亮点
本研究采用间接量热法对173名男性大学摔跤运动员的静息代谢率（Resting Metabolic Rate, RMR）预测方程进行了交叉验证。
基于体质量的方程通常低估实测RMR；纳入去脂体重（Fat-Free Mass, FFM）的方程准确性更佳。
新建立的预测方程相对于实测RMR的平均偏倚低于2%，提示其预测精度更高。
研究结果支持为男性摔跤运动员制定个体化RMR估算，以优化营养与训练干预。
研究背景
静息代谢率（Resting Metabolic Rate, RMR）是每日总能量消耗中占比最大的组成部分，对于制定运动员合理的营养和训练方案至关重要。大学摔跤运动员训练强度大，并且常通过调控体成分来满足级别体重要求，因此准确估算其RMR尤为重要。然而，现有针对普通人群或多样化人群建立的RMR预测方程，可能由于该特殊运动群体具有独特的体成分特征，例如瘦体重高、脂肪量低，而无法获得理想的预测效果。
RMR估算不准确可能导致能量摄入建议不当，从而影响运动表现、恢复及长期健康。因此，有必要针对男性大学摔跤运动员对RMR预测方程进行严格验证，以为运动营养师和教练提供依据。
研究设计
本交叉验证研究纳入173名男性大学摔跤运动员，分别来自美国全国大学体育协会（National Collegiate Athletic Association, NCAA）一级联赛（n=60）和三级联赛（n=113）队伍。受试者平均年龄为19.6岁，身高176.3厘米，体重76.6千克，体脂率11.4%。所有受试者均在赛季前阶段、标准化条件下接受检测：空腹、充分休息，且仅穿着内衣，以尽量减少影响RMR测量的外部变量。
RMR采用间接量热法测定，该方法是评估代谢率的金标准。体脂率通过皮褶厚度测量进行估算，并据此计算去脂体重（Fat-Free Mass, FFM）。研究将多种既往发表的RMR预测方程——包括基于体质量和基于FFM的方程——与实测RMR值进行比较。统计分析包括平均偏倚、均方根误差（Root Mean Squared Error, RMSE）、百分比RMSE、决定系数（R²）以及估计标准误（Standard Error of the Estimate, SEE）的计算。
主要发现
实测RMR平均值为2102 ± 341 kcal/day。除Jagim方程和Schofield方程外，大多数基于体质量的方程均显著低估了该队列的RMR。纳入FFM的方程，包括Tinsley FFM方程和Cunningham方程，表现出最小的恒定误差，其平均偏倚分别为80 ± 20 kcal/day和126 ± 20 kcal/day。
回归分析显示，Tinsley FFM方程与Cunningham方程的预测能力相近，二者R²均为0.422；在基于体质量的公式中，Jagim方程表现最佳（R²=0.377）。RMSE范围为279至338 kcal/day，SEE为260至272 kcal/day，提示其预测精度处于中等水平。R²值为37%至42%，说明其对变异的解释程度有限，这与生物学固有变异性一致。
值得注意的是，新建立的基于体质量和基于FFM的方程均提高了准确性，表现为偏倚极小（分别为26和-13 kcal/day）以及更优的RMSE（分别为274和252 kcal/day）。这些新方程使平均预测误差降至实测RMR的2%以下，显示出良好的一致性。
结果解读与临床意义
研究结果强调，传统基于体质量的预测方程可能不足以反映男性摔跤运动员典型的瘦体组成，从而存在低估其真实代谢需求的风险。纳入FFM的方程表现更优，这与已知生理学原理一致，即具有较高代谢活性的瘦组织是驱动RMR的主要因素。
针对男性大学摔跤运动员开发新的优化预测方程具有实际应用价值。更准确的RMR估算有助于营养师和教练团队更好地制定与运动员生理需求相匹配的能量摄入方案，优化体重管理策略，并在降低能量不足或过度喂养风险的同时支持运动表现提升。
专家点评
这些发现与既往研究一致，即在体成分与普通成年人存在显著差异的运动人群中，需要进行特异性代谢评估。R²值处于中等水平也提醒临床医师和运动营养师：当对能量量化要求极高时，即使经过验证的方程也不能替代直接测量RMR。
本研究的局限性包括采用皮褶厚度估算体脂，这种方法虽具有实用性，但与双能X线吸收法（Dual-Energy X-ray Absorptiometry, DEXA）相比准确性较低。后续研究可进一步在女性摔跤运动员及其他项目运动员中验证其适用性，以增强外推性。此外，评估RMR方程在不同训练周期和体重波动中的表现的纵向研究也具有价值。
结论
本交叉验证研究证实，现有通用RMR预测方程往往低估男性大学摔跤运动员的静息代谢需求，尤其是在仅依据体质量进行估算时更为明显。纳入去脂体重可显著提高预测准确性。
新建立的RMR预测方程表现出较低的平均偏倚和更优的误差指标，可为临床医师和运动科学研究人员提供实用工具，以更准确地为该运动人群制定个体化能量摄入建议。
优化RMR估算是提升营养策略的重要一步，有助于支持运动员的表现、恢复及长期健康。
研究资助与ClinicalTrials.gov
原始研究发表于2026年7月的《Medicine and Science in Sports and Exercise》，摘要中未注明资助情况。未提供临床试验注册信息。
参考文献
Jagim AR, Dobbs WC, Magee MK, Fields JB, Sims JNL, Saine ND, Jones MT. Resting Metabolic Rate in Collegiate Male Wrestlers: Cross-Validation and Development of Prediction Equations. Med Sci Sports Exerc. 2026;58(11):2524-2534. PMID: 42492233.
Cunningham JJ. A reanalysis of the factors influencing basal metabolic rate in normal adults. Am J Clin Nutr. 1980;33(11):2372-2374.
Tinsley GM, et al. Prediction of resting metabolic rate in athletes: a review. J Sports Med Phys Fitness. 2019;59(6):880-890.
Schofield WN. Predicting basal metabolic rate, new standards and review of previous work. Hum Nutr Clin Nutr. 1985;39(Suppl 1):5-41.
