Effect of Exercise Training on Interleukin-6, Tumour Necrosis Factor Alpha and Functional Capacity in Heart Failure
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background. We pooled data from four studies, to establish whether exercise training programs were able to modulate systemic cytokine levels of tumour necrosis factor-alpha (TNF-alpha) and interleukin-6 (IL-6). A second aim was to establish if differences in ExT regimens are related to degree of change in cytokines and peak VO(2). Methods. Data from four centres relating to training protocol, exercise capacity, and cytokine measures (TNF-alpha and IL-6) were pooled for analysis. Results. Data for 106 CHF patients were collated (98 men, age 62 ± 10 yrs, wt 79 ± 14 Kg). Patients were moderately impaired (peak VO(2) 16.9 ± 4.4 mls/kg/min), with moderate LV systolic dysfunction (EF 30 ± 6.9%), 78% (83) had ischaemic cardiomyopathy. After ExT, peak VO(2) increased 1.4 ± 3.4 ml/kg/min (P < .001), serum TNF-alpha decreased 1.9 ± 8.6 pg/ml (P = .02) and IL-6 was not significantly changed (0.5 ± 5.4 pg/ml, P = .32) for the whole group. Baseline and post-training peak VO(2) changes were not correlated with change in cytokine levels. Conclusions. Exercise training reduces levels TNF-alpha but not IL-6 in CHF. However, across a heterogenic patient group, change in peak VO(2) was not correlated with alterations in cytokine levels. While greater exercise volume (hours) was superior in improving peak VO(2), no particular characteristic of ExT regimes appeared superior in effecting change in serum cytokines.
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.
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 | 0,003 | 0,006 |
| 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 | 0,001 |
| 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 découle