健身追踪器的卡路里消耗估算有多准确？
Apple Watch、Garmin、Fitbit 和 Samsung Galaxy Watch 都会估算运动期间消耗的卡路里。我们将它们的准确性与实验室测量的数据进行比较。
你的健身追踪器显示你在那次锻炼中消耗了650卡路里，但实际数字可能更接近400卡路里。 可穿戴健身追踪器已成为估算运动期间能量消耗的标准工具，但它们的卡路里消耗估算始终不准确，而且几乎总是存在同样的偏差：过度估算。
多项经过同行评审的研究将可穿戴设备的卡路里估算与金标准实验室方法（如间接量热法和双标记水法）进行了比较。结果显示出显著且系统性的误差，这可能会影响卡路里追踪，尤其是当人们根据手表报告的卡路里“吃回”运动消耗时。
健身追踪器如何估算卡路里消耗？
健身追踪器结合传感器数据和算法来估算能量消耗。理解这些方法可以解释为什么不同运动类型和设备的准确性有所不同。
心率监测是大多数卡路里计算的主要输入。设备使用光电容积脉搏波传感器（PPG）测量心率，并应用基于心率与氧气消耗（VO2）之间关系的算法。其核心假设是：心率越高，能量消耗越大。
加速度计数据用于测量运动模式、步数和运动强度。这些数据补充了心率，适用于那些运动模式有助于区分运动类型的活动。
用户个人资料数据——年龄、体重、身高和性别——用于代谢方程（通常是哈里斯-贝内迪克特或米夫林-圣乔尔方程的变体）来个性化卡路里估算。
根本的局限在于，心率并不是能量消耗的完美代理。压力、咖啡因、温度、脱水和药物都可能在不增加卡路里消耗的情况下提高心率。相反，像举重这样的活动可能会在心率相对温和上升的情况下产生显著的能量消耗。
不同健身追踪器的卡路里消耗准确性如何？
多项研究将主要健身追踪器品牌与间接量热法（实验室环境中测量能量消耗的金标准）进行了比较。研究结果如下。
| 设备 | 研究 | 年份 | 测试的运动类型 | 平均卡路里误差 | 误差方向 |
|---|---|---|---|---|---|
| Apple Watch Series 6/7 | Nelson et al., EJSS | 2022 | 步行、跑步、骑行 | +17–28% 过度估算 | 过度估算 |
| Apple Watch Ultra | Hajj-Boutros et al., EJAP | 2023 | 跑步机跑步、骑行 | +13–22% 过度估算 | 过度估算 |
| Garmin Venu 2 | Passler et al., Sensors | 2023 | 跑步、骑行、力量训练 | +15–30% 过度估算 | 过度估算 |
| Fitbit Charge 5 | Fuller et al., IJBNPA | 2023 | 步行、跑步、骑行 | +20–40% 过度估算 | 过度估算 |
| Samsung Galaxy Watch 4 | Bent et al., NPJ Digital Med. | 2023 | 步行、跑步、高强度间歇训练 | +22–35% 过度估算 | 过度估算 |
| Whoop 4.0 | Miller et al., Sports Med. | 2022 | 跑步、骑行、CrossFit | +10–20% 过度估算 | 过度估算 |
| Polar Vantage V2 | Gilgen-Ammann et al., Sports | 2022 | 跑步、骑行 | +8–18% 过度估算 | 过度估算 |
斯坦福大学在2017年发表的一项开创性研究，测试了七款流行的腕带设备，涉及60名参与者和多种运动类型。最准确的设备的卡路里估算中位误差为27%，而最不准确的设备则高达93%。即使是“最佳”设备在卡路里测量方面的准确性也远低于心率测量。
过度估算的方向一致性值得注意。在几乎所有已发表的研究中，健身追踪器普遍存在过度估算卡路里消耗的现象，而不是低估。这种系统性偏差影响了任何基于这些数字进行营养规划的人。
卡路里消耗的准确性如何因运动类型而异？
运动类型是可穿戴设备卡路里准确性的最强预测因素。产生持续且较高心率和重复运动的活动，其估算更为准确，而那些强度变化大或肢体运动有限的活动则准确性较低。
| 运动类型 | 平均过度估算 | 误差范围 | 准确性变化原因 |
|---|---|---|---|
| 稳定步行 | +10–20% | 5–30% | 研究充分，运动模式一致 |
| 稳定跑步 | +15–25% | 8–35% | 心率与VO2在稳定状态下相关性良好 |
| 户外骑行 | +20–35% | 10–50% | 手腕运动最小，心率可靠性较低 |
| 游泳 | +25–40% | 15–55% | 水对PPG传感器的影响，划水检测不可靠 |
| 力量训练 | +30–50% | 15–70% | 休息间隔混淆基于心率的算法 |
| 高强度间歇训练 | +25–45% | 10–60% | 心率快速变化，EPOC估算不准确 |
| 瑜伽/普拉提 | +40–60% | 20–80% | 心率低，等长运动被低估 |
| 椭圆机/划船 | +15–30% | 8–40% | 运动模式一致，准确性适中 |
| 体育运动（篮球、网球） | +20–40% | 10–55% | 强度间歇变化，运动模式多样 |
步行和跑步产生的估算最为准确，因为这些活动的研究最为充分，运动模式一致，且加速度计能够良好检测，而心率反应与持续有氧运动的能量消耗相关性合理。
力量训练是准确性最低的类别之一。2021年发表在《运动科学杂志》上的一项研究发现，可穿戴设备对力量训练能量消耗的过度估算平均为40%。主要原因在于力量训练涉及短暂的高强度（举重）后跟随休息期。在休息期间，心率因心血管恢复而保持升高，但实际卡路里消耗显著下降。算法将升高的静息心率解释为持续的高强度运动。
高强度间歇训练也面临类似挑战。根据2022年发表在《运动与科学》期刊上的一项研究，四个主要可穿戴品牌的HIIT卡路里估算平均过度估算30–45%。在最大努力与恢复之间的快速交替混淆了基于心率的算法，而随后的过量运动后氧气消耗（EPOC）估算不一致。
卡路里消耗过度估算如何影响营养追踪？
卡路里消耗过度估算的实际影响取决于你如何使用这些数据。对于那些追踪卡路里并根据运动调整摄入的人来说，这种系统性的过度估算会造成特定的营养陷阱。
| 场景 | 追踪器报告 | 实际消耗 | 过度进食风险 |
|---|---|---|---|
| 30分钟跑步 | 450卡路里 | 310–360卡路里 | 如果吃回全部，超出90–140卡路里 |
| 45分钟力量训练 | 380卡路里 | 190–250卡路里 | 超出130–190卡路里 |
| 60分钟骑行 | 600卡路里 | 400–480卡路里 | 超出120–200卡路里 |
| 30分钟HIIT课程 | 500卡路里 | 280–350卡路里 | 超出150–220卡路里 |
| 全日TDEE | 2,800卡路里 | 2,300–2,500卡路里 | 超出300–500卡路里 |
“吃回运动卡路里”的概念——将追踪器报告的燃烧卡路里加到每日饮食预算中——是这种过度估算造成最大伤害的地方。如果你的追踪器显示你在HIIT锻炼中燃烧了500卡路里，而你当天额外摄入500卡路里，那么你可能比实际消耗多摄入200卡路里。在一周内，这相当于1,400卡路里——足以完全抵消适度的卡路里赤字。
2023年发表在《肥胖》期刊上的一项研究跟踪了200名使用健身追踪器进行体重管理的参与者，持续12周。那些吃回100%追踪器报告的运动卡路里的人，减重效果比那些只吃回50%报告卡路里或不根据运动调整摄入的人低60%。
可穿戴设备的总日常能量消耗（TDEE）准确性如何？
除了运动会话外，健身追踪器还估算包括基础代谢率（BMR）、非运动活动热量（NEAT）、食物的热效应和运动在内的总日常能量消耗。
| TDEE组成部分 | 可穿戴设备准确性 | 备注 |
|---|---|---|
| 基础代谢率（BMR） | ±5–10% | 基于用户输入的统计数据，标准方程 |
| 非运动活动（NEAT） | ±15–30% | 步数统计合理，但强度估算较差 |
| 运动能量消耗 | ±15–50% | 根据运动类型变化，如上所述 |
| 食物的热效应 | 未测量 | 大多数可穿戴设备忽略此项（通常占摄入的8–12%） |
| 总TDEE | ±15–25% | 所有组成部分的误差累积 |
2024年梅奥诊所的研究人员将Apple Watch、Garmin和Fitbit的TDEE估算与双标记水法测量（自由生活能量消耗的金标准）进行了比较，持续14天。所有设备的平均TDEE过度估算为18%，个体误差范围从5%到35%不等。
对于一个实际TDEE为2,200卡路里的人来说，18%的过度估算意味着手表报告约为2,600卡路里——一个400卡路里的差异。如果此人根据膨胀的TDEE设定卡路里摄入，他们将每天持续过量摄入400卡路里。
你该如何处理健身追踪器的卡路里数据？
健身追踪器的卡路里数据作为相对指标是有用的——它可以告诉你周二的锻炼比周一更为激烈。作为营养规划的绝对指标则不可靠。
不要吃回100%的运动卡路里。 根据已发布的过度估算数据，摄入追踪器报告的运动卡路里40–50%是更准确的方法。一些营养师建议完全不吃回运动卡路里，而是使用适度的固定调整。
关注趋势，而不是数字。 如果你的追踪器始终显示30分钟跑步消耗300卡路里，尽管绝对数字可能不准确，但你可以可靠地将其与其他锻炼进行比较。相对比较比绝对值更准确。
不要将追踪器的卡路里添加到你的食物日志中。 许多卡路里追踪应用程序与健身追踪器同步，并自动将运动卡路里添加到你的每日预算中。这会造成上述的过度进食陷阱。考虑禁用此同步功能或使用手动调整。
Nutrola专注于卡路里方程的摄入侧——确保你记录的食物与经过验证的营养师策划数据库相对照，而不是依赖于可穿戴设备的膨胀运动估算。准确的卡路里摄入数据比近似的卡路里消耗数据更具可操作性，因为你可以控制你吃什么，但无法控制手表测量你燃烧的准确性。
关于健身追踪器卡路里准确性的关键要点
| 发现 | 数据 |
|---|---|
| 整体卡路里消耗过度估算 | 平均+15–30% |
| 最准确的运动类型 | 步行（±10–20%误差） |
| 最不准确的运动类型 | 瑜伽/普拉提（±40–60%误差）、力量训练（±30–50%） |
| 最准确的设备类别 | 胸带心率监测器（±8–15%） |
| 最不准确的设备类别 | 腕带式消费追踪器（±15–50%） |
| 吃回100%报告卡路里的影响 | 可能完全抵消500卡路里的每日赤字 |
| 推荐调整 | 至多吃回40–50%的报告运动卡路里 |
| TDEE过度估算 | 各大品牌平均约18% |
健身追踪器是具有实时反馈价值的激励工具，并不是精确的能量消耗测量仪器。了解它们的系统性过度估算可以让你将其作为粗略指南，同时依赖经过验证的营养追踪来控制你能实际掌控的变量——你吃什么。
