Asociación Nacional de Técnicos Superiores en Dietética – TSD

Instagram Telegram
ACCEDER
Instagram Telegram
ACCEDER
Asóciate

Estimación del gasto energético en reposo

GE Nutrición Deportiva. Coordinador: Julen Aldaya Arriaza Participan: Jose Antonio Arnedo Sánchez, Yhenny Brito Mendoza, Alexander Orena Diaz, Jacobo Bernabé Morales Ortega, Elisa Caldas Camacho, Jesús Apellaniz Zubiri y Raúl Gutiérrez Lorenzo.
ÍNDICE
1. Introducción
2. Definición del gasto energético en reposo
3. Métodos para estimar el gasto energético en reposo
4. ¿Entonces cómo podemos estimar el metabolismo en reposo de un sujeto?
5. Ventajas y limitaciones de las ecuaciones predictivas
6. Aplicaciones en deportistas
7. Fórmulas del gasto energético en reposo
8. Cómo escoger la fórmula para calcular la Tasa Metabólica en Reposo (RMR)
9. Conclusiones
10. Referencias

Introducción

En el ámbito de la nutrición deportiva, entender el gasto energético en reposo (GER) es esencial tanto para deportistas recreativos como profesionales. Su estimación precisa no solo permite ajustar la ingesta energética para optimizar el rendimiento, sino que también contribuye a garantizar una recuperación adecuada y a prevenir desequilibrios metabólicos que comprometan la salud del deportista. Conocer las principales ecuaciones para calcular el gasto energético en reposo, sus fundamentos científicos y en qué casos cada una puede resultar más o menos acertada es determinante para los profesionales de la nutrición deportiva.
Definición del Gasto Energético en Reposo (GER)
El gasto energético en reposo (GER) representa la cantidad de energía necesaria para mantener las funciones vitales del organismo en reposo, tales como la respiración, la circulación o la regulación de la temperatura corporal. Es importante diferenciar el GER del gasto energético basal (GEB). Aunque ambos se miden en condiciones similares y en un entorno estrictamente termoneutro, el GEB requiere un estado de ayuno, mientras que el GER incluye la energía utilizada para el metabolismo de los alimentos. En la práctica, los valores de GER y GEB suelen diferir en menos de un 10 %, motivo por el cual ambos términos son frecuentemente utilizados de manera indistinta.
El GER constituye entre el 60 % y el 75 % del gasto energético diario total, dependiendo del nivel de actividad física y otros factores individuales como la composición corporal y, más concretamente, la masa muscular. Por lo tanto, comprender cómo calcularlo de manera efectiva es un aspecto fundamental para diseñar estrategias nutricionales personalizadas.
DEFINITIVO Figura 1 TDEE
Métodos para estimar el Gasto energético en Reposo (GER)
El gasto energético en reposo (GER) puede estimarse mediante diferentes métodos, siendo la calorimetría indirecta el estándar de referencia por su precisión. Este procedimiento mide el consumo de oxígeno y la producción de dióxido de carbono, proporcionando datos exactos sobre el metabolismo de carbohidratos, grasas y proteínas. No obstante, debido al alto coste y a la necesidad de condiciones controladas, su uso se limita principalmente a entornos clínicos y de investigación.
En la práctica habitual, los modelos matemáticos predictivos son herramientas clave para estimar el GER de forma rápida y económica. Estas ecuaciones, como las de Harris-Benedict o Mifflin-St Jeor, utilizan variables como peso, altura, edad y sexo. Aunque menos precisas que la calorimetría, ofrecen resultados confiables para la mayoría de las personas y son ampliamente utilizadas en contextos deportivos y clínicos.
Cada método presenta ventajas y limitaciones, por lo que la elección depende del contexto. Mientras que la calorimetría es ideal para estudios detallados, las ecuaciones predictivas permiten una estimación eficiente en el día a día de los profesionales de la nutrición.
Entonces, ¿cómo podemos estimar el metabolismo en reposo de un sujeto?
En la práctica diaria, los modelos matemáticos son herramientas clave para predecir el gasto energético en reposo (GER) de forma rápida y eficiente. Desde la clásica ecuación de Harris-Benedict, publicada en 1919, hasta fórmulas más recientes como la de Mifflin-St Jeor, estas herramientas estiman el GER a partir de variables básicas como peso, altura, edad y sexo, que son fácilmente accesibles.
Además, algunas ecuaciones más avanzadas consideran datos de composición corporal como la masa libre de grasa y la masa grasa. Estos datos pueden obtenerse a través de técnicas como la antropometría, la bioimpedancia eléctrica (BIA), la absorciometría de rayos X de energía dual (DEXA) o el pesaje subacuático (UWW). Estas opciones, aunque más precisas, requieren equipos especializados y condiciones controladas, lo que puede limitar su aplicabilidad fuera de entornos clínicos o de investigación.
Por tanto, la elección del método dependerá de los recursos disponibles y del nivel de precisión requerido en cada caso, destacando que los modelos más complejos son ideales para deportistas o individuos con características metabólicas específicas.
Ventajas y limitaciones de las ecuaciones predictivas
El uso de ecuaciones predictivas es una herramienta esencial en la nutrición deportiva, ya que permite estimar el gasto energético en reposo (GER) de forma rápida, accesible y económica. Sin embargo, la precisión de estas ecuaciones varía según la población y las condiciones en las que se aplican. A continuación, se destacan las principales ventajas y limitaciones de su uso:
Ventajas:
  1. Practicidad: Las ecuaciones como Mifflin-St Jeor y Harris-Benedict utilizan variables sencillas como peso, altura, edad y sexo, lo que facilita su uso en consultas y entornos no especializados.
  2. Accesibilidad: No requieren equipamiento especializado como cámaras calorimétricas, lo que reduce los costes.
  3. Rapidez: Ofrecen estimaciones inmediatas, permitiendo ajustes rápidos en los planes nutricionales.
  4. Adaptabilidad inicial: Sirven como punto de partida confiable para la mayoría de los individuos, especialmente aquellos con características promedio.
Limitaciones:
  1. Sesgo poblacional: Muchas ecuaciones se desarrollaron en poblaciones específicas (por ejemplo, sedentarios, adultos caucásicos, etc.), limitando su validez en otras etnias, edades o deportistas.
  2. Variabilidad individual: Factores como la masa magra, el nivel de actividad física y el estado hormonal no siempre están adecuadamente reflejados, lo que afecta la precisión.
  3. Dificultad en casos extremos: En individuos con características atípicas, como deportistas de élite o personas con obesidad severa, las estimaciones pueden subestimar o sobrestimar el GER.
  4. Falta de personalización: Las ecuaciones más simples no integran datos específicos como la composición corporal o adaptaciones metabólicas.
Ejemplo Práctico:
Un deportista de fuerza con alta masa magra que utiliza la ecuación de Harris-Benedict puede obtener una subestimación de su GER, lo que podría llevar a una ingesta calórica insuficiente. En este caso, sería más apropiado usar una fórmula como Katch-McArdle, que incluye la masa libre de grasa, para obtener un cálculo más preciso.
Aplicaciones para Deportistas
En el contexto deportivo, estimar el gasto energético en reposo (GER) es fundamental para diseñar estrategias nutricionales personalizadas que optimicen el rendimiento físico y la composición corporal. Un déficit energético prolongado, como el que puede ocurrir en deportes de resistencia con entrenamientos intensos, puede comprometer el rendimiento, la recuperación y la salud general, incluyendo la pérdida de masa muscular. Por otro lado, un superávit calórico no controlado, más común en disciplinas de fuerza, podría resultar en un aumento no deseado de la masa grasa.
La elección de la ecuación predictiva más adecuada debe basarse en las características individuales del deportista, como su nivel de actividad física, su composición corporal y sus objetivos específicos (por ejemplo, perder grasa, ganar masa muscular o mantener peso durante la competición). En este sentido, estos son algunos casos ilustrativos:
  • Deportistas de fuerza con alta masa muscular pueden beneficiarse de ecuaciones como Katch-McArdle, que consideran la masa magra.
  • Atletas de resistencia podrían encontrar mayor precisión en fórmulas como Cunningham o FAO/OMS/UNU, que ajustan los valores para poblaciones activas.
Además, es importante ajustar las estrategias nutricionales de manera continua, teniendo en cuenta factores como el progreso en el entrenamiento, cambios en la composición corporal y las demandas específicas de cada temporada competitiva.
Fórmulas del Gasto Energético en Reposo: Fundamentos, aplicaciones y limitaciones
Varias de las fórmulas de gasto energético basal se desarrollaron a partir de mediciones realizadas en cámaras calorimétricas o mediante calorimetría indirecta. Estos datos se correlacionaron con características demográficas y antropométricas, como peso, altura, edad y sexo, para crear modelos predictivos que facilitan su uso en contextos prácticos.
Si bien cada fórmula tiene fortalezas y limitaciones, su aplicación depende del contexto del individuo. Por ejemplo, deportistas con alta masa muscular pueden beneficiarse de ecuaciones que incluyen la masa magra, como Katch-McArdle, mientras que fórmulas como Mifflin-St Jeor suelen ser útiles en poblaciones en general o con sobrepeso. Es fundamental comprender el grupo poblacional para el cual fue diseñada cada fórmula para asegurar su precisión en la práctica nutricional.
Mifflin, M.D., St Jeor, S.T., Hill, L.A., Scott, B.J., Daugherty, S.A., & Koh, Y.O. (1990). «A new predictive equation for resting energy expenditure in healthy individuals.» American Journal of Clinical Nutrition, 51(2), 241–247.
Fundamentos Principales del Artículo
El artículo introduce una nueva ecuación predictiva para calcular el gasto energético en reposo (REE, por sus siglas en inglés) en individuos sanos, considerando variables como el peso, la altura, la edad y el género. Los autores compararon esta ecuación con la de Harris-Benedict, demostrando una mayor precisión en la estimación del REE. La investigación subraya la importancia de la composición corporal como factor clave en el gasto calórico y destaca que las ecuaciones anteriores presentaban limitaciones para predecir con exactitud el REE en ciertas poblaciones. El estudio se basa en un análisis estadístico robusto de datos obtenidos de individuos saludables para mejorar la aplicabilidad clínica y deportiva.
Principales Limitaciones del Artículo
  1. Tamaño de la Muestra:
    • La ecuación fue desarrollada con una población limitada en cuanto a diversidad étnica y condiciones fisiológicas, lo que podría afectar su aplicabilidad general.
  2. Falta de Evaluación Directa del REE (gasto energético en reposo):
    • La validación del modelo se basó en estimaciones indirectas, sin mediciones amplias de calorimetría directa para todos los participantes.
  3. Exclusión de Factores Psicológicos y Ambientales:
    • No considera el impacto del estrés, el sueño o la temperatura ambiental, que pueden influir en el gasto energético.
  4. Asunción de Homogeneidad Física:
    • La metodología presume que todos los sujetos saludables tienen patrones similares de gasto energético basal.
  5. Limitada Representación de Grupos de Edad Extremos:
    • Aunque incluye adultos de diferentes edades, la metodología no aborda de forma exhaustiva a niños, adolescentes o adultos mayores.
Población Indicada para su Uso
  1. Individuos Sanos:
    • Personas sin patologías que puedan alterar el metabolismo basal.
  2. Adultos de 18 a 65 Años:
    • Grupo de edad representado en el estudio original, excluyendo a niños y adultos mayores.
  3. Personas con Rango de Peso y Altura Promedio:
    • Diseñada para sujetos con medidas corporales promedio sin obesidad extrema ni desnutrición severa.
  4. Personas con Estilos de Vida Moderadamente Activos:
    • No incluye a atletas profesionales ni a individuos sedentarios extremos.
  5. Sujetos con Metabolismo Basal Estable:
    • Sin variaciones recientes como recuperaciones postquirúrgicas o fluctuaciones hormonales.
McArdle, W.D., Katch, F.I. & Katch, V.L. Exercise Physiology: Energy, Nutrition, and Human Performance. Lippincott Williams & Wilkins (1996).
Fundamentos Principales del Libro
El libro ofrece una introducción integral a los principios de la nutrición, el ejercicio y su impacto en la salud. Los autores exploran la interrelación entre el balance energético, la actividad física y la dieta, destacando cómo estos factores influyen en el rendimiento deportivo y la prevención de enfermedades. También analizan los requerimientos energéticos específicos de diferentes grupos poblacionales, incluidas personas activas y atletas. La obra combina información teórica con ejemplos prácticos, brindando estrategias para optimizar la salud a través de una combinación adecuada de alimentación y actividad física.
Principales Limitaciones del Libro
  1. Limitada Exploración de las Variaciones Individuales:
    • La metodología utilizada no aborda en profundidad las diferencias individuales en metabolismo basal derivadas de factores genéticos o de composición corporal.
  2. Enfoque en Población General:
    • Diseñado principalmente para describir principios generales de nutrición y ejercicio, el estudio no ofrece recomendaciones específicas para poblaciones con condiciones médicas o atletas de alto rendimiento.
  3. Falta de Validación Empírica Extendida:
    • Aunque se presentan conceptos teóricos claros, faltan datos empíricos más amplios que respalden algunas de las afirmaciones realizadas.
  4. Carencia de Análisis Crítico de Factores Externos:
    • No se exploran a fondo cómo factores como el entorno, la cultura alimentaria o el acceso a recursos impactan la implementación de las recomendaciones propuestas.
  5. Escasa Consideración de las Diferencias de Edad y Género:
    • Aunque el estudio introduce principios amplios, no aborda específicamente cómo la edad o el género podrían modificar los efectos de la nutrición y el ejercicio.
Población Indicada para su Uso
  1. Individuos Interesados en la Educación Nutricional Básica:
    • Ideal para personas que buscan comprender los conceptos fundamentales de la relación entre la nutrición, el ejercicio y la salud.
  2. Adultos Sanos:
    • La información presentada es más relevante para adultos sin condiciones médicas que puedan requerir adaptaciones específicas.
  3. Profesionales y Estudiantes de Ciencias de la Salud:
    • Proporciona una base teórica adecuada para aquellos en formación en el área de nutrición o educación física.
  4. Personas Activas o Moderadamente Activas:
    • Las recomendaciones son aplicables a quienes mantienen niveles de actividad física regular, pero no están dirigidas a atletas de élite.
  5. Público General Interesado en la Relación Salud-Ejercicio:
    • Incluye información valiosa para personas que desean adoptar un estilo de vida más saludable basado en el conocimiento científico.
Cunningham, J.J. (1980). «A reanalysis of the factors influencing basal metabolic rate in normal adults.» American Journal of Clinical Nutrition, 33(11), 2372–2374.
Fundamentos Principales del Artículo
El artículo analiza los factores que influyen en la tasa metabólica basal (BMR, por sus siglas en inglés) en adultos sanos, poniendo el foco en la masa magra como el determinante principal del gasto energético basal.
Cunningham destaca que el BMR es proporcional a la cantidad de masa libre de grasa, lo que resalta la importancia de incluir esta variable en las ecuaciones predictivas. Además, el estudio reevalúa datos previos para mejorar la precisión de las estimaciones energéticas, sugiriendo que la variabilidad individual puede explicarse principalmente por diferencias en la composición corporal; en lugar de factores como el género o la edad. Esto sitúa a la masa magra como un indicador clave en la investigación metabólica.
Principales Limitaciones del Artículo
  1. Limitada Inclusión de Datos Sobre Masa Magra:
    • Aunque el estudio destaca la importancia de la masa libre de grasa como determinante del gasto energético, la metodología para medirla podría ser menos precisa comparada con técnicas actuales.
  2. Muestra Limitada en Diversidad Demográfica:
    • La población analizada no incluye una representación amplia de diferentes edades, sexos y etnias, lo que limita la aplicabilidad general de los resultados.
  3. Ausencia de Factores Ambientales y Psicológicos:
    • No se consideraron variables externas como el estrés o la temperatura ambiental, variables que podrían influir en el metabolismo basal.
  4. Dependencia en Métodos Indirectos:
    • Se utilizaron métodos indirectos para estimar el metabolismo basal, lo que podría introducir errores en la interpretación de los resultados.
  5. Falta de Evaluación Longitudinal:
    • El estudio no explora cómo el metabolismo basal podría variar a lo largo del tiempo en los mismos individuos.
Población Indicada para su Uso
  1. Adultos Sanos:
    • Principalmente individuos sin enfermedades metabólicas o crónicas que puedan alterar los resultados.
  2. Personas con Composición Corporal Promedio:
    • Diseñado para analizar a individuos con niveles promedio de masa magra y grasa corporal.
  3. Individuos con Estilos de Vida Moderadamente Activos:
    • Ideal para quienes mantienen niveles regulares de actividad, excluyendo deportistas extremos o personas sedentarias.
  4. Sujetos con Metabolismo Estable:
    • Sin fluctuaciones recientes debido a cambios drásticos de peso, cirugías o desequilibrios hormonales.
  5. Estudiantes e Investigadores:
    • Relevante como base teórica para quienes buscan comprender los factores que influyen en el metabolismo basal.
Roza, A.M., & Shizgal, H.M. (1984). «The Harris Benedict equation reevaluated: resting energy requirements and the body cell mass.» American Journal of Clinical Nutrition, 40(1), 168–182.
Fundamentos Principales del Artículo
Este artículo revisa la ecuación de Harris-Benedict, que se utiliza ampliamente para estimar los requerimientos energéticos en reposo (REE). Los autores destacan la importancia de la masa celular corporal como factor determinante del gasto energético, proponiendo ajustes para mejorar la precisión en cálculos realizados en diferentes grupos poblacionales. El estudio enfatiza que el metabolismo basal está influenciado por la proporción de masa magra en el cuerpo, lo que sugiere que esta variable debería ser prioritaria en las estimaciones de REE. También examinan las limitaciones de las ecuaciones existentes y proponen refinamientos basados en datos obtenidos de calorimetría indirecta y análisis de la composición corporal.
Principales Limitaciones del Artículo
  1. Dependencia de la Composición Corporal Promedio:
    • El estudio utiliza datos promedio de composición corporal que podrían no reflejar variaciones individuales, como niveles de masa magra y grasa.
  2. Falta de Consideración de Factores Ambientales:
    • No se incluyen factores como la temperatura ambiental o el nivel de estrés, que pueden influir en los requerimientos energéticos.
  3. Aplicabilidad Limitada a Grupos Específicos:
    • Las ecuaciones pueden ser menos precisas en poblaciones con obesidad severa, desnutrición o condiciones médicas crónicas.
  4. Tecnología de Medición Obsoleta:
    • Las herramientas utilizadas en la investigación, aunque avanzadas para la época, son menos precisas comparadas con las tecnologías actuales.
  5. No Incluye Evaluación Longitudinal:
    • No se evaluó el impacto de los cambios en la composición corporal y otros factores a lo largo del tiempo.
Población Indicada para su Uso
  1. Adultos Sanos:
    • Diseñada principalmente para personas sin patologías que afecten el metabolismo basal.
  2. Personas con Composición Corporal dentro del Promedio:
    • Ideal para quienes tienen niveles promedio de masa magra y grasa corporal.
  3. Individuos con Estilos de Vida Moderados:
    • Aplicable a personas con actividad física moderada, excluyendo a deportistas de élite o sedentarios extremos.
  4. Sujetos en Condiciones Estables:
    • Sin fluctuaciones recientes en peso corporal, cambios hormonales drásticos o situaciones clínicas especiales.
  5. Profesionales de la Salud y Nutrición:
    • Relevante para dietistas y médicos que buscan una base teórica para calcular los requerimientos energéticos.
FAO/OMS/UNU (1985). «Energy and Protein Requirements: Report of a Joint FAO/WHO/UNU Expert Consultation.» World Health Organization Technical Report Series.
Fundamentos Principales del Artículo
Este informe de consulta conjunta proporciona recomendaciones detalladas sobre los requerimientos energéticos y proteicos necesarios para mantener la salud y apoyar diferentes niveles de actividad física. Basado en una revisión exhaustiva de la literatura científica disponible en ese momento, establece valores de referencia para diferentes grupos de edad, género y condiciones físicas. También aborda las necesidades nutricionales específicas de poblaciones vulnerables, como niños en crecimiento, mujeres embarazadas y lactantes. El informe subraya la importancia de equilibrar el consumo de energía con el gasto para prevenir tanto la desnutrición como la obesidad, y destaca los factores que influyen en la biodisponibilidad de las proteínas.
Principales Limitaciones del Artículo
  1. Generalización de los Requerimientos:
    • Los valores propuestos son promedios poblacionales que pueden no reflejar las necesidades específicas de individuos con condiciones médicas o metabólicas particulares.
  2. Limitaciones en la Representación Demográfica:
    • Aunque se consideran diferentes regiones del mundo, los datos utilizados no abarcan completamente la diversidad étnica y cultural.
  3. Desactualización Tecnológica:
    • Las técnicas de medición y los estudios subyacentes reflejan las capacidades tecnológicas de la época, lo que podría impactar la precisión de las recomendaciones actuales.
  4. Falta de Consideración de Factores Ambientales:
    • No se evalúa a fondo el impacto de condiciones como el clima o el nivel de industrialización en los requerimientos energéticos.
  5. Escasa Incorporación de Evidencia Longitudinal:
    • La mayoría de los datos provienen de estudios transversales, lo que limita la comprensión de los cambios en los requerimientos a lo largo del tiempo.
Población Indicada para su Uso
  1. Profesionales de la Salud y Nutrición:
    • Proporciona una base para el desarrollo de políticas públicas y guías alimentarias.
  2. Poblaciones Generales:
    • Dirigido a individuos que buscan información general sobre requerimientos energéticos y proteicos.
  3. Grupos Vulnerables:
    • Incluye recomendaciones específicas para niños, mujeres embarazadas y lactantes.
  4. Investigadores en Nutrición:
    • Base teórica para estudios posteriores sobre necesidades energéticas y proteicas.
  5. Diseñadores de Políticas Públicas:
    • Herramienta para planificar programas de nutrición y seguridad alimentaria en diferentes contextos globales.
Harris, J.A., & Benedict, F.G. (1919). «A Biometric Study of Basal Metabolism in Man.» Washington, D.C.: Carnegie Institution of Washington.
Fundamentos Principales del Artículo
Este estudio clásico estableció las bases para comprender el metabolismo basal en el ser humano, desarrollando una ecuación predictiva ampliamente utilizada para estimar el gasto energético en reposo (REE). La ecuación de Harris-Benedict se basa en mediciones realizadas en un amplio rango de individuos saludables, considerando factores como el peso corporal, la altura, la edad y el género. Este trabajo proporcionó un marco de referencia para la investigación posterior en nutrición y metabolismo, y sentó las bases para personalizar los requerimientos energéticos según las características individuales.
Principales Limitaciones del Artículo
  1. Obsolescencia Tecnológica:
    • Las técnicas utilizadas para medir el metabolismo basal, aunque pioneras en su época, son menos precisas comparadas con los métodos modernos.
  2. Limitada Representación Demográfica:
    • La muestra utilizada carecía de diversidad étnica y cultural, lo que limita su aplicabilidad a nivel global.
  3. Asunción de Homogeneidad Física:
    • Se asume que las relaciones entre los factores antropométricos y el metabolismo basal son uniformes, sin considerar variaciones individuales significativas.
  4. Ausencia de Factores Ambientales:
    • El estudio no contempla cómo factores como el clima o las condiciones ambientales afectan el metabolismo basal.
  5. Datos No Longitudinales:
    • La investigación se basó en datos transversales, lo que limita el análisis de cómo el metabolismo basal cambia con el tiempo o con diferentes estados fisiológicos.
Población Indicada para su Uso
  1. Adultos Sanos:
    • Diseñada para personas sin condiciones médicas o metabólicas que alteren el metabolismo basal.
  2. Individuos con Composición Corporal Promedio:
    • Ideal para quienes tienen valores promedio de masa magra y grasa corporal.
  3. Profesionales de la Salud y Nutrición:
    • Proporciona una base teórica útil para diseñar planes de nutrición personalizados.
  4. Estudiantes e Investigadores:
    • Referencia clave para estudios en fisiología y nutrición.
  5. Diseñadores de Políticas Públicas:
    • Herramienta inicial para estimar requerimientos energéticos en poblaciones generales.
Owen, O.E., Kavle, E., Owen, R.S., Polansky, M., Caprio, S., Mozzoli, M.A., & Kendrick, Z.V. (1986). «A reappraisal of the caloric requirements of men.» American Journal of Clinical Nutrition, 44(1), 1–19.
Fundamentos Principales del Artículo
Este estudio evalúa las necesidades calóricas de los hombres, destacando la influencia de la composición corporal, el peso y la actividad física en el gasto energético. Los autores desarrollaron una ecuación para estimar el gasto energético en reposo (REE) basada en mediciones obtenidas mediante calorimetría indirecta, mejorando la precisión en comparación con métodos anteriores. El trabajo subraya que las variaciones en el metabolismo basal son atribuibles principalmente a diferencias en la masa magra, y propone ajustar las recomendaciones calóricas según el nivel de actividad física y las características individuales. Este enfoque contribuye a optimizar la planificación dietética personalizada.
Principales Limitaciones del Artículo
  1. Falta de Representación de Mujeres:
    • El estudio se centra exclusivamente en hombres, lo que limita la aplicabilidad de las ecuaciones a mujeres y otros grupos.
  2. Dependencia de Calorimetría Indirecta:
    • Aunque es una técnica confiable, la dependencia de mediciones indirectas podría introducir pequeños errores en las estimaciones.
  3. Muestra Limitada en Diversidad Demográfica:
    • Los participantes no representan una amplia variedad de edades, etnias o estilos de vida, restringiendo la generalización de los resultados.
  4. Enfoque en el Corto Plazo:
    • La investigación no evalúa cómo los cambios en el peso o la actividad física afectan el REE a lo largo del tiempo.
  5. Escasa Consideración de Factores Ambientales:
    • No se analizaron variables como la temperatura o el clima, que podrían influir en los requerimientos energéticos.
Población Indicada para su Uso
  1. Hombres Sanos:
    • Diseñado específicamente para estimar las necesidades calóricas en hombres sin patologías metabólicas.
  2. Individuos con Composición Corporal Promedio:
    • Ideal para personas con niveles promedio de masa magra y grasa corporal.
  3. Profesionales de la Salud:
    • Herramienta útil para dietistas y nutricionistas que elaboran planes personalizados para hombres.
  4. Investigadores en Metabolismo:
    • Base teórica para estudios futuros sobre requerimientos calóricos y metabolismo basal.
  5. Hombres Activos o Moderadamente Activos:
    • Aplicable a individuos con niveles regulares de actividad física, excluyendo a atletas extremos o personas sedentarias.
De Lorenzo, A., Bertini, I., Candeloro, N., Piccinelli, R., Innocente, I., & Brancati, A. (1999). «A new predictive equation to calculate resting metabolic rate in athletes.» Journal of Sports Medicine and Physical Fitness, 39(3), 213–219.
Fundamentos Principales del Artículo
Este estudio tuvo como objetivo evaluar la precisión de siete ecuaciones publicadas para predecir la tasa metabólica en reposo (RMR) en atletas y desarrollar una nueva ecuación específica para esta población. Los autores midieron la RMR en 100 atletas de élite utilizando calorimetría indirecta y compararon los resultados con las estimaciones de las ecuaciones existentes. Encontraron que las ecuaciones previas tendían a sobreestimar o subestimar la RMR en atletas. Basándose en sus hallazgos, propusieron una nueva ecuación que incorpora variables como el peso corporal y la masa libre de grasa, demostrando una mayor precisión en la estimación de la RMR para atletas en comparación con las ecuaciones anteriores.
Principales Limitaciones del Artículo
  1. Tamaño y Diversidad de la Muestra:
    • Aunque se incluyeron 100 atletas, la muestra podría no ser representativa de todas las disciplinas deportivas, niveles de entrenamiento o diferencias étnicas, lo que limita la generalización de la ecuación propuesta.
  2. Falta de Validación Externa:
    • La nueva ecuación no fue validada en una muestra independiente de atletas, lo que es necesario para confirmar su aplicabilidad en diferentes contextos y poblaciones deportivas.
  3. Variabilidad en la Composición Corporal:
    • La ecuación propuesta puede no ser precisa para atletas con composiciones corporales extremas o atípicas, ya que se basa en promedios que pueden no reflejar estas variaciones individuales.
  4. Consideración Limitada de Factores Externos:
    • Factores como el estado de entrenamiento, la dieta, el estado hormonal y las condiciones ambientales no fueron considerados, aunque pueden influir significativamente en la RMR de los atletas.
  5. Aplicabilidad Temporal:
    • Los datos fueron recopilados en un momento específico, y la ecuación puede no reflejar cambios en la fisiología del atleta a lo largo del tiempo debido a adaptaciones al entrenamiento o cambios en la composición corporal.
Población Indicada para su Uso
  1. Atletas de Alto Rendimiento:
    • La ecuación está diseñada específicamente para estimar la RMR en atletas de élite, proporcionando una herramienta más precisa para este grupo en comparación con las ecuaciones generales.
  2. Deportistas con Composición Corporal Similar a la Muestra Estudiada:
    • Es más aplicable a atletas cuya composición corporal y características coinciden con las de la muestra utilizada en el estudio, principalmente aquellos con una alta proporción de masa libre de grasa.
  3. Profesionales de la Salud y Nutrición Deportiva:
    • Nutricionistas y entrenadores pueden utilizar esta ecuación para planificar dietas y programas de entrenamiento más ajustados a las necesidades energéticas reales de los atletas.
  4. Investigadores en Fisiología del Ejercicio:
    • Proporciona una base para estudios adicionales sobre el metabolismo en reposo en poblaciones atléticas y la validación de ecuaciones predictivas en diferentes grupos deportivos.
  5. Atletas Durante Períodos de Entrenamiento Estable:
    • La ecuación es más precisa cuando se aplica a atletas en fases de entrenamiento consistentes, ya que cambios significativos en la carga de entrenamiento pueden alterar la RMR y afectar la precisión de la estimación.
ten Haaf, T. & Weijs, P.J.M. Resting energy expenditure prediction in recreational athletes of 18-35 years: confirmation of Cunningham equation and an improved weight-based alternative. PLoS ONE 9, e108460 (2014).
Fundamentos Principales del Artículo
El estudio evalúa la precisión de varias ecuaciones predictivas para estimar el gasto energético en reposo (REE) en deportistas recreativos entre 18 y 35 años. Los autores confirman la validez de la ecuación de Cunningham, que incluye la masa magra como principal determinante del REE, y proponen una nueva ecuación basada en el peso corporal para simplificar las estimaciones. Utilizando calorimetría indirecta como referencia, comparan el rendimiento de diferentes modelos y destacan que la nueva ecuación es más práctica y precisa para esta población específica. Este trabajo subraya la importancia de adaptar las herramientas de evaluación a las características del grupo analizado.
Principales Limitaciones del Artículo
  1. Enfoque en una Población Específica:
    • Los resultados están limitados a deportistas recreativos jóvenes y pueden no ser aplicables a atletas de élite, personas sedentarias o grupos de mayor edad.
  2. Falta de Diversidad Demográfica:
    • La muestra utilizada carece de diversidad étnica, lo que podría influir en la aplicabilidad de las ecuaciones en otras poblaciones.
  3. Dependencia de la Calorimetría Indirecta:
    • Aunque es el método de referencia, la dependencia de esta técnica limita la replicabilidad en entornos con menos recursos.
  4. Aplicabilidad de la Nueva Ecuación:
    • Si bien es más simple, la ecuación basada en el peso corporal podría no ser tan precisa en individuos con composiciones corporales extremas.
  5. Evaluación Transversal:
    • El estudio no incluye datos longitudinales que permitan evaluar la consistencia de las ecuaciones en el tiempo o en condiciones variables de entrenamiento.
Población Indicada para su Uso
  1. Deportistas Recreativos:
    • Diseñada para estimar el REE en personas activas entre 18 y 35 años con niveles moderados de actividad física.
  2. Profesionales de la Nutrición Deportiva:
    • Herramienta útil para nutricionistas que trabajan con poblaciones deportivas no profesionales.
  3. Investigadores en Fisiología del Ejercicio:
    • Base para estudios adicionales sobre el metabolismo basal en diferentes niveles de actividad.
  4. Entornos con Recursos Limitados:
    • La ecuación basada en el peso corporal proporciona una alternativa práctica para entornos clínicos sin acceso a calorimetría indirecta.
  5. Personas Activas Interesadas en su Metabolismo:
    • Ofrece una guía sencilla para calcular el REE y ajustar las necesidades energéticas en función del peso corporal y el nivel de actividad.

Müller, M. J., Bosy-Westphal, A., Klaus, S., Kreymann, G., Lührmann, P. M., Neuhäuser-Berthold, M., Noack, R., Pirke, K. M., Platte, P., Selberg, O., & Steiniger, J. (2004). «World Health Organization equations have shortcomings for predicting resting energy expenditure in persons from a modern, affluent population: generation of a new reference standard from a retrospective analysis of a German database of resting energy expenditure.» The American Journal of Clinical Nutrition, 80(5), 1379–1390. https://doi.org/10.1093/ajcn/80.5.1379

Fundamentos Principales del Artículo
El estudio analiza las limitaciones de las ecuaciones de la Organización Mundial de la Salud (OMS) para predecir el gasto energético en reposo (REE) en poblaciones modernas y acomodadas. Utilizando una base de datos alemana, los autores demuestran que estas ecuaciones tienden a sobrestimar o subestimar el REE debido a cambios en la composición corporal y el estilo de vida de las poblaciones actuales. Como alternativa, se desarrolla un nuevo estándar de referencia que incorpora datos actualizados y variables como la masa magra y el peso corporal. El estudio enfatiza la necesidad de adaptar los modelos predictivos a las características demográficas y culturales contemporáneas.
Principales Limitaciones del Artículo
  1. Enfoque en una Población Específica:
    • Los resultados están limitados a una población alemana acomodada y pueden no ser aplicables a otras regiones o contextos socioeconómicos.
  2. Falta de Validación Internacional:
    • El nuevo estándar no ha sido validado en poblaciones de diferentes culturas, etnias o condiciones económicas.
  3. Dependencia de la Calorimetría Indirecta:
    • Si bien es un método confiable, su aplicación generalizada puede ser limitada en entornos con menos recursos.
  4. Representación Limitada de Subgrupos:
    • No se evalúa cómo los modelos se desempeñan en subgrupos como ancianos, niños o individuos con obesidad severa.
  5. Ausencia de Datos Longitudinales:
    • El estudio no incluye evaluaciones a lo largo del tiempo para determinar cómo cambian los valores del REE en relación con factores como la edad o el entrenamiento físico.
Población Indicada para su Uso
  1. Poblaciones Modernas y Prósperas:
    • Diseñado para personas que viven en contextos socioeconómicos similares al de Alemania y con estilos de vida contemporáneos.
  2. Profesionales de la Salud y Nutrición:
    • Herramienta útil para dietistas y nutricionistas interesados en modelos predictivos más precisos.
  3. Investigadores en Metabolismo:
    • Base para estudios adicionales que evalúen las diferencias en el REE entre diversas poblaciones.
  4. Individuos con Composición Corporal Promedio:
    • Ideal para personas con una proporción de masa magra y grasa corporal representativa de la muestra analizada.
  5. Entornos Clínicos y de Investigación:
    • Aplicable en lugares con acceso a herramientas avanzadas de medición como la calorimetría indirecta.

Tinsley, G. M., Graybeal, A. J., & Moore, M. L. (2019). «Resting metabolic rate in muscular physique athletes: validity of existing methods and development of new prediction equations.» Applied Physiology, Nutrition, and Metabolism, 44(4), 397–406. https://doi.org/10.1139/apnm-2018-0412

Fundamentos Principales del Artículo
El estudio investiga la precisión de los métodos existentes para predecir el gasto energético en reposo (REE) en atletas con físicos musculares y desarrolla nuevas ecuaciones específicas para esta población. Los autores evaluaron diferentes ecuaciones predictivas y descubrieron que muchas de las existentes subestimaban o sobreestimaban el REE debido a la composición corporal única de los atletas musculares. Como resultado, se crearon nuevas ecuaciones que consideran la masa magra y el peso corporal para mejorar la precisión en esta población específica. El trabajo enfatiza la importancia de adaptar los modelos de predicción a las características físicas únicas de los usuarios.
Principales Limitaciones del Artículo
  1. Foco en una Población Específica:
    • El estudio se limita a atletas con físicos musculares, lo que restringe la aplicabilidad de las ecuaciones propuestas a otras poblaciones.
  2. Tamaño de Muestra Limitado:
    • La muestra utilizada no es lo suficientemente grande para garantizar la generalización de los resultados a nivel global.
  3. Ausencia de Validación Externa:
    • Las nuevas ecuaciones no han sido validadas en grupos independientes, lo que podría afectar su precisión en diferentes contextos.
  4. Dependencia de la Calorimetría Indirecta:
    • Aunque es el método de referencia, su uso puede no ser viable en entornos clínicos con recursos limitados.
  5. Impacto de Factores No Considerados:
    • No se incluyen variables como la dieta, el estado hormonal o el nivel de entrenamiento actual, que podrían influir significativamente en el REE.
Población Indicada para su Uso
  1. Atletas con Físicos Musculares:
    • Diseñado específicamente para estimar el REE en individuos con altos niveles de masa magra y composiciones corporales únicas.
  2. Profesionales de la Nutrición Deportiva:
    • Herramienta clave para nutricionistas que trabajan con atletas interesados en ajustar sus requerimientos energéticos.
  3. Investigadores en Metabolismo y Deporte:
    • Base para estudios futuros sobre el metabolismo basal en poblaciones deportivas especializadas.
  4. Clínicas Deportivas Avanzadas:
    • Aplicable en entornos con acceso a herramientas de medición como la calorimetría indirecta.
  5. Entrenadores y Atletas Competitivos:
    • Ofrece datos más precisos para planificar dietas y entrenamientos adaptados a las necesidades energéticas reales.

Pavlidou, E., Papadopoulou, S.K., Seroglou, K. & Giaginis, C. Revised Harris-Benedict Equation: New Human Resting Metabolic Rate Equation. Metabolites 13, 189 (2023). https://doi.org/10.3390/metabo13020189

Fundamentos Principales del Artículo
El estudio revisa la ecuación de Harris-Benedict para el cálculo del gasto energético en reposo (REE) y propone una versión actualizada basada en datos modernos y avanzados de composición corporal. Utilizando una muestra representativa y métodos como la calorimetría indirecta, los autores identificaron discrepancias en las predicciones de la ecuación original para poblaciones contemporáneas. La nueva ecuación incorpora variables clave como la masa magra, el peso corporal y la altura, y mejora la precisión en diversas poblaciones. Este trabajo subraya la necesidad de ajustar los modelos predictivos a cambios en el estilo de vida y la composición corporal global.
Principales Limitaciones del Artículo
  1. Falta de Validación Multicultural:
    • La revisión se centra en una población específica y no evalúa su aplicabilidad en diversas regiones y grupos étnicos.
  2. Tamaño de la Muestra:
    • Aunque los datos son representativos, un tamaño de muestra más amplio podría fortalecer la validez estadística de los resultados.
  3. Dependencia de Herramientas Especializadas:
    • Requiere tecnologías como la calorimetría indirecta para obtener resultados precisos, lo que limita su aplicación en entornos con recursos limitados.
  4. Ausencia de Datos Longitudinales:
    • No se evalúan cambios en el REE a lo largo del tiempo o en condiciones variables como entrenamiento intenso o cambios hormonales.
  5. Impacto de Factores Ambientales No Considerados:
    • Variables como el clima o el nivel de industrialización podrían influir en las necesidades energéticas y no se abordan en el modelo.
Población Indicada para su Uso
  1. Población General Actualizada:
    • Ideal para individuos con composición corporal promedio y estilos de vida contemporáneos.
  2. Profesionales de la Salud y Nutrición:
    • Proporciona una herramienta refinada para dietistas y nutricionistas que buscan modelos más precisos.
  3. Investigadores en Fisiología y Nutrición:
    • Base para estudios adicionales que exploren las variaciones del REE en diferentes poblaciones.
  4. Clínicas de Medicina y Nutrición:
    • Aplicable en entornos con acceso a tecnología avanzada para mediciones.
  5. Personas con Acceso a Evaluaciones Especializadas:
    • Beneficioso para quienes pueden acceder a herramientas de medición como la calorimetría indirecta para una evaluación más precisa.
Pontzer, H., Yamada, Y., Sagayama, H., Ainslie, P. N., Andersen, L. F., Anderson, L. J., Arab, L., Baddou, I., Bedu-Addo, K., Blaak, E. E., Blanc, S., Bonomi, A. G., Bouten, C. V. C., Bovet, P., Buchowski, M. S., Butte, N. F., Camps, S. G., Close, G. L., Cooper, J. A., Cooper, R., … IAEA DLW Database Consortium (2021). «Daily energy expenditure through the human life course.» Science (New York, N.Y.), 373(6556), 808–812. https://doi.org/10.1126/science.abe5017
Fundamentos Principales del Artículo
El estudio examina la variación del gasto energético diario (TDEE) a lo largo del ciclo de vida humano utilizando la técnica del agua doblemente marcada (DLW), considerada el estándar de referencia para medir el gasto energético. Analizando datos de más de 6,400 individuos de diferentes edades, géneros y regiones, los autores identificaron cambios característicos en el TDEE desde la infancia hasta la vejez. Uno de los hallazgos clave es que el metabolismo basal es más alto durante la infancia y disminuye gradualmente con la edad, mientras que las diferencias entre géneros y niveles de actividad también influyen en el TDEE. Este trabajo redefine nuestra comprensión del metabolismo humano y subraya la importancia de considerar el ciclo de vida y el contexto individual en los modelos energéticos.
Principales Limitaciones del Artículo
  1. Falta de Detalle sobre Variaciones Individuales:
    • Aunque se recopilaron datos a gran escala, el estudio no profundiza en cómo factores como el estado de salud o el entrenamiento específico pueden influir en el TDEE individual.
  2. Limitaciones en el Análisis Regional:
    • A pesar de incluir participantes de varias regiones, las diferencias culturales y ambientales específicas podrían no estar completamente representadas.
  3. Dependencia del Método DLW:
    • Si bien es el estándar de referencia, el método es costoso y no siempre accesible, lo que limita su aplicación en contextos clínicos.
  4. Enfoque en Datos Transversales:
    • La mayoría de los datos provienen de mediciones transversales en lugar de estudios longitudinales, lo que podría afectar la interpretación de los cambios a lo largo del tiempo.
  5. Falta de Evaluación del Impacto de Factores Dietéticos:
    • No se consideró de manera exhaustiva cómo los patrones dietéticos específicos afectan el TDEE en diferentes etapas de la vida.
Población Indicada para su Uso
  1. Investigadores en Fisiología Humana:
    • Base fundamental para estudios que analicen el gasto energético en diferentes contextos poblacionales y ciclos de vida.
  2. Diseñadores de Políticas de Salud:
    • Proporciona datos cruciales para desarrollar estrategias de intervención basadas en el ciclo de vida y necesidades energéticas.
  3. Profesionales de la Nutrición y el Ejercicio:
    • Herramienta clave para planificar programas alimentarios y de actividad física adaptados a diferentes grupos de edad y niveles de actividad.
  4. Poblaciones Globales Diversas:
    • Incluye datos útiles para evaluar patrones energéticos en regiones con diversidad socioeconómica y cultural.
  5. Estudios Longitudinales Futuros:
    • Base de referencia para evaluar cambios en el metabolismo y el TDEE a lo largo del tiempo en poblaciones específicas.
¿Cómo escoger la fórmula adecuada del GER?
En el diagrama de flujo siguiente (ver Figura 2) se proporcionan orientaciones prácticas para seleccionar la ecuación más adecuada que permita estimar el GER, en base a las características, el género del deportista y el método utilizado para evaluar su MLG.
El razonamiento del diagrama se fundamenta en la población de referencia para la que cada ecuación fue desarrollada y validada. Seleccionar una ecuación más alineada con las características del deportista (por ejemplo, atletas, población general o disciplinas deportivas específicas) aumenta la probabilidad de obtener una estimación más precisa.
Ecuaciones Edad (años) Sexo Modelo Matemático
Ecuaciones basadas en el Peso Corporal (PC)
Harris-Benedict Original (1919) - Hombre 66,473 + 13,752 * PC + 5,003 * Estatura – 6,755 * Edad
Mujer 655,096 + 9,563 * PC + 1,85 * Estatura – 4,676 * Edad
Harris-Benedict Revisada (Roza, A. M., & Shizgal, H, 1984) - Hombre 88,362 + 13,397 * PC + 4,799 * Estatura – 5,677 * Edad
Mujer 447,593 + 9,247 * PC + 3,098 * Estatura – 4,330 * Edad
FAO/OMS/UNU (1985) 18-30 Hombre 15,3 * PC + 679
Mujer 14,7 * PC + 496
31-60 Hombre 11,6 * PC + 879
Mujer 8,7 * PC + 829
> 60 Hombre 13,5 * PC + 487
Mujer 10,5 * PC + 596
Owen (1986) - Hombre 879 + 10,2 * PC
Mujer 795 + 7,18 * PC
Atleta: 50,4 + 21,1 * PC
Mifflin-St Jeor (1990) - Hombre 10 * PC + 6,25 * Estatura − 5 * Edad + 166 * Sexo − 161
Mujer
De Lorenzo (1999) - Hombre – 857 + 9 * PC + 11,7 * Estatura
Mujer
Müller (2004) - Hombre (MJ/d); 0,047 * PC + 1,009 * Sexo - 0,01452 * Edad + 3,21
Mujer
ten Haaf (2014) - Hombre (kJ/d); 49,94 * PC + 2459,053 * Estatura (m) - 34,014 * Edad + 799,257 * Sexo + 122,502
Mujer
Tinsley (2019) - Hombre 24,89 * PC + 10
Mujer
Pontzer (2021) 1-20 Hombre (MJ/d); 2,965 + 0,034 * PC + 1,185 * Sexo + 0,033 * Edad
Mujer
Pavlidou (2023) - Hombre 9,65 * PC + 573 * Estatura (m) - 5,08 * Edad + 260
Mujer 7,38 * PC + 607 * Estatura (m) - 2,31 * Edad + 43
Ecuaciones basadas en la Masa Libre de Grasa (MLG) y la Masa Grasa (MG)
Katch-McArdle (1975) - Hombre 370 + 21,6 * MLG
Mujer
Cunningham (1980) - Hombre 500 + 22 * MLG
Mujer
Owen (1987) - Hombre 22,3 * MLG + 290
Mujer 19,7 * MLG + 334
Mifflin-St Jeor (1990) - Hombre 19,7 * MLG + 413
Mujer
Cunningham (1991) - Hombre 21,6 * MLG + 370
Mujer
Müller (2004) - Hombre (MJ/d); 0,05192 * MLG + 0,04036 * MG + 0,869 * Sexo - 0,01181 * Edad + 2,992
Mujer
ten Haaf (2014) - Hombre (kJ/d); 95,272 * MLG + 2026,161
Mujer
Tinsley (2019) - Hombre 25,9 * MLG + 284
Mujer
Pontzer (2021) 1-20 Hombre (MJ/d); - 0,055 + 0,535 * Ln(MLG) - 0,095 * Ln(MG)
Mujer
20-60 Hombre (MJ/d); - 0,0945 + 0,707 * Ln(MLG) - 0,019 * Ln(MG)
Mujer

Descargar tabla de ecuaciones

Descargar GER
Conclusiones
Las ecuaciones predictivas del gasto energético basal (GER) son herramientas valiosas en la práctica nutricional y deportiva que permiten estimaciones rápidas basadas en características individuales. Aunque ninguna fórmula es universalmente aplicable a todas las poblaciones, proporcionan una base sólida para ajustar la ingesta energética. La elección adecuada de la ecuación es fundamental. Mientras la fórmula de Mifflin-St Jeor resulta ideal para poblaciones generales con normopeso o sobrepeso ligero, ecuaciones como la de Katch-McArdle o Cunningham, que incorporan la masa magra, ofrecen una mayor precisión en deportistas con alta masa muscular. Además, personalizar y ajustar de forma continua estas fórmulas según las características individuales y la evolución del paciente es crucial, considerando cambios potenciales en la composición corporal, peso o rendimiento. De este modo, un deportista que aumente su masa magra requerirá adaptar la ecuación para mantener la precisión en sus necesidades energéticas.
Siempre que sea posible, también es recomendable complementar estas estimaciones de las ecuaciones con métodos directos como la calorimetría indirecta, para mejorar la precisión de los cálculos, sobre todo, en contextos clínicos o de alta exigencia deportiva. Asimismo, factores como el estado metabólico, la etapa del entrenamiento o el nivel de actividad física pueden cambiar con el tiempo, por lo que la reevaluación periódica es clave para garantizar que las recomendaciones nutricionales se mantengan alineadas con las necesidades actuales del individuo.
Por todo lo expuesto, el conjunto de las diferentes herramientas descritas constituyen una pieza clave en la planificación nutricional, pero deben utilizarse con flexibilidad y con un enfoque crítico, sin olvidar complementarlas con datos específicos del pacientes y métodos más avanzados cuando sea necesario y las circunstancias lo permitan.
descarga-calculadora
firma_asnadi

© 2025 by Grupo de Especialización Nutrición Deportiva
ASNADI is licensed under CC BY-NC-SA 4.0

REFERENCIAS:
    Mifflin, M. D., St Jeor, S. T., Hill, L. A., Scott, B. J., Daugherty, S. A., & Koh, Y. O. (1990). A new predictive equation for resting energy expenditure in healthy individuals. The American Journal of Clinical Nutrition, 51(2), 241–247. https://doi.org/10.1093/ajcn/51.2.241
    Katch, F.I. & McArdle, W.D. Introduction to Nutrition, Exercise, and Health. Williams & Wilkins (1996).
    Cunningham J. J. (1980). A reanalysis of the factors influencing basal metabolic rate in normal adults. The American journal of clinical nutrition, 33(11), 2372–2374. https://doi.org/10.1093/ajcn/33.11.2372
    Roza, A. M., & Shizgal, H. M. (1984). The Harris Benedict equation reevaluated: resting energy requirements and the body cell mass. The American journal of clinical nutrition, 40(1), 168–182. https://doi.org/10.1093/ajcn/40.1.168
    Energy and protein requirements. Report of a joint FAO/WHO/UNU Expert Consultation. (1985). World Health Organization technical report series, 724, 1–206.
    Harris, J. A., & Benedict, F. G. (1918). A Biometric Study of Human Basal Metabolism. Proceedings of the National Academy of Sciences of the United States of America, 4(12), 370–373. https://doi.org/10.1073/pnas.4.12.370
    Owen, O. E., Holup, J. L., D’Alessio, D. A., Craig, E. S., Polansky, M., Smalley, K. J., Kavle, E. C., Bushman, M. C., Owen, L. R., & Mozzoli, M. A. (1987). A reappraisal of the caloric requirements of men. The American journal of clinical nutrition, 46(6), 875–885. https://doi.org/10.1093/ajcn/46.6.875
    De Lorenzo, A., Bertini, I., Candeloro, N., Piccinelli, R., Innocente, I., & Brancati, A. (1999). A new predictive equation to calculate resting metabolic rate in athletes. The Journal of sports medicine and physical fitness, 39(3), 213–219.
    ten Haaf, T., & Weijs, P. J. (2014). Resting energy expenditure prediction in recreational athletes of 18-35 years: confirmation of Cunningham equation and an improved weight-based alternative. PloS one, 9(9), e108460. https://doi.org/10.1371/journal.pone.0108460
    Müller, M. J., Bosy-Westphal, A., Klaus, S., Kreymann, G., Lührmann, P. M., Neuhäuser-Berthold, M., Noack, R., Pirke, K. M., Platte, P., Selberg, O., & Steiniger, J. (2004). World Health Organization equations have shortcomings for predicting resting energy expenditure in persons from a modern, affluent population: generation of a new reference standard from a retrospective analysis of a German database of resting energy expenditure. The American journal of clinical nutrition, 80(5), 1379–1390. https://doi.org/10.1093/ajcn/80.5.1379
    Tinsley, G. M., Graybeal, A. J., & Moore, M. L. (2019). Resting metabolic rate in muscular physique athletes: validity of existing methods and development of new prediction equations. Applied physiology, nutrition, and metabolism = Physiologie appliquee, nutrition et metabolisme, 44(4), 397–406. https://doi.org/10.1139/apnm-2018-0412
    Pavlidou, E., Papadopoulou, S. K., Seroglou, K., & Giaginis, C. (2023). Revised Harris-Benedict Equation: New Human Resting Metabolic Rate Equation. Metabolites, 13(2), 189. https://doi.org/10.3390/metabo13020189
    Pontzer, H., Yamada, Y., Sagayama, H., Ainslie, P. N., Andersen, L. F., Anderson, L. J., Arab, L., Baddou, I., Bedu-Addo, K., Blaak, E. E., Blanc, S., Bonomi, A. G., Bouten, C. V. C., Bovet, P., Buchowski, M. S., Butte, N. F., Camps, S. G., Close, G. L., Cooper, J. A., Cooper, R., … IAEA DLW Database Consortium (2021). Daily energy expenditure through the human life course. Science (New York, N.Y.), 373(6556), 808–812. https://doi.org/10.1126/science.abe5017
    Prado-Nóvoa, O., Howard, K. R., Laskaridou, E., Reid, G. R., Zorrilla-Revilla, G., Marinik, E. L., Davy, B. M., Speakman, J. R., & Davy, K. P. (2024). Validation of predictive equations to estimate resting metabolic rate of females and males across different activity levels. American journal of human biology : the official journal of the Human Biology Council, 36(4), e24005. https://doi.org/10.1002/ajhb.24005
    Cunningham J. J. (1991). Body composition as a determinant of energy expenditure: a synthetic review and a proposed general prediction equation. The American journal of clinical nutrition, 54(6), 963–969. https://doi.org/10.1093/ajcn/54.6.963
    Maclean, P. S., Bergouignan, A., Cornier, M. A., & Jackman, M. R. (2011). Biology’s response to dieting: the impetus for weight regain. American journal of physiology. Regulatory, integrative and comparative physiology, 301(3), R581–R600. https://doi.org/10.1152/ajpregu.00755.2010

Deja un comentario

CATEGORÍAS