适应负荷如何测量？看懂生物标志物、计分方法与局限
了解适应负荷常用生物标志物、分位数与临床截点计分、缺失值处理，以及五指标方案的研究范围。附清晰的教学计算例子。
更新于 2026-10-30 · 存档于
这里呈现该版本的科学内容与参考文献，完整捕获记录可在下方下载，后续更正以新版本呈现。网站设计与交互程序不在此处存档。
简要回答
适应负荷（Allostatic Load）通常通过多个生理系统的指标组合成研究指数来测量。目前没有一项抽血检查、一套公认的检验组合或一个通用分数，能够诊断一个人累积了多少慢性压力。TAP从三个问题解释这个数字：测了什么、怎样计分，以及结果能够支持什么判断。[4]
这个指数试图捕捉什么？
动态适应（Allostasis）描述身体为应对需求而作出的调整；适应负荷关注反复或调节不当的响应所伴随的累积生理负担。一种响应在事件发生时可能有帮助，但如果反复启动、事件结束后仍持续，或与其他响应协调不足，就可能付出代价。这个框架也考虑对重复需求未能适应，以及响应不足、需要其他系统补偿的情况。[2]
响应模式可以怎样发生变化
经典框架区分了几种情况：频繁遇到挑战、面对重复挑战缺少习惯化、响应结束得较慢，以及某一响应不足使其他过程增加代偿活动。[3]
它们分别追问：多久需要启动一次响应？重复之后是否有所适应？什么时候平息？系统之间怎样代偿？这些问题帮助研究者区分不同的响应模式。
压力感受与生理测量
主观上感觉压力大、长期面对困难处境，以及生物标志物指数较高，是相互关联但不能互换的问题。问卷记录经历与感受，指标组合记录部分生理状况。单靠其中任何一项，都无法还原一个人当前健康状况的全部成因。
通常会测哪些指标？
研究会根据问题、人群和可获得的样本选择指标。下表列举研究中的做法，不是临床检查套餐。Beese等汇总了18篇研究综述，涉及1995—2020年发表的238项研究，显示测量方案存在较大差异。[4]
| 生理领域 | 研究中使用的指标示例 | 解读时需要注意 |
|---|---|---|
| 心血管调节 | 收缩压、舒张压、静息心率 | 用药、近期活动和测量条件会影响结果；静息心率不等于HRV。 |
| 糖和脂质代谢 | 糖化血红蛋白HbA1c、HDL胆固醇、总胆固醇 | 风险方向因指标而异；较低HDL常被计入较高风险方向，不能一律“越高越差”。 |
| 体成分 | 腰臀比、腰高比、BMI | 三者衡量的内容不同，替换后指数的含义也会变化。 |
| 炎症 | C反应蛋白CRP，有时加入其他炎症指标 | 升高不能单独证明慢性心理压力是原因；急性疾病也会影响数值。 |
| 神经内分泌调节 | 皮质醇、肾上腺素、去甲肾上腺素、DHEA-S | 采集时间、生物节律和样本类型会影响解释；一次皮质醇检查不是适应负荷测量。 |
区分初级压力介质与下游变化有助于理解机制。不过，一套包含许多容易获取的代谢指标的组合，可能对神经内分泌过程覆盖很少。指标数量更多，不自动意味着更贴近适应负荷的理论。[6]
从测量值到分数，中间有哪些选择？
三类常见方法回答的问题略有不同。[4]
| 方法 | 怎样计算 | 主要局限 |
|---|---|---|
| 按样本分布计风险点数 | 指标位于参考分布中预先指定的较高风险范围，例如最高或最低四分位，记1分，再相加。 | 截点取决于参考人群；位于某个样本的最高四分位，不等于临床异常。 |
| 按临床截点计数 | 对单项指标采用事先规定的临床截点，再累计点数。 | 单项截点原本服务于特定临床问题；把它们相加，不会自动验证综合分数的诊断用途。 |
| 连续标准化分数 | 将指标标准化、统一风险方向后合并；部分方法对生理系统赋权。 | 参考值、转换方法和权重都会影响结果；不同公式中的“增加1分”含义并不相同。 |
无论采用哪一种，都应同时报告四件事：纳入哪些指标；使用什么参考人群或截点；怎样处理用药和缺失值；指标或系统怎样赋权。每项指标各算1分，会让指标较多的系统占更大比重。对各系统等权可以改变这种影响，但也需要说明理由。
一个计分例子：定义变了，分数也会变
以下数值完全为教学虚构。它们表示某个假想参考样本中的百分位位置，不是检验结果，也不是临床阈值。仅在本例中，CRP、静息心率、腰高比和HbA1c达到或超过第75百分位计1分；HDL胆固醇位于或低于第25百分位计1分。
| 指标 | 假想百分位 | 本例规则 | 得分 |
|---|---|---|---|
| CRP | 85 | ≥75 | 1 |
| 静息心率 | 60 | ≥75 | 0 |
| HDL胆固醇 | 12 | ≤25 | 1 |
| 腰高比 | 82 | ≥75 | 1 |
| HbA1c | 65 | ≥75 | 0 |
合计为5个可能点数中的3分。这只是本例规则下的结果，不能翻译成“身体损伤了60%”、疾病诊断或经过校准的患病概率。
如果HDL缺失，剩余4项中只有2项计分。把它继续写成同一个五指标分数，或者默默把缺失值算作0，都会改变含义。即使报告“2/4”，也不能直接认定它与“3/5”可比。真实研究需要预先说明缺失值处理方法，并检查不同处理方式是否改变结论。本例也说明：把HDL的风险方向算反，会直接造成计算错误。
五个指标就够了吗？
McCrory等使用13个队列、67,126名40—111岁参与者的数据，比较了12个系统的40项指标。提出的简化组合包括CRP、静息心率、HDL胆固醇、腰高比和HbA1c；在其分析中，这个组合预测死亡的表现与更复杂的组合相当，或更好。[6]
这支持在所研究的人群和结局中探索更简洁的研究方案，不能理解为五项检查已经获得通用临床验证。研究筛选指标时主要使用横断面的身体功能与自评健康，也考察了死亡结局。部分神经内分泌指标代表不足，综合计分未充分处理用药，研究对象主要为中老年人。外部验证和不同结局可能带来不同选择。
2026年EPIC-Granada队列的一项巢式病例对照研究，也说明算法表现会随结局而变化：研究在955名癌症病例及955名匹配对照中，用16项指标比较了四种计分方式，报告采用临床截点的指数模型拟合更好。这支持比较算法，不支持把适应负荷分数当作癌症筛查工具。这里依据论文摘要介绍；完整方法和补充分析不在本次阅读范围内。[7]
分数较高说明什么，还有什么不能确定？
观察性研究发现，较高适应负荷与较差健康结局、包括死亡风险有关。但指标组合、计分和人群差异使研究之间难以直接比较。这些关联不能证明：采用某种干预把综合分数降下来，就一定能改善对应健康结局。[5]
同一个分数可以来自不同的指标组合。它不能确定唯一成因、概括所有器官系统，或测出一个人在受到挑战后多快恢复功能。恢复轨迹需要随时间观察。因此，可穿戴设备恢复分数、HRV读数和适应负荷指数不能当作同一种工具。
如何看待个人化验报告
阅读个人化验报告时，更有用的问题是：每一项真实结果在具体临床背景下意味着什么。把不同来源的检查结果凑成网络上的“压力分数”，会加入原有检查本身没有验证的假设。
继续阅读
继续了解定义、方法和相关测量问题。
来源与范围
本文结合测量方法与精选人体研究。测量部分依据Beese全文，以及McCrory作者版本的方法、结果与局限；未逐一核验所有队列补充材料或外部校准分析。2026年癌症研究和Parker荟萃分析按摘要范围使用。概念背景保留[1]、[2]及[3]：这些是概念综合，不能当作计分工具的验证试验。本文不复刻历史研究的数值截点。
资金与利益关系
Beese论文传播部分获得2022年Carl M. Hansen Foundation Scholarship支持。McCrory报告的支持包括Health Research Board EIA-2017-012、英国ESRC ES/T014083/1及ERC Gendhi SGY2019-856478，各参与队列另有资金来源。完整队列层面的资助和利益声明，以及摘要层面与背景来源的声明，尚未全部核实；详情保留在所链接的原始论文中。未核实不能解释为不存在利益关系。
结论记录
不同研究采用的适应负荷指标组合并不一致。
适应负荷的研究测量；不涉及个体诊断或某种干预效果。
测量综述记录了指标组合与计分的异质性，多队列分析则检验了特定结局下的简化组合。因此，需要同时说明算法选择和拟研究的结局。
相关文献提供研究背景，不提供统一的个体诊断阈值，也不能用于判断某个人的健康状态。
完整评价记录
下载本版本评价详情（JSON） ↧参考文献
- Bruce S. McEwen, Eliot Stellar (1993). Stress and the individual. Mechanisms leading to disease. Archives of Internal Medicine. https://doi.org/10.1001/archinte.1993.00410180039004
- Bruce S. McEwen (1998). Protective and damaging effects of stress mediators. New England Journal of Medicine. https://doi.org/10.1056/NEJM199801153380307
- Bruce S. McEwen, Peter J. Gianaros (2011). Stress- and Allostasis-Induced Brain Plasticity. Annual Review of Medicine. https://doi.org/10.1146/annurev-med-052209-100430
- Shawna Beese, Julie Postma, Janessa M. Graves (2022). Allostatic Load Measurement: A Systematic Review of Reviews, Database Inventory, and Considerations for Neighborhood Research. International Journal of Environmental Research and Public Health. https://doi.org/10.3390/ijerph192417006
- Haley W. Parker, Alyssa M. Abreu, Mary C. Sullivan, Maya K. Vadiveloo (2022). Allostatic Load and Mortality: A Systematic Review and Meta-Analysis. American Journal of Preventive Medicine. https://doi.org/10.1016/j.amepre.2022.02.003
- Cathal McCrory, Sinead McLoughlin, Richard Layte, Cliona NiCheallaigh, Aisling M. O’Halloran, Henrique Barros, Lisa F. Berkman, Murielle Bochud, Eileen M. Crimmins, Meagan T. Farrell, Silvia Fraga, Emily Grundy, Michelle Kelly-Irving, Dusan Petrovic, Teresa Seeman, Silvia Stringhini, Peter Vollenveider, Rose Anne Kenny (2023). Towards a consensus definition of allostatic load: a multi-cohort, multi-system, multi-biomarker individual participant data (IPD) meta-analysis. Psychoneuroendocrinology. https://doi.org/10.1016/j.psyneuen.2023.106117
- Redondo-Sánchez D, Gálvez-Navas JM, González Flores E, et al. (2026). Measuring the biological embedding of chronic stress: Allostatic load algorithms and cancer risk in a prospective cohort.. Social Science & Medicine. https://doi.org/10.1016/j.socscimed.2026.119840
出版记录
TAP-FTR-0001 · v0.7 · 中文
The Allostasis Project 由 Resilio 发起与支持。
对应版本 v0.7 · 更新于
编辑责任: TAP Editorial Team
编辑说明
本文由 TAP Editorial Team 承担编辑责任，使用 AI 辅助内容整理与编辑。
© The Allostasis Project。保留所有权利。除法律允许的例外外，转载或改编需另行授权。