BMI 出现在医疗表格上，出现在公共卫生指南中，在无数关于体重和健康的讨论中被引用。这种无处不在可能给人一种它是精确测量的印象。但事实并非如此。BMI 是一个有用的筛查比值，在人群层面表现合理，但对特定个体的表现则以可预测且有据可查的方式变差。
理解 BMI 在哪里产生误导，不是反对使用它的论点——而是解读这个数字实际含义的必要背景。
BMI 最初是为什么设计的
BMI 由比利时数学家阿道夫·凯特勒（Adolphe Quetelet）在 19 世纪中期开发，目的是获得一个简单的人群层面体重分布测量工具。它不是为临床诊断工具而设计的。将 BMI 值映射到"超重"和"肥胖"等类别的量表，是后来为流行病学研究添加的。
在人群层面，BMI 与健康结果的相关性合理。在大型群体中，BMI 更高的人往往有更高的心血管疾病、2 型糖尿病和相关疾病发病率。这种相关性赋予了 BMI 其流行病学价值。
在个体层面，相关性减弱，因为个体可以以 BMI 无法考虑的方式偏离人群平均值。
肌肉量问题
最常被讨论的局限性是无法区分肌肉和脂肪。BMI 只使用相对于身高的总体重。一千克肌肉和一千克脂肪对这个数字的贡献完全相同。
拥有大量瘦体重的人——运动员、力量训练者、天生具有较高肌肉构建遗传倾向的人——往往产生超重或肥胖区间的 BMI，但体脂率非常低。他们升高的 BMI 反映的是肌肉，而非多余脂肪，不携带分类所暗示的健康风险。
这是一个系统性失败。它以可预测的方向影响一个可识别的亚群体，产生假阳性——被归为超重但生理上精瘦、代谢健康的人。
正常体重肥胖：假阴性
在另一个极端，BMI 为另一个不同群体产生假阴性：体重正常但体脂过多的人。这种情况——正常体重肥胖，或 TOFI（外瘦内胖）——存在于总体重相对于身高合适，但瘦体重低而脂肪量（尤其是内脏脂肪）升高的情况下。
这些个体的 BMI 值在健康范围内，这会暗示他们没有升高的代谢风险。直接的体成分测量讲述了不同的故事：更高的内脏脂肪、胰岛素敏感性降低、炎症标志物升高。
对这个群体来说，BMI 提供了错误的保证。他们落在"正常"范围内，但实际的体成分使他们处于升高的风险中。
身高缩放问题
BMI 与身高的缩放并不完美。公式用体重除以身高的平方，这是一个数学近似，对平均身高的人效果合理，但在极端情况下引入系统性误差。
较高的人往往被 BMI 略微低估——在给定 BMI 下，他们的实际体脂往往低于公式所暗示的。较矮的人略微被高估——他们的实际体脂往往高于 BMI 所建议的。这是公式本身的已知数学问题。
实际含义：BMI 为 26 的非常高的人可能真正精瘦，BMI 为 24 的矮个子可能比分类所暗示的携带更多脂肪。
年龄和性别失真
BMI 不针对年龄或性别进行调整，尽管两者都对任何给定体重下的体成分有实质性影响。
女性在每个 BMI 值下天然携带比男性更多的体脂。相同 BMI 的女性和男性平均而言，体脂率有明显差异——女性通常更高。同一个 BMI 类别对每个性别意味着不同的事情。
随着年龄增长，瘦体重趋于下降。相同 BMI 的老年人和年轻人，可能有非常不同的体成分：老年人很可能有更少的肌肉和更多的脂肪，即使这个数字将他们放在同一类别中。BMI 无法考虑年龄相关的体成分变化，使其作为老年人群健康指标的可靠性降低。
应该与 BMI 配合使用什么
这些局限性都不意味着应该抛弃 BMI，而是意味着应该结合背景来解读它。几个额外的测量有助于填补空白：
体脂率直接解决了肌肉与脂肪的模糊性，区分了高 BMI 的精瘦个体和真正超脂肪个体。
腰围提供了关于脂肪分布——特别是中心型脂肪积聚——的信息，BMI 对此无能为力。中心型肥胖比同等数量的外周脂肪携带更大的代谢风险。
代谢指标——血压、空腹血糖、血脂——反映了独立于体重秤数字的实际代谢健康状况。
这些指标结合在一起，提供了更完整的图像。vivoxsense 等工具允许用户并排查看多个身体指标，使任何单一数字更容易在其适当背景下被解读。
核心要点
BMI 以可预测、有据可查的方式产生误导：它高估了肌肉发达个体的风险，低估了体重正常但体脂高的人的风险，并且不针对极端身高、年龄或性别进行调整。它作为快速的人群层面筛查工具仍然有用，但不应被视为个体健康的最终评估。将 BMI 与体脂率和腰围配合使用，提供了实质性更准确的图像。