Effects of postexercise milk consumption on whole body protein balance in youth
Notice bibliographique
Résumé
In adults, adding protein to a postexercise beverage increases muscle protein turnover and replenishes amino acid stores. Recent focus has shifted toward the use of bovine-based milk and milk products as potential postexercise beverages; however, little is known about how this research translates to the pediatric population. Twenty-eight (15 girls) pre- to early pubertal (PEP, 7-11 yr) and mid- to late-pubertal (MLP, 14-17 yr) children consumed an oral dose of [(15)N]glycine prior to performing 2 × 20-min cycling bouts at 60% V̇O(2 peak) in a warm environment (34.5°C, 47.3% relative humidity). Following exercise, participants consumed either water (W), a carbohydrate-electrolyte solution (CES), or skim milk (SM) in a randomized, cross-over fashion in a volume equal to 100% of their body mass loss during exercise. Whole body nitrogen turnover (Q), protein synthesis (S), protein breakdown (B), and whole body protein balance (WBPB) were measured over 16 h. Protein intake from SM was 0.40 ± 0.10 g/kg. Over 16 h, Q and S were significantly greater (P < 0.01) with SM than W and CES. B demonstrated a trend for a main effect for beverage (P = 0.063). WBPB was more negative (P < 0.01) with W and CES than with SM. In the SM trial, WBPB was positive in PEP, although it remained negative in MLP. Boys exhibited significantly more negative WBPB than girls (P < 0.05). Postexercise milk consumption enhances WBPB compared with W and CES; however, additional protein intake may be required to sustain a net anabolic environment over 16 h.
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 ».