什麼是瘦體重？
瘦體重（Lean Body Mass，簡稱 LBM）指的是身體中除了脂肪以外的所有組成，包括肌肉、骨骼、器官、體內水分與結締組織。這個計算器只需要三項數據，就能幫你估算 LBM：體重（公斤）、身高（公分）以及性別（男性或女性）。它不只用單一公式計算，而是同時套用四種公認的計算法並取平均值，因此結果會比只用一種方法更為穩定客觀。
計算器使用方法
- 體重（公斤）：輸入你目前的體重，單位為公斤。
- 身高（公分）：輸入你的身高，單位為公分。
- 性別：選擇男性或女性——每個公式會依性別採用不同的係數。
計算器會列出每個公式的瘦體重、估算脂肪量（體重減去 LBM）與體脂肪百分比，並提供一個平均後的整體結果。
使用的計算公式
本計算器套用四種方程式。以男性為例：
- Boer 公式：(0.407 × 體重) + (0.267 × 身高) - 19.2
- James 公式：(1.1 × 體重) - 128 × ≤ft(體重 ÷ 身高\right)^2
- Hume 公式：(0.32810 × 體重) + (0.33929 × 身高) - 29.5336
- BMI 計算法：(1.10 × 體重) - 128 × ≤ft(體重^2 ÷ 身高^2\right)
女性版本則採用不同的常數（例如 Boer：0.252 × 體重 + 0.473 × 身高 - 48.3）。最終的平均 LBM 為四個結果的算術平均值，體脂肪百分比則以(體重 - LBM) ÷ 體重 × 100計算。
實際計算範例
以一位體重 80 公斤、身高 180 公分的男性為例：
- Boer：0.407 × 80 + 0.267 × 180 - 19.2 = 61.4 公斤
- Hume：0.32810 × 80 + 0.33929 × 180 - 29.5336 = 57.8 公斤
- Boer 脂肪量：80 - 61.4 = 18.6 公斤，約等於 23% 的體脂率。
就這組數據而言，四種公式平均後的 LBM 大約落在 60 公斤左右。
解釋您的瘦體重結果
瘦體重(LBM)就是從總體重中扣除脂肪質量後剩下的部分:
它包括肌肉、骨頭、器官、結締組織、體液以及儲存在細胞膜、骨髓和中樞神經系統中的少量必需脂肪。此工具返回的數字是由迴歸方程式產生的統計估計值，而不是您身體的測量結果。該方程式是根據一組被稱重和測量的人擬合的，它預測具有您的體重、身高和性別的人的平均瘦體重——它無法知道您特定身體中有多少肌肉與脂肪。
因為這個原因，不同發表的方程式對同一個人會給出不同的答案。Boer、James、Hume和基於BMI結果之間大約2–4 kg的差異是完全正常的，不是其中任何一個有問題的跡象。每個方程式都是從不同的人群衍生而來的(不同的年代、國家、年齡、身體大小和參考方法)，因此每個都帶有不同的內置假設集合。隨著體重和BMI上升，差異傾向於擴大，因為來源人群中非常重的個體較少。
脂肪質量是瘦體重的補數——總體重減去瘦體重——而身體脂肪百分比將其表示為體重的一部分:
為了描述背景，在美國最廣泛複製的身體成分類別是由美國運動委員會(ACE)發布並與ACSM指南一起使用的類別。它們是描述性人群類別，而不是醫學閾值，並且它們是美國導向的參考值:
| 類別(ACE, 美國) | 男性 | 女性 |
|---|---|---|
| 必需脂肪 | 2–5% | 10–13% |
| 運動員 | 6–13% | 14–20% |
| 健身 | 14–17% | 21–24% |
| 平均/可接受 | 18–24% | 25–31% |
| 肥胖 | 25%及以上 | 32%及以上 |
對於遠離來源人群中心的人，基於公式的瘦體重估計最不可靠：非常肌肉發達或經過大量訓練的個體(其瘦體重被低估)、非常瘦的個體、老年人(在相同體重下失去肌肉和骨密度而增加脂肪)、肥胖的人、有明顯液體滯留或截肢的人、兒童和青少年，以及典型身體構成與該方程式擬合的主要歐洲和北美樣本不同的人群。性別以二進制男性/女性開關輸入，僅因為原始迴歸方程式是這樣發布的。
如果您需要實際測量而不是預測，參考方法包括DXA(雙能X光吸收測定法)、靜水壓(水下)稱重和空氣置換體積描記法，以及生物電阻抗分析(BIA)作為更便宜、更多變的現場方法。讀取公式結果最有用的方法是作為追蹤數字：保持相同的公式、相同的量表和相同的條件，並觀察數週內變化的方向，而不是任何單一日期的絕對值。
本部分是關於計算如何工作的事實參考信息。這是一般性信息，不是醫療建議，也不包含個人建議——請與合格的健康專業人員討論身體成分目標或擔憂。
不同身體型貌的瘦體重
以下所有數字都是從四個方程式精確計算得出的，體重 W 以公斤為單位，身高 H 以厘米為單位，BMI以 kg/m² 為單位(因此身高僅為BMI轉換為米)。
Boer(1984):
James(1976):
Hume(1966):
基於BMI(Janmahasatian 2005):
第一行的計算檢查(男性，70 kg，175 cm)，Boer:
表中的脂肪質量和身體脂肪百分比源自四個方程式的平均瘦體重。
| 型貌 | Boer瘦體重(kg) | James瘦體重(kg) | Hume瘦體重(kg) | 基於BMI的瘦體重(kg) | 平均瘦體重(kg) | 脂肪質量(kg) | 身體脂肪百分比 |
|---|---|---|---|---|---|---|---|
| 男性，70 kg，175 cm(BMI 22.9) | 56.0 | 56.5 | 52.8 | 55.9 | 55.3 | 14.7 | 21.0% |
| 男性，95 kg，180 cm(BMI 29.3) | 67.5 | 68.8 | 62.7 | 67.7 | 66.7 | 28.3 | 29.8% |
| 女性，55 kg，160 cm(BMI 21.5) | 41.2 | 41.4 | 39.9 | 36.4 | 39.7 | 15.3 | 27.8% |
| 女性，75 kg，168 cm(BMI 26.6) | 50.1 | 50.8 | 49.1 | 45.6 | 48.9 | 26.1 | 34.8% |
| 男性，110 kg，193 cm(BMI 29.5) | 77.1 | 79.4 | 72.0 | 78.1 | 76.7 | 33.3 | 30.3% |
差異說明。對於70 kg男性，四個方程式的跨度約為3.7 kg(52.8–56.5)；對於110 kg男性，它們的跨度約為7.4 kg(72.0–79.4)。隨著身體大小的增加，分歧會增長，因為迴歸主要是對正常體重成人進行擬合的，所以較重的身體位於其衍生數據邊緣附近或超過。Hume傾向於在高體重時返回最低值，而James——其減去的項隨著 W/H 的平方增長——平整出來，最終在非常高的BMI處向下轉折，這就是為什麼不應將其用於嚴重肥胖。如表所示，平均多個方程式是減弱任何單一公式偏差的常見方法，但它不會使結果成為測量。
關鍵術語和變數
| 術語 | 定義 |
|---|---|
| 瘦體重(LBM) | 總體重減去脂肪質量，其中"脂肪"是指儲存(脂肪組織)脂肪。因此，瘦體重包括肌肉、骨頭、器官、皮膚、體液——以及細胞內和神經系統內的必需脂肪。 |
| 無脂肪質量(FFM) | 體重減去所有脂肪，包括必需脂肪。無脂肪質量通常比瘦體重小約2–3%的體重——因此這兩個術語不可互換，儘管許多計算器和論文將它們寬鬆地用作同義詞。 |
| 脂肪質量 | 儲存的脂肪組織的質量：脂肪質量 = 總體重 - 瘦體重。以kg為單位表示。 |
| 身體脂肪百分比 | 脂肪質量表示為總體重的一部分，100 × 脂肪質量 / 總體重。具有相同身體脂肪百分比的兩個人可能具有非常不同的絕對脂肪和瘦體重。 |
| 必需脂肪 | 正常生理所需的最少脂肪——細胞膜、骨髓、神經鞘和女性中的性別特異性脂肪。通常引用為男性體重的約2–5%，女性為10–13%(ACE，美國參考範圍)。低於此範圍，正常功能會受到影響。 |
| BMI(身體質量指數) | BMI = W / h^2，體重以kg為單位，身高以米為單位。僅是一個大小指數：它不區分脂肪和瘦組織，這正是基於BMI的瘦體重方程式添加性別特異性校正的原因。 |
| 體重(kg) | 輸入變數W：以kg為單位的總體重。最好在早晨、使用廁所後、進食前、每次在相同的秤上測量。轉換時，1 lb = 0.45359 kg。 |
| 身高(cm) | 輸入變數H：以厘米為單位的站立身高，不穿鞋。在Boer和Hume方程式中直接使用，在James中作為比率使用，並轉換為米以計算BMI。1英寸 = 2.54 cm。 |
每個方程式的來源
- Boer(1984)——由P. Boer在《美國生理學期刊》上發表，用於正常化體液體積；源自健康的荷蘭成人，並根據測量的細胞外液體體積進行校準。這是此計算器默認使用的方程式。
- James(1976)——來自W.P.T. James的英國報告《肥胖研究》；一個擬合到英國成人參考數據的體重-身高關係，廣泛用於臨床給藥文獻中，但在高BMI時不可靠。
- Hume(1966)——R. Hume，《臨床病理學期刊》；迴歸擬合到英國健康成人，其瘦體重是從總體水估計的，是四個中最古老的。
- 基於BMI(Janmahasatian, 2005)——發表在《臨床藥物動力學》中，來自一個大型澳大利亞隊列，該隊列故意包含肥胖個體，無脂肪質量由生物電阻抗測定，並根據DXA進行驗證。它將瘦體重直接表示為體重和BMI的函數，這使其在高體重時成為四個中最穩定的。
這四個都主要來自20世紀或21世紀初的歐洲血統成人人群；沒有一個適用於兒童，沒有一個考慮訓練狀態、種族或年齡。
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。