Effects of exercise combined with caloric restriction on inflammatory cytokines
Notice bibliographique
Résumé
Chronic inflammation has been implicated in the pathogenesis of several chronic diseases, such as atherosclerosis and diabetes, as well as certain types of cancers. It has been suggested that circulating biomarkers for inflammation may be modified by exercise; however, few laboratory-based studies have been conducted in nonobese premenopausal women. The purpose of this investigation was to determine the impact of a 4-month exercise training and caloric-restriction intervention with the goal of weight loss on circulating biomarkers of inflammation in sedentary premenopausal women aged 25- 40 years (weight, 57 ± 2 kg). Subjects were studied for 6 consecutive menstrual cycles: 1 Screening, 1 Baseline, then 4 interventions (Interventions 1-4). Supervised aerobic training, consisting primarily of treadmill running and elliptical machine exercise, was performed 4 times per week for 40-90 min at 79% ± 0.7% of maximal heart rate. Subjects also consumed 30% fewer calories vs. baseline (1863 ± 58 to 1428 ± 53 kcalday(-1) (1 kcal = 4.186 kJ), p < 0.0001). Circulating inflammatory biomarkers, including adiponectin, high-sensitivity (hs) C-reactive protein (CRP), tumour necrosis factor-alpha (TNF-α), interleukin-6 (IL-6), interferon-gamma (IFN-γ), and leptin, as well as body composition, aerobic capacity, and energy balance, were measured before and after the intervention. Maximal aerobic capacity increased by 8.5 ± 1.7 mL kg(-1)min-1 (p < 0.001) and body mass declined by an average of 3.7 ± 0.5 kg (p < 0.001). Significant reductions in IL-6 (0.39 ± 0.04 to 0.30 ± 0.03 pgmL(-1), p = 0.025), IFN-γ (0.58 ± 0.83 to 0.42 ± 0.64 pgmL-1, p = 0.030), and leptin (13.18 ± 1.28 to 6.28 ± 0.71 pgmL(-1), p < 0.001) were detected in response to the intervention. No significant changes in adiponectin, hs-CRP, or TNF-α were found. Weight loss in response to exercise training and caloric restriction is effective in reducing inflammatory markers, specifically IL-6 and leptin.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».