CICO का असल में मतलब क्या है
शरीर में स्टोर ऊर्जा में बदलाव = खाई गई ऊर्जा − खर्च हुई ऊर्जा
कैलोरी इन, कैलोरी आउट (CICO) यह अवलोकन है कि यह रिश्ता एक लेखा-सर्वसमिका है। इसे संतुलित होना ही है, ठीक उसी तरह जैसे बैंक बैलेंस को जमा घटा निकासी के बराबर होना ही होता है। अगर बाहर जाने से ज़्यादा ऊर्जा अंदर आती है, तो सरप्लस स्टोर हो जाता है। अगर बाहर जाने से कम ऊर्जा अंदर आती है, तो कमी स्टोर की गई ऊर्जा से पूरी होती है। मानव मेटाबॉलिज़्म का कोई ऐसा रूप नहीं है जहां यह लागू न हो।
CICO यह नहीं कहता कि भूख, फूड क्वालिटी, नींद, हार्मोन, दवाइयां, और व्यवहार बेमतलब हैं। ये कोई साइड मुद्दे नहीं हैं, ये वे तंत्र हैं जो समीकरण के दोनों पक्षों पर काम करते हैं। नींद और तनाव भूख और आप आखिर में कितना खाते हैं, इसे बदलते हैं। खाने की बनावट तृप्ति और किसी दी गई इनटेक को दिनों के बजाय महीनों तक बनाए रखना कितना आसान है, इसे बदलती है। दवाइयां और हार्मोनल स्थिति रेस्टिंग एनर्जी की ज़रूरतों को काफी हद तक बदल सकती हैं। इनमें से कोई भी चीज़ लेखा-जोखे को गलत साबित नहीं करती, यह सिर्फ यह बताती है कि कैलोरी इन के किसी तय आंकड़े या खर्च की किसी तय मात्रा तक पहुंचना कुछ लोगों के लिए और जीवन के कुछ मौसमों में दूसरों की तुलना में इतना ज़्यादा मुश्किल क्यों है।
कैलोरी इन भी अनुमानित होती है
इनटेक वाला पक्ष जानने में आसान लगता है, लेकिन इसमें असली त्रुटि होती है। पैकेज्ड फूड लेबल को एक तय आंकड़ा बताने के बजाय एक रेगुलेटरी टॉलरेंस की छूट मिलती है, इसलिए एक जैसी प्रिंटेड कैलोरी काउंट वाले दो प्रोडक्ट कैलोरी तक मेल खाने की गारंटी नहीं रखते। घर का खाना बनाना अनिश्चितता को और बढ़ा देता है: रेसिपी की उपज, सामग्री की अदला-बदली, कभी न मापा गया कुकिंग ऑयल, और तौलने के बजाय अंदाज़े से लिए गए पोर्शन, ये सब किसी एक आंकड़े के लॉग होने से पहले ही त्रुटि जोड़ देते हैं। रेस्टोरेंट का खाना और भी बुरा होता है, क्योंकि दिखाई गई कैलोरी काउंट किसी टेस्ट किचन का अनुमान है, आपके सामने की प्लेट का मापन नहीं, और सामान्य तैयारी उस अनुमान से काफी अलग हो सकती है।
सामान्य लॉगिंग त्रुटि इन सबके ऊपर जुड़ जाती है: भूला हुआ कुकिंग ऑयल, राउंड किया गया पोर्शन, एक स्नैक जो कभी लॉग में आया ही नहीं। इससे लॉगिंग बेकार नहीं हो जाती, बल्कि इसका मतलब है कि किसी एक दिन के आंकड़े पर उतना भरोसा नहीं करना चाहिए जितना वह दिखता है। यही वजह है कि Wellness Project बिना किसी लॉग एंट्री वाले दिन को शून्य के बजाय अज्ञात मानता है, औसत सिर्फ उन दिनों से विभाजित होता है जो आपने वाकई लॉग किए, जबकि जो दिन आप जानबूझकर 0 कैलोरी लॉग करते हैं, यानी घोषित उपवास, वह एक असली शून्य गिना जाता है। इन दोनों को एक मान लेने से मेंटेनेंस अनुमान चुपचाप बहुत कम दिखने लगेगा।
कैलोरी आउट को देखना और भी मुश्किल है
खर्च का पक्ष कई हिस्सों से बना है, हर एक की अपनी त्रुटि है। रेस्टिंग एनर्जी की ज़रूरतें (सिर्फ जिंदा रहने के लिए खर्च होने वाली कैलोरी) ज़्यादातर लोगों के लिए सबसे बड़ा हिस्सा बनाती हैं, लेकिन इन्हें केवल एक फॉर्मूले से अनुमानित किया जाता है जब तक इन्हें सीधे न मापा जाए, जो लगभग कोई नहीं करता। नॉन-एक्सरसाइज़ एक्टिविटी, यानी चलना, खड़े होना, हाथ-पैर हिलाना, रोज़मर्रा की गतिविधि, कुल का वाकई एक बड़ा और वाकई परिवर्तनशील हिस्सा है जिसे कोई फॉर्मूला नहीं देखता। स्ट्रक्चर्ड ट्रेनिंग अपना हिस्सा जोड़ती है, और यहां तक कि खाना पचाने की ऊर्जा लागत (thermic effect of food) भी एक असली, भले छोटा हो, योगदान है। इन सबके ऊपर, शरीर का द्रव्यमान बदलने के साथ खर्च भी बदलता है: एक हल्का शरीर आमतौर पर आराम में और उसी गतिविधि के दौरान एक भारी शरीर की तुलना में कुछ कम खर्च करता है।
Mifflin-St Jeor जैसा फॉर्मूला रेस्टिंग हिस्से के लिए एक उचित शुरुआती अनुमान देता है, देखें TDEE यह कैसे काम करता है इसके लिए, लेकिन यह एक व्यक्ति पर लागू किया गया जनसंख्या का औसत है। एक डिवाइस से मिला आंकड़ा, भले ही वह भी अपूर्ण हो, आपको अकेले किसी फॉर्मूले से कहीं ज़्यादा आपके अपने खर्च के करीब ले जाता है, यही वह है जो बर्न हुई कैलोरी की सटीकता विस्तार से बताता है।
तराज़ू हर सुबह समीकरण का पालन क्यों नहीं करता
चूंकि समीकरण के दोनों पक्ष अनुमान हैं, और चूंकि तराज़ू का वज़न खुद स्टोर की गई ऊर्जा का सीधा रीडआउट नहीं है, दिन-प्रतिदिन का वज़न लगभग कभी भी गणित की भविष्यवाणी से मेल नहीं खाता। सोडियम इनटेक से पानी रुकना, कार्बोहाइड्रेट इनटेक और ट्रेनिंग के साथ बदलने वाला ग्लाइकोजन स्टोर, आंत में उस समय जो कुछ भी हो, जहां लागू हो वहां मासिक धर्म चक्र से जुड़े फ्लूइड शिफ्ट, और ट्रेनिंग के बाद की सूजन, ये सब मिलकर तराज़ू को उतना हिला सकते हैं जितना असली दिन का एनर्जी असंतुलन कभी नहीं हिला सकता।
इनमें से किसी का मतलब यह नहीं है कि समीकरण गलत साबित हुआ। इसका मतलब है कि तराज़ू कुल शरीर के द्रव्यमान को माप रहा है, जिसमें पानी भी शामिल है, सीधे शरीर की चर्बी को नहीं, और पानी चर्बी की तुलना में कहीं ज़्यादा तेज़ी और शोरगुल के साथ बदलता है। यही पूरी वजह है कि Wellness Project एक सुबह के वज़न की दूसरी सुबह से तुलना करने के बजाय एक स्मूद ट्रेंड को पढ़ता है: एक अकेला शुरू और अंत का अंतर ज़्यादातर शोर होता है, जबकि एक ट्रेंड रेखा इतने शोर को औसत करके नीचे की असली दिशा दिखा देती है।
3,500-कैलोरी नियम कहां फिट बैठता है
यह आंकड़ा कि लगभग 3,500 किलोकैलोरी का शुद्ध डेफिसिट या सरप्लस एक पाउंड शरीर की चर्बी के बराबर है, एक व्यापक रूप से इस्तेमाल किया जाने वाला ऊर्जा-रूपांतरण अनुमान है, कोई सटीक भौतिक स्थिरांक नहीं। यह चर्बी के ऊतक के अनुमानित ऊर्जा घनत्व से आता है, और मोटी-मोटी योजना के लिए उपयोगी है, लेकिन इसका मतलब यह नहीं कि तराज़ू पर एक पाउंड की हलचल अपने आप एक पाउंड शरीर की चर्बी है, क्योंकि तराज़ू के वज़न में पानी और अन्य द्रव्यमान भी शामिल होता है जो चर्बी से अलग बदलता है। यह किसी लंबे फेज़ में भी बिल्कुल स्थिर नहीं रहता, क्योंकि वज़न बदलने के साथ बॉडी कंपोज़िशन और खर्च दोनों बदलते हैं, इसलिए वही 3,500-कैलोरी का अंतर कई महीनों के कट की शुरुआत और अंत में एक जैसा नतीजा नहीं देता।
Wellness Project का अडैप्टिव एस्टिमेटर एक व्यावहारिक रूपांतरण फैक्टर के तौर पर लगभग 3,500 kcal प्रति पाउंड लागू करता है, और यह हमेशा एक स्मूद, कई हफ्तों के वज़न ट्रेंड पर ही लागू होता है, किसी एक दिन की तराज़ू रीडिंग पर कभी नहीं। इस तरह लागू करने पर, यानी किसी एक डेटा पॉइंट के बजाय एक ट्रेंड पर, यह अनुमान उपयोगी होने लायक भरोसेमंद है। किसी एक सुबह के आंकड़े पर लागू करने पर, यह नहीं है।
Wellness Project जो गणित इस्तेमाल करता है
अनुमानित TDEE ≈ औसत लॉग की गई इनटेक − स्टोर की गई ऊर्जा में बदलाव
अनुमानित TDEE ≈ औसत लॉग की गई इनटेक − (स्मूद lb/day ट्रेंड × ~3,500)
वह दूसरी लाइन इस पेज के शुरुआत वाली उसी लेखा-सर्वसमिका को फिर से व्यवस्थित करके, नतीजे के पक्ष के बजाय खर्च के पक्ष के लिए हल किया गया रूप है। चूंकि इनटेक को लॉग किया जा सकता है और वज़न के ट्रेंड को देखा जा सकता है, इस समीकरण को उल्टा चलाकर वज़न बदलाव की भविष्यवाणी करने के बजाय मेंटेनेंस का अनुमान लगाने के लिए इस्तेमाल किया जा सकता है।
यहां कुछ उदाहरण दिए गए हैं, जिन्हें उदाहरण के तौर पर लेबल किया गया है, किसी के पीछे भागने के लक्ष्य के तौर पर नहीं: अगर स्मूद ट्रेंड फ्लैट है, तो अनुमानित मेंटेनेंस औसत लॉग की गई इनटेक के करीब आता है। अगर कोई हर हफ्ते लगभग 0.5 पाउंड घटा रहा है और औसतन 2,000 कैलोरी खा रहा है, तो गणित यह दिखाता है कि उसका औसत खर्च 2,000 से कुछ ऊपर है। अगर ट्रेंड इसके बजाय बढ़ रहा है, तो इसका मतलब है कि मेंटेनेंस लॉग की जा रही इनटेक से नीचे है। इनमें से कोई भी आंकड़ा यह बताने वाला निर्देश नहीं है कि क्या खाना चाहिए, ये बस इस बात का संकेत हैं कि पहले ही क्या हो चुका है। किसी लक्ष्य की ओर वाकई कितना बड़ा डेफिसिट रखना चाहिए, इसके लिए देखें कैलोरी डेफिसिट क्या है.
ज़्यादा दशमलव अंकों से ज़्यादा डेटा बेहतर क्यों है
किसी एक दिन का आंकड़ा सटीक दिख सकता है, ठीक अंक तक लॉग की गई कैलोरी, किसी खास फिगर वाला डिवाइस रीडआउट, फिर भी वह सही नहीं होता। सटीकता और शुद्धता अलग-अलग चीज़ें हैं: फूड लेबल की टॉलरेंस, पोर्शन का अनुमान और डिवाइस का अपना त्रुटि मार्जिन इसलिए गायब नहीं हो जाते कि स्क्रीन पर दिख रहे अंतिम आंकड़े में कोई राउंडिंग नहीं है।
समीकरण के दोनों पक्षों पर, कई हफ्तों का लगातार रिकॉर्ड एक सटीक दिखने वाले अकेले दिन के आंकड़े से बेहतर होता है। ज़्यादा लॉग किए गए दिन इनटेक पक्ष पर पोर्शन और लेबल की त्रुटि को औसत कर देते हैं। ज़्यादा वेट-इन और डिवाइस का लंबा इतिहास एक्सपेंडिचर पक्ष पर पानी के शोर और फॉर्मूला की त्रुटि को औसत कर देते हैं। कंसिस्टेंसी, न कि दशमलव अंक, वह चीज़ है जो अनुमान को वाकई बेहतर बनाती है।
यह Wellness Project में उपयोगी कैसे बनता है
फूड लॉगिंग, शरीर के वज़न का इतिहास, और कनेक्टेड डिवाइस की एक्टिविटी व बर्न डेटा, ये सब एक ही अनुमान में जुड़ते हैं, न कि हाथ से मिलाने के लिए अलग-अलग आंकड़ों के रूप में रहते हैं। लॉग किए गए मील इनटेक पक्ष बनाते हैं, वेट-इन स्मूद ट्रेंड बनाते हैं, और डिवाइस डेटा खर्च पक्ष को किसी फॉर्मूले से कहीं ज़्यादा आपके अपने शरीर के करीब की चीज़ पर टिकाता है। नतीजा आपके रखरखाव कैलोरी अनुमान, और ये तीनों संकेत ऐप के Calories Burned व्यू में एक ही टाइमलाइन पर साथ रखे जाते हैं।
Let the accounting run on your own numbers
Wellness Project आपके लॉग किए गए खाने को आपके Apple Health, Fitbit, Oura, Health Connect, या Withings डेटा के साथ जोड़ता है, ताकि कैलोरी इन, कैलोरी आउट का गणित आपने असल में जो किया उस पर आधारित हो, किसी जनसंख्या फॉर्मूले पर नहीं। iOS, Android, और वेब पर अर्ली एक्सेस के दौरान मुफ्त। Apple या Google से साइन इन करें।
