Milk consumption after resistance exercise increases fat loss and increases muscle mass and strength gains in young women
Notice bibliographique
Résumé
Post‐resistance exercise consumption of fat free milk in men promoted greater lean mass accretion and fat mass loss than soy or carbohydrate. It is unknown if similar body compositional changes and strength gains occur in women. Twenty young women were randomized to drink 500ml of fat‐free milk (MILK: n=10; BMI=26.2±2.0kg/m 2 ; mean±SE) or carbohydrate (CON: n=10; BMI=25.6±1kg/m 2 ) on 2 occasions; immediately post and 1h post‐exercise. Subjects underwent resistance training 5d/wk for 12‐wk. Body compositional changes were measured by DXA, and subjects' strength was measured by 1RM pre‐ and post‐training. Baseline body mass did not differ between groups and only CON gained weight after training (CON: 68.3±4.1kg to 69.1±4.0kg, P=0.05; MILK: 72.0±4.1kg to 72.5±3.8kg, P=0.24). Lean mass increased with training in both groups (P< 0.01), with a greater net change in MILK vs CON (1.9±0.2kg vs 1.1±0.2kg, respectively; P<0.01). Fat mass decreased with training in MILK only (‐1.64±0.4kg, P<0.01) with no change in CON (‐0.27±0.3kg, P=0.47). Bench press and tricep push‐down strength increased more in MILK than CON (P<0.05). Thus, post‐exercise consumption of milk vs isoenergetic carbohydrate resulted in greater muscle mass accretion, fat mass loss and strength gains in women after 12‐wk of resistance training. Our results parallel those shown previously in men. Sponsored by NSERC, CIHR and The Dairy Farmers of Canada Grant Funding Source CIHR
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».