: clinical and experimental, 1997
- Metabolic adaptation to caloric restriction and subsequent refeeding: the Minnesota Starvation Experiment revisited. — The American journal of clinical nutrition, 2015
- Daily energy expenditure through the human life course. — Science (New York, N.Y.), 2021
- Energy Expenditure in Humans: Principles, Methods, and Changes Throughout the Life Course. — Annual review of nutrition, 2024








