Energy Expenditure from Physical Activity and the Metabolic Risk Profile at Menopause
Notice bibliographique
Résumé
PURPOSE: A sedentary lifestyle and visceral obesity are important risk factors for Type 2 diabetes and the development of cardiovascular disease, two conditions that are prevalent in women after menopause. The aim of this study was to assess the relationship between daily energy expenditure from moderate to intense physical activity and several metabolic parameters in postmenopausal women not receiving hormone therapy (HT) and to verify whether these associations are independent of the accumulation of visceral adipose tissue (AT). METHODS: Daily energy expenditure and frequency of participation in physical activity (kcal.kg(-1).15 min(-1)) were measured from a 3-d activity diary in 118 postmenopausal women (56 +/- 4 yr; 29 +/- 6 kg.m(-2)). Daily activities for each 15-min period during 24 h were categorized according to their intensity on a 1-9 scale. Category 1 indicated very low energy expenditure such as sleeping, and category 9 indicated very high energy expenditure such as running. Energy expenditure corresponding to categories 6-9 (EE6-9) was examined in relation to the metabolic risk profile. RESULTS: EE6-9 was negatively and significantly associated with body mass index (BMI) (r = -0.22, P < 0.05) and visceral AT accumulation (r = -0.18, P < 0.05). Partial correlation analyses adjusted for visceral AT showed that EE6-9 was significantly associated with systolic blood pressure (r = -0.22, P < 0.05), plasma concentrations of HDL-cholesterol (chol) (r = 0.23, P < 0.05), HDL2-chol (r = 0.22, P < 0.05), fasting glucose (r = -0.24, P < 0.05), and fasting C-peptide (r = -0.24, P = or <0.05). EE6-9 was also associated with insulin sensitivity as measured by the hyperinsulinemic-euglycemic clamp (r = 0.27, P < 0.01). CONCLUSIONS: Higher engagement in physical activity (EE6-9) is associated with a lower BMI and visceral AT accumulation and with a healthier metabolic profile in postmenopausal women. Furthermore, the associations between EE6-9 and some metabolic parameters appear to be independent of visceral AT accumulation.
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) | 0,000 | 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 ».