High-Intensity Interval Training as an Efficacious Alternative to Moderate-Intensity Continuous Training for Adults with Prediabetes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS: High-intensity interval training (HIIT) leads to improvements in various markers of cardiometabolic health but adherence to HIIT following a supervised laboratory intervention has yet to be tested. We compared self-report and objective measures of physical activity after one month of independent exercise in individuals with prediabetes who were randomized to HIIT (n = 15) or traditional moderate-intensity continuous training (MICT, n = 17). METHOD: After completing 10 sessions of supervised training participants were asked to perform HIIT or MICT three times per week for four weeks. RESULTS: Individuals in HIIT (89 ± 11%) adhered to their prescribed protocol to a greater extent than individuals in MICT (71 ± 31%) as determined by training logs completed over one-month follow-up (P = 0.05, Cohen's d = 0.75). Minutes spent in vigorous physical activity per week measured by accelerometer were higher in HIIT (24 ± 18) as compared to MICT (11 ± 10) at one-month follow-up (P = 0.049, Cohen's d = 0.92). Cardiorespiratory fitness and systolic blood pressure assessed at one-month follow-up were equally improved (P's < 0.05). CONCLUSIONS: This study provides preliminary evidence that individuals with prediabetes can adhere to HIIT over the short-term and do so at a level that is greater than MICT.
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.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 découle