什么是 BMI？

BMI 是 Body Mass Index（身体质量指数）的缩写，是一个将体重与身高进行比较的简单数字。它由比利时数学家 Adolphe Quetelet 在 19 世纪 30 年代提出，后来被公共卫生机构采用，作为一种快速将人群划分到不同体重类别的方法。结果会得到一个单一数值，帮助你大致判断自己的体重是低于、接近还是高于大多数研究认为体重相关健康风险最少的范围。

BMI 不会告诉你携带了多少脂肪、你有多强壮，或你的心肺状态有多好。它把每个人的体重都当作来自同一种来源，尽管两个 BMI 相同的人，身体成分可能完全不同。这就是为什么它更适合作为第一眼的参考，而不是最终结论。

如何计算 BMI

公式很简单。用你的体重（千克）除以身高（米）的平方。

BMI = 体重（kg）/ 身高（m）²

如果你使用的是磅和英寸，也有一个能得到相同结果的版本。先将体重（磅）乘以 703，再除以身高（英寸）的平方。

BMI =（体重（lbs）× 703）/ 身高（in）²

例如，一个体重 70 千克、身高 1.75 米的人，BMI 等于 70 除以 3.0625，四舍五入后为 22.9。这个数值落在通常被标记为成年人正常体重的范围内。

BMI 分类说明

成年人的 BMI 通常分为四个主要区间。儿童和青少年使用的是另一套系统，还会同时考虑年龄和性别。

类别	BMI 范围	通常意味着什么
体重过轻	低于 18.5	相对于你的身高，体重偏低。可能反映骨架较小、肌肉量较低、活动量高，或营养不足。
正常	18.5 到 24.9	体重处于一般成年人口中与最低平均体重相关风险相关的范围内。
超重	25 到 29.9	体重高于参考范围。是否反映体脂过多，还要看肌肉量。
肥胖	30 及以上	通常还会细分为 1 级（30 到 34.9）、2 级（35 到 39.9）和 3 级（40 及以上）。在人群研究中，这与更高的平均健康风险相关。

这些范围是基于大样本人群得出的平均值，个体背景仍然很重要。职业橄榄球运动员和久坐的办公室职员，可能因为完全不同的原因拥有相同的 BMI。

BMI 准确吗？

BMI 在它被设计出来要做的事情上是准确的，也就是用一个数字比较体重和身高。但如果把它当作体脂的直接测量，它就没那么准确了，而这往往才是人们真正想知道的。将 BMI 与金标准体脂测量进行比较的研究显示，BMI 平均来看与体脂的相关性还不错，但放到任何一个具体个体身上，误差范围都可能很大。

有两点会让误差更大。第一，BMI 不区分肌肉和脂肪，所以肌肉发达的身体在公式里也会显得偏重。第二，BMI 完全不说明脂肪储存在身体哪里。腰腹部脂肪带来的代谢风险，比同样数量分布在臀部和大腿的脂肪更高，但 BMI 对每一公斤都一视同仁。

为什么 BMI 可能会产生误导

最明显的例子是运动员。一个身高 180 厘米、体重 100 千克的力量型运动员，BMI 大约是 30.9，按公式会被归为肥胖。但他的体脂率可能只有个位数。相同的 BMI 如果出现在久坐的人身上，则可能反映明显过多的脂肪。公式本身无法区分这两种身体。

还有一些 BMI 经常会给出误导性结果的人群：

• 随着年龄增长而流失肌肉的老年人，BMI 可能仍然正常，但实际体脂比数字显示的更高。
• 四肢较长或骨架较宽的人，可能在没有多余脂肪的情况下也会得到更高的 BMI。
• 某些人群在低于默认阈值的 BMI 下就会有代谢风险，而另一些人群在更高数值下风险较低。因此，一些卫生机构会采用调整后的界值。
• 怀孕、明显水潴留以及运动后的肿胀，都可能在短期内影响这个数字。

你应该依赖 BMI 吗？

坦率地说：把它当作筛查数字，而不是诊断结果。在人群层面，BMI 与健康结局的相关性较好，这也是为什么医生至今仍在使用它。在个体层面，它只是地图上的一个点；这张地图还包括腰围、血压、血液检查、静息心率、精力、睡眠、力量以及衣服是否合身等信息。

如果你的 BMI 落在正常范围内，而且其他指标看起来也不错，那通常没有太多需要处理的地方。如果它落在这个范围之外，它更像是一个提醒你看整体情况的信号，而不是让你恐慌的理由。当你把它和腰围这样的指标一起追踪时，这个数字会更有价值，因为腰围能反映 BMI 捕捉不到的腹部脂肪。

什么是健康的 BMI？

对于大多数 20 到 65 岁的成年人来说，BMI 在 18.5 到 24.9 之间通常被视为平均体重相关风险最低的参考范围。一些研究认为，最低死亡风险点实际上大约位于 20 出头到 20 多的中段；而且一旦越过正常区间边界，风险曲线通常也是平缓上升，而不是陡然变化。

健康体重，与其说由某一个 BMI 数值定义，不如说由你的身体功能状态来定义。稳定的精力、良好的力量、数月内平稳的体重、不错的睡眠和正常的化验结果，比体重秤上 0.5 分的变化更能说明问题。把 BMI 用来发现趋势，再结合其他工具深入了解背后的原因。