對 身體 有益 、 健康 的 醣類 。 我 知道 有 些 人 是 透過 「 生酮 飲食 」 __UNDEF__ 來 減重 ， 這 種 飲食法 的 營養 主要 來自 油脂 與 蛋白質 。 我 在 減重 的 __UNDEF__ 初期 ， 也 曾經 進行 類似 的 飲食 方法 ， 後來 才 改用 我 更 容易 執行 的 __UNDEF__ 低糖 飲食 。 而 我 所謂 的 斷 糖 飲食 ， 就是 不再 主動 吃 含 糖 的 食物 ， __UNDEF__ 最 主要 的 原因 是 ， 食物 中 已經 含有 足夠 的 糖分 ， 對 我 這 種 年紀 大 __UNDEF__ 代謝 差 的 人 ， 無需 再 另外 攝取 。 其實 只要 有空 走 一 趟 便利 超商 或是 小型 超市 ， 幾乎 所有 的 食 品 標示 都 含有 糖分 ， 不單 是 飲料 ， 即使 天然 的 牛奶 也 含有 糖分 ， __UNDEF__ 其他 我們 熟知 的 泡麵 、 各 式 餅乾 ， 這些 看起來 是 鹹食 的 食品 ， 沖 泡 的 湯品 、 醬油 等 調味料 ， 只要 是 人工 的 食品 幾乎 都 有 糖 ， 你 幾 乎 很 難 找到 任何 無 糖 的 食品 ， 大概 剩下 純粹 的 油品 、 鹽巴 等 原 料 ， 才 沒有 糖分 。 單一 因素 難以 減肥 ， 甚至 難以 持續 保持 身體 的 健康 狀態 ， __UNDEF__ 體重 __UNDEF__ 脂肪率 __UNDEF__ 肌肉率 __UNDEF__ （ 運動 步數 、 代謝 ） __UNDEF__ 身 __UNDEF__ 體重 __UNDEF__ 脂肪率 __UNDEF__ 肌肉率 __UNDEF__ （ 運動 步數 、 代謝 ） __UNDEF__ 身 __UNDEF__ （ 睡眠 時間 、 靜息 心率 ） __UNDEF__ 心 __UNDEF__ （ 食物 種類 、 飲水量 ） __UNDEF__ 能 __UNDEF__ 這 是 我 從 自己 長時間 的 健康 數據 紀錄 中 ， 慢慢 摸索出 自己 的 減肥 __UNDEF__ 之 道 。 經過 初期 的 數據 探索 ， 慢慢 演化出 整合式 的 大數據 減重 方 __UNDEF__ 法 ， 是 需要 「 身 」 、 「 心 」 、 「 能 」 三 者 的 平衡 ， 也 就 是 「 身 」 __UNDEF__ 要 有 適當 的 運動 、 「 心 」 有 足夠 的 睡眠 ， 以及 控制 飲食 的 「 能 」 __UNDEF__ 量 ， 並且 逐漸 落實為 生活 習慣 ， 才 能 達到 健康 不 復胖 的 目標 。 「 身 」 、 「 心 」 、 「 能 」 這 三 個 向度 ， 在 任一 種 健康 管理 __UNDEF__ 應用 程式 APP 都 有 可 對應 的 數據 ， 可以 隨時 檢視 其 數量 指標 與 __UNDEF__ 趨勢 ， 好用 來 判斷 如何 平衡 發展 ， 達到 健康 管理 的 目的 。 如 圖 __UNDEF__ 在 「 身 」 的 向度 ， 是 以 每 日 步伐 數量 與 燃燒 的 卡路里 來 量化 ； 在 __UNDEF__ 「 心 」 的 向度 ， 是 以 前 一 天 晚上 的 睡眠 時間 與 品質 、 休息 的 平均 __UNDEF__ 心跳率 為 依據 ； 以及 在 「 能 」 量 的 向度 ， 是 用 每 一 餐 所 吃 食物 的 __UNDEF__ 三 大 營養素 （ 蛋白質 、 碳水化合物 「 糖 與 膳食 纖維 」 、 脂肪 ） 重 __UNDEF__ 量 比例 ， 加上 喝水 的 重量 作為 指標 。 這些 冷冰冰 的 數據 ， 看來 複雜 ， 卻 都 是 日常 生活 中 的 行為表 現 ， 而且 是 我們 每 個 成年人 可以 選擇 決定 的 。 綜結 來 說 ， 其實 也 __UNDEF__ 就 是 生活 習慣 而已 ， 就 是 那麼 簡單 ！ 斷 糖 飲食 的 提倡 者 最早 來自 __UNDEF__ 1990年代 的 美國 阿金 （ Dr. __UNDEF__ Robert Atkins ） 醫師 1 ， 當 我 擁抱 斷 糖 的 時候 ， 發現 斷 糖 與否 在 __UNDEF__ 營養學 與 醫學 上 有 許多 爭議 ， 同時 有 許多 支持 者 與 反對 者 。 個人 __UNDEF__ 認為 反對 的 最 主要 原因 ， 是 來自 「 斷 糖 」 的 概念 顛覆 現有 的 營養 學 教科書 上 的 看法 ， 更 精確 地 說 ， 是 核心 觀念 的 不同 。 傳統 營養 學 認為 碳水化合物 是 必要 養分 ， 人體 能源 （ 燃料 ） 的 來源 ， 而 根 __UNDEF__ 據 __UNDEF__ 1992年 美國 農業部 所 發布 的 「 飲食 指南 金字塔 」 （ 參閱 第 103 __UNDEF__ 頁 上 圖 ） ， 碳水化合物 與 醣類 被 放 在 最 下方 ， 也 是 面積 最 大 的 部 分 。 然而 在 這 種 高 碳水化合物 的 營養 指南 下 ， 美國 與 英國 的 肥胖 率 早已 超過 全 國 人口數 的 一半 ， 國民 的 健康 持續 受到 肥胖 與 心血 管 疾病 威脅 。 斷 糖 支持 者 ， 包括 無 麩質 飲食 與 生酮 飲食 等 ， 都 揭竿起義 ， __UNDEF__ 深深 認為 過度 的 糖 或 醣類 對 人體 造成 危害 ， 尤其 是 已經 患有 代謝 __UNDEF__ 異常 過 胖 者 ， 或是 三 高 問題 的 中老年人 ， 主張 身體 可以 不 用 醣類 __UNDEF__ 作為 燃料 ， 而 改用 脂肪 作為 身體 能源 燃料 的 來源 。 有識之士 如 妮 娜‧泰柯茲 （ Nina Teicholz ） 2 、 大衛 ‧博馬特 醫師 （ __UNDEF__ David Perlmutter ） 3 、 烏里西 ‧史特倫茲 博士 （ Ulrich Strunz ） 4 等 ， __UNDEF__ 都 是 本 書 常 引用 的 斷 糖 提倡 或 創新 的 研究 者 ， 他們 一致 主張 回到 __UNDEF__ 原始 狩獵人 或 伊努特人 的 自然 飲食 方式 ， 倡議 高 蛋白質 、 好 油 與 __UNDEF__ 低 碳水化合物 才 是 健康 的 飲食 之 道 。 斷 糖 與 用 糖 ， 兩 邊 的 理論 我 都 試圖 去 了解 原因 ， 本 書 盡量 不 __UNDEF__ 人云亦云 ， 僅 以 自己 獨立 思考 與 研究 判斷 ， 並 以 自己 為 白老鼠 ， __UNDEF__ 身體力行 ， 加上 自我 即時 的 量測 與 大數據 的 統整 分析 ， 用 數據 驗 證 結果 。 1990年 我 拿 美國 太空 總署 （ NASA ） 的 研究 獎學金 ， 在 美國 __UNDEF__ 伊利諾 大學 （ __UNDEF__ University __UNDEF__ of Illinois , __UNDEF__ Urbana and Champaign ） 進 __UNDEF__ 行 仿生物 神經 科學 的 研究 ， 將 美洲 蜚蠊 （ 蟑螂 ） 的 神經 步行 模式 ， __UNDEF__ 透過 人工 神經 網路 （ __UNDEF__ Artificial Neural __UNDEF__ Network ） 訓練 機器 ， 轉化 成 火星 登陸艇 的 運動 模式 。 當時 在 研究 上 最 大 的 困擾 ， 就 是 傳 統 的 統計學 方法 很 難 去 解釋 與 運用 自然 的 複雜 現象 。 於是 再 去 研 __UNDEF__ 究 具備 有 感知 學習 能力 的 人工 智慧 ， 其中 又 以 大數據 為 基礎 的 非 線性 動態 __UNDEF__ non-linear dynamics 為 最 大 的 改變 。 2016年 我 到 麻省 __UNDEF__ 理工 學院 （ MIT ） 學習 大數據 課程 ， 最為 震撼 的 是 聽到 老師 __UNDEF__ John __UNDEF__ Guttag 預言 ： 「 我 相信 在下 個 十 年 內 ， 電腦 科學家 ， 將 會 比 地球 __UNDEF__ 上 其他 的 人 ， 更 能 改變 醫學 。 」 在 此 革命性 的 大數據 時代 中 ， 當 許多 醫學 研究 方法 被 創新 ， __UNDEF__ 觀念 被 改變 ， 以致 守舊 跟隨 者 無所適從 時 ， 應變 之 道 或許 就是 自 __UNDEF__ 己 實驗 、 自己 收集 資料 ， 與 驗證 在 自己 身體 上 的 健康 管理 方法 ， __UNDEF__ 我 同時 也 透過 網路 ， 帶 著 分布 在 其他 國家 接受 這樣 觀念 的 朋友 ， __UNDEF__ 一起 研究 驗證 這樣 的 健康 管理 。 剛 開始 時 ， 讀 高中 的 女兒 說 我 在 傳播 邪教 ， 因為 我們 討論 __UNDEF__ 的 ， 往往 與 她 在 學校 所 學 相 違背 。 當然 我 不會 禁止 她 吃 甜食 與 澱 粉 ， 因為 她 還 年輕 ， 運動量 大 、 新陳代謝率 也 足夠 消化掉 體 內 的 __UNDEF__ 糖分 。 但是 當 她 在 學校 量 身高 體重 時 ， 發現 身高 沒 增高 ， 體重 卻 __UNDEF__ 增重 了 ； 又 發現 在 考試 期間 ， 如果 早餐 不 吃 澱粉 與 糖 ， 不但 不會 __UNDEF__ 昏睡 ， 精神 反而 比較 好 ， 她 的 選擇 就 開始 變化 了 。 我們 無需 為 新 科技 所 困惑 ， 科技 只是 更 接近 人性 與 自然 。 五 、 六 年 前 ， 我們 開車 還 在 看 紙本 的 地圖 ， 如今 拿起 手機 就 __UNDEF__ 可以 使用 電子 地圖 導航 到 目的地 ， 還可以 選擇 不同 路徑 ， 透過 附 __UNDEF__ 近 駕駛 使用 者 的 行車 狀態 反饋 數據 ， 驗算 告知 大家 當前 的 塞車 情 況 ， 並 預測 到達 時間 的 長短 ， 這 就 是 大 數據 。 當 使用 者 人數 越 多 __UNDEF__ 時 ， 程式 越 能 精準 預測 時間 。 電子 地圖 雖 源自 紙本 地圖 ， 但 靠 著 __UNDEF__ 大 數據 的 回饋 機制 所 產生 的 智慧 功能 ， 絕不 是 紙本 導航 時代 所 能 __UNDEF__ 想像 得 到 。 同樣 的 ， 減重 與 健康 管理 已經 進入 個人 隨時 感知 身體 跡象 的 __UNDEF__ 行動 醫療 （ m Health ） 時代 ， 有 越來越 多 導引 的 應用 程式 APP 出 現 ， 有效 與否 都 需要 各位 減重 者 的 實踐 數據 與 經驗 回饋 ， 因為 未 __UNDEF__ 來 ， 將 是 我們 每 一 個 人 在 共創 有效 的 健康 管理 模式 ， 而 不再 僅 限 __UNDEF__ 於 醫學 研究 者 。 最後 我 提出 自然 減重法 ， 對於 身體 質量 指數 （ BMI ） 超過 30 ， 年紀 跟 我 一樣 進入 後 中年期 ， 新陳代謝 低 者 ， 請 記得 「 越 走 __UNDEF__ 動 越 年輕 、 越