Protein Intake and Muscle Strength in Older Persons: Does Inflammation Matter?
Notice bibliographique
Résumé
OBJECTIVES: To examine whether protein intake is associated with change in muscle strength in older persons. Because systemic inflammation has been associated with protein catabolism, the study also evaluated whether a synergistic effect exists between protein intake and inflammatory markers on change in muscle strength. DESIGN: Longitudinal. SETTING: The Invecchiare in Chianti Study. PARTICIPANTS: Five hundred and ninety-eight older adults. MEASUREMENTS: Knee extension strength was measured at baseline (1998-2000) and during 3-year follow-up (2001-2003) using a handheld dynamometer. Protein intake was assessed using a detailed food frequency questionnaire. The inflammatory markers examined were C-reactive protein (CRP), interleukin-6 (IL-6), and tumor necrosis factor-alpha (TNF-α). RESULTS: The main effect of protein intake on change in muscle strength was not significant. However, a significant interaction was found between protein intake and CRP (P = .003), IL-6 (P = .049), and TNF-α (P = .02), indicating that lower protein intake was associated with greater decline in muscle strength in persons with high levels of inflammatory markers. CONCLUSION: Lower protein intake was associated with decline in muscle strength in persons with high levels of inflammatory markers. These results may help to understand the factors contributing to decline in muscle strength with aging and to identify the target population of older persons who may benefit from nutritional interventions aimed at preventing or reducing age-associated muscle impairments and its detrimental consequences.
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 | 0,001 | 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 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 ».