Additive effects of isoflavones and exercise training on inflammatory cytokines and body composition in overweight and obese postmenopausal women
Notice bibliographique
Résumé
OBJECTIVE: Isoflavones and exercise have been shown to affect C-reactive protein (CRP) and body composition and to act synergistically on trunk and total fat mass (FM), glucose metabolism, and lean body mass in postmenopausal women with a body mass index higher than 25 kg/m. We hypothesized that exercise and isoflavone supplementation (Ex + ISO) could reduce inflammation in the same subpopulation of women. The objective of this study was to investigate if 6 months of mixed exercise combined with isoflavones could have greater effects on specific inflammatory markers than exercise alone in overweight or obese postmenopausal women. METHODS: Thirty-four postmenopausal women aged 50 to 70 years were randomly assigned to exercise and placebo (Ex + PLA; n = 15) or Ex + ISO (n = 19). At baseline and after 6 months, waist circumference, hip circumference, total FM, trunk FM, leg FM, and muscle mass index (MMI; = total fat free mass [kg] / height [m]) were assessed (dual-energy x-ray absorptiometry). Inflammatory markers (CRP, tumor necrosis factor-α [TNF-α], and interleukin-6) were obtained by enzyme-linked immunosorbent assay. T tests were used to compare groups at baseline. RESULTS: The Ex + PLA group showed significant changes in MMI (+0.33 kg/m, P ≤ 0.009) and FM compartments (waist circumference, -5.13 cm; % FM, -1.31%; P ≤ 0.001), whereas inflammation remained unchanged. However, the Ex + ISO group showed significant changes in total FM (-1.70 kg, P < 0.0001), FM compartments (hip circumference [-2.51 cm, P = 0.019], leg FM [-1.16 kg, P = 0.037], and trunk FM [-0.72 kg, P = 0.006]), MMI (+0.39 kg, P = 0.011), and inflammation (CRP, -1.14 mg/L, P = 0.029; TNF-α, +0.29 pg/mL, P = 0.010). CONCLUSIONS: Despite an increase in TNF-α, the use of isoflavones-when body weight remains stable-seems to enhance the beneficial effects of mixed-exercise training on body composition and CRP in overweight or obese postmenopausal 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».