如果一台溫度計會因為你「自稱幾歲」而改變量出來的體溫，你一定會質疑它的量測準確性。
但在體組成量測領域中，許多設備正是依循這樣的邏輯在運作。
很多人曾發現過一個奇特現象：當在體脂計 App 中將年齡設定改大 10 歲，即使身高、體重完全不變，重新站上去測量時，體脂率卻立刻跳高了數個百分點。這並不是儀器臨時故障，而是設備在硬體無法獲取完整數據的情況下，啟用了「經驗公式」進行大數據統計常模的間接推估。
你所站立的設備，到底是在精準採集身體當下的生理訊號，還是僅在套用大眾的平均常模曲線？
30 秒實測：檢視你的量測數據是否來自「統計常模推估」
想了解手邊的設備是否依賴經驗公式進行修正，只需一個簡單的測試流程：
-
站上設備完成日常量測，記下當前的「體脂肪率」與「骨骼肌重量」。
-
離開設備並打開設定，身高與體重保持不變，僅將個人資料年齡調整增加30歲。
-
在相同穿著與狀態下，立刻重新進行一次測量。
若重新測得的體脂肪率明顯上升、骨骼肌重量隨之減少，即代表該儀器的運算核心並非完全來自當下的真實物理阻抗，而是加入了年齡參數的大數據常模修正。
揭密背後邏輯：為什麼修改年齡，數值會隨之改變？
傳統體組成儀器（尤其是僅配置腳踏電極的四電極設備）受限於硬體設計，電流僅能流經下半身，無法穿透並採集軀幹與雙臂的真實阻抗。為了填補上半身缺失的數據，工程團隊必須在晶片演算法中導入統計學上的「經驗變數」：
在生理學常模統計中，全體大眾的平均生理趨勢確實呈現「隨年齡增長，新陳代謝逐漸減緩、肌肉流失且脂肪更易囤積」。
因此，經驗公式演算法預設了這套平均常模：
-
輸入「22 歲」：演算法自動套用年輕族群的代謝常模，預設肌肉充沛、代謝旺盛，將體脂推算值下修。
-
輸入「52 歲」：演算法自動套用中年代謝退化常模，將大眾平均的脂肪增加量納入權重，上調體脂推估值。
這項機制雖然能讓「生活型態完全符合平均常模的一般大眾」獲得看似合理的參考數值，但其本質是以統計趨勢推論個體現狀，而非客觀的獨立生理量測。
經驗公式推估的局限：抹煞認真生活的真實改變
採用大眾平均常模推算個人體態，最大的限制在於無法準確反映個體經過後天努力所建立的獨特體組成：
-
長期規律重訓的年長者被公式低估：一位 60 歲、持續鍛鍊且肌力精實的長輩，站上依賴經驗公式的設備時，容易被系統直接套用同齡層的退化常模，算出高於實際現狀的體脂肪，多年自律維持的肌肉成果難以在數據中被客觀體現。
-
生活型態不佳的年輕族群被常模粉飾：20 歲不運動且體脂肪超標的「隱性肥胖（泡芙人）」，由於演算法預設年輕族群具備較佳的肌肉量，量測結果往往顯示為正常，因而延誤了正視代謝健康的時機。
醫療與科研的標準：InBody 堅持的「純物理阻抗」
在醫院的腎臟透析病房評估水份平衡、癌症臨床監控肌肉消長，或是職業體育團隊篩選運動員時，醫療與防護團隊必須依賴最客觀的生理事實，容不得大數據常模的推論修正。
這正是 InBody 自 1996 年創立以來，建立的核心研發標準：全面排除經驗公式，堅持採用純物理阻抗運算。
InBody 實現純物理量測的三大專利基石
InBody 能在不使用經驗公式的前提下達到精準分析，關鍵在於完整的硬體採集架構：
-
八點接觸式電極：透過雙手手把與腳踏電極，建立包含雙手掌心、拇指、腳底前掌與後腳跟的完整電流與電壓迴路。
-
直接節段分析：將人體明確區分為左臂、右臂、軀幹、左腿、右腿。佔全身重量約 50% 且阻抗極低的「軀幹」，能被單獨且完整地量測，消除了核心數據的推估盲區。
-
多頻電流技術：運用多頻多重電流特性，分別測量細胞外液與穿透細胞膜後的細胞內液，精確分離體內真實水分結構。
藉由完整採集各節段的真實電阻，InBody 僅需依據當下測得的物理阻抗值、搭配受測者身高與體重，即可直接解析出體內的肌肉與脂肪質量。
既然不依賴經驗公式，為什麼量 InBody 依然需要輸入年齡？
這是許多初次接觸 InBody 設備者的核心疑問：「如果 InBody 不靠年齡推算體態，為什麼量測流程中依然要求輸入年齡與性別？」
答案非常單純：年齡在 InBody 系統中是一把「參考評尺」，而非計算公式中的權重參數。
-
依賴經驗公式之設備：年齡是核心算式中的變數（修改年齡輸入，運算出的肌肉與脂肪公斤數即改變）。
-
InBody：個人的骨骼肌與脂肪重量，100% 由量測到的電阻抗決定。同一個人無論將年齡設定為幾歲，測得的肌肉重與脂肪重均保持不變；輸入年齡的目的，是為了讓 App 或報告在產出數據時，能為受測者標示出「同年齡層的健康常模參考區間」，提供讀者判斷自身數據在同齡族群中所處的健康相對位置。
常見問題解答（FAQ）
Q1：那我如果把個人資料年齡改小，一般體脂計量出來的數據會比較準嗎？
完全不會，反而容易造成全面失真。
經驗公式是複雜的多變數統計迴歸模型。人為調低年齡設定，晶片確實會依預設邏輯壓低體脂推算值，但同時也會錯誤推估肌肉中的水分分佈與骨質密度。以人為偏差去對抗公式推估，只會讓各項生理指標失去互相關聯的真實性。唯有硬體直接採集真實生理阻抗，數據才具備長期追蹤價值。
Q2：使用 InBody 家用版（如 InBody Dial），修改年齡數值也會保持一致嗎？
是的，數值完全一致。
InBody 家用系列完整繼承了品牌核心的「八點接觸電極」與「不使用經驗推估」技術。同一個人無論在 App 帳號中如何調整年齡設定，測量得到的骨骼肌重量與體脂肪重量均不會產生人為浮動，確保居家量測也能享有醫療級的重現性與可信度。
Q3：既然八電極的純物理測量更客觀，為什麼市場上多數設備仍採用四電極與經驗公式？
主要在於技術門檻與硬體研發成本。
要做到擺脫經驗公式，設備必須具備能精確分離出極微小軀幹阻抗的多迴路晶片，以及符合人體工學的手把電極機構。無論是電路抗干擾設計、頻率校準還是生產製造成本，技術門檻皆遠高於僅需單一導電玻璃與四塊金屬片的入門設備。
擺脫大數據常模，給身體最誠實的成績單
體態管理與健康促進是一段高度個人化的歷程。我們不需要一套根據大眾「平均老化趨勢」來評估個人狀態的統計模型，而是需要一項能忠實反映身體現況與組織結構的客觀量測工具。
InBody 對於「純物理阻抗」的堅持，旨在確保每一次的揮汗運動、每一週期的營養調整，都能透過真實的電流阻抗回饋，被清晰、如實地轉化為可靠的數據。
以真實的物理測量取代統計常模推估，讓每一次對身體的付出，都獲得最客觀公正的記錄。
參考文獻
-
Kyle, U. G., Bosaeus, I., De Lorenzo, A. D., Deurenberg, P., Elia, M., Gómez, J. M., Heitmann, B. L., Kent-Smith, L., Melchior, J. C., Pirlich, M., Scharfetter, H., Schols, A. M., & Pichard, C. (2004). Bioelectrical impedance analysis—part I: review of principles and methods. Clinical Nutrition, 23(5), 1226–1243.
DOI: 10.1016/j.clnu.2004.06.004 -
Deurenberg, P., Tagliabue, A., & Schouten, F. J. (1995). Multi-frequency impedance for the prediction of extracellular water and total body water. British Journal of Nutrition, 73(3), 349–358.
DOI: 10.1079/bjn19950038 -
Bedogni, G., Malavolti, M., Severi, S., Poli, M., & Battistini, N. (2002). Accuracy of an eight-point tactile-electrode impedance method in the assessment of total body water. European Journal of Clinical Nutrition, 56(11), 1143–1148.
DOI: 10.1038/sj.ejcn.1601466 -
Schoeller, D. A. (2000). Bioelectrical impedance analysis: What does it measure? Annals of the New York Academy of Sciences, 904(1), 159–162.
DOI: 10.1111/j.1749-6632.2000.tb06440.x
