Exercise training enhances insulin-stimulated nerve arterial vasodilation in rats with insulin-treated experimental diabetes
Notice bibliographique
Résumé
Insulin stimulates nerve arterial vasodilation through a nitric oxide (NO) synthase (NOS) mechanism. Experimental diabetes reduces vasa nervorum NO reactivity. Studies investigating hyperglycemia and nerve arterial vasodilation typically omit insulin treatment and use sedentary rats resulting in severe hyperglycemia. We tested the hypotheses that 1) insulin-treated experimental diabetes and inactivity (DS rats) will attenuate insulin-mediated nerve arterial vasodilation, and 2) deficits in vasodilation in DS rats will be overcome by concurrent exercise training (DX rats; 75-85% VO2 max, 1 h/day, 5 days/wk, for 10 wk). The baseline index of vascular conductance values (VCi = nerve blood flow velocity/mean arterial blood pressure) were similar (P ≥ 0.68), but peak VCi and the area under the curve (AUCi) for the VCi during a euglycemic hyperinsulinemic clamp (EHC; 10 mU·kg(-1)·min(-1)) were lower in DS rats versus control sedentary (CS) rats and DX rats (P ≤ 0.01). Motor nerve conduction velocity (MNCV) was lower in DS rats versus CS rats and DX rats (P ≤ 0.01). When compared with DS rats, DX rats expressed greater nerve endothelial NOS (eNOS) protein content (P = 0.04). In a separate analysis, we examined the impact of diabetes in exercise-trained rats alone. When compared with exercise-trained control rats (CX), DX rats had a lower AUCi during the EHC, lower MNCV values, and lower sciatic nerve eNOS protein content (P ≤ 0.03). Therefore, vasa nervorum and motor nerve function are impaired in DS rats. Such deficits in rats with diabetes can be overcome by concurrent exercise training. However, in exercise-trained rats (CX and DX groups), moderate hyperglycemia lowers vasa nervorum and nerve function.
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 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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».