High Intensity Interval and Endurance Training Have Opposing Effects on Markers of Heart Failure and Cardiac Remodeling in Hypertensive Rats
Notice bibliographique
Résumé
There has been re-emerging interest and significant work dedicated to investigating the metabolic effects of high intensity interval training (HIIT) in recent years. HIIT is considered to be a time efficient alternative to classic endurance training (ET) that elicits similar metabolic responses in skeletal muscle. However, there is a lack of information on the impact of HIIT on cardiac muscle in disease. Therefore, we determined the efficacy of ET and HIIT to alter cardiac muscle characteristics involved in the development of diastolic dysfunction, such as ventricular hypertrophy, fibrosis and angiogenesis, in a well-established rodent model of hypertension-induced heart failure before the development of overt heart failure. ET decreased left ventricle fibrosis by ~40% (P < 0.05), and promoted a 20% (P<0.05) increase in the left ventricular capillary/fibre ratio, an increase in endothelial nitric oxide synthase protein (P<0.05), and a decrease in hypoxia inducible factor 1 alpha protein content (P<0.05). In contrast, HIIT did not decrease existing fibrosis, and HIIT animals displayed a 20% increase in left ventricular mass (P<0.05) and a 20% decrease in cross sectional area (P<0.05). HIIT also increased brain natriuretic peptide by 50% (P<0.05), in the absence of concomitant angiogenesis, strongly suggesting pathological cardiac remodeling. The current data support the longstanding belief in the effectiveness of ET in hypertension. However, HIIT promoted a pathological adaptation in the left ventricle in the presence of hypertension, highlighting the need for further research on the widespread effects of HIIT in the presence of disease.
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) | 0,001 | 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) | 0,000 | 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 ».