一、不要害怕碳水化合物 .hzh {display: none; } 碳水化合物既是朋友又是敌人。是朋友时，它会创造一种胰岛素适量释放的环境来帮助构建肌肉块;是敌人时，它会刺激胰岛素过度释放，致使体内血糖浓度升高，消耗不掉的血糖将会转化成脂肪，并会形成脂肪减少的屏障。这促使许多健身者去选择一种相反的低碳水化合物饮食。摄入碳水化合物的量较低，会造成体内胰岛素释放和血糖浓度也处于较低水平，整个身体处于分解代谢状态，脂肪会作为能量被消耗。不幸的是伴随脂肪的减少会导致肌肉连同脂肪一起被消耗，因此也会缩小肌肉块。 解决方案：摄取低碳水化合物饮食应考虑每天平均每磅体重消耗1克碳水化合物，这样既能确保脂肪消耗，又不会迫使肌肉当作能量被燃烧，假如你的体重是180磅，那么每天至少应摄入180克碳水化合物。 二、避免过多削减热量 过多地削减热量摄入与运动耗能所造成的脂肪减少相比较，前者会导致新陈代谢缓慢，最终造成摆脱脂肪的困难。后者因为能保持身体正常的新陈代谢，通过运动形成的能量赤字将会促进脂肪的燃烧并最终摆脱脂肪。 解决方案：中等程度削减热量的摄入，每天总热量摄入减少10足矣。如果你每天摄入3000千卡热量，那么在保证肌肉块紧实和新陈代谢率正常的基础上，降低10意味着你每天应摄入2700千卡热量。 三、避免过多摄入蛋白质 当你减少总热量摄入时，在营养比例上应适当增加蛋白质的摄入量，以给肌肉充分的营养，使其修复和获得增长，并能避免因蛋白质不足造成的肌肉块缩减现象。如果蛋白质摄入过多，它会与碳水化合物一样当作燃料燃烧，不能消耗的则会变成脂肪被储存起来。大多数健身者对适当增加蛋白质的摄入心里有数，但有些人却走到了极端，他们摄入的蛋白质比自身需要的多得多。 解决方案：每天不要吃多于每磅体重1.5克的蛋白质，如果更多，则很有可能转化成脂肪被储存起来，于是摆脱脂肪就成了一句空话。因此，一个180磅重的健身者每天摄入多于270克的蛋白质不会获得额外的好处。 四、不要错过碳水化合物最佳摄入时间 通常，把每天碳水化合物的总摄入量合理分配到56顿饭中去是正确的。但报道显示，在每天的早饭和训练后一餐中适当增加碳水化合物的摄入量，能更有效地防止肌肉减少。 解决方案：全天饮食中，改变每顿饭碳水化合物的比例，在训练之后和早饭吃较多的碳水化合物。早晨摄入的大部分碳水化合物将作为肌糖原和肝糖原被储藏起来，增加的碳水化合物会促使胰岛素释放量的增加，能避免因碳水化合物不足造成的糖原储备缺乏。训练后一餐增加碳水化合物的摄入量能弥补因训练导致的肌肉被当作能量消耗的现象，避免肌肉减少情况的发生。因此，训练后增加碳水化合物的摄入将会帮助你构建肌肉而不是储存脂肪。 五、避免饮食过度 我们知道，训练过于频繁或每次训练做过多的组数次数将会导致肌肉减少，在饮食计划中这种现象也应避免。当饮食过度或于过频繁时，新陈代谢率就会始终处于很高的水平。如果出现这种情况，那么想摆脱脂肪就成了一种挑战。 解决方案：在摆脱脂肪期间尝试采用“4—1”方案：“4”是指头4天严格限制饮食中热量的摄入，每天每磅体重摄入1克碳水化合物，早饭和训练后适当增加、其他几顿饭适当减少碳水化合物摄入量。“1”表示在第五天的饮食中戏剧性地增加碳水化合物的摄入量，每磅体重每天增长到3克碳水化合物，然后再重复新的循环。通过碳水化合物摄入量减少和增加的交替，不仅能提供运动所需的充足能量，而且还能防止新陈代谢率的降低。 六、避免过度或不按规定时间服用麻黄属植物和咖啡因 在“韦德运动营养品”的清单中，以麻黄属植物和咖啡因为基础的产品被认为是促进脂肪消耗最佳的食品补充物，但许多参赛者在赛前准备期间过早地使用它们，却搞不清到底有什么作用。而服用剂量过度或不按规定时间服用，一是有使用兴奋剂之嫌，二是有可能造成内脏器官损伤，长期服用甚至可能导致某种疾病。 解决方案：将极少量的麻黄属植物和咖啡因产品作为赛前六周训练过程中的润色剂去帮助最难对付的区域燃烧脂肪，如女性的股四头肌和男性的背部区域。使用麻黄素和咖啡因的剂量不应超出25—75毫克和100—300毫克的范围。 七、避免过度进行有氧训练
图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!
内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!
免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!
