Exercise and the metabolic syndrome with weight regain
Notice bibliographique
Résumé
Weight loss improves metabolic syndrome (MetS) factors, but risk may return with weight regain. This study was designed to determine if exercise training can maintain improvements in MetS risk factors during weight regain. In a randomized control trial,102 overweight or obese (body mass index 25.0-39.9 kg/m(2)) men and women (age 21-52 yr), with characteristics of the MetS, lost 10% of body weight with supervised walking/jogging at 60% of maximal oxygen consumption (Vo(2 max)) (-400 kcal/session), 5 days/wk, and caloric restriction (-600 kcal/day) over a 4- to 6-mo period. After weight loss, 77 remaining subjects underwent programmed weight regain (+50% of lost weight) for 4-6 mo with random assignment to two groups: no exercise (NoEX) or continued supervised exercise (EX). Blood pressure, regional fat, glucose homeostasis, lipids, and inflammatory markers were assessed at baseline, post-weight loss, and post-weight regain. Groups were compared by two-way repeated-measures ANOVA on the 67 subjects. After weight loss (9.7 +/- 0.2% of body weight), significant (P < 0.05) improvements were observed in almost all parameters assessed. Following weight regain (54.4 +/- 1.6% of lost weight), the NoEX group exhibited deterioration in most metabolic markers, while the EX group maintained improvements in Vo(2 max), blood pressures, glucose homeostasis, high- and low-density lipoprotein cholesterol (HDL-C and LDL-C), oxidized LDL, and other markers of inflammation, but did not maintain improvements in triglyceride and cholesterol concentrations or abdominal fat. Results of this design of controlled human weight regain suggest that aerobic exercise can counter the detrimental effects of partial weight regain on many markers of disease risk.
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 ».