Effect of Dietary Fat on Serum and Intramyocellular Lipids and Running Performance
Notice bibliographique
Résumé
PURPOSE: This study evaluated whether lowering IMCL stores via 3-d consumption of very-low-fat (LFAT) diet impairs endurance performance relative to a moderate-fat diet (MFAT), and whether such a diet unfavorably alters lipid profiles. METHODS: Twenty-one male and female endurance-trained runners followed a controlled diet and training regimen for 3 d prior to consuming either a LFAT (10% fat) or MFAT (35% fat) isoenergetic diet for another 3 d in random crossover fashion. On day 7, runners followed a glycogen normalization protocol (to equalize glycogen stores) and then underwent performance testing (90-min preload run at 62 +/- 1% VO2max followed by a 10-km time trial) on the morning of day 8. Muscle biopsies obtained from vastus lateralis before and after performance testing were analyzed for IMCL (via electron microscopy) and glycogen content (via enzymatic methodology). RESULTS: Despite approximately 30% lower IMCL (0.220 +/- 0.032% LFAT, 0.316 +/- 0.049% MFAT; P = 0.045) and approximately 22% higher muscle glycogen stores at the start of performance testing (P = 0.10), 10-km performance time was not significantly different following the two diet treatments (43.5 +/- 1.4 min LFAT vs 43.7 +/- 1.2 min MFAT). However, LFAT produced less favorable lipid profiles (P < 0.01) by increasing fasting triglycerides (baseline = 84.9 +/- 8.6; LFAT = 118.7 +/- 10.0 mg.dL(-1)) and the total cholesterol:HDL cholesterol ratio (baseline = 3.42 +/- 0.13:1; LFAT = 3.75 +/- 0.20:1), whereas MFAT lowered triglycerides (baseline = 97.5 +/- 12.2; MFAT = 70.9 +/- 7.1 mg.dL(-1)) and the total cholesterol:HDL cholesterol ratio (baseline = 3.47 +/- 0.18:1; MFAT = 3.33 +/- 0.14:1). CONCLUSION: The results suggest that reducing IMCL via 3-d consumption of a LFAT diet does not impair running performance lasting a little over 2 h (compared with 3-d consumption of a MFAT diet plus 1-d glycogen normalization), but that even short-term consumption of a LFAT diet may unfavorably alter serum lipids, even in healthy, endurance-trained runners.
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 | 0,000 |
| 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) | 0,001 | 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 ».