Creatine, Arginine α-Ketoglutarate, Amino Acids, and Medium-Chain Triglycerides and Endurance and Performance
Notice bibliographique
Résumé
Creatine (Cr) supplementation increases muscle mass, strength, and power. Arginine a-ketoglutarate (A-AKG) is a precursor for nitric oxide production and has the potential to improve blood flow and nutrient delivery (i.e., Cr) to muscles. This study compared a commercial dietary supplement of Cr, A-AKG, glutamine, taurine, branched-chain amino acids, and medium-chain triglycerides with Cr alone or placebo on exercise performance and body composition. Thirty-five men (approximately 23 yr) were randomized to Cr + A-AKG (0.1 g . kg(-1) . d(-1) Cr + 0.075 g . kg(-1) . d(-1)A-AKG, n = 12), Cr (0.1 g . kg(-1) . d(-1), n = 11), or placebo (1 g . kg(-1) . d(-1) sucrose, n = 12) for 10 d. Body composition, muscle endurance (bench press), and peak and average power (Wingate tests) were measured before and after supplementation. Bench-press repetitions over 3 sets increased with Cr + A-AKG (30.9 +/- 6.6 +/- 34.9 +/- 8.7 reps; p < .01) and Cr (27.6 +/- 5.9 +/- 31.0 +/- 7.6 reps; p < .01), with no change for placebo (26.8 +/- 5.0 +/- 27.1 +/- 6.3 reps). Peak power significantly increased in Cr + A-AKG (741 +/- 112 +/- 794 +/- 92 W; p < .01), with no changes in Cr (722 +/- 138 +/- 730 +/- 144 W) and placebo (696 +/- 63 +/- 705 +/- 77 W). There were no differences in average power between groups over time. Only the Cr-only group increased total body mass (79.9 +/- 13.0 +/- 81.1 +/- 13.8 kg; p < .01), with no significant changes in lean-tissue or fat mass. These results suggest that Cr alone and in combination with A-AKG improves upper body muscle endurance, and Cr + A-AKG supplementation improves peak power output on repeated Wingate tests.
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) | 0,000 | 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) | 0,000 | 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 ».