Nội dung nghiên cứu

Phương pháp

Theo như quy trình của một nghiên cứu “phân tích tổng hợp”, nhóm nghiên cứu tìm kiếm và chọn lọc các nghiên cứu có liên quan và đã được xuất thỏa mãn những tiêu chí sàng lọc (vd: được xuất bản bằng tiếng Anh, đã trải qua bình duyệt và xuất bản, biện pháp thí nghiệm có tập luyện Kháng lực, thâm hụt năng lượng và có theo dõi/kiểm soát lượng Protein tiêu thụ trong chế độ ăn, có theo dõi thay đổi về các chỉ số liên quan đến lượng Cơ bắp, v.v.)

29 nghiên cứu được lựa chọn, nhưng chỉ một số nghiên cứu trực tiếp so sánh các nhóm có lượng Protein khác nhau. Bởi vì hạn chế này, việc thực hiện “phân tích tổng hợp” (meta-analysis) thông dụng với dạng nghiên cứu này tỏ ra không khả thi. Thay vào đó, nhóm nghiên cứu thực hiện phân tích “hồi qui tổng hợp” (meta-regression), theo đó đánh giá mối quan hê giữa lượng Protein và thay đổi về Cơ bắp dựa trên toàn thể dữ kiện của các nghiên cứu được lựa chọn.

Theo đó 2 biến số chính được quan tâm

• Lượng Protein tiêu thụ (Protein intake) là “biến số dự báo”, tính tương ứng với trọng lượng cơ thể (g/kg BW) và lượng thân Nạc (g/kg FFM).

• Thay đổi lượng thân Nạc (Fat free mass hay FFM) là “biến số kết quả”, bởi vi các kết quả đo lường trực tiếp thay đổi về kích thước cơ bắp không được theo dõi trong đa số nghiên cứu (một phần không nhỏ bởi nó rất tốn kém để theo dõi hết thay đổi ở mọi nhóm cơ trên cơ thể), và FFM là chỉ số phản ánh đủ sát với thay đổi về cơ bắp.

Khi xây dựng mô hình thống kê, nhóm nghiên cứu sử dụng cả mô hình hồi quy “tuyến tính” (linear) lẫn “phi tuyến tính” (non-linear) để đánh giá xem mối quan hệ giữa 2 biến số trên (Protein và thay đổi FFM) được phản ánh bởi một đường thẳng (tuyến tính) hay có “lợi tức giảm dần” (phi tuyến tính, hay tồn tại một ngưỡng mà sau đó tăng Protein không dẫn đến kết quả khả quan hơn về FFM). Bốn yếu tố “đồng biến” (covariate) sau được bao hàm trong phân tích này:

• Tỉ lệ %BF ban đầu

• Mức thâm hụt năng lượng

• Độ dài thí nghiệm

• Giới tính

Tuy nhiên nhóm nghiên cứu phát hiện rằng, thêm những “đồng biến” này không giúp cải thiện rõ rệt khả năng dự báo của mô hình thống kê.

Kết quả chính và Ý nghĩa

Mô hình thống kê giải thích tốt nhất bộ dữ kiện hiện tại là một đường “hồi quy tuyến tính”, có thể hiểu là: tăng lượng Protein tiêu thụ có quan hệ nhất quán với FFM được bảo toàn tốt hơn hoặc tăng thêm trong trạng thái thâm hụt năng lượng.

Kích thước hiệu ứng của tăng thêm Protein khá nhỏ (~0.06 – 0.07 cho mỗi gram/kg Protein tăng thêm). Nói cách khác, tăng thêm 1g/kg Protein có tương ứng với kết quả giữ cơ/tăng cơ được cải thiện, nhưng với mức độ khá nhỏ/khó nhận biết. Dù vậy, mô hình này không ghi nhận một “điểm gãy” (breakpoint) cụ thể cho hiệu ứng trên; nói cách khác, mô hình không cho thấy một ngưỡng Protein cụ thể, ở đó tiêu thụ lượng Protein lớn hơn mức này không đem lại nhiều lợi ích hơn.

Mô hình hồi quy tuyến tính chỉ giải thích được 55% biến động về kết quả, với 45% còn lại chưa được giải thích đến được từ những khác biệt trong thiết kế thí nghiệm của các nghiên cứu (vd: chương trình tập luyện, đa dạng về mức độ phản ứng giữa các cá nhân).

Phản Hồi những Phê bình

Các tác giả của nghiên cứu hiện tại (Refalo, Trexler, Helms) dành phần này để bình luận về những phê bình và chỉ trích thực tế họ đã bắt gặp trên mạng xã hội cũng như tiềm tàng về những phát hiện trên.

Lượng thân Nạc vs lượng Cơ bắp

Những người phê bình thường chỉ ra rằng lượng thân Nạc (Fat Free Mass hay Lean Mass) không đồng nghĩa với lượng Cơ bắp (Muscle mass), bởi nó còn bao gồm cả nước, các mô nội tạng, xương và các mô liên kết khác.

Trong khi điều này có lý, các tác giả chỉ ra rằng lượng thân Nạc là chỉ số được sử dụng phổ biến nhất trong các nghiên cứu về Protein, vì những hạn chế và khó khăn trong việc đo lường cụ thể trên Cơ bắp (vốn cũng có một tập hợp chỉ trích và phê bình riêng cho từng phương pháp cụ thể).

Ảnh hưởng của độ dài thí nghiệm

Một số nghiên cứu được chọn lọc có độ dài rất ngắn ( < 4 tuần), dẫn đến những lo ngại về độ tin cậy của kết quả đo lường lượng thân Nạc do tiềm năng dao động nước trong cơ thể.

Tuy nhiên, nhóm nghiên cứu cũng thực hiện một phân tích độc lập được thực hiện chỉ bao gồm những nghiên cứu kéo dài hơn (> 4 tuần), ghi nhận được kết quả gần như giống hệt, theo đó khẳng định độ chắc chắn của những phát hiện chính của nghiên cứu hiện tại.

Không kiểm soát nhiều yếu tố “đồng biến” hơn

Một số quan điểm phê bình đề xuất rằng phép phân tích đáng ra nên kiểm soát về thống kê nhiều yếu tố đồng biến hơn (bên cạnh những yếu tố đã được bao gồm như %BF ban đầu, thâm hụt năng lượng, độ dài thí nghiệm, giới tính), như các yếu tố thuộc chương trình tập luyện (vd: Volume, cường độ, tần suất, bài tập, v.v.).

Nhóm nghiên cứu đưa ra hai phản hồi sau:

• Nhiều nghiên cứu không trình bày chi tiết về chương trình tập luyện, theo đó không có đủ dữ kiện để đem lại kết quả phân tích có ý nghĩa hay có tính ứng dụng rộng rãi.

• Thêm quá nhiều yếu tố đồng biến vào mô hình thống kê có thể khiến cho mô hình trở nên quá phức tạp, theo đó làm giảm khả năng ứng dụng rộng rãi của mô hình.

Vì vậy, nhóm nghiên cứu chỉ chọn các đồng biến quan trọng nhất và kiểm tra xem liệu chúng có cải thiện khả năng dự đoán của mô hình hay không. Khi nhận thấy rằng việc thêm đồng biến không mang lại lợi ích đáng kể, họ quyết định giữ mô hình đơn giản hơn để đảm bảo độ tin cậy của kết quả.

Tính lượng Protein tiêu thụ theo BW vs FFM

Nghiên cứu hiện tại ghi nhận được mối quan hệ mạnh mẽ hơn khi lượng Protein được tính theo lượng thân Nạc (g/kg FFM) thay vì theo trọng lượng cơ thể (g/kg BW).

Phía phê bình cho rằng tính theo BW sẽ đơn giản hơn, nhưng nhóm nghiên cứu phản biện như sau:

• Lượng thân Nạc (FFM) phản ánh tốt hơn nhu cầu bảo toàn và phát triển các mô thực sự sử dụng Protein trong chế độ ăn (Cơ bắp, so với mô Mỡ).

• Điều này đặc biệt cần lưu ý với những cá nhân có tỉ lệ Mỡ lớn (và lượng thân Nạc thấp hơn), khi mà sử dụng trọng lượng cơ thể có thể dẫn đến thiết lập mục tiêu về lượng Protein cao hơn cần thiết.

Không có phân tích “điểm gãy”

Các nghiên cứu trước đó, ví dụ điển hình là nghiên cứu vào năm 2018 bởi “Morton và đồng nghiệp”, đề xuất rằng hiệu quả tăng cơ của tiêu thụ Protein chững lại ở khoảng 1.6g/kg BW, với mức lớn hơn không đem lại thêm lợi ích. Theo đó, một số người phê bình kì vọng nghiên cứu hiện tại có phát hiện một ngưỡng tương tự.

Theo nhóm nghiên cứu: điểm gãy cần được phát hiện dựa trên dữ kiện thực tế, thay vì vạch ra tùy ý. Mô hình thống kê của họ không cho thấy một điểm gãy đạt ngưỡng đáng kể, tức là lợi ích của tiêu thụ Protein tỏ ra không chững lại rõ rệt với bộ dữ kiện hiện tại.

Bên cạnh đó, điểm gãy trình bày bởi “Morton và đồng nghiệp” khá yếu về thống kê (suýt soát không đạt ngưỡng đáng kể, p = 0.074) và có một khoảng tin cậy rất rộng trải từ 1.0 đến 2.2g/kg BW. Eric Helms (một trong những nhà nghiên cứu tham gia vào nghiên cứu này) bình luận rằng, nhóm nghiên cứu (”Morton và đồng nghiệp”) nhận thức khá rõ về những hạn chế trên, nhưng rốt cục lựa chọn nửa sau của khoảng tin cậy (với điểm 1.6g/kg BW làm “điểm gãy”) và đưa ra khuyến cáo 1.6-2.2g/kg BW để đem lại một khuyến cáo có tính ứng dụng trong khi đủ “an toàn” (thừa còn hơn thiếu, và việc tiêu thụ nhiều Protein hơn trong chế độ ăn không có hạn chế rõ rệt nào) cho người tập. Những cân nhắc đằng sau quyết định đã đươc trình bày đầy đủ trong phần Thảo luận của bản báo cáo nghiên cứu, nhưng không may là không ít quan điểm gần đây phê bình phát hiện trên như thể nó đến từ sai sót, bất cẩn hay gian lận trong quá trình thực hiện nghiên cứu vậy.

Ứng dụng thực tiễn và khuyến cáo

Dựa vào những phát hiện và cân nhắc trên, nhóm nghiên cứu đưa ra một tập hợp những chỉ dẫn về lượng Protein tiêu thụ trong trạng thái thâm hụt năng lượng dựa trên “nguy cơ” cho những đối tượng cụ thể, thay vì đưa ra một mục tiêu Protein chung.