MétaCan
Menu
← Retour à la cohorte
Enregistrement W2031844385 · doi:10.1097/00005768-200405001-01443

IGF-I System Responses During 12 Weeks of Resistance Training in End-Stage Renal Disease Patients

2004· article· en· W2031844385 sur OpenAlexaff
Alexander P. Tuckow, Bradley C. Nindl, Clay E. Pandorf, M. Javad Khosravi, Anastasia Diamandi, Robert Welles, Margaret T. Jones, Michael Germain, Samuel Headley

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueGrowth Hormone and Insulin-like Growth Factors
Établissements canadiensMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésAnabolismMedicineResistance trainingInternal medicineMorningHemodialysisEnd stage renal diseaseEndocrinologyDialysis

Résumé

récupéré en direct d'OpenAlex

2075 Early cross-sectional observations that circulating IGF-I was associated with fitness level suggested that chronic physical training would favor anabolic processes by increasing circulating IGF-I. However, recent studies have shown that IGF-I is actually decreased in response to short-term training. More information is required to verify this hypothesis especially across a range of healthy vs. unhealthy populations. PURPOSE: To examine the hypothesis that 12 weeks of resistance training would alter circulating concentrations of IGF-I system components in end-stage renal disease (ESRD) patients. METHODS: Ten ESRD patients (42.8 ± 4.6 yr, 172.7 ± 3.2 cm, 90.0 ± 4.9 kg, duration of dialysis treatment 41.6 ± 19.0 months) underwent 12 weeks of resistance training after a 6 week control period and had fasted morning blood samples drawn on 4 occasions (weeks −6, 0, 6, 12). Training consisted of two sessions per week of eight to nine whole body exercises, utilizing 10 to 15 repetitions per set with progressive increases in volume and resistance. Immunoassays were performed for serum total and free IGF-I, IGF binding protein (IGFBP) −2 and −3, acid labile subunit (ALS), and growth hormone binding protein (GHBP). Immunoaffinity depletion of ALS-based complexes allowed measurement of non-ternary (i.e., binary) IGF-I and IGFBP-3. RESULTS: All IGF-I measures were stable during the control period (week −6 to 0) and no changes were observed for the first 6 weeks of resistance training. At week 12, significant (p ≤ 0.05) reductions from week 0 values were demonstrated for total IGF-I (320.2 ± 43.2 vs. 267.1 ± 41.0 ng/mL), ternary IGF-I (253.7 ± 39.1 vs. 206.2 ± 36.5 ng/mL), and the IGF-I/IGFBP-3 molar ratio (2.4 ± 0.2 vs. 1.9 ± 0.3). No differences (p > 0.05) existed for free IGF-I, IGFBP-2, IGFBP-3, ALS, or GHBP. The proportion of IGF-I in ternary (∼76.3 ± 6.8%), non-ternary (∼22.5 ± 6.6%), and free (∼1.2 ± 0.5%) forms remained stable throughout the training. Significant improvements in strength (e.g., isokinetic peak torque of leg extensors) and functional performance (e.g., maximum walking speed and distance covered in 6 minute walk) were also observed. CONCLUSION: 12 weeks of resistance training in ESRD patients induced a decline in total IGF-I, but did not alter the proportion of IGF-I circulating in free, ternary or non-ternary molecular complexes. The decline in IGF-I occurred in the presence of positive training adaptations as measured by physical performance outcome variables. We conclude that the decline of circulating IGF-I during 12 weeks of training, despite being suggestive of a catabolic state, appears to be reflective of favorable neuromuscular anabolic adaptations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,261
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & Exercise→Même sujetGrowth Hormone and Insulin-like Growth Factors→Travaux en français237 207→