使用此决策树图来决定优化是否适合您：
克里斯·马斯特约翰博士 2025年9月10日
下面是优化任何东西的终极指南。
如果您符合《每个人都应该为自己的健康做些什么》中的所有要求，没有遇到紧急情况，也没有患上无法安全承担优化责任的衰弱性疾病，那么您应该考虑一下自己是否对结果感到满意。如果不满意，仅仅尝试一些唾手可得的方法并不能达到您想要的效果，那么是时候进行优化了。
本文仅供教育参考，不构成医疗或饮食建议。请参阅条款，了解更多更完整的免责声明。
作者：Chris Masterjohn 博士，2025 年。
这适用于生活中的任何事物，但重点是使用任何类型的健康促进策略来实施这一健康策略，无论是食物、补剂、运动、生物黑客、草药化合物还是药物。
本文仅供教育参考，不构成医疗或饮食建议。请参阅条款，了解更多更完整的免责声明。
这应该用作实现我的任何协议的框架，并且应该在阅读“如何优化任何事物”之后实现，以获得适当的背景和细节，并通过示例来提高理解。
使用此决策树图来决定优化是否适合您：
明确定义你想要优化的内容。不要依赖代理标记。
如果您所优化的内容尚未以数字形式呈现，请通过按 1-5 的等级进行评分，将其转化为数字。
预先指定 1、2、3、4 和 5 的精确定义。在整个优化周期中坚持这些精确定义。
做出这样的定义：如果您的健康状况保持不变，您预计第一个月的评级将达到平均值 3，但您会看到至少几个 2 和至少几个 4，但不会期望看到任何 1 或 5，除非您的健康状况大幅好转或恶化。
无论你选择 1=差 到 5=好，还是反过来，都没有关系。选择你认为最合理的评分标准即可。
给自己评分时，如果不确定应该用一个数字还是旁边的数字，就把差值分成两部分。例如，如果你不确定自己是3分还是4分，那就用3.5分。
尽可能多地花时间预先明确你的定义，这样你就不用再费心思考了。评估自己时，不要超过一分钟。尽可能简单，才能持续下去。
每天测量。一般来说，你应该忽略每天的测量数据，而关注平均值。
如果您对所使用的数据收集工具的有效性提出质疑，请根据制造商的指导或您认为需要解决的任何问题进行单独的验证研究。
相比之下，在日常数据收集过程中，切勿因为不喜欢或不信任第一个数字而对数据进行二次猜测，并进行第二次测量。这会引入偏差。
您的整个疗程应该在一个或多个可访问的地方进行描述，以防您需要交叉引用或提取一些背景数据。
您的饮食和补剂应该在Cronometer中进行跟踪。
您应该使用Jefit之类的应用程序或合适的替代应用程序来跟踪您的锻炼情况。
您可能还有其他间歇性的数据，例如年度或季度实验室测试。
所有这些都构成了“背景数据”。
您可能需要提取一两个背景数据变量到优化表中，以帮助进行解释。如果您认为某个变量是中介变量（介导策略与目标之间的因果关系）或混杂变量（独立影响目标，导致难以判断策略的影响），并且变量足够多，足以产生影响，且变量的重复性较差，以至于其影响很容易在几周内平均化，则应该这样做。
这可能是我的任何“协议系列”中的步骤之一，也可能是来自祖先传统的某些东西、某人推荐的东西、你发现的科学研究支持的东西，或者是你根据生化推理或直觉自己想出的东西。
在此处下载终极优化电子表格：
2025 年终极优化电子表格96.5KB ∙ XLSX 文件下载
不要在 Excel 或任何其他桌面程序中打开它。立即将其拖放到 Google Drive 中，然后双击以 Google Sheet 的形式打开。
否则，功能将会丢失。
自我评价变量是您使用 1-5 的等级对自己进行评价的变量。
提取的变量是从背景数据中提取的内容。
葡萄糖、酮体和乳酸是可以在家测量的能量代谢的关键标志，应该在优化周期中测量能量代谢，因为能量代谢主宰一切。
默认情况下，该工作表除了这三个标记外，还有三个自我评价变量和两个提取变量，但可以使用该工作表来跟踪任何八个变量，而无需进行复杂的编辑，并且功能将得以保留。
进行以下编辑：
在顶部的A列中输入“基线数据”。收集至少三天、最好一周或更长时间的基线数据。您对目标变量的行为越不熟悉，基线周期就应该越长。
这并不意味着一次只测试“一种维生素”或“一种运动”。这意味着一次只测试一种策略。可以是复合维生素、复合维生素B、一整套训练方法、新教练给你制定的训练计划，或者彻底改变饮食结构。无论是什么，都要明确其含义，然后逐一测试，直到得出结论。
剂量范围应根据我的方案或现有知识库得出。如果检测的维生素或矿物质需求量明确，请使用膳食参考摄入量（例如 RDA 或 AI）或我的自定义营养目标作为最低剂量，并根据随机对照试验或食物营养素摄入量之间的关联性确定其余剂量范围。如果检测的并非此类情况，请使用随机对照试验、关联研究、病例系列和病例报告以及独立案例。
按照与起始剂量相同的增量逐渐增加剂量。
假设任何事物的“剂量”（运动量、桑拿的频率和持续时间、营养素的毫克数、常量营养素的克数等）都会有一条与益处和危害相关的曲线，如下所示：
您可以像这样划分主要区域：
您希望刚好达到收益递减点：
为了达到这个目的，请缓慢增加剂量，直到感受到的益处小于之前增加剂量时获得的益处，然后恢复到上次给您带来巨大益处的剂量。
如果添加一个策略或增加剂量，但一周后没有任何效果，可以加快进度，直到看到效果。如果看到的第一个效果是积极的，则处于主要益处曲线的底部，应该逐渐增加剂量，直到看到收益递减。如果看到的第一个效果是消极的，则处于益处或副作用范围的边缘，应该减少剂量，直到找到一个既有益处又没有副作用的剂量。如果找不到这样的剂量，请放弃该策略。
至少等待一周才能看到效果。
如果看到效果，请保持任何给定剂量，直到感兴趣的变量稳定下来。
当移动平均线全部聚集在一条直线上时，就知道已经稳定下来，并且短期数据没有突破这个聚集点，表明出现了新的趋势。
一旦病情稳定，就可以继续进行下一次剂量增量或下一个策略。
如果最初认为自己看到了好处，但随着时间的推移，好处似乎逐渐消失或作用不一致，那么对自己进行随机对照试验可能会对您有所帮助。
如果您认为可能存在的效果确实值得了解，请描述您必须进行试验的时间。
评估您的观察数据是否存在引入效应，即利益开始或达到稳定点的时间，以及是否存在洗脱要求，即在您停止该策略后的一段时间内利益的持续性。
如果您确定引入期和洗脱期是必要的，那么您的随机期将需要包括您正在测量的部分以及引入期和洗脱期的缓冲。
计划随机化至少六对试验，这样您总共有十二个试验期。
旧方法是您的控制，而您正在测试的新方法是您的干预。
您的主要终点就是您正在优化的东西。
根据观察数据计算控制期和干预期的平均值和标准差。
使用样本量计算器来计算需要随机化多少对试验。选择标准差较大的时期，输入其平均值和标准差作为第1组。输入另一个平均值作为第2组。点击“生成”。结果中每组的数量就是你要随机化的试验对数。如果结果看起来不切实际，可以制定一个规则，在试验进行到一半时分析数据。如果结果令人信服，就停止。如果不确定，就继续进行试验。
使用抛硬币或随机数生成器，将最小值设置为1，最大值设置为2。设置两个测试指令：先控制后干预，或先干预后控制。将每个指令分配为正面或反面，或1或2。制定规则，所有指令必须使用多次。使用抛硬币或随机数生成器，直到其中一个指令已占满一半的空位，然后用相反的指令填充剩余的空位，使所有指令的使用次数相同。
在您的工作表中注明试验的发生情况以及哪一天属于哪个订单，但要制作一个单独的工作表或标签，以便您按照试验设计来组织所有内容。
使用Graphpad t 检验计算器运行统计，并将值设置为“输入或粘贴最多 2000 行”。如果您的配对受某个变量的影响，使得每对之间的关联性比非配对试验期更密切（例如，配对试验是在月经周期或维生素 D 水平线性增加的时期进行的），则您可以使用配对检验，但必须以精确的配对形式输入数据。例如，如果您将十天的周期随机分组，则必须输入每个十天周期的平均值而不是每日数据，并且配对中的每个成员都必须位于每一列的同一位置，以便配对并排。如果没有指明配对，您可以输入每日数据，而不必过多担心组织问题。
它会给出一个双尾p值。如果你有一个非常具体的假设，即数据朝一个方向发展，而不是朝另一个方向发展，以至于你愿意放弃数据实际上朝相反方向发展的可能性，那么你可以将这个p值减半，得到一个单尾p值。p值表示在没有实际效应存在的情况下，你观察到等于或大于该值差异的可能性。通常情况下，小于0.05表示显著，但这个值是任意的。这能让你了解你对效应真实性的信心程度。你只是试图向自己证明这一点，这样你就可以对数据的解释更加自由。
您还可以使用 t 检验计算器来测试协议中的差异。
最终，您要确定效果的大小是否值得为获得效果而付出的任何成本，如果您确信，则将该策略纳入您的长期协议并继续前进。
当您获得想要的结果或没有策略时，优化就完成了。
如果您获得了想要的结果，请选择一个新的优化目标，或者退出优化周期，直到您觉得需要再次进入为止。
如果您没有策略，请花一段时间进行优化，然后专注于学习，直到找到新的事物去尝试。
优化完成后，请持续跟踪，或至少不时检查，以保持其优化状态。如果您认为之前有效的方法现在出现了问题，或者变得不再必要，请使用此优化策略来精简您的方案。在优化过程中，穿插一些反思，思考哪些方面需要持续优化，这样您的优化才能保持高回报。
https://chrismasterjohnphd.substack.com/p/the-ultimate-guide-to-optimizing
Edit:2025.10.10