首頁 資訊 瘦了多少斤才是不正常的“暴瘦”

瘦了多少斤才是不正常的“暴瘦”

來源:泰然健康網(wǎng) 時間:2024年11月29日 02:12

  現(xiàn)代審美觀念講的是以瘦為美,似乎越瘦就越遭人喜歡??墒怯袝r候太瘦,反而不好。我們的身體中脂肪起著非常重要的作用。如果脂肪太少,一方面不能抵擋嚴(yán)寒,另一方面,人在饑餓的時候,身體也不能及時提供能量,這樣就很容易造成低血糖,給我們的身體帶來健康隱患。

  前段時間,著名主持人李維嘉亮相一檔綜藝節(jié)目后,引發(fā)廣大網(wǎng)友熱議。

  原因是:他太瘦了。

  雖然李維嘉隨后回應(yīng)稱,自己身體無恙,但是網(wǎng)友看著心疼。與之前相比,可以明顯看出他身形大減,臉部肌肉塌陷,顴骨分明,變成了瘦削的“錐子臉”。

瘦了多少斤才是不正常的“暴瘦”

  體重降得快,可能生病了短時間內(nèi)體重迅速下降,通常是因為疾病導(dǎo)致的。

  大多數(shù)疾病都會消耗身體能量,越是嚴(yán)重的疾病,消耗越是厲害。

  我們發(fā)燒后,會感覺瘦了些,實際上,是發(fā)燒加速我們身體的代謝,額外增加了身體的能量消耗,讓體重變輕了。

  瘦了多少斤,才是不正常的“暴瘦”呢?

  從營養(yǎng)學(xué)的角度來說,人在1個月時間內(nèi),體重上升下降的幅度在1~2公斤左右,是正常的。

  除非是主動減肥,否則體重下降大于2公斤,就要警惕了。越短的時間內(nèi)體重下降得越快,疾病風(fēng)險就越大。

  這些疾病?!俺匀狻笔谷吮┦莸牟〗小跋男约膊 ?,從能量消耗的角度看,可分為四大類:

  第一種,營養(yǎng)攝入嚴(yán)重不足,導(dǎo)致營養(yǎng)缺乏,引起身體迅速消瘦。如厭食癥、長期過度節(jié)食。

  第二種,引起營養(yǎng)吸收不良。主要是消化系統(tǒng)疾病,如慢性萎縮性胃炎、慢性結(jié)腸炎、慢性肝炎,或小腸切除術(shù)后。

  第三種,使人體的營養(yǎng)消耗增加,主要是結(jié)核病、腫瘤等,尤其是惡性腫瘤。

  第四種,是代謝異常的疾病,主要是內(nèi)分泌功能異常,使人體不能正常地對攝入的營養(yǎng)物質(zhì)進行代謝,或者自動地過度消耗身體儲存,引起體重下降,如糖尿病、甲亢等。

  減肥,不要追求“一夜暴瘦”極速減肥對人體的傷害很大,有些傷害甚至是不可逆轉(zhuǎn)的。 比如過度節(jié)食,很容易發(fā)展為神經(jīng)性厭食。

  這類患者多伴隨神經(jīng)性嘔吐,一吃東西或者一見到食物,就會嘔吐。

  他們再想胖起來,恢復(fù)健康,真的很困難,這不只是營養(yǎng)學(xué)的問題,還要進行心理治療、行為治療等等。

  對于現(xiàn)在流行的代餐減肥產(chǎn)品,這類產(chǎn)品通常蛋白質(zhì)含量較高,維生素礦物質(zhì)足夠,碳水化合物和脂肪含量很低,用于飽腹的主要是膳食纖維。

  短時間食用是可以的,長時間食用這種低熱量食物,一樣會出現(xiàn)營養(yǎng)不良。

  最健康的減肥方法還是“管住嘴,邁開腿”,適當(dāng)控制攝入的熱量,多運動。

  我們的審美不應(yīng)僅僅將瘦作為美的標(biāo)準(zhǔn),身材勻稱最重要。雖然自己瘦一些看起來是更好看,但是,過瘦的體型給自己身體帶來的傷害也是很大的。在減肥的時候,不僅僅光注重減去身體的脂肪,還要注意自身的健康狀態(tài)。通常來說,運動才是最健康的減肥方式,不僅可以減去脂肪,還能提高身體素質(zhì),給你一副強健的體魄。

【免責(zé)聲明:本頁面信息為第三方發(fā)布或內(nèi)容轉(zhuǎn)載,僅出于信息傳遞目的,其作者觀點、內(nèi)容描述及原創(chuàng)度、真實性、完整性、時效性本平臺不作任何保證或承諾,涉及用藥、治療等問題需謹(jǐn)遵醫(yī)囑!請讀者僅作參考,并自行核實相關(guān)內(nèi)容。如有作品內(nèi)容、知識產(chǎn)權(quán)或其它問題,請發(fā)郵件至suggest@fh21.com及時聯(lián)系我們處理!】

相關(guān)知識

焦慮癥患者暴瘦十多斤這正常嗎?
四十天瘦了10斤算不算暴瘦
突然瘦了幾十斤正常嗎
正確暴瘦減肥法值得看、暴瘦減肥方法能月瘦十斤以上嗎
一個月瘦20斤正常嗎
一個月瘦6斤算不算暴瘦
暴瘦方法女生瘦30斤
吃了奧美拉唑后,瘦了很多,這正常嗎?
運動減肥一個月瘦多少正常
女子120斤暴瘦至60斤骨瘦如柴,丈夫抽自身腸液救了她

網(wǎng)址: 瘦了多少斤才是不正常的“暴瘦” http://www.u1s5d6.cn/newsview169427.html

推薦資訊