VIP标识 上网做生意,首选VIP会员| 设为首页| 加入桌面|| 手机版| 无图版| RSS订阅
雷竞技电竞
,关注食品安全,探讨食品技术
当前位置: 首页? 食品安全? 营养与健康? 正文

范志红:高热量食物就能暖身吗?

放大字体缩小字体发布日期:2015-01-06 来源:39健康网
核心提示:怎样吃出暖意来?冬季怎么吃才能暖身呢?大部分人的答案无非两个类型:吃高热量的食物就能暖身!或者是,吃传统所说的“温热食物”就能暖身!这两个说法,哪个更正确呢?让专家来告诉你答案。
  随着强大寒潮频频来临,北风日日呼啸,气温一降再降。很多女生说,把所有的衣服都上了身,还是没感觉足够温暖——很多本来怕冷的人,更是觉得苦不堪言,整天手脚冰凉,盖上被子都暖不过来,晚上甚至要抱着暖水袋才能安眠。

怎样吃出暖意来?这是很多人都在讨论的饮食话题。大部分人的答案无非两个类型:吃高热量的食物就能暖身!或者是,吃传统所说的“温热食物”就能暖身!这两个说法,哪个更正确呢?

答案是,吃高热量的食品,不等于就能让身上暖起来。吃猪油,吃蛋糕,吃曲奇,吃油炸食品……这些对于提高抗寒能力基本上没什么帮助。而吃传统认为“温热”的食物,相对而言更有效一些,不过也不一定是长久之计,而且要看身体状态和食物搭配是否合适。

1218

先来解释第一个问题,为什么高热量不等于高温暖?

为了解释方便,我们要把人体看成一个供暖工厂。这个工厂的燃料就是食物当中含热量的成分,比如脂肪、淀粉和糖;工厂的燃烧锅炉,就是人体细胞中的线粒体;工厂的产品,就是大量放出来的能量,包括让身体温暖的热量,还有能推动我们的血液循环、细胞更新、组织修复、工作学习等各种事情所需的化学能量。

吃大量的高热量食品,实际上就是给这个工厂送来很多燃料。问题是,这些燃料堆积如山,也不一定能够顺利、高效地燃烧,让锅炉充分放出热量。假如人体细胞当中的“锅炉”太少,或者进料的管道出了问题,或者是工厂指挥系统干脆下达指令,要求降低供热总量,那么,就算有足够的燃料,产出的热量还是不能满足需要。

那么,谁是锅炉呢?刚才说了,就是细胞中的线粒体。肌肉细胞中线粒体多得密密麻麻,所以一个人身上的肌肉越多,越充实发达,细胞中的线粒体总量就越大。而脂肪比例越大,线粒体总量就越少,因为脂肪细胞中含有大量油脂,线粒体却少得可怜。这样一说就能明白,肌肉多的人产热能力强,而脂肪比例高的人产热能力差。运动后能发热,正是因为肌肉中的“锅炉”们加大力度工作的缘故。

这就可以解释,为什么运动员们不怕冷,练健美的人冬天也穿得很单薄;而很多胖人虽然有厚厚的脂肪层来保温,仍然不比其他人更抗冻。这是因为,冰块就算是盖一层大棉袄,仍然是冰块。

那些又缺脂肪,肌肉又少,皮包骨头的瘦人,自然就是最不抗冷的人了。他们所要做的事情,并不是喝甜饮料吃大肥肉,而是在补充富含蛋白质食物和主食的同时,切实做些增肌运动。好好健身,充实肌肉,增加自己的“锅炉”数量,才能壮起来,也暖起来。

如果人体中的“锅炉”太少,需要的燃料自然也就比较少。一旦多来点燃料,很容易堆积成患,也就是说,很容易因为消耗不掉,转变成身体上的脂肪,造成肥胖。所以,肌肉不发达的人更容易胖,而肌肉充实发达的人,多吃也不会胖,因为吃进去的食物会高效地消耗掉,一方面变成身体的力量,让人精神抖擞;一方面支持体表的散热,让人身体温暖,而并不会变成脂肪堆积成灾。

好了,下面就来说说那些传统所谓“温热”的食物。它们是怎样让人感觉到温暖的呢?

所谓热性或温性的食物,是古代传下来的说法,在某种意义上,就是使人们身体感觉更温暖的食品。古人的说法一点都不抽象,是极端具象、容易理解的。

虽然没有足够的研究证据,但可以根据现有的知识来推断它们的作用。比如说,某些食物有利于促进消化吸收,消化吸收好了,同样的食物就能得到更多的微量元素和维生素,从而间接促进新陈代谢。也就是说,它们让供暖工厂的设备得到良好的维护和润滑,运输高效,管线畅通,这样供暖效率就会提高。比如说,消化不良的人容易发生贫血缺锌问题,而贫血缺锌都会造成人体怕冷。

也有的食物成分能帮助保障促进生物氧化的激素水平,就是领导给供暖工厂发布指令,要求保证产能,自然供暖工作也会受到重视而加大力度。比如说,缺乏碘的时候,人体甲状腺激素水平过低,就容易体温偏低,身体怕冷。也有动物实验证明,钙不足的时候,脂肪合成会增加,产热能力下降,也会妨碍抗寒能力。所以,吃一些钙含量高的乳制品也可能对暖身有所帮助。

有些食物虽然本身不生热,但能帮助补充血红蛋白,或者改善血液循环,也能帮助暖身。这是因为没有足够的氧气,锅炉就不能熊熊燃烧,而氧气是靠血液来输送的,体表散热也靠血液来传递温度。比如辣椒等香辛料,能让氧气和葡萄糖的运输速度加快,体表散热的速度加快,也能让身体暂时感觉温暖,等等。
编辑:yuanlee



推荐图文
推荐食品安全
点击排行
Processed in 0.063 second(s), 13 queries, Memory 0.9 M
Baidu
map