Harris-Benedict BMR (संशोधित)
क्या है Harris Benedict Calculator?
▾
हैरिस-बेनेडिक्ट कैलकुलेटर आपके बेसल मेटाबोलिक रेट (बीएमआर) का अनुमान लगाता है - श्वास, परिसंचरण, कोशिका उत्पादन और तापमान विनियमन जैसे बुनियादी जीवन कार्यों को बनाए रखने के लिए आपके शरीर द्वारा आराम से जलाए जाने वाली कैलोरी की संख्या। मूल रूप से 1919 में जेम्स आर्थर हैरिस और फ्रांसिस गानो बेनेडिक्ट द्वारा प्रकाशित, और 1984 में रोज़ा और शिज़गल द्वारा संशोधित, यह समीकरण बीएमआर की भविष्यवाणी करने के लिए ऊंचाई, वजन, उम्र और लिंग का उपयोग करता है। संशोधित हैरिस-बेनेडिक्ट समीकरण हैं: पुरुषों के लिए, बीएमआर = 88.362 + (13.397 × वजन किलो में) + (4.799 × ऊंचाई सेमी में) - (5.677 × उम्र); महिलाओं के लिए, बीएमआर = 447.593 + (9.247 × वजन किलो में) + (3.098 × ऊंचाई सेमी में) - (4.330 × उम्र)। बीएमआर आमतौर पर कुल दैनिक ऊर्जा व्यय का 60-75% प्रतिनिधित्व करता है। कुल दैनिक ऊर्जा व्यय (टीडीईई) का अनुमान लगाने के लिए कैलकुलेटर बीएमआर को एक गतिविधि कारक से गुणा करता है: गतिहीन (×1.2), हल्का सक्रिय (×1.375), मध्यम सक्रिय (×1.55), बहुत सक्रिय (×1.725), या अत्यंत सक्रिय (×1.9)। टीडीईई सभी आहार नियोजन के लिए शुरुआती बिंदु है - वजन बनाए रखने के लिए टीडीईई में खाएं, लगभग 1 पाउंड प्रति सप्ताह हानि के लिए 500 कैलोरी कम, या प्रति सप्ताह 1 पाउंड वजन बढ़ाने के लिए 500 से ऊपर। कैलकुलेटर नोट करता है कि हैरिस-बेनेडिक्ट मोटे व्यक्तियों में बीएमआर को अधिक महत्व दे सकता है (1990 में विकसित मिफ्लिन-सेंट जियोर समीकरण, इस आबादी के लिए अधिक सटीक हो सकता है) और बहुत मांसपेशियों वाले व्यक्तियों के लिए कम सटीक है, जिनका दुबला द्रव्यमान उनकी ऊंचाई और वजन के औसत से काफी अधिक है।
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
सूत्र
▾
पुरुष: बीएमआर = 88.362 + (13.397 × किग्रा) + (4.799 × सेमी) - (5.677 × आयु); महिलाएं: बीएमआर = 447.593 + (9.247 × किग्रा) + (3.098 × सेमी) - (4.330 × आयु); टीडीईई = बीएमआर × गतिविधि कारक (1.2-1.9)चर विवरण
▾
| प्रतीक | नाम | इकाई | विवरण |
|---|---|---|---|
| BMR | 447 | — | हैरिस बेनेडिक्ट के लिए एक प्रमुख इनपुट पैरामीटर, जो सूत्र में 447 का प्रतिनिधित्व करता है, इसकी गणितीय भूमिका के माध्यम से गणना किए गए आउटपुट को सीधे प्रभावित करता है। |
| k | स्थिर | — | मानक स्थितियों के लिए परिणामों को कैलिब्रेट करने के लिए हैरिस बेनेडिक्ट फॉर्मूला में उपयोग किया जाने वाला एक डोमेन-विशिष्ट स्थिरांक या गुणांक |
| k | स्थिर | — | मानक स्थितियों के लिए परिणामों को कैलिब्रेट करने के लिए हैरिस बेनेडिक्ट फॉर्मूला में उपयोग किया जाने वाला एक डोमेन-विशिष्ट स्थिरांक या गुणांक |
कैसे Harris Benedict Calculator
▾
- 1पुरुष: बीएमआर = 88.362 + (13.397 × वजन) + (4.799 × ऊंचाई) - (5.677 × उम्र)
- 2महिलाएं: बीएमआर = 447.593 + (9.247 × वजन) + (3.098 × ऊंचाई) - (4.330 × उम्र)
- 3वजन किलो में, ऊंचाई सेमी में, उम्र वर्षों में
- 4हैरिस बेनेडिक्ट गणना के लिए आवश्यक इनपुट मानों की पहचान करें - आवश्यक सभी माप, दरें या पैरामीटर इकट्ठा करें।
- 5प्रत्येक मान को संबंधित इनपुट फ़ील्ड में दर्ज करें। रूपांतरण त्रुटियों से बचने के लिए सुनिश्चित करें कि इकाइयाँ सुसंगत (सभी मीट्रिक या सभी शाही) हैं।
हल किए गए उदाहरण
▾
केवल बेसल ऊर्जा
यह उदाहरण हैरिस बेनेडिक्ट के एक विशिष्ट अनुप्रयोग को प्रदर्शित करता है, जिसमें दिखाया गया है कि परिणाम उत्पन्न करने के लिए इनपुट मानों को सूत्र के माध्यम से कैसे संसाधित किया जाता है।
संदर्भ सीमाएँ प्रयोगशाला और जनसंख्या के अनुसार भिन्न हो सकती हैं।
यह हैरिस बेनेडिक्ट उदाहरण एक विशिष्ट गणना प्रदर्शित करने के लिए मानक वयस्क पुरुष मापदंडों का उपयोग करता है। 45 वर्ष की आयु में 80 किलोग्राम वजन और 175 सेमी की ऊंचाई के साथ, परिणाम स्वस्थ वयस्कों के लिए अपेक्षित संदर्भ सीमा के भीतर आता है। यह व्यक्तिगत रोगी माप के मुकाबले तुलना के लिए आधार रेखा के रूप में कार्य करता है।
बच्चों के लिए हमेशा बाल चिकित्सा संदर्भ रेंज का उपयोग करें।
बाल रोगियों को हैरिस बेनेडिक्ट में अलग-अलग संदर्भ श्रेणियों की आवश्यकता होती है क्योंकि बच्चों की चयापचय दर, शरीर का अनुपात और विकासात्मक चरण अलग-अलग होते हैं। 130 सेमी ऊंचाई पर 28 किलोग्राम वजन वाली एक 8 वर्षीय महिला उन मूल्यों का उत्पादन करेगी जिनकी व्याख्या वयस्क मानदंडों के बजाय उम्र और लिंग-विशिष्ट प्रतिशत चार्ट के अनुसार की जानी चाहिए।
बुजुर्ग रोगियों में गुर्दे की कार्यप्रणाली और बहुफार्मेसी पर विचार करें।
बुजुर्ग रोगियों के लिए, हैरिस बेनेडिक्ट को उम्र से संबंधित शारीरिक परिवर्तनों को ध्यान में रखना चाहिए, जिसमें गुर्दे की कार्यक्षमता में कमी, शरीर की परिवर्तित संरचना (अधिक वसा, कम मांसपेशी), और संभावित दवा इंटरैक्शन शामिल हैं। यह उदाहरण दिखाता है कि कैसे हल्के से बढ़े हुए क्रिएटिनिन वाले 78 वर्षीय व्यक्ति ऐसे परिणाम दे सकते हैं जो युवा वयस्क मानदंडों से भिन्न होते हैं लेकिन चिकित्सकीय रूप से आयु वर्ग के लिए अपेक्षित होते हैं।
वास्तविक अनुप्रयोग
▾
स्वास्थ्य और चिकित्सा क्षेत्र के पेशेवर गणनाओं को सत्यापित करने, अंकगणितीय त्रुटियों को कम करने और लगातार परिणाम देने के लिए अपने मानक विश्लेषणात्मक वर्कफ़्लो के हिस्से के रूप में हैरिस बेनेडिक्ट का उपयोग करते हैं जिन्हें अनुपालन उद्देश्यों के लिए सहकर्मियों, ग्राहकों या नियामक निकायों के साथ दस्तावेज़ीकृत, ऑडिट और साझा किया जा सकता है।
विश्वविद्यालय के प्रोफेसर और प्रशिक्षक हैरिस बेनेडिक्ट को पाठ्यक्रम सामग्री, होमवर्क असाइनमेंट और परीक्षा तैयारी संसाधनों में शामिल करते हैं, जिससे छात्रों को मैन्युअल गणना की जांच करने, इनपुट-आउटपुट संबंधों के बारे में अंतर्ज्ञान बनाने और अंकगणित के बजाय वैचारिक समझ पर ध्यान केंद्रित करने की अनुमति मिलती है।
परामर्शदाता और सलाहकार ग्राहक बैठकों के दौरान अलग-अलग परिदृश्यों को त्वरित रूप से मॉडल करने के लिए हैरिस बेनेडिक्ट का उपयोग करते हैं, जिससे वास्तविक समय में क्या-क्या प्रश्न पूछे जा सकते हैं, जिन्हें अन्यथा विस्तृत स्प्रेडशीट-आधारित विश्लेषण और रिपोर्टिंग के लिए कार्यालय में लौटने की आवश्यकता होती है।
व्यक्तिगत उपयोगकर्ता व्यक्तिगत नियोजन निर्णयों के लिए हैरिस बेनेडिक्ट पर भरोसा करते हैं - विकल्पों की तुलना करना, सेवा प्रदाताओं से प्राप्त उद्धरणों की पुष्टि करना, तीसरे पक्ष की गणनाओं की जांच करना और यह विश्वास पैदा करना कि एक महत्वपूर्ण निर्णय के पीछे की संख्याओं की सही और लगातार गणना की गई है।
विशेष मामले
▾
शून्य या नकारात्मक इनपुट के लिए विशेष हैंडलिंग की आवश्यकता हो सकती है या अपरिभाषित उत्पादन हो सकता है
शून्य या नकारात्मक इनपुट के लिए विशेष प्रबंधन की आवश्यकता हो सकती है या अपरिभाषित परिणाम उत्पन्न हो सकते हैं व्यवहार में, इस किनारे के मामले में सावधानीपूर्वक विचार करने की आवश्यकता होती है क्योंकि मानक धारणाएं मान्य नहीं हो सकती हैं। हैरिस बेनेडिक्ट गणना में इस परिदृश्य का सामना करते समय, चिकित्सकों को सीमा स्थितियों को सत्यापित करना चाहिए, विभाजन-दर-शून्य जोखिमों की जांच करनी चाहिए, और विचार करना चाहिए कि क्या मॉडल की धारणाएं इन चरम स्थितियों के तहत वैध रहती हैं।
व्यवहार में चरम मान विशिष्ट गणना सीमाओं से बाहर हो सकते हैं
चरम मूल्य विशिष्ट गणना सीमाओं से बाहर हो सकते हैं व्यवहार में, इस किनारे के मामले पर सावधानीपूर्वक विचार करने की आवश्यकता होती है क्योंकि मानक धारणाएँ मान्य नहीं हो सकती हैं। हैरिस बेनेडिक्ट गणना में इस परिदृश्य का सामना करते समय, चिकित्सकों को सीमा स्थितियों को सत्यापित करना चाहिए, विभाजन-दर-शून्य जोखिमों की जांच करनी चाहिए, और विचार करना चाहिए कि क्या मॉडल की धारणाएं इन चरम स्थितियों के तहत वैध रहती हैं।
कुछ हैरिस बेनेडिक्ट परिदृश्यों को अतिरिक्त मापदंडों की आवश्यकता हो सकती है जो उनके द्वारा नहीं दिखाए गए हैं
कुछ हैरिस बेनेडिक्ट परिदृश्यों को अतिरिक्त मापदंडों की आवश्यकता हो सकती है जो डिफ़ॉल्ट रूप से नहीं दिखाए जाते हैं व्यवहार में, इस किनारे के मामले में सावधानीपूर्वक विचार करने की आवश्यकता होती है क्योंकि मानक धारणाएं मान्य नहीं हो सकती हैं। हैरिस बेनेडिक्ट गणना में इस परिदृश्य का सामना करते समय, चिकित्सकों को सीमा स्थितियों को सत्यापित करना चाहिए, विभाजन-दर-शून्य जोखिमों की जांच करनी चाहिए, और विचार करना चाहिए कि क्या मॉडल की धारणाएं इन चरम स्थितियों के तहत वैध रहती हैं।
हैरिस बेनेडिक्ट संदर्भ डेटा
▾
| पैरामीटर | विवरण | टिप्पणियाँ |
|---|---|---|
| BMR | परिदृश्य के अनुसार बदलता रहता है | हैरिस बेनेडिक्ट के लिए 447 i का प्रतिनिधित्व करने वाला एक प्रमुख इनपुट पैरामीटर |
| पैरामीटर 2 | प्रसंग-निर्भर | हैरिस बेनेडिक्ट फॉर्मूला का इनपुट |
| पैरामीटर 3 | प्रसंग-निर्भर | हैरिस बेनेडिक्ट फॉर्मूला का इनपुट |
अक्सर पूछे जाने वाले प्रश्न
▾
हैरिस बेनेडिक्ट क्या है?
हैरिस बेनेडिक्ट एक विशेष गणना उपकरण है जिसे उपयोगकर्ताओं को स्वास्थ्य और चिकित्सा क्षेत्र में प्रमुख मैट्रिक्स की गणना और विश्लेषण करने में मदद करने के लिए डिज़ाइन किया गया है। यह विशिष्ट संख्यात्मक इनपुट लेता है - आमतौर पर वास्तविक दुनिया के डेटा जैसे माप, दर या मात्रा से लिया जाता है - और कार्रवाई योग्य परिणाम उत्पन्न करने के लिए एक मान्य गणितीय सूत्र लागू करता है। उपकरण मूल्यवान है क्योंकि यह मैन्युअल गणना त्रुटियों को समाप्त करता है, विभिन्न परिदृश्यों की खोज करते समय त्वरित प्रतिक्रिया प्रदान करता है, और पेशेवरों के लिए निर्णय-समर्थन उपकरण और अंतर्निहित सिद्धांतों का अध्ययन करने वाले छात्रों के लिए सीखने में सहायता दोनों के रूप में कार्य करता है।
आप हैरिस बेनेडिक्ट की गणना कैसे करते हैं?
हैरिस बेनेडिक्ट का उपयोग करने के लिए, निर्दिष्ट फ़ील्ड में आवश्यक इनपुट मान दर्ज करें - इनमें आम तौर पर सूत्र में संदर्भित प्राथमिक मात्राएं जैसे दरें, मात्रा, समय अवधि या भौतिक माप शामिल होते हैं। कैलकुलेटर इन इनपुट को आउटपुट मीट्रिक में बदलने के लिए मानक गणितीय संबंध लागू करता है। सर्वोत्तम परिणामों के लिए, सत्यापित करें कि सभी इनपुट सुसंगत इकाइयों का उपयोग करते हैं, स्रोत दस्तावेज़ों के विरुद्ध मूल्यों की दोबारा जाँच करें और संदर्भ में आउटपुट की समीक्षा करें। थोड़े अलग इनपुट के साथ गणना चलाने से यह पता चलता है कि कौन से चर का परिणाम पर सबसे अधिक प्रभाव पड़ता है।
कौन से इनपुट हैरिस बेनेडिक्ट को सबसे अधिक प्रभावित करते हैं?
हैरिस बेनेडिक्ट में सबसे प्रभावशाली इनपुट प्राथमिक मात्राएँ हैं जो मूल सूत्र में दिखाई देती हैं - आमतौर पर दर, मूल राशि या आधार मात्रा, और समय अवधि या आवृत्ति कारक। इनमें से किसी को भी एक छोटे प्रतिशत से बदलने से गुणन या यौगिक प्रभाव के कारण आउटपुट में महत्वपूर्ण बदलाव आ सकता है। माध्यमिक इनपुट जैसे समायोजन कारक, राउंडिंग कन्वेंशन, या वैकल्पिक पैरामीटर का आमतौर पर छोटा लेकिन फिर भी सार्थक प्रभाव होता है। संवेदनशीलता विश्लेषण - दूसरों को स्थिर रखते हुए एक इनपुट को अलग करना - यह पहचानने का सबसे अच्छा तरीका है कि आपके विशिष्ट परिदृश्य में कौन सा कारक सबसे अधिक मायने रखता है।
हैरिस बेनेडिक्ट के लिए अच्छा या सामान्य परिणाम क्या है?
हैरिस बेनेडिक्ट का अच्छा या सामान्य परिणाम विशिष्ट संदर्भ पर काफी हद तक निर्भर करता है - उद्योग बेंचमार्क, व्यक्तिगत लक्ष्य, नियामक सीमाएं और इनपुट में अंतर्निहित धारणाएं। स्वास्थ्य और चिकित्सा अनुप्रयोगों में, चिकित्सक आमतौर पर परिणामों की तुलना प्रकाशित संदर्भ श्रेणियों, ऐतिहासिक प्रदर्शन डेटा या नियामक मानकों से करते हैं। किसी एक संख्या को सार्वभौमिक रूप से अच्छे या बुरे के रूप में देखने के बजाय, उपयोगकर्ताओं को उनकी विशिष्ट स्थिति के सापेक्ष आउटपुट की व्याख्या करनी चाहिए, उनके इनपुट में त्रुटि के मार्जिन पर विचार करना चाहिए और प्रशंसनीय परिणामों की सीमा को समझने के लिए कई परिदृश्यों की तुलना करनी चाहिए।
मुझे हैरिस बेनेडिक्ट का उपयोग कब करना चाहिए?
जब भी आपको स्वास्थ्य और चिकित्सा में निर्णय लेने, योजना बनाने, तुलना करने या सत्यापन के लिए विश्वसनीय, प्रतिलिपि प्रस्तुत करने योग्य गणना की आवश्यकता हो तो हैरिस बेनेडिक्ट का उपयोग करें। सामान्य ट्रिगर्स में एक नए अवसर का मूल्यांकन करना, दो या दो से अधिक विकल्पों की तुलना करना, यह जांचना कि उद्धृत आंकड़ा उचित है या नहीं, दस्तावेज़ तैयार करना जिसके लिए सटीक संख्याओं की आवश्यकता होती है, या समय के साथ परिवर्तनों की निगरानी करना शामिल है। पेशेवर सेटिंग्स में, नियमित रूप से पुनर्गणना - विशेष रूप से जब मुख्य इनपुट बदलते हैं - यह सुनिश्चित करता है कि निर्णय पुराने अनुमानों के बजाय वर्तमान डेटा पर आधारित हैं।
सामान्य गलतियां जिनसे बचना है
▾
- !सही इकाइयों में कनवर्ट करना भूल जाना
- !मोटे रोगियों में वास्तविक वजन का उपयोग करना (समायोजित शरीर के वजन का उपयोग करें)
- !नाममात्र और प्रभावी दरों को भ्रमित करना या कंपाउंडिंग आवृत्ति के लिए खाते में विफल होना, जो स्वास्थ्य और चिकित्सा गणना में त्रुटि का एक सामान्य स्रोत है जिसमें आवधिक समायोजन शामिल है।
विशेष टिप
गणना करने से पहले हमेशा अपने इनपुट मानों को सत्यापित करें। हैरिस बेनेडिक्ट के लिए, छोटी इनपुट त्रुटियाँ जटिल हो सकती हैं और अंतिम परिणाम को महत्वपूर्ण रूप से प्रभावित कर सकती हैं।
क्या आप जानते हैं?
हैरिस बेनेडिक्ट के पीछे के गणितीय सिद्धांतों का कई उद्योगों में व्यावहारिक अनुप्रयोग है और वास्तविक दुनिया के दशकों के उपयोग के माध्यम से इसे परिष्कृत किया गया है।
संदर्भ
साप्ताहिक गणित युक्तियाँ प्राप्त करें
12,000+ सब्सक्राइबर्स से जुड़ें जिन्हें हर हफ्ते कैलकुलेटर टिप्स मिलते हैं।