Resistance exercise and appropriate nutrition to counteract muscle wasting and promote muscle hypertrophy
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Loss of skeletal muscle mass is a common feature of a number of clinical scenarios including limb casting, bed rest, and various disorders such as HIV-AIDS, sepsis, cancer cachexia, heart failure, and uremia. Commonly, muscle disuse (hypodynamia) is the sole reason, or a large part, of why muscle mass is lost. The reduction in strength, or dynapenia, that accompanies these conditions is also a function of the degree of hypodynamia and is related to muscle loss. RECENT FINDINGS: The major and consistent finding in a number of human-based models of muscle wasting is a decline in the synthesis of new muscle proteins both in the postabsorptive and fed states. Thus, countermeasures are best suited to those that augment muscle protein synthesis and not those that attempt to counteract proteolysis. Our main thesis is that retention of muscle mass in wasting conditions will be achieved to the greatest extent by focussing on increased muscle use with moderate-to-high resistance loads as the primary countermeasure with a secondary countermeasure being to provide adequate nutritional support. Either intervention alone will alleviate some part of hypodynamia-induced muscle mass loss and dynapenia; however, together nutrition and muscular contraction will result in greater mitigation of muscle loss. SUMMARY: Advances in our understanding of hypodynamia-induced muscle loss, a condition common to almost all syndromes of muscle wasting, has led to a focus on reduced basal and feeding-induced elevations in protein synthesis. Countermeasures for wasting should focus on stimulating anabolism rather than alleviating catabolism.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».