HyNext · 引擎的依據
證據透明度與方法
HyNext 的決策引擎建立在什麼文獻上：我們確定什麼、還不確定什麼、文獻從哪來、怎麼分等級，全部誠實標註。
一句話定位
我們不宣稱「科學證明這是最佳解」。HyNext 是一套 證據導向（evidence-informed） 的決策引擎：每個決定都標好證據等級、老實列出還沒定論的地方、出處可逐條稽核，並會用真實使用者資料持續校準。
文獻逐條查證：連結可開啟、來源真實、內容對題。頁面內容隨引擎更新，最後校對：2026-09-05。
①文獻來自哪裡
依實際連結網域分類；精確筆數見最下面自動彙整的「來源清單」（程式直接從引用抽出，數字不會過期）。
- PubMed / PMC / NCBI（大宗），美國國家醫學圖書館的論文資料庫，同儕審查研究與統合分析主要在此。
- 同儕審查期刊出版社，Springer / Sports Medicine、PeerJ、Frontiers、Wiley、JSCR（Lippincott）、SAGE、MDPI、Nature、ScienceDirect、Thieme 等。
- StrongerByScience（科普整理），講求證據（evidence-based）的圈子裡受敬重的分析網站（Greg Nuckols/James Krieger），但是二手詮釋，不是原始論文。
- 預印本 sportRxiv（少數），未經同儕審查；我們已把這類降級標示不確定。
- 教練框架，StrongLifts、Starting Strength、Muscle & Strength Pyramid（Helms）、RippedBody 等，全部標「慣例」，不當科學證據。
怎麼來的：文獻由 AI 協助蒐集，再逐條人工開連結查證（連結打得開、來源真實存在、內容對題）。引擎的每一條規則都對得上一個出處、或一個誠實的「慣例」標籤。你不需要信我們：每條出處都在頁上，任何人都能自己重查一遍。
②文獻怎麼分等級、等級怎麼區分
先懂「證據金字塔」，再看我們的四級。
證據金字塔（越上面越可信）
統合分析（meta-analysis）· 把很多篇隨機對照試驗（RCT）合起來算總帳，最穩
RCT（隨機對照試驗）· 隨機分組實驗，能說「是這個造成的」
觀察性研究 · 只能說「有關聯」，不一定是因果
個人經驗 / 教練說 · 最弱
統合分析和隨機對照試驗是兩種不同的東西：隨機對照試驗（RCT）是「一場實驗」；統合分析（meta-analysis）是「把很多場實驗合併分析」。論文自己的標題或摘要通常會寫明它是哪一種（英文標成 meta-analysis / systematic review / randomized controlled trial），PubMed 也會標「文獻類型（Publication Type）」，所以類型看得出來；但「強／中／弱」等級是我們的判斷。
HyNext 的四個等級
| 等級 | 白話意思 | 對應 |
|---|
| 強 | 很多實驗都指向同一結論，幾乎可當定論 | 多篇統合分析／隨機對照試驗收斂 |
| 中 | 有實驗支持，但只有一篇、或幾篇結論不一致 | 單一隨機對照試驗，或有爭議的統合分析 |
| 弱 | 沒有直接測過，是從相關研究推論 | 間接推論 |
| 慣例 | 教練圈共識/經驗，沒有實驗驗證，我們老實這樣標，不裝成科學 | 教練框架共識 |
判等級看三件事：是哪種研究設計、幾篇結論一不一致、有沒有直接測到我們要的那件事。
③我們「確定」的（強證據）
這些有多篇統合分析／隨機對照試驗收斂支持，可以有信心地講。
- 總量是增肌的主要驅動因子，正向但邊際遞減。（Pelland 2026；Schoenfeld 2017）， 但「約 10–20 組/週」這個具體數字是實務框架綜整、非 RCT 定論，我們當可調先驗。
- 總量相等時，頻率沒有獨立的成長效果，頻率是「分配總量」的工具，不是成長乘數。（Schoenfeld/Grgic 2019）
- 近力竭、總量相等下，約 5–30 下增肌效果等效（Schoenfeld 2017；Currier 2023）。研究比的是重量輕重（%1RM，1RM＝一次能舉起的最重）；「下數」是我們用反覆-負荷對照表換算的，5–30 下約對應最大重量的 45–90%。
- 練到「接近」力竭就夠了，不必做到完全力竭，增肌幾乎一樣。（Refalo 2023；Grgic 2022；Lasevicius 2022）
練到覺得「再一下就會失敗或走樣」就停。
- 熱量赤字會鈍化淨增肌，但不鈍化力量。（Murphy & Koehler 2022）
- 週期化模型（不論線性 LP、每日波動 DUP、或不做週期化）對增肌無差異，僅對最大力量有小優勢。（Grgic 2017）
- 維持肌肉所需的量遠低於增肌所需，同一批人、強度不變、量砍到 1/3～1/9 仍能維持肌肉與力量（強 方向性；中 具體幅度，「~1/9、1 組/週」是年輕/一般族群數字，長者需更多、有反例）。（Bickel 2011 RCT, PMID 21131862；Spiering 2021 綜述, PMID 33629972；Tavares 2017）
- 局部減脂（spot reduction）不存在，練哪裡不會特別瘦哪裡，練腹肌不會消肚子的脂肪（強）。單腿 12 週、每場 960–1,200 下的極端劑量，體脂掃描（DXA）顯示脂肪掉在上半身與軀幹，訓練腿沒有多掉（Ramírez-Campillo 2013, PMID 23222084）；6 週腹肌訓練、等熱量控制，腹部脂肪與腰圍跟沒練的對照組無差（Vispute 2011, PMID 21804427）；13 篇研究、1,158 人的統合分析：訓練側 vs 未訓練側的局部脂肪變化差異約等於零，不分運動型態、年齡、性別（Ramírez-Campillo 2022 系統性回顧＋統合分析）。
誠實反例：收縮肌肉旁的皮下脂肪確實有「急性」血流與脂解上升（Stallknecht 2007, PMID 16985258），但量級太小，上面的結果研究顯示它轉化不成可測得的局部脂肪減少。所以消肚子＝熱量赤字＋全身訓練保肌肉，這是我們「減脂線條」入口那段話的依據。
補充：「在拉長位置負重」對增肌略有優勢，但效果小，我們只把它當成排動作順序時的一個小加分、其他條件都一樣時才拿來決勝（英文叫 tie-breaker），不誇大成主要槓桿。
▶訓練量週期化 · 一個訓練區塊（block）從頭走一遍
我們週期化的是「訓練量」，不是「反覆次數」。以下用一組示意地標走流程（最低量 8 → 甜蜜點 16 → 上限 22 組/週，分別對應教練框架說的 MEV／MAV／MRV，取自各教練框架公開地標的常見範圍），具體地標本來就是「慣例，是可以調整的預設起點」（見下方依據），引擎把它們當可調的預設起點用，不當生理鐵板。恢復好就每週提議加組（先快後慢，你點頭課表才會動），逼近上限就維持，累積約六到八週提醒用減量週回血。
示意 · 每週組數（離上限遠時加得快、接近時放慢；橘色越深＝越接近上限）
- 每週提議加組（先問同意）：恢復好就提議往上加，離上限遠時加得快、接近時放慢（先快後慢的凹曲線）；你點頭課表才會動，「這週先不加」永遠有效。就算某肌群進度落後，也不會一次補滿：每個肌群一週最多爬這一步。上週恢復不良的肌群（力量在往下掉、或撐不住現有重量被調降）這週直接跳過不提，卡上照實說原因。
- 同時另一條軸：雙漸進，每個動作的重量/次數也在自動往上（如臥推 60kg 做滿區間上限、每組還行有餘力 → 下次 62.5kg）。量在爬、強度也在爬。
- 累積約六到八週建議減量週（越資深越早提醒）：該肌群處方砍半、重量維持、每組留 2–3 下、頻率不變 → 清疲勞（恢復脈衝，不是把量歸零）。
- 反應式會提前：多個動作連續退步（疲勞） → 提早建議減量；單日某肌群被加到爆 → 健檢提醒分到別天。
一句話總結：「量會不會長肌肉，有強證據（Pelland、Schoenfeld、Baz-Valle）；至於每肌群該做幾組的具體地標，是教練框架、我們老實標『慣例』，並用你的資料校準。」
▶怎麼估你的極限、決定下一組要用多重（次數與重量的對應關係，reps–load）
我們不叫你去試「只能舉一次」的最大重量（累又危險）。而是拿你平常一組（重量×次數），在一張「用你最大重量的百分比、大概能做幾下」的對照表上反查，估出你的極限，再回推「下一組想做 N 下該用多重」。兩個方向都在同一張表上，不會自相矛盾。
- 每個動作用對的表：同樣是自己 80% 的重量，腿比推系多做約 50% 的下數，所以臥推、腿推各有專表，其餘用通用表。
- 保守瞄（安全第一）：回推重量時刻意往「多做幾下」的方向多留一點餘裕 → 開得偏輕一點，讓多數人第一次就落進區間、少人被開太重。偏輕了下場自動加回來，偏重會崩、會挫折。
- 例子：你臥推 80kg 只做 2 下（快掛了）→ 估你極限約 84kg → 目標區間 6–12 下，就瞄「比上限多一下」＝13 下的保守落點 → 下一組開 57.5kg，多數人能穩穩做進區間、還留一點保險。一步到位、且偏保守。
依據（誠實分層）
- 強 「用最大重量的百分比、大概能做幾下（reps–%1RM）這條關係會因動作而不同，腿比推系耐做」來自一篇大型統合分析（269 篇研究、7,289 人）：
Nuzzo 等 2024（PMC 免費全文）、
DOI（Sports Medicine 2024;54:303–321）。它同時證明性別、年齡、訓練程度都不是會改變這條關係的因素，所以我們不按這些客製、只按動作分表。
- 中／弱 「從一組推算你個人的精確重量」：同樣是最大重量的某個百分比，不同人能做的下數會差好幾下（該篇不同人之間的差異、標準差約 ±2.5~4.4 下）。所以這是估計、不是精密量測，App 畫面不宣稱「科學算出的精準負荷」；估錯了下一組或下一場會自動修正。
一句話總結：「我們用 Nuzzo 2024 這篇大型統合分析的每動作對照表估你的極限、決定下一組重量，而且刻意開偏保守。它是估計不是量測，所以我們老實標『中/弱』並靠實際表現自動修。」
④我們「不確定」的（公開承認）
手冊第 6 節「未解與爭議」明列 12 條。這些多半是引擎裡標「慣例」的部分，將用真實使用者資料校準。
- 「停滯」沒有 RCT 驗證的定義，判定窗口（依訓練程度分級縮放）是啟發式。
- MEV/MRV 具體數字未經控制試驗驗證；研究顯示增肌隨量連續上升、無明確固定天花板。
- 每次每肌群組數上限（6 vs 11）不確定，來自單一未審查預印本。
- Deload 要不要、幅度、反應式 vs 預排，僅 2 篇小型短期 RCT；砍 40–60% 是專家共識非實驗最佳。
- 力竭接近度（還保留幾下，RIR）的劑量反應確切形狀，近力竭優勢「小而連續」，精確門檻不明。
- 低負荷等效的確切保留下數（RIR）切點（保留 0–1 下 vs 保留 2–3 下）未建立。
- 反覆區間下限確切位置（落在最大重量的 20–40% 之間，不是硬性的 30%）。
- 拉長位置半程動作（Lengthened partial）的效果幅度，在有訓練經驗的人身上與全程動作差不多，約 5–10% 的優勢在最大型統合分析裡小到可忽略。
- 換動作的最佳頻率，每 1–2 個中週期（一段中週期約數週，mesocycle）為慣例，不是劑量反應算出來的。
- 中階者月增肌率（0.5–1% 體重/月）為專家啟發式，實際常更低。
- 用自覺費力度或槓速來自我調節強度（自覺費力度 RPE／速度制訓練 VBT）對增肌的益處未證實（不是被否證），文案不得宣稱增肌「經科學證實」。
- 疲勞訊號的觸發門檻與 deload 計數為慣例，非驗證切點。
⑤限制（誠實聲明）
- 不是系統性回顧：沒有註冊搜尋協定、沒有窮盡式篩選、沒有事先定好的納入/排除條件。
- 選樣偏誤：偏英文、偏近年、偏高引用文獻，可能漏掉一些研究。
- 底層研究族群常是混合訓練程度、偏短期，外推有限。
- AI 協助整理，所以我們才做逐條稽核 + 每條可稽核出處（見第②節與第⑧節）。
⑥來源清單（265 筆，自動彙整、去重）
由程式直接從依據卡與證據手冊抽出、去重（同一篇以 PubMed／DOI 編號認定），按出處分組。最後彙整：2026-09-05。人工清單會漂，這份不會：加了文獻重跑一次腳本就同步。
依據卡「為什麼幫你加重量／次數？」（1）
依據卡「減脂期為什麼不加量（新手也一樣）？」（6）
依據卡「為什麼建議降重？」（2）
依據卡「為什麼幫你升階變體？」（2）
依據卡「為什麼建議減量週？」（1）
依據卡「為什麼幫你加訓練量？」（2）
依據卡「為什麼這週不幫某個肌群加組？」（1）
依據卡「為什麼建議這場當下就降重／退階？」（1）
依據卡「增重多快才不會長一堆脂肪？」（3）
依據卡「一天只練一個動作，真的有效嗎？」（2）
依據卡「減脂多快才不傷肌肉？」（3）
依據卡「為什麼體重趨勢在說你該吃多還是吃少？」（2）
依據卡「為什麼幫你降起始重量？（撐滿整場）」（3）
依據卡「組間休息要多久？」（1）
依據卡「為什麼推薦（或不推薦）補課？」（1）
引擎證據總表（134）
重點論文全文查證（33）
身體重組證據（22）
訓練量地標證據（8）
力竭接近度證據（7）
- Grgic J, Schoenfeld BJ, Orazem J, Sabol F. Effects of resistance training performed to repetition failure or n. pubmed.ncbi.nlm.nih.gov/33497853/
- Hackett DA, Cobley SP, Davies TB, et al. Accuracy in Estimating Repetitions to Failure During Resistance Exerc. pubmed.ncbi.nlm.nih.gov/27669189/
- Nóbrega SR, Libardi CA. Is Resistance Training to Muscular Failure Necessary? Front Physiol. 2016;7:10. PMID 2. pubmed.ncbi.nlm.nih.gov/26858654/
- Nóbrega SR, Ugrinowitsch C, Pintanel L, et al. Effect of Resistance Training to Muscle Failure vs. Volitional . pubmed.ncbi.nlm.nih.gov/28653041/
- Santanielo N, Nóbrega SR, Scarpelli MC, et al. Effect of resistance training to muscle failure vs non-failure . pubmed.ncbi.nlm.nih.gov/33343066/
- Vieira AF, Umpierre D, Teodoro JL, et al. Effects of Resistance Training Performed to Failure or Not to Failur. pubmed.ncbi.nlm.nih.gov/33555822/
- Zourdos MC, Klemp A, Dolan C, et al. Novel Resistance Training-Specific Rating of Perceived Exertion Scale Mea. pubmed.ncbi.nlm.nih.gov/26049792/
升重觸發證據（5）
組內疲勞與降重研究（7）
逐部位動作證據（8）
徒手等效負重證據（1）
恢復流程證據（9）