当研究人员试图了解一个国家内体重与疾病风险之间的关联时，他们面临一个现实问题：如何以一致、经济且可重复的方式测量数百万人？BMI——体重与身高平方之比——几十年前就成了这个问题的答案，至今仍是公共卫生研究中使用最广泛的体重相关指标。理解这一点，需要看清大规模研究真正需要什么，以及它实际上能收集到什么。
大规模应用中，一个指标需要满足什么条件
流行病学研究病因及其在人群中的分布规律，依赖的是能从大量人群中采集的数据。当研究人员想追踪肥胖趋势、比较不同国家的健康结果，或评估公共卫生干预效果时，测量工具必须满足几个基本要求：无需专业临床设备即可采集，在不同环境下能产生可比结果，且应用成本足够低廉。
BMI 符合以上所有条件。它只需要一把体重秤和一次身高测量。可以通过问卷自填，也可以在常规健康检查中几分钟内完成。计算方式统一，不受设备校准或测量规程差异的影响。正是这种简单性，而非它对人体成分的全面刻画能力，使它成为体重研究的默认单位。
从统计描述到群体研究的历史演变
BMI 进入公共卫生领域的过程，始于一个统计描述工具，而非医学诊断手段。19世纪30年代，比利时统计学家阿道夫·凯特勒（Adolphe Quetelet）提出这一公式时，目的是描述"平均人类"的身体比例——他关注的是大规模人口的数学规律，而非评估个体健康。
1972年，美国生理学家安塞尔·基斯（Ancel Keys）重新使用这一公式并将其命名为"体质指数"（Body Mass Index），同样是在进行人口层面的研究——他比较了来自多个国家数千名男性的体重分类方法。他的结论是，凯特勒公式在大样本中与实际测量的体脂率相关性最强。这种群体层面的相关性，成为其被流行病学采纳的基础。
1995年，世界卫生组织正式统一了 BMI 分类阈值，作为全球追踪肥胖率的通用标准。一旦这些阈值确立，研究人员就有了比较不同国家人口的共同语言——这是体脂率、腰围或其他更精确的指标在那种规模下难以提供的。
为什么 BMR 和 TDEE 在这里无法替代 BMI
有人合理地问：为什么研究人员不用 BMR 或 TDEE 这类代谢指标来追踪群体健康？这些指标确实能捕捉到更有意义的能量生理信息——BMR 反映身体在静息状态下所需的最低能量，TDEE 则考虑了总活动量。但采集这些数据要么需要实验室测试，要么依赖预测方程，二者都会引入复杂性和变异性。
静息代谢率的测量通常需要代谢测定仪和受控环境。即便是 BMR 预测方程——如哈里斯-本尼迪克特公式或米夫林-圣杰尔公式——也只能给出估计值，准确性因人群而异。在一项纳入5万名参与者的研究中，这种变异性会叠加成噪声。BMI 则不同，它从两个任何人都能测量的数字出发，给出一个确定性的结果。
BMI 在研究中真正显示的是什么
在群体研究中，BMI 充当的是代理指标而非精确测量。当研究人员发现 BMI 超过30的人群患2型糖尿病的比例更高时，他们并不是在声称超重直接导致了每个人的疾病——他们观察到的是大规模群体中的统计规律。即使某些 BMI 31 的个体代谢完全正常，某些 BMI 24 的个体代谢却已紊乱，这一群体规律依然成立。
这种代理功能是合理且有价值的。大型队列研究——追踪数十万人长达数年乃至数十年——持续显示，平均 BMI 较高的人群有更高的心血管疾病、某些癌症、睡眠呼吸暂停和代谢紊乱发生率。这些关联推动了重大公共卫生政策的制定，塑造了临床筛查指南，并影响了国家层面的膳食建议。群体层面的信号是真实存在的，即使个体层面的预测并不精确。
群体研究的发现与个体评估的局限
问题出现在将群体层面的发现直接套用到个人时——这在临床场景中非常普遍。BMI 27 的人常被告知体重超标，这一判断依据的是从群体统计中得出的阈值。但这个阈值反映的是大规模多样化人群的平均风险，而非某一具体个体基于其身体成分、脂肪分布、年龄和代谢健康状况的特定风险。
体脂率、腰围、腰高比以及直接代谢测量，都能提供更具个体针对性的信息。同样是 BMI 27，内脏脂肪少、肌肉量高、血液指标正常的人，与腹部脂肪多、胰岛素抵抗明显的人，健康状况截然不同。群体研究看不到这种差别，个体评估则应该看到。
这正是体脂率——通过 DEXA 扫描、生物电阻抗或皮褶厚度测量——往往比单独使用 BMI 更能说明个体健康状况的原因。像 vivoxsense 这样的工具可以帮助人们同时查看 BMI 与体脂估算值及其他指标之间的关系，从而呈现比单一数字更完整的身体图像。
群体研究中的种族与年龄调整
BMI 群体研究中一项重要进展，是研究人员意识到标准阈值在不同种族中的适用性并不一致。亚裔人群的研究发现，在比欧裔人群更低的 BMI 水平下，代谢风险——包括血糖、血压和血脂异常——就已经开始升高。为此，亚洲多个国家已采用较低的超重和肥胖分类临界值。
年龄调整同样重要。随着年龄增长，肌肉量自然减少，BMI 往往会低估老年人的体脂含量。一位 BMI 23 的70岁老人，其体脂率可能远高于同等 BMI 的30岁年轻人。未按年龄分层的群体研究，可能在"健康体重"的定义上得出误导性结论。
这些改进反映了研究人员使用 BMI 方式的演变——不是放弃它，而是针对不同研究人群进行更精细的校准。
一个实用的工具，但并非完整的答案
BMI 在群体研究中长期存在，是因为它在群体研究所需的功能上表现足够好：提供一个简单、可规模化的信号，描述体重分布及其与疾病结局的关系。研究人员清楚地了解它的局限性，通常也会加以说明。真正的问题在于：让数百万人的追踪成为可能的那种简单性，也使它在应用到某一个具体的人时容易被误用。
理解一个指标背后的设计目的，能让它被更恰当地使用。BMI 是为描述群体而设计的，它在这个功能上表现可靠。对于个人健康决策——理解身体成分、通过 TDEE 估算每日能量需求、评估内脏脂肪风险——更具针对性的工具能提供更好的答案。
核心结论
BMI 成为群体健康研究标准，是因为它能以一致、经济、普遍的方式采集——而更精确的身体成分指标在这种规模下根本无法做到。它与疾病风险之间的群体层面关联在统计上是真实的，并推动了数十年的公共卫生政策。局限性不在于指标本身，而在于将群体统计学直接应用于个体生活，却未考虑一个身体实际状况的全貌。