Running sprint interval training induces fat loss in women
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Data on whether sprint interval training (SIT) (repeated supermaximal intensity, short-duration exercise) affects body composition are limited, and the data that are available suggest that men respond more favourably than do women. Moreover, most SIT data involve cycling exercise, and running may differ because of the larger muscle mass involved. Further, running is a more universal exercise type. This study assessed whether running SIT can alter body composition (air displacement plethysmography), waist circumference, maximal oxygen consumption, peak running speed, and (or) the blood lipid profile. Fifteen recreationally active women (age, 22.9 ± 3.6 years; height, 163.9 ± 5.1 cm; mass, 60.8 ± 5.2 kg) completed 6 weeks of running SIT (4 to 6, 30-s "all-out" sprints on a self-propelled treadmill separated by 4 min of rest performed 3 times per week). Training decreased body fat mass by 8.0% (15.1 ± 3.6 to 13.9 ± 3.4 kg, P = 0.002) and waist circumference by 3.5% (80.1 ± 4.2 to 77.3 ± 4.4 cm, P = 0.048), whereas it increased fat-free mass by 1.3% (45.7 ± 3.5 to 46.3 ± 2.9 kg, P = 0.05), maximal oxygen consumption by 8.7% (46 ± 5 to 50 ± 6 mL/(kg·min), P = 0.004), and peak running speed by 4.8% (16.6 ± 1.7 to 17.4 ± 1.4 km/h, P = 0.026). There were no differences in food intake assessed by 3-day food records (P > 0.329) or in blood lipids (P > 0.595), except for a slight decrease in high-density lipoprotein concentration (1.34 ± 0.28 to 1.24 ± 0.24 mmol/L, P = 0.034). Running SIT is a time-efficient strategy for decreasing body fat while increasing aerobic capacity, peak running speed, and fat-free mass in healthy young women.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 découle