The Role of Exercise Physical Activity in Varying the Total Energy Expenditure in Healthy Japanese Men 30 to 69 Years of Age
Notice bibliographique
Résumé
This study was designed to examine 1) the role of exercise physical activity (EPA), and then 2) physical fitness and body composition upon variation of the total energy expenditure (TEE) in healthy Japanese men aged 30 to 69 y (n = 40). EPA and TEE were assessed over 14 d using an accelerometer and a doubly labeled water (DLW) method, respectively. Basal metabolic rate (BMR) was measured after 10 h fasting on the morning of the day of DLW dosing. Physical activity-induced energy expenditure (PAEE) was calculated by subtracting BMR and diet-induced thermogenesis (DIT = 101 TEE) from TEE. EPA was subdivided into three intensities: low, moderate and high and the accumulated duration (time expressed in minutes) of each of these was calculated. Body composition and physical fitness (VO2max) were determined using an underwater weighing method and a treadmill exercise test, respectively. BMR (mean +/- SD: 1,459 +/- 181 kcal/d) declined significantly with age (r = -0.37. p < 0.05), but PAEE (946 +/- 320 kcal/d) and TEE (2,672 +/- 369 kcal/d) did not. A multiple stepwise regression analysis was used to develop an empirical model that relates energy expenditure measured by the DLW (TEE) to age, height, body mass index, FM, FFM, percentage body fat, VO2max, and accumulated duration spent for low-, moderate-, and high-intensity EPA. The results revealed that FFM and high-intensity EPA were identified as important determinants of TEE and accounted for 51%. We may therefore conclude that 1) high-intensity EPA appears to be relevant in determining TEE, especially among active individuals, and 2) body composition was more important than physical fitness in determining TEE in this population.
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 | 0,001 |
| 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 ».