首頁 資訊 傷人的謠言,流汗越多=減脂越快!

傷人的謠言,流汗越多=減脂越快!

來源:泰然健康網(wǎng) 時間:2024年11月24日 08:31

天氣開始逐漸回暖,很多小伙伴為了新一年的減肥目標(biāo),都做好了著手運動的準(zhǔn)備。

當(dāng)然不少人在運動時都存在一種想要多流汗的心理,因為據(jù)說汗水是脂肪的眼淚,所以流汗越多也就代表自己的減肥成果越明顯。#百里挑一#

但流汗真的就等于減脂嗎?

我想說,這其實是一個傷人的謠言。

首先,流汗可以分為主動流汗和被動流汗兩種。

被動流汗可想而知,因為氣溫升高而流的汗就叫被動流汗。

另外一種叫做主動流汗,也就是說我們通過運動流汗的方式,來讓身體主動達(dá)到排汗的目的。

而出汗的過程,就是把體內(nèi)多余的熱量給散發(fā)出去的過程。

當(dāng)我們在運動的時候,肌肉會產(chǎn)生大量的熱量。這時候由于體溫升高,身體為了維持正常的體溫,就會增加汗液分泌促進(jìn)散熱。

但流汗的多少,主要取決于一個人的身體素質(zhì)。兩個身體素質(zhì)不同的人同樣跑5公里流汗的多少,也是不一樣的。

綜上所述,出汗只是身體的一種降溫機(jī)制,似乎和減脂并沒有直接的關(guān)系。

那么運動出汗后,我們看到的體重減輕是怎么回事?

運動出汗后體重減輕,也只是說明體內(nèi)的水分減少了而已,此時喝上兩瓶水立刻體重又回來了。

如果你還覺得流汗就是減脂的話,那跑步可以說是非常低效的行為。

最好的方法就是去桑拿房里,把溫度升到最高,這樣流汗也是最快的,并且不需要動一根手指頭就能夠達(dá)到減少體重的目的,豈不快哉!

那脂肪是怎么被減掉的?又是如何排出體外的?

根據(jù)相關(guān)的研究計算表明,當(dāng)我們的脂肪流失的時候,其中有84%的脂肪是通過二氧化碳的形式被呼吸排出體外的,而剩下的16%則是會以水的形式排出來,這部分的水是通過汗液,尿液及糞便等排出體外。

等等,如果說脂肪大部分是通過呼吸排出的,那我好像發(fā)現(xiàn)了什么減肥的訣竅!

既然是這樣的話,是不是就代表著只要我們大口地進(jìn)行呼吸,就能夠起到減少脂肪的作用了?

只能說想得太美!

大口的呼吸并不會幫助我們起到減少脂肪的作用,反而還會讓我們感到頭暈!

運動的確能夠幫助減肥,但真正決定減脂效果的其實是運動的強(qiáng)度。

并不是你隨隨便便走兩步,就說自己運動燃脂了。

衡量運動強(qiáng)度最好標(biāo)準(zhǔn),就是運動時人的心率變化。

一般來說,健康人群在運動的過程中,需要將運動心率控制在最大心率的60%-90%,這樣能夠達(dá)到最佳的減肥效果,這也就是我們常說的燃脂心率。

看完以上這些,我們就能明白,其實冬季減脂的速度并不比夏季減脂的速度要慢。

上面提到了,減脂的快慢與流汗多少沒有直接的關(guān)系。真正決定減脂效率的,是你的運動強(qiáng)度和熱量缺口。

假如你在夏季和冬季用同樣的速度,同樣的時長進(jìn)行跑步,那么減下來的脂肪量也是相同的。

之所以很多人覺得夏季會比冬季更好減脂,主要是因為夏季很多人的食欲比較低下,所以說在控制飲食上會比冬季更好掌控。

但這種現(xiàn)象對另外一些人可能并不奏效,因為夏天可以去吃燒烤,喝啤酒,這時候熱量過剩也會比冬季更嚴(yán)重。

所以,其實減脂的效率和季節(jié)沒有太大關(guān)系,主要是和你的運動強(qiáng)度以及飲食攝入總量有關(guān)。

最后總結(jié)一下,想要減肥的人群,首先需要控制好飲食,保證每日存在熱量缺口。

如果想要配合運動減肥,那么運動并不是隨便動動就可以的。你需要保證運動達(dá)到一定的強(qiáng)度,使運動時的心率保持在最大心率的60%-90%之間,這樣能讓減脂的效率最高化。

總之,不要對流汗越多,減肥越快抱有過高期待,因為脂肪大部分都不是通過水的形式排出體外的。

好了,這一期的分享就是這樣了,如果你有想要了解的方法,可以在文末給我留言或者直接私信我。

我是波普董,只說你能看懂的健身知識。

相關(guān)知識

流汗越多,運動效果越好嗎?減肥 = 減脂 ≠ 減重!
常見的幾大減肥謠言,這才是你減肥失敗的原因!
5個常見的減肥謠言,你信了幾個?
流汗=減肥?99%的人都信錯的減肥謠言
退休越晚,壽命越短!”65歲退休的人,還能活多久?
十大誤區(qū)讓你越減越肥
中醫(yī)解釋10個常見的生活謠言
“流汗=減脂”,真的是這樣嗎?
網(wǎng)絡(luò)常見六種養(yǎng)生謠言
昆明為什么越來越多的人懷不上?

網(wǎng)址: 傷人的謠言,流汗越多=減脂越快! http://www.u1s5d6.cn/newsview51096.html

推薦資訊