Effects of Exercise on Cardiovascular Risk Factors in Type 2 Diabetes
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
OBJECTIVE: Exercise is a cornerstone of diabetes management and the prevention of incident diabetes. However, the impact of the mode of exercise on cardiovascular (CV) risk factors in type 2 diabetes is unclear. RESEARCH DESIGN AND METHODS: We conducted a systematic review of the literature between 1970 and October 2009 in representative databases for the effect of aerobic or resistance exercise training on clinical markers of CV risk, including glycemic control, dyslipidemia, blood pressure, and body composition in patients with type 2 diabetes. RESULTS: Of 645 articles retrieved, 34 met our inclusion criteria; most investigated aerobic exercise alone, and 10 reported combined exercise training. Aerobic alone or combined with resistance training (RT) significantly improved HbA(1c) -0.6 and -0.67%, respectively (95% CI -0.98 to -0.27 and -0.93 to -0.40, respectively), systolic blood pressure (SBP) -6.08 and -3.59 mmHg, respectively (95% CI -10.79 to -1.36 and -6.93 to -0.24, respectively), and triglycerides -0.3 mmol/L (95% CI -0.48 to -0.11 and -0.57 to -0.02, respectively). Waist circumference was significantly improved -3.1 cm (95% CI -10.3 to -1.2) with combined aerobic and resistance exercise, although fewer studies and more heterogeneity of the responses were observed in the latter two markers. Resistance exercise alone or combined with any other form of exercise was not found to have any significant effect on CV markers. CONCLUSIONS: Aerobic exercise alone or combined with RT improves glycemic control, SBP, triglycerides, and waist circumference. The impact of resistance exercise alone on CV risk markers in type 2 diabetes remains unclear.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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