Plasma cytokine and exertional responses in relation to exercise intensity and volume of exercising muscle mass during arm-crank ergometry
Notice bibliographique
Résumé
This original study investigated the effect of submaximal exercise intensity and volume of contracting muscle mass on plasma inflammation-mediating cytokine and perceived exertional responses to acute arm-crank ergometry (ACE). Twelve recreationally active but upper limb untrained males performed 30 min of (i) low-intensity (40% peak oxygen uptake) ACE (LOW); (ii) moderate-intensity (60% peak oxygen uptake) ACE (MOD); and (iii) concurrent low-intensity (40% peak oxygen uptake) ACE plus lower limb cycle ergometry to match total power output in MOD (HYB). Plasma concentrations of interleukin (IL)-6, IL-10, IL-1ra, adrenaline, and cortisol were determined at rest, immediately postexercise, and 1 h and 2 h postexercise. Heart rate (HR) and differentiated ratings of perceived exertion (RPE) were also recorded. Plasma IL-6 concentrations were elevated (p < 0.05) immediately postexercise and 1 h postexercise (∼ 2.5-fold) in all trials and 2 h postexercise in MOD (3-fold). Plasma IL-1ra concentrations were elevated (p < 0.05) 2 h postexercise in MOD only (2-fold). No plasma IL-10, cortisol, and adrenaline responses were observed. HR and differentiated RPE were significantly higher during MOD than HYB and LOW. Peripheral RPE were significantly higher than central and overall RPE in each trial. Thirty minutes of moderate intensity ACE initiated a plasma cytokine response associated with the protective effect of regular exercise against cardiovascular and metabolic disease risk. Further work is required to establish an optimal intensity and duration of upper limb exercise to maximise the anti-inflammatory potential whilst managing the risk of over-use injury.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».